关键词： 高铁技术   专利布局   专利计量  

摘要： [目的/意义]当前全球经济以及科技迅猛发展,作为国家必不可少的基础设施,高速铁路更是进入了高速发展的新时代,我国积极地抓紧这次机遇,大力发展高铁产业。本文对高铁领域专利技术的布局进行研究,为我国掌握高铁行业发展态势,把握技术热点提供可借鉴性建议,为专利布局相关研究提供一个新思路。[方法/过程]本文从纵向、横向和深向三个角度宏观来观测专利布局态势,即专利申请的年度变化、专利国内国外布局和专利构成分析。在对高铁领域的专利技术布局进行全方位分析的基础上,进一步分析高铁领域主要竞争者的专利布局情况。[结果/结论]发现高铁领域的专利技术处在快速发展期,我国在短时间内已经成为了高铁领域的专利高产大国,但仍然存在专利布局过于保守、专利技术投入过于传统等问题,而国际各国对我国专利技术已形成了包夹之势。

关键词： 专利布局   阻隔防爆技术   阻隔防爆材料   产业发展  

摘要： 文章分析国内及部分国外发达国家防爆材料的专利技术构成、技术发展及重要企业专利布局等,并预测产业发展方向.

关键词： 台湾大学   专利检索   谈判代表   高级中学   财团法人   彰化县   行政院   经贸谈判  

摘要： 王美花,1958年8月10日出生于台湾彰化县二水乡,先后就读于彰化县二水中学、台中女子高级中学、台湾大学法律学系,与台南前县长苏焕智、前"立委"雷倩、陈学圣为同学.现任台湾"经济部"部长,曾任"行政院"经贸谈判办公室副总谈判代表、外贸协会副董事长、财团法人专利检索中心董事长等职.

关键词： 耳机   专利寿命   创新主体   专利布局  

摘要： 基于专利数据的分析方法,从历年申请情况、国内外耳机外观专利分布情况、主要创新主体及其专利布局等多维度对耳机外观申请现状作了初步分析,为企业、设计机构、科研单位对耳机外观设计的创新设计提供借鉴与参考。

关键词： 颠覆性技术   专利检索   机器学习   人工智能  

摘要： 颠覆性技术是一个具有复杂的内在结构的技术群.从空间维度来看,颠覆性技术是包含了主导技术、辅助技术、支撑技术的复杂技术群,涉及多学科、多领域.在此背景下,运用科学计量的方法对颠覆性技术进行科技评价和科学技术演变规律探索面临挑战,实质表现为数据检索.本文探索了一种基于机器学习的专利数据集构建新策略,将专利检索任务作为机器学习的二分类任务,类似于信息检索中基于主动学习的查询分类思想,并提出了将F-measure特征最大化方法与CNN(Convolutional Neural Networks)模型相结合的文本分类改进方法.本文以人工智能(Artificial Intelligence,AI)技术域为例进行训练实验,实验结果的准确率、召回率和F1值分别达到98.01％、97.04％和97.89％,这表明本文提出的策略能够精准地识别人工智能专利,提高专利检索的准确率和召回率,以利于构建精、准、全的人工智能技术域专利数据集.

关键词： 聚酰亚胺   专利布局   影响因素   低温应用  

摘要： 本文综述了国内外耐电晕聚酰亚胺薄膜的专利布局、无机纳米杂化薄膜耐电晕性能的影响因素,介绍了耐电晕聚酰亚胺薄膜在液氮温度下的应用现状,并对耐电晕聚酰亚胺未来的发展方向进行了展望.

关键词： 理解发明   附图检索   关键词提取   发明专利检索  

摘要： 对于权利要求、说明书与附图公开的内容不对应的发明,除了对权利要求书的内容进行检索之外,还应抛开权利要求及说明书的记载,仅针对附图公开的内容进行检索。附图检索时,对其具有显著特点的图形结构进行特征提取,从而获得有效的关键词,对关键词进行扩展,逐步划定附图所属技术领域及附图的主题,能够获得高度相关对比文件。分析了采用附图检索进行检索的原因、适用情形,通过附图检索以实现全面检索,善意审查实际案例。

关键词： 文件检索   专利无效对比   关联关系网络   学习排序   图神经网络  

摘要： 近年来连续增长的专利申请数量和快速增长的趋势给专利审查工作带来资源紧张的压力，同时，由于撰写专利文本的人员为避免技术泄露、竞争者理解和重现，专利文本的词汇特点，如同义词、对等词、上下位术语等使其内容变得含糊且难以理解，且在专利文本中难以识别和抽取上述词汇，从而导致专利检索效果难以提升，已经严重影响专利的检索效果，造成审查工作中出现“问题专利”的漏洞。因此，针对这一现象，为更有效地解决专利审查中的效率和效果问题，本研究提出一种利用图嵌入特征强化的专利无效对比文件检索方法，快速高效地从海量数据中得到对比文件。　　本文利用图神经网络捕捉超越字符串表达能力的专利关联信息，用每个专利文件在专利文件关联网络中的节点位置信息试图减少专利检索中同义词、近义词、对等词、上下位术语、泛化所造成的严重负面影响，并验证集成单个文档特征和多个文档之间关联关系特征的学习排序模型在专利对比检索上的效果。　　从研究路线看，本文首先对数据进行处理，利用多个专利文本之间的不同表现形式的关联关系构建不同的专利关联网络，通过GraphSAGE模型提取专利各个节点的图嵌入特征。接着，分两阶段开展对比文献检索方法的构建，在第一阶段运用Elasticsearch从数据集中快速召回候选对比文件，缩小问题规模。通过调整检索参数size和检索策略来提高召回率。第二阶段通过LearningtoRank（学习排序）模型对召回的结果进行排序，在文本相似度的基础上引入了目标专利与对比文件之间的IPC共现、CPC共现、技术术语共现、文本相似度等图嵌入特征，获得对比文件的精排结果。最后对稀疏图嵌入特征稠密化，验证稀疏图嵌入特征的效果，对比不同层级的IPC分类号和CPC分类号图嵌入特征对实验结果影响的程度。　　结果显示，加入图嵌入特征对于排名结果有一定程度的提升，尤其是加入IPC图嵌入特征，优于只有专利文本信息的基线方法。但加入技术术语图嵌入特征和CPC图嵌入特征对召回结果排序的提升效果不明显，还存在很大的改进空间，可以通过补充更丰富的图嵌入特征、优化提取方法和技术等进行之后的探索。

关键词： 知识图谱   知识抽取   向量化表示   专利检索  

摘要： 专利作为最能体现人类发明创造能力的知识载体,对制造企业的发展也起着至关重要的推动作用,一方面企业可以通过申请专利来保护自己的知识产权,另一方面企业通过对专利中所含知识的合理利用也能促进其自身的创新进程。随着人工智能技术的飞速发展,以及我国制造企业对其所拥有的知识进行智能化管理需求的增长,将二者结合起来对知识进行有效的管理和挖掘分析有着广阔的应用前景,目前,制造企业知识管理还没有将诸如自然语言处理等前沿的深度学习技术应用到知识的挖掘分析场景中,导致了知识的利用效率不高的问题。针对上述现状,本文尝试将知识图谱相关技术应用到制造企业所拥有的典型知识——专利文本的检索中,开展如下研究工作。为了将专利从文档细化为更小的结构化知识粒度以便于精细化的知识管理与应用,进行专利知识图谱构建研究。以机械制造企业所拥有的与发动机相关的专利文本作为数据来源,对专利知识图谱的本体层进行较为完善的定义;研究基于Bert的深度学习算法,对专利文本中的实体和实体之间的关系进行自动化抽取,利用客观标注的专利数据集验证算法,证明专利知识抽取的准确度。最后,利用抽取出来的知识构建专利知识图谱,实现专利的结构化建模。为了对构建起来的专利知识图谱进行可计算性处理,支持知识图谱的数字化应用效率,研究知识图谱向量化表示技术。分析现有TransE算法,针对其对术语实体表达能力不足的问题,提出融合词汇信息和实体类别信息的WTBT算法,用链接预测任务方法验证所提出算法的通用有效性,确保通用评价指标有一定的提升。利用较为直观的向量距离计算、向量可视化等方法,查找相似术语实体,最终验证本文算法所得向量对术语词汇具有有效语义表达能力。为改善现有专利检索系统单一的文本匹配模式,无法对输入的检索语句进行有机的扩展、限制了专利重用效率的问题,将检索语句的模式分类为包含单个实体或包含多个实体的情况,详细分析每种模式的检索意图,提出基于知识图谱的专利扩展检索模型（PEBKG）,针对不同检索模式,给出对应的扩展检索方案,并采用检索实例验证本文模型的有效性。本文的研究内容为专利文本的知识挖掘方法提供了一种新的思路,利用知识图谱这种图形结构化方法对专利文本进行解构,支持具有联想特性的智能检索需求,具有一定的创新性。在专利知识图谱的构建和应用方面也有一定的实用和借鉴意义。