中文专利侵权检索模型研究

doi:10.3778/j.issn.1002-8331.2009.09.062

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (9): 212-215.DOI: 10.3778/j.issn.1002-8331.2009.09.062

中文专利侵权检索模型研究

汪雪锋¹,刘玉琴²,刘佳¹

1.北京理工大学管理与经济学院，北京 100081
2.工业与信息化部软件与集成电路促进中心，北京 100038

收稿日期:2008-10-14 修回日期:2009-01-22 出版日期:2009-03-21 发布日期:2009-03-21
通讯作者: 汪雪锋

Research on Chinese patent infringement retrieval model

WANG Xue-feng¹,LIU Yu-qin²,LIU Jia¹

1.School of Management and Economics，Beijing Institute of Technology，Beijing 100081，China
2.Software and Integrated Circuit Promotion Center，Ministry of Industry and Information Technology Beijing 100038，China

Received:2008-10-14 Revised:2009-01-22 Online:2009-03-21 Published:2009-03-21
Contact: WANG Xue-feng

摘要/Abstract

摘要： 结合中文专利权利要求的结构特征，首次将中文专利按照“分割词”重新分类，以重新划分的“新类别”进行词性选择，构造向量空间，设计了中文专利侵权检索模型，通过我国集成电路封装技术领域的发明专利进行技术侵权检索实证分析与对比实验，实验结果显示该模型的检索效果明显优于一般的侵权检索方法。

关键词: 专利侵权检索, 分割词, 专利类别, 向量空间

Abstract: Based on the structure information of patent’s claims，the model of Chinese patent infringement retrieval is proposed.In the model，Chinese patents are reclassified firstly by the forty “split words” which are extracted from patent database from view of retrieval.Different types of word are selected to construct vector space.An empirical patent infringement illustration and contrast experiment about integrate circuit technology in China are conducted and the results show this approach is effective.

Key words: patent infringement retrieval, split words, patent classification, vector space

汪雪锋¹,刘玉琴²,刘佳¹. 中文专利侵权检索模型研究[J]. 计算机工程与应用, 2009, 45(9): 212-215.

WANG Xue-feng¹,LIU Yu-qin²,LIU Jia¹. Research on Chinese patent infringement retrieval model[J]. Computer Engineering and Applications, 2009, 45(9): 212-215.

[1]	韩邦，李子臣，汤永利. 基于同态加密的全文检索方案设计与实现[J]. 计算机工程与应用, 2020, 56(21): 103-107.
[2]	叶雪梅1，2，毛雪岷1，2，夏锦春1，2，王波1，2. 文本分类TF-IDF算法的改进研究[J]. 计算机工程与应用, 2019, 55(2): 104-109.
[3]	向广利，李安康，林香，熊彬. 基于同态加密的多关键词检索方案[J]. 计算机工程与应用, 2018, 54(2): 97-101.
[4]	张绍阳，曹家波，王子凡，曲卫东. 基于加权二部图匹配的中文段落相似度计算[J]. 计算机工程与应用, 2017, 53(18): 95-101.
[5]	程玉胜1，2，梁辉2，王一宾1，2，任勇2. 结合关键词微变和LD算法的文本相似性研究[J]. 计算机工程与应用, 2016, 52(8): 70-73.
[6]	李宏霞，庞晓琼. 支持多关键字分级的可搜索同态加密方案[J]. 计算机工程与应用, 2016, 52(22): 93-98.
[7]	仰孝富，齐建东，吉鹏飞，朱文飞. 一种CF树结合KNN图划分的文本聚类算法[J]. 计算机工程与应用, 2015, 51(6): 114-119.
[8]	张庆庆，刘西林. 基于依存句法关系的文本情感分类研究[J]. 计算机工程与应用, 2015, 51(22): 28-32.
[9]	史宝明1，贺元香1，吴崇正2. 主题搜索引擎中爬虫搜索策略的研究[J]. 计算机工程与应用, 2014, 50(2): 116-119.
[10]	马雯雯1，魏文晗1，邓一贵1，2. 基于隐含语义分析的微博话题发现方法[J]. 计算机工程与应用, 2014, 50(1): 96-100.
[11]	邢玉娟，李恒杰，曹晓丽，张成文. 多级中文文本情感分类算法研究[J]. 计算机工程与应用, 2012, 48(33): 132-135.
[12]	夏春艳1，崔广才2，李树平1. 话题跟踪方法的研究[J]. 计算机工程与应用, 2012, 48(15): 129-132.
[13]	张燕平1，2，刘超1，2，曲永花3. WCBVSM与SACA结合的文本分类模型[J]. 计算机工程与应用, 2012, 48(11): 137-142.
[14]	王红丽. 利用有限域上向量空间构造Cartesian认证码[J]. 计算机工程与应用, 2012, 48(1): 114-115.
[15]	金小峰. 一种大容量文本集的智能检索方法[J]. 计算机工程与应用, 2011, 47(7): 143-145.

中文专利侵权检索模型研究

Research on Chinese patent infringement retrieval model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics