引用本文
翟东升, 蔡力伟, 张杰, 冯秀珍. .基于专利数据仓库的技术功效图挖掘方法研究* ——以3D打印技术为例 [J]. 现代图书情报技术, 2015,31(7/8): 131-138
Zhai Dongsheng, Cai Liwei, Zhang Jie, Feng Xiuzhen. .The Study of Patent Data Warehouse-based Technical Efficiency Map Mining Method——Taking 3D Printing Technology as an Example. New Technology of Library and Information Service,2015,31(7/8): 131-138  
Permissions
Copyright©2015, 《现代图书情报技术》编辑部
《现代图书情报技术》编辑部
基于专利数据仓库的技术功效图挖掘方法研究* ——以3D打印技术为例
翟东升, 蔡力伟, 张杰, 冯秀珍
北京工业大学经济与管理学院 北京 100124
蔡力伟, ORCID: 0000-0003-2579-003X, E-mail: cailiwei@emails.bjut.edu.cn。
基金:*本文系北京市自然科学基金项目“中文专利侵权检测与分析理论方法及关键技术研究”(项目编号: 9132005)的研究成果之一
摘要
目的

实现技术功效图微观钻取分析与技术功效图所涉及的具体专利识别。

方法

提出基于专利数据仓库的技术功效图挖掘方法, 通过清洗专利结构化信息与抽取非结构化信息特征词, 结合数据仓库技术, 实现技术功效图的构建与多维分析。

结果

实验结果证明, 该方法能快速实现技术功效图微观钻取分析及所涉及专利的识别。【局限】采用星型模型, 在专利数据量较大时会降低运行效率; 专利特征词抽取未实现完全自动化。

结论

本文提出的方法, 能够为技术功效图的构建与挖掘提供一种新的思路。

关键词: 技术功效图; 专利数据仓库; 多维分析; 3D打印
中图分类号:
The Study of Patent Data Warehouse-based Technical Efficiency Map Mining Method——Taking 3D Printing Technology as an Example
Zhai Dongsheng, Cai Liwei, Zhang Jie, Feng Xiuzhen
School of Economics and Management, Beijing University of Technology, Beijing 100124, China
Abstract

[Objective] In order to achieve the micro drilling analysis of technical efficiency map and the recognition of specific patent involved in technical efficiency map. [Methods] This paper proposes a Patent Data Warehouse-based technical efficiency map mining method, which achieves the construction and multidimensional analysis of technical efficiency map by cleaning patent structured information and extracting feature words of unstructured information, combined with the Data Warehouse. [Results] The experiment results show that this method can achieve the objective fastly. [Limitations] However, if the amount of patent data is large, the star model used may reduce efficiency. And the patent feature extraction can’t be automated. [Conclusions] This proposed method provides a new way for constructing and mining technical efficiency map.

Keyword: Technical; efficiency; map; Patent; data; warehouse; Multidimensional; analysis; 3D; printing
1 引 言

随着科学技术的高速发展以及经济全球化的日益深入, 专利数据分析变得越来越重要[1]。专利技术功效图分析作为专利定性分析方法之一已经引起研究者的广泛关注[2]。技术功效图按照技术手段、技术功效两个维度对某领域主要专利进行聚类, 从而一目了然地区分技术密集区、稀疏区以及空白区, 呈现技术发展过程中面临的主要技术难题及瓶颈。技术功效图分析是研发人员获取创意的重要途径, 若充分利用、剖析其中相同或类似的技术专利, 可启发专利研发思路。

本研究提出基于专利数据仓库的技术功效图挖掘方法, 通过将文本挖掘技术与数据仓库技术相结合, 实现技术功效图的构建与多维分析, 帮助研究人员及决策人员实现技术功效图微观钻取分析及所涉及专利的识别, 为其研发与决策提供支持。

2 研究现状

(1) 数据仓库在专利分析中的应用

数据仓库作为一种数据组织方式, 是知识服务最有效的数据载体之一, 其在信息分析、决策支持领域得到了广泛的应用[3]。然而数据仓库在专利分析中的应用并不广泛。翟东升等[4, 5]提出基于数据仓库的异构专利数据源集成方案, 通过将异构专利数据源加载到专利数据仓库中, 从而为专利多维分析以及数据挖掘提供有效的数据支持, 并设计实现基于专利数据仓库面向主题的专利分析系统。杨忠[6]提出专利信息可视化分析系统的概念, 将数据仓库技术运用在专利信息可视化分析中, 从数据收集、数据仓库构建、ETL系统构建、多维分析模型构建及数据挖掘模块构建等方面详细地论证和介绍专利可视化分析系统的构建与实现过程。郭杰[7]构建3D 打印专利数据仓库, 并利用该数据仓库, 研究3D打印技术国内外发展的状况和方向。在已往的研究中, 专利数据仓库研究涉及的只是专利中的结构化数据, 极少涉及对专利非结构化数据的整合。

(2) 专利技术功效图构建方法研究

在专利技术功效图的构建方法方面, 国内外已经有一定的研究。王圣顺[8]提出人工定义专利技术分类及功效分类, 并利用本体知识层级关系建立专利与技术词、功效词间的关系。Tseng等[9]提出将文本挖掘用于专利地图的分析, 通过对技术、功效进行手动分类从而简单建立技术功效矩阵。Kim等[10]提出构建技术功效矩阵的具体步骤: 选择领域主题的检索关键词; 分别构建技术类别和功效类别; 通过人工方式阅读、分析将检索到的所有专利归类到技术功效矩阵的相应位置。罗立国[11]通过对检索得到的30个专利进行加工、整理和分类, 总结出4个技术主题及5个发明目的, 按3年为一个时间跨度进行统计, 得到技术功效图。Nanba等[12]提出抽取专利文献中的技术及其功效。陈颖等[2, 13]通过特征度和词汇模型过滤掉相关度不高的噪声词, 降低构建技术功效矩阵图过程中技术词和功效词抽取的难度和工作量。翟东升等[14]提出一种基于文本挖掘的专利技术功效图构造方法, 利用文本挖掘对专利信息中技术和功效进行提取, 提高专利技术功效图的客观性。Cheng等[15]分析USPTO的专利数据, 分别将IPC和USPC作为技术词和功效词构建技术功效矩阵, 简化领域专家对专利文档的分析过程。霍翠婷等[16]提出在专利技术/功效矩阵的制作流程中, 引入FI/F-term分类体系进行数据分类标引预处理, 进而构建面向特定技术主题的专利技术/矩阵方法。王丽等[17]提出利用一种标引功效矩阵自动化工具, 通过词库构建、主题标引、文本提取等步骤对专利文本进行挖掘和分析, 自动生成专利功效矩阵图。

综上所述, 先前的研究主要涉及技术功效词的抽取, 以及技术功效图的自动构建, 所构建的技术功效图只能从宏观角度对技术密集区、稀疏区以及空白区进行初步识别, 缺乏对技术功效图微观层次的分析, 如技术功效图中技术密集区涉及的具体专利; 此外, 目前的技术功效图对特定专利权人或特定时间段技术功效图进行切片分析时, 需重复技术功效图的制作, 工作量巨大。因此, 笔者提出一种基于专利数据仓库的技术功效图挖掘分析方法, 针对专利信息特点, 综合运用数据清洗、文本挖掘以及数据仓库技术, 实现技术功效图微观钻取分析与技术功效图涉及的具体专利识别。

3 基于专利数据仓库的技术功效图挖掘方法
3.1 研究框架

基于专利数据仓库的技术功效图挖掘方法的研究框架如图1所示:

图1 研究框架

基于专利数据仓库的技术功效图挖掘方法的研究框架, 主要分为4个步骤:

(1) 收集原始专利数据。从德温特专利库[18] (Derwent Innovations Index, DII)下载相关技术领域的专利文献, 将下载的专利数据存入本地DII主题专利数据库。

(2) 数据整合( Extract-Transform-Load , ETL)。利用微软数据整合服务(SQL Server Integration Services, SSIS), 对收集的专利信息原始数据进行数据整合。数据整合内容包括专利信息数据的抽取、清洗、特征词抽取与筛选、数据转换与数据加载。

(3) 构建专利数据仓库。利用整合后的专利数据与设计的专利数据仓库模型, 构建专利数据仓库。

(4) 技术功效图OLAP挖掘分析。依托构建的专利数据仓库, 利用微软数据分析服务(SQL Server Analysis Services, SSAS), 实现专利技术功效图的构建与多维分析。

3.2 专利数据仓库设计

专利数据仓库采用星型架构, 模型核心为事实表, 围绕事实表的是维度表, 专利数据仓库星型架构如图2所示。

图2 专利数据仓库星型模型

该架构由1个事实表和9个维度表构成。事实表为DII专利事实表; 维度表包括IPC维度表、专利技术维度表、专利功效维度表、专利权人维度表、发明人维度表、时间维度表、专利同族维度表、德温特手工代码维度表以及DII专利事实维度表。其中时间维度表、发明人维度表以及DII专利事实维度表不涉及层次结构, 其余维度表涉及层次结构如图2所示, 以IPC维度为例, 其层次结构为: 部-大类-小类-大组-小组。

3.3 数据整合

在本研究中, 使用DII作为主要的专利信息数据源, DII包含自1900年以来全球范围内的海量专利信息, 同时DII采用“ 专利族” 的概念将同一技术在全球不同国家和地区申请的专利进行汇总, 在一定程度上简化了专利分析的复杂度。数据整合内容主要包括数据抽取、数据清洗、特征词抽取与筛选、数据转换与数据加载。

(1) 专利数据抽取与清洗

数据的抽取与清洗主要分为两类: 发明人、专利同族专利号、专利IPC分类号以及德温特手工代码等字段, 参考李倩[19]的研究采用正则表达式与循环处理的清洗方法; 专利权人字段采用特征标引清洗方法。研究发现, 专利权人可分为三类, 企业、科研院所以及个人, 个人通常以“ 名称-Individual” 的形式表述, 企业和科研院所大多都有相应的机构缩写码, 如表1所示:

表1 专利权人类型特征

根据专利权人类型特征, 通过C#实现专利权人清洗与类型标注。

(2) 特征词抽取与筛选

德温特摘要信息是非结构化专利文本信息, 其中包含新颖性(NOVELTY)以及优势(ADVANTAGE)等内容, 从这两个字段中, 分别进行技术特征词与功效特征词抽取。其中, 将NOVELTY字段, 利用SSIS中字词提取组件, 根据词频逆文档率, 提取单词与短语, 作为技术特征词。对于ADVANTAGE字段, 参考陈颖

[13]的研究, 总结功效特征词抽取模式如下:

线索词(如decrease)-组合模式

其中组合模式抽取规则如下:

限定词(0或一次)-名词/动词/形容词(0-2个)-介词或从属连词(0或一次)-限定词(0或一次)-名词/动词/形容词(至少一个)

将ADVANTAGE字段导入GATE软件[20], 利用其文本挖掘功能, 在正则表达式标记引擎(JAPE)中构造抽取模式, 抽取专利功效特征词, 抽取模式如表2所示:

表2 功效特征词抽取模式

功效特征词匹配抽取模式举例: 专利US2014374 949-A1中 “ The apparatus enables controlling movements of the printing head, thus facilitating better printing quality” , 根据匹配模式{Token.string == ~“ facilitate (e|ed|ing|es” )}, 抽取结果为: “ facilitating better printing quality” 。

通过词频逆文档率以及GATE软件模式匹配抽取出的特征词, 并不都是本技术领域特征的技术词和功效词, 需要由专家组遴选出目标技术领域具有代表性的特征词。特征词遴选完成后, 利用SSIS查找组件, 实现特征词与专利号的匹配。

(3) 数据转换

各字段清洗完成后, 通过数据转换为各字段构建层次结构。

①IPC代码表, 构建部、大类、小类、大组、小组层次, 例如: B29C-067/00, 层次结构为B-29-C-067-00;

②德温特手工代码表, 构建一级分类、二级分类、三级分类、四级分类、五级分类、六级分类以及七级分类层次, 例如: M22-G03K1A, 层次结构为M-22-G-03-K-1-A;

③专利技术表, 构建一级技术、二级技术、技术词层次, 例如: 激光烧结、微型激光烧结、pico-second laser;

④专利功效表, 构建一级功效、二级功效、功效词层次, 例如: 提高打印质量/精度、提升打印质量、improve quality of 3-d model;

⑤专利权人表, 构建专利权人分类、专利权人代码、专利权人层次, 例如: 公司企业、BEIJ-Non-standard、BEIJING TAIER TIMES TECHNOLOGY CO LTD;

⑥专利同族表, 构建国家全称、同族专利号层次, 例如: 美国、US2014374949-A1。

(4) 数据加载

通过为各维度表设置代理键, 并通过Lookup组件, 为事实表设置键值匹配度来引用维度表值, 将维度表与事实表相关联。数据加载采取完全刷新方式, 每次加载均删除原有数据, 完全加载最新源数据。

3.4 技术功效图OLAP分析

(1) 技术功效图分析。如图3所示, 利用技术维度与功效维度构建专利技术功效图, 并通过对技术维度与功效维度的钻取, 实现技术功效图分析。

图3 技术功效图OLAP设计

(2) 技术功效图专利识别分析。如图4所示, 在技术功效图中, 引入专利同族维度, 可实现技术功效图中专利识别。

图4 技术功效图专利识别OLAP设计

(3) 特定专利权人技术功效图分析。如图5所示, 在技术功效图中, 引入专利权人维度, 可对技术功效图进行特定专利权人钻取, 了解其专利布局与研发热点, 帮助企业更好地预见未来竞争领域。

图5 专利权人技术功效图OLAP设计

(4) 技术功效图多维分析。在技术功效图中, 引入时间维度, 即将图5中专利权人维度替换为时间维度, 可进行特定年份钻取分析, 实现技术功效图时序变化研究。同时如将专利权人维度替换成发明人维度、IPC维度或德温特手工代码维度, 便可实现多角度的技术功效图挖掘分析, 因篇幅有限, 不再详细描述。

4 实验过程与分析
4.1 数据源选取

使用DII作为专利信息数据源, 根据对3D打印技术领域的初步认知, 确定检索表达式如下:

TS=("3D Print* " OR "print* in three dimensions" OR "Additive Manufactur* " OR "Rapid Prototyp* " OR "Rapid Manufactur* " OR "Rapid Prototyp* Manufactur* " OR "3D manufactur* " or "three dimension* print* " or "digital manufact* " or "intelligent manufact* " or "3 dimension* print* ") and IP=(B29C* or B22F* or G06F* or B41J* or B23K* or B32B* or G03F* ) and MAN=(A11* or S06* or A09* or X25* or T01* )

该检索表达式共检索到1 952条德温特专利, 时间跨度为1967年1月至2015年1月。在上述表达式中, 对3D打印的检索概念进行扩展, 包括增材制造、积层制造以及快速成型技术。并通过IPC代码与德温特手工代码, 排除三维图片打印以及光学系统或仪器等所涉及的专利。

4.2 数据整合与数据仓库构建

利用3.3节中数据整合策略, 完成3D打印技术专利的抽取、清洗、特征词抽取与筛选、数据转化和数据加载。根据设计的专利数据仓库, 利用微软SSAS, 实现专利数据仓库的构建, 其中清洗完成结果与各维度加载结果如表3所示:

表3 3D打印领域数据清洗与维度加载结果

专利数据仓库具体维度和度量值组关系如图6所示:

图6 专利数据仓库维度与度量值组关系

4.3 技术功效图OLAP挖掘分析

(1) 技术功效图分析。利用技术维度与功效维度, 构建专利技术功效图, 并对功效“ 提高打印效率” 进行钻取, 如图7所示。

从图7可以看出, 3D打印技术的研究热点主要集中在如何“ 提高打印效率” 、“ 提高打印质量/精度” 、“ 减少时间消耗” 以及“ 降低成本” 等方面。如何“ 提高打印效率” 重点研究“ 促进快速成型” , 而“ 减少数据量” 、“ 保证热调节” 、“ 减少污染” 以及“ 确保系统安全” 等功效还很少涉及; 技术方面主要涉及“ 成型技术” 、“ 激光烧结” 、“ 控制系统” 、“ 树脂材料” 以及“ 特性材料” 等, 而“ 静电粉末涂覆工艺” 、“ 空气洗涤” 以及“ 探测装置” 涉及专利还不多。

(2) 技术功效图专利识别分析。在技术功效图中, 引入专利同族维度, 图8为在“ 减少能源/材料消耗” 功效下对中国专利进行钻取挖掘。

图7 技术功效图分析

图8 技术功效图专利识别分析

从图8可以看出, 涉及“ 激光烧结” 与“ 温度控制” 技术及“ 减少能源/材料消耗” 功效的专利有CN100 336655-C, 经查询, 该专利由南加利福尼亚大学于2002年12月20日申请, 专利标题为“ 在选择性抑制烧结(sis)工艺中减少粉末废料的方法” , 该专利在2010年2月17日因欠缴年费失效。

(3) 专利权人技术功效图分析。在技术功效图中, 引入专利权人维度, 图9为选取Stratasys公司, 进行技术功效图钻取挖掘。

从图9可以看出, Stratasys公司的研发重点在“ 成型技术” 、“ 打印喷嘴” 、“ 控制系统” 、“ 引发剂/粘结剂” 以及“ 特性材料” 等技术领域, 致力于实现“ 减少时间消耗” 、“ 提高打印效率” 、“ 提升打印质量/精度” 以及“ 减少气泡/变形” 。对“ 提升打印质量/精度” 进行钻取, 可以发现该公司注重于“ 提升打印质量” 。而该公司在“ 光线控制” 、“ 树脂材料” 、“ 温度控制” 、“ 减少数据量” 、“ 减少体积/重量” 、“ 减少污染” 以及“ 降低成本” 等方面较少涉及。

图9 专利权人技术功效图分析

传统的技术功效图展示如图7所示, 本文方法构建的技术功效图在图7的基础上, 可实现图8和图9的展示。对比两种技术功效图, 功能异同如表4所示:

表4 技术功效图功能对比

(1) 本文提出的基于专利数据仓库的技术功效图挖掘方法, 可实现传统技术功效分析, 即从宏观角度对技术密集区、稀疏区以及空白区进行初步识别, 还可对技术、功效进行钻取挖掘。同时本文提出的方法, 相比传统技术功效图分析方法, 可快速实现技术功效图的切片钻取, 包括特定专利权人、年份、IPC、德温特手工代码以及发明人技术功效图钻取分析, 减少构建相关技术功效图的工作量与时间。

(2) 本文提出的方法可以实现技术功效图所涉及具体专利的挖掘, 企业可根据自身实际需求, 挖掘技术密集区或稀疏区所涉及的专利, 进而查询专利详细技术信息与法律状态, 辅助企业研发与决策。同时对于技术空白区, 可通过分别寻找技术涉及专利与功效涉及专利, 研究能否进行技术组合, 并寻找技术突破途径。

5 结 语

本文基于专利数据仓库的技术功效图挖掘方法, 综合运用文本挖掘及数据仓库技术, 快速实现技术功效图的构建与多维钻取分析, 及技术功效图所涉及具体专利挖掘, 为技术功效图的构建与挖掘提供一种新的思路, 具有一定的实用价值。

在研究过程中, 仍存在一些不足和需要进一步深入研究的地方: 专利数据仓库采用星型模型, 当专利数据量较大时, 会造成事实表内数据过于庞大, 降低运行效率, 如何采用雪花型模型代替星型模型, 是未来的研究重点; 在对专利特征词抽取时, 虽然采用模式匹配办法, 但并未实现全自动化, 仍需借助领域专家对抽取词语进行筛选, 如何实现专利特征词的自动抽取, 还需进一步研究。

参考文献
[1] 杨春亮. 基于模糊逻辑的专利数据层次分类研究 [D]. 天津: 天津大学, 2008.
(Yang Chunliang. Study on Hierarchical Text Categorization of Patent Data Based on Fuzzy Logistic [D]. Tianjin: Tianjin University, 2008. ) [本文引用:1] [CJCR: 0.323]
[2] 陈颖, 张晓林. 基于特征度和词汇模型的专利技术功效矩阵结构生成研究[J]. 现代图书情报技术, 2012(2): 53-59.
(Chen Ying, Zhang Xiaolin. Research of Patent Technology- Effect Matrix Construction Based on Feature Degree and Lexical Model[J]. New Technology of Library and Information Service, 2012 (2): 53-59. ) [本文引用:2] [CJCR: 1.008]
[3] 唐桂军. 商业智能在企业信息管理系统中的应用研究[D]. 镇江: 江苏科技大学, 2009.
(Tang Guijun. Application and Research of Business Intelligence in Industry Management Information System [D]. Zhenjiang: Jiangsu University of Science and Technology, 2009. ) [本文引用:1]
[4] 翟东升, 禾文汇. 异构专利数据源集成方案设计与实现[J]. 现代图书情报技术, 2010 (9): 67-73.
(Zhai Dongsheng, He Wenhui. Design and Implementation of Data Integration over Heterogeneous Patent Sources[J]. New Technology of Library and Information Service, 2010 (9): 67-73. ) [本文引用:1] [CJCR: 1.008]
[5] 翟东升, 袁昕. 面向主题的专利分析系统[J]. 情报杂志, 2012, 31(6): 168-172. [本文引用:1]
[6] (Zhai Dongsheng, Yuan Xin. Subject–oriented Analysis of Patent System[J]. Journal of Intelligence, 2012, 31(6): 168-172. ) [本文引用:1]
[7] 杨忠. 专利信息可视化分析系统构建研究[D]. 湘潭: 湘潭大学, 2013.
(Yang Zhong. Research on Building Visual Analysis System of Patent Information [D]. Xiangtan: Xiangtan University, 2013. ) [本文引用:1] [CJCR: 0.299]
[8] 郭杰. 基于专利数据仓库理论的四川3D打印产业发展研究[D]. 成都: 西华大学, 2014.
(Guo Jie. Development of the Sichuan-based 3D Printing Industry Patent Data Warehouse Theory [D]. Chengdu: Xihua University, 2014. ) [本文引用:1]
[9] 王圣顺. 专利文件之专利技术特性及功能知识分析法 [D]. 台北: 台湾科技大学, 2006.
(Wang Shengshun. Patent Technology Characterize and Function Knowledge Analysis of Patent Document [D]. Taipei: The Taiwan University of Science and Technology, 2006. ) [本文引用:1]
[10] Tseng Y H, Wang Y M, Juang D W, et al. Text Mining for Patent Map Analysis [C]. In: Proceedings of IACIS Pacific 2005 Conference, 2005. [本文引用:1]
[11] Kim Y G, Suh J H, Park S C. Visualization of Patent Analysis for Emerging Technology[J]. Expert Systems with Applications, 2008, 34(3): 1804-1812. [本文引用:1] [JCR: 1.965]
[12] 罗立国. 基于专利信息服务平台的专利地图研究[D]. 武汉: 华中科技大学, 2009. [本文引用:1]
[13] (Luo Liguo. Patent Map Study Based on Patent Information Service Platform [D]. Wuhan: Huazhong University of Science and Technology, 2009. ) [本文引用:2]
[14] Nanba H, Fujii A, Iwayama M, et al. Overview of the Patent Mining Task at the NTCIR-7 Workshop [C]. In: Proceedings of NTCIR-7 Workshop Meeting, Tokyo, Japan. 2008. [本文引用:1]
[15] 陈颖, 张晓林. 专利技术功效矩阵构建词汇模型研究[J]. 情报科学, 2012, 30(11): 1704-1708.
(Chen Ying, Zhang Xiaolin. Research on Lexical Model of Construction of Patent Technology-Effect Matrix[J]. Information Science, 2012, 30(11): 1704-1708. ) [本文引用:1] [CJCR: 1.033]
[16] 翟东升, 陈晨, 张杰, 等. 专利信息的技术功效与应用图挖掘研究[J]. 现代图书情报技术, 2012 (7-8): 96-102.
(Zhai Dongsheng, Chen Chen, Zhang Jie, et al. The Mining Research of Technical Efficiency and Application Map of Patent Information[J]. New Technology of Library and Information Service, 2012 (7-8): 96-102. ) [本文引用:1] [CJCR: 1.008]
[17] Cheng T Y, Wang M T. The Patent-Classification Technology/Function Matrix-A Systematic Method for Design Around[J]. Journal of Intellectual Property Rights, 2013, 18(2): 158-167. [本文引用:1]
[18] 霍翠婷, 蒋勇青, 凌锋, 等. 日本FI/F-term分类体系在专利技术/功效矩阵中的应用研究[J]. 情报杂志, 2013, 32(11): 140-144.
(Huo Cuiting, Jiang Yongqing, Ling Feng, et al. Application Study on Patent Technology/Function Matrix Based on Japanese Classification System (FI/F-term)[J]. Journal of Information, 2013, 32(11): 140-144. ) [本文引用:1]
[19] 王丽, 张冬荣, 张晓辉, 等. 利用主题自动标引生成技术功效矩阵[J]. 现代图书情报技术, 2013(5): 80-86.
(Wang Li, Zhang Dongrong, Zhang Xiaohui, et al. Realization of Technology/Effect Maps Generating Based on Subject Automatic Indexing[J]. New Technology of Library and Information Service, 2013 (5): 80-86. ) [本文引用:1] [CJCR: 1.008]
[20] Derwent Innovations IndexSM [DB/OL]. [2015-01-21]. http://www.thomsonscientific.com.cn/Productsservices/diimedia/. [本文引用:1]
[21] 李倩. 基于专利的新兴技术弱信号识别方法研究[D]. 北京: 北京工业大学, 2014.
(Li Qian. The Research of the Emerging Technology Weak Signal Recognition Based on Patent [D]. Beijing: Beijing University of Technology, 2014. ) [本文引用:1] [CJCR: 0.402]
[22] GATE [EB/OL]. [2015-01-21]. https: //gate. ac. uk/. [本文引用:1]