我国专利数据中发明家姓名消歧算法研究

摘要

专利大数据已成为国内外科学研究、商业情报分析以及精准创新创业的重要基础性资源，实现专利数据高质量的数据清洗目标以提高对该资源的利用效率具有重要意义。然而，由于汉字及其输入法特性，我国专利数据中的著录项信息清洗存在其特有的难点，其中发明家姓名消歧是最急需解决的关键性问题。在使用汉字输入法向专利数据库中输入专利信息时，可能把专利数据中的发明家名字输入错误而产生姓名歧义（同音字和形近字歧义），从而导致专利数据质量的降低。在以专利创新为背景的前提下，一些高科技创新企业可能因为专利数据质量的降低而影响对优秀发明家的培养、辨别和他们之间的合作关系考察，从而会弱化资源的合理配置功能。
　　应用专利数据中发明家信息做专利数据分析时，首先需要对发明家姓名的歧义进行检查和纠正。因为专利数据中发明家名字的含糊性为实现高质量的数据清洗目标产生障碍，从而会导致企业的准确性决策、低成本投入、研发方向选择产生一定的偏差。对于专利信息中发明家姓名歧义问题，国外研究已经比较成熟，形成了形形色色的发明家消歧算法，但是对于中文发明家姓名消歧的研究鲜有涉及，由于中英文语言文字在逻辑结构、词语分布特征以及使用习惯等方面有着较大差异，国外专利数据清洗算法已不能够适用于中文专利数据中发明家信息的清洗需求。
　　本文通过对国内外姓名消歧以及英文发明家姓名消歧算法的回顾，主要从中国汉字的特殊性出发，设计了一套高效、科学的姓名消歧算法来解决中国专利数据中存在的发明家歧义。主要贡献是基于专利著录项组合相似度的发明家姓名消歧算法和基于综合集成研讨厅的发明家姓名消歧研究。
　　本文选用2015年我国医药行业百强企业（100家）的专利数据作为样本，证实了所设计消歧算法的科学性和高效性，体现了该消歧算法对提高专利数据质量尤其是针对发明家名字消歧的优势。消歧算法为数据清洗在专利数据库作技术探究提供新思路，进而有助于利用专利数据进行组织网络创新、情报分析以及战略布局等相关研究工作。

目录

声明

摘要

第一章 绪论

1．1．1 研究的实践背景

1．1．2 研究的理论背景

1．1．3 本文的研究意义

1．2 问题的提出

1．3 论文研究内容与研究框架

1．4 研究数据与方法

1．4．1 数据来源

1．4．2 研究方法

1．5 本文的创新点

1．6 本章小结

第二章 相关理论与研究综述

2．1 姓名消歧概念与相关理论

2．12 相关理论

2．2 专利数据的相关研究

2．3 发明家相关研究

2．4 发明家姓名消歧研究综述

2．41 姓名实体消歧算法研究

2．42 发明家姓名消歧研究

2．5 综合集成研讨厅相关研究

2．51 综合集成研讨厅的提出

2．52 综合集成研讨厅研究综述

2．5 本章小结

第三章 基于专利著录项组合相似度的发明家姓名消歧算法

3．1 专利中发明家姓名歧义问题的描述

3．2 发明家消歧算法的描述

3．3 发明家姓名消歧算法的设计与实现步骤

3．31 发明家姓名歧义的查找

3．32 发明家姓名消岐的参考因子选取

3．33 发明家姓名相似度以及综合相似度的计算

3．34 发明家姓名消岐的参考因子权重设置

3．35 发明家姓名综合相似度阈值的设置

3．4 实验设计与分析

3．42 实验结果与分析

3．5 本章小结

第四章 基于综合集成研讨厅的发明家姓名消歧研究

4．1 问题提出与研究内容

4．2 基于综合集成研讨厅的发明家姓名消歧方案的步骤

4．3 发明家姓名消歧的综合集成研讨厅体系框架

4．31 专家体系

4．32 知识体系

4．33 机器体系

4．4 专家研讨方法设计过程

4．41 专家研讨模块功能

4．42 专家研讨技术环境

4．43 专家研讨流程

4．5 消歧算法的机器学习机制

4．6 应用实例与分析

4．61 消歧实验结果

4．62 消歧方案的可行性验证

4．63 消歧耗时特征变化

4．8 本章小结

第五章 研究结论、局限与展望

5．1 本文研究总结

5．2 研究局限性

5．3 未来工作展望

参考文献

附录

致谢

研究成果及发表的学术论文

导师和作者介绍