一种专利管理数据处理系统、装置及方法制造方法及图纸

本发明专利技术涉及数据处理技术领域，尤其为一种专利管理数据处理系统、装置及方法，包括：专利数据接收层：用于接收专利数据；专利数据预处理层：用于对专利数据进行预处理；专利数据处理层：用于对专利数据进行处理；专利数据存储层：用于通过专利数据库存储专利数据：专利数据管理层：用于对存储的专利数据进行综合管理。本发明专利技术通过获取专利数据的深层特征，通过基于马氏距离进行分类的K近邻算法对专利数据进行自动集成分类，再存储至专利数据库中，并能够对各项专利数据进行综合管理，使用功能简单快捷，同时能够根据使用者制定的专利数据格式规范进行不同方式的存储，降低企业知识产权管理工作的管理成本，提高企业知识产权管理工作的工作效率。作的工作效率。作的工作效率。

【技术实现步骤摘要】
一种专利管理数据处理系统、装置及方法


[0001]本专利技术涉及数据处理
，尤其是一种专利管理数据处理系统、装置及方法。

技术介绍

[0002]现代企业竞争日益激烈，竞争的手段是多种多样，其中知识产权的竞争是其中一个重要方面。目前，大多数企业都会申请知识产权对其自身的创新成果进行保护，对于科技创新型企业而言，其知识产权的保护形式主要是专利保护，对专利信息进行管理，是科技创新型企业管理工作的重要部分。而企业专利信息管理，主要是基于企业专利信息进行管理，专利信息不仅信息量大，而且还有一些期限信息，例如申请过程中的法定期限信息，又例如申请授权后的一些法定期限信息，需要借助一些智能化产品辅助管理工作。
[0003]企业通常使用电子表格等软件人工记录专利信息。但是这种管理方式过分依赖人工，具有各种不确定的因素，容易产生数据篡改、丢失、记录错误等情况。目前市场上有一些管理软件产品，但其功能复杂，不利于企业的管理，因此，亟待提出一种简易使用的专利信息智能化管理方案来克服这一缺陷，降低企业知识产权管理工作的管理成本，提高企业知识产权管理工作的工作效率。

技术实现思路

[0004]本专利技术的目的是通过提出一种专利管理数据处理系统、装置及方法，以解决上述
技术介绍
中提出的缺陷。
[0005]本专利技术采用的技术方案如下：
[0006]提供一种专利管理数据处理系统，包括：
[0007]专利数据接收层：用于接收专利数据；
[0008]专利数据预处理层：用于对专利数据进行预处理；<br/>[0009]专利数据处理层：用于对专利数据进行处理；
[0010]专利数据存储层：用于通过专利数据库存储专利数据：
[0011]专利数据管理层：用于对存储的专利数据进行综合管理。
[0012]作为本专利技术的一种优选技术方案：所述专利数据预处理层的预处理操作包括对专利数据内容、格式的核查与记录。
[0013]作为本专利技术的一种优选技术方案：所述专利数据预处理层的预处理操作还包括专利数据的缺失值处理、专利数据的离散化处理、专利数据的标准化和专利数据的归一化处理。
[0014]作为本专利技术的一种优选技术方案：所述专利数据处理层对于预处理后的专利数据进行分类集成。
[0015]作为本专利技术的一种优选技术方案：所述专利数据处理层获取专利数据序列W＝(w(1),w(2),
…
,w(L))，w(l)表示该专利数据序列中的第l个专利数据，给定局部滑动窗口大小q，表示通过w(l)预测在序列W中w(l)的前面q个词和后面q个词：w(l
‑
q),
…
,w(l
‑
1),w(l+
1),
…
,w(l+q)的概率，其中，w(l)为中心专利数据，v(w(l))＝{w(l
‑
q),
…
,w(l
‑
1),w(l+1),
…
,w(l+q)}被称为w(l)的背景专利数据集，构建跳字模型：
[0016][0017]其中，R为跳字模型目标函数，θ是网络学习参数，l＝[1,L]为专利数据序列个数，p(v(w(l))|w(l),θ)表示专利数据为背景专利数据的概率；
[0018]又由于背景词的生成是相互独立的，跳字模型目标函数R改写为：
[0019][0020]其中，p(w(l+k)|w(l),θ)表示专利数据为背景专利数据的概率，上式的极大似然估计等于损失函数：
[0021][0022]其中，H为损失函数；
[0023]基于专利数据的训练，得到专利数据的词嵌入矩阵E，E是一个|V|
×
c的矩阵，|V|是词汇表大小，c是词嵌入空间的维度；构建平均词嵌入表示模型：
[0024]A
E
＝(W
B
⊙
B)E
[0025]其中，A
E
为专利数据的平均词嵌入表示矩阵，矩阵大小为t
×
c，t是专利数据中的文档数量；
⊙
表示矩阵的Hadamard积，B是专利数据的布尔表示矩阵，矩阵大小为t
×
|V|，矩阵元素为B
rs
＝1表示单词s出现在文本r中，B
rs
＝0表示文本r不包含单词s，W
B
为平均词向量的权重：
[0026][0027]其中，w1w2…
w
t
分别为文档内专利数据的平均词向量权重，分别为文档内专利数据的平均词向量权重，是一个|V|维的全1列向量；
[0028]平均词向量加权将文档中的每一个专利数据视为权重相等，将这些专利数据的专利数据嵌入表示进行平均化，作为该文档的向量化表示。
[0029]作为本专利技术的一种优选技术方案：所述专利数据处理层中，根据专利数据的向量化表示，获取专利数据的马氏距离，通过马氏距离划定衡量标准，再通过K近邻算法对专利数据进行分类。
[0030]作为本专利技术的一种优选技术方案：所述专利数据的马氏距离算法如下：
[0031]令X是一个a
×
b的专利数据样本矩阵，包含a个专利数据样本x
i
,i＝1,2,
…
,a，b为
每个专利数据样本的特征数量，得到：
[0032]d2(x
i
,X)＝(x
i
‑
μ)Σ
‑1(x
i
‑
μ)
T
[0033]其中，d2(x
i
，X)表示专利数据样本x
i
到总体X的马氏距离的平方，μ是专利数据样本矩阵的均值向量，矩阵的均值向量，表示一个m维的全1列向量的转置，Σ是专利数据样本矩阵的协方差矩阵，阵的协方差矩阵，表示一个m维的全1列向量，Σ是一个实对称半正定矩阵，则存在一个正交矩阵P＝[e1,e2,
…
,e
n
]，使得：
[0034]Σ＝PΛP
T
[0035]其中P＝[e1,e2,
…
,e
n
]，满足i≠u,i,u＝1,2,
…
,n，Λ是一个对角矩阵，对角线上的元素α
i
是Σ的特征值，且α1≥α2≥
…
≥α
n
≥0，得到：
[0036]d2(x
i
,X)＝(x
i
‑
μ)PΛ
‑1P
T
(x
i
‑
μ)
T
[0037]选择前d个大于0的特征值，相应的正交矩阵P
′
＝[e1,e2,
…
,e
d
]，令z
i
＝(x
i
‑
μ)P，则：
[0038][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种专利管理数据处理系统，其特征在于：包括：专利数据接收层(100)：用于接收专利数据；专利数据预处理层(200)：用于对专利数据进行预处理；专利数据处理层(300)：用于对专利数据进行处理；专利数据存储层(400)：用于通过专利数据库存储专利数据：专利数据管理层(500)：用于对存储的专利数据进行综合管理。2.根据权利要求1所述的专利管理数据处理系统，其特征在于：所述专利数据预处理层(200)的预处理操作包括对专利数据内容、格式的核查与记录。3.根据权利要求2所述的专利管理数据处理系统，其特征在于：所述专利数据预处理层(200)的预处理操作还包括专利数据的缺失值处理、专利数据的离散化处理、专利数据的标准化和专利数据的归一化处理。4.根据权利要求1所述的专利管理数据处理系统，其特征在于：所述专利数据处理层(300)对于预处理后的专利数据进行分类集成。5.根据权利要求4所述的专利管理数据处理系统，其特征在于：所述专利数据处理层(300)获取专利数据序列W＝(w(1),w(2),
…
,w(L))，w(l)表示该专利数据序列中的第l个专利数据，给定局部滑动窗口大小q，表示通过w(l)预测在序列W中w(l)的前面q个词和后面q个词：w(l
‑
q),
…
,w(l
‑
1),w(l+1),
…
,w(l+q)的概率，其中，w(l)为中心专利数据，v(w(l))＝{w(l
‑
q),
…
,w(l
‑
1),w(l+1),
…
,w(l+q)}被称为w(l)的背景专利数据集，构建跳字模型：其中，R为跳字模型目标函数，θ是网络学习参数，l＝[1,L]为专利数据序列个数，p(v(w(l))|w(l),θ)表示专利数据为背景专利数据的概率；又由于背景词的生成是相互独立的，跳字模型目标函数R改写为：其中，p(w(l+k)|w(l),θ)表示专利数据为背景专利数据的概率，上式的极大似然估计等于损失函数：其中，H为损失函数；基于专利数据的训练，得到专利数据的词嵌入矩阵E，E是一个|V|
×
c的矩阵，|V|是词汇表大小，c是词嵌入空间的维度；构建平均词嵌入表示模型：A
E
＝(W
B
⊙
B)E其中，A
E
为专利数据的平均词嵌入表示矩阵，矩阵大小为t
×
c，t是专利数据中的文档数量；
⊙
表示矩阵的Hadamard积，B是专利数据的布尔表示矩阵，矩阵大小为t
×
|V|，矩阵元素为B
rs
＝1表示单词s出现在文本r中，B
rs
＝0表示文本r不包含单词s，W
B
为平均词向量的权重：
其中，w1w2…
w
t
分别为文档内专利数据的平均词向量权重，分别为文档内专利数据的平均词向量权重，是一个|V|维的全1列向量；平均词向量加权将文档中的每一个专利数据视为权重相...

【专利技术属性】
技术研发人员：张万伟，
申请(专利权)人：青岛中投创新技术转移有限公司，
类型：发明
国别省市：