面向產(chǎn)品創(chuàng)新設(shè)計(jì)的專(zhuān)利文本分類(lèi)研究

梁艷紅，檀潤(rùn)華，馬建紅

1 問(wèn)題的提出

創(chuàng)新是企業(yè)生存與發(fā)展的關(guān)鍵，產(chǎn)品創(chuàng)新設(shè)計(jì)需要以知識(shí)為基礎(chǔ)。產(chǎn)品創(chuàng)新設(shè)計(jì)過(guò)程是一種復(fù)雜的運(yùn)用知識(shí)與經(jīng)驗(yàn)的創(chuàng)造性活動(dòng)過(guò)程，不再僅僅依賴(lài)于某領(lǐng)域狹窄的有局限性的知識(shí)，而是越來(lái)越需要跨學(xué)科、跨領(lǐng)域的知識(shí)，真正較強(qiáng)的創(chuàng)新是利用各個(gè)領(lǐng)域中的知識(shí)來(lái)解決特定領(lǐng)域中的問(wèn)題。

產(chǎn)品創(chuàng)新設(shè)計(jì)領(lǐng)域最重要的理論之一——發(fā)明問(wèn)題解決理論（Theory of Invention Problem Solving，TRIZ）認(rèn)為，不同的發(fā)明創(chuàng)造往往遵循共同的規(guī)律，類(lèi)似的問(wèn)題和技術(shù)發(fā)明原則與解決方法在工業(yè)生產(chǎn)和科學(xué)研究中會(huì)反復(fù)出現(xiàn)。TRIZ理論將這些共同的規(guī)律歸納成40個(gè)發(fā)明原理，每一個(gè)發(fā)明原理是適用于不同領(lǐng)域、具有普遍意義的規(guī)律，針對(duì)具體的技術(shù)矛盾，可以基于這些發(fā)明原理、結(jié)合工程實(shí)際尋求具體的解決方案［1－2］。TRIZ理論解決技術(shù)沖突的一般過(guò)程是：當(dāng)產(chǎn)品設(shè)計(jì)任務(wù)提出后，對(duì)產(chǎn)品需求進(jìn)行分析，將待解決的問(wèn)題轉(zhuǎn)化為T(mén)RIZ一般問(wèn)題，確定設(shè)計(jì)中的沖突；然后應(yīng)用沖突矩陣找出相應(yīng)的發(fā)明原理；最后設(shè)計(jì)人員在發(fā)明原理的指導(dǎo)下將待解決問(wèn)題演繹為最終解決方案。設(shè)計(jì)人員在找到解決技術(shù)沖突的發(fā)明原理后，通過(guò)分析研究這些發(fā)明原理，尋找特定問(wèn)題的特定解，將使得創(chuàng)新工作更有條理和可預(yù)見(jiàn)性。

然而，這些通用的發(fā)明原理未針對(duì)具體領(lǐng)域，其表達(dá)方法是描述可能解的概念，都是一些概括性相對(duì)較高的術(shù)語(yǔ)，不易理解，因此在最后一步——演繹成最終解決方案時(shí)，限于設(shè)計(jì)人員的知識(shí)積累和專(zhuān)業(yè)水平，總感覺(jué)到有一定的難度，有著難以逾越的知識(shí)“鴻溝”，如圖1所示。Altshuller指出，一個(gè)人在著手解決高水平的發(fā)明問(wèn)題時(shí)，他理應(yīng)具有全部的技術(shù)知識(shí)、物理知識(shí)和化學(xué)知識(shí)［3］。然而，作為常人來(lái)說(shuō)，不可能對(duì)各種專(zhuān)業(yè)知識(shí)都通盤(pán)了解，掌握幾乎全人類(lèi)的知識(shí)基礎(chǔ)。因此，跨越這道知識(shí)“鴻溝”是TRIZ使用者的一個(gè)難點(diǎn)。要跨越這道“鴻溝”，關(guān)鍵在于知識(shí)的獲取，如果設(shè)計(jì)人員能有包含相應(yīng)發(fā)明原理的專(zhuān)利做參考，從中獲取顯性知識(shí)，結(jié)合自己已具備的隱性知識(shí)，則將有助于形成特定解。

專(zhuān)利既是創(chuàng)新的成果，又是擴(kuò)展設(shè)計(jì)知識(shí)空間、促進(jìn)產(chǎn)品創(chuàng)新的重要知識(shí)資源，是具有創(chuàng)新性和實(shí)用性特點(diǎn)的一種知識(shí)載體，它涉及到幾乎所有技術(shù)領(lǐng)域的最新、最活躍的創(chuàng)新技術(shù)信息。國(guó)外統(tǒng)計(jì)資料表明，專(zhuān)利信息對(duì)新技術(shù)的報(bào)導(dǎo)比其他類(lèi)信息（如學(xué)術(shù)論文）平均早3～5年，許多發(fā)明創(chuàng)造成果僅出現(xiàn)于專(zhuān)利文獻(xiàn)中。據(jù)世界知識(shí)產(chǎn)權(quán)組織的調(diào)查，有90%～95%的世界發(fā)明以專(zhuān)利形式發(fā)布，其中80%并未記載在其他文獻(xiàn)中，有效利用專(zhuān)利知識(shí)資源，可縮短60%產(chǎn)品研發(fā)時(shí)間，節(jié)省40%研發(fā)經(jīng)費(fèi)［4］。全世界現(xiàn)有超過(guò)4 000萬(wàn)件專(zhuān)利文獻(xiàn)，每年約有80萬(wàn)件發(fā)明申請(qǐng)專(zhuān)利，這些專(zhuān)利數(shù)據(jù)大多能通過(guò)Internet獲取，因此專(zhuān)利可望成為最具影響力的設(shè)計(jì)知識(shí)資源之一。

網(wǎng)上有很多專(zhuān)利庫(kù)，使人們可以方便地在網(wǎng)上檢索到專(zhuān)利。然而，目前專(zhuān)利的分類(lèi)體系大多采用國(guó)際專(zhuān)利分類(lèi)標(biāo)準(zhǔn)進(jìn)程間通訊（Inter Process Communication，IPC）等，都是根據(jù)專(zhuān)利描述對(duì)象的所屬工程領(lǐng)域來(lái)劃分的。但從產(chǎn)品創(chuàng)新的角度看，以工程領(lǐng)域?yàn)榉诸?lèi)標(biāo)準(zhǔn)進(jìn)行專(zhuān)利分類(lèi)，對(duì)有效地利用專(zhuān)利有很大的局限性。由于不同工程領(lǐng)域有許多相似問(wèn)題，它們的解也常常是相同的。研發(fā)人員不僅需要在自身工程領(lǐng)域中尋找專(zhuān)利的發(fā)明技術(shù)，更需要在其他領(lǐng)域?qū)ふ依孟嗤姆椒▉?lái)解決類(lèi)似技術(shù)矛盾的發(fā)明技術(shù)，激發(fā)創(chuàng)新靈感，這就需要按照新的分類(lèi)標(biāo)準(zhǔn)重新對(duì)專(zhuān)利進(jìn)行分類(lèi)。

除此之外，現(xiàn)有的專(zhuān)利分類(lèi)是依靠專(zhuān)家人工閱讀專(zhuān)利文獻(xiàn)來(lái)完成的，專(zhuān)利文獻(xiàn)的急劇增加使人工分析專(zhuān)利需要耗費(fèi)的人力和物力增多，而且專(zhuān)家自身知識(shí)的不統(tǒng)一也難以保證分類(lèi)的一致性和準(zhǔn)確性。因此，專(zhuān)利的分類(lèi)標(biāo)準(zhǔn)和手段都亟待改進(jìn)。

在此背景下，研究有效和快速地獲取專(zhuān)利知識(shí)的方法，使之服務(wù)于產(chǎn)品創(chuàng)新設(shè)計(jì)，是必須面對(duì)的課題。本文應(yīng)用文本挖掘技術(shù)，以發(fā)明原理為分類(lèi)標(biāo)準(zhǔn)，對(duì)專(zhuān)利進(jìn)行自動(dòng)分類(lèi)的研究，其目的是為了提高創(chuàng)新設(shè)計(jì)過(guò)程中專(zhuān)利知識(shí)使用的質(zhì)量和效率，使設(shè)計(jì)人員在現(xiàn)代設(shè)計(jì)理論和方法的指導(dǎo)下，從各個(gè)領(lǐng)域的專(zhuān)利文獻(xiàn)中抽取有用的信息，打破思維定勢(shì)、拓寬設(shè)計(jì)思路，有效地提高創(chuàng)新設(shè)計(jì)能力。

2 專(zhuān)利文本分類(lèi)的技術(shù)基礎(chǔ)

專(zhuān)利文獻(xiàn)是專(zhuān)利信息的載體，面向產(chǎn)品創(chuàng)新設(shè)計(jì)的專(zhuān)利文本分類(lèi)以專(zhuān)利文獻(xiàn)為研究對(duì)象，以發(fā)明原理為分類(lèi)標(biāo)準(zhǔn)，以創(chuàng)新設(shè)計(jì)知識(shí)需求為目標(biāo)導(dǎo)向。

2.1 專(zhuān)利文獻(xiàn)的組成結(jié)構(gòu)和知識(shí)表達(dá)

專(zhuān)利文本目前存在的格式，主要是tiff圖像格式和html格式。與其他信息資源的表達(dá)方式不同，專(zhuān)利文獻(xiàn)一般具有相對(duì)統(tǒng)一的組成結(jié)構(gòu)，例如美國(guó)專(zhuān)利文獻(xiàn)主要包括以下內(nèi)容：

（1）標(biāo)題（title） 一般是產(chǎn)品或結(jié)構(gòu)的名稱(chēng)，有些專(zhuān)利標(biāo)題中還包含手段功能。

（2）摘要（abstract） 一般概括描述解決方案的組成結(jié)構(gòu)、用途或目的、采用或舍棄的方法或技術(shù)、原理、效應(yīng)以及專(zhuān)利人對(duì)專(zhuān)利的評(píng)價(jià)等。通常，一篇專(zhuān)利的摘要由上述6項(xiàng)內(nèi)容或者這6項(xiàng)內(nèi)容中的幾項(xiàng)構(gòu)成。

（3）權(quán)力要求書(shū)（claims） 是申請(qǐng)人請(qǐng)求專(zhuān)利保護(hù)的范圍，一般含有專(zhuān)利的結(jié)構(gòu)特征。

（4）說(shuō)明書(shū)正文（description） 清楚完整地描述發(fā)明創(chuàng)造的技術(shù)內(nèi)容，說(shuō)明書(shū)正文每部分均以小標(biāo)題引導(dǎo)，一目了然。一般包括：

1）發(fā)明背景（background of the Invention）指明本發(fā)明所屬的技術(shù)領(lǐng)域、現(xiàn)有技術(shù)狀況和存在的不足，以及解決問(wèn)題的方法和要達(dá)到的目的。

2）發(fā)明概要（Summary of the Invention） 概述本發(fā)明的內(nèi)容，說(shuō)明發(fā)明專(zhuān)利含有方案的原理效應(yīng)和結(jié)構(gòu)特征。

3）附圖簡(jiǎn)介（Brief Description of the Drawings） 簡(jiǎn)要說(shuō)明附圖的參看方法。

4）最佳方案詳述（Detailed Description of the Preferred Embodiment） 專(zhuān)利文獻(xiàn)中最詳細(xì)、完整、清晰地闡述發(fā)明內(nèi)容的部分，主要描述專(zhuān)利的目的、手段功能、解決方案的組成結(jié)構(gòu)、原理效應(yīng)及其優(yōu)缺點(diǎn)等，提供解決技術(shù)問(wèn)題的最佳方案。

其中，摘要、權(quán)利要求書(shū)以及說(shuō)明書(shū)正文等在專(zhuān)利文獻(xiàn)中是顯而易見(jiàn)的，都以標(biāo)題的形式有著明確的標(biāo)志；而專(zhuān)利的知識(shí)結(jié)構(gòu)——解決方案的組成結(jié)構(gòu)、發(fā)明原理和技術(shù)的發(fā)展趨勢(shì)等，也都包含在專(zhuān)利文獻(xiàn)中，但沒(méi)有明確標(biāo)志，是蘊(yùn)含在專(zhuān)利內(nèi)容中的。

2.2 專(zhuān)利代表成分選擇

利用計(jì)算機(jī)對(duì)專(zhuān)利進(jìn)行分類(lèi)，需要處理大量的文本內(nèi)容，將整篇專(zhuān)利內(nèi)容都進(jìn)行分析，則文本長(zhǎng)度龐大，不僅會(huì)大大增加計(jì)算機(jī)的計(jì)算量，并且實(shí)驗(yàn)證明其分類(lèi)效果反而不好。因?yàn)閷?zhuān)利中的信息繁雜，不同部分往往從不同的角度反映該篇專(zhuān)利的信息，如專(zhuān)利的背景主要說(shuō)明同類(lèi)或相關(guān)技術(shù)的背景和存在的問(wèn)題，專(zhuān)利的權(quán)利要求部分則主要說(shuō)明該專(zhuān)利所要求的法律保護(hù)部分。當(dāng)選用專(zhuān)利的組成結(jié)構(gòu)過(guò)多時(shí)，會(huì)產(chǎn)生過(guò)多的干擾信息，最終影響分類(lèi)結(jié)果。因此需要將每篇專(zhuān)利內(nèi)容進(jìn)行分割，適當(dāng)?shù)剡x擇專(zhuān)利中的某個(gè)或某些部分的組合代表專(zhuān)利中的技術(shù)信息。

究竟應(yīng)選擇專(zhuān)利的哪些部分代表專(zhuān)利信息，要具體問(wèn)題具體分析，國(guó)外學(xué)者已進(jìn)行了一定研究。Fall等［5］根據(jù)專(zhuān)利IPC分類(lèi)標(biāo)準(zhǔn)對(duì)美國(guó)專(zhuān)利進(jìn)行自動(dòng)分類(lèi)的研究中，分別用專(zhuān)利的標(biāo)題、權(quán)利要求和專(zhuān)利文本的前300個(gè)單詞代表整篇專(zhuān)利做實(shí)驗(yàn)，發(fā)現(xiàn)專(zhuān)利的標(biāo)題對(duì)專(zhuān)利分類(lèi)的影響很大，而專(zhuān)利的權(quán)利要求對(duì)分類(lèi)效果的影響并不明顯，專(zhuān)利文本的前300個(gè)單詞能取得較好的分類(lèi)效果。Chen等［6］認(rèn)為摘要是專(zhuān)利中最重要的部分，并在從語(yǔ)義的角度對(duì)專(zhuān)利文獻(xiàn)檢索系統(tǒng)的研究實(shí)驗(yàn)中應(yīng)用專(zhuān)利的摘要代表整篇專(zhuān)利信息。Tseng等［7］在應(yīng)用文本挖掘技術(shù)進(jìn)行專(zhuān)利分析的研究中，將一篇專(zhuān)利分為摘要、發(fā)明領(lǐng)域、發(fā)明背景、發(fā)明總結(jié)、最佳方案描述和權(quán)力要求6個(gè)部分。除權(quán)力要求外，分別選取其他五部分前面的幾個(gè)語(yǔ)句進(jìn)行組合代表整篇專(zhuān)利的信息，與整篇專(zhuān)利做為實(shí)驗(yàn)內(nèi)容進(jìn)行比較，分析得出結(jié)論：實(shí)驗(yàn)?zāi)康?、不同選取的組合方式不同，最后效果也不同。Cong和Tong［8－9］在面向 TRIZ用戶(hù)進(jìn)行專(zhuān)利分類(lèi)的研究中，將專(zhuān)利標(biāo)題和摘要組合，作為整篇專(zhuān)利信息的代表，研究結(jié)果表明，這種組合方式的專(zhuān)利成分中所蘊(yùn)涵的信息能較好地體現(xiàn)TRIZ發(fā)明原理。

涉及到分類(lèi)問(wèn)題，專(zhuān)利代表成分的選擇與分類(lèi)角度有關(guān)。在人工分析專(zhuān)利所蘊(yùn)含的發(fā)明原理時(shí)，考察專(zhuān)利文獻(xiàn)中的不同部分，發(fā)現(xiàn)摘要大都能揭示出解決沖突所用的發(fā)明原理。因此，本文采用兩種專(zhuān)利成分選擇方案代表整篇專(zhuān)利信息進(jìn)行實(shí)驗(yàn)：①標(biāo)題和摘要；②標(biāo)題、摘要和發(fā)明概要，如果專(zhuān)利文獻(xiàn)中沒(méi)有發(fā)明概要這一部分，則用專(zhuān)利的說(shuō)明（description）來(lái)代替。

2.3 發(fā)明原理的選取

本文對(duì)專(zhuān)利文本的自動(dòng)分類(lèi)采用的是基于統(tǒng)計(jì)的方法，利用的是描述專(zhuān)利的文本信息。通過(guò)分析40個(gè)發(fā)明原理的英文解釋?zhuān)l(fā)現(xiàn)有的發(fā)明原理是隱含在專(zhuān)利內(nèi)容中的，很難從字面意義上進(jìn)行判斷，如3號(hào)發(fā)明原理——local quality。而有的發(fā)明原理卻有很明顯的描述性文本信息，對(duì)發(fā)明原理有較明顯的暗示作用，如表1所示。收集專(zhuān)利樣本并人工分析專(zhuān)利所應(yīng)用的發(fā)明原理時(shí)，發(fā)現(xiàn)有明顯的描述性文本信息的發(fā)明原理所對(duì)應(yīng)的專(zhuān)利內(nèi)容也經(jīng)常包含相應(yīng)的描述性信息，如美國(guó)專(zhuān)利US6626874應(yīng)用了1號(hào)發(fā)明原理，該發(fā)明原理的描述性信息中有portion，comprise或divide等單詞，專(zhuān)利US6626874內(nèi)容里也有portion這個(gè)單詞。

表1 有明顯描述性信息的部分發(fā)明原理

在著手?jǐn)?shù)據(jù)準(zhǔn)備時(shí)，本文從美國(guó)專(zhuān)利商標(biāo)服務(wù)局USPTO網(wǎng)站上的專(zhuān)利數(shù)據(jù)庫(kù)中（http：／／patft.uspto.gov／）隨機(jī)下載了600份專(zhuān)利，分析所應(yīng)用的發(fā)明原理，根據(jù)發(fā)明原理對(duì)專(zhuān)利進(jìn)行了人工分類(lèi)。這種分類(lèi)是在單標(biāo)簽假設(shè)的前提下，假設(shè)每個(gè)專(zhuān)利僅包含一個(gè)發(fā)明原理。然后從對(duì)應(yīng)的專(zhuān)利數(shù)量比較集中并且有明顯描述性文本表示信息的發(fā)明原理中選出了10個(gè)（發(fā)明原理的標(biāo)號(hào)分別是1，7，10，14，15，17，28，31，35和40）做為本文要分類(lèi)的類(lèi)別。

2.4 專(zhuān)利樣本集的收集

對(duì)專(zhuān)利進(jìn)行分類(lèi)屬于文本分類(lèi)的范疇，需要將已經(jīng)標(biāo)記好類(lèi)別的數(shù)據(jù)集作為分類(lèi)樣本，這是分類(lèi)的基礎(chǔ)。目前，還沒(méi)有現(xiàn)成的以發(fā)明原理為分類(lèi)標(biāo)準(zhǔn)的專(zhuān)利文本集，本文根據(jù)需要人工構(gòu)建了用以分類(lèi)的專(zhuān)利樣本集。

對(duì)下載的600份美國(guó)專(zhuān)利，人工分析每份專(zhuān)利所包含的發(fā)明原理，如果一份專(zhuān)利不僅包含一個(gè)發(fā)明原理，則選擇其主要的發(fā)明原理并做好類(lèi)別標(biāo)記。接下來(lái)根據(jù)發(fā)明原理將這些專(zhuān)利分類(lèi)，確定每個(gè)發(fā)明原理對(duì)應(yīng)多少份專(zhuān)利，再?gòu)闹羞x出上文提到的10個(gè)發(fā)明原理所對(duì)應(yīng)的專(zhuān)利。本著盡量使選出的各條發(fā)明原理所對(duì)應(yīng)專(zhuān)利的數(shù)量比較平均的原則，總共選出了293份專(zhuān)利做為樣本集。與文本分類(lèi)方法類(lèi)似，將樣本集按照大約2∶1的比例分為訓(xùn)練樣本集（簡(jiǎn)稱(chēng)訓(xùn)練集）和測(cè)試樣本集（簡(jiǎn)稱(chēng)測(cè)試集）。訓(xùn)練集用于分類(lèi)模型的學(xué)習(xí)，建立分類(lèi)器；測(cè)試集用于測(cè)試、評(píng)價(jià)分類(lèi)器的性能。每篇專(zhuān)利的下載存儲(chǔ)均為文本格式（編碼為ANSI），把訓(xùn)練樣本和測(cè)試樣本分別存儲(chǔ)到不同的文件夾中，并分別建立訓(xùn)練樣本和測(cè)試樣本的索引文件。

3 面向創(chuàng)新設(shè)計(jì)的專(zhuān)利文本分類(lèi)系統(tǒng)實(shí)現(xiàn)

3.1 面向創(chuàng)新設(shè)計(jì)的專(zhuān)利文本分類(lèi)過(guò)程

專(zhuān)利文本分類(lèi)的過(guò)程主要包括學(xué)習(xí)過(guò)程和分類(lèi)過(guò)程兩大部分。其中，學(xué)習(xí)過(guò)程又分為訓(xùn)練過(guò)程和測(cè)試過(guò)程。在訓(xùn)練過(guò)程中根據(jù)訓(xùn)練集（已預(yù)知類(lèi)別的專(zhuān)利文本）學(xué)習(xí)建模，構(gòu)建分類(lèi)器；在測(cè)試過(guò)程中應(yīng)用分類(lèi)器對(duì)測(cè)試集（已預(yù)知類(lèi)別的專(zhuān)利文本）進(jìn)行分類(lèi)，得到測(cè)試結(jié)果，并反饋給分類(lèi)器，改進(jìn)訓(xùn)練方法以提高分類(lèi)器的性能，如此反復(fù)，直至達(dá)到預(yù)定的目標(biāo)。學(xué)習(xí)過(guò)程是一個(gè)需要不斷反饋、改進(jìn)和反復(fù)進(jìn)行的過(guò)程。分類(lèi)過(guò)程是利用學(xué)習(xí)過(guò)程最終生成的分類(lèi)器對(duì)新專(zhuān)利文本（類(lèi)別未知）進(jìn)行分類(lèi)，得到其所屬類(lèi)別的過(guò)程。分類(lèi)過(guò)程和學(xué)習(xí)過(guò)程的測(cè)試過(guò)程大部分是相同的，都通過(guò)分類(lèi)器生成分類(lèi)結(jié)果，只不過(guò)測(cè)試過(guò)程還需要根據(jù)分類(lèi)結(jié)果對(duì)分類(lèi)性能進(jìn)行評(píng)價(jià)，以改進(jìn)分類(lèi)器。

以發(fā)明原理為分類(lèi)標(biāo)準(zhǔn)的專(zhuān)利文本分類(lèi)過(guò)程如圖2所示。主要步驟包括：

（1）專(zhuān)利樣本庫(kù)的準(zhǔn)備 專(zhuān)家對(duì)從USPTO網(wǎng)站下載的專(zhuān)利進(jìn)行分析，確定每篇專(zhuān)利應(yīng)用的發(fā)明原理，根據(jù)發(fā)明原理對(duì)專(zhuān)利做分類(lèi)標(biāo)記。結(jié)合上文提到的10個(gè)發(fā)明原理，對(duì)人工分類(lèi)后的專(zhuān)利數(shù)據(jù)集，挑選有代表性的專(zhuān)利共293份作為專(zhuān)利樣本庫(kù)。再將其分為訓(xùn)練集（含198份專(zhuān)利）和測(cè)試集（含95份專(zhuān)利）兩個(gè)部分。

（2）分析發(fā)明原理并對(duì)其進(jìn)行知識(shí)表示 對(duì)選取的10個(gè)發(fā)明原理，基于工程語(yǔ)義，提取關(guān)鍵詞，分別用描述性文本信息來(lái)表示（如表1）。

（3）選擇專(zhuān)利中合適的成分作為專(zhuān)利信息的代表 專(zhuān)利文本一般具有相對(duì)統(tǒng)一的格式，包含幾大部分，具有明確的標(biāo)志引導(dǎo)，因此計(jì)算機(jī)選取每篇專(zhuān)利的某些部分代表該篇專(zhuān)利的全文容易實(shí)現(xiàn)。選擇專(zhuān)利的哪些部分更好，需要通過(guò)人工分析專(zhuān)利所獲取的經(jīng)驗(yàn)和進(jìn)行分類(lèi)實(shí)證來(lái)確定。

（4）對(duì)專(zhuān)利所選擇的部分進(jìn)行特征抽取 本實(shí)驗(yàn)所用的每篇專(zhuān)利文本都由單詞、標(biāo)點(diǎn)符號(hào)、數(shù)字、空格和其他符號(hào)等組成，系統(tǒng)以單詞作為特征項(xiàng)，經(jīng)過(guò)詞根還原和去除停用詞，將文本表示成字詞集合（如圖3）。本實(shí)驗(yàn)研究中引入著名的Porter算法進(jìn)行詞根提取。通過(guò)查閱停用詞表來(lái)消除停用詞，停用詞表的建立參考了文獻(xiàn)［10］，并根據(jù)具體應(yīng)用對(duì)停用詞表進(jìn)行了修正，在原停用詞表的基礎(chǔ)上追加了一些詞匯，例如：invention，field，public，require，system，provide，thereby，technique，method等，停用詞的增加或刪除可以在系統(tǒng)實(shí)驗(yàn)中根據(jù)測(cè)試集的分類(lèi)結(jié)果適當(dāng)調(diào)整，以改進(jìn)分類(lèi)效果。

（5）專(zhuān)利文本的特征選擇和特征模型的建立通過(guò)特征選擇，進(jìn)一步濾除與任務(wù)不相關(guān)的冗余特征，選取與類(lèi)別相關(guān)性較大的字詞作為特征，并建立專(zhuān)利文本的向量空間模型。本實(shí)驗(yàn)中，應(yīng)用文本分類(lèi)中常用的特征函數(shù)信息增益和x2統(tǒng)計(jì)［11］，對(duì)特征抽取后的所有特征進(jìn)行計(jì)算，得到特征值，然后將其降序排列，選擇值高的特征，這樣對(duì)于每一個(gè)發(fā)明原理，篩選出針對(duì)該發(fā)明原理的特征項(xiàng)。特征選擇后，為了滿(mǎn)足計(jì)算機(jī)分析處理的需要，將專(zhuān)利文本表示成數(shù)學(xué)模型的形式，每篇專(zhuān)利中的每個(gè)特征用特征權(quán)重來(lái)表示。特征權(quán)重的常用計(jì)算方法為詞頻—文檔倒排頻率（Term Frequency－Inverse Document Frequency，TF－IDF），在傳統(tǒng)的 TF－IDF公式的基礎(chǔ)上，本實(shí)驗(yàn)提出了基于類(lèi)別信息的特征權(quán)重計(jì)算方法，特征項(xiàng)的權(quán)重計(jì)算應(yīng)用類(lèi)別加權(quán)的TF－IDF公式來(lái)計(jì)算，如式（1）所示：

式中：wij表示特征tj在專(zhuān)利文本di中的權(quán)重，tf（tj，di）表示特征tj在di中的詞頻，N 為文本集中的文本總數(shù)，ntj為文本集中包含特征tj的文本數(shù)，nck－tj為某一類(lèi)別ck（k＝1，2，…，m ）中包含特征tj的文本數(shù)，ts（ts∈di）為文本di中的各個(gè)特征。

（6）分類(lèi)器的建立 選擇分類(lèi)方法并對(duì)訓(xùn)練樣本集合的分類(lèi)模型進(jìn)行學(xué)習(xí)，構(gòu)建分類(lèi)器。本實(shí)驗(yàn)中的分類(lèi)方法選用k最近鄰（k Nearest Neighbor，kNN）［12］和樸素貝葉斯（Naive Bayes，NB）［13］。

（7）分類(lèi)器的測(cè)試 應(yīng)用分類(lèi)器對(duì)測(cè)試集自動(dòng)分類(lèi)，將計(jì)算機(jī)分類(lèi)的結(jié)果和人工分類(lèi)結(jié)果進(jìn)行比較，對(duì)分類(lèi)器的性能進(jìn)行評(píng)價(jià)。若結(jié)果不滿(mǎn)意（如分類(lèi)的準(zhǔn)確率、所消耗的時(shí)間和空間等），則返回到（3）或（4）～（6），得到新的分類(lèi)器，直至結(jié)果滿(mǎn)意。

（8）分類(lèi)器的實(shí)際應(yīng)用 將分類(lèi)器應(yīng)用于待分類(lèi)的專(zhuān)利，根據(jù)發(fā)明原理對(duì)專(zhuān)利進(jìn)行分類(lèi)。

在專(zhuān)利分類(lèi)研究中，專(zhuān)利樣本數(shù)量的多少、專(zhuān)利代表成分的選擇、特征抽取、特征選擇、分類(lèi)方法和分類(lèi)性能評(píng)價(jià)的方法，都是影響分類(lèi)結(jié)果的重要因素。尤其是訓(xùn)練階段發(fā)明原理的知識(shí)表示、特征抽取和特征選擇，是分類(lèi)的關(guān)鍵步驟，需要從自然語(yǔ)言的專(zhuān)利文本中把能代表分類(lèi)特征的向量提取出來(lái)，為訓(xùn)練做準(zhǔn)備。

3.2 專(zhuān)利文本分類(lèi)的系統(tǒng)功能實(shí)現(xiàn)及其實(shí)驗(yàn)結(jié)果

3.2.1 系統(tǒng)實(shí)現(xiàn)和部分界面

本文以PC機(jī)為硬件基礎(chǔ)，以Windows 2003為操作平臺(tái)，應(yīng)用面向?qū)ο蟮拈_(kāi)發(fā)工具Visual Studio 2000，編程語(yǔ)言為Visual C＋＋，開(kāi)發(fā)了以發(fā)明原理為分類(lèi)標(biāo)準(zhǔn)的專(zhuān)利文本分類(lèi)軟件系統(tǒng)。系統(tǒng)運(yùn)行的主體界面如圖4所示。

首先選擇專(zhuān)利成分代表專(zhuān)利的內(nèi)容，點(diǎn)擊“加載數(shù)據(jù)后”自動(dòng)抽取專(zhuān)利代表份進(jìn)行文本預(yù)處理，包括去除停用詞和噪聲詞，取詞根；然后在特征詞選擇組合框，選擇一種特征選擇方案進(jìn)行特征選擇；接著在分類(lèi)選擇組合框，選擇一種分類(lèi)方法。當(dāng)選擇測(cè)試專(zhuān)利時(shí)，系統(tǒng)對(duì)測(cè)試專(zhuān)利樣本進(jìn)行分類(lèi)，并對(duì)分類(lèi)器的性能進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果如圖5所示；點(diǎn)擊“預(yù)覽結(jié)果”顯示分類(lèi)器的分類(lèi)結(jié)果和實(shí)際類(lèi)別，如圖6所示。用戶(hù)分析比較分類(lèi)結(jié)果，確定分類(lèi)器。分類(lèi)器確定后，用戶(hù)要對(duì)待分類(lèi)的專(zhuān)利進(jìn)行分類(lèi)，經(jīng)過(guò)加載數(shù)據(jù)，選擇合適的特征選擇方案，然后選擇“分類(lèi)文本路徑”單選框，利用“瀏覽”按鈕打開(kāi)待分類(lèi)專(zhuān)利的文件夾，選取合適的分類(lèi)方法，即可完成分類(lèi)。

3.2.2 實(shí)驗(yàn)結(jié)果及分析

在專(zhuān)利文本分類(lèi)研究中，分類(lèi)評(píng)價(jià)指標(biāo)使用了查準(zhǔn)率、查全率、F1測(cè)度［14］、宏平均F1和微平均F1［15］，分別從專(zhuān)利文獻(xiàn)中選取不同的代表成分，應(yīng)用不同的特征選擇評(píng)估函數(shù)，采用不同的分類(lèi)方法，對(duì)專(zhuān)利進(jìn)行分類(lèi)并對(duì)分類(lèi)結(jié)果進(jìn)行性能評(píng)價(jià)和比較。表2的數(shù)據(jù)是對(duì)293份專(zhuān)利樣本庫(kù)，選取專(zhuān)利標(biāo)題和摘要代表專(zhuān)利內(nèi)容，采用基于文檔頻的x2統(tǒng)計(jì)進(jìn)行特征選擇的條件下選取不同的特征數(shù)，分別使用kNN和NB進(jìn)行分類(lèi)實(shí)驗(yàn)所記錄的宏平均F1的部分?jǐn)?shù)據(jù)。通過(guò)表2可以看出，樸素貝葉斯模型比k最近鄰的分類(lèi)效果要好，當(dāng)特征數(shù)為90時(shí)，樸素貝葉斯分類(lèi)的宏平均達(dá)到了0.756 382。

表2 兩種分類(lèi)器的分類(lèi)性能評(píng)價(jià)數(shù)據(jù)

續(xù)表2

4 應(yīng)用實(shí)例

融合發(fā)明原理和文本挖掘技術(shù)對(duì)專(zhuān)利進(jìn)行自動(dòng)分類(lèi)的根本目的是提高產(chǎn)品創(chuàng)新的能力，作者已提出了針對(duì) TRIZ用戶(hù)的專(zhuān)利分析方法［16－17］，并在此基礎(chǔ)上開(kāi)發(fā)了專(zhuān)利自動(dòng)分類(lèi)系統(tǒng)。下面結(jié)合圓網(wǎng)造紙機(jī)的創(chuàng)新設(shè)計(jì)具體說(shuō)明。

4.1 造紙機(jī)的現(xiàn)有問(wèn)題

為了提高生產(chǎn)率，需要提高圓網(wǎng)造紙機(jī)的圓網(wǎng)轉(zhuǎn)速。在造紙機(jī)的成形部，濕紙的形成取決于紙漿在圓網(wǎng)上的著留率。當(dāng)速度高于臨界值后，離心力大于粘著力，紙漿脫離網(wǎng)，無(wú)法形成濕紙。因此面臨的問(wèn)題是如何提高車(chē)速、又要能形成濕紙，這是一個(gè)典型的技術(shù)矛盾問(wèn)題。

4.2 利用TRIZ求解沖突

按照TRIZ理論中技術(shù)沖突解決問(wèn)題的一般過(guò)程，應(yīng)用39個(gè)工程參數(shù)將特定問(wèn)題一般化，上述問(wèn)題可描述為：如何提高速度，又不使物質(zhì)的損失加劇。把沖突的描述翻譯成標(biāo)準(zhǔn)工程參數(shù)，改進(jìn)的工程參數(shù)為速度，惡化的工程參數(shù)為物質(zhì)損失。然后利用沖突矩陣得到4個(gè)推薦的發(fā)明原理，分別是：No.10預(yù)操作、No.13反向、No.28機(jī)械系統(tǒng)的替代、No.38加速?gòu)?qiáng)氧化。接下來(lái)就需要根據(jù)發(fā)明原理得到一般解決方案。

4.3 原理方案的形成

下面以10號(hào)發(fā)明原理預(yù)操作為例，分析發(fā)明原理到一般方案的具體過(guò)程。

預(yù)操作的詳細(xì)解釋為：①在操作開(kāi)始前，使物體局部或全部產(chǎn)生所需的變化；②預(yù)先對(duì)物體進(jìn)行特殊安排，使其在時(shí)間上有準(zhǔn)備，或已處于易操作的位置。雖然描述性的闡述對(duì)預(yù)操作進(jìn)行了一定的解釋?zhuān)磉_(dá)簡(jiǎn)練抽象、不易理解。這種情況下，需要參考包含預(yù)操作原理的專(zhuān)利，來(lái)拓寬設(shè)計(jì)人員的思路。從美國(guó)專(zhuān)利商標(biāo)服務(wù)局USPTO網(wǎng)站上的專(zhuān)利數(shù)據(jù)庫(kù)中隨機(jī)下載了80份專(zhuān)利，選取專(zhuān)利標(biāo)題和摘要代表專(zhuān)利內(nèi)容，利用專(zhuān)利分類(lèi)系統(tǒng)進(jìn)行了自動(dòng)分類(lèi)。學(xué)習(xí)樣本是前面提到過(guò)的198份專(zhuān)利，應(yīng)用基于文檔頻的x2統(tǒng)計(jì)進(jìn)行特征選擇（特征數(shù)＝90），應(yīng)用基于文檔頻的貝葉斯進(jìn)行分類(lèi)，部分結(jié)果如圖7所示，其中美國(guó)專(zhuān)利號(hào)碼為4389228，6669134等的專(zhuān)利被分類(lèi)為10，即應(yīng)用了10號(hào)發(fā)明原理預(yù)操作。

美國(guó)專(zhuān)利4389228的大致描述如下：固定張力調(diào)整裝置（constant tensioning device），國(guó)際專(zhuān)利分類(lèi)號(hào)為B65H75／38，該專(zhuān)利的簡(jiǎn)要描述如下：一種對(duì)過(guò)濾袋裝配保持適當(dāng)張力的張力調(diào)整裝置，包括一個(gè)旋轉(zhuǎn)的凸輪、使凸輪沿一個(gè)方向旋轉(zhuǎn)的扭轉(zhuǎn)彈簧和一個(gè)用來(lái)對(duì)抗彈簧壓力的環(huán)繞凸輪的纜繩。由于凸輪形狀的原因，纜繩與凸輪轉(zhuǎn)動(dòng)軸之間連續(xù)不斷變化的距離使纜繩產(chǎn)生拉力。彈簧、凸輪和纜繩按照要求排列，這樣當(dāng)彈簧對(duì)凸輪施加一個(gè)相對(duì)較大的彈力時(shí)，纜繩從距離凸輪轉(zhuǎn)軸較遠(yuǎn)的距離對(duì)凸輪施加一個(gè)反作用力。反之，當(dāng)彈簧對(duì)凸輪施加一個(gè)相對(duì)較小的彈力時(shí)，纜繩從距離凸輪轉(zhuǎn)軸較近的距離施加作用力。一個(gè)恒力拉索就這樣產(chǎn)生了。電纜給的壓力是個(gè)常量。這個(gè)裝置可以安裝在過(guò)濾袋和過(guò)濾袋的支撐結(jié)構(gòu)中，如圖8所示。即使過(guò)濾袋在長(zhǎng)度上變化，張力也會(huì)保持不變，因?yàn)樗鸬膹椓Φ母淖兛捎勺饔迷谕馆啿煌恢玫睦|繩彌補(bǔ)。

從專(zhuān)利4389228受到啟示，得到原理方案：既然提高速度會(huì)加大離心力，那么如果能預(yù)先提供一個(gè)和離心力相反的力，以抵消離心力的作用，將會(huì)減少紙漿從網(wǎng)籠上的飛出。沿著這個(gè)方向可以找到解決問(wèn)題的兩個(gè)方法：①在籠外加壓，使得籠外的壓力高于籠內(nèi)，這樣產(chǎn)生一個(gè)向內(nèi)的壓力，抵消部分離心力，這種圓網(wǎng)稱(chēng)為壓氣式圓網(wǎng)；②將圓網(wǎng)籠內(nèi)抽真空，使籠內(nèi)壓力低于籠外，這樣將產(chǎn)生一個(gè)向心力，可以抵消部分離心力，這種圓網(wǎng)稱(chēng)為真空?qǐng)A網(wǎng)。

壓氣式圓網(wǎng)是在網(wǎng)籠的外面形成正壓，對(duì)已成形的濕紙頁(yè)施加一定的氣墊壓力。其結(jié)構(gòu)如圖9所示。由貼在網(wǎng)面上的濕紙頁(yè)、漿槽內(nèi)的紙料液面、網(wǎng)槽兩邊的側(cè)板和后板、毛毯等組成一個(gè)封閉小室，用鼓風(fēng)帆向室內(nèi)送入空氣，使小室內(nèi)保持一定的壓力。這樣可以抵消部分離心力的作用。真空?qǐng)A網(wǎng)和壓氣圓網(wǎng)原理相反，是在網(wǎng)內(nèi)抽真空以增大脫水壓力差，其結(jié)構(gòu)如圖10所示。

壓氣式圓桶和真空式圓桶都可以抵消部分離心力的作用，可以較好地完成創(chuàng)新性能要求，壓氣式圓桶的實(shí)現(xiàn)更容易，因此采用壓氣式圓通的創(chuàng)新設(shè)計(jì)方案。

通過(guò)造紙機(jī)的技術(shù)改進(jìn)，可以看出找到?jīng)_突進(jìn)行求解的過(guò)程中，對(duì)發(fā)明原理的應(yīng)用和理解是產(chǎn)生設(shè)計(jì)方案的核心，產(chǎn)品創(chuàng)新需要不同領(lǐng)域知識(shí)的支持，專(zhuān)利知識(shí)庫(kù)是創(chuàng)新設(shè)計(jì)研究的基礎(chǔ)工作之一。

5 結(jié)束語(yǔ)

應(yīng)用TRIZ得到能實(shí)現(xiàn)設(shè)計(jì)需求的發(fā)明原理，由發(fā)明原理轉(zhuǎn)化為原理解的捷徑是借助運(yùn)用同種發(fā)明原理的現(xiàn)有產(chǎn)品專(zhuān)利。為迅速發(fā)現(xiàn)對(duì)口專(zhuān)利，本文提出并進(jìn)行了面向創(chuàng)新設(shè)計(jì)對(duì)專(zhuān)利進(jìn)行分類(lèi)的研究，不僅延展了專(zhuān)利研究的角度和應(yīng)用，還可促進(jìn)發(fā)明原理對(duì)應(yīng)專(zhuān)利知識(shí)庫(kù)的建設(shè)，推動(dòng)TRIZ理論自身的發(fā)展和完善。本文針對(duì)創(chuàng)新設(shè)計(jì)中專(zhuān)利知識(shí)挖掘的方法和應(yīng)用進(jìn)行了一定深度的研究和探索，取得了初步成果，但還有很多工作需要深化和提高，今后將探索專(zhuān)利文獻(xiàn)中包含的工程語(yǔ)義，結(jié)合關(guān)聯(lián)規(guī)則、模式匹配、語(yǔ)義相似度等方法，進(jìn)行進(jìn)一步的研究。

［1］ ZLOTIN B，ZUSMAN A.Directed evolution philosophy，theory and practice［M］.San Francisco，Cal.，USA：Ideation International Inc.，2001，3：40－48.

［2］ TAN Runhua.Innovation design—TRIZ：theory of inventive problem solving［M］.Beijing：China Machine Press，2002（in Chinese）.［檀潤(rùn)華.創(chuàng)新設(shè)計(jì)——TRIZ：發(fā)明問(wèn)題解決理論［M］.北京：機(jī)械工業(yè)出版社，2002.］

［3］ ALTSHULLER G.Creation is an exact science［M］.Guangzhou：Guangdong People's Press，1987（in Chinese）.［阿里特舒列爾.創(chuàng)造是精確的科學(xué)［M］.廣州：廣東人民出版社，1987.］

［4］ GUO Jieting，XIAO Guohua.The Study of patent information analysis［J］.Journal of Information，2008（1）：12－15（in Chinese）.［郭婕婷，肖國(guó)華.專(zhuān)利分析方法研究［J］.情報(bào)雜志，2008（1）：12－15.］

［5］ FALL 段 ，TORCSVARI A，BENZINEB K，et al.Automated categorization in the international patent classification［J］.ACM SIGIR Forum，2003，37（1）：10－25.

［6］ CHEN L，TOKUDA N，ADACHI H.A patent document retrieval system addressing both semantic and syntactic properties［C］／／Proceedings of the ACL 2003Workshop on Patent Corpus Processing.Stroudsburg，Pa.，USA：ACL，2003：1－6.［7］ TSENG 段 ，LIN L N，LIN L N.Text mining techniques for patent analysis［J］.Information Processing and Management，2007，43（5）：1216－1247.

［8］ LOH 段 ，HE C，SHEN H .Automatic classification of patent document for TRIZ users［J］.World Patent Information，2006，28（1）：6－13.

［9］ HE C，LOH 段 .Grouping of TRIZ inventive principles to facilitate automatic patent classification［J］.Expert System with Applications，2006，34（1）：788－795.

［10］ Stop word list－words filtered out by search engine spiders［EB／OL］.［2012－03－18］.http：／／www.seo－innovation.com／support files／stopwordlist.pdf.

［11］ YANG Y.PEDERSEN 段 .A comparative study on feature selection in text categorization［C］／／Proceedings of the 14th International Conference on Machine Learnings.San Francisco，Cal.，USA：Morgan Kaufmann，1997：412－420.

［12］ YANG Y.An evaluation of statistical approaches to text cate

gorization［J］.Information Retrieval，1999，1（1／2）：69－90.

［13］ LEWIS 段 .Naive（bayes）at forty：the independence assumption information retrieval［J］.Lecture Notes in Computer Sciences，1998，1398：4－15.

［14］ VAN RIJSBERGEN 段 .Information retrieval［M］.Boston，Mass.，USA：Butterworth，1979.

［15］ LEWIS 段 .Evalatig text categorization［C］／／Proceedings of Speech and Natural Language Workshop.San Francisco，Cal.，USA：Morgan Kaufmann，1991：312－318.

［16］ LIANG Yanhong，TAN Runhua，WANG Chaoyang，et al.Computer－aided classification of patents oriented to TRIZ［C］／／Proceedings of the IEEE International Conference on Industrial Engineering and Engineering Management.Washiton，D.C.，USA：IEEE，2009：2389－2393.

［17］ LIANG Yanhong，TAN Runhua，MA Jianhong.Patent analysis with text Mining for TRIZ［C］／／Proceedings of the 4th IEEE International Conference on Management of Innovation and Technology.Washington，D.C.，USA：IEEE，2008：1147－1151.