[发明专利]一种专利查重的关联论文查询方法

权利要求书

1.一种专利查重的关联论文查询方法，其特征在于，包括：

步骤1：从查询专利中抽取技术主题词形成查询专利技术主题词集，进行专利检索，获取关联专利集，对通过专利发明人-论文作者获取的候选论文集进行关联因子计算，获取具有较高关联因子的排序靠前的K个元素TOP-K个关联论文作为关联论文集；

步骤2：通过关联论文集中关联论文和查询专利技术主题词集之间的关联性，从关联论文集中挖掘用于检索论文的论文检索概念术语集，并利用该检索概念术语集进行论文的查询；

所述的步骤1包括如下步骤：

步骤1.1：根据输入的查询专利或查询专利技术主题词集通过相似性查询，检索出与之相关的初始检索专利集，对其按照文本相似度进行排序，取排序结果相似度较高的Top-K作为关联专利集；

步骤1.2：对于步骤1.1得到的关联专利集的每条专利，提取出专利发明人，从论文数据库中查找该专利发明人以作者身份发表过的论文，组成该专利的候选论文集；

步骤1.3：计算步骤1.1获得的关联专利集与步骤1.2获得的专利候选论文集之间的文本相似关联度；

步骤1.4：计算步骤1.1获得的关联专利集与步骤1.2获得的专利候选论文集之间的关联影响因子；

步骤1.5：通过将步骤1.3获得的文本相似关联度与步骤1.4获得的关联影响因子相结合计算最终的关联因子，确定最终的关联论文集；

所述的步骤1.1包括如下步骤：

步骤1.1.1：在专利数据库中，利用查询专利技术主题词集WS_opat进行检索得到初始检索专利集PS_pat；

步骤1.1.2：对于步骤1.1.1得到的初始检索专利集PS_pat，采用词频-逆向文件频率TF-IDF对每一件专利进行专利技术主题词的提取，得到该专利技术主题词集WS_npat；词频-逆向文件频率TF-IDF的公式解释如下：

公式的TF_i，j为专利技术主题词t_i在专利d_j中的词频，公式的n_i，j为专利技术主题词t_i在专利a_j中出现的次数，右边的分母则表示专利d_j中所有专利技术主题词出现的次数总和；

D表示专利的总数目，{j：t_i∈d_j}表示包含专利技术主题词t_i的专利数目，TF表示专利技术主题词相对于某一件特定专利的权重，而IDF则表示专利技术主题词相对于所有专利的权重，因此，词频-逆向文件频率TF-IDF的计算公式如下：

TF-IDF_i，j＝TF_i，j×IDF_i

步骤1.1.3：通过余弦相似度公式cosine计算查询专利技术主题词集WS_opat与初始检索专利集的每一件专利技术主题词集WS_npat的文本相似关联度，取文本相似关联度转高的TOP-K专利，形成关联专利集，余弦公式如下：

其中，w_opat(k)和w_npat(k)分别表示专利技术主题词k在查询专利技术主题词集WS_opat和初始检索专利技术主题词集WS_npat中的权重。