一种基于大数据的专利文章整合系统和方法

本发明涉及数据处理技术领域，尤其涉及一种基于大数据的专利文章整合系统和 方法。

随着时代的发展，科技的进步，截至2014年，我国知识产权总体发展状况在全世界 40个主要国家中居第8位，总体实力与世界一流知识产权强国的距离进一步缩小，由此专利 领域的技术的文章数据的产出速度变得很快，专利信息已经正式进入大数据时代。但是一 般非专利领域的人员在互联网上搜索专利非常困难，当他们想要进行专利的申请或检索时 却无从下手，一些检索平台网上浏览和自主下载会浪费大量的时间，其次，随着互联网的发 展，文章中总是出现大量广告、链接等无用信息，这给人们阅读和使用时产生很大的困扰， 降低人们的使用体验。

基于背景技术存在的技术问题，本发明提出了一种基于大数据的专利文章整合系 统和方法；

本发明提出的一种基于大数据的专利文章整合系统，包括：

数据获取模块，用于从网络大数据的数据库中下载专利领域的文章，得到专利文 章集合Ai；

广告隐藏模块，用于隐藏Ai中的广告信息，得到有效专利文章集合Bi；

数据筛选模块，用于将Bi中的有效专利文章与本地数据库中文章进行重合度比 较，删除Bi中有效专利文章的重合度值大于预设阈值的有效专利文章，得到目标专利文章 集合Cj，将Cj中目标专利文章存入本地数据库；

数据检索模块，用于向用户提供本地数据库检索界面，并向用户展示通过检索条 件检索到的目标专利文章。

优选地，所述数据获取模块，具体用于：通过互联网爬虫从网络大数据的数据库中 下载专利文章。

优选地，所述广告隐藏模块，具体用于：

提取Ai中一篇专利文章的句子，得到所述专利文章的句子集合Dm；

将Dm中各句子进行相互间相似度比较，隐藏所述专利文章中相似度低于预设相似 度值的句子；

当Ai中所有专利文章均进行相互间相似度比较和隐藏操作后，得到有效专利文章 集合Bi。

优选地，所述数据筛选模块，还用于：在将Cj中目标专利文章存入本地数据库之 前，将Cj中各目标专利文章按照文章标题建立索引；和/或，在将Cj中目标专利文章存入本地 数据库之前，将Cj中各目标专利文章按照技术领域建立索引。

优选地，还包括任务分配模块，与数据获取模块连接，用于当到达预设时间点时， 启动数据获取模块开始工作。

一种基于大数据的专利文章整合方法，包括：

S1、从网络大数据的数据库中下载专利领域的文章，得到专利文章集合Ai；

S2、隐藏Ai中下载的专利文章中的广告信息，得到有效专利文章集合Bi；

S3、将Bi中的有效专利文章与本地数据库中文章进行重合度比较，删除Bi中有效专 利文章的重合度值大于预设阈值的有效专利文章，得到目标专利文章集合Cj，将Cj中目标专 利文章存入本地数据库；

S4、向用户提供本地数据库检索界面，并向用户展示通过检索条件检索到的目标 专利文章。

优选地，步骤S1，具体包括：通过互联网爬虫从网络大数据的数据库中下载专利文 章。

优选地，步骤S2，具体包括：

S21、提取Ai中一篇专利文章的句子，得到所述专利文章的句子集合Dm；

S22、将Dm中各句子进行相互间相似度比较，隐藏所述专利文章中相似度低于预设 相似度值的句子；

S23、在Ai中所有专利文章均进行步骤S21、S22操作后，得到有效专利文章集合Bi。

优选地，步骤S3中，在将Cj中目标专利文章存入本地数据库之前，将Cj中各目标专 利文章按照文章标题建立索引；和/或，步骤S3中，在将Cj中目标专利文章存入本地数据库 之前，将Cj中各目标专利文章按照技术领域建立索引。

优选地，步骤S1，还包括：当到达预设时间点时，从网络大数据的数据库中下载专 利领域的文章。

本发明从网络大数据的数据库中下载专利领域的文章，再隐藏文章中的无用广告 信息，得到有效专利文章，将有效专利文章与本地数据库中文章进行重合度比较，删除重合 度值大于预设阈值的有效专利文章，得到目标专利文章集合存入本地数据库，同时用户提 供本地数据库检索界面，并向用户展示通过检索条件检索到的目标专利文章。如此，对下载 的专利文章的进行广告隐藏，查重、整合、建立索引操作，使得用户可以在本地数据库中进 行文章的检索和阅读，方便用户使用，提高用户的使用体验，其次，便于专利公开数据的利 用和研究。

图1为本发明提出的一种基于大数据的专利文章整合系统的模块示意图；

图2为本发明提出的一种基于大数据的专利文章整合方法的流程示意图。

参照图1，本发明提出的一种基于大数据的专利文章整合系统，包括：

数据获取模块，用于从网络大数据的数据库中下载专利领域的文章，得到专利文 章集合Ai。

在具体方案中，数据获取模块通过互联网爬虫从网络大数据的数据库中下载专利 文章，根据预的设情报搜集目标与分析目标，采集专利领域的文章信息，得到专利文章集合 Ai。

广告隐藏模块，与数据获取模块连接，用于隐藏Ai中的广告信息，得到有效专利文 章集合Bi，具体用于：提取Ai中一篇专利文章中的句子，得到句子集合Dm；将Dm中各句子进行 相互间相似度比较，隐藏所述专利文章中相似度低于预设相似度值的句子；在Ai中所有专 利文章均进行相互间相似度比较和隐藏操作后，得到有效专利文章集合Bi。

在具体方案中，提取Ai中任一篇专利文章中所有的句子，将这些句子集合进行相 互间相似度比较，判断相似度低于预设相似度值的句子为广告信息，隐藏所述广告信息，得 到有效专利文章，当Ai中所有专利文章均进行相似度比较和隐藏操作后，得到有效专利文 章集合Bi：如此，隐藏文章中无用的广告信息和链接，方便用户的阅读和使用，进一步的，用 户可显示隐藏的句子。

数据筛选模块，与广告隐藏模块连接，用于将Bi中的有效专利文章与本地数据库 中文章进行重合度比较，删除Bi中有效专利文章的重合度值大于预设阈值的有效专利文 章，得到目标专利文章集合Cj，将Cj中目标专利文章存入本地数据库。

在具体方案中，在将Cj中目标专利文章存入本地数据库之前，将Cj中各目标专利文 章按照文章标题建立索引；和/或，在将Cj中目标专利文章存入本地数据库之前，将Cj中各目 标专利文章按照文章技术领域建立索引，建立索引的目的是方便用户快速查相关文章信 息，大多数用户一般通过文章标题或技术领域作为关键字进行检索。

数据检索模块，与广告隐藏模块连接，用于向用户提供本地数据库检索界面，并向 用户展示通过检索条件检索到的目标专利文章。

在具体方案中，用户可通过本地数据库检索界面进行目标专利文章的检索，检索 方法可以采用现有的从文章的检索方法，具体检索过程此处不再赘述。

任务分配模块，与数据获取模块连接，用于当到达预设时间点时，启动数据获取模 块开始工作。

参照图2，本发明提出的一种基于大数据的专利文章整合方法，包括：

S1、从网络大数据的数据库中下载专利领域的文章，得到专利文章集合Ai；本步骤 中，当到达用户预设的时间点时，通过互联网爬虫从网络大数据的数据库中下载专利文章。

在具体方案中，在到达用户预设的时间点时，通过互联网爬虫从网络大数据的数 据库中下载专利文章，根据预的设情报搜集目标与分析目标，采集专利领域的文章信息，得 到专利文章集合Ai。

S2、隐藏Ai中下载的专利文章中的广告信息，得到有效专利文章集合Bi；本步骤具 体包括：S21、提取Ai中一篇专利文章中文字信息的句子，得到文字信息的句子集合Dm；S22、 将Dm中各句子进行相互间相似度比较，隐藏所述专利文章中相似度低于预设相似度值的句 子；S23、在Ai中所有专利文章均进行步骤S21、S22操作后，得到有效专利文章集合Bi。

在具体方案中，提取Ai中任一篇专利文章中所有的句子，将这些句子集合进行相 互间相似度比较，判断相似度低于预设相似度值的句子为广告信息，隐藏所述广告信息，得 到有效专利文章，当Ai中所有专利文章均进行相似度比较和隐藏操作后，得到有效专利文 章集合Bi：如此，隐藏文章中无用的广告信息和链接，方便用户的阅读和使用，进一步的，用 户可显示隐藏的句子。

S3、将Bi中的有效专利文章与本地数据库中文章进行重合度比较，删除Bi中有效专 利文章的重合度值大于预设阈值的有效专利文章，得到目标专利文章集合Cj，将Cj中目标专 利文章存入本地数据库；

本步骤中，在将Cj中目标专利文章存入本地数据库之前，将Cj中各目标专利文章按 照文章标题建立索引；和/或，步骤S3中，在将Cj中目标专利文章存入本地数据库之前，将Cj 中各目标专利文章按照文章技术领域建立索引。

在具体方案中，在将Cj中目标专利文章存入本地数据库之前，将Cj中各目标专利文 章按照文章标题和/或文章技术领域建立索引，建立索引的目的是方便用户快速查相关 文章信息，大多数用户一般通过文章标题或技术领域作为关键字进行检索。

S4、向用户提供本地数据库检索界面，并向用户展示通过检索条件检索到的目标 专利文章；

在具体方案中，用户可通过本地数据库检索界面进行目标专利文章的检索，检索 方法可以采用现有的从文章的检索方法，具体检索过程此处不再赘述。本实施方式从网络 大数据的数据库中下载专利领域的文章，再隐藏文章中的无用广告信息，得到有效专利文 章，将有效专利文章与本地数据库中文章进行重合度比较，删除重合度值大于预设阈值的 有效专利文章，得到目标专利文章集合存入本地数据库，同时用户提供本地数据库检索界 面，并向用户展示通过检索条件检索到的目标专利文章。如此，对下载的专利文章的进行广 告隐藏，查重、整合、建立索引操作，使得用户可以在本地数据库中进行文章的检索和阅读， 方便用户使用，提高用户的使用体验，其次，便于专利公开数据的利用和研究。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其 发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。