作者：李健博 张丽玮
来源：《科学与信息化》2020年第14期
摘要：技术树是用来表示某一领域中产品组成，技术和技术功能之间关系的树形图。本研究的目的是使用计算机相关技术，多维度地、快速地构建产业技术树。本研究主要使用自然语言处理技术提取专利文本中的主体一动作一客体结构（SAO），然后使用数据挖掘技术对上述结构分类、处理、标注，最终构建技术树。本文使用“捕获碳（吸附和溶剂）”专利数据集构建了产业技术树，并从产品、技术和功能的视角分别展示了技术树的特征。 关键词：文本挖掘;自然语言处理;技术树;SAO结构
引言
技术树是用来表示特定技术领域或单体组织中技术特征及技术间关系的树结构图，通常包含某特定技术领域的产品组件、技术以及技术的功能及其使用效果之间关系的树形结构图，是技术规划的重要决策工具。通过技术树的构建，用于帮助技术管理人员梳理并展示企业的技术体系架构，助力于企业技术战略决策的制定。
目前，对于技术树的构建常用的主要有两种方法，分别是基于TRIZ理论中的技术进化树理论进行构建和通过提取技术、产品等相关信息，根据原始信息的逻辑结构进行技术树的 构建。上述研究成果已经取得了一定的成果，但由于技術树构建很大程度上依赖专家和构建者的知识和经验，从而存在人为主观性强、自动化差等问题。
针对上述问题，本研究使用文本挖掘和自然语言处理技术对专利进行，实现自动化技术树构建研究，从而对企业技术结构进行多维度展示。其中，具体流程框架如图1所示：
1技术树构建
本文使用文本挖掘和自然语言处理技术对专利文献进行深入解读和分析，提取SAO结构，并对A0结构分类、标注等，最终构建技术树。
1.1提取SA0结构
提取SAO结构的步骤包括：筛选专利数据，抽取SAO结构。
①选择专利语料。针对需要研究的企业，确定检索式，检索获取其相关专利文献。为确保研究的有效性，本文选取“摘要”和“权利要求书”作为分析语料，进行SAO结构的抽取。
②抽取SAO结构
提取SAO结构主要依赖自然语言处理技术，在此之前需要先对文本进行预处理，包括分句、分词、去除停用词、词性标注、依存句法分析等操作，从而提取SAO结构，如图2所示。
1.2深度标注SA0结构
在提取和分类SAO的基础上，对s和AO进行标注。词组包括产品、技术、技术属性和材料类型，AO包括从属类型、功效类型和属性优化。
（1）衡量SAO结构相似度
提取的SAO结构数量众多，其中包含很多意思相似的词组和短语，例如“二氧化碳的回收”、“分离C02”、“除去二氧化碳”，因此需要将他们聚类，并且用更具代表性的词语标记他们。
本文使用机器学习中第三方模块sklearn（Scikit-learn）中的TfidfVectorizer将文本转化为向量，然后用向量的余弦值表示SAO相似度。
提取的SAO结构具有以下特征：可能有很多无效数据，而且无法提前获知聚类的簇的数量。基于密度的聚类算法不需要指定簇的数目，而且能够识别噪声数据，所以本文使用DBSCAN聚类算法对短语和AO分类。
（2）s和0的类型标注
根据聚类的结果将s和0标注为四种类型，包括产品、技术、技术属性和材料（表1）。
（3）A0类型标注
根据聚类的结果将AO标注为三种类型，包括从属类型，功效类型和属性优化。（表3）
1.3构造技术树
技术树的类型及构造方法
相应的，技术树可以分成“产品”技术树、“技术”技术树和“功效”技术树。
“产品”技术树表示产品和组成产品的部件之间的关系，技术树的节点是被标记为产品的词组，例如“吸收剂”由“循环流化床反应器”、“埋管式换热器”等组成，如图3示。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议