大数据让写专利从主观题变成了客观题……

本帖最后由 fenrir 于 2019-10-12 10:14 编辑

如题，演示过程如下：
这次采用PYTHON内置的shell进行演示，因为能看到输入法啊

程序只是预加载的时候需要耗费一定时间，处理过程还是挺快的楼主偷了个懒，直接ctrl+c ctrl+v的关键词，
目前只编程到发明内容部分。关于离线模式和在线模式：
离线模式的背景技术中引证的对比文件显示专利号和专利名称。
在线模式的背景技术中引证的对比文件显示专利号、专利名称和从网上实时获取摘要。

现阶段自动撰写的内容比较粗糙，还比不上人工，后期必然需要人工校验才能上报CPC，否则被专利局打回来是必然的。
不过，目前用这个确定技术领域倒是挺效率的……

实现原理：通过筛选300W个专利说明书获得的数据内容，获得如图1和图2所示的数据结构，然后根据输入的主题词和必特，根据权重值分析数据表中出现频率最高的主题词+必特，以获得IPC，然后根据IPC+主题核心词获得可能涉及的技术问题。
后续会在图1数据表的基础上增加现有专利的申请号/公开号，为背景技术提供数据基础。
（因为数据量比较大，数据精度和数据内容优化还需要耗费较多时间）

图1为IPC+主题词+主题词包含的特征

图2为IPC+主题词+主题词可能涉及的技术问题

图3为IPC+主题词+连接关系

图4 从30+G说明书TXT(平均10KB一个专利)中筛选的数据大小
connection为连接关系，effect 为技术效果库，problem为技术问题库，field为IPC分类号库