基于专利数据变化的技术线路变化趋势分析方法及系统与流程

本发明涉及知识产权分析，尤其涉及基于专利数据变化的技术线路变化趋势分析方法及系统。

背景技术：

1、知识产权分析是指对专利、商标、版权等知识产权进行收集、整理、评估和分析的过程，旨在了解技术领域的发展趋势、竞争格局和技术创新方向。通过分析专利数据的变化，可以揭示技术发展的热点、趋势以及技术之间的关联性，为企业制定科技创新战略提供参考依据。

2、其中，基于专利数据变化的技术线路变化趋势分析方法是一种利用专利数据来研究技术线路变化趋势的方法。该方法通过对专利数据的收集、整理和分析，揭示出技术领域中不同技术线路的发展情况，并预测未来的技术发展方向。该方法的目的是通过对专利数据的分析，帮助企业了解技术领域的发展趋势，把握技术创新的机会，避免重复研发和资源浪费。同时，还可以帮助企业识别竞争对手的技术优势和劣势，制定相应的竞争策略。

3、现有方法在时间序列分析方面，没有充分利用先进的统计模型来分析和预测技术发展趋势，导致得出的结论不精确或适应性不强。现有方法在可视化技术路线时不够直观，缺乏有效的工具来展示技术之间的复杂关系。整体趋势分析和预测方面，传统方法缺乏综合利用多种算法和模型的能力，这在处理复杂、多变的技术发展数据时可能导致分析结果的局限性。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的基于专利数据变化的技术线路变化趋势分析方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案：基于专利数据变化的技术线路变化趋势分析方法，包括以下步骤，

3、s1：基于专利信息库，采用自然语言处理技术，进行文本处理、实体识别和关系抽取，生成专利数据集；

4、s2：基于所述专利数据集，采用时间序列分析方法，进行申请、过期时间分析，生成时间点变化信息；

5、s3：基于所述专利数据集，采用bert深度学习算法，进行实体、关系提取，生成标注专利数据；

6、s4：基于所述标注专利数据，采用图形神经网络，进行技术路线图构建，生成技术路线图；

7、s5：基于所述时间点变化信息和技术路线图，采用随机森林算法和支持向量机，进行趋势分析，生成技术发展趋势分析报告；

8、s6：基于所述技术发展趋势分析报告，采用数据分析技术，进行未来技术评估，生成未来技术发展评估报告；

9、s7：基于所述技术路线图、未来技术发展评估报告，采用报告整合技术，生成综合技术线路变化趋势分析报告；

10、所述专利数据集包括技术领域、专利描述、关键实体信息，所述时间点变化信息具体为专利申请和过期的时间序列数据，所述标注专利数据具体指包含关键技术实体及其关系的专利数据，所述技术路线图具体为表示多技术领域及其关联的图结构，所述技术发展趋势分析报告具体包括技术发展方向、速度、潜在影响，所述未来技术发展评估报告具体为预测技术方向和发展速度的综合评估，所述综合技术线路变化趋势分析报告具体包括关键技术节点、时间标记、发展趋势。

11、作为本发明的进一步方案，基于专利信息库，采用自然语言处理技术，进行文本处理、实体识别和关系抽取，生成专利数据集的具体步骤为，

12、s101：基于专利信息库，采用文本分词算法，进行初始文本处理，生成文本处理数据；

13、s102：基于所述文本处理数据，采用hmm模型，进行词性识别，辅助实体识别，生成词性标注数据；

14、s103：基于所述词性标注数据，采用crf模型，识别关键实体，生成实体识别数据；

15、s104：基于所述实体识别数据，采用rnn模型，提取实体间的关系，生成专利数据集。

16、作为本发明的进一步方案，基于所述专利数据集，采用时间序列分析方法，进行申请、过期时间分析，生成时间点变化信息的具体步骤为，

17、s201：基于所述专利数据集，采用数据抽取技术，提取专利申请日期、过期日期，生成专利时间信息数据；

18、s202：基于所述专利时间信息数据，采用时间格式化处理方法，生成标准化时间数据；

19、s203：基于所述标准化时间数据，采用arima模型，对专利申请、过期时间进行趋势分析，生成时间趋势分析数据；

20、s204：基于所述时间趋势分析数据，采用matplotlib库，展示申请、过期时间变化趋势，生成时间点变化信息。

21、作为本发明的进一步方案，基于所述专利数据集，采用bert深度学习算法，进行实体、关系提取，生成标注专利数据的具体步骤为，

22、s301：基于所述专利数据集，采用bert预处理技术，生成处理后文本数据；

23、s302：基于所述处理后文本数据，采用bert模型进行实体识别，识别专利文本中关键实体，生成实体识别结果；

24、s303：基于所述实体识别结果，采用bert模型进行关系抽取，识别实体间的关系，生成关系抽取结果；

25、s304：基于所述关系抽取结果，进行数据整合、标注，生成标注专利数据。

26、作为本发明的进一步方案，基于所述标注专利数据，采用图形神经网络，进行技术路线图构建，生成技术路线图的具体步骤为，

27、s401：基于所述标注专利数据，采用数据转换方法，将标注数据转换为图结构数据，生成图结构化专利数据；

28、s402：基于所述图结构化专利数据，采用gnn模型进行节点特征学习，生成节点特征学习结果；

29、s403：基于所述节点特征学习结果，采用图形神经网络进行边的预测，生成边预测结果；

30、s404：基于所述边预测结果，进行技术路线图的构建，生成技术路线图。

31、作为本发明的进一步方案，基于所述时间点变化信息和技术路线图，采用随机森林算法和支持向量机，进行趋势分析，生成技术发展趋势分析报告的具体步骤为，

32、s501：基于所述时间点变化信息、技术路线图，进行归一化处理，生成分析处理数据；

33、s502：基于所述分析处理数据，采用随机森林算法进行初步趋势分析，识别关键趋势、模式，生成随机森林趋势分析结果；

34、s503：基于所述随机森林趋势分析结果，采用支持向量机进行深入趋势分析，生成支持向量机趋势分析结果；

35、s504：基于所述支持向量机趋势分析结果，进行报告编制，整合分析结果，生成技术发展趋势分析报告。

36、作为本发明的进一步方案，基于所述技术发展趋势分析报告，采用数据分析技术，进行未来技术评估，生成未来技术发展评估报告的具体步骤为，

37、s601：基于所述技术发展趋势分析报告，进行数据抽取、整理，生成评估整理数据；

38、s602：基于所述评估整理数据，采用描述性统计分析方法，分析技术趋势基本特征、模式，生成描述性统计分析结果；

39、s603：基于所述描述性统计分析结果，采用时间序列分析，生成数据分析结果；

40、s604：基于所述数据分析结果，进行评估报告撰写，整合分析结果，生成未来技术发展评估报告。

41、作为本发明的进一步方案，基于所述技术路线图、未来技术发展评估报告，采用报告整合技术，生成综合技术线路变化趋势分析报告的具体步骤为，

42、s701：基于所述技术路线图和未来技术发展评估报告，进行信息提取、整理，生成关键信息数据集；

43、s702：基于所述关键信息数据集，使用数据融合技术，生成数据融合分析结果；

44、s703：基于所述数据融合分析结果，应用趋势预测算法，生成趋势预测分析结果；

45、s704：基于所述趋势预测分析结果，进行报告撰写，综合分析成果，生成综合技术线路变化趋势分析报告。

46、基于专利数据变化的技术线路变化趋势分析系统，所述系统包括专利数据处理模块、时间分析模块、bert实体关系分析模块、技术路线图构建模块、趋势分析模块、技术评估报告模块。

47、作为本发明的进一步方案，所述专利数据处理模块基于专利信息库，采用文本分词算法、hmm模型、crf模型、rnn模型进行文本处理、词性标注、实体识别和关系抽取，生成专利数据集；

48、所述时间分析模块基于专利数据集，采用数据抽取技术、时间格式化处理方法、arima模型，对专利申请和过期时间进行分析，生成时间点变化信息；

49、所述bert实体关系分析模块基于专利数据集，采用bert预处理技术和bert模型进行实体、关系的识别和抽取，生成标注专利数据；

50、所述技术路线图构建模块基于标注专利数据，采用数据转换方法和图形神经网络gnn，进行技术路线图的构建，生成技术路线图；

51、所述趋势分析模块基于时间点变化信息和技术路线图，采用随机森林算法和支持向量机进行趋势分析，并进行数据分析，生成技术发展趋势分析报告和未来技术发展评估报告；

52、所述技术评估报告模块基于技术发展趋势分析报告和未来技术发展评估报告，采用报告整合技术，生成综合技术线路变化趋势分析报告。

53、与现有技术相比，本发明的优点和积极效果在于：

54、本发明中，利用时间序列分析方法，能够更有效地分析专利申请和过期的时间趋势，为了解技术发展的历史和当前状态提供了重要信息。图形神经网络的应用在技术路线图的构建中发挥关键作用，帮助可视化多技术领域之间的相互关联，为理解复杂的技术关系提供了直观工具。结合随机森林算法和支持向量机进行趋势分析，不仅增强了预测的准确性，还能够更全面地揭示技术发展的方向、速度和潜在影响。通过整合数据分析和报告整合技术，能生成全面的技术线路变化趋势分析报告，为决策者提供了宝贵的洞见和决策支持。