引入语义引用信息的专利创新性测度研究

作     者：吴海婷 唐晓波 董克 

作者机构：南京大学数据管理创新研究中心 武汉大学信息系统研究中心 武汉大学 信息管理学院 

出 版 物：《现代情报》 (Journal of Modern Information)

年 卷 期：2025年

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 120502[管理学-情报学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学基金重大项目“基于大数据的科教评价信息云平台构建和智能服务研究”(项目编号:19ZDA349) 

主　　题：专利创新性 语义引用识别 知识元 sentence-BERT word2vec 

摘      要：[目的/意义] 专利的创新性测度是专利技术质量评价的关键。基于传统引用的专利创新性测度仅考虑物理引用的外部特征，无法充分反映发明创造过程中真实的知识吸收过程。引入语义引用信息的专利创新性测度有助于更为全面、准确地揭示专利的知识和技术基础，为细粒度的专利创新评价提供支持。[方法/过程]本研究首先运用规则和句法分析抽取相关专利和论文中的知识元；其次，利用Sentence-BERT和Word2vec模型进行知识元的向量化，并计算向量的余弦相似度以确定专利语义引用；第三，从科学和技术知识吸收的数量、质量、广度维度，以及技术影响的数量和质量维度实现专利创新性测度；最后，选取量子计算领域进行了实证研究。[结果/结论]实验结果表明，本研究提出的方法能够提升专利创新性测度的准确性和有效性，为专利审核和评估提供支持。