| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略词表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 专利地图研究现状 | 第11-13页 |
| 1.2.2 研究现状总结 | 第13-14页 |
| 1.3 论文研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 专利地图相关概念及文本聚类技术介绍 | 第15-20页 |
| 2.1 专利地图相关概念 | 第15-17页 |
| 2.1.1 专利地图的定义 | 第15页 |
| 2.1.2 基于聚类的专利地图 | 第15-16页 |
| 2.1.3 专利地图的绘制流程 | 第16-17页 |
| 2.2 Word2Vec简介 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 专利数据获取与预处理方法研究 | 第20-26页 |
| 3.1 专利文献结构分析 | 第20-21页 |
| 3.2 专利数据获取 | 第21-23页 |
| 3.2.1 专利数据源的选择 | 第21页 |
| 3.2.2 专利数据的获取与存储 | 第21-23页 |
| 3.3 专利文本预处理 | 第23-25页 |
| 3.3.1 专利文本的分词处理 | 第23-24页 |
| 3.3.2 专利文本的停用词过滤 | 第24页 |
| 3.3.3 专利文本的词干化处理 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 专利文本聚类研究 | 第26-43页 |
| 4.1 专利文本聚类的总体设计 | 第26-27页 |
| 4.2 基于N-gram模型的专利文本特征选择方法 | 第27-28页 |
| 4.3 基于TF-IDF和Word2Vec的专利文本向量表示方法 | 第28-32页 |
| 4.4 基于K-means算法的专利文本聚类的研究 | 第32-34页 |
| 4.4.1 基于K-means算法的专利文本聚类 | 第32-33页 |
| 4.4.2 基于N-gram模型的簇主题识别 | 第33-34页 |
| 4.5 实验设计及结果分析 | 第34-41页 |
| 4.5.1 实验语料选择 | 第34页 |
| 4.5.2 实验环境 | 第34-35页 |
| 4.5.3 评价方法 | 第35-36页 |
| 4.5.4 专利文本聚类结果分析 | 第36-41页 |
| 4.5.5 基于N-gram模型的簇主题识别实验 | 第41页 |
| 4.6 本章小结 | 第41-43页 |
| 第五章 专利地图可视化研究 | 第43-47页 |
| 5.1 基于专利文本聚类的发明人与专利权人分析地图的研究 | 第43-44页 |
| 5.2 基于专利文本聚类的专利散点图的研究 | 第44-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 专利地图软件系统的设计实现与实验分析 | 第47-75页 |
| 6.1 系统的总体设计 | 第47-55页 |
| 6.1.1 开发平台 | 第47页 |
| 6.1.2 系统框架设计 | 第47-48页 |
| 6.1.3 系统流程设计 | 第48-49页 |
| 6.1.4 系统数据库设计 | 第49-50页 |
| 6.1.5 系统主要功能模块设计 | 第50-55页 |
| 6.2 系统的实现 | 第55-66页 |
| 6.2.1 用户登录注册模块的的实现 | 第55页 |
| 6.2.2 专利数据采集模块的实现 | 第55-59页 |
| 6.2.3 专利数据预处理模块的实现 | 第59页 |
| 6.2.4 专利数据聚类模块的实现 | 第59-63页 |
| 6.2.5 专利地图可视化模块的实现 | 第63-66页 |
| 6.3 实验分析 | 第66-74页 |
| 6.3.1 专利散点地图的绘制 | 第68页 |
| 6.3.2 发明人与专利权人分析图的绘制 | 第68-74页 |
| 6.4 本章小结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 总结 | 第75页 |
| 7.2 展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-79页 |
