| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-23页 |
| 1.1 课题研究的背景和意义 | 第12-14页 |
| 1.1.1 课题背景 | 第12-13页 |
| 1.1.2 课题的提出及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-20页 |
| 1.2.1 专利研究概况 | 第14-15页 |
| 1.2.2 主题网络爬虫研究现状 | 第15-17页 |
| 1.2.3 专利文本分类研究现状 | 第17-18页 |
| 1.2.4 潜在设计需求分析研究现状 | 第18-19页 |
| 1.2.5 专利知识辅助产品创新设计方法研究现状 | 第19-20页 |
| 1.3 研究内容 | 第20-21页 |
| 1.3.1 研究背景 | 第20-21页 |
| 1.3.2 研究重点 | 第21页 |
| 1.4 论文的体系结构 | 第21-23页 |
| 2 专利主题网络爬虫系统的设计与实现 | 第23-36页 |
| 2.1 引言 | 第23页 |
| 2.2 爬虫系统架构 | 第23-25页 |
| 2.3 系统关键技术 | 第25-30页 |
| 2.3.1 页面采集和页面解析 | 第25-27页 |
| 2.3.2 专利筛选 | 第27-30页 |
| 2.4 系统试验与分析 | 第30-34页 |
| 2.4.1 试验一 | 第31-32页 |
| 2.4.2 试验二 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 3 基于改进Tri-training的半监督专利文本分类方法研究 | 第36-52页 |
| 3.1 引言 | 第36-37页 |
| 3.2 专利自动分类关键技术 | 第37-42页 |
| 3.2.1 专利文本特征提取方法 | 第37-39页 |
| 3.2.2 基于改进Tri-training的半监督协同训练分类方法 | 第39-42页 |
| 3.3 试验与分析 | 第42-51页 |
| 3.3.1 试验数据及设置 | 第42-45页 |
| 3.3.2 评价指标 | 第45页 |
| 3.3.3 试验结果及分析 | 第45-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 个性化专利知识推送方法研究 | 第52-74页 |
| 4.1 引言 | 第52页 |
| 4.2 协同知识模型 | 第52-57页 |
| 4.2.1 设计师模型 | 第52-53页 |
| 4.2.2 设计需求模型 | 第53-54页 |
| 4.2.3 专利知识模型 | 第54-57页 |
| 4.3 个性化专利知识推送结构框架 | 第57-66页 |
| 4.3.1 个性化专利知识推送架构 | 第57-58页 |
| 4.3.2 专利知识匹配方法 | 第58-59页 |
| 4.3.3 灵感启发知识关联度映射关系求解 | 第59-62页 |
| 4.3.4 专利知识关联度计算方法 | 第62-65页 |
| 4.3.5 潜在设计需求挖掘 | 第65-66页 |
| 4.4 个性化专利知识推送流程 | 第66-68页 |
| 4.5 实例分析 | 第68-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 基于专利知识的计算机辅助产品创新设计平台 | 第74-88页 |
| 5.1 引言 | 第74页 |
| 5.2 平台开发环境及总体框架 | 第74-80页 |
| 5.2.1 平台开发环境 | 第74-75页 |
| 5.2.2 平台的整体框架 | 第75-78页 |
| 5.2.3 平台的主要数据结构 | 第78-80页 |
| 5.3 产品创新设计及平台功能实现 | 第80-87页 |
| 5.3.1 用户管理 | 第80-81页 |
| 5.3.2 专利采集模块 | 第81-82页 |
| 5.3.3 专利自动分类模块 | 第82-83页 |
| 5.3.4 专利知识提取 | 第83-84页 |
| 5.3.5 专利知识推送 | 第84-86页 |
| 5.3.6 知识库管理 | 第86-87页 |
| 5.4 本章小结 | 第87-88页 |
| 6 总结与展望 | 第88-91页 |
| 6.1 总结 | 第88-89页 |
| 6.2 展望 | 第89-91页 |
| 参考文献 | 第91-98页 |
| 在校期间科研成果 | 第98页 |