1 引言
作为知识的载体，专利包含大量的新原理、新技术等创新知识，对产品的创新设计具有重要的参考和启发价值[1]。而这些创新知识通常蕴藏于以自然语言描述的专利文献之中，需要经过人工专家阅读、归纳、分析后结合个体知识总结提取，难以根据专利文字直接获取，因此，借助计算机技术辅助设计人员检索专利文献并对专利中的知识进行提取并将其应用于辅助创新设计成为研究的热点[2-3]。
利用自动化工具进行专利分析不仅可以降低专利分析专家进行人工分析的工作强度，而且可以加快分析过程。目前，国内外学者在专利文献的自动处理和分析方面开展了大量研究并取得了很多卓有成效的研究成果。文献[4]提出了针对英文专利包括技术对象和技术关系两方面提取任务的专利作用结构知识提取方法，建立了基于可扩展标记语言结构XSD表示和统一建模语言UML的专利作用结构知识表示模型。文献[5]通过从IPC中提取并分析功能动词的共现关系，构建功能动词共现网络。使用Newman贪婪算法对功能动词共现网络进行社团发现，以实现产品功能创新。文献[6]提出了一种基于SAO的文本挖掘方法，通过挖掘和审查专利信息开发技术树（TechTree）。文献[7]提出了基于语义分析的方法来识别具有高度新颖性的专利中的发明。文献[8]开发了一种用于检索和分析专利的集成系统，称为专利检索和分析平台（PRAP），以帮助公司更有效地管理专利文件。文献[9]提出一种基于SAO称为TechPercepto的智能专利分析系统，利用语法分析与NLP提取每个专利的功能信息。文献[10]研究了专利检索、专利预处理、专利知识提取、专利知识辅助创新等关键技术，并开发了基于专利知识的机械产品辅助创新系统。以上研究与系统应用为专利知识的分析挖掘和重用提供了大量的研究成果，但围绕在海量机电产品专利文档中筛选创新层次较高文献并提取设计知识的研究较少。
结合现有国内外研究基础并引入基于设计知识创新性评估，提出了基于设计知识创新性评估的机电产品专利知识挖掘系统框架，针对机电产品专利设计知识的表达方法、创新性评估、及专利知识提取等关键问题开展研究，开发了机电产品专利知识挖掘原型系统，通过筛选出设计知识较新的强创新性专利，减小知识挖掘过程的挖掘时间和计算机内存消耗，提供启发性更强的设计知识，为机电产品专利知识的发现组织及重用提供一种有效途径。
2 机电产品专利知识挖掘系统框架
通过构建基于设计知识创新性评估的机电产品专利知识挖掘系统，建立发明原理、设计知识与专利之间的联系。系统包括专利检索、设计方案、理论支持、用户管理、数据库管理五大模块。其中，专利检索为系统的核心功能，给用户提供通过专利基本信息（如申请号、专利作者等）、发明原理（编号或者原理名称）、主要设计知识（动词+名词）、创新区间等条件检索出用于辅助创新的相关专利文献。设计人员根据拟解决的问题，通过在系统中查询归属于该分类的专利文献从而获得启发。同时也可根据产品功能结构知识在系统中输入设计知识借鉴已有的产品功能实现方法。系统框架，如图1所示。
图1 机电产品专利知识挖掘系统框架Fig.1 Patent Knowledge Mining System framework for Mechanical and Electrical Products
3 专利知识挖掘系统关键技术
3.1 机电产品专利设计知识表示方法
专利显性知识能够直接从专利文本中提取，如申请人，申请时间，专利号，产品所使用的材料、几何关系等。而专利隐性知识是设计人员发明过程中所采用的启发原理、灵感设计、功能效应等。这些隐含的设计知识分布在专利的上下文语境当中，需要结合文本挖掘，人工智能等领域知识挖掘，提取较为困难[11]。
机电产品专利文献中包含的知识有：（1）基本知识：专利申请日期、专利发明人、零件材料、几何关系；（2）原理知识：专利所描述的产品改进隐含的发明原理；（3）设计知识：设计者改进产品中技术效应；（4）结构知识：描述产品的相对组成关系、零件制造原料、空间相对位置。原理知识及设计知识能给予设计者更大的参考性，是知识提取的重点[12]。机电产品专利知识结构表达，如图2所示。
图2 机电产品专利知识结构图Fig.2 Patent Knowledge Structure of Mechanical and Electrical Products
根据上述分析，机电产品专利可以表示成为五元组：S=｛A，B，C，D，E｝。其中A元组作为专利的唯一标识，包含专利的申请人，申请时间，专利号等基本信息；B元组包含专利的原理知识，通常情况下为支撑冲突现象解决问题的发明原理；C元组包含专利的设计知识；D元组为附加信息，描述专利的创新层次信息。E为专利来源，为原文来源链接，设计者需要更详尽的专利信息时直接访问。
3.2 专利设计知识创新性评估
依据专利文献组成结构，研究计算机自动评估专利创新性的评估方法。通过评估筛选出设计知识较新的强创新性专利，不仅可以减小知识挖掘过程的挖掘时间和计算机内存消耗，还能给设计者提供更具有启发式的设计知识[13]。
设第i篇专利的知识向量为Vi，Wi/j为矢量Vi特征项，且Wi/j∈Vi，第k篇专利的知识向量为Vk，则第i篇专利相对于第k篇专利的相对向量空间余弦相似度cos（θ）i/k为：
式中：n—知识向量特征总数。若所有专利文献的总量为m，根据相对向量空间余弦度可以得到第i篇专利相对与其它专利文献的向量空间余弦相似度Ri：
式中：Ri—［0，1］之间的实数，理论上 Ri越趋近于 0，该篇专利方案的创新层次越高，考虑到机械领域存在着约定俗成的词汇表达以及常用的机械零件词汇，如“齿轮”与“啮合”等，Ri很难趋近于0，因此需设定合理的阀值划分专利方案的创新层次，课题组研究阅读机械领域相关专利后，设定划分专利创新层次的阀值，如表1所示。
表1 专利创新性评估阈值Tab.1 Patent Innovation evaluation Threshold区间划分 Ⅰ类区间 Ⅱ类区间 Ⅲ类区间Ri Ri≤0.4 0.4＜Ri≤0.7 Ri＞0.7创新层次 强 一般 弱
位于Ⅰ类区间的专利文本专利知识与其他专利文本专利知识相似度处于较低水平，如表1所示。包含较多开创性知识，在预处理阶段全部保留，评估结果按Ri值从小到大排列，创新层次高的专利具有更高的推荐级；位于Ⅱ类区间专利文本相似度上升，专利包含更多针对以往专利的完善性知识，具有一定的参考价值。而Ⅲ类区间专利文本创新层次较低，在预处理阶段予以舍弃。基于VSM表征专利文本，该模型通过特征替代专利动名词短语词集，使用文档频率法抽取专利文本特征。专利知识创新性评估流程，如图3所示。
图3 创新性评估流程图Fig.3 Innovative evaluation Flow Chart
根据创新性评估流程图，其详细计算过程如下：
（1）从专利数据库选取满足某一功能需求的专利方案m个；
（2）从选取的m个专利方案中抽取技术原理以及结构设计知识特征向量，并设定特征向量集合纬度，形成m个特征向量；
（3）由式（1）计算第i篇专利方案与第k篇专利方案的空间向量余弦相似度；并重复此步骤直至第i篇专利方案与其余的（m-1）个专利方案的空间向量空间余弦相似度计算完成；
（4）由式（2）计算第i篇专利在选取的所有专利方案的全局向量空间余弦相似度；确定全局向量空间余弦相似度区间；
（5）重复步骤3以及步骤4计算选取的各专利方案的向量空间余弦相似度，根据创新区间判断专利创新性，最后将计算结果并存入相应数据库。
3.3 专利知识提取
研究机电产品专利知识获取的方法，就是在专家人工抽取知识基础上，能够使计算机自动从专利文本中（标题：T，摘要：D，技术领域：TA，权利要求：C，发明内容B，附加信息Ap）提取专利知识向量S中的A，B，C，D，E五个元组知识。这一过程是自然文本域向空间向量知识域的映射过程。在知识向量空间中，A元组所采集的专利申请人、专利申请时间、专利号等信息，以及E元组所包含的专利链接等基本信息可以方便的从专利数据库中获取，而产品的名称通常也包含在专利标题中，实现计算机自动提取较为简单。B，C，D元组知识采集需要设定特殊的提取规则，指导计算机提取知识信息[14-15]。
由于如上所述描述的组成类动词通常词汇量较为有限，通过建立组成类动词分类库，即可采用层属动词和作用类动词（非组成类动词）为识别核心进行提取，方法如下：
（1）经过预处理后的专利文本，运用分词算法将专利文本切分为词集，而后针对分词结果开展词性标注，筛选出动名词词性的词语或者词组得到词集D1。这部分基于ICTCLAS工具完成。
（2）D1中的文本存在较多的词性兼类结果，运用本小节所述的层属动词词库以及作用动词词库作为语料库，进行二次词性标注得到词集D2。
（3）运用依存文法处理词集D2，可以得到一棵描述语言单位内成分之间的依存关系的依存树，该依存树中包含了该专利文本的多个“动词”+“名词”的功能基组合。
4 系统实现
基于上述关键技术研究，系统以C/S为架构模式，Visual Studio2012作为集成开发环境，开发语言选择面向对象开发语言C#，知识库数据存储介质为关系性数据库SQLServer2012。系统分别布置于接入的各客户端上，用户通过安装的可执行程序执行系统的相应的功能。通过统一部署的服务器存放结构化表达后的知识信息，而服务器与客户端通过互联网进行交互。
4.1 发明原理自动提取
使用OCR识别技术将专利文献转换为结构化的XML格式数据，并导入系统。针对导入后的专利文本，第一步开展专利预处理工作，包括专利代表成分选择及专利创新性评估两部分。勾选“是否评估创新性”复选框后激活“评估参数配置”按钮，点击该按钮配置创新性评估参数。第二步对文本分词工具，特征选择选择，特征维数等选项配置后可以得到专利的向量表达。在第三步开始专利发明原理自动分类，可以选择本系统采用的MLKNN算法的K值以及待分类文本所在文件路径，最后以类标为3号的发明原理表示分类结果，如图4所示。
图4 发明原理自动提取界面Fig.4 Automatic Extraction Interface of Inventive Principle
4.2 创新性评估
对于机电产品专利文献，采用创新性评估方法可以筛选出创新层次较高的专利便于后续的处理工作。专利创新性评估界面，如图5所示。通过词频统计及词性标注获取专利原理知识及结构知识，然后设定评估创新性的阀值节点，最后通过设定专利数量、原理词频、结构词频开展创新评估。
图5 创新性评估界面Fig.5 Innovative evaluation Interface
4.3 设计知识提取
设计知识的提取需要经过词性标注、依存分析两个步骤。通过词性标注将经过预处理的专利文本筛选为动词及名词，而后经过依存文法解析句子结构，得到专利通用功能基，该功能表达了该产品的设计知识。CNA专利的设计知识提取，如图6所示。
图6 设计知识提取页面Fig.6 Design Knowledge Extraction Page
5 应用实例
油辣椒固液混合体由于密度不均，流动性差的特点导致油辣椒难以实现自动化灌装。目前企业采用的搅拌器将搅拌浆固定在转轴上，通过轴的正反交替转动实现搅拌功能。这种搅拌器存在转轴附近搅拌作用较低，仅能环向搅拌物料等缺点。而该灌装机选择定量容器作为灌装定量方案，物料搅拌的不充分导致不同时刻进入定量容器的密度不一致，从而影响最后成品的质量。
根据现有问题的描述，在现有搅拌器的基础上，希望对产品结构进行创新设计，改进搅拌器轴心搅拌作用，并使搅拌器能够多向进行搅拌。为改变搅拌器形状而不影响其可维修性，基于TRIZ理论的矛盾矩阵表，确定可以使用维数变化，反向作用，分割，抽取等发明原理启发创新设计。利用构建的专利知识库检索到的部分相关发明原理专利信息，如表2所示。
表2 专利知识库检索结果Tab.2 Retrieval Results of Patent Knowledge base发明原理 专利公开号 专利名称17 CNA 一种二层法双面挠性覆铜板CNA 一种锯削式采煤机及其操作方法CNA 一种金属燃料挤压成型设备13 CNB 底座与汽车挂钩的手拉解锁机构CNA 容量瓶固定洗涤干燥器及使用方法CNA 一种横置石板单板单向磨边装置1 CNY 一种分体式空气压缩机CNU 一种多功能组合衣帽架结构CNA 一种基于金属贴片控制频率和耦合的双模介质滤波器2 CNA 摄像头反光器CNU 高隔离频率选段器CNA 分离式平衡轮机构
专利CNA（一种金属燃料挤压成型设备）使用双螺旋结构完成送料，解决传统加料装置引起的漏粉问题，受此启发，考虑将搅拌器叶片设计为双螺旋结构，该结构对物料破坏作用较小，且搅拌方向不局限于环向，相较传统搅拌方法，其搅拌方向更加复杂，物料搅拌效果更加均匀。此外，根据专利CNA（分离式平衡轮机构）中平衡轮装配方法启发，取消传统搅拌器中的长轴设计，将螺旋结构搅拌叶片与两个短轴头连接，该改进可以消除长轴周围搅拌不均匀的问题，减少长轴清洗时间，且不增加其维护难度。改进后的搅拌器，如图7所示。该设计已经申请并取得国家发明专利。
图7 改进后的油辣椒搅拌器模型Fig.7 The Improved Model of Chilli Oil Blender
6 结论
为从海量专利文档中挖掘出创新层次较高的专利文献并有效提取专利中蕴含的设计知识，以机电产品专利为研究对象，提出了基于设计知识创新性评估的机电产品专利知识挖掘系统框架。研究了机电产品专利设计知识表达方法；基于专利文献中的动名词短语进行创新层次特征抽取，并利用余弦相似度原理，设计了基于向量空间的专利设计知识创新性评估算法；结合依存文法、词性标注等计算语言学关键技术提出一种机械产品专利功能知识提取方法。开发了机电产品专利知识挖掘原型系统，并通过油辣椒搅拌器的创新设计过程验证了方案的可行性，为机电产品专利知识的发现组织及重用提供一种有效途径。下一步将继续进行深层次的语义分析，以获取更精确的语义信息，同时进一步提高专利知识提取精度和效率。
1 引言
作为知识的载体，专利包含大量的新原理、新技术等创新知识，对产品的创新设计具有重要的参考和启发价值[1]。而这些创新知识通常蕴藏于以自然语言描述的专利文献之中，需要经过人工专家阅读、归纳、分析后结合个体知识总结提取，难以根据专利文字直接获取，因此，借助计算机技术辅助设计人员检索专利文献并对专利中的知识进行提取并将其应用于辅助创新设计成为研究的热点[2-3]。
利用自动化工具进行专利分析不仅可以降低专利分析专家进行人工分析的工作强度，而且可以加快分析过程。目前，国内外学者在专利文献的自动处理和分析方面开展了大量研究并取得了很多卓有成效的研究成果。文献[4]提出了针对英文专利包括技术对象和技术关系两方面提取任务的专利作用结构知识提取方法，建立了基于可扩展标记语言结构XSD表示和统一建模语言UML的专利作用结构知识表示模型。文献[5]通过从IPC中提取并分析功能动词的共现关系，构建功能动词共现网络。使用Newman贪婪算法对功能动词共现网络进行社团发现，以实现产品功能创新。文献[6]提出了一种基于SAO的文本挖掘方法，通过挖掘和审查专利信息开发技术树（TechTree）。文献[7]提出了基于语义分析的方法来识别具有高度新颖性的专利中的发明。文献[8]开发了一种用于检索和分析专利的集成系统，称为专利检索和分析平台（PRAP），以帮助公司更有效地管理专利文件。文献[9]提出一种基于SAO称为TechPercepto的智能专利分析系统，利用语法分析与NLP提取每个专利的功能信息。文献[10]研究了专利检索、专利预处理、专利知识提取、专利知识辅助创新等关键技术，并开发了基于专利知识的机械产品辅助创新系统。以上研究与系统应用为专利知识的分析挖掘和重用提供了大量的研究成果，但围绕在海量机电产品专利文档中筛选创新层次较高文献并提取设计知识的研究较少。
结合现有国内外研究基础并引入基于设计知识创新性评估，提出了基于设计知识创新性评估的机电产品专利知识挖掘系统框架，针对机电产品专利设计知识的表达方法、创新性评估、及专利知识提取等关键问题开展研究，开发了机电产品专利知识挖掘原型系统，通过筛选出设计知识较新的强创新性专利，减小知识挖掘过程的挖掘时间和计算机内存消耗，提供启发性更强的设计知识，为机电产品专利知识的发现组织及重用提供一种有效途径。
2 机电产品专利知识挖掘系统框架
通过构建基于设计知识创新性评估的机电产品专利知识挖掘系统，建立发明原理、设计知识与专利之间的联系。系统包括专利检索、设计方案、理论支持、用户管理、数据库管理五大模块。其中，专利检索为系统的核心功能，给用户提供通过专利基本信息（如申请号、专利作者等）、发明原理（编号或者原理名称）、主要设计知识（动词+名词）、创新区间等条件检索出用于辅助创新的相关专利文献。设计人员根据拟解决的问题，通过在系统中查询归属于该分类的专利文献从而获得启发。同时也可根据产品功能结构知识在系统中输入设计知识借鉴已有的产品功能实现方法。系统框架，如图1所示。
图1 机电产品专利知识挖掘系统框架Fig.1 Patent Knowledge Mining System framework for Mechanical and Electrical Products
3 专利知识挖掘系统关键技术
3.1 机电产品专利设计知识表示方法
专利显性知识能够直接从专利文本中提取，如申请人，申请时间，专利号，产品所使用的材料、几何关系等。而专利隐性知识是设计人员发明过程中所采用的启发原理、灵感设计、功能效应等。这些隐含的设计知识分布在专利的上下文语境当中，需要结合文本挖掘，人工智能等领域知识挖掘，提取较为困难[11]。
机电产品专利文献中包含的知识有：（1）基本知识：专利申请日期、专利发明人、零件材料、几何关系；（2）原理知识：专利所描述的产品改进隐含的发明原理；（3）设计知识：设计者改进产品中技术效应；（4）结构知识：描述产品的相对组成关系、零件制造原料、空间相对位置。原理知识及设计知识能给予设计者更大的参考性，是知识提取的重点[12]。机电产品专利知识结构表达，如图2所示。
图2 机电产品专利知识结构图Fig.2 Patent Knowledge Structure of Mechanical and Electrical Products
根据上述分析，机电产品专利可以表示成为五元组：S=｛A，B，C，D，E｝。其中A元组作为专利的唯一标识，包含专利的申请人，申请时间，专利号等基本信息；B元组包含专利的原理知识，通常情况下为支撑冲突现象解决问题的发明原理；C元组包含专利的设计知识；D元组为附加信息，描述专利的创新层次信息。E为专利来源，为原文来源链接，设计者需要更详尽的专利信息时直接访问。
3.2 专利设计知识创新性评估
依据专利文献组成结构，研究计算机自动评估专利创新性的评估方法。通过评估筛选出设计知识较新的强创新性专利，不仅可以减小知识挖掘过程的挖掘时间和计算机内存消耗，还能给设计者提供更具有启发式的设计知识[13]。
设第i篇专利的知识向量为Vi，Wi/j为矢量Vi特征项，且Wi/j∈Vi，第k篇专利的知识向量为Vk，则第i篇专利相对于第k篇专利的相对向量空间余弦相似度cos（θ）i/k为：
式中：n—知识向量特征总数。若所有专利文献的总量为m，根据相对向量空间余弦度可以得到第i篇专利相对与其它专利文献的向量空间余弦相似度Ri：
式中：Ri—［0，1］之间的实数，理论上 Ri越趋近于 0，该篇专利方案的创新层次越高，考虑到机械领域存在着约定俗成的词汇表达以及常用的机械零件词汇，如“齿轮”与“啮合”等，Ri很难趋近于0，因此需设定合理的阀值划分专利方案的创新层次，课题组研究阅读机械领域相关专利后，设定划分专利创新层次的阀值，如表1所示。
表1 专利创新性评估阈值Tab.1 Patent Innovation evaluation Threshold区间划分 Ⅰ类区间 Ⅱ类区间 Ⅲ类区间RiRi≤0.4 0.4＜Ri≤0.7 Ri＞0.7创新层次 强 一般 弱
位于Ⅰ类区间的专利文本专利知识与其他专利文本专利知识相似度处于较低水平，如表1所示。包含较多开创性知识，在预处理阶段全部保留，评估结果按Ri值从小到大排列，创新层次高的专利具有更高的推荐级；位于Ⅱ类区间专利文本相似度上升，专利包含更多针对以往专利的完善性知识，具有一定的参考价值。而Ⅲ类区间专利文本创新层次较低，在预处理阶段予以舍弃。基于VSM表征专利文本，该模型通过特征替代专利动名词短语词集，使用文档频率法抽取专利文本特征。专利知识创新性评估流程，如图3所示。
图3 创新性评估流程图Fig.3 Innovative evaluation Flow Chart
根据创新性评估流程图，其详细计算过程如下：
（1）从专利数据库选取满足某一功能需求的专利方案m个；
（2）从选取的m个专利方案中抽取技术原理以及结构设计知识特征向量，并设定特征向量集合纬度，形成m个特征向量；
（3）由式（1）计算第i篇专利方案与第k篇专利方案的空间向量余弦相似度；并重复此步骤直至第i篇专利方案与其余的（m-1）个专利方案的空间向量空间余弦相似度计算完成；
（4）由式（2）计算第i篇专利在选取的所有专利方案的全局向量空间余弦相似度；确定全局向量空间余弦相似度区间；
（5）重复步骤3以及步骤4计算选取的各专利方案的向量空间余弦相似度，根据创新区间判断专利创新性，最后将计算结果并存入相应数据库。
3.3 专利知识提取
研究机电产品专利知识获取的方法，就是在专家人工抽取知识基础上，能够使计算机自动从专利文本中（标题：T，摘要：D，技术领域：TA，权利要求：C，发明内容B，附加信息Ap）提取专利知识向量S中的A，B，C，D，E五个元组知识。这一过程是自然文本域向空间向量知识域的映射过程。在知识向量空间中，A元组所采集的专利申请人、专利申请时间、专利号等信息，以及E元组所包含的专利链接等基本信息可以方便的从专利数据库中获取，而产品的名称通常也包含在专利标题中，实现计算机自动提取较为简单。B，C，D元组知识采集需要设定特殊的提取规则，指导计算机提取知识信息[14-15]。
由于如上所述描述的组成类动词通常词汇量较为有限，通过建立组成类动词分类库，即可采用层属动词和作用类动词（非组成类动词）为识别核心进行提取，方法如下：
（1）经过预处理后的专利文本，运用分词算法将专利文本切分为词集，而后针对分词结果开展词性标注，筛选出动名词词性的词语或者词组得到词集D1。这部分基于ICTCLAS工具完成。
（2）D1中的文本存在较多的词性兼类结果，运用本小节所述的层属动词词库以及作用动词词库作为语料库，进行二次词性标注得到词集D2。
（3）运用依存文法处理词集D2，可以得到一棵描述语言单位内成分之间的依存关系的依存树，该依存树中包含了该专利文本的多个“动词”+“名词”的功能基组合。
4 系统实现
基于上述关键技术研究，系统以C/S为架构模式，Visual Studio2012作为集成开发环境，开发语言选择面向对象开发语言C#，知识库数据存储介质为关系性数据库SQLServer2012。系统分别布置于接入的各客户端上，用户通过安装的可执行程序执行系统的相应的功能。通过统一部署的服务器存放结构化表达后的知识信息，而服务器与客户端通过互联网进行交互。
4.1 发明原理自动提取
使用OCR识别技术将专利文献转换为结构化的XML格式数据，并导入系统。针对导入后的专利文本，第一步开展专利预处理工作，包括专利代表成分选择及专利创新性评估两部分。勾选“是否评估创新性”复选框后激活“评估参数配置”按钮，点击该按钮配置创新性评估参数。第二步对文本分词工具，特征选择选择，特征维数等选项配置后可以得到专利的向量表达。在第三步开始专利发明原理自动分类，可以选择本系统采用的MLKNN算法的K值以及待分类文本所在文件路径，最后以类标为3号的发明原理表示分类结果，如图4所示。
图4 发明原理自动提取界面Fig.4 Automatic Extraction Interface of Inventive Principle
4.2 创新性评估
对于机电产品专利文献，采用创新性评估方法可以筛选出创新层次较高的专利便于后续的处理工作。专利创新性评估界面，如图5所示。通过词频统计及词性标注获取专利原理知识及结构知识，然后设定评估创新性的阀值节点，最后通过设定专利数量、原理词频、结构词频开展创新评估。
图5 创新性评估界面Fig.5 Innovative evaluation Interface
4.3 设计知识提取
设计知识的提取需要经过词性标注、依存分析两个步骤。通过词性标注将经过预处理的专利文本筛选为动词及名词，而后经过依存文法解析句子结构，得到专利通用功能基，该功能表达了该产品的设计知识。CNA专利的设计知识提取，如图6所示。
图6 设计知识提取页面Fig.6 Design Knowledge Extraction Page
5 应用实例
油辣椒固液混合体由于密度不均，流动性差的特点导致油辣椒难以实现自动化灌装。目前企业采用的搅拌器将搅拌浆固定在转轴上，通过轴的正反交替转动实现搅拌功能。这种搅拌器存在转轴附近搅拌作用较低，仅能环向搅拌物料等缺点。而该灌装机选择定量容器作为灌装定量方案，物料搅拌的不充分导致不同时刻进入定量容器的密度不一致，从而影响最后成品的质量。
根据现有问题的描述，在现有搅拌器的基础上，希望对产品结构进行创新设计，改进搅拌器轴心搅拌作用，并使搅拌器能够多向进行搅拌。为改变搅拌器形状而不影响其可维修性，基于TRIZ理论的矛盾矩阵表，确定可以使用维数变化，反向作用，分割，抽取等发明原理启发创新设计。利用构建的专利知识库检索到的部分相关发明原理专利信息，如表2所示。
表2 专利知识库检索结果Tab.2 Retrieval Results of Patent Knowledge base发明原理 专利公开号 专利名称17 CNA 一种二层法双面挠性覆铜板CNA 一种锯削式采煤机及其操作方法CNA 一种金属燃料挤压成型设备13 CNB 底座与汽车挂钩的手拉解锁机构CNA 容量瓶固定洗涤干燥器及使用方法CNA 一种横置石板单板单向磨边装置1 CNY 一种分体式空气压缩机CNU 一种多功能组合衣帽架结构CNA 一种基于金属贴片控制频率和耦合的双模介质滤波器2 CNA 摄像头反光器CNU 高隔离频率选段器CNA 分离式平衡轮机构
专利CNA（一种金属燃料挤压成型设备）使用双螺旋结构完成送料，解决传统加料装置引起的漏粉问题，受此启发，考虑将搅拌器叶片设计为双螺旋结构，该结构对物料破坏作用较小，且搅拌方向不局限于环向，相较传统搅拌方法，其搅拌方向更加复杂，物料搅拌效果更加均匀。此外，根据专利CNA（分离式平衡轮机构）中平衡轮装配方法启发，取消传统搅拌器中的长轴设计，将螺旋结构搅拌叶片与两个短轴头连接，该改进可以消除长轴周围搅拌不均匀的问题，减少长轴清洗时间，且不增加其维护难度。改进后的搅拌器，如图7所示。该设计已经申请并取得国家发明专利。
图7 改进后的油辣椒搅拌器模型Fig.7 The Improved Model of Chilli Oil Blender
6 结论
文章来源：机电产品开发与创新 网址: http://jdcpkfycx.400nongye.com/lunwen/itemid-56860.shtml
上一篇： 基于Unity3D 的机电产品虚拟拆装实验系统
下一篇： 电力工业论文_第五代信号继电器厦门下线
