基于SAO的专利数据驱动产品创新设计

doi:10.3969/j.issn.1004-132X.2023.15.001

摘要/Abstract

摘要： 借助大数据挖掘技术，提出基于主语-谓语-宾语（SAO）的专利数据驱动产品创新设计方法。首先通过语义依存句法挖掘专利文本数据库中的SAO结构，获取产品元件之间的作用关系信息；其次构建面向产品系统的复杂网络知识模型，并引入结构洞理论计算复杂网络中元件约束性系数，以此确定创新目标元件，并借助Word2Vec计算元件语义相似性系数，利用SAO相似性算法计算功能相似性系数；在此基础上，融合推荐算法以及组合矩阵，分别围绕结构创新、功能创新以及功能优化三个方面实现产品创新。最后以具有典型代表性的卫浴花洒产品为例，对所提方法进行了详细的演示，充分证实了所提方法的有效性和先进性。

关键词: 专利数据, 主语-谓语-宾语（SAO）, 语言模型, 复杂网络, 推荐算法

Abstract: The patent data-driven product innovation design method was proposed based on SAO using big data mining technology. Firstly， semantic dependency parsing was used to mine the SAO structure and interaction relationships among product components from patent text databases. Subsequently， a complex network knowledge model was constructed for product systems， and the constraint coefficients of components in the complex network were calculated by using structural hole theory to identify the innovative target components. Then， the semantic similarity coefficients of components were calculated using Word2Vec， and the functional similarity coefficients were calculated using SAO similarity algorithm. And the recommendation algorithm and combination matrix were integrated to achieve structural innovation， functional innovation， and functional optimization. Finally， a typical bathroom shower product was taken as an example to demonstrate the method in detail， which fully verifies the effectiveness and progressiveness of the method.

Key words: , patent data, subject-action-object（SAO）, language model, complex network, recommend scheme

中图分类号:

TH166
TP391

林文广, 刘晓东, 肖人彬. 基于SAO的专利数据驱动产品创新设计[J]. 中国机械工程, 2023, 34(15): 1765-1777.

LIN Wenguang, LIU Xiaodong, XIAO Renbin. Patent Data Driven Product Innovation Design Based on SAO[J]. China Mechanical Engineering, 2023, 34(15): 1765-1777.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2023.15.001

http://www.cmemo.org.cn/CN/Y2023/V34/I15/1765

参考文献

［1］路甬祥. 论创新设计［M］. 北京：中国科学技术出版社， 2017.
LU Yongxiang. On Innovative Design［M］. Beijing：Science and Technology of China Press， 2017.
［2］肖人彬，林文广. 数据驱动的产品创新设计研究［J］. 机械设计， 2019， 36（12）：1-9.
XIAO Renbin， LIN Wenguang. Research on Data-Driven Product Innovation Design［J］. Journal of Machine Design， 2019， 36（12）：1-9.
［3］LIN W G， LIU X D， XIAO R B. Data-driven Product Functional Configuration：Patent Data and Hypergraph［J］. Chinese Journal of Mechanical Engineering， 2022， 35（4）：108-124.
［4］肖人彬，林文广，赖荣燊，等. 数据驱动的产品大规模个性化设计研究［J］. 机械设计， 2021， 38（10）：1-14.
XIAO Renbin， LIN Wenguang， LAI Rongshen， et al. Research on the Data-driven Product Design for Mass Personalization［J］. Journal of Machine Design， 2020， 38（10）：1-14.
［5］王朝霞，邱清盈，冯培恩，等. 机械产品专利技术方案信息抽取方法［J］. 机械工程学报， 2009， 45（10）：198-206.
WANG Zhaoxia， QIU Qingying， FENG Peien， et al. Information Extraction Method of Technical Solution from Mechanical Product Patent［J］. Journal of Mechanical Engineering， 2009， 45（10）：198-206.
［6］吴扬东，张太华，刘丹，等. 复杂产品设计方案的数据驱动多属性优化决策［J］. 中国机械工程， 2020， 31（7）：865-870.
WU Yangdong， ZHANG Taihua， LIU Dan， et al. Data-driven Multi-attribute Optimization Decision-making for Complex Product Design Schemes［J］. China Mechanical Engineering， 2020， 31（7）：865-870.
［7］陈亮，窦昊，魏煌，等. 基于质量功能展开、发明问题解决理论和仿生学的产品创新设计［J］. 中国机械工程， 2020， 31（11）：1285-1295.
CHEN Liang， DOU Hao， WEI Huang， et al. Product Innovation Design Based on QFD， TRIZ and Bionics［J］. China Mechanical Engineering， 2020， 31（11）：1285-1295.
［8］刘江南，姜光，卢伟健，等. TRIZ工具集用于驱动产品创新及生态设计方法研究［J］. 机械工程学报， 2016， 52（5）：12-21.
LIU Jiangnan， JIANG Guang， LU Weijian， et al. Driving Innovative and Ecological Design of Product Development by Utilizing TRIZ Tools［J］. Journal of Mechanical Engineering， 2016， 52（5）：12-21.
［9］林文广，赖荣燊，肖人彬. 基于复杂网络的专利数据驱动的产品创新设计［J］. 中国机械工程， 2020， 31（7）：842-852.
LIN Wenguang， LAI Rongshen， XIAO Renbin. Patent Data-driven Product Innovative Design Based on Complex Network［J］. China Mechanical Engineering， 2020， 31（7）：842-852.
［10］梁艳红，檀润华，马建红. 面向产品创新设计的专利文本分类研究［J］. 计算机集成制造系统， 2013， 19（2）：382-390.
LIANG Yanhong， TAN Runhua， MA Jianhong. Study on Patent Text Classification for Product Innovative Design［J］. Computer Integrated Manufacturing Systems， 2013， 19（2）：382-390.
［11］邱清盈，冀瑜，冯培恩. 基于国际专利分类表知识社团发现和重组的功能创新策略［J］. 机械工程学报， 2016， 52（23）：43-49.
QIU Qingying， JI Yu， FENG Peien. Functional Innovation Strategies Based on IPC Knowledge Community Detection and Reorganization［J］. Journal of Mechanical Engineering， 2016， 52（23）：43-49.
［12］李少波，吴正，杨观赐，等. 基于类比设计的专利知识挖掘算法［J］. 计算机集成制造系统， 2017， 23（11）：2344-2352.
LI Shaobo， WU Zheng， YANG Guanci， et al. Patent Mining Algorithm Based on Analogy Design［J］. Computer Integrated Manufacturing Systems， 2017， 23（11）：2344-2352.
［13］陈志泊，李钰曼，许福，等. 基于TextRank和簇过滤的林业文本关键信息抽取研究［J］. 农业机械学报， 2020， 51（5）：207-214.
CHEN Zhibo， LI Yuman， XU Fu， et al. Key Information Extraction of Forestry Text Based on Text Rank and Clusters Filtering［J］. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（5）：207-214.
［14］DUFLOU J R， VERHAEGEN P A. Systematic Innovation Through Patent Based Product Aspect Analysis［J］. CIRP Annals， 2011， 60（1）：203-206.
［15］PARK S， JUN S. Technological Cognitive Diagnosis Model for Patent Keyword Analysis［J］. ICT Express， 2020， 6（1）：57-61.
［16］CHEN L， XU S， ZHU L， et al. A Deep Learning Based Method for Extracting Semantic Information from Patent Documents［J］. Scientometrics， 2020， 125（1）：289-312.
［17］CHOETKIERTIKUL M， DAM H K， TRAN T， et al. Automatically Recommending Components for Issue Reports Using Deep Learning［J］. Empirical Software Engineering， 2021， 26（2）：1-39.
［18］YOON J， JEONG B， KIM M， et al. An Information Entropy and Latent Dirichlet Allocation Approach to Noise Patent Filtering［J］. Advanced Engineering Informatics， 2021， 47：101243.
［19］ZHANG Y， ZHANG G， CHEN H， et al. Topic Analysis and Forecasting for Science， Technology and Innovation：Methodology with a Case Study Focusing on Big Data Research［J］. Technological Forecasting and Social Change， 2016， 105：179-191.
［20］曹国忠，杨雯丹，刘新星. 基于主体-行为-客体（SAO）三元结构的专利分析方法研究综述［J］. 科技管理研究， 2021， 41（4）：158-167.
CAO Guozhong， YANG Wendan， LIU Xinxing. Review of Patent Analysis Methods Based on Subject-action-object Ternary Structure［J］. Science and Technology Management Research， 2021， 41（4）：158-167.
［21］HE C， LI Z， WANG S， et al. A Systematic Data-mining-based Methodology for Product Family Design and Product Configuration［J］. Advanced Engineering Informatics， 2021， 48：101302.
［22］HAN X， ZHU D， WANG X， et al. Technology Opportunity Analysis：Combining SAO Networks and Link Prediction［J］. IEEE Transactions on Engineering Management， 2021， 68（5）：1288-1298.
［23］FENG Y， ZHAO Y， ZHENG H， et al. Data-driven Product Design toward Intelligent Manufacturing：a Review［J］. International Journal of Advanced Robotic Systems， 2020， 17（2）：1-18.
［24］吴颖文，纪杨建，顾新建. 基于专利动态复杂网络的产业共性技术预测［J］. 计算机集成制造系统， 2020， 26（12）：3185-3194.
WU Yingwen， JI Yangjian， GU Xinjian. Industrial Generic Technology Prediction Based on Dynamic Complex Network of Patents［J］. Computer Integrated Manufacturing Systems， 2020， 26（12）：3185-3194.
［25］LI H， YUAN J， TAN R， et al. Design around Bundle Patent Portfolio Based on Technological Evolution［J］. Chinese Journal of Mechanical Engineering， 2019， 32（1）. 86-98.
［26］WANG X， REN H， CHEN Y， et al. Measuring Patent Similarity with SAO Semantic Analysis［J］. Scientometrics， 2019， 121：1-23.
［27］HUANG Z， GUO X， LIU Y， et al. A Smart Conflict Resolution Model Using Multi-layer Knowledge Graph for Conceptual Design［J］. Advanced Engineering Informatics， 2023， 55：101887.
［28］OH M， JANG H， KIM S， et al. Main Path Analysis for Technological Development Using SAO Structure and DEMATEL Based on Keyword Causality［J］. Scientometrics， 2023， 1（1）：1-26.
［29］LI D， LEI Z L， SONG B Y， et al. Neural Attentional Relation Extraction with Dual Dependency Trees［J］. Journal of Computer Science and Technology， 2022， 37（6）：1369-1381.
［30］CHENG K F， YUE Y A， SONG Z W. Sentiment Classification Based on Part-of-speech and Self-attention Mechanism［J］. IEEE Access， 2020， 8：16387-16396.
［31］LU J H， WEN G H， LU R Q， et al. Networked Knowledge and Complex Networks：an Engineering View［J］. IEEE-CAA Journal of Automatica Sinica， 2022， 9（8）：1366-1383.
［32］BURT R S. Structural Holes［M］. Cambridge：Harvard University Press， 1995.
［33］LIN W G， LIU X D， XIAO R B. Research on Product Core Component Acquisition Based on Patent Semantic Network［J］. Entropy， 2022， 24（4）：549-569.
［34］MIKOLOV T， CHEN K， CORRADO G， et al. Efficient Estimation of Word Representations in Vector Space［EB/OL］. https：∥arxiv. org/pdf/1301. 3781. pdf.
［35］BAEK J W， CHUNG K Y. Multimedia Recommendation Using Word2Vec-based Social Relationship Mining［J］. Multimedia Tools and Applications， 2021， 80（26）：34499-34515.
［36］SRENSEN T. A Method of Establishing Groups of Equal Amplitude in Plant Sociology Based on Similarity of Species and Its Application to Analyses of the Vegetation on Danish Commons［J］. Kongelige Danske Videnskabernes Selskab， 1948， 5（4）：1-34.
［37］MAMMOLA S. Assessing Similarity of N-dimensional Hypervolumes：Which Metric to Use?［J］. Journal of Biogeography， 2019， 46（9）：2012-2023.
［38］ZHAN Y Z， TAN K H， JI G， et al. A Big Data Framework for Facilitating Product Innovation Processes［J］. Business Process Management Journal， 2017， 23（3）：518-536.
［39］HE C， LI Z， WANG S， et al. A Systematic Data-mining-based Methodology for Product Family Design and Product Configuration［J］. Advanced Engineering Informatics， 2021， 48：101302.
［40］黄震华，张佳雯，张波，等. 语义推荐算法研究综述［J］. 电子学报， 2016， 44（9）：2262-2275.
HUANG Zhenhua， ZHANG Jiawen， ZHANG Bo， et al. Survey of Semantics-based Recommendation Algorithms［J］. Acta Electronica Sinica， 2016， 44（9）：2262-2275.
［41］VITELLI V， SORENSEN O， CRISPINO M， et al. Probabilistic Preference Learning with the Mallows Rank Model［J］. Journal of Machine Learning Research， 2018， 18：1-49.
［42］RENIERS G， SORENSEN K， DULLAERT W. A Multi-attribute Systemic Risk Index for Comparing and Prioritizing Chemical Industrial Areas［J］. Reliability Engineering & System Safety， 2012， 98（1）：35-42.
［43］肖人彬，赖荣燊，李仁旺. 从大规模定制化设计到大规模个性化设计［J］. 南昌工程学院学报， 2021， 40（1）：1-12.
XIAO Renbin， LAI Rongshen， LI Renwang. From Design for Mass Customization to Design for Mass Personalization［J］. Journal of Nanchang Institute of Technology， 2021， 40（1）：1-12.

[1]	吴庭伟, 王梦灵, 易树平, 郭景任. 多尺度核电质量文本故障信息语义抽取方法[J]. 中国机械工程, 2023, 34(08): 976-981,992.
[2]	杨桄, 李文强, 万昌富, . 面向核心问题的系统原因识别方法与创新设计研究[J]. 中国机械工程, 2022, 33(15): 1810-1820.
[3]	林文广, 赖荣燊, 肖人彬. [数据驱动的产品设计]基于复杂网络的专利数据驱动的产品创新设计[J]. 中国机械工程, 2020, 31(07): 842-852.
[4]	张峰1, 杨育1, 贾建国1, 2, 王家天2. 基于无向加权图的协同生产网络脆弱性分析方法[J]. 中国机械工程, 2012, 23(10): 1216-1220.
[5]	徐玉国, 刘冠军, 邱静, 苏永定. 装备自主维修保障技术体系研究 [J]. 中国机械工程, 2010, 21(14): 1704-1708.
[6]	刘夫云;祁国宁;. 产品模块化程度评价方法研究 [J]. J4, 2008, 19(8): 0-885,.