基于知识图谱的专利侵权风险预警研究

doi:10.3772/j.issn.1000-0135.2024.08.009

情报学报

2024, Vol. 43

Issue (8): 992-1002 DOI: 10.3772/j.issn.1000-0135.2024.08.009

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

基于知识图谱的专利侵权风险预警研究

丁晟春, 秦天允, 王艺霖

南京理工大学经济管理学院信息管理系，南京 210094

Patent Infringement Risk Early Warning: Using Knowledge Graphs

Ding Shengchun, Qin Tianyun, Wang Yilin

Department of Information Management, School of Economics & Management, Nanjing University of Science & Technology, Nanjing 210094

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (2211 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要同一领域产品的专利技术具有高技术关联度等特征，企业在生产经营活动中面临着专利侵权的潜在风险，立足于企业专利侵权预警的实际需求，高效、准确地检测产品存在的专利侵权风险具有重要意义。由此，本文提出了专利侵权风险预警模型，该模型重新定义了领域专利知识图谱、产品技术方案图谱的模式层，涵盖了组件实体、结构实体和功效实体三类实体类型，以及组成关系、相对位置关系、连接关系和功效达成关系四类实体关系；基于BERT（bidirectional encoder representations from transformers）和BiLSTM（bi-directional long short-term memory）模型构建专利知识图谱和产品技术方案知识图谱；基于ComplEx模型实现知识图谱的嵌入，实现产品和专利技术之间相似度的量化计算，并根据专利侵权风险指数做出侵权预警。以空气加湿器和耳机两类产品进行实证研究，专利侵权预警准确率为86.67%，具有一定的应用价值。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	丁晟春
	秦天允
	王艺霖

关键词 ：知识图谱, 专利侵权, 图相似度

收稿日期: 2023-10-23

基金资助:江苏省社会科学基金项目“面向突发事件应急决策的知识服务智能化研究”（20TQB004）。

作者简介: 丁晟春，女，1971年生，硕士，教授，硕士生导师，主要研究领域为数据挖掘与知识工程等；秦天允，通信作者，女，1999年生，硕士研究生，主要研究领域为数据挖掘与知识工程，E-mail：565219981@qq.com；王艺霖，女，1998年生，硕士研究生，主要研究领域为数据挖掘与商务智能；

引用本文:

丁晟春, 秦天允, 王艺霖. 基于知识图谱的专利侵权风险预警研究[J]. 情报学报, 2024, 43(8): 992-1002.
Ding Shengchun, Qin Tianyun, Wang Yilin. Patent Infringement Risk Early Warning: Using Knowledge Graphs. 情报学报, 2024, 43(8): 992-1002.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2024.08.009 或 https://qbxb.istic.ac.cn/CN/Y2024/V43/I8/992

1 刘嘉龙, 丁晟春. 产业领域前沿专利技术识别方法研究——以人工智能领域为例[J]. 信息资源管理学报, 2021, 11(6): 95-104, 115.
2 Manso G. Motivating innovation[J]. The Journal of Finance, 2011, 66(5): 1823-1860.
3 翟东升, 蔡文浩, 张杰, 等. 基于图相似度的专利侵权检测方法研究[J]. 图书情报工作, 2018, 62(5): 97-105.
4 张利英, 郭建平. 21世纪初世界科技走向及我国科技安全环境研究[J]. 科技进步与对策, 2004, 21(2): 14-16.
5 林俊. 专利预警综合指标体系运用研究[J]. 中国发明与专利, 2018, 15(3): 94-97.
6 马俊杰, 马利娟, 景晨思, 等. 企业专利侵权判定方法及应对策略研究[J]. 航天工业管理, 2021(5): 45-49.
7 吕学强, 罗艺雄, 李家全, 等. 中文专利侵权检测研究综述[J]. 数据分析与知识发现, 2021, 5(3): 60-68.
8 Lee C Y, Song B M, Park Y. How to assess patent infringement risks: a semantic patent claim analysis using dependency relationships[J]. Technology Analysis and Strategic Management, 2013, 25(1): 23-38.
9 邓亮, 曹存根. 一种专利知识图谱的构建方法[J]. 计算机科学, 2022, 49(11): 185-196.
10 李家全, 李宝安, 游新冬, 等. 基于专利知识图谱的专利术语相似度计算研究[J]. 数据分析与知识发现, 2020, 4(10): 104-112.
11 韩程程, 李磊, 刘婷婷, 等. 语义文本相似度计算方法[J]. 华东师范大学学报(自然科学版), 2020(5): 95-112.
12 徐英卓, 贾欢. 基于树结构的本体概念相似度计算方法[J]. 计算机系统应用, 2017, 26(3): 275-279.
13 于梦波, 杜建强, 罗计根, 等. 基于知识表示学习的知识图谱补全研究进展[J]. 计算机工程与应用, 2023, 59(18): 59-73.
14 祝德刚, 宫琳, 唐圣, 等. 基于专利知识图谱的产品创新概念设计方法[J]. 计算机集成制造系统, 2022, 28(11): 3599-3614.
15 朱惠, 王昊, 苏新宁, 等. 汉语领域术语非分类关系抽取方法研究[J]. 情报学报, 2018, 37(12): 1193-1203.
16 ?ari? J, Jensen L J, Ouzounova R, et al. Extraction of regulatory gene/protein networks from Medline[J]. Bioinformatics, 2006, 22(6): 645-650.
17 Yang Z H, Lin H F, Li Y P. BioPPISVMExtractor: a protein–protein interaction extractor for biomedical literature using SVM and rich feature sets[J]. Journal of Biomedical Informatics, 2010, 43(1): 88-96.
18 程威, 邵一帆, 钱龙华, 等. 基于最短依存路径和集成学习的化学物蛋白质关系抽取[J]. 中文信息学报, 2021, 35(4): 58-65.
19 于丽娅, 王自勤. 基于创新性评估的机电产品专利知识挖掘系统[J]. 机械设计与制造, 2017(9): 86-89, 93.
20 董文斌, 战洪飞, 余军合, 等. 机械产品专利知识的提取和应用[J]. 机械制造, 2021, 59(8): 1-8.
21 俞琰, 尚明杰, 赵乃瑄. 权利要求特征驱动的专利关键词抽取方法[J]. 情报学报, 2021, 40(6): 610-620.
22 王传栋, 徐娇, 张永. 实体关系抽取综述[J]. 计算机工程与应用, 2020, 56(12): 25-36.
23 Zhang Y Q, Yao Q M, Shao Y X, et al. NSCaching: simple and efficient negative sampling for knowledge graph embedding[C]// Proceedings of the 2019 IEEE 35th International Conference on Data Engineering. Piscataway: IEEE, 2019: 614-625. 责任编辑冯家琪）