早期专利挖掘建立在结构化著录项数据基础上,近年来随着大数据技术、机器学习技术的兴起,专利挖掘逐步向以非结构化数据为数据源进行深层次挖掘的方向发展。本文首先对进行深层次专利挖掘所采用的专利术语提取、文档建模、专利分类聚类、知识提取等技术现状进行综述。在现有研究基础上提出本文的主要研究内容,基于语义信息的特征词选取及文档建模研究、专利文献二类聚类分析研究、针对聚类结果提取其设计知识研究。其次,本文着重介绍了研究过程中采用到的文本挖掘技术,并对文本挖掘的技术特点及其一般流程进行总结。本文在现有研究基础上结合词语词性改进专利关键词识别算法,提出结合语义信息选取专利文献特征词的方法。针对选取的特征词计算其TF-IDF值,并建立向量空间模型(VSM),完成自然语言到数学模型的映射。基于组合创新的思路,提出从二类专利文献聚类结果中提取设计知识的算法。在该算法中以VSM模型为研究对象,以余弦相似度为衡量文本相似的标准,应用k-means算法对数据集进行聚类分析,在同聚类结果中计算设计知识的新颖值并排序,异聚类之间参考各设计知识间的相容性形成设计知识矩阵,供设计人员参考,设计人员可以逐个分析矩阵元素,选取具有创新设计点的知识进行方案改良设计。将理论成果进行应用,结合研究中提出的算法以及研究成果,将理论应用于实践,设计并实现了产品专利设计知识提取系统,可以针对专利文献进行产品设计知识提取。