随着时代技术的发展,专利数量急剧增加。专利信息作为技术情报最有效的载体,隐藏了大量的技术信息。其中,专利文本则是技术情报的最佳来源。云南作为生物医药产业的重点省份,专利数据收集及应用相对落后,不能为产业规划部署提供决策支撑。传统的专利数据挖掘存在效率低、维度单一、数据样本小、层次不够深入等问题,以无法满足如今对专利数据挖掘的需求。基于此,本文使用云计算技术和数据挖掘技术对生物医药产业专利数据进行分析研究。论文主要研究工作如下:(1)提出了一种对专利数据多维度聚类分析方法。该方法将专利分析中专利申请量、专利授权量、专利成长率、专利有效率4个重要评价指标同时选作为聚类变量,进而对专利年度发展状况、IPC分类号以及高产申请人进行聚类分析。该方法能够深层次挖掘数据间的关联,较好地对专利数据进行类别划分,使聚类结果更具整体性,以弥补传统专利数据分析的不足。(2)提出了一种利用LDA主题模型对专利文本聚类从而挖掘专利技术主题的方法。LDA主题模型将每一篇专利文档表示为一些主题所构成的一个概率分布,而每一个主题又表示为很多单词所构成的一个概率分布。这样LDA就将文档和词投射到了一组主题上,试图通过主题找出文档与词间、文档与文档间、词与词间潜在的关系。该方法实现了对大量专利文本中潜在的技术主题及主题分布的非监督自动识别与获取,高效地实现了对专利信息的降维,提高专利聚类效率。(3)提出了一种利用技术主题挖掘的专利分析方法。根据技术主题挖掘结果,将技术主题结合时间维度,通过计算主题强度进行专利技术主题演化趋势分析。然后将云南省与国内生物医药强省进行专利技术主题对比分析。该方法可以直观地掌握领域技术发展趋势概况,可避开技术热区,利用自身优势探寻技术突破点。本文主要针对云南省生物医药专利数据使用以上方法进行分析研究,有效地对海量专利数据进行聚类分析,并且通过LDA主题模型对专利主题进行挖掘,解决了传统文本聚类不能很好地应用在解决专利文本的技术主题分析,并结合主题结果较好地分析了云南省生物医药产业技术研发方向。