对专利信息进行抽取并构建相应的模型,有助于把握相关技术知识,从而推动相应领域产品的创新发展。而目前对中文专利信息的分析研究主要集中在专利标题、分类号、摘要等内容,缺乏对专利主体内容的分析,导致专利分析有一定的局限性。本文扩展了专利分析领域,面向技术问题进行中文专利聚类分析,可以更为清晰地了解专利创新过程中面临的问题与解决的问题,从而为新的创新提供思路,推动创新的进程,并进一步提高后续专利分析的效率。本文将专利背景技术文本作为技术问题抽取对象,通过总结句式特点及构建问题词典匹配获取问题描述句,并借鉴观点信息抽取方法实现中文专利技术问题抽取,将技术问题的抽取分为抽取问题词、问题对象、问题单元三个过程。先利用关联规则与条件随机场模型迭代抽取构建问题词集,再联合无监督方法与有监督方法,将无监督方法的结果作为有监督方法的输入抽取问题对象,最后将问题单元的抽取视为序列标注问题,以抽取的问题词、问题对象为特征,建立多特征模板,抽取获得扩展的问题单元四元组。并以抽取的中文专利技术问题为语料,改进传统的K-means文本聚类算法,提出一种基于相似中心的文本聚类算法——cK-means,面向技术问题对中文专利进行聚类分析,聚类构建的专利问题模型为今后专利推荐系统的设计与实现奠定了基础。实验证明本文的技术问题抽取方法减少了人工标注量并取得了可观的效果,利用多特征模板抽取问题单元的F1值达到了81.76%,而且本文构建的专利问题模型比传统构建模型的稳定性与准确性均有所提升,取得的F1值与准确率均提升约10%,所以本文方法对专利技术问题的分析具有一定的研究意义。