互联网时代,专利数据正在以惊人的速度增长。如何从海量的专利数据中高效率的获取有价值的技术信息,以及查找相似专利成为目前研究的热点。功能的创新是产品创新的根本。借鉴已有专利的功能信息,对创新人员进行产品创新设计及专利规避具有重要作用。近年来,国内外研究学者针对专利信息获取提出的方法或是不能被普及,或是没有深刻分析专利文本的特点;提出的相似专利查找方法有的从专利引文出发,有的从专利全部文本内容出发,没有突出功能信息的重要性。针对以上问题,本文提出了融合功能信息的相似专利查找方法。和发明内容文本为数据源,通过分析功能信息的表达方式,最终确定了用“动词+名词/词组”构成的短语来描述功能信息,即“操作+对象”。本文首先将段落划分为句子,然后依次得到包含功能信息的长句、包含功能信息的短句和功能短语,最终基于功能信息长句提出了融合功能信息的相似专利查找方法。主要创新点如下:(1)通过分析互信息技术和专利文本的特点提出了基于互信息的候选词提取方法,候选词即对判断一个句子是否包含功能信息的贡献性比较大的词。(2)深刻分析了原始语料的特点,提出将判断句子是否包含功能信息的问题转化为短文本分类问题,提出了基于候选词的短文本分类方法。(3)结合本文归纳的常用的表达功能信息的动词表、名词表和斯坦福句法分析器,总结了功能短句提取规则和功能短语提取规则。(4)利用word2vec计算词语间的相似度,利用依存句法分析的结果挑选进行相似度计算的词语,并使特定依存关系对间的词语相似度在最后计算句子相似度时占较大权数来提高专利功能信息的影响度。实验表明,本文提出的基于候选词的短文本分类方法能找出大部分的功能信息句,提出的功能信息短语提取方法亦能将大部分功能短语提取出来。本文提出的融合功能信息的相似专利查找方法改进了通常将整个文档作为相似度计算的依据,放大了功能信息的作用,以功能信息句为主要依据寻找相似专利。