随着人类社会日新月异的变化,技术的革新速度越来越快,同一领域的行业竞争变得愈发激烈,这对企业在某一领域下的技术创新提出了更高的要求。专利作为一种含有丰富信息的特殊知识文本,在教育、金融、生产等一系列领域中为技术发展提供强有力的支撑。面对海量的专利文本,如何改变传统的文本分类算法使其适应专利文本的特性成为现在专利分类亟待解决的问题。相似性度量是指通过某种方法来衡量数据之间相似程度的一种度量方法。由于目前基于统计和机器学习的专利分类方法,在分类精度方面很难再有更大的提高,因此如何选择一个优秀的相似性度量方法使其达到更好的分类效果,是当前的研究重点和热点。本文根据专利文本的特点结合传统的相似性度量方法提出了两种基于相似性度量的专利分类方法。首先,使用TF-IDF方法从专利摘要中筛选出特征项,通过CHI统计量判断特征项与类别之间的关联性,然而CHI统计量会夸大某些不具备分类信息的低频词的重要程度,影响分类准确性。因此将CHI统计量与夹角余弦相似度结合,提出了一种新的基于摘要相似度的专利分类方法。基于此方法,考虑专利的结构化和非结构化特征,提出了一种基于IPC分类号和摘要混合相似度的专利分类方法。该方法同时考虑IPC分类号相似性和专利摘要相似性,进一步提升相似性度量和分类的准确性。其次,提出了一种新的基于权利要求书相似度的专利分类方法。从权利要求书中抽取SAO-x结构（在考虑了主谓宾的基础上考虑专利的目的、功能等）,其能够较好地表达技术要素与功能实现之间的逻辑关系,构成了专利权利要求书核心内容的表述。基于SAO-x结构是一种多维结构,提出一种新的结合Jaccard距离和马氏距离的多维相似性度量方法,通过计算SAO-x结构相似度来判断中文专利权利要求书之间是否相似,进而实现对专利的分类。最后通过实验验证本文提出的两种基于相似性度量的专利分类方法的有效性。