1 绪论 1
1.1 研究背景 1
1.2 研究意义 4
1.2.1 理论意义 4
1.2.2 实践意义 4
1.3 研究方法 5
1.4 研究框架 6
2 专利文献的内容特点和结构编排 9
2.1 专利文献著录项目 9
2.2 说明书 13
2.2.1 名称 13
2.2.2 技术领域 13
2.2.3 背景技术 14
2.2.4 发明内容 14
2.2.5 附图说明 15
2.2.6 具体实施方式 15
2.3 权利要求书 24
2.4 说明书附图 27
2.5 摘要 28
2.6 专利检索报告 29
2.7 专利文献中的各种信息及其作用 32
2.8 国际专利分类号IPC 34
2.9 专利文献阅读的重要性 35
2.10 各类专利信息检索及其应用 36
2.11 专利分析与专利图 38
3 阅读行为兴趣挖掘及推送服务研究现状 42
3.1 数据来源与研究方法 42
3.2 研究现状的图谱分析 44
3.2.1 阅读行为的兴趣研究的跨学科性分析 44
3.2.2 区域实力分析 47
3.2.3 机构合作分析 48
3.2.4 作者合作分析 49
3.2.5 研究热点分析 50
3.3 知识基础的图谱分析 53
3.3.1 高影响力作者及其代表性文献 53
3.3.2 文献来源分布 55
3.4 国内外研究总结 57
3.5 现有研究的定性分析 58
3.5.1 阅读行为兴趣挖掘的研究内容 58
3.5.2 推送服务的研究内容 59
3.5.3 专利文献的有关研究 60
3.5.4 现有研究现状 60
3.6 本章小结 61
4 用户专利文献阅读行为兴趣模型构建 62
4.1 阅读行为指标的选取 62
4.1.1 相对访问时间指标 63
4.1.2 相对注视次数指标 65
4.1.3 瞳孔直径缩放比指标 65
4.1.4 回视次数指标 66
4.2 阅读行为指标权重的计算 66
4.2.1 阅读行为指标权重的计算方法 66
4.2.2 利用改进的AHP计算指标权重 67
4.3 用户兴趣模型的建立和更新方法 68
4.3.1 用户兴趣度 68
4.3.2 阅读兴趣模型建立 69
4.3.3 用户阅读兴趣模型的更新 70
4.4 本章小结 70
5 用户专利文献阅读兴趣挖掘及其拓扑结构表示 71
5.1 专利文献的结构特点与兴趣区划分 71
5.1.1 专利文献的结构特点分析 71
5.1.2 专利文献的兴趣区划分 73
5.2 用户对各要素的兴趣度计算 74
5.2.1 用户对要素x的相对访问时间 74
5.2.2 用户对要素x的相对注视次数 74
5.2.3 用户对要素x的瞳孔直径缩放比 75
5.2.4 计算各要素的阅读兴趣度 75
5.3 兴趣区之间的关联分析 75
5.4 用户阅读兴趣的要素拓扑结构表示方法 76
5.4.1 实验 76
5.4.2 实验数据分析 82
5.4.3 实验结果验证 86
5.5 本章小结 87
6 用户专利文献阅读兴趣向量模型及主动推送微服务研究 88
6.1 推送模型流程 88
6.2 专利文献的特征向量表示 90
6.2.1 用户微兴趣度计算 90
6.2.2 建立专利文献树形结构模型 91
6.2.3 专利文本分词 93
6.2.4 特征提取 94
6.3 推送模型框架 96
6.3.1 前台数据采集系统 97
6.3.2 数据处理系统 99
6.3.3 文献采集系统 100
6.4 基于专利阅读行为的主动推送微服务示例 101
6.5 本章小结 104
7 结论、建议与展望 105
7.1 结论 105
7.2 建议 106
7.3 展望 108
附录1 测前问卷 110
附录2 测后问卷 113
参考文献 114