随着科学技术的发展,科技研究成果的保护越来越受到国家和企业的重视。专利作为一种知识产权保护形式,同样受到人们越来越多的关注。由于中国经济起步较晚,与外企相比,国内大部分企业在发展初期对于专利保护的认识存在不足。因此,提高专利保护意识,加强专利分析能力,对于国内企业的发展显得越来越重要。专利文本内容包含两种形式,结构化数据和非结构化数据。非结构化数据主要包含专利标题、专利摘要、专利权利要求书和专利说明书等。专利标题常常描述了专利关注的关键技术,专利摘要主要是对专利内容的概括,这两部分非结构化数据包含丰富的专利相关信息。因此,本文选择专利标题和专利摘要作为研究对象。本文以中文专利摘要作为研究对象,提出一种基于条件随机场的信息抽取方法。该方法将属性和属性值视为命名实体,利用训练语料训练得到条件随机场模型,利用模型预测得到专利摘要的属性和属性值,再利用挖掘的关联规则完成属性与属性值匹配。实验结果的准确率、召回率和F值分别是80.8%、81.2%和81.0%,结果证明该方法能够有效地抽取属性和属性值。同时,在抽取结果的基础上,完成了对专利的分析和同类专利的比较,体现了本文方法的实用价值。本文以中文专利标题和摘要作为研究对象,提出一种专利文本聚类方法,具体的研究工作是：基于序列标注相关技术,完成专利摘要属性和属性值的自动提取；将专利摘要信息表示为摘要文本、属性和属性值对两种粒度；利用词向量完成专利摘要和标题的向量表示；通过设置不同的权重系数,将专利标题、专利摘要和专利的属性值对进行线性加权融合。基于谱聚类算法框架,本文完成了中文专利文本聚类。与已有研究相比,实验结果的准确率、召回率和F值均有提高,证明了本文方法的可行性和有效性,体现了本文研究工作的价值。