在申请专利时,专利审查员需要确定申请专利的现有技术,以确定该专利的新颖性。对于专利组织来说,如何高效准确地为给定专利推荐引文是一件非常重要的事。传统的专利引文推荐需要大量的人工审查,十分耗时。为减少人工以及节省时间,有研究人员利用计算机技术自动为专利推荐引文。然而,许多研究仅考虑专利的文本信息,忽略专利文档所具有的丰富的结构信息,而这些结构信息在进行专利引文推荐时也非常重要。此外,大多数研究工作仅着眼于为专利推荐专利文献,对于非专利文献关注较少。论文作为一种主要的非专利文献,如果能找到专利发明人作为论文作者时所撰写的论文,对审查员理解专利内容,进行更高效地专利检索十分有帮助。本文主要针对专利引文推荐的相关问题进行研究。首先提出一种两段式的基于排序学习的专利引文推荐方法,考虑专利文档的多维特征,并综合考虑这些特征对相关专利进行排序,提升专利推荐的效果。其次,本文提出一种在专利网络和论文网络中进行发明人和作者对齐的方法,将论文数据引入专利网络,提升专利推荐的效果。最后,本文设计并实现一个专利引文推荐的系统,在提供基本的专利检索功能的同时,利用本文提出的两种方法,提供专利引文推荐功能和发明人-作者对齐功能。本文的主要研究工作包括:1.本文首先对专利引文推荐的背景知识做出简洁的介绍,充分调研国内外有关专利引文推荐问题的研究现状以及基本的方法理论。另外重点分析专利引文推荐问题主要面临的难点与挑战,并针对这些挑战,提出对应的研究方法。2.针对难以充分利用专利文本和结构特征并考虑专利多样化信息进行专利引文推荐的问题,本文提出一种两段式的基于排序学习的专利引文推荐方法。在第一阶段,该方法首先在专利库中进行初筛,在不损失很多相关专利的前提下尽量缩小专利引文推荐的范围,选出专利候选集。在第二阶段,以专利分类为监督,通过监督学习的方式训练专利的语义向量,通过向量距离计算专利相似度,然后利用排序学习综合考虑所提出的多种相似度特征训练排序模型,最后利用排序模型对候选集专利进行排序,完成专利引文推荐。在两个真实的专利数据集上的实验结果表明,该方法在专利引文推荐问题上具有一定的适用性。3.论文作为一种重要的非专利文献,对于确认专利的新颖性、创造性,专利价值和发明人价值等具有重要的作用,如果能融合论文网络和专利网络,对专利引文推荐有重要的指导作用。本研究基于文本内容和网络结构,提出一种在论文网络和专利网络之间进行论文作者和专利发明人对齐的方法。为在两个多源异构网络间进行作者实体的对齐,首先需要选出可能是同一实体的锚点,该方法根据规则选出可能与给定论文作者是同一人的专利发明人候选集。为判断候选集中的发明人与给定的论文作者是否为同一人,该方法对每位候选人从合作者网络、文本内容和作者单位等角度进行判断,并将全部置信度大于给定阈值的候选人作为对齐结果。在构造的数据集上进行实验,结果表明本研究可以对论文作者与专利发明人进行对齐。最后,利用本方法对一批选定的高指标学者在美国专利商标局的专利网络中进行对齐。4.结合上述方法,本文设计并实现一个专利引文推荐系统。该系统具备基本的专利全文检索、字段检索功能以及专利引文推荐模块和论文作者与专利发明人对齐模块。专利引文推荐模块以一篇专利的全文作为输入,通过模型排序推荐与其相关的专利引文。论文作者与专利发明人对齐模块可以从一个特定的作者出发,获取他全部的论文和专利。