随着计算机技术,特别是数据库技术的快速发展和广泛应用,各行各业积累的数据量越来越大。传统的数据处理方式已很难充分利用蕴藏在这些数据中的有用知识,于是数据挖掘技术应运而生。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道、但又是潜在有用的信息和知识的过程。 专利信息集是目前世界上最大的技术信息集,几乎囊括了一切应用领域内的技术成果。日益激烈的商业竞争使企业越来越迫切的希望全面了解竞争对手的知识产权和将这些知识产权极大化的利用。运用数据挖掘技术对现有专利信息进行分析,以了解技术发展的生命周期或所处阶段、专利数据的地域分布与竞争对手的分布,可以减少重复研究和无效劳动,使投资行为更加合理主动。 本文重点探讨了运用数据挖掘手段描述专利信息的可行性。首先,作者介绍了本文所使用的专利信息分析与预测的数据挖掘基础技术。然后,以芯片封装技术领域专利为例,运用SQL 2000数据库进行了专利基础数据分析,并在Matlab平台上,使用自回归模型、广义神经网络模型和灰色模型,对所收集到的专利数据进行处理,分析年、月专利数据波动周期,预测下一时间段的申请量;利用文本挖掘技术,对关键词项进行频次分析,解析技术发展的一般规律;利用最近邻算法(k-nearest neighbors method,KNN)模型分类专利文档,提取近似专利以便进行人工解读。最后,在全文工作的基础上,设计“专利检索客户点题分析系统”编制方案,并给出其实现技术。