专利分析tda培训课件.ppt

ThomsonDataAnalyzer概况数据导入与数据管理数据清理/数据结构化数据分析生成报告提纲List：一维分析0101020304矩阵分析：二维分析Map：最好利用分过组的数据进行分析预制的分析模块：三维分析/分析报告020304数据分析右键选择数据拷贝并做图地区覆盖(专利申请国一维分析)共现值高于或者低于期望的数值很多时，将会出现一个期望值显示箭头箭头的表示共现值与期望之差距的大小没有箭头则表明这个数值与期望值没有太大偏差绿色向上的箭头表示共现值大于预期红色向下箭头表示数值低于预期.二维矩阵分析同现矩阵（Co-occurrenceMatrix)：寻找同时出现在两个矩阵参数中的记录自相关系数矩阵（Auto-CorrelationMatrix)：利用矩阵分析在相同的字段中，寻找关系密切的项目。如寻找合作密切的公司、发明人，自相关系数矩阵只适用于有多个数值的字段。互相关系数矩阵（Cross-CorrelationMatrix):利用矩阵分析在不同字段中，寻找关系密切的项目。如在相同领域研发相似的专利权人123矩阵分析的类型：同现矩阵（Co-occurrenceMatrix)时间序列分析（优先权年）(共现矩阵)自相关系数矩阵（Auto-CorrelationMatrix)自相关矩阵可以显示某一数据列表中的相互关系。例如，一个发明人的自相关矩阵可以显示某一个团体中成员的高度相关关系。Correlationfunctionisenabledwhenacorrelationmatrixischosen.ChoosefromPearson’sr(thedefault),Cosine,orMaxProportional.Note:ForAuto-CorrelationMatrix,youshouldonlyusefieldsthathavemultiplevaluesinmostoftherecords.Forexample,Inventors,Assignees,AuthorsorDescriptorsaregoodchoices.DateofPublicationisnotagoodchoice,sincethereisonlyonedateofpublicationforeachrecord.数据下载数据导入Novelty：描述发明的独特性专利家族DWPIAbstract的价值Novelty(Abstract-DWPINovelty/NOV):描述发明的独特性.DetailedDescription(Abstract-DWPIDetailedDesc/DTD):当在Novelty字段无法总结发明主要的权利主张时，摘要中会出现此字段。Activity(Abstract-DWPIActivity/ACT):用于描述生物体或者化合物的生物活性Mechanism(Abstract-DWPIMechanism/MEC):描述化合物或者生物体的生物机理.Use(Abstract-DWPIUse/USE):包括该发明在不同技术领域的使用（应用）.Iftherearenodiscloseduses,thisisstated.Advantage(Abstract-DWPIAdvantage/ADV):包括由发明人所陈述的发明优势.TechFocus(Abstract-DWPITechFocus/FOC):描述该发明包含的核心技术领域以外的技术。TechnologyFocusAbstractisusedtogroupinformationconcerninghowtheinventioniscarriedoutintothetechnologyarea(s).DrawingDescription(Abstract-DWPIDrawingDesc/DRW):记录中所包括的技术图示的解释

?数据管理字段的更名数据集拆分文件的合并记录的去重合并数据集拆分将来自不同数据源的数据进行合并分析1ThomsonDataAnalyzer概况3数据清理/数据结构化2数据导入与数据管理4数据分析5生成报告提纲让数据的差异性最小尽量减少词汇的拼写差异、或者同义词等高质量的数据分析结果首先取决于数据的准确性与完整性：01