专利剖析TDA培训演示课件.ppt

Thomson Data Analyzer Critical Insight into Competitive and Technical Intelligence ;分析流程;提纲;TDA简介;;数据管理;数据清理;数据分析;分析报告;提纲; 案例: 3G通信行业专利分析 (The 3rd Generation );总体技术发展趋势宏观分析;检索相关专利——分析数据源的获取;;;;;数据导入;;DWPI Abstract 的价值;字段的更名 数据集拆分 文件的合并 记录的去重合并 ;;;提纲;数据清理/数据结构化;数据清理/数据结构化;数据清理之DWPI 自动清理;针对本课题需要清理的数据;数据清理之: List Cleanup;利用List Clean up清理数据;;相同专利权人的合并 (光标拖动放在相应名称下即可);将不应该归并的数据从组中去除（选中数据并采用右键）;;恢复继续清理;将清理结果保存为叙词,用于今后数据清理;使用叙词帮助信息清理;数据清理之: Thesaurus-- 叙词表;;; 数据清理之Group;形成Top30专利权人组成(选中并用右键);;提纲;数据分析;;地区???盖 ( 专利申请国一维分析);;;二维矩阵分析;矩阵分析的类型：;同现矩阵（Co-occurrence Matrix);时间序列分析 （优先权年）(共现矩阵);自相关系数矩阵（Auto-Correlation Matrix);;;互相关系数矩阵（Cross-Correlation Matrix);;;总体技术发展趋势宏观分析;排名靠前的专利申请者的地区分布 （Top30）;;排名靠前的专利申请者其专利申请活动的时间分布(最近15年);技术发展趋势（不同公司的技术发展侧重点);技术发展趋势（随年代的变化）;热点技术（时间分布、地区分布、专利权人分布）; Map类型： 自相关系数地图（Auto-Correlation Map) 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、国家。 互相关系数地图（Cross-Correlation Map) 在不同字段中，寻找关系密切的项目。如寻找哪些公司在相同的研发领域关系密切。 主成分地图 （Factor Map) 寻找经常共同出现在相同专利文献的项目，比如经常相伴出现的词（NLP);经常相伴出现的发明人；IPC；Manual Code，聚成词簇。 ;Auto-Correlation Maps;;提纲;;;Clean：Combine Author Networks（发明人聚组） Clean：DWPI Clean Up ( DWPI Only) Export: Fro Aureka.vpm（生成可以导入Aureka的数据文件，记录之间以***TDA***） Export: Groups to Excel（将“组”导出到Excel) Export: Groups to Text (将“组”导出到Text) Export: Records to Excel （DWPI Only，将记录中预选好的字段导入Excel) Export: Records to Word (DWPI Only,将记录中预选好的字段导入Word) Export: Records to Word,将记录导出到Word) Report: Basic Report (DWPI Only，专利数位居前十位的专利权属人报告） Report: Company Comparison（2个或5个公司间的相互比较报告，相互间比较项目可以选择） Report: Company Report（报告：公司/发明人/年代/国家/技术，分析数据只来自一个机构） Report: IPC based Analysis ( DWPI Only,前10位专利权属人相关IPC相对Basic Patent Year的分析报告） Report: Make Pivot Chart in Excel（生成二维矩阵分析相应的数据透视表） Report: Plot List in Excel（将List中选定的数据复制到表格中，并自动生成柱形图） Report: Plot Matrix In Excel（将选定的二维矩阵分析复制到表格中，并自动生成三维图、柱形图、折线图） Report: Sum of Matrix Columns （将选定的二维矩阵分析表格中分析元素的列数与行数进行统计） Report: Technology Report（以技术/机构/发明人为参照点考量新出现的/消失的/量最大的/独特的技术分布报告） Report: Term By All Years（所有年份出现的词汇分析报告