CN120235734A 一种基于人工智能与大数据的专利代理全流程智能管理方法 （叁钱服链网(扬州)有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120235734A(43)申请公布日2025.07.01

(21)申请号202510386591.9

(22)申请日2025.03.28

(71)申请人叁钱服链网(扬州)有限公司

地址225113江苏省扬州市生态科技新城

文昌东路201号扬州软件园G座18层18-12号

GO6N3/0442(2023.01)

GO6N3/0455(2023.01)

GO6N3/084(2023.01)

GO6N3/092(2023.01)

GO6N5/022(2023.01)

(72)发明人王涛陈立峰

(51)Int.CI.

GO6Q50/18(2012.01)

GO6Q10/10(2023.01)

GO6F16/951(2019.01)

GO6F18/22(2023.01)

GO6F40/194(2020.01)

GO6F40/216(2020.01)

GO6F40/284(2020.01)

GO6F40/30(2020.01)权利要求书4页说明书5页附图2页

(54)发明名称

一种基于人工智能与大数据的专利代理全流程智能管理方法

(57)摘要

CN120235734A本发明提供一种基于人工智能与大数据的专利代理全流程智能管理方法，该方法通过多源异构数据采集与动态专利知识图谱构建，实时接入全球专利数据库、法律状态平台及客户文档，采用Neo4j图数据库存储技术特征实体及法律条款节点等，结合语义向量计算边权重以实现知识关联；通过改进的TF-IDF算法与LSTM-Attention模型进行文本特征降维与技术方案相似度计算，有效捕捉上下文依赖性；基于深度强化学习框架(DQN)优化答复策略，定义意见特征向量与动作空间，通过奖励函数(△P为授权概率提升幅度，T

CN120235734A

选者

班相

假化

假化

CN120235734A权利要求书1/4页

2

1.一种基于人工智能与大数据的专利代理全流程智能管理方法，其特征在于，包括以下步骤：

步骤1,建立多源异构数据采集模块：通过API接口获取专利文献数据、法律状态数据及客户需求文本数据；

采用爬虫技术从公开网站获取相关专利的行业动态数据和竞争对手的专利布局数据；

采用Neo4j图数据库构建专利知识图谱，该图谱节点类型包括技术特征及法律条款，边关系权重由共现频率与语义相似度共同确定，将通过API接口获取的数据以及通过爬虫技术获取的数据补充到专利知识图谱中；

步骤2,数据预处理模块：采用改进的TF-IDF算法对文本数据进行特征提取与降维处理，生成结构化特征矩阵；

步骤3,智能分析模块：构建融合LSTM神经网络与Attention机制的技术方案相似度计算模型，计算待申请方案与现有技术的相似度指标；

步骤4,流程管理模块：根据相似度指标生成专利申请策略，并采用强化学习算法动态优化答复决策路径；强化学习算法采用深度Q网络框架：

Q(s,a)←Q(s,a)+η[r+ymaxa,Q(s′,a)-Q(s,a)]

其中状态s定义为当前意见特征向量，动作空间a包含答复策略集合，奖励函数r由授权概率提升幅度与时间成本共同决定，η为学习率，γ为折扣因子；

深度Q网络采用经验回放机制，将智能体与环境交互的历史数据存储在经验回放缓冲区中，训练时从缓冲区中随机采样数据进行学习；

步骤5,反馈优化模块：收集专利申请的实际结果数据，将其反馈到数据预处理模块、智能分析模块和流程管理模块，重新调整改进的TF-IDF算法的参数α、ε,LSTM神经网络的权重矩阵W和偏置项b,以及强化学习算法的学习率η和折扣因子γ。

2.根据权利要求1所述的管理方法，其特征在于：所述步骤2中改进的TF-IDF算法的术语权重计算公式

改进的TF-IDF算法具体为：定义术语权重计算公式为

W(t,d)=[(tf(t,d)×1og(N/df(t)+ε))]×(1+a×cos(θ))

其中tf(t,d)表示术语t在文档d中的频率，N为总文档数，df(t)为包含术语t的文档数，ε为平滑系数，α为调节因子，0表示术语t在词向量空间中的