研发如何从专利中获取关键的技术情报？来看智慧芽是如何通过独有的AI技术来帮你做分析的——
第一、通过大数据处理和文本聚类，从专利中挖掘关键技术信息
当研发需要了解某一技术领域的技术发展过程，或者了解某一细分技术的演进过程时，通常会阅读大量专利并标引后，绘制技术路线图。通过技术路线图上的关键词，可帮助研发人员快速了解技术变迁。
不同于传统需要人工大量投入阅读和标引精力，智慧芽从专利的引用量、PatSnap同族数、侵权诉讼量、申请人、专利价值等多个维度，通过大数据处理以及文本聚类，找到每年的重点专利，并根据专利申请年绘制技术路线图。
A公司通过查看轮胎企业米其林集团的技术路线图，发现在2012年之前，米其林集团主要依靠改变胎面橡胶组合物的成分及配比来提升轮胎在耐磨损、承重以及抓地力等方面的性能；2015-2016年，米其林集团主要依靠改变胎面结构来提升轮胎在耐磨损、承重以及抓地力等方面的性能；2017年后，研发改进点主要在于轮胎胎面涉及例如刀槽、空腔等细微之处。
在对领域全貌以及行业玩家的技术分析后，A公司的研发人员获得了研发灵感，接下来要验证自己的想法是否已经有人在做了，产品上线后会不会构成侵权？智慧芽AI能力帮助研发快速获取现有技术，避免重复研究。
第二、通过语义理解、向量相似度比对，降低寻找目标专利的难度
由于工作性质的不同，部分研发并不擅长编写复杂的专利检索式，有时他们会委托IP部门进行专利检索，然而这无形中拉长了研发周期、增加了沟通成本。
智慧芽语义检索，免去提炼检索要素、构建检索式等步骤，只需输入专利号码或技术描述文本，即可自动匹配最相关的1000条专利并按相关由高到低进行排序。研发输入中文或英文文本后，系统结合输入内容，挖掘文本的语义信息，通过智慧芽自主开发的语义相似度算法模型，与智慧芽全球专利数据库中的专利全文，做全面的相似性匹配，从而得到与其最相关的检索结果。语义相似度算法模型主要包括关键词及其扩展模型、语义向量模型和语义图谱向量模型，同时结合专利审查员多年实践经验形成的规则，进一步提升语义搜索检索相关性。
A公司研发只需输入：“开发一款电动车专用的新型轮胎，满足承重，耐磨，静音，抓地力强”等技术描述文本，便可以快速获取与此技术内容相关的专利，并接下来对于重点专利进行详细阅读。
第三、通过计算机视觉技术和命名实体识别技术，提高对于专利信息解读效率
当对专利进行阅读时，说明书附图的重要性不言而喻，但由于说明书文字部分和附图割裂，研发需要花费大量时间来理解技术方案。
智慧芽数据库支持智能附图功能，开启智能附图自动识别附图标记并在图中展示附图部件名称。智能附图采用基于OCR(光学字符识别)和NER（命名实体识别）的图像数据识别处理，可以高效地识别出用于包含有数字和表征图的特征字符的组合，作为附图数据中的一种图像标识。
智能附图功能让A公司研发阅读理解专利的时间大大减少，原本需要1个小时或更多时间来手动标注附图标记、对比说明书文字进行阅读，现在仅需10分钟。在阅读完现有相关专利后，研发对于未来的技术方向有了把握。并且参考了现有技术后，研发人员撰写的技术交底书更符合专利撰写的要求。
最终，A公司确定了即将研发的电动汽车专用轮胎具有：1.更细的轮胎沟槽，以满足更大的抓地面积，轮胎承受更大的扭矩；2.新的胎面胶设计，以减少滚动阻力；3.重构轮胎内部的形状设计，以承载电池的重量。
智慧芽AI能力多维度助力研发人员高效利用科创情报，找准研发方向，了解市场风险预警。
【关于智慧芽】
智慧芽（PatSnap）是科技创新情报SaaS服务商，聚焦科技创新情报和知识产权信息化服务两大板块。通过机器学习、计算机视觉、自然语言处理（NLP）等人工智能技术，智慧芽为遍布全球科技公司、高校和科研机构、金融机构等提供大数据情报服务。智慧芽围绕科技创新与知识产权已经构建产品矩阵，旗下产品包括PatSnap全球专利数据库、Innosnap知识产权管理系统、Insights英策专利分析系统、Discovery创新情报系统等。
