机器人专利知识图谱：关键技术与分析

"机器人专利知识图谱功能模块201907071" 本文主要探讨了机器人专利领域的知识图谱构建及其功能模块。知识图谱是一种有效的数据组织方式，能够帮助用户理解和探索复杂的专利信息。以下是相关知识点的详细说明： 1.1 关键技术查询 这个功能允许用户输入特定的关键技术术语，系统会返回与之相关的丰富查询结果。这些结果不仅包括关键技术的简介，还涵盖从半结构化文档（如维基百科）中提取的实体对齐信息，以及关键技术的主题分类。主题分类可能利用深度学习算法持续优化。此外，系统还会展示相关专利的时间发展脉络和引用关系，帮助用户理解技术的发展历程。 1.2 关键技术之间的相似度查询 这一功能计算两个关键技术之间的相似度，基于整个语料库中的词频共现情况在线计算。对于单个单词，可以使用余弦相似度；而对于短语，通过识别出的实体生成新的词向量来计算相似度。这有助于用户发现技术间的关联和差异。 1.3 技术术语推荐 根据输入的关键技术，系统会推荐相关联的其他技术术语。推荐是基于后台预先计算的每个术语与其他术语的相似度，存储一个阈值，并通过查询索引来提供。这项功能有助于扩展用户的查询范围，发现更多相关技术。 1.4 问题解决回答 用户可以提出问题，系统通过命名实体识别（NER）找出问题中的关键术语，然后检索相关专利信息，返回关键技术查询结果。系统还能生成参考解决方案，包括显示相关专利，帮助用户解决问题。 2. 机器人专利知识图谱构建过程 - 数据处理：对网页和专利数据进行分词、词性标注和停用词去除等预处理，为后续分析做准备。 - 知识图谱构建：预处理后的数据转化为三元组形式，导入图数据库Neo4j，以支持高效的查询操作。 - 后台处理：采用Python的Flask框架，搭建前后端交互的系统，实现知识图谱与用户界面的无缝连接。 机器人专利知识图谱通过结构化和分析大量专利信息，提供了高效检索、相似度计算、推荐和问题解答等功能，有助于研究人员和工程师在机器人技术领域进行深入的学习和研究。