基于少样本特征提取与互引网络的产品专利知识挖掘与专利推荐方法

来源：机械工程学报杂志2026年第3期北京时间：

作者：王佐旭, 李明睿, 张牧野, 刘继红

单位：北京航空航天大学机械工程及自动化学院 北京 100191

摘要：针对复杂工业产品创新设计中知识挖掘不深入、知识重用效率低的问题，提出了一种基于少样本特征提取与互引网络的产品创新设计专利知识挖掘与推荐方法。首先将专利知识以领域(Domain，D)、功能(Function，F)、技术(Technology，T)三类特征进行建模，构建专利特征空间，同时提出少样本专利数据标注规则，从大量专利文档中筛选部分专利进行特征标注；其次，使用标注的少样本专利特征微调变换器的双向编码器表示(Bidirectional encoder representations from transformers，BERT)模型，实现专利特征实体的自动化识别和标注，进一步使用图神经网络对专利的互引关系网络进行表示学习；再次，使用微调后的BERT模型识别并提取输入设计问题或任务书中的特征实体，将设计问题或任务书向量化表示，并计算与专利的余弦相似度以获取专利推荐列表；最后，采用Django框架开发了产品创新设计知识挖掘与推荐原型系统，并以汽车挡风雨条为例进行了验证分析，证明了所提方法的有效性。

关键词：创新设计,专利推荐,专利知识挖掘,命名实体识别；