В статье представлены подходы и технологии, примененные для решения задачи анализа трендов развития технологий на основе сетевой семантической структуры «Субъект-Действие-Объект». С точки зрения информации о самом изобретении, наиболее важно описание изобретения к патенту. В электронных базах данных патентов все патенты начинаются именно с описания изобретения к патенту, которое имеет свою титульную страницу. Данная форма описания изобретения к патенту является унифицированной, и все патенты представляются в такой форме, то есть все патенты одинаково структурированы. Именно данный блок патента – информацию об изобретении – необходимо исследовать с помощью сетевой семантической структуры «Субъект-Действие-Объект». Для решения поставленной задачи изучена структура патента; технологии Hadoop, Spark MlLib, методы кластеризации. Технологии распределенных вычислений были выбраны в качестве успешного и эффективного средства обработки «больших» текстовых данных в виде патентов. Разработаны алгоритм парсинга патентного документа; алгоритм предобработки текстовых документов патентной выборки; алгоритм извлечения «Субъект-Действие-Объект» (SAO); алгоритм формирования патентного ландшафта для определенного временного промежутка. Сформирована концепция и архитектура автоматизированной системы, программно реализованы предложенные алгоритмы.
The article presents the approaches and technologies used to solve the problem of analyzing trends in technology development based on the network semantic structure "Subject-Action-Object". From the point of view of information about the invention itself, the most important is the description of the invention to the patent. In electronic databases of patents, all patents begin precisely with the description of the invention to the patent, which in turn has its own title page. This form of the description of the invention to the patent is unified, and all patents are presented in this form, that is, all patents are equally structured. It is this block of the patent - information about the invention must be investigated using the network semantic structure "Subject-Action-Object". To solve this problem, the structure of the patent was studied; Hadoop technologies, Spark MlLib, clustering methods. Grid computing technologies have been chosen as a successful and efficient means of processing large text data in the form of patents. An algorithm for parsing a patent document has been developed; an algorithm for preprocessing text documents of a patent selection; Subject-Action-Object (SAO) extraction algorithm; an algorithm for forming a patent landscape for a certain time period. The concept and architecture of the automated system have been formed, the proposed algorithms have been implemented in software.
The authors declare that there are no conflicts of interest present.