從專利地圖出發(fā)走近aureka和tda-免費閱讀
【正文】 原點之間的連線表示兩種材料之間的相關(guān)性。 “cyberspace” into The Inter 利用敘詞表清理數(shù)據(jù)，充分利用已有資源，避免重復工作，提高清理效率 將代碼轉(zhuǎn)成文本 同義詞轉(zhuǎn)換 自定義分類或字段， 使分析結(jié)果更加符合學科現(xiàn)狀 通過技術(shù)專家閱讀記錄并給記錄添加自有字段，便于后續(xù)管理和分析 合并來自不同數(shù)據(jù)庫的數(shù)據(jù)，彌補單一數(shù)據(jù)不足，提高分析的全面性 將來自不同數(shù)據(jù)庫的數(shù)據(jù)合并，彌補單一數(shù)據(jù)庫的不足； 可將科技文獻和專利文獻合并分析，例如可將 SCI數(shù)據(jù)和DWPI數(shù)據(jù)合并分析 數(shù)據(jù)分析 不同的分析工具用于回答不同的問題，從簡單分析到高級分析 列表 對任意字段進行排序 列表對比 識別兩個列表中唯一 /共同的條目 矩陣 任意兩個字段對比分析 (. 專利權(quán)人 vs 年 ) 地圖 顯示任意字段中條目的關(guān)系或是進行文本聚類 快速了解重要的機構(gòu)，技術(shù)領(lǐng)域分布等 領(lǐng)先的公司，發(fā)明人， 識別技術(shù)發(fā)展的趨勢和合作 矩陣分析：了解各公司的技術(shù)分布 eg ? 機構(gòu) vs 機構(gòu) ? 機構(gòu) vs 學科 ? 機構(gòu) vs 時間 ? 學科 vs 時間 ? 機構(gòu) vs 國家 ? 學科 vs 國家 ? 作者 vs 作者 Map ? 自相關(guān)系地圖（ AutoCorrelation Map) 在相同的字段中，尋找關(guān)系密切的項目。 文本聚類分析 ? 技術(shù)總體情況 ? 文檔剖析與聚類 ? 結(jié)構(gòu)化分組 快速了解技術(shù)分布 文本聚類 文本聚類分析 (Vivisimo)用于幫助用戶了解一個公司的專利組合或?qū)＠M合中的技術(shù)分布區(qū)域。 文本聚類分析可應用于少于 1000篇專利的分析，通過對標題和文摘進行快速分析，自動生成結(jié)構(gòu)化的目錄。如尋找合作密切的公司、發(fā)明人、國家。線的粗細表示相關(guān)性強弱。 ? 如右圖所示：每個原點代表一種金屬元素。 “India” into Asia “Int Bus Machines” into IBM “WWW” amp。 有效監(jiān)控競爭對手技術(shù)發(fā)展路線和趨勢 不同的分支顯示了技術(shù)的發(fā)展以及其他技術(shù)參與者 Eli Lily’s US4,418,068 – Antiestrogenic and antiandrugenic benzothiophenes 識別競爭對手專利保護策略 Aureka: 可視化分析 專利地圖 ? 快速了解技術(shù)總體分布 ? 快速了解公司之間的競爭態(tài)勢 ? 快速了解競爭對手的專利布局，為制定專利戰(zhàn)略提供決策支持 ? 了解競爭對手研發(fā)重點的變遷 ? 深入了解某領(lǐng)域的技術(shù)細節(jié) 快速了解技術(shù)總體分布 Hardware Application Source: Aureka 37 識別您所在公司的技術(shù)優(yōu)勢，劣勢 快速了解競爭對手的專利布局，為制定專利戰(zhàn)略提供決策支持 速率 傳輸 圖像 顯示 功率 控制 競爭對手最新技術(shù)走向 2022 2022 2022 深入了解某領(lǐng)域的技術(shù)細節(jié) NPL 003 ID 002 NPL 004 ID 001 4 related internal disclosures from a user Able to import prior filing disclosures for strategic landscape benchmrking Patent documents interfacing with inhouse docket applications. OR nonpatent literatures ! 42
教學課件相關(guān)推薦
鄂ICP備17016276號-1