# patent-analysis
本专利分析系统主要完成的任务为：1、预测侵权专利赔偿金额；2、根据产品特征和权利要求说明书文本判断产品是否侵权。
对于任务一，首先在3000份左右专利相关的判决书文本中提取出了：
#专利类型#案件受理年份#案件判决年份#专利权人是否为外国人#'原告数量#'原告类型#被告数量#'被告类型#'侵权企业规模# '请求赔偿金额#'地区变量# 侵权行为数量# 请是否恶意侵权# 赔偿金额
几个变量，经相关性分析和回归分析处理之后得到了与赔偿金额最相关的几个因素。并搭建了DNN深度神经网络对赔偿金额进行预测。
对于任务二,处理思路是使用word2vec增强的vsm模型，计算专利的权利要求说明书文本和产品特征文本的相似度，如果相似度大于0.5，则认为产品侵权。
其中word2Vec模型的训练使用维基百科语料，详细过程参考：https://github.com/attardi/wikiextractor
先使用python对以上任务进行处理，处理完成后，利用argprase封装，以供web后台调用。之后利用springboot搭建了一个简单的web系统，通过调用
算法接口实现用户对算法的使用。web服务是以jar包方式，运行在linux服务器上以供用户访问的。
# python相关包的版本信息：
#python3.7.6
#gensim3.8.2
#jieba0.42.1
python-docx0.8.10
#tensorflow2.0.0b0
#Keras2.2.4
#numpy1.16.4
#easydict1.9
使用python训练模型，并最终发布在web上的专利分析系统。
版权申诉
5星 · 超过95%的资源 7 浏览量
2023-10-19
21:12:25
上传
评论
收藏 1.14MB ZIP 举报 
使用python训练模型，并最终发布在web上的专利分析系统。实现了以下两个功能：1、预测侵权专利赔偿金额；2、根据产品特征和权利要求说明书文本判断产品是否侵权.zip （76个子文件） 
patent-analysis-master legalText_Info_extract_useMysql 
侵权企业规模信息提取.py 4KB 数据库导出为csv.py 4KB 地区变量_案件受理时间信息.py 1KB 企查查爬虫(爬取公司注册资本).py 3KB write_path_to_sql_faming_path.py 884B 请求赔偿金额信息提取.py 3KB 立案日期信息提取.py 6KB 原被告类型_数量信息提取.py 2KB examples all_original_data_3_csv(删除案件判决年份).csv 131KB 数据库备份 专利法律判决书库.sql 3.1MB 赔偿金额信息提取.py 3KB 专利权人信息提取.py 3KB 赔偿金额信息再处理.py 3KB 侵权行为数量信息提取.py 2KB 判决日期信息提取.py 2KB write_path_to_sql_waiguan_path.py 880B file_final_judgment.py 1KB write_path_to_sql_shiyongxinxing_path.py 892B 案件年份信息提取.py 765B file_rename.py 478B 法院信息提取.py 770B test.csv 116KB forecast_of_compensation_ByDNN amount_projections.py 4KB DNN_model_package output 63c1c4f0-a28f-4eba-8846-34ef5d8000b2_ModelOutput.csv 301B DNN.model saved_model.pb 75KB variables variables.index 2KB variables.data-00000-of-00001 26KB DNN.py 4KB modelTest.py 2KB all_original_data_3_csv(删除案件判决年份).csv 116KB web_system_forLinux HELP.md 780B mvnw.cmd 6KB pom.xml 3KB graduation_project_Java.iml 10KB src test java com pias PiasApplicationTests.java 207B main resources application.properties 101B java com pias controller CallVSM.java 3KB AdministratorController.java 623B CallDNN.java 4KB PiasApplication.java 309B Interface VSMInterface.java 1KB DNNInterface.java 2KB webapp js Patent_infringement_judgment.js 2KB Patent_litigation_estimates.js 2KB cvi_busy_lib.js 20KB css Patent_litigation_estimates.css 2KB Patent_infringement_judgment.css 2KB index.css 1KB html 
main.html 2KB Patent_litigation_estimates.jsp 9KB Patent_infringement_judgment.jsp 3KB mvnw 10KB VSM_Word2Vec_model_package VSM.py 12KB input 
bd196dc5-0b75-4bc8-8bb2-6f363d21ac26_claims_init.txt 1KB bd196dc5-0b75-4bc8-8bb2-6f363d21ac26_product_init.txt 273B stopWordFile cn_stopwords.txt 5KB output bd196dc5-0b75-4bc8-8bb2-6f363d21ac26_product_participle.txt 168B bd196dc5-0b75-4bc8-8bb2-6f363d21ac26_ModelOutput.csv 155B bd196dc5-0b75-4bc8-8bb2-6f363d21ac26_Result_Key_Product.txt 252B bd196dc5-0b75-4bc8-8bb2-6f363d21ac26_claims_participle.txt 422B bd196dc5-0b75-4bc8-8bb2-6f363d21ac26_Result_Key_Claims.txt 630B ss.md 0B Regression_analysis&correlation_analysis 
原始数据相关性分析.png 207KB 回归模型拟合结果_相关度前四自变量与因变量_评价.png 14KB 回归模型拟合结果_相关度前十一自变量与因变量.png 44KB 皮尔逊相关系数.py 1KB all_original_data_csv.csv 117KB 回归模型拟合结果_相关度前四自变量与因变量.png 42KB 回归模型拟合结果_相关度前八自变量与因变量.png 43KB 原始数据分布.png 320KB 回归分析.py 4KB 回归模型拟合结果_相关度前八自变量与因变量_评价.png 13KB 回归模型拟合结果_相关度前十一自变量与因变量_评价.png 13KB all_original_data_2_csv.csv 131KB 数据相关度排名.png 65KB README.md 1KB资源评论
qq_408962202024-04-14资源很实用，对我启发很大，有很好的参考价值，内容详细。
