报告概述了2013年2月至3月吴军的工作进展，主要集中在专利相关的研究上。这份汇报涉及了多个关键知识点，包括专利分析、文本挖掘、分类系统以及反馈策略。
1. **专利分析**：报告提到了对专利的相似性分析、引用分析以及中文专利的引用不足问题。这涉及到对专利内容的深入理解和量化评估，以便更好地理解专利的价值和影响力。此外，还进行了语义专利分析，关注专利的复杂性和多面性。
2. **发明功能树**：这是一种将专利概念与具体内容关联起来的方法，旨在通过更少的内容表达更多的概念，帮助理解和组织专利信息。
3. **文本挖掘**：吴军的工作可能采用了Magerman的进展，这是一种在专利文献中挖掘信息的技术。陈芨熙可能也参与了这一部分，他/她提到了无聚类的文本挖掘方法。
4. **专利模型树**和**加权相似度**：郭炜强的工作可能涉及到使用IPC（国际专利分类）的概念向量，以及基于标题和摘要的专利加权相似度聚类方法。
5. **IPC分类**：刘玉琴的研究重点是基于IPC知识的专利自动分类，但存在一些挑战，如数据集较小、分类级别区分度不高以及术语权重问题。她提出了一种基于主题的逆生成模型，该模型考虑了IPC知识、专利文档、术语权重和动态优化。
6. **相关术语的生命周期贡献**：报告中展示了相关术语对核心术语的贡献随时间变化的图表，这在优化检索和反馈策略时非常关键。
7. **反馈策略**：在专利检索系统中，反馈策略对于提高检索效率至关重要。吴军可能探讨了不同的反馈系数、混合模型查询更新方法以及马尔可夫链方法。
8. **多信息融合**和**信息增益**：在特征提取算法中，多信息和信息增益是衡量特征重要性的指标，可能被用于优化检索过程。
9. **文档频率**和**卡方统计**（CHI）：这些统计方法常用于文本分析，帮助识别文档中的重要词汇。
10. **平均相关性（Avg_corr）**：这可能是评估话题相关性的一种方法，有助于改进检索结果的质量。
11. **评价方法**：报告提到了谢谢，可能意味着对以上各种方法的评估和比较，以确定最佳实践。
这份汇报涵盖了专利分析和检索领域的多个关键技术和挑战，包括专利内容的理解、文本挖掘技术的应用、分类系统的优化以及反馈策略的制定。这些内容对于理解和改进专利信息处理流程具有重要的理论和实际意义。
