文本挖掘软件

数据清理
• 高质量的数据分析结果首先取决于数据的准确性与完整性 • 标引的不一致 • 输入的错误 • 合并同义词近义词 • 文献著者或发明人的不同写法 • 科研机构或专利授权人的不同表达方式 • TDA软件内部设有多个叙词表，为您提供快速的自动数据清理
的功能，只需点击一个按钮，数据整理工作即可自动完成。
Thomson Data Analyzer
Critical Insight into Competitive and Technical Intelligence
TDA简介
• Thomson Data Analyzer (TDA），是一个具有强 大分析功能的文本挖掘软件，可以对文本数据进行 多角度的数据挖掘和可视化的全景分析。
• TDA能够帮助您从大量的专利文献或科技文献中发现 竞争情报和技术情报，为洞察科学技术的发展趋势、 发现行业出现的新兴技术、寻找合作伙伴，确定研 究战略和发展方向提供有价值的依据。
• TDA在数据的导入，数据的清理，数据的分析，和分 析结果的报道方面都具有独特的功能。
TDA数据导入
结构化的数据 不同平台
分析报告
• TDA帮助您快速生成各种报告，为决策者更快做出更好的决策 提供依据。只需点击按钮即可生成公司报告、公司间的比较、 和对某一技术的深入分析。
• Technology Report（分别以技术/机构/发明人为参照点考量新出 现的/消失的/量最大的/独特的技术分布报告）
• Top Assignees ( DWPI only，前25位专利权属人Derwent 分类/ 发明人分析报告）
Import Engine Editor
Original Patents Delphion
MS Excel
DWPI & PCI
Web of Knowledge
STN Dialቤተ መጻሕፍቲ ባይዱg
Aureka Thomson Innovation PatentWeb
Web of Science
INSPEC
数据管理
• 包括数据特性和数据统计信息 ( Dataset Properties, field statistics)
案例: 3G通信行业专利分析 (The 3rd Generation )
• 3G，全称为3rd Generation，中文含义就是指第三代数字通信。
• 1995年问世的第一代模拟制式手机（1G）只能进行语音通话；1996到1997年出 现的第二代GSM、TDMA等数字制式手机（2G）便增加了接收数据的功能，如接 受电子邮件或网页；第三代与前两代的主要区别是在传输声音和数据的速度上的 提升，它能够在全球范围内更好地实现无缝漫游，并处理图像、音乐、视频流等 多种媒体形式，提供包括网页浏览、电话会议、电子商务等多种信息服务，同时 也要考虑与已有第二代系统的良好兼容性。为了提供这种服务，无线网络必须能 够支持不同的数据传输速度，也就是说在室内、室外和行车的环境中能够分别支 持至少2Mbps（兆比特／每秒）、384kbps（千比特／每秒）以及144kbps的传输 速度。（此数值根据网络环境会发生变化)。
表的独特性。例如对比分析两个科研机构或两个竞争对手。
• Matrices: 通过Co-occurance矩阵，Auto-correlation矩阵, Cross-correlation矩阵, 发现隐含的发展趋势或相关性。
• Maps: 通过数据图谱将数据分析的结果可视化，例如将主因素 分析、相关性分析的结果以Map的方式表达出来，揭示机构间， 科研人员间或各类技术之间的关系。
• Trend Analysis (DWPI only，从技术、市场、专利权人的角度， 分析Derwent分类/Derwent手工代码/IPC号对应年份出现的新旧 比例，显示技术发展趋势）
提纲
• Thomson Data Analyzer概况 • 数据导入与数据管理 • 数据清理/数据结构化 • 数据分析 • 生成报告
• 字段的更名以及增加删除等 (Rename/copy/delete/merge fields)
• 将当前的数据集拆分 (Create Sub-dataset)
• 文件的合并 ( Merging files) (Data Fusion) (Record Fusion)
• 记录的去重与合并 (Dealing with duplicate)
• Detailed Description (Abstract-DWPI Detailed Desc/DTD): 当在Novelty字段无法 总结发明主要的权利主张时，摘要中会出现此字段。
• Activity (Abstract-DWPI Activity/ACT): 用于描述生物体或者化合物的生物活性
Manual Code、NLP words、 • 热点技术（时间分布、地区分布、专利权人分布） • 高影响力专利
检索相关专利——分析数据源的获取
数据下载
数据导入
Novelty：描述发明的独特性 专利家族
DWPI Abstract 的价值
• Novelty (Abstract-DWPI Novelty/NOV): 描述发明的独特性.
• 用户还可建立自己的叙词表，对著者/发明人、科研机构/专利 申请人/专利授权人、国际专利分类号、等字段加以清理。
数据分析
• 有效的分析可将无序的数据转化为高附加值的情报 • List: 快速排序分析各个字段, 生成各种图表。 • List comparison: 对比任何两个列表，揭示其共性或发现某列
• Mechanism (Abstract-DWPI Mechanism/MEC): 描述化合物或者生物体的生物机 理.
总体技术发展趋势宏观分析
• 技术领域内重要的专利权人 （专利权人名称） • 地区覆盖范围 (国家、地区） • 创新性活动进展 – 时间序列分析 （优先权年,最近15年） • 排名靠前的专利申请者的地区分布 （Top30） • 排名靠前的专利申请者其专利申请活动的时间分布(最近15年) • 技术发展趋势（时间分布、地区分布、专利权人分布）（