转贴：专利信息学（下）

来源：http://www.cnkip.com/templet/561.html
摘要：文章对专利信息分析中通常需要解决的一些任务，以及可以帮助和支持完成这些任务的分析工具，包括分析软件、资源和相关网站等进行了概述。
        关键词：专利信息分析  任务  工具
　　在专利信息学(上)中，已对专利信息学的概念和原理，以及专利信息分析的一般规则和基本流程作了较为全面的说明。专利信息学是一门应用科学，科学技术的日新月异已大大丰富了它的研究手段和应用范围。专利信息分析的过程，就是在准确把握分析目的的基础上，利用各种方法完成所设定的一系列任务，并最终获得所需情报的过程。本文将就专利信息分析中通常需要解决的一些任务，以及可以帮助和支持完成这些任务的分析工具作一概述。
　　一、专利信息分析的任务
　　为了获得最终的分析结果，专利分析员往往需要完成各种不同的任务。总的来说，专利信息分析过程中常见的任务包括：
　　1．术语的清理与分组，即手工或自动对所分析的数据中的各种术语进行标准化。比如更正拼写错误，将表达类似概念的同义词或近义词归类为一组等。这样做的目的是为了获得准确的统计结果，以真实反映某个术语或某项信息在整个数据组中的重要程度。
　　2．绘制直方图，即对各个数据组中与专利相关的各种量度（比如专利申请量、专利授权量等）进行记数。这样做可以对同一数据组中的两个或多个量度的结果进行统计学对比。
　　3．绘制曲线图，即将数据分置在X轴和Y轴上，既满足X轴条件又满足Y轴条件的交叉点的数据就是矩阵中的一个个数据。完成这项任务可以使我们了解两个或多个信息之间的相关性，以及相关性的强弱。在比较不同的数据项，比如专利权人和申请年或技术主题（比如可以用专利分类号表示）之间的关系时，这种类型的分析是非常有用的。假设将专利权人情况表现在Y轴上，将申请年表示在X轴上，就可以迅速地看出各个公司各年的专利申请趋势。
　　4．对结构化（域化）数据进行聚类分析。当数据被标引或被包含在某一个数据域中，称之为被结构化。数据的结构化并不能由作者写作时自动完成。按照某种规则设定的分类系统可以产生标准化的编码，这些标准化编码可以用作对具有类似编码结构的文献进行组织的工具。聚类有时候也称之为聚集，即以一种系统化的方式来归置大量文献。比如将所有关于开关的文献集合在一起，而将关于插座的文献集合在另一个地方。这种分析方法的原理是基于文献的构思，彼此之间具有相同编码的百分比越高，文献的内容越可能相近。
　　5．对未结构化的（文本）数据进行聚类分析。未结构化的文本是指没有被标引到各个数据域中的文本，它们唯一的结构就是作者写作时将不同的词连成句子、再将句子组成段落……，如此而形成的结构。这种类型的数据对于专利分析员来说极具挑战性，由于专利文献的作者可以自己造词，只要他能在说明书中向专利审查员清楚地解释出该词的含义即可。对未结构化的数据进行聚类分析，就要对原始文本进行加工，以识别出其中的概念和术语。与结构化数据的分析一样，用编码代替其中的概念和术语，然后按照编码相似的程度将文献分组。同样，彼此之间编码的相似度越高，文献的内容越接近。
　　6．将文献集合作图，即将聚类分析获得的一个个文献集合排列在一个二维空间中，获得一个二维图像。在图形中，包含有共同元素的文献集合被排列在更为接近的位置，而相似性不太高的集合则被放置在较远的地方。这种方法使得分析结果可视化，从图中可以清楚地看出不同文献集合之间的关系。
　　7．绘制三维图像，既在上述二维图像中再加入一个时间维度。加入时间维度时通常利用不同的颜色来表示。当用不同的颜色来表示不同的年份时，分析员可以通过不同颜色在图中的走向或变化来追踪某项分析主题的进展情况。
　　8．引证分析。当我们阅读专利文献时，会在其检索报告或是扉页上看到相关的在先技术的信息，这些就被称作专利引证。可以对引证的次数进行计数，或者按照引证关系将相关文献聚集在一起。通过查看这些文献是按照怎样的引证历史而联系在一起的，就有可能获知早期的技术是如何随着时间而不断进化发展成新的技术和专利的。有时候会采用双向引文树来显示彼此引用的专利之间的关系。引证数可以用来揭示潜在的核心专利。
　　9．主题/功能/目的（SAO）分析。SAO是专利文献的作者用来描绘想要给出的教导时所采用的语言的一部分。关键的SAO中包含了文献中给出的技术知识。SAO也可以称为是问题/解决方案。比如，“清洁双手用的肥皂”这一陈述中包括了主题（肥皂）、功能（清洁）和目的（手）。通过确定SAO，可以从文献的其它部分分离和检查出文献给出的有用的教导。
　　二、专利信息分析工具
　　上文中提到的专利信息分析过程中的各种任务往往需要借助一定的分析工具才能够完成。这些工具可以大致分为三类：软件，它们可以在公司内部服务器或者是客户的个人电脑上运行；资源，即提供静态统计分析结果的印刷品或参考资料；和网站，它是由外部服务器驱动的分析设备，用户一般按月或年度购买使用权限。下文将就常用的一些分析工具进行综述。
　　（一）软件：
　　Aureka IPAM
　　Aureka IPAM 系统是Aurigin公司最成熟的专利分析系统。IPAM是“知识产权资产管理”的缩写，应用这套系统可以组织和管理知识财产（不仅仅是专利，还包括各种公司文件）。该系统包含的专利分析工具是智能知识财产管理的一部分。这套系统具有很强大的功能，很高的兼容性和安全性（由于它是安装在公司的防火墙后面的），但是使用这套系统的花费相当高。
　　Aurigin 在它的平台上预装了专利数据，这些数据来自四个主要的专利授权机关（美国、欧洲、日本和WIPO），并且包含一个用于查找相关文献的搜索引擎。专利数据定期更新，检索得到的文献可以储存，创建成若干组以备进一步分析之用，也能和其它同事共享。Aureka平台的另一个优点是能对专利文献进行注释。因为 Aurigin是从SmartPatents公司起家的，因此用户能够通过这套系统实现SmartPatents所有的注释和浏览功能。
　　作为一个集成化的系统，Aureka平台的兼容性不错，它能兼容很多其它的应用软件。Aurigin与一些优秀的分析软件公司合作或合伙，并将这些公司的软件集成到了Aurigin的管理系统之中。
　　Aureka 系统集成的分析软件中有一个是ThemeScape主题文本挖掘工具。它最早是由一家叫Cartia的公司进行市场开发的， Aurigin公司在2000年收购了它，并将其集成到Aureka平台中。ThemeScape 采用一种构思绘图法来生成技术分布地形图。该程序能读取文件全文，通过提及的频率来确定主题，并通过对这些主题的同现情况进行分析，应用聚类运算将这些文献重组。在一张ThemeScape地形图中，每篇文献用一个黑点代表，高峰表示某一特定主题下集中了大量文献的聚类；图中两篇文献距离越近，表明它们的主题相关度越高。ThemeScape是一种文本挖掘工具，同时也具备一些数据挖掘功能，这增强了系统进行聚类分析的能力。根据用户需要，你可以在一张专利地图中确定一个具体的专利权人。这用小白点的形式表示，可反映出该专利权人正从事的开发领域。
        系统中的Aureka引文树软件（Aureka Citation Tree）是平台中的另一项重要分析工具。该工具获得InXight的授权，这项技术引入了一个双向树状图浏览器。引文树工具能利用美国专利数据中的引证信息创建出一个双向引文树。选择某篇美国专利，把它看成树根，向前的一级级引用可以形成若干树枝。向后引用同样也可形成这种树状形式。用户可以按照申请人、公开日期、发明人等不同内容来构建引文树，也能按照日期或者专利权人信息给树干着色。对某一篇美国专利来讲，通过引文树可以快速了解该专利的引用历史。不过该软件有一个缺陷，即获得的引文树的树干都是直线形式的，所以无法看出某一级和下一级引用文献之间的交叉关系，因而无法观察到整个引文链的全貌。此外该软件仅适用于美国专利数据。
        Aureka 系统中还有一个生成报告的工具，它能对专利数据进行各种统计分析。报告模式可以分成三大类：
n　关键信息摘要报告（Key summary report）。此类报告就某一特定领域的信息要素形成排名前十的统计分析，例如某技术领域专利申请量排名前十位的专利权人或发明人等。
　　详细报告（Detailed report）。这类报告中包括一系列对不同主题进行分析后得到的文本式的子报告，例如发明过程分析、引证分析、发明人和专利权人分析、矩阵分析（例如IPC分类与专利权人的组合）报告等。
　　要点图表式报告（Pivot tables）。这是功能最强大的报告模式，它是根据专利权人、发明人、美国专利分类、引证关系和其它一些信息要素做出来的。收集到上述信息要素后，分析员可将其输出到Microsoft Excel中，据此作出各种图表，并进行深入的分析处理。对分析人员来讲，几乎所有的专利著录项目都能用来合并、组合、匹配到一张要点图表里。用这种方式，可以进行各种极为复杂和出色的分析。
　　关于该系统的更多信息可登陆网站：http://www.micropat.com/static/aureka.htm。
　　ClearForest
　　ClearForest系列软件是ClearForest公司的产品，它们是非常强大的文本挖掘工具。大多数文本挖掘工具从进行主题词提取开始，即利用该过程从文本中挑选出相关的主题词，并将它们提取出来用于后续的分析。主题词提取类似于过去那种创建一个全文本的、反向索引的特定文件的过程。主题词一旦从文本中提取出来后，就可以各种方式进行分析。信息提取比主题词提取更加深入，它不仅要挑选出主题词，而且随后还要自动地将它们分到预定义的类别中。它是基于未经加工的文献工作的，这些文献中没有特别标记出发明人或专利权人信息。信息提取技术能分析这些未经加工的文献，并且自动提取和分类有关信息，例如人名、它们的职务、所在公司以及其它一些特征。
　　ClearForest 开发了两个不同的软件来处理信息提取工作，它们是ClearStudio 和 ClearLab。ClearStudio界面友好，能够让用户快速设定自动将信息分类的语言关联规则。ClearLab 也允许创建关联规则，但它的界面使用的是C++语言，是针对熟悉这种程序语言的用户而设计开发的。
　　ClearForest系列软件的第三部分叫做ClearResearch。这一软件能对经过分类的信息进行分析，其中包括很多不同的分析功能。最强大的一个功能是可应用圆圈图来显示一类信息与另一类信息之间的关系。例如说，可以将一组文献中提到的所有公司分成一类，假如左边的圆圈显示的是技术主题，右边的圆圈代表公司名称。他们之间不同粗细的连线代表该家公司与该技术主题之间的关联情况。连线的粗细和颜色反映了基于所涉及的文献总量计算出的关联强度。双击一条连线，用户就能看到相应的专利文献。双击某个技术主题或公司名称圆圈的边缘，就会打开一个新的窗口，被点击的项目列在窗口的中间，其余相关内容显示在它的周围。比如，点击一个公司名会产生一个新窗口，这个公司名出现在窗口中央，与该公司有关的技术主题则显示在周围。右键单击窗口中的某一项技术主题，就会出现一个显示了上下文的菜单，分析人员可以针对能得到的任何一类信息作进一步的划分。以这种方式，人们可以利用与之关联的相应技术主题将公司的发明人分类。
　　ClearForest系列工具包含许多强大的文本挖掘功能，目前该公司也对其软件进行了整合，新的ClearForest文本分析平台主要由两部分组成：先进的文本标记和分类引擎（ClearForest Tags）和文本分析系统（ClearForest Analytics），更多信息可登陆网站：http://www.clearforest.com/。
　　VantagePoint
　　Search Technology公司的产品VantagePoint是一种数据挖掘工具，主要是对数据域内的各种项目进行统计分析。假设该数据域里含有书面文本的话，该软件也能应用某些自然语言运算法则进行主题解析。该软件所使用的数据由用户直接向数据供应商购买。用户利用数据供应商提供的搜索引擎进行检索，并将检索结果下载到用户的计算机上，然后借助导入编辑器将这些数据导入VantagePoint并进行解析。几乎任何来源的域化数据都可被准确地解析并导入到系统中以备分析之用。用域化的数据生成了一个数据库后，该系统可使用软件进行数据清理。VantagePoint提供了一个数据清理工具（Data Cleaning Tools），它应用模糊逻辑法则帮助用户合并某些相似项目。在清理公司名和发明人名称时，常常使用这一功能。好的统计分析需要好的准确的数据，VantagePoint的数据清理功能能够使得原本耗时费力的工作变得更加容易，比如它可以自动处理拼写错误、大小写、连字符、不同拼写习惯等。
　　VantagePoint使用的主要统计方法是交叉矩阵。Y轴显示一类信息，X轴显示另一类信息。矩阵中的数字表示同时具有X和Y轴相应特征的专利的数目。点击该数字单元会出现一个相应专利文献的标题列表。含义相同的项目可以归为一组，并将其与矩阵中的另一组项目作比较。比如，机构可以按照它们的一般属性分为企业、**屏蔽**部门或教育科研单位等。用户可以据此比较分析某特定关键技术领域中不同类型机构拥有的专利数量。使用交叉矩阵，该系统也能对任何项目的主要构成作进一步分解，从而生成要素地图。该系统还能根据预定指令自动选取并把矩阵表导入Microsoft Excel中，进一步生成三维图、线形图和其它各种各样的图表。
　　该软件的更多相关信息参见网站http://thevantagepoint.com.
　　Invention Machine
　　Invention Machine系列产品是由Invention Machine Corp.公司开发的一系列用于帮助进行计算机辅助发明设计的应用软件，其中在专利分析方面最相关的两个产品是Co-Brain 和 Knowledgist。这两个软件都是用于实现从全文数据中提炼主题/功能/目的（SAO）函数的。该公司将这一分析方法称之为问题/解决方案法。这一方法是基于以下观念：专利是指导阅读者如何解决一个实际问题的。我们将主题和功能看作是解决方案，将目的看作是问题。举例说，假设目的是洗净衣服，解决方案就可能是用肥皂洗——正如功能和主题揭示的。一旦该软件从文献中提炼出了主题/功能/目的函数，它就可以将问题和解决方案联系起来，将类似的问题归到一起，以便用户可以对比解决同一问题的不同方法。
这两个软件的区别在于应用范围和处理能力。Knowledgist针对个人台式电脑设计，可以使用个人数据库，而Co-Brain为公司服务器设计，可以充当公司信息入口。这两个系统都附带有同义词处理工具，可大大减少生成的问题/解决方案组的数目，并极大地提高系统识别解决同一问题的两个不同解决方案的能力。这两个软件经常会创建出通过上下滚动列表都难以浏览的很大的问题/解决方案函数。为了帮助确定相关函数，用户可以使用一个搜索按键快速地找到问题或解决方案。有关细节可浏览具体网站：http://www.invention-machine.com/
　　BizInt Smart Charts
　　BizInt Smart Charts for Patents是BizInt公司开发的用于专利方面的产品，这是一种用于专利文献图表制作的软件。该软件允许用户使用来自STN、Derwent、 IFI、Dialog上的化学文摘库的专利数据，并生成由其得到的信息图表（包括许多种内置图像形式）。系统可以简便地定制各种图形，并有多种存储和输出选择。尽管该软件本身并不是一个文本或数据挖掘工具，但它能不错地将用于终端用户的专利数据标准化。生成的图表可以根据用户需求变化，甚至可以在其中加入几栏来记录同一分析项目中一起工作的同事所作的注释。
有关详细信息可浏览具体网站：http://www.bizcharts.com/patents/index.html。
　　OmniViz
　　Battelle的SPIRE是最早提供文本挖掘和可视化软件包的公司之一。SPIRE研发队伍中的一些成员后来离开建立了Cartia公司。 Cartia生产前文中介绍过的ThemeScape软件。Battelle的另一组科学家认识到SPIRE技术不仅可以用于直接进行文本挖掘，而且开始将该软件应用于生物和化学数据。这项工作再次剥离出来，创建了另一家新的公司：OmniViz。
　　就核心部分，OmniViz与ThemeScape有很多相似之处，但OmniViz的技术人员在Cartia/Aurigin所做工作的基础上又作了大量改进。在文本挖掘方面，OmniViz可以导入多种不同文本格式的文献，还可以风格化和识别已著录的文本。当分析人员在选择想要用于进行聚类分析的那部分文献记录时，该系统可以区分该文本的关键内容，比如发明人、专利权人、发明名称、摘要，公开年份等。OmniViz系统可以识别这些不同信息项，题目和摘要可用于进行聚类分析，其余信息项可以用于获得令人感兴趣的图表，诸如基于类似的发明标题和文摘，哪些专利权人拥有类似文献，或者在哪些年份公开了哪些主题。以前人们也可进行一些这样的分析，但都不如OmniViz做得深入和方便。
　　OmniViz可以对来自生物学、化学和文本原始资料的数据进行整合分析并从中发现趋势的能力使其成为一种独特的工具。它能让生物学家对大量的细胞检测数据进行分析，比如，找出具有类似试验结果的候选药物，即使这些候选药物在结构上有很大差异。该系统还允许将两种或多种具有共同要素的分析关联起来。这可以使分析人员利用一种类型的数据源和分析方法来发现趋势，同时利用一种相关的数据源和方法来观测是否有类似的趋势出现。比如，设想某一项分析显示了对于某种目标酶均具有活性的几类分子。对基于其化学相似性进行了分类的候选药物的关联分析显示，有两种可能的抑制剂具有类似结构，而第三种结构很不同。于是对含有所述候选药物的各类专利和非专利文献增加一个三项关联聚类分析。因为三种分析都联系起来了，所以可以容易地发现这两种相似化合物已实际上被数篇相关专利覆盖，而第三种化合物在非专利文献中提到了。了解具体信息可登陆网站：http://www.omniviz.com/。
　　Thomson Data Analyzer
　　Thomson Data Analyzer是汤姆森科技公司在Thomson Derwent公司之前成功开发的一款专利分析软件Derwent Analystics的基础上后续开发的。它是一款适于在台式电脑上使用的专利分析软件，依托　　VantagePoint作为技术支持，具有较为强大的数据挖掘和可视化功能。
　　Thomson Data Analyzer可以针对来自Dialog、STN、Questel.Orbit、Delphion、Aureka等的多种专利数据进行分析，比如业界最权威的世界专利索引数据库（Derwent World Patent Index(DWPI)）数据、Aureka和Delphion的全文专利数据。此外，借助导入编辑器（Import Engine Editor），该软件还可以导入任何结构化的数据进行分析。
　　Thomson Data Analyzer的使用界面友好直观，它将VantagePoint最新功能和众多高质量专利数据结合在一起，可以满足专利分析的多种需要。此外，它还具有多种输出选择，其分析结果甚至可以输出到其他应用软件，比如Aureka（包括ThemeScape）、Mircosoft Office和BizInt Smart Charts等中做进一步的分析，有关详细信息可以浏览网站：http://scientific.thomson.com/products/tda//
　　INAS
　　INAS（Information Analysis System）是韩国WinsLAB株式会社开发的专利分析软件，由专利信息分析系统（INAS）和专利信息下载系统（PatentGet）两部分组成。它具有多种数据入口，特别是利用其专利信息下载系统可以从包括美国、欧洲、日本等国家的免费专利数据库和中国专利检索数据库免费自动下载专利数据，然后直接应用到其专利信息分析系统中。
　　INAS系统依据专利地图理论研发而成，可以进行定性和定量两种分析。定量分析主要用于对专利文献扉页上的著录项目进行不同的组合分析。定性分析则首先需要对专利文献的技术内容进行标引后，再进行矩阵分析、时间趋势分析等。分析结果可以用图表显示，方便、直观。
　　（二）资源：
　　IFI U.S. Claims
　　IFI能提供每年获得最多美国专利的那些公司情况的媒体资源。在它提供的“专利情报和技术报告”中包括这种类型的数据以及大量不同类型的统计图表。它提供了超过1600家公司的详细统计情况，显示了这些公司每年的美国专利状况（利用美国专利分类和国际专利分类来说明）。报告中还统计了这些公司在不同美国专利分类下的专利数量。IFI用户可以从IFI网站访问这些报告，或者购买一个可下载版本安装到公司内部网站上。利用网络版本，用户可以快速查找感兴趣的美国专利分类，并发现在上一年里该分类号下获得专利权最多的公司情况。也可以找到前续5至10年的相关报告。详情可登陆网站：http://www.ificlaims.com/
　　Current-Patents
　　Current-Patents系列专利出版物是英国公司Current-Patents制作推出的，旨在为药物和生物技术领域的企业提供竞争情报。目前Current-Patents已被汤姆森集团收购，成为汤姆森科技公司的产品。客户基本上可以每周或每月浏览这些出版物。
　　Current-Patents 最有价值的产品是其DOLPHIN数据库。分析人员可以使用DOLPHIN用多种方式对医药专利进行分析：用专利号检索、进行全文检索或利用药物名称或公司名称查看相关情况。每种方式的分析功能是预先定义好的，不过也提供了令人感兴趣的一家公司如何与其竞争对手进行比较的简单演示。有些分析还包括拥有特定药物专利最多的公司的专利活动情况，除了产品或组合物的物质专利以外还提交了其他专利的药物情况，具体公司的专利分类情况对比行业平均状况，具体公司在各治疗领域的专利情况对比行业整体状况，以及按照年份和作用来考察的治疗领域变化情况等。在专利行为活跃的公司拥有的药物图中，用不同颜色标识了新用途，组合物成分，制剂，以及各种产品或组合物。图表用Macromedia Flash构建，所以是动态的。若用户将鼠标指针停留在特定位置，就会显示出相应的数值。用户也可以点击某部分直接查看那些文献。对于单个药物，有一些不错的图表显示了有关的专利分类和公司状况。用户通过浏览这些图表可以快速了解相关公司在特定药物上的活动情况。详情可登陆网站：http://scientific.thomson.com/currentpatents/
　　（三）网站
　　Patentratings.com
　　Patentratings.com网站提供对专利文献的知识产权评价商数（Intellectual Property Quotient (IPQ)）。该商数类似众所周知的人类智商（IQ）的IP版本，平均分为100分。网站的作者通过从统计学上对专利维持率进行考察而得到这一数值。在大多数国家，专利授权后，专利权人需要定期交纳费用来维持专利权，因此从逻辑上讲，只有当专利维持比放弃具有更大的价值时，专利权人才会选择维持专利。假设专利不具有恒定的价值，专利权人就不会继续支付维持费。利用专利衰灭分析和40多个单独的专利指标，patentratings.com提出了精确评估专利价值的模型。
　　Patentcitations.com
　　Patentcitations.com网站由Metrics Group创立，重点是进行专利引用分析。该网站提供多种不同产品。其中引证桥（Citation Bridge）是一种免费服务，用户在网站上注册就可使用。它可以提供用1980年以后的任意美国专利生成的向前或向后引证分析报告。引证信息显示为文本格式的报告，与 Aurigin的树状形式的引证报告不同。该网站的所有者希望通过免费的向前和向后引证报告来吸引更多顾客使用其他付费服务。
　　其另一个比较有特色的产品能提供更高价值的专利引证报告，它使用引证积分牌分析数据库（Citation Indicator Analytics (CIA)），用户需要付费。CIA数据库为在线工作，使用微软公司的 SQL-Server平台。与引证桥一次只能处理一篇专利不同，以CIA数据库为基础的报告可以对整组专利进行分析。可获得的报告类型有，比如：向前引证目录、竞争者影响报告、相似专利分析报告、公司发明过程分析报告等。该系统可以完成的其它引证分析包括竞争者引证历史、从专利获取知识的速度、公司内外发明人的专利被引证的历史等。
　　利用美国专利引证信息来表征总体价值的有效性长久以来一直存在争议，现在仍然备受质疑。但很清楚，patentcitations.com的报告并不涉及专利的固有价值，而只是揭示了专利彼此之间的关系，以及暗含的在作出发明时引用了其它机构作出的发明的那些机构之间的关系。
　　M-CAM DOORS
　　M-CAM DOORS是由M-CAM公司开发的一种帮助寻找在先技术和许可机会的专利分析工具。该系统是通过将高级语义分析和共同引证分析结合来完成工作的。基于专利引证分析，可以筛选出能被当作相关在先技术的文献。此外，该系统使用潜在语义过滤（LSF）方法来分析文献，将使用相同或近似词语的文献标记出来。 LSF使用的是词语对以及从文件中选取出来的接近的相关主题。在分析过程中，对分析文件的对比不仅是基于共有的词语对进行，还包括类似的相关主题。将这两种分析技巧结合起来就可更容易地找出高度相关的专利文献。M-CAM使用了多种不同的显示方式来帮助分析者明了某一组专利情况。
　　该系统只能针对美国专利数据进行分析，进入该系统的主要方式是到M-CAM的网站上定购。因为最初是为大的金融机构设计的，所以使用该系统所需花费不菲。有关说明可以在公司的网站上看到：http://www.m-cam.com
　　Wisdomain
　　Wisdomain是一家韩国公司，它创建了一个包含三个主要模块的专利分析站点，这三个主要模块是：检索模块、引证模块、分析模块。检索模块带有这种类型的服务中常用的数据库——来自美国、欧洲、WIPO以及日本的专利数据。检索是布尔式的，还可以用不同选项在选定的数据域中进行检索，并把检索式储存起来用于以后的回顾和重新获得数据。
引证模块允许用户使用来自美国专利的引证信息进行分析。可视化图像考虑到了不同专利之间引用的结点，并可辨别出它们之间的内在关系。这种可视化图像有助于分析者迅速确认核心文献，也就是处于多个分支交汇处的文献。引证模块提供了三种引文树模型，即前向引证（Forward Citation）、后向引证（Backward Citation）和间接引证（Collateral Citation）。其中间接引证可以揭示出与某一技术主题的专利没有直接引证关系但却有重要关联的专利，这些专利往往出现在某一技术主题的专利申请之后到专利公开期间。尽早发现这些专利对于相关企业来说十分有价值。
分析模块包含了许多预先设定好的图表。比如，分析者可以通过查看专利权人的专利数量、专利权人在不同国际专利分类号下的专利数量以及其他一些附加图表快速地获得对一组专利文献的总体看法。
进入该系统需要支付定购费用。详细定购信息可以在以下网站上看到：www.wisdomain.com
　　Delphion
　　Dephion公司传统上被认为是专利文献的销售商，该公司已于2003年12月被汤姆森集团公司收购。Dephion一直以来就具有文本归类和基本专利分析能力。这种能力一开始是来源于它和IBM之间的关系，然后是来源于从Wisdomain公司购买的一种叫做Patent Lab Ⅱ的分析工具。Dephion和MicroPatent公司都与CHI公司合作，为客户提供专利引证报告。
　　Dephion有一款叫做Citation Link的引证分析工具。尽管利用该分析工具得不到象用Aurigin的引证分析工具获得的那种严格的双向引证树，但它可以让使用者找到一篇基础性专利，并且用可视化图形将该基础性专利向前和向后的引证关系显示出来。此外，Dephion的分析产品还有：能够对检索结果提供快速在线分析的 Snapshot；PatentLab-II专利分析软件，其是由Wisdomain公司开发成功的，提供在线分析，分析内容主要是专利文献扉页上的著录项目等信息；Clustering，利用聚类分析方法对专利文献的发明主题进行分析的工具；Corporate Tree，与CHI公司联合开发的用于对专利权人做关联分析的工具，它可以对美国专利的专利权人、欧洲专利的专利权人等进行标准化，统一专利权人的名称，明确子公司、分公司的关系，以便于统计分析。
　　有关详细信息可以浏览网站：www.delphion.com
　　结语
　　专利信息学领域在不停地发展变化，新的从业者不断加入其中，并在为从专利文献中获取更多价值而努力开发新的方法和工具。同样，已在该领域内提供产品和服务的那些公司也在快速变化着。传统的专利信息提供者正与新的公司合作或者发展壮大它们自己。未来，这个领域毫无疑问还要继续成长和壮大。随着理论的进一步成熟和深化，大量实践经验的积累，未来的从业者必定能使用具有更加激动人心的新功能的分析工具，获得更为丰富而有效的信息与情报。
作者：瞿卫军  刘洋  王雷  （编译）
原文刊载于：《竞争情报》2006年冬季刊

收下了。谢谢罗老师

好长啊