4.4.7 基于专利知识挖掘的功能进化定律抽取
4.4.7.1 基于专利知识挖掘的产品功能进化定律的抽取过程模型
基于专利知识挖掘的产品功能进化定律的抽取过程可分为数据准备（根据设计需求确定研究主题和目标专利库）、数据清洗（对无序、无规律的数据转换为符合需求的数据，进行专利分类、重点专利的确定）、专利知识发现（对已经确定重点专利深度挖掘建立产品的功能结构、功能进化定律抽取（从产品功能结构的演化中总结出产品功能进化的规律）等4个步骤，如图4-12所示。
4.4.7.1.1 数据准备
数据源是进行专利知识分析和知识挖掘的基础，数据量越大，获得的信息越复杂无序。因此，选择合适的数据准备方法，是研究产品的功能进化规律的重要前提。首先，根据设计需求，确定研究主题，明确研究主题的背景和相关内容。然后，选择目标专利库，如美国专利商标局（USPTO）、欧洲专利局（EPO）和中国国家知识产权局（SIPO）等，确定专利检索策略与检索途径，专利检索的策略可以有多种，包括关键字检索和技术IPC检索等，为了使检索更加准确，可以将几种策略组合起来进行检索。检索并下载专利，去除与主题无关和重复的专利，建立与主题相关的专利数据库（见图4-12）。
图4-12 基于专利知识挖掘的产品功能进化定律的抽取过程模型
4.4.7.1.2 数据清洗
关于数据清洗的研究主要集中在数据仓库、数据挖掘（也称数据库知识发现）和总体数据质量管理三个领域，但是直到今天，对于数据清洗还没有形成一个统一的定义，不同的领域对其仍然有不同的解释。在数据仓库领域，数据清洗定义为清除不一致数据和错误的过程，并需要解决元组重复问题。在数据挖掘过程中，数据清洗被定义为对数据进行预处理的过程。数据质量管理领域中的数据清洗并没有被直接定义，而有些文章则从数据质量的角度将其定义为一个评价数据正确性并改善其质量的过程。本章是关于数据挖掘的研究，因此采纳第二种数据清洗的概念（见图4-12）。
数据清洗的原理为利用有关技术，如统计方法、数据挖掘方法及模式规则方法等将脏数据（无序的、无规律的数据）转换为满足数据质量要求的数据。在数据准备阶段得到的大量专利是杂乱无序的，这样不利于我们后续工作的开展，因此需要对上述专利集合进行清洗，使之变成具有规律性、有序性的专利集合。在本步骤中主要利用专利分析法对专利进行分类，及基于此找到重点专利。
（1）专利分类：技术在不断发展、不断进步，每个时期都有具有代表性的专利产生，因此对这些专利的研究具有重要的意义。随着技术创新活动越来越受到企业的重视，专利的申请活动也日益活跃起来，每年的专利净增长量迅猛增加，面对如此多的专利，要想从中找到符合标准的犹如大海捞针。要想有目的地研究某一领域的技术，就要采取措施对大量的专利进行分类。
从以往的研究中可知，运用一些专利分析方法能实现这一功能。专利分析的主要作用是对专利说明书中大量零碎的专利信息进行分析、加工和组合，并利用统计学方法和技巧使这些信息转化为具有总揽全局及预测功能的竞争情报，其实质是运用各种方法实现对大量专利的分类。以数据准备步骤中的专利集合为基础，建立技术-功效矩阵专利列表，如表4-4所示。其中矩阵纵轴表示技术结构，横轴表示改进某技术结构后所实现的功能效果，纵轴与横轴交叉的区域为符合某种技术结构实现某种功能效果的专利。通过技术-功效矩阵专利列表的建立，能够实现专利的技术结构和功能效果的分类，得到每个技术领域中相应的专利，然后根据设计需求，分别对各技术类别中的重点专利进行深层次挖掘。
表4-4 技术-功效矩阵专利列表
（2）重点专利的确定：重点专利就是制造某种技术领域的产品使用的技术对其他专利具有很大影响或价值的专利，其确定方法有多种，如利用专利被引证次数来判断、利用专利的同族专利成员数量来判断、利用专利诉讼信息来判断等，其中利用专利被引证次数是一种简单有效的方法，即专利引证分析方法，因此本章选择此方法来确定重点专利。
4.4.7.1.3 专利知识发现
在本阶段，主要任务是对以上确定的若干件重点专利进行内容的挖掘（即抽取系统组件），通过内容的挖掘建立产品的功能结构，得到功能结构的时间序列，即建立已有产品（各重点专利）的功能结构。功能结构可以在实现总功能这一目标下进行变异，因此可以通过研究产品功能结构的变异来研究产品的功能进化规律。
4.4.7.1.4 功能进化定律的抽取
功能进化定律是描述功能结构内部各分功能及功能元之间的组合，以及组合关系变化的规律。从产品功能结构的变化中可以总结出这种产品功能进化的规律。基于此，可以从以上建立的功能结构中，通过分析分功能及功能元的变化规律，抽取出产品功能进化定律。
4.4.7.2 功能进化定律的抽取过程案例——电动剃须刀功能进化
4.4.7.2.1 数据准备
电动剃须刀已经有一百多年的历史，从其专利申请情况来推测，电动剃须刀属于成熟产品。成熟产品通常具有一个完整的产品功能进化过程，因此电动剃须刀是一个很好的研究对象。电动剃须刀主要由壳体、电动机、刀头结构、传动结构等组成。对于电动剃须刀的分类，若按照刀片动作方式进行分类，可分为旋转式和往复式。旋转式剃须系统呈中央旋转运作，通过圆周运动能连续不断地单向切剃胡须。往复式剃须系统通过刀头左右往复运动剃胡须。
从国家知识产权局专利网站检索并下载“电动剃须刀”相关主题的发明专利，2000—2017年共有194件，建立专利数据库，如表4-5所示。
表4-5 2000—2017年电动剃须刀专利申请量列表 （单位：件数）
4.4.7.2.2 数据清洗
国内外企业及学者越来越重视专利信息检索、可视化及多维度挖掘专利信息等，然而通过丰富可靠的专利数据进行清洗，对数据进行预处理挖掘相关有用的专利数据至关重要。
（1）专利分类：建立电动剃须刀的技术-功效矩阵专利列表。通过对电动剃须刀相关专利的了解，以往对其技术的改进主要集中于刀片运动形式、动力的传递方式及其控制结构上。据此，将技术改进方式分为执行结构、传动结构、导引组件等部分，其功能效果分为效率高、可靠性高、安全性等，如表4-6所示。
表4-6 技术-功效矩阵专利列表（部分）
（2）重点专利的确定：本节以电动剃须刀的传动结构为研究目标，通过专利引用量分析确定了时间序列上的三件重点专利，分别是“CN90103611.0电动剃须刀”“CN2003 10102784.0电动剃须刀”“CN200710166225.4无级变速器及电动剃须刀”。部分专利引用量如表4-7（a）和表4-7（b）所示。
表4-7（a） 专利引用量分析表（部分）
表4-7（b） 专利引用量分析表（部分）
4.4.7.2.3 专利知识发现
（1）抽取系统组件
通过以上几步筛选出了具有代表性的重点专利，接下来就要对重点专利进行详细的分析，以挖掘其内部的功能进化规律。通过对专利说明书部分产品组成元件的抽取、元件功能关系列表的建立、产品功能模型的建立，得出a、b、c三件重点专利的元件功能列表（如表4-8（a）至表4-8（c）所示）。
表4-8（a） 电动剃须刀的元件及其功能列表
表4-8（b） 电动剃须刀的元件及其功能列表
表4-8（c） 电动剃须刀的元件及其功能列表
（2）建立功能结构
本节以电动剃须刀的传动结构为研究目标选定的3件重点专利，分别为CN90103611.0电动剃须刀、CN200310102784.0电动剃须刀、CN2007101662 25.4无级变速器及电动剃须刀，根据电动剃须刀元件的标准功能列表及其元件构成关系建立专利a、b、c产品的功能结构，如图4-13所示。
图4-13 电动剃须刀功能结构图
4.4.7.2.4 功能进化定律抽取
通过对三件重点专利内容的挖掘，得到专利中产品的设计需求、实现功能的技术结构，以及通过功能结构的变化规律得出的功能进化定律，具体内容如表4-9所示。
表4-9 重点专利内容汇总
第一件专利，产品的功能结构最为简单，采用定齿轮系的技术结构实现扭矩/速度从电动机传递至剃须刀组件。
第二件专利，产品功能结构中传递扭矩的功能被分解成了若干功能的组合。一般来说，这种功能分解对称情况会提高系统的某些性能，在此表现为可以获得规定的减速比，同时降低噪音，因此系统相对应技术结构为行星轮传动和带传动。
第三件专利，产品的功能结构中体现出在实现传递扭矩的同时又出现了新的功能。分析其设计需求可知，剃须刀工作时，当遇到较硬胡须时系统输出高转速，当遇到较短较软的胡须时系统输出低转速。
功能进化后会使有用功能加强，有害功能减弱。由电动剃须刀的工作原理及系统的完整性可知，其主要功能是切断胡须。功能向着理想化的方向进化，功能进化理想化是功能进化的最基本定律，是构成其他定律的基础，因此产品的功能变化规律首先符合功能进化理想化。综合考虑以上几点，产品的功能进化过程还应满足功能进化可控化。