《表2 预处理后的专利文本数据示例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于主题模型和关联规则的专利文本数据挖掘研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据检索式TI=（物流or运输or仓储or库存or装卸or搬运or流通加工or配送or信息平台or邮政or分拣or装配or保管or铁路or公路or水运or航空or管道or货运or装运or空运or陆运or快递站or菜鸟驿站or快递or菜鸟乡村or储存or中转or货场or集装or货垛or堆码or储备or散装or换装or拣选or集货or冷链or承运or拆箱or拣货or直送or条板式输送机or条板式输送带or盘式输送机or盘式输送带or直送or转盘or运送or货代or卸货or装货or包裹or流通加工or邮电）and IPC=(B65or B23Por G06Qor B60Por B25Bor B62Bor B32B or E04B）在Incopat专利数据库中随机选择发明申请、发明授权、实用新型专利各1 000条，将数据保存在专利数据．xls文件下．采用Python第三方库jieba分词组件进行分词，使用2.2节整理好的文本作为停用词表stopword.txt．对数据进行预处理后的专利文本示例见表2.