[发明专利]竞争情报数据库的构建方法和系统

说明书

本发明实施例公开了一种竞争情报数据库的构建方法和系统，通过对第一文档的文献题录数据中，包含机构信息的第一字段的数据结构进行解析，使得该第一文档对应的一级机构信息和二级机构信息得到提取，从而能够基于一级机构信息和二级机构信息，通过标识符字段与学科领域、研究主题和关键技术进行关联，构建第一竞争情报数据库，实现了对科技机构信息更完善地提取和统计，以及对不同科技结构级别的区分。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种竞争情报数据库的构建方法和系统。

背景技术

随着竞争情报分析技术的发展，竞争情报在前端显示上越来越生动和直观，例如Thomson Data Analyzer(简称TDA)和Thomson Innovation(简称TI)等软件，都采用了科学技术地图的可视化效果。但是总体来看，这些可视化效果是静态的，用户只能作为一个旁观者，而无法作为一个参与者，更无法进行个性化定制。

科研机构的清洗和标准化处理是企业竞争情报分析中的难点。已有的技术主要关注科技机构信息的提取和统计，既不区分机构的层级，也不能对同一机构的不同名称进行合并。但是，科技机构信息总是即时更新。例如，北京航空航天大学在历史上曾使用过Beijing University of Aeronautics and Astronautics和Beihang University，两种不同的英文表达。据统计，仅2010～2016年期间，我国就有200余所高校更换了名称。在过去的20多年里，在2000多所公办高校中，有将近一半的高校改过名。这些都为统计和评价研发机构的产出水平造成了很大的障碍。

因此，需要提供一种竞争情报数据库的构建方法和系统，以实现对科技机构信息更完善地提取和统计，以及对不同科技结构级别的区分。

发明内容

本发明提供了一种竞争情报数据库的构建方法和系统，以实现对科技机构信息更完善地提取和统计，以及对不同科技结构级别的区分。

本发明提供了一种竞争情报数据库的构建方法，包括：

S1、获取预设格式的第一文档的文献题录数据；

S2、提取第一文档的文献题录数据中的包含机构信息的第一字段及标识符字段对应的数据；

S3、对第一字段对应的数据的数据结构进行解析，提取第一字段中的一级机构信息和二级机构信息，生成包含一级机构信息、二级机构信息和标识符字段对应的数据的第一数据表；

S4、提取第一文档的文献题录数据中包含学科领域的第二字段、包含研究主题的第三字段及包含关键技术的第四字段对应的数据；

S5、分别生成包含学科领域的第二字段及标识符字段对应的数据的第二数据表、包含研究主题的第三字段及标识符字段对应的数据的第三数据表和包含关键技术的第四字段及标识符字段对应的数据的第四数据表；

S6、根据标识符字段对应的数据，将第一数据表分别与第二数据表、第三数据表和第四数据表关联，构建第一竞争情报数据库。

可选地，步骤S3中还包括：

提取第一字段中的作者名称信息、城市名称信息和国家地区名称信息，生成包含一级机构信息、二级机构信息和作者名称信息对应的数据的第五数据表、包含一级机构信息、二级机构信息和城市名称信息对应的数据的第六数据表以及包含一级机构信息、二级机构信息和国家地区名称信息对应的数据的第七数据表；

相应地，步骤S6还包括

根据一级机构信息和二级机构信息对应的数据，将第一数据表分别与第五数据表、第六数据表和第七数据表关联，构建第一竞争情报数据库。

可选地，步骤S6之后还包括：

S7、将第一数据表转换为条形展示图；