通过专利挖掘，可以更加准确地抓住企业技术创新成果的主要发明点，对专利申请文件中的权利要求及其组合进行精巧设计，既确保相关专利权利要求保护范围尽可能大，又确保权利要求的法律稳定性，提升了专利申请的综合质量。通过专利挖掘，对技术创新成果进行全面、充分、有效的保护，全面梳理并掌握可能具有专利申请价值的各主要技术点及其外围的关联技术，避免出现专利保护的漏洞。 通过专利挖掘，站在专利整体布局的高度，利用核心专利和外围专利相互结合进行组合、卡位，形成严密的专利网，一方面培育巩固企业自身的核心竞争力，另一方面与竞争对手形成有效对抗甚至在相关技术要点上构成反制。
专利分析 方法、图表解读与情报挖掘【作 者】马天旗主编【出版项】 北京：知识产权出版社 , 09【ISBN号】978-7-5130-3683-2【中图法分类号】G7【原书定价】00【主题词】专利-信息管理-专利-情报分析【参考文献格式】 马天旗主编 专利分析 方法、图表解读与情报挖掘 北京：知识产权出版社, 相关知识：专利撰写，答复，检索以及外语翻译能力
通过专利挖掘，可以更加准确地抓住企业技术创新成果的主要发明点，对专利申请文件中的权利要求及其组合进行精巧设计，既确保相关专利权利要求保护范围尽可能大，又确保权利要求的法律稳定性，提升了专利申请的综合质量。通过专利挖掘，对技术创新成果进行全面、充分、有效的保护，全面梳理并掌握可能具有专利申请价值的各主要技术点及其外围的关联技术，避免出现专利保护的漏洞。 通过专利挖掘，站在专利整体布局的高度，利用核心专利和外围专利相互结合进行组合、卡位，形成严密的专利网，一方面培育巩固企业自身的核心竞争力，另一方面与竞争对手形成有效对抗甚至在相关技术要点上构成反制。
可以从企业内部进行挖掘。很多企业家或技术人员通常会有一个错误的认识，以为专利申请只有是技术水平比较高，有比较大的革命性的突破或者是有系列的研究发明才可以申请专利保护。这种想法无疑大错特错!只要是一丁点技术上的突破，能够解决一类问题并且带来效益的就可以申请专利，这样会避免延误专利申请的最佳时机，给企业造成无法挽回的损失。可以站在竞争对手的肩膀上看问题。如果无法避开他人的核心专利来研发技术，那么就可以围绕这一核心专利，申请诸多相关的外围专利，逼迫竞争对手在开发上无法正常进行，从而达成双方和合作，获得利益。另外可以完善创新机制。要对企业的员工进行培训，深入了解现有客户和潜在客户的需求，从而进行有目的性的技术的研发。这是专利挖掘的一个明智的方法，即“他们要什么，我们给予什么”。
不同的专利书写的重点和要点不一样，可以根据专利法的规定来书写，然后上网上找一些范文和注意事项，好好研究研究。如果自己不明白，可以委托专利公司帮忙。
围绕创新点进行扩展延伸挖掘的特点主要表现在以下两个方面。1、复杂性。面对一个基础创新点，向什么方向扩展、向何种深度延伸是一个较为复杂的工作。根据创新点类型的不同，会有不同的扩展方向;根据创新点的创造性高度不同，会有不同的延伸深度。在实际的专利挖掘工作中，如何面对各种情况确定不同的围绕创新点进行专利挖掘工作手段，也是一项较为复杂的工程。2、兼容性。由于此类专利挖掘手段的基础源于一个已经确定的、有价值的基础创新点，其目的是利用该基础创新点的创造性高度，挖掘出若干围绕该基础创新点的相关联的衍生创新点，使衍生创新点由于基础创新点的创造性高度而同样也具备一定的创造性高度。这样的目的就决定了衍生创新点必须要和基础创新点相兼容，能够彼此包含或相应。例如某基础创新点为一种新的结构，则可以衍生出一个具有该新的结构的新产品，则该新产品应能兼容该新结构，不会产生技术上的矛盾。围绕创新点的专利挖掘手段的解决方案根据围绕创新点进行扩展延伸挖掘的特点，围绕创新点的专利挖掘手段相应地解决方式主要有以下两个方面：1、以技术分析为基础。与围绕研发项目的专利挖掘手段相似，为了解决复杂性的问题，围绕创新点的专利挖掘手段也需要通过技术分析，从不同的扩展方向将相关联的因素一一列出，达到扩充增维的目的。这种技术分析侧重横向扩展和纵向延伸，以达到梳理关联因素、把握技术维度、明确创新节点的目的。2、沿技术链扩展延伸。各种技术本身可能存在承接关系，即一种技术的获得和使用必须以另一种技术的获得和使用为前提，因此相关技术之间形成了一种链接关系，即为技术链。典型的技术链例如可以是某种技术的上下游技术。将基础创新点沿技术链的方向扩展延伸，既可以基于上下游技术之间的承接关系而保证基础创新点与衍生创新点之间的兼容性，又可以基于技术链的深度和广度而保证扩展延伸的全面性和充分性。例如对于半导体产业，其典型的技术链如图1所示。
你好：专利申请有三种类型，外观专利，发明专利，实用新型专利三种，通常专利申请的质量高低主要取决于专利技术方案本身的新颖性、创造性和实用性,即“三性”，另外,专利撰写质量也直接影响着专利的创造性高度，而创造性应为专利的核心内容,专利技术方案的生命力所在,具有活的灵魂。对于专利的撰写一般要求是比较高的，所以一般还是建议找一些有经验的专利老师帮忙写，具体的审核细则人家也是很了解的，关于您这边的专利需求也可以告诉我，我都可以帮助您
专利挖掘的目的到底是什么？为提高企业专利申请数量？还是为提升专利的质量？我们说，专利挖掘通过提高专利的数量与质量，进而打造和优化高价值的专利组合（Patent Portfolio)，为最终萃取知识产权价值（Extracting Value from IP）打下基础 。 专利挖掘对专利工程师的要求，一是，有一定的技术功底和较强的技术敏锐性，能快速理解所涉的技术与产品；二是，有一定的专利撰写经验，理解和掌握专利法的核心内容（包括但不限于三性、充分公开、侵权判定原则等等）；三是，有一定的管理能力，善于组织、协调、激励他人。总之，是对技术、法律、管理三方面的综合能力的要求。 专利挖掘需要配套措施的支持。比如，第一，对研发人员等进行宣导与教育训练(Training)，提高对专利重要性的认识，了解一些基本的专利法的概念，同时消除一些常见的错误认识；第二，制订发明创造/专利申请奖励政策（Policy for Encouragement），主要从物质激励上提高研发人员将发明创意转化为专利的积极性；第三，将专利申请的数量与质量等指标纳入KPI（Key Performance Index）体系，用制度来要求研发部门多产出发明创意和专利，甚至鼓励各部门之间的专利竞赛；等等。 专利挖掘与前案检索分析是密不可分的，专利挖掘一定程度上是建立在对前案的充分检索、深入理解的基础之上，这不只是关乎未来的专利申请的新颖性、创造性的问题。 专利挖掘与技术交底是相互联系、交融在一起的，专利挖掘的直接目的就是产出高质量的技术交底，技术交底就是专利挖掘活动的固化成果。 专利挖掘客观上可以防止“任务专利“的产生，但是我们不要完全排斥所谓的”垃圾专利“，我们要从更高的角度去考虑项目/技术专利布局的问题，很多时候我们需要“用垃圾来保护金子”。 做好专利挖掘工作，需要专利工程师拥有极大的工作热情，与研发人员交朋友，真诚待人，耐心细致。专利挖掘有一个原则就是：“宁可错挖一千，不可漏网一个”。我们发现，研发人员普遍存在着低估自己的研发成果的倾向，这个时候，我们的耐心、敬业就是非常重要了。
大数据的核心：数据挖掘大数据的核心：数据挖掘。从头至尾我们都脱离不了数据挖掘。其实从大学到现在一直都接触数据挖掘，但是我们不关心是什么是数据挖掘，我们关心的是我们如何通过数据挖掘过程中找到我们需要的东西，而我们更关心的是这个过程是什么？如何开始？总结的过程也是一个学习的过程，通过有章节的整理对目前正在的学习的内容做规整。在这个过程中我们会从具体的项目实施中去谈数据挖掘，中间会贯穿很多的概念，算法，业务转换，过程，建模等等。我们列一下要谈论的话题：1、什么是数据挖掘及为什么要进行数据挖掘？2、数据挖掘在营销和CRM中的应用？3、数据挖掘的过程4、你应理解的统计学5、数据描述与预测：剖析与预测建模6、经典的数据挖掘技术7、各类算法8、数据仓库、OLAP、分析沙箱和数据挖掘9、具体的案例分析什么是数据挖掘？是知识发现、商业智能、预测分析还是预测建模。其实都可以归为一类：数据挖掘是一项探测大量数据以发现有意义的模式（pattern）和规则（rule）的业务流程。这里谈到了发现模式与规则，其实就是一项业务流程，为业务服务。而我们要做就是让业务做起来显得更简单，或直接帮助客户如何提升业务。在大量的数据中找到有意义的模式和规则。在大量数据面前，数据的获得不再是一个障碍，而是一个优势。在现在很多的技术在大数据集上比在小数据集上的表现得更好——你可以用数据产生智慧，也可以用计算机来完成其最擅长的工作：提出问题并解决问题。模式和规则的定义：就是发现对业务有益的模式或规则。发现模式就意味着把保留活动的目标定位为最有可能流失的客户。这就意味着优化客户获取资源，既考虑客户数量上的短期效益，同时也考虑客户价值的中期和长期收益。而在上面的过程，最重要的一点就是：如何通过数据挖掘技术来维护与客户之间的关系，这就是客户关系管理，CRM。专注于数据挖掘在营销和客户关系管理方面的应用——例如，为交叉销售和向上销售改进推荐，预测未来的用户级别，建模客户生存价值，根据用户行为对客户进行划分，为访问网站的客户选择最佳登录页面，确定适合列入营销活动的候选者，以及预测哪些客户处于停止使用软件包、服务或药物治疗的风险中。两种关键技术：生存分析、统计算法。在加上文本挖掘和主成分分析。经营有方的小店自然地形成与客户之间的学习关系。随着时间的推移，他们对客户的了解也会越来越多，从而可以利用这些知识为他们提供更好的服务。结果是：忠实的顾客和盈利的商店。但是拥有数十万或数百万客户的大公司，则不能奢望与每个客户形成密切的私人关系。面临这样困境，他们必须要面对的是，学会充分利用所拥有的大量信息——几乎是每次与客户交互产生的数据。这就是如何将客户数据转换成客户知识的分析技术。数据挖掘是一项与业务流程交互的业务流程。数据挖掘以数据作为开始，通过分析来启动或激励行为，这些行为反过来又将创建更多需要数据挖掘的数据。因此，对于那些充分利用数据来改善业务的公司来说，不应仅仅把数据挖掘看作是细枝末节。相反，在业务策略上必须包含：1、数据收集。2、为长期利益分析数据。3、针对分析结果做出分析。CRM（客户关系管理系统）。在各行各业中，高瞻远瞩的公司的目标都是理解每个客户，并通过利用这种理解，使得客户与他们做生意更加容易。同样要学习分析每个客户的价值，清楚哪些客户值得投资和努力来保留，哪些准许流失。把一个产品为中心的企业转变成以客户为中心的企业的代价超过了数据挖掘。假设数据挖掘的结果是像一个用户推荐一个小首饰而不是一个小发明，但是如果经理的奖金取决于小发明的季度销售量而不是小首饰的销售量（即便后者更为有利可图或者收获长期盈利更多的客户），那么数据挖掘的结果就会被忽视，这就导致挖掘结果不能产生决策。
分类是在一群已经知道类别标号的样本中，训练一种分类器，让其能够对某种未知的样本进行分类。分类算法的分类过程就是建立一种分类模型来描述预定的数据集或概念集，通过分析由属性描述的数据库元组来构造模型。
简单地说，数据挖掘是从大量数据中提取或‘挖掘’知识。该术语实际上有点用词不当。数据挖掘应当更正确地命名为‘从数据中挖掘知识’，不幸的是它有点长。许多人把数据挖掘视为另一个常用的术语‘数据库中知识发现’或KDD的同义词。而另一些人只是把数
好比淘金者在河沙里淘沙获取金子一个道理，数据挖掘就是在大量已知的数据里找出来有用的数据！数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。