用去噪法清洗检索结果

在日常的检索分析中，大家经常会在检索结果中遇到很多不相关的文件。正是因为检索结果中存在很多问题，所以检索结果不能直接用于分析，需要对检索结果进行清理和处理，通过对修改后的结果进行分析，使得分析更加准确。常用的清洗方法有四种：去噪法、去重法、标准化法和分度法。

去噪法，即排除不相关的文献，提高分析样本的纯度，可以通过人工的方式单篇去噪，也可以寻找到噪音源设备进行快速的批量去噪。

1.人工和批量去噪。 

数据清洗一般先去噪，通过人工和批量相结合，先批量后人工。 

根据申请日期等筛选出相关文献并进行排序，使噪声源随机分布。浏览过滤后的文献，浏览过程采用表格视图和图形视图相结合的方式，确定噪声源，修改检索类型。

“噪声关键字”可以通过人工阅读识别，也可以通过文本聚类识别。

2.文本聚类去噪。 

3D专利地图和专利数据库Insights都涉及文本聚类，只是聚类方法略有不同。将上述检索结果保存到工作区，找到噪声文献后再进行逻辑运算，实现去噪。

（1）3D专利地图方式。 

3D专利地图的文本聚类，是将语义结构相似度较高的专利文献聚集在一起，根据聚类后的专利标题、摘要、权利要求中的关键词作为标签进行展示，地图上的高峰低谷代表了文献量的多少。

在专利地图上检索噪音关键字，查看相关文献，并将噪音文献保存在工作区文件夹中。同时，对检索结果的文件夹进行逻辑计算，以消除文献噪声。

（2）英策方式。 

英策的文本聚类，是将该技术领域内最热门的技术主题词聚集在一起，提取了该技术领域中最近5,000条专利标题和摘要中最常见的关键词进行展示，词汇的大小代表了相关文献的数量。

 在英策的技术全景报告--创新词云中寻找到噪音关键词，查看相关文献，并将噪音文献保存在工作区文件夹中。同时，对检索结果的文件夹进行逻辑计算，以消除文献噪声。