CN112016830A - 一种专利文件评估任务分配方法及装置 - Google Patents

Abstract

本申请提供了一种专利文件评估任务分配方法及装置，其中方法包括：根据获取到的待分配的专利文件，通过文本特征提取方式，对专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征；根据预设的技术相似度计算模型，将专利文本特征输入技术相似度计算模型进行比对，以获得专利文件与各个技术分类信息的技术相似度；根据获得的各个技术相似度，确定最大技术相似度对应的目标技术分类信息；根据各个技术分类信息的人员分配情况信息，确定并获取目标技术分类信息对应的评估人员，以便将专利文件自动分配至评估人员中的其中一位。解决了现有的专利文件评估任务的人工分配方式执行过于耗费时间与人力资源的技术问题。

Description

一种专利文件评估任务分配方法及装置

技术领域

本申请涉及数据处理技术领域，尤其涉及一种专利文件评估任务分配方法及装置。

背景技术

近几年随着国家对专利事业发展的支持，企业对专利质量工作越来越重视，大型企业的专利拥有量逐年增加需要对大量专利中筛选出重要专利进行布局，并对低价值专利进行放弃，节约企业成本。专利评价需要根据专利所保护技术点去选择相应领域的专家去进行评价。现在的常规分配方式是由人工基于专利技术分类，手动为专利进行分配专家，然后由专家去完成评审。

由于庞大的专利拥有量，通过人工进行专利文件评估任务分配的工作流程十分繁琐，导致现有的专利文件评估任务分配方式执行过于耗费时间与人力资源的技术问题。

发明内容

本申请提供了一种专利文件评估任务分配方法及装置，用于解决现有的专利文件评估任务分配方式执行过于耗费时间与人力资源的技术问题。

首先，本申请第一方面提供了一种专利文件评估任务分配方法，包括：

根据获取到的待分配的专利文件，通过文本特征提取方式，对所述专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征；

根据预设的技术相似度计算模型，将所述专利文本特征输入所述技术相似度计算模型进行比对，以获得所述专利文件与各个技术分类信息的技术相似度；所述技术相似度计算模型为根据预设的技术分类信息及各个技术分类信息对应的分类数据集构建的神经网络模型；

根据获得的各个所述技术相似度，确定最大技术相似度对应的目标技术分类信息；

根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员，以便将所述专利文件分配至所述评估人员中的其中一位。

优选地，所述专利文本特征具体包括：名称特征信息、IPC分类特征信息、权利要求文本特征信息以及全文文本特征。

优选地，所述技术相似度计算模型具体包括：名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型。

优选地，所述根据预设的技术相似度计算模型，将所述专利文本特征输入所述技术相似度计算模型进行比对，以获得所述专利文件与各个技术分类信息的技术相似度具体包括：

将所述名称特征信息输入至所述名称特征计算子模型，将所述IPC分类特征信息输入至所述IPC分类特征计算子模型，将所述权利要求文本特征信息输入至所述权利要求文本特征计算子模型，以及将所述全文文本特征输入至所述全文文本特征计算子模型；

通过所述名称特征计算子模型、所述IPC分类特征计算子模型、所述权利要求文本特征计算子模型以及所述全文文本特征计算子模型进行运算，分别得到所述专利文本特征与所述各个技术分类信息对应的单元技术相似度；

根据各组专利文本特征的单元技术相似度，结合预设的各组专利文本特征对应的相似度权重，对同一技术分类信息对应的单元技术相似度进行加权求和，分别得到所述专利文件与各个所述技术分类信息的技术相似度。

优选地，所述根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员，以便将所述专利文件分配至所述评估人员中的其中一位具体包括：

根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员；

获取各个所述评估人员的分配优先级信息，根据所述分配优先级信息，将所述专利文件分配至最大分配优先级对应的评估人员。

其次，本申请第二方面提供了一种专利文件评估任务分配装置，包括：

文本特征获取单元，用于根据获取到的待分配的专利文件，通过文本特征提取方式，对所述专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征；

技术相似度计算单元，用于根据预设的技术相似度计算模型，将所述专利文本特征输入所述技术相似度计算模型进行比对，以获得所述专利文件与各个技术分类信息的技术相似度；所述技术相似度计算模型为根据预设的技术分类信息及各个技术分类信息对应的分类数据集构建的神经网络模型；

目标技术分类确定单元，用于根据获得的各个所述技术相似度，确定最大技术相似度对应的目标技术分类信息；

任务分配单元，用于根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员，以便将所述专利文件分配至所述评估人员中的其中一位。

优选地，所述专利文本特征具体包括：名称特征信息、IPC分类特征信息、权利要求文本特征信息以及全文文本特征。

优选地，所述技术相似度计算模型具体包括：名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型。

优选地，所述技术相似度计算单元具体包括：

特征输入子单元，用于将所述名称特征信息输入至所述名称特征计算子模型，将所述IPC分类特征信息输入至所述IPC分类特征计算子模型，将所述权利要求文本特征信息输入至所述权利要求文本特征计算子模型，以及将所述全文文本特征输入至所述全文文本特征计算子模型；

单元技术相似度计算子单元，用于通过所述名称特征计算子模型、所述IPC分类特征计算子模型、所述权利要求文本特征计算子模型以及所述全文文本特征计算子模型进行运算，分别得到所述专利文本特征与所述各个技术分类信息对应的单元技术相似度；

加权求和子单元，用于根据各组专利文本特征的单元技术相似度，结合预设的各组专利文本特征对应的相似度权重，对同一技术分类信息对应的单元技术相似度进行加权求和，分别得到所述专利文件与各个所述技术分类信息的技术相似度。

优选地，所述任务分配单元具体包括：

待分配人员确定子单元，用于根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员；

分配子单元，用于获取各个所述评估人员的分配优先级信息，根据所述分配优先级信息，将所述专利文件分配至最大分配优先级对应的评估人员。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请提供了一种专利文件评估任务分配方法，包括：根据获取到的待分配的专利文件，通过文本特征提取方式，对所述专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征；根据预设的技术相似度计算模型，将所述专利文本特征输入所述技术相似度计算模型进行比对，以获得所述专利文件与各个技术分类信息的技术相似度；所述技术相似度计算模型为根据预设的技术分类信息及各个技术分类信息对应的分类数据集构建的神经网络模型；根据获得的各个所述技术相似度，确定最大技术相似度对应的目标技术分类信息；根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员，以便将所述专利文件分配至所述评估人员中的其中一位。

本申请通过利用文本特征分类方法，将待分配的专利文件进行技术分类的技术相似度的计算，按照技术相似度确定目标技术分类信息，然后根据预设的各个技术分类信息的人员分配情况信息将所述专利文件自动分配至所述评估人员中的其中一位，解决了现有的专利文件评估任务的人工分配方式执行过于耗费时间与人力资源的技术问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本申请提供的一种专利文件评估任务分配方法的第一个实施例的流程示意图。

图2为本申请提供的一种专利文件评估任务分配方法的第二个实施例的流程示意图。

图3为本申请提供的一种专利文件评估任务分配装置的第一个实施例的结构示意图。

具体实施方式

本申请提供了一种专利文件评估任务分配方法，用于解决现有的专利文件评估任务分配方式执行过于耗费时间与人力资源的技术问题。

为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

请参阅图1，本申请第一个实施例提供了一种专利文件评估任务分配方法，包括：

步骤101、根据获取到的待分配的专利文件，通过文本特征提取方式，对专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征。

需要说明的是，在获取到待分配评估人员的专利文件后，首先，通过文本特征提取方式，对该专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征，可以理解的是，本实施例中每一组专利文本特征对应专利文件中的一个预设范围的文本内容。

步骤102、根据预设的技术相似度计算模型，将专利文本特征输入技术相似度计算模型进行比对，以获得专利文件与各个技术分类信息的技术相似度；技术相似度计算模型为根据预设的技术分类信息及各个技术分类信息对应的分类数据集构建的神经网络模型。

需要说明的是，基于上述步骤获取的专利文本特征，将专利文本特征输入技术相似度计算模型进行比对，其中技术相似度计算模型为根据预设的技术分类信息，即预设的技术分类体系及各个技术分类信息对应的分类数据集构建的神经网络模型。

通过技术相似度计算模型，以获得该专利文件与各个技术分类信息的技术相似度。

步骤103、根据获得的各个技术相似度，确定最大技术相似度对应的目标技术分类信息。

需要说明的是，根据步骤102获得的技术相似度数据，从中确定出最大技术相似度，及该最大技术相似度对应目标技术分类信息，即该专利文件的技术分类结果。

步骤104、根据各个技术分类信息的人员分配情况信息，确定并获取目标技术分类信息对应的评估人员，以便将专利文件分配至评估人员中的其中一位。

需要说明的是，根据步骤103确定的目标技术分类信息，再根据预设的各个技术分类信息的人员分配情况信息，确定并获取目标技术分类信息对应的评估人员的信息，以便将专利文件自动分配至评估人员中的其中一位，使得接收到该专利文件的评估人员对其展开专利价值评估任务。

本申请实施例通过利用文本特征分类方法，将待分配的专利文件进行技术分类的技术相似度的计算，按照技术相似度确定目标技术分类信息，然后根据预设的各个技术分类信息的人员分配情况信息将专利文件自动分配至评估人员中的其中一位，解决了现有的专利文件评估任务的人工分配方式执行过于耗费时间与人力资源的技术问题。

以上为本申请提供的一种专利文件评估任务分配方法的第一个实施例的详细说明，下面为本申请提供的一种专利文件评估任务分配方法的第二个实施例的详细说明。

请参阅图2，在上述第一个实施例的基础上，本申请第二个实施例提供了一种专利文件评估任务分配方法。

更具体地，在上述第一个实施例中提及的专利文本特征具体包括：名称特征信息、IPC分类特征信息、权利要求文本特征信息以及全文文本特征。技术相似度计算模型具体包括：名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型。

更具体地，在第一个实施例的步骤102具体包括：

步骤1021、将名称特征信息输入至名称特征计算子模型，将IPC分类特征信息输入至IPC分类特征计算子模型，将权利要求文本特征信息输入至权利要求文本特征计算子模型，以及将全文文本特征输入至全文文本特征计算子模型。

需要说明的是，基于上述提及的专利文本特征和技术相似度计算模型的具体分类，将各组专利文本特征分别输入到对应的子模型当中，例如，专利文本特征中的名称特征信息输入至名称特征计算子模型，IPC分类特征信息输入至IPC分类特征计算子模型等等。

步骤1022、通过名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型进行运算，分别得到专利文本特征与各个技术分类信息对应的单元技术相似度。

需要说明的是，上述的各个子模块获得了对应的数据输入后，由各个子模块进行技术相似度运算，分别得到专利文本特征与各个技术分类信息对应的单元技术相似度，例如，名称特征计算子模型根据输入的名称特征信息以及模型训练阶段获得的专利名称特征先验数据进行技术相似度比对，若根据名称特征信息出现某个技术分类信息对应的关键信息越多，则该名称特征信息与该技术分类信息的单元技术相似度高，其余子模型的单元技术相似度结果获取过程可以此类推。

步骤1023、根据各组专利文本特征的单元技术相似度，结合预设的各组专利文本特征对应的相似度权重，对同一技术分类信息对应的单元技术相似度进行加权求和，分别得到专利文件与各个技术分类信息的技术相似度。

需要说明的是，基于专利名称(model1)、IPC(model2)、权利要求(model3)、专利全文(model4)四个子模型，针对一件专利文件，分别进行模型计算，得到各技术分支的相似度得分，同一模型下各技相似度得分相加等于1。设定模型的权重，IPC 0.5，名称0.2，全文0.16,权利要求0.14，每个子模型各技术相似度得分乘以对应权重，得到专利的技术分析总得分，即上述提及的技术相似度。选择得分最高的技术分析进行分类。模型权重根据实际需要可以动态调整。具体可参阅表1。

表1各个技术分类信息与技术相似度的关系

更具体地，第一个实施例中提及的步骤104具体包括：

步骤1041、根据各个技术分类信息的人员分配情况信息，确定并获取目标技术分类信息对应的评估人员。

步骤1042、获取各个评估人员的分配优先级信息，根据分配优先级信息，将专利文件分配至最大分配优先级对应的评估人员。

需要说明的是，基于获取到的目标技术分类信息对应的评估人员名单，接着，通过获取各个评估人员的分配优先级信息，根据分配优先级信息，将专利文件分配至最大分配优先级对应的评估人员。

其中本实施例中个评估人员的分配优先级可以基于评估人员的某些信息设定和调整，如按照评估人员的职位等级或任务量等信息来设定，例如职位等级越高优先级越大，或任务量越少优先级越大等。具体设定方式可由使用者根据实际需求自行设定，在此不做限定，但一般情况下，可优选采用任务量越少优先级越大的模式。

以上为本申请提供的一种专利文件评估任务分配方法的第二个实施例的详细说明，下面为本申请提供的一种专利文件评估任务分配装置的第一个实施例的详细说明。

请参阅图3，本申请第三个实施例一种专利文件评估任务分配装置，包括：

文本特征获取单元301，用于根据获取到的待分配的专利文件，通过文本特征提取方式，对专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征；

技术相似度计算单元302，用于根据预设的技术相似度计算模型，将专利文本特征输入技术相似度计算模型进行比对，以获得专利文件与各个技术分类信息的技术相似度；技术相似度计算模型为根据预设的技术分类信息及各个技术分类信息对应的分类数据集构建的神经网络模型；

目标技术分类确定单元303，用于根据获得的各个技术相似度，确定最大技术相似度对应的目标技术分类信息；

任务分配单元304，用于根据各个技术分类信息的人员分配情况信息，确定并获取目标技术分类信息对应的评估人员，以便将专利文件分配至评估人员中的其中一位。

更具体地，专利文本特征具体包括：名称特征信息、IPC分类特征信息、权利要求文本特征信息以及全文文本特征。

更具体地，技术相似度计算模型具体包括：名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型。

更具体地，技术相似度计算单元302具体包括：

特征输入子单元3021，用于将名称特征信息输入至名称特征计算子模型，将IPC分类特征信息输入至IPC分类特征计算子模型，将权利要求文本特征信息输入至权利要求文本特征计算子模型，以及将全文文本特征输入至全文文本特征计算子模型；

单元技术相似度计算子单元3022，用于通过名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型进行运算，分别得到专利文本特征与各个技术分类信息对应的单元技术相似度；

加权求和子单元3023，用于根据各组专利文本特征的单元技术相似度，结合预设的各组专利文本特征对应的相似度权重，对同一技术分类信息对应的单元技术相似度进行加权求和，分别得到专利文件与各个技术分类信息的技术相似度。

更具体地，任务分配单元304具体包括：

待分配人员确定子单元3041，用于根据各个技术分类信息的人员分配情况信息，确定并获取目标技术分类信息对应的评估人员；

分配子单元3042，用于获取各个评估人员的分配优先级信息，根据分配优先级信息，将专利文件分配至最大分配优先级对应的评估人员。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种专利文件评估任务分配方法，其特征在于，包括：

根据获取到的待分配的专利文件，通过文本特征提取方式，对所述专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征；

根据预设的技术相似度计算模型，将所述专利文本特征输入所述技术相似度计算模型进行比对，以获得所述专利文件与各个技术分类信息的技术相似度；所述技术相似度计算模型为根据预设的技术分类信息及各个技术分类信息对应的分类数据集构建的神经网络模型；

根据获得的各个所述技术相似度，确定最大技术相似度对应的目标技术分类信息；

根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员，以便将所述专利文件分配至所述评估人员中的其中一位。

2.根据权利要求1所述的一种专利文件评估任务分配方法，其特征在于，所述专利文本特征具体包括：名称特征信息、IPC分类特征信息、权利要求文本特征信息以及全文文本特征。

3.根据权利要求2所述的一种专利文件评估任务分配方法，其特征在于，所述技术相似度计算模型具体包括：名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型。

4.根据权利要求3所述的一种专利文件评估任务分配方法，其特征在于，所述根据预设的技术相似度计算模型，将所述专利文本特征输入所述技术相似度计算模型进行比对，以获得所述专利文件与各个技术分类信息的技术相似度具体包括：

将所述名称特征信息输入至所述名称特征计算子模型，将所述IPC分类特征信息输入至所述IPC分类特征计算子模型，将所述权利要求文本特征信息输入至所述权利要求文本特征计算子模型，以及将所述全文文本特征输入至所述全文文本特征计算子模型；

通过所述名称特征计算子模型、所述IPC分类特征计算子模型、所述权利要求文本特征计算子模型以及所述全文文本特征计算子模型进行运算，分别得到所述专利文本特征与所述各个技术分类信息对应的单元技术相似度；

根据各组专利文本特征的单元技术相似度，结合预设的各组专利文本特征对应的相似度权重，对同一技术分类信息对应的单元技术相似度进行加权求和，分别得到所述专利文件与各个所述技术分类信息的技术相似度。

5.根据权利要求1所述的一种专利文件评估任务分配方法，其特征在于，所述根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员，以便将所述专利文件分配至所述评估人员中的其中一位具体包括：

根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员；

获取各个所述评估人员的分配优先级信息，根据所述分配优先级信息，将所述专利文件分配至最大分配优先级对应的评估人员。

6.一种专利文件评估任务分配装置，其特征在于，包括：

文本特征获取单元，用于根据获取到的待分配的专利文件，通过文本特征提取方式，对所述专利文件中的多个预设范围的文本内容进行特征提取，得到若干组专利文本特征；

技术相似度计算单元，用于根据预设的技术相似度计算模型，将所述专利文本特征输入所述技术相似度计算模型进行比对，以获得所述专利文件与各个技术分类信息的技术相似度；所述技术相似度计算模型为根据预设的技术分类信息及各个技术分类信息对应的分类数据集构建的神经网络模型；

目标技术分类确定单元，用于根据获得的各个所述技术相似度，确定最大技术相似度对应的目标技术分类信息；

任务分配单元，用于根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员，以便将所述专利文件分配至所述评估人员中的其中一位。

7.根据权利要求6所述的一种专利文件评估任务分配装置，其特征在于，所述专利文本特征具体包括：名称特征信息、IPC分类特征信息、权利要求文本特征信息以及全文文本特征。

8.根据权利要求7所述的一种专利文件评估任务分配装置，其特征在于，所述技术相似度计算模型具体包括：名称特征计算子模型、IPC分类特征计算子模型、权利要求文本特征计算子模型以及全文文本特征计算子模型。

9.根据权利要求8所述的一种专利文件评估任务分配装置，其特征在于，所述技术相似度计算单元具体包括：

特征输入子单元，用于将所述名称特征信息输入至所述名称特征计算子模型，将所述IPC分类特征信息输入至所述IPC分类特征计算子模型，将所述权利要求文本特征信息输入至所述权利要求文本特征计算子模型，以及将所述全文文本特征输入至所述全文文本特征计算子模型；

单元技术相似度计算子单元，用于通过所述名称特征计算子模型、所述IPC分类特征计算子模型、所述权利要求文本特征计算子模型以及所述全文文本特征计算子模型进行运算，分别得到所述专利文本特征与所述各个技术分类信息对应的单元技术相似度；

加权求和子单元，用于根据各组专利文本特征的单元技术相似度，结合预设的各组专利文本特征对应的相似度权重，对同一技术分类信息对应的单元技术相似度进行加权求和，分别得到所述专利文件与各个所述技术分类信息的技术相似度。

10.根据权利要求6所述的一种专利文件评估任务分配装置，其特征在于，所述任务分配单元具体包括：

待分配人员确定子单元，用于根据各个技术分类信息的人员分配情况信息，确定并获取所述目标技术分类信息对应的评估人员；

分配子单元，用于获取各个所述评估人员的分配优先级信息，根据所述分配优先级信息，将所述专利文件分配至最大分配优先级对应的评估人员。

Images