《Electronics》：PatentConceptor: Generating Innovative Product Concepts with Patent Knowledge and Large Language Models
编辑推荐：
产品概念生成是创新工程设计的关键环节，但常受限于设计人员的领域固化思维以及跨领域技术知识的获取不足。本文提出PatentConceptor，一个面向跨领域创新设计的智能系统。该系统将专利知识检索与大型语言模型（LLM）能力相整合，包含三个功能模块：设计需求分析
产品概念生成是创新工程设计的关键环节，但常受限于设计人员的领域固化思维以及跨领域技术知识的获取不足。本文提出PatentConceptor，一个面向跨领域创新设计的智能系统。该系统将专利知识检索与大型语言模型（LLM）能力相整合，包含三个功能模块：设计需求分析（DRA）、专利知识检索（PKR）和产品概念生成（PCG）。研究提出两项主要创新：第一，一种查询类型自适应混合检索机制，通过将查询特征映射到最优词法-语义权重，动态融合TF-IDF与潜在语义分析（LSA），而非采用固定融合策略；第二，一种领域约束的LLM生成范式，在概念生成过程中强制施加IPC（国际专利分类）领域限制，使概念植根于检索到的专利，并降低幻觉风险。在50个设计问题和520,634份专利文档上的定量实验表明，该系统具有强大的检索性能（P@5 = 0.836，CP@5 = 0.212）和高概念新颖性（7点量表上的平均新颖性得分为5.29）。研究人员还开展了一项针对情感身体姿态识别可穿戴系统的端到端案例研究，结果表明PatentConceptor生成的概念可成功实现为功能原型，该原型实现了71.5%的跨主体识别准确率。
**论文解读：PatentConceptor——融合专利知识与大型语言模型的跨领域创新产品概念生成系统**
**研究背景与问题**
产品概念生成是创新工程设计的核心阶段，直接决定新产品的功能架构、技术可行性与市场竞争力。然而，设计人员普遍面临“设计固化”问题，即领域专长和习惯性思维模式限制了新颖解决方案的探索。为突破这一局限，研究人员长期致力于借助外部知识源增强人类创造力，专利知识因其系统性记录技术原理和跨行业创新演化模式而成为重要资源。然而，现有基于专利的设计支持方法存在两大局限：一是多数方法依赖单一检索策略，无法根据查询特征自适应调整，对系统性跨领域探索支持不足；二是几乎所有现有工具止步于专利检索阶段，未能将检索到的专利转化为具体产品概念。近年来，大型语言模型（LLM）的兴起为自动化概念生成带来新可能，但无约束的LLM生成存在严重的幻觉问题，可能产生技术上不可行甚至不存在的解决方案。尽管检索增强生成（RAG）被用于约束LLM输出，但现有RAG系统仍缺乏自适应检索机制，且很少在生成过程中施加严格领域约束。为此，研究人员提出PatentConceptor，一个整合LLM语义理解与结构化专利知识检索的智能系统，旨在支持跨领域创新设计。该研究发表在《Electronics》期刊上。
**研究内容与结论**
研究人员设计并实现了PatentConceptor系统，通过三个核心模块（设计需求分析DRA、专利知识检索PKR、产品概念生成PCG）构建从用户需求到可执行设计概念的系统化流程。在50个设计问题数据集和520,634份中国专利语料库上的定量实验表明：DRA模块的领域识别精确匹配率达42.0%，微平均F1分数为0.809；PKR模块的检索性能P@5达到0.836，跨领域精度CP@5为0.212；PCG模块生成的概念在7点量表上平均新颖性得分为5.29。端到端案例研究进一步验证了实用性：基于PatentConceptor生成的概念，研究人员开发了压力传感阵列服装（PSAG）原型，用于情感身体姿态识别，该原型在跨主体验证中达到71.5%的准确率。研究的重要意义在于提出了查询类型自适应混合检索机制和领域约束LLM生成范式，有效平衡了词法精度与语义召回，并显著降低了幻觉风险（约束违反率从无约束时的34.0%降至8.0%，可追溯性从0.41提升至0.87）。
**关键技术方法**
研究人员采用以下关键技术方法：（1）**基于LLM的技术领域识别**：利用DeepSeek-V3对用户设计需求进行IPC（国际专利分类）领域分类，并基于预定义的跨领域映射规则推荐创新方向；（2）**基于LLM的查询类型分类**：将查询分为技术型、短查询、功能型、长查询和语义型五类，用以驱动自适应权重；（3）**查询类型自适应混合检索**：根据查询类型动态融合TF-IDF关键词匹配与LSA（潜在语义分析）语义相似度，权重α从0.3（语义型）到0.8（技术型）之间自适应调整；（4）**领域约束的LLM生成**：在生成提示中嵌入严格的IPC领域限制，要求LLM仅使用用户选定专利所属领域的技术，实现单专利深度挖掘或多专利融合生成模式。专利知识库来源于520,634份中国专利（2015–2024年），涵盖所有八个IPC部类（A–H）。
**研究结果**
（1）**技术领域识别评估**：在50个设计问题数据集上，系统达到42.0%的子集精确率（SA）和0.718的Jaccard指数（JI），微平均F1为0.809，宏平均F1为0.757，自一致性得分为0.913，表明领域分配稳定可靠。
（2）**查询类型分类评估**：系统准确率为84.0%，宏平均F1为85.7%，自一致性达97.2%。各类F1分数分别为：短查询0.909、技术型0.839、功能型0.811、长查询1.000、语义型0.727，语义型查询因抽象性而表现相对较低。
（3）**专利知识检索评估**：自适应混合检索（含LLM查询扩展）相比无扩展基线，P@5从0.672提升至0.836（+24.4%），CP@5从0.152提升至0.212（+39.5%）。与BM25、稠密检索（BGE）及非自适应混合基线（BM25+Dense）相比，PatentConceptor在所有指标上表现最优，P@5提升12.4%，CP@5提升31.7%。消融实验证实自适应权重策略优于任何固定权重（α=0.3/0.5/0.7/0.9）。按查询类型分析，语义型查询CP@5最高（0.286），短查询和功能型较低（0.152和0.174）。
（4）**产品概念生成评估**：多专利融合模式在新颖性上略优于单专利深度模式（均值5.35 vs 5.23），但差异不显著（p=0.092）；单专利模式在可行性上显著更高（均值4.76 vs 4.59，p=0.023，效应量d=-0.333）。规范性评估显示，PatentConceptor的约束违反率（CVR）为8.0%，可追溯性得分（TS）为0.87，显著优于无约束基线（CVR=34.0%，TS=0.41）。
（5）**案例研究：情感身体姿态识别可穿戴系统**：基于PatentConceptor生成的“力感情绪动作捕捉服装”方案，研究人员开发了PSAG原型，集成23个柔性压力传感器至长袖服装内表面。在10名健康志愿者（6男4女，21–32岁）的实验中，针对四种情绪（平静、快乐、愤怒、悲伤）对应的坐姿身体姿态进行分类。依赖个体评估中，KNN、随机森林（RF）和决策树（DT）准确率达100%、100%和99.8%；跨主体验证中，线性判别分析（LDA）达到最高准确率71.5%，证明该概念具有跨用户可迁移性。
**讨论与结论**
讨论部分指出，PatentConceptor在三个核心模块上均表现有效，其优势在于：相较于传统专利工具，通过查询类型自适应混合检索动态平衡词法精度与语义召回；相较于无约束LLM，通过领域约束生成大幅降低幻觉风险（约束违反率从34.0%降至8.0%）。研究贡献包括：提出查询类型自适应混合检索机制、引入领域约束LLM生成范式、提供集成化实现（含Web工具、基准数据集和原型验证）。案例研究展示了跨领域类比迁移的潜力——力感情绪动作捕捉服装方案源于协作机器人碰撞力检测专利，其分布式应力测量原理直接迁移至人体姿态监测。局限性包括：跨领域检索性能仍有限（CP@5=0.212），IPC分类仅限部类级别，专利数据库仅含中国专利（2015–2024年），评估仅使用单一后端LLM（DeepSeek-V3），自适应权重为经验确定，LSA可被现代稠密检索方法替代，数据集规模较小（50个案例），案例研究缺乏对照比较。未来工作将改进跨领域检索、扩展专利资源、验证更多应用场景。
**研究结论（翻译）**
本文提出了PatentConceptor，一个面向跨领域产品概念生成的智能系统。它整合了基于LLM的语义理解与结构化专利知识检索。三个模块（DRA-PKR-PCG）架构提供了从用户需求到可执行设计概念的系统化流程。在50个设计问题上的定量实验证明了强大的检索性能（P@5 = 0.836，CP@5 = 0.212）和高概念新颖性（7点量表上平均新颖性得分5.29）。可穿戴系统案例研究验证了PatentConceptor的端到端可行性：基于PatentConceptor生成概念开发的PSAG原型在依赖个体评估中达到100%的分类准确率，在跨主体验证中达到71.5%。总之，本研究贡献了一个整合的理论框架、模块化系统架构和实证证据，共同表明基于LLM的专利知识能够支持生成既新颖又可行的产品设计。未来工作将聚焦于改进跨领域专利检索、增强LLM基础概念生成，以及通过更大规模数据集和多样化应用场景验证PatentConceptor。
