摘要
专利景观审查（PLRs）被广泛用于描绘技术活动、申请人、法域、专利族及创新趋势。然而，许多专利景观审查仍停留在描述性层面，在检索验证、数据集构建、人工筛选、分类一致性以及向研究方向转化等方面提供的细节有限。本文提出了一种结构化但灵活的PLR框架，用于从专利数据集构建过渡到结构化的研究空白评估和识别研究方向。该框架整合了基于文献的范畴界定、广泛的初步专利检索、用于检索验证的开发集与留出集、Clopper–Pearson召回率下置信界、专利特异性筛选、PRISMA风格的报告撰写、人工相关性筛选、分类一致性检查、文献计量分析、技术更新分析以及研究空白转化。本文以氨制氢专利审查为例，展示了该框架的运作方式。在该案例中，冻结的Lens.org检索式在留出验证集中检索到了全部20项专利，留出召回率为100%，单侧95% Clopper–Pearson下置信界为86.1%。经验证的检索式共检索到1394条专利记录，经专利族去重后缩减为934个独立专利族，再经专利特异性筛选和人工相关性筛选后最终保留708个相关专利族。该案例展示了经验证的检索构建、专利族筛选、人工筛选及多层专利分类如何同时支撑描述性景观分析和更深入的技术解读。该框架为研究人员、研究生、创新办公室和技术转移办公室提供了一条实用的方法论路径，帮助其利用专利信息开展研究规划、发明开发、技术侦察及未来研究方向识别。
