小編語：

本文的工具介紹主要分成八個部分：

1. 通用工具（General Tools）

2. 數(shù)據(jù)清洗工具（Cleaning Tools）

3. 數(shù)據(jù)挖掘（Data Mining）

4. 數(shù)據(jù)可視化（Data Visualisation）

5. 網(wǎng)絡(luò)數(shù)據(jù)可視化（Network Visualisation）

6. 信息可視化（Infographics）

7. 地理數(shù)據(jù)可視化（Geographic Mapping）

8. 文本挖掘（Text Mining）

上期開源分析方法 | 專利分析工具（上）已經(jīng)介紹了第1-4點，今天我們接著介紹第5-8點所涉及的開源工具。

5. 網(wǎng)絡(luò)數(shù)據(jù)可視化（Network Visualisation）

網(wǎng)絡(luò)數(shù)據(jù)可視化軟件在科學技術(shù)分析，特別是科學技術(shù)關(guān)系分析領(lǐng)域，是一種重要的分析工具。在專利分析中，網(wǎng)絡(luò)數(shù)據(jù)可視化有很多用處（本公眾號也發(fā)過相關(guān)介紹圖表介紹 | 力導(dǎo)布局圖），包括：

1. 用于可視化某一特定技術(shù)領(lǐng)域中，申請人和發(fā)明人之間關(guān)聯(lián)關(guān)系。

下圖是合成生物學領(lǐng)域?qū)⒔?000位論文作者的網(wǎng)絡(luò)關(guān)系圖。

2. 可視化IPC或CPC分類號的技術(shù)領(lǐng)域及這些分類號之間的技術(shù)關(guān)聯(lián)。

WIPO之前就采用了這樣的大型網(wǎng)絡(luò)數(shù)據(jù)分析方法來分析動物遺傳資源領(lǐng)域的專利概況。

下圖梳理了上萬項在文獻中出現(xiàn)了農(nóng)場養(yǎng)殖動物名稱（例如牛、豬、羊等）的專利文獻，從這些文獻中找出各IPC分類號或CPC分類號在同一文獻中出現(xiàn)的情況，并用網(wǎng)絡(luò)圖把這些分類號在同一文獻**存在的關(guān)系展示出來。圖中的每一個節(jié)點表示一個分類號。節(jié)點之間距離越近，說明這些分類號在同一文獻中出現(xiàn)的次數(shù)越多，由此表示這些分類號之間的技術(shù)相似度越高，而這些關(guān)系緊密的分類號所涉及的文獻的技術(shù)關(guān)聯(lián)度也就越高。而距離相隔較遠的節(jié)點代表的文獻技術(shù)關(guān)聯(lián)度則較低，比如烹飪設(shè)備和動物的住房，這些集群中的文獻就可以更快速的被排除。動物遺傳資源專利分析報告的作者采用這一網(wǎng)絡(luò)圖作為數(shù)據(jù)挖掘的工具來尋找目標文獻。（針對這一分析方法，我們在力導(dǎo)布局圖的文章中也做過介紹圖表介紹 | 力導(dǎo)布局圖）

3. 將專利文獻中的關(guān)鍵詞的出現(xiàn)頻率及其與其他關(guān)鍵詞之間的關(guān)系進行網(wǎng)絡(luò)數(shù)據(jù)可視化，能夠作為專利分析的進一步探索與完善。

也是在WIPO動物遺傳資源的案例中，該報告的作者將詞干相同的詞語聚集在一起以了解與動物育種有關(guān)的動物新品種有哪些。

因此，網(wǎng)絡(luò)數(shù)據(jù)可視化即可以看做是用于探索某一技術(shù)主題的一種工具，也可以看做是一種最終的可視化作品。

5.1 Gephi

Gephi是一種基于Java的開源網(wǎng)絡(luò)可視化生成工具。它可以實現(xiàn)大量數(shù)據(jù)的處理來生成強大的網(wǎng)絡(luò)數(shù)據(jù)可視化（當然處理能力也跟你的電腦性能有關(guān)）。

TIPS：使用Gephi時需要注意，如果你是第一次安裝使用，在第一次打開Gephi時會提醒給你的操作系統(tǒng)安裝正確的Java版本。

5.2 NodeXL

對于EXCEL死忠粉，NodeXL是Excel的一種插件，能夠生成網(wǎng)絡(luò)圖，而且比較好用。

5.3 Cytoscape

Cytoscape也是一個網(wǎng)絡(luò)數(shù)據(jù)可視化工具。它原本是設(shè)計用來做生物網(wǎng)絡(luò)可視化和交互的，但是就像許多其他的生物信息學工具一樣，也可以用來做更廣泛的可視化工具。

我們做網(wǎng)絡(luò)數(shù)據(jù)可視化主要是采用Gephi，但是Cytoscape也非常值得探索其使用方法，因為使用Cytoscape不會出現(xiàn)Java版本不對的問題。

5.4 Pajek

Pajek是最早開源網(wǎng)絡(luò)數(shù)據(jù)可視化工具，但是只有Windows系統(tǒng)可以用。它在文獻計量學中被廣泛應(yīng)用，并且可以處理大量數(shù)據(jù)。作者本人更加推薦Gephi，因為相比而言，Gephi更加靈活。但Pajek在精度上更有優(yōu)勢，更易于重復(fù)實現(xiàn)和文件保存。

對于想體驗一下Gephi的用戶來說，可以將從Pajek導(dǎo)出的數(shù)據(jù)直接導(dǎo)入Gephi，操作還是比較方便的。

5.5 VOS Viewer

VOS Viewer由萊頓大學開發(fā)，功能與Gephi和Cytoscape相似，但是它具有更多的視覺效果。最新的版本也可以與Gephi和Cytoscape相連。如果想獲得更多的視覺效果，VOS Viewer值得一試。并且它還識別Web of Science和Scopus bibliographic的數(shù)據(jù)。

5.6 Hive Plots

對于Hive Plots這個工具我們也不是很熟。但是我們對其制作網(wǎng)絡(luò)圖的目的很是贊同，這個目的就是利用網(wǎng)絡(luò)圖使復(fù)雜的數(shù)據(jù)變得清晰，而不是說“哇，快看，我做了一個看起來像意大利粉的網(wǎng)絡(luò)圖”這樣（僅僅看它的外在形式，而不去深究數(shù)據(jù)深意）。因此，我們覺得由加拿大BC腫瘤研究所基因組科學中心的科學家Martin Krzywinski開發(fā)的Hive Plots這個工具值得推薦。

在討論了網(wǎng)絡(luò)圖制作工具之后，我們還要注意的是網(wǎng)絡(luò)圖數(shù)據(jù)可視化需要輸出成圖片格式。也就意味著還需要有圖像處理軟件。開源的工具例如GNU圖像處理程序（簡稱GIMP）就可以用來處理圖像。

對于其他的網(wǎng)絡(luò)數(shù)據(jù)可視化資源，可以參考FlowingData。也可以看看Visual Complexity和visualising data來獲得些靈感。

6.信息可視化（Infographics）

信息圖在近些年越來越受到關(guān)注，成為信息傳遞的重要方式之一。信息圖的有用之處在于將復(fù)雜的研究成果用簡單直觀的方式展示傳遞。WIPO的專利分析項目就制作了很多信息圖來展示其專利分析成果（這個我們公眾號之前也都介紹過，比如：每日一圖|怎樣做得跟WIPO一樣好（傳染病疫苗專利分析）；[每日一圖]怎樣做得跟WIPO一樣好（動物遺傳資源領(lǐng)域?qū)＠治觯?/a>；[每日一圖]怎樣做得跟WIPO一樣好（水脫鹽技術(shù)分析）；[每日一圖]怎樣做得跟WIPO一樣好（太陽能烹飪技術(shù)分析）等等，大家可以去菜單欄找找）。

由于信息圖表的日益普及，網(wǎng)絡(luò)上也出現(xiàn)了很多在線制作信息圖的免費工具。但是這些工具也有其局限，比如可選擇的圖表數(shù)量有限等等。但是作為一個越來越受到關(guān)注的領(lǐng)域，這些問題以后肯定會解決。下面列出了一些可以在線制作信息圖的工具，有興趣的同學可以去試試。

6.1 Piktochart.com

（https:///）

6.2 Canva.com

（https://www./create/infographics/）

6.3 Infogr.am

（https:///pricing）

6.4 Visme

（https://www./）

6.5 Easel.ly

（https://www./create/）

還可以去Cool Infographics這個網(wǎng)站尋找其他有用的資源，發(fā)現(xiàn)全球最潮信息圖和最in信息圖制作工具。蘋果的Keynote，Open Office Presentation和Powerpoint也可以用來制作信息圖。

7.地理數(shù)據(jù)可視化（Geographic Mapping）

除了無所不在的谷歌地圖和眾所周知的谷歌地球之外，我們在此再推薦一下別的工具。

7.1 OpenStreetMap

很流行。

 7.2 Leaflet

一個非常流行的基于JavaScript的開源工具，可用于制作交互式地圖。

7.3 Tableau Public

在前面已經(jīng)提到過了。Tableau Public使用開源的街景地圖來創(chuàng)建強大的交互地圖。Tableau Public應(yīng)該是你用專利數(shù)據(jù)來制作地圖的最好用的初學者工具。

可以去下面的連接看交互圖表：http://public./profile/poldham#!/vizhome/SyntheticBiologyScientificLandscape/SyntheticBiologyTrends

Tableau Public使用簡單的方法制作有效的交互式地圖成為了可能。

7.4 QGIS

QGIS是一個用戶界面友好的桌面地理信息系統(tǒng)，可運行在Linux、Unix、Mac OSX和Windows等平臺之上。 

Oldham和Hall等人使用QGIS將全球海洋科學研究和相關(guān)專利文獻中提及的地理位置標注在了地圖上，見下圖。下圖就是一個低分辨率的QGIS地圖，展示了通過對相關(guān)科學文獻的文本挖掘，得到的海洋科學研究的地理位置。

7.5 Geonames.org.

GeoNames不是一個地圖制作的程序，GeoNames而是與地理信息有關(guān)的一個數(shù)據(jù)庫、Web 服務(wù)和目標站點。如果你需要大量的地理位置的參考數(shù)據(jù)，GeoNames應(yīng)當是你的首選。

7.6 iCharts

一個免費的和高級的數(shù)據(jù)可視化服務(wù)。

7.7 OpenLayers3

OpenLayers3允許你將自己的繪制的圖層加入到OpenStreetMap中。這對于尋求制作自己地圖圖層的人來說特別有用。用時OpenLayers3也具有API（應(yīng)用程序編程接口）和教程。

7.8 CartoDB

具有免費版和付費版的不同級別賬號，能夠提供很多好看的可視化實例。

7.9 D3.js

D3是最流行的可視化庫之一，它被很多其他的表格插件所使用，其基于Javascript來處理數(shù)據(jù)和文獻。D3幾乎是很多我們經(jīng)常提及的在線可視化工具背后的庫。

7.10 Highcharts

一個擁有很多漂亮圖表實例圖表庫，具有免費的非商業(yè)版本和不同的收費版本。

7.11 Datawrapper

一個可以使用你自己的數(shù)據(jù)來創(chuàng)建圖表和地圖的完全開源的服務(wù)。很多大的新聞媒體都是用這個服務(wù)來制作他們的數(shù)據(jù)新聞圖表，所以Datawrapper的圖表會讓我們看上去有種很熟悉的感覺。這個服務(wù)也是有免費的功能可供使用，同時也有付費賬號可以使用更高級的功能。

7.12 Plotly

plotly是一款在線的科學繪圖、數(shù)據(jù)分析軟件，你可以把他想象成在線版本的Origin，支持桌面以及移動瀏覽器。

8.文本挖掘（Text Mining）

目前有很多文本挖掘的工具，其中有很多也是免費和開源的。以下是我們推薦的部分文本挖掘工具。

8.1 Jigsaw Visual Analytics 

Jigsaw是一款免費的文本可視分析系統(tǒng)，它可以讀入文本數(shù)據(jù)，自動提取實體，建立主題模型。此外，它提供了一系列可視化圖表來顯示文本的各種特征。用戶可以在多種視圖之間切換，改變各種視覺特性。但是，Jigsaw不支持對原始數(shù)據(jù)預(yù)處理，也不太支持模型參數(shù)選擇。

8.2 Weka

基于Java的文本挖掘軟件。

8.3 Word Trees

Word trees可以用于對文本的探索，比如權(quán)利要求樹（claims trees）（對于Word Tree或是claims tree在專利分析中的用處，本文沒有多做解釋，小編覺得可能是為了通過分析權(quán)利要求的撰寫方式來幫助理解技術(shù)方案？）。

可以使用Google Word Trees來制作Word trees。Google Word Trees在Google Developers站點上，其提供了使用Javascript和樹生成器（tree creator）生成word tree的指引。

8.4 KH Coder

一個免費軟件，其提供了對大量文本內(nèi)容進行分析和文本挖掘。

8.5 R和tm軟件包

RStudio中的tm軟件包提供了一系列的文本挖掘工具。這個軟件包的開發(fā)者還寫了一個介紹，可以點此鏈接下載：

http://cran./web/packages/tm/vignettes/tm.pdf

在R的相關(guān)博客上也有很多有用的tm軟件包使用方法介紹。

還有一本書手把手教你使用R進行文本挖掘——《Hand-On Data Science with R Text Mining》，作者Graham Williams，出版年份2014年。

另外，還有Fridolin Wild于2104年出版的關(guān)于R中的文本挖掘工具概覽一書《CRAN Task View: Natural Language Processing listing the various packages and their uses》

我們注意到，很多文本挖掘軟件包都是關(guān)注于生成單詞，這對于很多非學術(shù)性目的的研究還算是有用。但是，我們專利分析的文本挖掘主要關(guān)注于提取和分析短語，因此，尋找那些能夠提取和分析短語的工具是很必要的。

8.6 Python and Text Mining

基于Python語言的文本挖掘資源也有很多?，F(xiàn)在越來越多的時候，我們都是將Python和R聯(lián)合使用來進行文本挖掘。下面介紹一些基于Python的資源來幫助你從零開始。

8.6.1 The Natural Language Toolkit (NLTK) 

The Natural Language Toolkit貌似是現(xiàn)在最牛的軟件包，幾乎能夠滿足所有的主要需求。其配到的教科書《Natural Language Processing with Python》也值得一讀。

有關(guān)的NLTK的零基礎(chǔ)入門教程，可以點此鏈接下載： http:///dive-into-nltk-part-i-getting-started-with-nltk

8.6.2 The Python Textmining Package

這個軟件比The Natural Language Toolkit (NLTK)簡單一點，不過也能滿足你的大部分需求。

8.7 Other text mining resources

要看了解更多的文本挖掘工具，可以看這篇文章“top 20 free text mining software tools”（相關(guān)鏈接：http://www./top-free-software-for-text-analysis-text-mining-text-analytics/）

要了解更多關(guān)于免費文本挖掘的工具，可以去瀏覽語言語義學的相關(guān)網(wǎng)站，比如下面三個鏈接：

• http://:8888/sp/SearchWRListing-action.cfm?subclassid=7223&SearchType=LF&WRTypeID=2；

• http://www./~dlee/software.htm；

• http://ucrel./tools.html

一些分析工具，比如Search Technology公司的VantagePoint是專門為分析處理專利數(shù)據(jù)而設(shè)計開發(fā)的，它有一個資助版本對于vpinstitute的學生免費。（相關(guān)鏈接：https://www./）

當然也有很多數(shù)據(jù)分析的軟件可以用于專利數(shù)據(jù)的分析，例如：

• MAXQDA（http://www./）

• NVivo（http://www./products_nvivo.aspx）

• Atlas TI（http:///）

• QDA Miner（http:///products/qualitative-data-analysis-software/）

小結(jié)

在這篇文章中，我們介紹了一些主要的可用于專利分析的免費和開源工具。這些工具并非專門用于專利分析，但是其功能可以滿足專利分析的需求。專利數(shù)據(jù)在經(jīng)過了數(shù)據(jù)清洗、專利申請人及發(fā)明人名稱的歸一化以及技術(shù)領(lǐng)域的標引之后，非常適合數(shù)據(jù)可視化和網(wǎng)絡(luò)數(shù)據(jù)的展示。專利文獻著錄項目中包含了國家、申請人地址、代理機構(gòu)地址等地理信息，這也就意味著專利數(shù)據(jù)也可以用地圖來展示。

在實踐中，找到一組對于你的專利分析工作最適合的工具以及專利分析的方法都是很重要的。

很多時候，你還很有可能會將付費軟件和免費工具結(jié)合起來使用。比如最近我們做的WIPO關(guān)于動物遺傳資源的專利分析報告（本報告之前我們也介紹過，相關(guān)鏈接：[每日一圖]怎樣做得跟WIPO一樣好（動物遺傳資源領(lǐng)域?qū)＠治觯?/a>）就使用了很多工具，包括使用PATSTAT來獲取數(shù)據(jù)，用Thomson Innovation and VantagePoint來進行數(shù)據(jù)驗證，Tableau和Gephi做數(shù)據(jù)可視化。