为了研究和建立北京市知识产权指标体系、知识产权公共信息服务平台与预警机制,从而提高北京市知识产权预警能力和高新技术产业竞争力,迫切需要大量准确的专利信息作为分析和研究专利与知识产权的基础。目前国内大部分政府和企业在专利资源的获取方面采用人工下载,或是通过搜索引擎搜索并下载,效率差、准确性低,获得的专利信息结构化差,不利于分析。本文研究了从USPTO(美国专利商标局)专利数据库中采集信息的全过程,包括专利检索、接口分析、专利下载、信息抽取等。并将Deep Web(深网)技术、多Agent系统技术、基于XML的信息抽取技术等应用于专利信息的采集过程。目的在于从USPTO数据库中准确、快速、自动地获取结构化的专利信息。本文使用基于多Agent系统的技术和方法设计了专利信息采集系统。采集系统分为用户接口子系统、中心控制子系统、专利网页获取子系统、专利基本信息抽取子系统和专利被引信息抽取子系统,各子系统的核心分别为用户接口Agent、中心控制Agent、爬行调度Agent、基本信息抽取调度Agent、被引信息抽取调度Agent。本文论述了组成各子系统的诸Agent结构及通信、调度方式和调度算法。本文使用JAVA语言,在JADE环境中实现了专利采集系统原型并进行了采集实验,结果表明,原型系统能够快速、准确的采集专利信息,具有良好的性能和效率。本文的创新之处在于:第一,综合运用多种技术方法,如多Agent系统技术,基于XML的信息抽取技术和相关开源工具,在美国专利商标局数据库中采集信息。第二、研究并设计了专利采集系统的核心算法,包括中心Agent调度算法、爬行Agent调度算法、基本信息抽取Agent调度算法、专利被引信息抽取Agent调度算法、专利信息页面获取流程、专利信息抽取流程、页面过滤与清洗算法、专利信息抽取规则等。第三、实现了专利采集系统原型,可以根据检索表达式自动下载、抽取专利,并将结构化的专利信息存储在本地数据库中。系统具有较高的效率。