在当前专利申请量和无效请求量剧增的背景下，本研究探索用人工智能方法辅助专利审查工作，提高审查工作的效率与专利授权的准确性，促进科技进步。研究中将审查工作中对于对比文献的检索问题转化为判断目标专利与对比文献是否相关的分类问题，并用深度学习代替人工阅读，解决专利的可专利性判断问题，从而将专利审查工作转化为专利相关性判定模型构建和专利无效判定模型构建两个步骤。
　　本研究首先针对传统的基于信息检索查找对比文献方法的不足，将专利特征从文本相似度扩充到由文本相似度、共现词汇、共现词汇数量构成特征数据集，并选择多个模型对专利相关性进行判断，其中最优F1值达到63.1％。结果显示对相关性判断结果而言，高度专业化共现词汇的贡献远大于文本相似度，这说明文本相似度不足以揭示专利相关性，需要加入更多文本、专利属性和结构等方面的特征因素，以提升模型效果。
　　其次，通过挖掘对比文献说明书与目标专利权利要求项之间的相关因素来判断目标专利是否无效，具体而言，通过文本相似度计算将与目标专利权利要求项最相关的对比文献说明书段落抽取出来，并以向量形式输入BiDAF-HAN模型中进行专利无效判定。实验结果显示仅通过浅层语义的文本相似度不足以挖掘专利被无效的可能性，需要在对专利内容进行深层语义挖掘的基础上集成领域知识等多种信息才能取得一定效果。
　　利用人工智能解决复杂的专利审查工作是一项极具挑战的研究，后续研究可以从两个方面进一步展开，一是探索面向深层语义的自然语言处理模型，二是集成除专利文本外更加丰富的特征，如技术分类号、引文信息等，以提升模型效果。