近年来,随着物联网、机器人和人工智能等科学技术的日新月异,经济全球化趋势日趋明显。知识或智力资源(包括专著、专利、商标、科技论文等)的占有、配置、生产和运用已成为我国经济发展的重要依托,技术知识的重要性日益凸现。以知识为基础的产业在国内经济所占的比重不断提高,知识产权已成为国家之间、企业之间竞争的焦点。专利作为典型的知识产权,是衡量技术创新的重要指标,也是免于技术侵犯的法律保护手段。专利检索成为了研发过程中必不可少的一环。面向海量专利文献的检索与分析是一个综合领域,它的进展取决于自然语言处理、机器学习和信息检索等方面的研究。深度学习作为成为机器学习研究的一个新领域,旨在使机器学习能够更加地接近其最初的目标--人工智能。如何用深度学习方法,结合自然语言处理技术对专利进行检索与分析,对企业进行侵权分析建议、竞争对手建议、市场定位建议等方面都具有实际意义。对于专利检索来是根据检索人员给出的查询,返回与此查询相关的专利文本集合,并进行降序排列给用户使用。传统专利检索大多以机械式的语义匹配方式进行检索,通常不能达到检索人员的检索理念,而人工智能技术越来对多地运用于专利检索,通过分析与抽取待检专利的关键信息,并进行相应的语义扩展,可以一定程度提高检索的性能,而单一的检索技术又存在一定的局限性。针对上述问题,本文在深入研究基于深度学习的文本表示的基础上,主要研究两种检索方法的融合策略以及查询扩展技术来达到性能的提升。首先本文使用Word2Vec的Skip-Gram模型进行词向量表示及相似性计算,构建专利关键词网络,从中寻找满足条件的子图进行查询扩展;然后将基于DAE和DSSM两种检索模型相结合,它们分别对查询和文本进行表示及相似性计算,再通过加权求和进行结果的排序。经过实验验证,本文所提出的方法可以提高专利检索的召回率和准确率。