创新是引领发展的第一动力,可以作为评估企业核心竞争力、市场能力的重要衡量标准。而专利是创新产出成果的主要载体,对专利的研究有利于企业进行有针对性的技术创新战略选择和资源的合理分配研发。所以建立创新指标体系来挖掘专利文本的技术创新是当今时代的研究热点。在当前研究中,专利指标的定义缺乏统一规范,并且专利指标体系的构建大部分是由人工完成。这些问题导致在不同领域,不同专家对指标的定义各不相同,会忽略专利文本本身存在的信息,同时人工的方式会耗费大量的人力资源。基于此,本文结合TRIZ（Theoriya Resheniyva Izobretatel’skikh Zadatch）理论对指标进行定义,使指标可以反应专利中最终要解决的问题,并提出了两种使用基于机器学习进行专利指标自动挖掘的方法,具体研究包括以下内容:（1）结合TRIZ理论对专利发明的分析,本文研究了非结构化专利文本的特点,对专利发明的一般过程进行研究和总结,并首次基于TRIZ对指标进行了定义。（2）本文提出了基于卷积神经网络和基于图神经网络的两种专利指标挖掘方法。其中,前者是根据专利文本指标词的特征以及技术的相互影响关系,利用依存句法分析生成句法关系依赖树,建立领域词依赖和修饰关系,之后提取出与专利文本的主语宾语有依赖关系的名词、动词、形容词作为特征,使用卷积神经网络进行指标挖掘。而后者则根据上下文的修饰关系和对词义的影响,用含有主语宾语的施事和受事作为特征,使用图神经网络训练模型进行指标的挖掘。本文使用Python爬虫技术爬取了海量专利数据,并将其分为不同的领域,对于每个领域使用两种方法分别进行实验,并取得了较好的效果。（3）根据上述实验结果,选择了效果更好的方法,并基于此方法,应用系统开发技术,设计并开发了一套专利指标挖掘系统,该系统可以帮助用户有效挖掘专利的指标,进一步验证了方法的有效性。