随着世界创新驱动的发展,科技技术受到前所未有的关注。尤其近年来,随着专利申请数量的增多,互联网平台涌现大量的非结构化专利文本数据。这些数据中蕴含很多科技技术发展关键指标,如何从专利文本数据中有效地挖掘指标,为专利对比评估和企业技术评估提供参考依据是本文研究的重点。因此,本文提出面向领域的指标挖掘方法研究与系统实现,具体工作如下:通过调研国内外专利文本数据研究和文本指标词挖掘研究现状,结合其他学者对专利文本内容挖掘和文本指标词挖掘研究属性特点,总结了面向领域专利文本指标词挖掘的特征选取形式,利用文本挖掘的基础特征以及专利文本指标词的位置信息和周围修饰词特点,构建以N-gram、词性、动词+名词、动词+形容词+名词、动词+副词+名词、动词+形容词+副词+名词、动词+形容词+数量词+名词等七个属性特征作为专利文本指标词挖掘研究特征,结合现有的依存句法分析技术和Word2Vector进行特征工程处理。面向领域指标挖掘方法模型选择。在基于BP神经网络的指标挖掘方法模型中,利用BP神经网络的非线性映射能力和自适应能力进行指标词预测,根据经验公式计算隐含层神经元个数范围,训练模型寻找MSE最小时神经元个数,调整不同的学习率进行模型优化。在基于贝叶斯神经网络模型的指标挖掘方法研究中,利用贝叶斯神经网络模型的良好的鲁棒性和网络权重是随机分布不易陷入过拟合的优势进行指标词预测,根据经验进行网络层数确定,利用公式得出隐含层神经元个数范围,寻找MSE最小时隐含层神经元个数优化模型。接下来将两个模型的实验结果进行对比分析,结果证明本文提出的研究方法有效。最后将本文提出的研究方法应用到实践,利用Java语言搭建面向领域的指标挖掘系统,辅助专利科研人员对专利技术和企业技术评估提供依据。