创新是保持现代社会稳定发展的关键问题,当现有的技术很难再做改进时,就需要改变以往的思维方式。设计者受到思维惯性和知识领域的限制要做出创新是非常困难的,而专利中丰富的创新知识和成果为人们提供了便捷的创新思维。面对丰富的专利资源,要从中直接获取设计目标、待解决的问题、实施方案等创新信息是相当困难的。如何通过专利处理让相关人员能够方便地获取专利中的创新信息已经成为了当今的研究热点。本文通过分析中文专利文本的结构与格式,利用词法分析、句法分析得到设计目标句的标志词以及其句式特征。通过标志词、句式特征,对专利文本中的句子进行过滤获得专利目标的候选句子集合。利用特征选择将候选集转化为样本,采用朴素贝叶斯、逻辑回归、支持向量机三个分类算法做对比试验,对样本进行分类得到专利设计目标句。实验表明,支持向量机算法相对于其他两个算法来讲准确率高2个百分点,整体准确率在70%以上。在设计目标分类的研究中,针对传统的词序列核函数语义支持不足的情况,通过改进的高斯核函数引入对语义信息的支持,将两者进行线性加权得到改进的词序列核函数。在使用改进的词序列核函数、结合支持向量机对设计目标进行分类,并将该方法与传统的基于高斯核函数的支持向量机算法进行对比。首先,通过词法与句法分析将样本数据转化为特征向量。其次,将句法分析中的依存关系作为语义特征加入到特征向量中。最后,分别使用改进的词序列核与高斯核对样本进行预测。实验表明,改进的词序列核方法与基于高斯核的支持向量机方法相比提高了4个百分点的准确率。