知识是船用发动机研发的重要支撑,专利知识作为技术的载体,其数量是海量庞杂的。研发中研发人员需要快速准确地获取和设计任务相关的信息以便于研发,是以往知识的利用为简单的主动搜索,导致这一过程繁琐低效。为了解决船用发动机研发过程中知识重用效率低下的问题,本文进行专利主题挖掘和推荐算法的相关研究,本文主要进行以下方面内容的研究:首先,由于专利都是由非结构化的文本描述,本文首先对专利文本的主题进行挖掘。通过对专利文本中的术语进行相似度的度量,进行术语的语义聚类,发现术语之间的语义关联,在主题挖掘中进行术语到其对应语义类别标签的替换。通过改进的主题模型解决传统的主题模型挖掘的结果中主题稀疏和可读性差的问题,以服务于后续的任务。其次,需要确定可能满足任务需求的专利的范围,减少推荐中的无效计算。针对专利的人工标签稀少的问题,建立人工标签预测模型以扩充专利有效特征,实现专利的有效表示;然后组合主题和人工特征构建专利深度因子分解模型,挖掘粗细粒特征之间的多阶深层次关系,得到特征与专利对设计任务适用与否的关系,对海量新专利分析以确定可以推荐的专利的范围。再次,研究面向设计任务的专利推荐排序算法。为了提高基于物品的协同过滤算法中专利关联度计算准确度,改进专利相似度度量并引入评分惩罚机制来实现对专利关联度计算方法的改进。首先,针对传统方法进行专利相似度度量的效果差的问题,采用嵌入训练分析任务中专利评价数据,提出专利的分布式表示方法,进行专利的相似度计算;然后,考虑将内容质量差的专利过滤,通过综合考虑专利具体的评分情况,得到评分惩罚因子,综合以上研究得到新的关联度计算方法。针对具体任务,在满足适用性要求的专利范围内计算未阅读专利和已评分专利的关联度并排序,推荐高排名专利。最后,本研究还进行船用发动机专利推荐系统软件的原型系统开发,分析实际工程中所需要的功能,进行本研究内容的算法部署和方便研发人员操作的软件界面的编写,最终给船用柴油机研发提供技术支持。