1.3.3数据清洗 数据清洗又称数据规范，是影响专利分析效果至关重要的一步，即对已经检索到的专利文献进行相关性筛选，符合条件的数据纳入分析数据集。前期的检索为逐项进行，优点是保证了数据的查全率，不足之处在于检索到的文献有一些是重复的，还有一些与本研究相关性不大，为了保证数据的查准率，需要对已经检索到的数据进行清洗，即将检索到的专利文献再次筛选，与本研究相关的文献保留，不相关的删除。

    1.3.4生成样本空间 清洗之后获得的数据生成本研究的样本空间。

    1.3.5数据库的建立 使用Excel程序将选定的中药复方心脑血管专利文献有效记录建立数据库，共设置5个自变量：第1个为虚拟编码变量，描述专利权是否转让，编码1表示转让，编码0表示未转让，变量名为transfer；第2个自变量为数值变量，表达专利的从属权利要求数量，以“项”为测量单位，变量名为appurtenant claim；第3个自变量是虚拟变量，描述专利申请书中是否提供了详细的药理、药化等实验数据，分别以编码1和0代表提供与否，变量名为experimental data；第4个自变量是体现专利文件中有无创新剂型的虚拟变量，同样以编码1和0表示有无，变量名为new way；第5个自变量是数值变量 ......