概念是使用AI算法从全文中提取出来的关键术语。它们反映了文本的语义内容。 在搜索中使用概念可以帮助您在搜索语义相似的术语时更加详尽。 概念显示在右侧面板中名为“概念”的选项卡中。 还可以绘制概念图，这将在下面更详细地讨论。
例如，在概念中搜索"cellphone" 并查找与"mobile phones" 相关的专利。 cellphone 和 mobile phones 这两个术语在概念上是相似的。
概念字段有 3 个值：
- 这个概念
- 该概念在文档中的相关性百分比
- 频率（这个概念的出现次数）
低相关性概念通常是比较模糊的概念，位于相较“不太重要”的部分比如说明中。
相反，本发明对象内部的概念（即使频率为 1）将比其他“孤立”概念具有更好的相关性分数。
概念列表按相关性分数排序，然后按频率排序（如果分数相等）。
相关性分数始终是相对分数。 最相关的概念得分为 100，其他所有得分均以此计算。
对于它的计算，这些项目被考虑在内：
- 概念在全文中的位置
- 概念在句子中的位置
- 文本中的频率以及该概念的其他分数的组合
最后，根据文档的 100% 最相关分数对“原始”分数进行标准化。
导出时和查看 KWIC 选项卡时，概念后面可能会跟括号中的两个数字。 它们指的是某个概念在文档中的重要性（按照从 0 到 100 的比例值）以及该概念在文档中出现的频率。
有关 KWIC 选项卡的更多信息，请参阅：理解KWIC（内容中的关键词）选项卡
关键内容是利用语义技术从全文中提取出来的，由“发明目的”、“对比原有技术的优点”和“独立权利要求”组成。 此选项卡是本发明的摘要，可帮助您快速查看、理解和比较您的命中。
概念和关键内容均摘自 EP 申请（不含 euro-PCT）、WO 申请、来自美国、英国、CA、IN、AU、IL 的专利的英文完整官方文本。 它也是从 FR、CN、KR、JP 和 DE 专利的英文翻译中提取的。 每个概念都根据其被识别的字段进行加权。 这些概念是专利语义内容的结果。
可以在分析模块中绘制概念图表，以更好地了解您的应用程序。 在保存的分析中，您还可以对概念进行分组或排除。
在以下文章中了解有关已保存分析的更多信息：如何与为何去保存一个分析