在日常的检索分析工作中，经常会遇到检索结果中有很多不相关的文献;同一申请人的名称不统一、有多种形式 ;想要分析最贴近研发实际的技术分支，却没有现成的相关维度等等问题。正是因为检索结果中存在着众多问题，所以检索结果不能直接拿来做分析，需要对检索结果进行清洗和处理，通过修正后的结果进行分析，分析更准确、更精准。
常见的清洗手段主要有四个：去噪、去重、规范以及标引。本文主要针对去噪进行详细的讲解，其它的清洗步骤将在后续内容中为您介绍。
去噪，即排除不相关的文献，提高分析样本的纯度，可以通过人工的方式单篇去噪，也可以寻找到规律噪音源进行快速的批量去噪。
人工和批量结合去噪
数据清洗时一般先去噪，通过人工和批量相结合，先批量后人工，批量去噪可以从任何一个检索字段入手，常用的去噪维度有申请人、分类号和关键词。
筛选出相关文献，按照申请日等非相关度进行排序，使噪音源随机分布。浏览筛选的文献，浏览的过程采用表格视图和图文视图两种方式相结合来确定噪音源，修正检索式。
"噪音关键词"可以采用人工阅读的方式确定，还可以采用文本聚类的方式进行确定。
文本聚类方式去噪
智慧芽专利数据库的3D专利地图和智慧芽英策(Insights)都涉及文本聚类，但两者聚类的方式略有不同。将前述的检索结果保存到工作空间，待后续找到噪音文献，再进行逻辑运算，实现去噪。
3D专利地图方式
3D专利地图的文本聚类，是将语义相似度较高的专利文献聚集在一起，根据聚类后的专利标题、摘要、权利要求中的关键短语作为标签进行展示，地图上的高峰低谷代表了文献量的多少。
在专利地图上寻找到噪音关键词，查看相关文献，将噪音文献保存到工作空间的文件夹中。同时，将该文件夹与前述保存检索结果的文件夹进行逻辑运算，剔除掉噪音文献。
英策方式
英策的文本聚类，是将该技术领域内最热门的技术主题词聚集在一起，提取了该技术领域中最近5,000条专利标题和摘要中最常见的关键词进行展示，词汇的大小代表相关文献的数量多少。
在英策的技术全景报告-创新词云中寻找到噪音关键词，查看相关文献，将噪音文献保存到工作空间的文件夹中。同时，将该文件夹与前述保存检索结果的文件夹进行逻辑运算，剔除掉噪音文献。
