40
Derwent Data Analyzer™ 快速上手指南
Derwent Data Analyzer™
快速上手指南
1 | p a g e
科睿唯安简介
科睿唯安致力于为全球客户提供可信的见解和分析，启发他们加快步伐寻
找新思路、保护创新点继而实现创新成果的商业化。我们拥有并经营着一系列
行业领先的订阅服务，这些服务主要涵盖科学与学术研究、专利分析和监管标
准、制药与生物技术情报、商标保护以及域名品牌保护和知识产权等领域。
科睿唯安现在是一家独立经营公司，我们拥有超过 4000 名员工，业务遍及
100 多个国家和地区，旗下拥有 Web of Science™、Cortellis™、Derwent™、和
CompuMark™等诸多知名品牌。
如欲了解更多信息，可访问：clarivate.com.cn。
在数据库使用过程中，如遇到技术问题，可拨打技术支持电话：400-8822-
031，或将您的问题邮件发送至 [email protected]。
2
目录
序言：Derwent Data Analyzer™的工作机理 3
1. 数据导入 5
1.1 什么样的数据可以导入 DDA 5
1.2 追加字段 8
1.3 数据集合并 10
1.4 创建子数据集 11
1.5 去重 12
1.6 字段融合 13
2. 数据清理 14
2.1 三种清理方式 14
2.2 叙词表的修改 23
2.3 叙词表的使用 24
3.数据分析 25
3.1 报告 25
3.2 分析 30
4.数据导出 35
5.DDA 版本及升级 37
3 | p a g e
序言：Derwent Data Analyzer™的工作机理
Derwent Data Analyzer （简称 DDA）是一款情报分析和挖掘工具。大体来
讲，DDA 的工作流程分为四步：数据导入->数据整理->数据分析->数据导出/生
成报告。丰富的图表比如线状图、柱状图、饼图、矩阵、图谱、世界地图、集
群图谱等是 DDA 的一大特色，但在整个流程中“数据整理”是其更具鲜明特色
的功能。数据只有在清理做好归一化处理后，分析得到的报告才更加准确且有
意义。
首先熟悉一下 DDA 的操作界面。DDA 工作窗口由主菜单、工具条、标题窗
口、主工作窗口、细节窗口、分析指导手册等组成，如图 1。在主工作窗口
中，可以看到各字段名称、项目计数、组数量、覆盖率、数据类型和标签等信
息。
图 1 DDA 工作窗口
如果要知道某个字段中所包含的全部信息，直接在“总览表”双击该字段
即可。比如双击 Application Numbers 后，可以看到该字段所包含的所有信息，
主菜单 工具条
分析指导手册 主工作窗口
细节窗口
标题窗口
4 | p a g e
如图 2。选中前 10 条记录后，可以看到左侧标题窗口、右侧细节窗口都随之做
了调整。
记录数量和频次的差别：比如下图中的 WO2009US63432A 的记录数量是 1、频
次是 4，表示在所有的数据集合中，WO2009US63432A 的文本共有 1 件，但出
现了 4 次。
图 2 点击 Application Numbers 后呈现的工作窗口
5 | p a g e
1. 数据导入
1.1 什么样的数据可以导入 DDA
当打开 DDA 后，会弹出如图 3 所示的对话框，分别代表：❶需要过滤器
导入的文件；❷所有字段都在同一行的 Excel 文件；❸之前用 DDA 生成的.vpt
文件。总之，无论上述的哪种文件格式，只要是结构化的数据则都可以导入到
DDA 中。
图 3 打开 DDA 后自动弹出的数据导入窗口
导入所有字段都在同一行的 Excel 文件，通过“导入数据库表（Excel、
Access 等）”入口导入的 Excel 数据，必须确保所有字段都在同一行。可以看到
图 4 是一张部分期刊及其影响因子等信息的文件，所有的字段比如 title、issn、
country、language、impact_factor、publisher_name 等都在同一行中。
图 4 所有字段都在同一行的结构化数据
❶需要过滤器导入的文件
❷所有字段都在同一行的 excel 或 access 文
件
❸之前用 DDA 生成的.vpt 文件
❶
❷
❸
6 | p a g e
举例：导入所有字段都在同一行的 Excel 数据
Step1：如果要导入上表中的数据，可在图 5 弹出窗口或菜单栏“文件”中
选择“导入数据库表（Excel、Access 等）”，然后点击“确定”；
图 5 导入所有字段都在同一行的 Excel 文件-I
Step 2：在弹出窗口中点击“浏览”选择需要导入的 Excel 文件，然后选择
该 Excel 中的具体表单。
图 6 导入所有字段都在同一行的 Excel 文件-II
Step3：选择所有字段所在的行，默认是 1，表示所有字段都在 Excel 表中
的第一行。
Step4：如果有字段中含多值，可点选中该字段后，设置切分规则，如图
7。
Step1 点击确定
Step1 在弹出窗口或工具栏“文件”中选择“导入数据
库表（Excel, Access 等）”
Step2 选择要导入的
excel 表后，点击确定
7 | p a g e
图 7 导入所有字段都在同一行的 Excel 文件-III
Step3 选择所有字段所在的行，设
置好后点击 OK
Step4：如果有字段中含多值，可点选该字
段后，设置切分规则
8 | p a g e
1.2 追加字段
举例：有些字段在导入原始文本时没有导入或忘记导入，后续如何追加？
Step 1：打开需要追加字段的文件后，点击菜单栏中的“数据整理”->“导
入更多字段”；
图 8 追加字段-I
Step 2：选择“显示二级字段”后，右侧窗口会显示所有尚未导入的字段。
可在右侧窗口中批量导入字段，比如选择导入图 9 中所有参考文献指标，点击
“确定”后，所选择的指标则都添加进来。
9 | p a g e
图 9 追加字段-II
10 | p a g e
1.3 数据集合并
合并两个数据集以创建第三个数据集，在第三个数据集中包含这两个资源
数据集的全部记录。这有助于更新现有数据集以包含更多记录。
举例：当年度的 SCI 发文信息可以整合到本机构的历史文件库中。
Step1：打开要合并的数据集。请注意：待整合的两个数据集都要打开；
Step2：从主菜单中，依次单击数据整理，数据集去重合并。将显示数据集
合并界面。如果要将数据源 1 和数据源 2 进行整体融合，可分别点击下图所示
的“添加全部字段”，然后点击“确定”，融合后的数据集便生成了。
图 10 数据集融合
11 | p a g e
1.4 创建子数据集
举例：比如下图所示，提取 Target Companies 的数据。
可选中图中 Target Companies 组后，在菜单栏中选择“数据整理”->“创
建子数据集”，新生成的文件即是目标数据。
图 11 创建子数据集
12 | p a g e
1.5 去重
只要找到文本中的唯一标识，比如 Web of Science 核心合集数据中的入藏
号、专利文本的申请号，在 DDA 中便可做去重工作。以专利文本为例：
举例：如何利用 DDA 去重
Step1：在菜单栏中“数据整理”工具下，“合并冗余记录”和“移除冗余
记录”都可做去重工作。
图 12 去重 I
Step2：“合并冗余记录”和“移除冗余记录”的主要差别在于：前者去重
“记录数量”，但“频次”没有变化；后者则记录数量和频次都去除。
图 13 去重 II
Step1 原始文本中通过“记录数量”可
以看到相同的专利申请有重复出现
Step2 合并冗余记录后
Step2 移除冗余记录后
13 | p a g e
1.6 字段融合
字段融合有利于解决数据覆盖不全的问题。比如下图中 Cited Non-patents-
DPCI 和 Cited Patents Details-DPCI 两个字段的覆盖率分别是 80%和 83%。两个字
段融合之后，变为 Cited Non-patents-DPCI + Cited Patents Details-DPCI，文献覆盖
率可以提高到 88%。
图 14 字段融合
14 | p a g e
2. 数据清理
无论分析人、机构还是文本字段（比如关键词），往往做归一化处理后呈
现的结果才更准确。下面将主要介绍数据清理的三种方式以及基于清理后的数
据如何建立、使用和修改叙词表等问题。
2.1 三种清理方式
数据清理方式大致有三种：列表清理（List Cleanup）、手动分组（Group）
和 Excel 词表转换（脚本->Utility-Make Thesaurus）。
2.1.1 列表清理（List Cleanup）
人、机构和词都可以基于 DDA 自带的规则做自动清理，但请注意，自动清
理之后必须人工校对确认后使用才更可靠。
举例：自动清理专利权人字段
Step 1：在总览表中选择待清理字段，比如 Assignee/Applicant (Best
Available)，然后点击右键，选择“列表清理”或者在菜单栏中点击“数据整
理”->“列表清理”；
Step 2：在弹出窗口中，分别选择待清理字段，设定清理后的新字段名称，
并在匹配规则集中选择清理规则。可以看到，DDA 自带的清理规则有 General、
针对人、机构和词四种。因为待清理的字段是专利权人，所以选择 Organization
Names 规则。具体清理规则的差别可查阅每个规则下方窗口的规则集描述。选
择好字段和匹配规则后，点击“确定”；
选择待清理字段
选择清理规则
对具体规则的描述
15 | p a g e
Step 3：默认弹出窗口显示的是 DDA 自动清理后的项目列表（即“已合并
项”），可以人工复检系统清理的是否准确。此外，请注意：左右两侧窗口中
均有“全部项”、“已合并项”、“未合并项”等入口。
• 全部项：呈现的是该字段下的所有内容；
• 已合并项：是 DDA 自动清理后的项目列表，如果想要编辑修改其中某项
内容，比如将 KIM M Y 从 KIM B Y 中移除，则将鼠标放在 KIM M Y 位
置，点击右键，选择“移除组内子项”即可；
• 未合并项：是 DDA 自动清理后未合并的内容。
在某项内容上点击右键，会弹出“移除组内子项”。
16 | p a g e
Step 4：如果清理短时间无法完成，可选择“保存会话”-> “保存进程稍后
处理”，需要继续清理的时候，选择“加载保存的进程”。如果已经确认清理
完成，可选择“接受”。如果后续还会使用，也可选择“保存为叙词表”。
Step 5：点击“接受”后，在原字段名称基础上会默认生成一个带有
cleaned（已清理）的字段，即为清理之后的字段。
17 | p a g e
2.1.2 手动分组并建立叙词表
很多时候 2.1.1 中介绍的列表清理只是归一化处理的基础，人工复检的工作
不可或缺。比如当对主题或关键词做列表清理后只能归一化单复数或基于词根
的一些词，而对于比较专业的词汇则需要手动分组，比如在口蹄疫病原与免疫
领域中，会涉及多种病毒，流感病毒、牛瘟病毒、狂犬病毒、猪瘟病毒等，当
需要将这些病毒归一化到“病毒”中时，就需要手动分组清理。
举例：基于清华大学 2015 年度 SCI 部分发文，清理各学院的发文情况
大致思路：如果清理各学院数据，建议在 DDA 中利用 Author Address (Full)
字段，挑选出所有清华大学的变体，然后基于挑选出的变体再清理各学院。涉
及到的主要功能有：添加选定项到组、由组中项创建字段、进一步处理、基于
组创建叙词表。具体操作如下：
Step 1：在 Author Address (Full)字段中挑选出所有包含清华大学变体的项。
具体操作：选择 Author Address (Full)字段后，可单独添加也可批量添加。单独
添加某个变体的话，鼠标悬停在该变体上，然后点击右键，“添加选定至
组”；批量添加则点击 Ctrl+F，在弹出窗口中输入清华大学的变体（比如
Tsinghua Univ）后，选择“全选”->“添加到组”，命名组（比如 Tsinghua
Univ）并点击“确定”后，所有涉及到 Tsinghua Univ 的变体都会被添加到新成
立的组中。
18 | p a g e
Step 2：基于挑选出的所有包含清华大学变体的组（比如上图中的 Tsinghua
Univ 组）的基础上，创建新字段。具体操作：点击导航栏中的“数据整理”->
“创建字段”，在弹出窗口中，选择 Author Address (Full)字段中的组 Tsinghua
Univ，可为新字段命名，也可使用默认名称，点击“确定”后，会自动弹出或
者在总览窗口中看到新创建的字段 Author Address (Full): Tsinghua Univ。
❷然后点击“全选”-> “添
加到组”
❶输入待查找变体，比
如 Tsinghua Univ
❸在弹出窗口中，输入新组的名称，比
如 Tsinghua Univ，点击“确定”后会在窗口
中看到新成立的组及归入的项
19 | p a g e
Step 3：基于新生成的包含所有清华大学变体的字段 Author Address (Full)：
Tsinghua Univ 清理各学院数据。为了便于后续词表的再利用，可将字段中的学
院单独切分出来之后再清理，可以看到字段中各项中第一个逗号后且第二个逗
号前是学院信息。具体操作：点击顶端导航栏，数据整理（Refine）->进一步处
理（Further Proceedings）->读取始于-第一个（Read After-First）->逗号之后
（ Comma ），会自动生成一个切掉所有第一个逗号前面部分的新字段；基于这
个新字段，再利用字段（Fields）->进一步处理（Further Proceedings）->读取至-
第一个（Read Until-First）->逗号之后（ Comma ），这时生成的新字段可用来
清理清华大学学院信息。
❶在“数据整理”中选
择“创建字段”
❷在弹出窗口中，选择待提取的
字段，命名后可点击“确定”
20 | p a g e
Step 4：基于切分之后的包含所有清华大学学院的字段，开始手工分组清
理。比如要清理材料科学与工程系，可以 Ctrl+F 查找所有包含 Mat Sci 的项，然
后添加到 Sch Mat Sci Engn 组中再手工筛选。
❷然后点击“全选”-> “添
加到组” ❶输入待查找变
体，比如 Mat Sci
❸在弹出窗口中，输入新组的
名称，比如 Sch Mat Sci Engn，
点击“确定”后会在窗口中看到
新成立的组及归入的项
❹再手动筛选确认添加进来
的项是否属于该新成立的组
21 | p a g e
Step 5：把清理好的清华大学各学院数据保存为叙词表。具体操作：点击导
航栏“数据整理”->“带有叙词表的组” ->“基于组的叙词表”，在弹出窗口
中可选择该字段中已经清理的组，点击“确定”后，保存在 DDA 系统文件中命
名即可，比如命名为 example20160202。
22 | p a g e
2.1.3 将 Excel 转换成 DDA 词表
要想把 Excel 形式的叙词表转换成 DDA 识别的叙词表，需要满足一定的格
式，比如法学院的变体有 law sch、law school；商学院的变体有 business sch、
business school、sch business。各变体所在的行同时也著录上了归属的类目，这
是 Excel 格式能够转换为 DDA 的必要条件。具体转换步骤：
Step1：将下图 Excel 表导入 DDA 后，在“分析”->“运行脚本”中选择 Utility-
Make Thesaurus
Step2：在该 VPT 文件中选择可作为主子段（Main Field）和子字段（Sub
Field）的字段，点击“确定”后，命名并保存。如果打开该词表，可以看到，
完全转换为 DDA 叙词表格式。
❶Excel 表导入 DDA
❷在“运行脚本”中选择
Utility-Make Thesaurus
选择主子段和子字段
后点击“确定”
打开刚刚保存的叙词表，可
以看到，已经转换为.the 格
式的 DDA 叙词表
23 | p a g e
2.2 叙词表的修改
叙词表修改可通过“编辑器”->“叙词表编辑器”修改，也可在 DDA 系统
文件中，直接打开叙词表进行批量修改。具体操作如下：
点击“编辑器”->“叙词表编辑器”后，在弹出窗口中打开需要修改的叙词
表，之后该叙词表的详细信息会出现在中间窗口中，双击需要修改的项后，下
方会显示四种逻辑关系：包含、开始于、精确匹配、结束于。修改后选择“保
存”。
如果要批量修改，可在 DDA 系统文件中打开该叙词表进行修改。
批量修改可在 DDA 系统文件
中，打开要修改的叙词表
❷打开要修改的叙词表后，叙词表的详
细信息会显示在中间窗口中，双击需要
修改的项后，下方会显示逻辑关系
24 | p a g e
2.3 叙词表的使用
确保叙词表匹配的逻辑关系没有问题后（调整叙词表匹配规则，可参见
2.2），就可以利用叙词表了。有两种方式利用叙词表：以组的形式显示匹配结
果（组->基于叙词表创建组）和直接改写原始字段项（字段->叙词表清理）。
利用 2.2 中创建并修改好的叙词表分别呈现两种方式，对比结果可见下图。可
以看到，改写原始字段项后，记录数量有变化。
以组形式匹配
直接改写字段项，
可见记录数有变化
25 | p a g e
3.数据分析
数据清理干净后，就要着手展开分析工作，我们经常用到的柱状图、饼
图、折线图、泡泡图、世界地图、聚类圆群图等都可以在 DDA 中实现。此外，
在 DDA 中还可以矩阵、图谱等形式来呈现分析内容。数据分析部分主要介绍两
个功能区域：“报告”和“分析”。
3.1 报告
如果 DDA 中的文件来自于某个技术领域的专利，那么，可以从“报告”直
接运行出整个领域的技术报告和某些指定公司或机构的报告。此外，经常用到
的柱状图、饼图、折线图、泡泡图、世界地图、聚类圆群图等可以在“报告”
标签中直接运行生成。
3.1.1 技术报告和公司报告
在“报告”中，可运行技术报告、组织机构报告和机构比较报告。其中比
较报告您可以选定 2-5 家公司或机构进行比较。运行这三种报告前 DDA 会自动
提醒进行 DWPI 数据清理，清理之后，选择需要分析的字段即可自动运行出
Excel 形式的报告。
3.1.2 线图、柱状图、饼图
线图、柱状图和饼图是分析时经常需要呈现的图表类型。在 DDA 中选择某
一个字段比如申请年后，可直接在 Excel 中作出相应图表。
举例：在 DDA 中直接生成申请年的柱状图
Step1：打开文件中申请年（Application Year）所在字段，按照年代升序或
降序排列，并选中需要在图表中呈现的项后（可选择全部项，也可选择部分
项）；
26 | p a g e
Step2：在“报告”中选择“柱状图”；
3.1.3 泡泡图
举例：呈现专利量较大的 TOP10 专利权人逐年申请专利的情况
Step1：“报告”->“气泡图”，在弹出的气泡图窗口中，分别选择行和列
要呈现的字段，如果只选取某字段中的一部分数据，比如 Patent Assignee（best
available）字段中申请量较大的前 10 个，则要在该字段中先创建组后，在气泡
27 | p a g e
图窗口中设置“选择一个组”后，选定该组。此外，也可选择是否显示气泡数
值。设置完成后，点击“运行”。
Step2：完成上述设置后，可得到如下图所示的泡泡图。呈现了申请量较大
的前 10 个专利权人 2010-2015 年的专利申请量。
3.1.4 世界地图
世界地图只针对国家/地区的相关字段成图。在专利领域， publication
countries 或 application countries 两个字段通常用来看销售市场；priority
countries 通常用来看技术来源国。
28 | p a g e
举例：查看某技术领域中，哪些国家/地区是重要的销售市场
打开“报告”->世界地图，会呈现如下图所示的二维世界地图。
3.1.5 集群图谱
集群图谱是一种社会网络图，可以客观呈现领域中的合作情况，比如发明
人之间或专利权人之间的合作等。建议用集群图谱来呈现合作时，节点数量最
好控制在 30 项以内，否则运行时间长且呈现效果不好。如果想全部呈现各项的
合作情况，建议使用自相关矩阵（详见 3.2.1）
举例：查看某机构中专利发明人之间的合作情况
Step1：在某机构专利数据集合中，选择发明人（Inventors）字段后，选取
记录数≥10 项专利的发明人并建立组，命名为 TOP records≥10；
Step2：点击“报告”->“集群图谱”；
29 | p a g e
Step3：选择字段，比如 inventor，如果只看部分发明人之间的合作，则
“选择组”；设置完成后点击“确定”，在弹出的集群图谱窗口中可选择输出
保存该集群图谱。
30 | p a g e
3.2 分析
下文将主要介绍“分析”中的两个功能：创建矩阵和创建图谱。
3.2.1 创建矩阵
有共现、自相关、交互相关三种类型矩阵：
• 共现矩阵：可以同时选定两个字段，在矩阵中共同出现。比如呈现
各专利权人逐年的专利申请量；
• 自相关矩阵：对于相同字段中的各个项，基于它们一起出现的频繁
程度来显示其相关情况，可用于查看当前数据集中的合作情况，比
如发明人或专利权人的合作；
• 互相关：对于相同字段中的各个项，基于另一字段中的项来显示它
们的相关情况，可以用于了解哪些专利权人正在做着相似的事。
3.2.1.1 共现矩阵
举例：某领域专利权人 2006-2015 年的专利申请情况
生成的共现矩阵可见下图：
31 | p a g e
具体操作流程：
Step1：点击工具栏“分析”->“矩阵”；
Step2：在弹出窗口中矩阵类型中选择“共现”，然后在“行”和“列”中
选择目标字段，比如行选择 Assignee/Applicant (Cleaned)，列选择 Application
Year。因为要呈现 Application Year 中的 2006-2015 年，所以可以展开该字段，
点击“选择组/显示项目”。设置完成后，可点击“确定”。
3.2.1.2 自相关矩阵和交互相关矩阵
通过下图可以看到，自相关矩阵（上图）和交互相关矩阵（下图）的行/列
必须选择相同字段，如果同样选择专利权人字段的话，自相关矩阵用于看合
作，而互相关矩阵用于看哪些专利权人正在做着相似的事。交互相关矩阵不同
于自相关矩阵之处在于多了一项比对标准，即在“Cross with”中设置用于比对
的字段。通常，会选择技术代码，比如 IPC\CPC\德温特分类或手工代码或者关
键词进行比对。
32 | p a g e
举例：查看某领域中专利权人之间的相似性，即哪些专利权人正做着相似的事
Step1：如上右图，选择互相关矩阵后，在“Rows and Columns”（行和
列）中选择 Patent Assignees（best available）字段，“Cross With”（相关基
础）中选择“Manual Code”，并设置好相关函数，比如余弦后，点击“确
定”。
Step2：可看到如下图所示的基于 Manual Code 的该领域专利权人相关度的
矩阵，行/列均为专利权人，两个专利权人交叉位置的值越大，说明他们之间的
相似度越高。如果想了解某家专利权人与其他同行的相似度，也可双击该专利
权人所在的行，则会按照数值升序或者降序排列。通过下图可以看到，和
FERRO CORP 公司相似度最高的企业是 PNC BANK NATIONAL ASSOCIATION。
33 | p a g e
3.2.2 创建图谱
“创建图谱”能够以可视化的方式展现出任意字段中各个项之间的相互关系。
自相关图谱、互相关图谱分别与自相关矩阵、互相关矩阵类似，操作方法大体
相同。图谱由于做可视化处理，所以处理数量上没有矩阵强大。
举例：分析高申请量发明人（Top30）之间的合作
Step1：从主菜单中，依次单击“分析”->图谱，然后在“生成图谱”对话
框中选择“自相关图谱”。
Step2：选择字段创建图谱。默认情况下，单击字段名称时会选中“全部项
目”。如果列表具有已经定义的组，则单击“选择组/显示项目”或“选择组/
显示组名”可以进行相应选择。此处，“选择组”处，勾选“Top 30”来显示
前 30 个发明人之间的合作；
❶基于 Manual Code 的该领
域专利权人相关度矩阵，即
互相关矩阵
❷双击 FERRO CORP 所在的
行后，相关度会按照升序或
降序排列
34 | p a g e
Step3：下图是 Top 30 发明人的自相关图谱的示例。每个节点代表一个发
明人。节点的大小反映与该发明人相关的记录数。这些节点的大小全部相同，
因为这些发明人具有相似数量的记录数（按照与数据集中总记录数进行的对
比）。连线反映节点之间的相似度。在下图中，连线的粗细与作者所发表文献
的数量相关。为避免在视觉上造成混乱，只有相似度最强的部分才会被显示。
35 | p a g e
4.数据导出
在 DDA 中处理的原始数据也支持导出，可以生成类似于原始数据文件的文
本文件（主菜单中“报告”->“导出原始记录”），也可导出可在 Excel 中浏览
的文件（主菜单中“报告”->“导出字段化的记录”），可见下图。
举例：如何将 DDA 中处理的文件导出为可在 Excel 中浏览的文件
Step1：从主菜单中，依次单击“报告”->“导出字段化的记录”；在“导
出字段化的记录”窗口中，可选择导出部分数据（比如“组”），也可选择全
部导出（选择“全部记录”）；在“多值字段分隔符”选项框，选择导出格
式，导出格式可以是 Excel、CSV、XML 或文本等；然后点击“导出”；
Step2：“更改待导出字段”标签页，下图左侧和右侧窗口可以交互，右侧
窗口为最终要导出的字段；选择要导出的字段后，返回“记录和字段”标签页
进行“导出”；
36 | p a g e
37 | p a g e
5.DDA 版本及升级
2019 年 9 月 14 日，Derwent Data Analyzer 升级到 Version 9，相比之前版
本，DDA9 从界面的易用性、图表丰富性、分析统计功能方面有诸多更新。如果
您使用的是较老的版本，可以按照以下步骤进行升级。
5.1.1 从 DDA7 升级到 DDA8/DDA9
如果您当前使用的是 DDA7，希望升级到更高版本。如下图，可直接从“帮助”菜单，点
击“访问下载页面”。
打开下载页面后，如图，下载您所需要的升级包。注：一般下载 64-bit 版本。
38 | p a g e
5.1.2 从更老的版本升级到 DDA8 或 DDA9
根据上述 5.1.1 下载您所需要的升级包。如下图，从“帮助”菜单，点击“管理许可”。
打开管理许可窗口，将当前的注册码拷贝到本地文档保存，并点击“注销”。
然后，安装已经下载的安装包，安装前请关闭所有 DDA 文件。最后，来到“管理许可”窗口，
将前述保存的注册码输入，并点击激活。
39 | p a g e
联系我们
北京市海淀区科学院南路 2 号融科资讯中心 C 座北楼 610 室
400-8822-031
http://www.clarivate.com.cn
https://clarivate.com/derwent/
欢迎关注我们的公众号
