本书认为当前专利信息分析所面临的4种挑战，即当前在源数据、数据架构、网络表示方法、分析方法上的不足限制了专利信息分析在解决实际分析情景过程中所发挥的作用。进而提出可以采用多视角观察获得对复杂专利信息的多关系网络，并将这些关系网络进行有机融合实现对专利网络结构的深层分析。该方法由3个阶段构成，即针对复杂专利数据的多视角观察、关系融合方法、网络测量方法，其中核心的是前两个阶段。

针对复杂专利数据的多视角观察是关系融合方法的逻辑起点，当前针对专利信息的网络分析主要是单一维度的观察，这种分析方法会忽视与其他关系之间的依赖关系，造成“盲人摸象”的后果；而通过多视角观察则可以弥补单一视角带来的缺失，获得对复杂信息更完整的认知。然而，要将多视角观察方法引入专利信息分析，还需要有一套系统的分析框架，否则，多视角观察的结果如果仅仅是孤立呈现则无法发挥其应有的作用。本书在相关研究的基础上首先提出一种基于专利信息集合的表示方法，该表示方法以3种基本实体（专利权人、专利文献、技术领域）为实体，通过关系代数转化（共现关系转化、间接关系转化、衍生关系转化等）实现了对3种基本实体多重关系的全面展现。另外，随着当前网络统计模型（尤其是随机网络模型）的发展，也可以通过仿真来对代表模型之间依赖关系的关系模式的网络配置进行统计推断，从而获得从局部结构特征的总体认知。

在关系融合方法方面，本书系统阐述了关系融合的原则、阶段、网络表示形式及融合过程中需要注意的几个问题，如相关性问题、社群发现及评价问题。这些回顾过程对于未来进一步扩展专利信息分析的深度具有较好的参考作用。