面向?qū)彶槿蝿?wù)的中文專利檢索模型與實(shí)驗(yàn)

摘要：針對中國國家知識(shí)產(chǎn)權(quán)局專利審查中的專利檢索任務(wù)，設(shè)計(jì)了一個(gè)兩步專利檢索模型：第一步進(jìn)行布爾初步檢索；第二步采用向量空間模型進(jìn)行相似性計(jì)算，從而得到排序的二次檢索結(jié)果。實(shí)驗(yàn)數(shù)據(jù)來源于中國國家知識(shí)產(chǎn)權(quán)局，結(jié)果顯示該檢索模型是有效的，部分地克服了現(xiàn)有檢索方法的不足，大大減輕了審查員的工作負(fù)擔(dān)，提高了工作效率。

關(guān)鍵詞：專利審查； 專利檢索；詞語權(quán)重； 相似性

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695(2008)05-1483-02

專利信息作為商業(yè)戰(zhàn)略中的關(guān)鍵因素，已經(jīng)得到越來越多國家、企業(yè)的重視，他們努力保護(hù)自己的知識(shí)產(chǎn)權(quán)，爭奪每一個(gè)可能給他們帶來利潤的技術(shù)，因此專利申請急劇增加。目前，在中國申請的專利累計(jì)已經(jīng)達(dá)到200多萬件。每一件發(fā)明專利申請?jiān)诒皇谟鑼＠麢?quán)前均要進(jìn)行檢索。檢索是發(fā)明專利申請實(shí)質(zhì)審查程序中的一個(gè)關(guān)鍵步驟，其目的在于找出與申請的主題密切相關(guān)或相關(guān)的現(xiàn)有技術(shù)中的對比文件，或找出抵觸申請文件和防止重復(fù)授權(quán)的文件，以確定申請的專利主題是否具有新穎性和創(chuàng)造性等專利法規(guī)定的內(nèi)容。

在過去幾年中，專利檢索已得到了許多研究人員的重視，如NTCIR[1~3]（亞洲語言信息檢索評測會(huì)議）、SIGIR 2000[4]就專利檢索問題召開了專門的會(huì)議。這些研究主要針對英文、日文、韓文進(jìn)行的，所要解決的檢索任務(wù)有專利分類、技術(shù)查新、無效專利檢索、跨語言專利檢索等。然而對中文專利檢索的研究并不多見，用于專門針對審查員專利審查任務(wù)的專利檢索研究就更少了。本文提出的檢索模型試圖解決相關(guān)的問題。

1現(xiàn)有檢索流程與不足

專利審查中檢索依據(jù)的申請文本通常是申請人在申請日提交的原權(quán)利要求書和說明書，主要針對權(quán)利要求書進(jìn)行。檢索資料很多，包括各種電子形式、紙質(zhì)形式的各國專利文獻(xiàn)，如專利公開說明書、專利說明書、專利摘要、權(quán)利要求等等。

1．1現(xiàn)有檢索的方法與流程[5]

1）整體分析權(quán)利要求確定檢索要素

審查員閱讀權(quán)利要求書，找出全部獨(dú)立權(quán)利要求和請求保護(hù)范圍最寬的獨(dú)立權(quán)利要求的技術(shù)方案，確定反映該技術(shù)方案的基本檢索要素。基本檢索要素是體現(xiàn)技術(shù)方案的基本構(gòu)思的可檢索要素。基本檢索要素可以根據(jù)技術(shù)領(lǐng)域、技術(shù)問題、技術(shù)手段、技術(shù)效果等方面進(jìn)行確定。

2）根據(jù)檢索要素確定檢索表達(dá)式

在確定了基本檢索要素之后，結(jié)合檢索的技術(shù)領(lǐng)域特點(diǎn)，確定這些基本檢索要素中每個(gè)要素在計(jì)算機(jī)檢索系統(tǒng)中的表達(dá)形式，如關(guān)鍵詞、分類號(hào)、化學(xué)結(jié)構(gòu)式等。為了全面檢索，通常需要以關(guān)鍵詞、分類號(hào)等多種形式表達(dá)這些檢索要素。在選取關(guān)鍵詞時(shí)，相應(yīng)檢索要素的各種同義或近義表達(dá)形式。

3）合并每個(gè)檢索要素的檢索結(jié)果

將用不同表達(dá)形式檢索到的結(jié)果以邏輯并的關(guān)系合并作為針對該檢索要素的檢索結(jié)果。

4）合并不同檢索要素的檢索結(jié)果

將不同檢索要素的檢索結(jié)果以邏輯與的關(guān)系進(jìn)行合并作為邏輯要素組合的檢索結(jié)果。組合的形式以實(shí)際情況而定。例如，權(quán)利要求是要素A、B和C的組合，審查員在檢索這種權(quán)利要求時(shí)，應(yīng)當(dāng)首先對A+B+C的技術(shù)方案進(jìn)行檢索，如果未查找到可評述其新穎性、創(chuàng)造性的對比文件，則應(yīng)當(dāng)對A+B、B+C、A+C的分組組合以及A、B和C單個(gè)要素進(jìn)行檢索。

1．2現(xiàn)有檢索方法存在以下不足

1）檢索次數(shù)多

針對不同檢索要素的組合進(jìn)行的檢索次數(shù)多、工作量大。據(jù)統(tǒng)計(jì)，平均每個(gè)新申請的專利要進(jìn)行200次左右的檢索，才能找到與專利最相關(guān)的對比文件。這對審查員來說是非常繁重的一項(xiàng)工作。

2）檢索結(jié)果無序性

按照關(guān)鍵詞進(jìn)行的布爾形檢索結(jié)果排列無序，因此審查員要閱讀每一個(gè)檢索結(jié)果。當(dāng)檢索返回的結(jié)果很大時(shí)，這是非常艱難的。比如“衣服”關(guān)鍵詞在國家知識(shí)產(chǎn)權(quán)局專利檢索數(shù)據(jù)庫發(fā)明專利中返回的結(jié)果是744條，“防盜”返回的結(jié)果是1 822條[6]。如果能有效地對檢索結(jié)果排序，審查員就可以迅速地找出相關(guān)的專利，從而省去了不必要的工作。

3）對審查員要求高

當(dāng)檢索使用IPC時(shí)，確定專利IPC的方法是根據(jù)關(guān)鍵詞檢索已經(jīng)確定IPC號(hào)的相關(guān)專利，或查找IPC表。因此要求審查員對IPC有非常深入的了解，以便確定全面、準(zhǔn)確的檢索要素對應(yīng)的IPC。當(dāng)使用關(guān)鍵詞時(shí)，又需要對詞語的含義有全面的認(rèn)識(shí)，這樣才能有效地確定同義詞、近義詞。對于涉及不同技術(shù)領(lǐng)域的檢索結(jié)果，還需要審查員具有盡可能豐富的專業(yè)知識(shí)來理解專利的技術(shù)內(nèi)容，而這些技術(shù)往往又是跨學(xué)科的。

針對現(xiàn)有專利審查檢索方法的不足，如何設(shè)計(jì)一個(gè)高效率的檢索模型即成為本文的研究重點(diǎn)。

2改進(jìn)的兩步檢索模型

兩步檢索方法在信息檢索領(lǐng)域應(yīng)用廣泛，H. Mase在專利深加工的基礎(chǔ)上使用兩步檢索進(jìn)行日文無效專利檢索的研究[7]。S. LIM用該方法進(jìn)行韓文技術(shù)查新的檢索研究[8]。面向?qū)彶槿蝿?wù)的專利檢索不同于無效檢索：它不但要找出抵觸專利文件，還要找出能夠與之對比加深對其理解的專利文件。為了高效地進(jìn)行專利檢索，提高檢索結(jié)果的準(zhǔn)確率和召回率，結(jié)合中文專利的特點(diǎn)，設(shè)計(jì)如下兩步檢索模型：a）進(jìn)行初檢，盡可能擴(kuò)大檢索的范圍提高檢索召回率；b)在a)基礎(chǔ)上進(jìn)行排序操作，這樣既節(jié)省了計(jì)算的時(shí)間又提高了檢索的準(zhǔn)確性，因?yàn)樵谡麄€(gè)專利數(shù)據(jù)庫中進(jìn)行排序計(jì)算是不現(xiàn)實(shí)的。具體流程如圖1所示。

a）確定檢索要素進(jìn)行布爾檢索。對新申請的專利進(jìn)行分析，根據(jù)權(quán)利要求確定檢索要素后，利用同義詞詞典進(jìn)行擴(kuò)展，確定檢索關(guān)鍵詞。同義詞典的質(zhì)量直接影響關(guān)鍵詞的確定，進(jìn)而影響檢索結(jié)果，因此，建立全面高質(zhì)量的詞典非常重要。

b）利用關(guān)鍵詞在專利數(shù)據(jù)庫中進(jìn)行布爾檢索，獲得初步檢索結(jié)果并臨時(shí)存儲(chǔ)。

關(guān)鍵詞權(quán)重的計(jì)算，對排序結(jié)果有影響，因此有必要對不同的權(quán)重計(jì)算方法進(jìn)行比較，擇優(yōu)而定。

d）人工觀察檢索結(jié)果是否達(dá)到檢索要求。如果沒達(dá)到返回步驟a)重新確定檢索要素；否則，結(jié)束檢索。該步同時(shí)進(jìn)行同義詞典的擴(kuò)充：閱讀檢索結(jié)果，找出明顯的與檢索要素同義的詞語加到同義詞典中。

3實(shí)驗(yàn)與結(jié)果評價(jià)

3．1實(shí)驗(yàn)數(shù)據(jù)

為了驗(yàn)證該模型的有效性，選取實(shí)驗(yàn)用的專利數(shù)據(jù)：數(shù)據(jù)來源于國家知識(shí)產(chǎn)權(quán)局共有專利2 397 261。其中發(fā)明、實(shí)用新型、外觀設(shè)計(jì)專利各912 185、871 452、613 624。隨機(jī)選取的五件發(fā)明專利申請，確定其檢索要素并進(jìn)行同義詞擴(kuò)展，如表1。它們分別為95 118××1，02121××7，200410096××7，200510000××7，200610049××4，分別用No1~5表示。被檢索專利為申請時(shí)間在1985.01.01~2006.02.28的所有發(fā)明專利。

3．2結(jié)果評價(jià)

對二次檢索結(jié)果中前5、10、15、20件專利進(jìn)行人工評價(jià)，觀察其與申請專利的相關(guān)性，表2列出了實(shí)驗(yàn)結(jié)果。從表中可以看出：a)該檢索方法能夠?qū)Y(jié)果進(jìn)行有效的排序，使審查員能快速地找到相關(guān)專利。b)考慮倒排文檔頻率idf因素會(huì)使檢索返回的結(jié)果更加有效。

4結(jié)束語

本文針對專利審查中專利檢索任務(wù)提出了兩步檢索模型，從而部分克服了現(xiàn)有檢索方法的不足。實(shí)驗(yàn)證明該模型有效，大大提高了檢索效率，節(jié)省了審查員的工作量。下一步的工作目標(biāo)是建立更加專業(yè)化、準(zhǔn)確、全面的同義詞詞典，同時(shí)根據(jù)該模型建立一個(gè)可實(shí)際應(yīng)用的專利審查檢索系統(tǒng)，為審查工作提供支持。

參考文獻(xiàn)：

［1］IWAYAMA M， FUJII A， KANDO N，et al.Overview of patent search task at NTCIR-3[C]//Proc of the 3rd NTCIR Workshop on Research in Information Search， Automatic Text Summarization and Question Answering.Tokyo:[s.n.]，2003.

[2]FUJII A，IWAYAMA M，KANDO N.Overview of patent search task at NTCIR-4[C]//Proc ofthe 4th NTCIR Workshop on Research in Information Access Technologies， Information Search， Question Answering and summarization.Tokyo:[s.n.]，2004.

[3]FUJII A，IWAYAMA M，KANDO N.Overview of patent search task at NTCIR-5[C]//Proc of the 5th NTCIR Workshop on Evaluation of Information Access Technologies， Information Search， Question Answering and Cross－Lingual Information Access.Tokyo:[s.n.]， 2005.

[4]KANDO N. Workshop on patent search SIGIR 2000workshop report [EB/OL].(2000)[2007-01-20]. http://www.acm.org/sigs/sigir/forum/S2000/Patent_report.pdf.

[5]中華人民共和國國家知識(shí)產(chǎn)權(quán)局.審查指南[K].北京：知識(shí)產(chǎn)權(quán)出版社，2006.

[6]中華人民共和國國家知識(shí)產(chǎn)權(quán)局[EB/OL].http://www.sipo.gov.cn/sipo/zljs/.

[7]MASE H， MATSUBAYASHI T， OGAWA Y. Proposal of two－stage patent search method considering the claim structure[J].ACM Trans on Asian Language Information Processing，2005，4

(2):190-206.

[8]LIM S，JUNG S，KWON H.Improving patent search system using ontology[C]//Proc of the 30th Annual Conference of the IEEE Indus-trial Electronics Society.Busan:[s.n.]， 2004.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”