利用arXiv數據庫進行高效檢索

李宇文 冷凝

摘 要：本文重點分析了如何利用“arXiv數據庫”進行有效檢索。同時，通過具體實際案例發現，在非專利檢索中，若在google學術中檢索到時間不可用的對比文件，可繼續在“arXiv數據庫”中做進一步的時間確定，可能會檢索到時間可用的版本。

關鍵詞：arXiv數據庫;檢索

一、引言

檢索是發明專利申請實質審查程序中的一個關鍵步驟，其目的在于找出與申請的主題密切相關或者相關的現有技術中的對比文件，或者找出抵觸申請文件和防止重復授權的文件，以確定申請的主題是否具備專利法規定的新穎性和創造性[1]。可見，檢索的質量和效率直接影響著審查的質量和效率。那么，如何選取數據庫，并從海量的文獻中快速檢索到時間可用、內容有效的對比文件，提高檢索效率，已經成為檢索工作中亟需解決的問題。

二、利用arXiv數據庫檢索

arXiv是一個收錄科學文獻預印本的在線數據庫系統，其網址為arxiv.org[2]。下面結合實際案例來提供針對arXiv數據庫檢索相關技巧和策略。

案例一：

（1）案情介紹

1. 一種圖像檢測方法，包括：

輸入步驟：將第一圖像輸入經過訓練的神經網絡;

檢測步驟：基于所述神經網絡對所述第一圖像中感興趣區域進行檢測，得到圍繞所述感興趣區域的多邊形，檢測所述多邊形的各個邊所在的直線;

輸出步驟：輸出描述所述各個邊所在的直線的參數。

2. 根據權利要求1所述的方法，其特征在于，所述經過訓練的神經網絡模型采用以下步驟獲得：

訓練數據集獲取步驟：對多個第二圖像的感興趣區域進行標識，得到訓練數據集;

SSD網絡訓練步驟：利用所述訓練數據集訓練SSD網絡;

神經網絡訓練步驟：利用所述訓練數據集訓練神經網絡，其中，所述神經網絡通過如下方式獲得：將訓練后的所述SSD網絡的檢測（Detection）層的輸入作為LSTM網絡的輸入，從而將所述SSD網絡與所述LSTM網絡組合形成所述神經網絡。

（2）檢索技巧和策略

a）常規檢索及檢索難點

本申請的發明構思主要體現在兩個方面，（1）采用線性標識方式對圖像中的感興趣區域進行標識;（2）采用SSD-LSTM卷積神經網絡，對視頻圖像的感興趣區域進行檢測識別。

通過常規的檢索方式發現，將SSD和LSTM結合的神經網絡算法均出現在2018-2019年，可見SSD+LSTM結合的卷積神經網絡算法屬于新的技術手段。

b）亮點檢索

選擇在google學術中對“SSD+LSTM結合的卷積神經網絡算法”進行檢索，如圖1所示。

經檢索發現，文獻1《TSSD： temporal single-shot detector based on attention and LSTM for robotic intelligent perception》中所引用的文獻正是其下面這篇文獻2《Mobile video object detection with temporally-aware feature maps》，該文獻2提出了一種將SSD+LSTM結合的混合循環卷積結構，其相對于傳統的LSTM減少了計算量。但是，從google學術中給出的鏈接點進去，可以看出該文獻2發表在CVPR2018上，其時間不可用，如圖2所示。

于是，繼續在google學術中檢索，發現文獻3《An Improved objective detection of road scenes based on SSD model》中同樣提到了“SSD+LSTM結合的混合循環卷積結構”，其引用的文獻正是文獻2，但是在給出的參考文獻中，卻記載的時間是2017年。如圖3所示。

該文獻2的時間究竟是2017還是2018年，若能證明該文獻2在2017年就已經公開，那么，文獻2即可與D1結合評述本申請的創造性。于是，需要對文獻2的公開時間做進一步確認。

通過瀏覽文獻2公開網址，發現下面給出了“ ”，即相關材料，通常我們只關注PDF，而其給出的文獻是最新更新的文獻，其時間為最新的時間。往往忽略了“arXiv數據庫”，點進“arXiv數據庫”，可以看到文獻2有兩個版本，即2017年11月17日提交的版本v1和2018年3月28日提交的最終版v2。

同時，該網頁給出了版本v1和v2的下載版本。由此，我們可以采用2017年11月17日公開的版本v1，作為本申請的D2，同時，將D1與D2結合，評述本申請權利要求2的創造性。

三、結束語

基于該案例，我們發現同一篇文章，若收錄在“arXiv數據庫”中，則時間相較于Google學術更早。因此，若在google學術中檢索到時間不可用的對比文件，可繼續在“arXiv數據庫”中做進一步的時間確定，可能會檢索到時間可用的版本。

參考文獻：

[1]中華人民共和國國家知識產權局.專利審查指南[M].北京：知識產權出版社，2010.

[2]丁曉萍. 世界知名預印本數據庫arXiv[J]. 商丘師范學院學報，2019，（5）：104-106.

（國家知識產權局專利局專利審查協作湖北中心? 湖北省武漢市? 430000）