智能語義技術(shù)在專利檢索中的應(yīng)用

#本文僅代表作者觀點(diǎn)，未經(jīng)作者許可，禁止轉(zhuǎn)載，不代表IPRdaily立場#

來源：IPRdaily中文網(wǎng)（iprdaily.cn）
作者：隆天集團(tuán)中專隆天知識(shí)產(chǎn)權(quán)運(yùn)營（深圳）股份有限公司  周俊 高級(jí)項(xiàng)目經(jīng)理、專利分析師
原標(biāo)題：智能語義技術(shù)在專利檢索中的應(yīng)用

摘要

人工智能浪潮下，很多工作將會(huì)被替代。智能語義技術(shù)已經(jīng)在專利檢索中大規(guī)模應(yīng)用，未來將成為檢索專家的得力助手還是終結(jié)者？筆者基于其曾在專利審查工作中使用智能語義開展檢索的豐富經(jīng)驗(yàn)，通過梳理智能語義技術(shù)產(chǎn)生的原因、基本原理及其在專利檢索中的應(yīng)用方式，給出了一個(gè)答案。

專利檢索經(jīng)歷了百余年的發(fā)展歷史，早在19世紀(jì)末美國政府就在咨詢工作中應(yīng)用專利檢索技術(shù)，當(dāng)時(shí)是針對紙質(zhì)專利文獻(xiàn)的手工檢索。從20世紀(jì)70年代起，基于計(jì)算機(jī)的專利檢索逐步普及，專利檢索的效率也因此大幅提升，但對于當(dāng)時(shí)的公眾而言，獲取專利信息仍然是十分困難的事情。直到1997年IBM開始在互聯(lián)網(wǎng)上提供專利信息服務(wù)，公眾獲取專利信息才變得相對容易[1] ?？v觀專利檢索的發(fā)展歷史，伴隨著信息技術(shù)的變革，專利信息獲取和利用的方式也在不斷發(fā)生變化。

進(jìn)入21世紀(jì)以來，信息技術(shù)創(chuàng)新日益加快，人工智能技術(shù)的發(fā)展尤為迅速，網(wǎng)絡(luò)購物時(shí)的推薦算法、掃臉支付、語音助理等新技術(shù)已經(jīng)不知不覺融入到我們的日常生活中。在專利檢索分析領(lǐng)域，被稱作智能語義的新技術(shù)也進(jìn)入到了重要的發(fā)展時(shí)期。2018年5月，世界知識(shí)產(chǎn)權(quán)組織召開“知識(shí)產(chǎn)權(quán)局關(guān)于ICT戰(zhàn)略和人工智能”會(huì)議，會(huì)議資料顯示，多個(gè)國家和地區(qū)的知識(shí)產(chǎn)權(quán)局已經(jīng)開始嘗試在專利審查的檢索環(huán)節(jié)應(yīng)用智能語義技術(shù) [2]。在商用專利數(shù)據(jù)庫領(lǐng)域，多款工具已經(jīng)具備了智能語義檢索功能。新技術(shù)的出現(xiàn)為專利檢索工作帶來了什么樣的變化？作者基于其曾在專利審查工作中使用智能語義開展檢索的豐富經(jīng)驗(yàn)，簡要介紹智能語義技術(shù)產(chǎn)生的原因、基本原理及其在專利檢索中的應(yīng)用方式。

傳統(tǒng)檢索面臨的困境

困境，不僅存在于專利檢索中，而是在于所有的傳統(tǒng)搜索領(lǐng)域。信息爆炸是困境的主要來源，隨著人類知識(shí)以幾何級(jí)數(shù)量增長，想要快速準(zhǔn)確的搜索到所需信息并不是一件容易的事情。專利行業(yè)同樣面臨數(shù)據(jù)增長的問題，僅中國大陸公開的專利文獻(xiàn)數(shù)量，發(fā)明和實(shí)用新型專利文獻(xiàn)總量從2008年底只有不到250萬件，已經(jīng)躍升到2018年底的1700萬余件，10年的時(shí)間增長了7倍，這為開展專利檢索工作帶來巨大的挑戰(zhàn)。

基于傳統(tǒng)的布爾檢索方式，檢索專家們致力于在檢索全面性和檢索效率之間尋找平衡：任何一個(gè)技術(shù)概念都有諸多的表述方式，檢索時(shí)只有盡可能全面的列舉這些表述方式，才能保證不漏掉重要文獻(xiàn)；但每一種表述方式又會(huì)有多重含義，全面的表述將引入大量不準(zhǔn)確的噪聲文件，這些噪聲文件浪費(fèi)了檢索人員的瀏覽時(shí)間。如今，檢索專家們面對著增長了數(shù)十倍的專利文獻(xiàn)，感到越來越難在檢索的全面性與檢索效率之間找到平衡。

智能語義檢索的興起

為了解決傳統(tǒng)檢索面臨的困境，出現(xiàn)了一種自動(dòng)擴(kuò)展檢索內(nèi)容的語義技術(shù)，具體來說是構(gòu)建一個(gè)大型的同義詞庫，將用戶輸入的內(nèi)容在同義詞庫中搜索，擴(kuò)展相關(guān)關(guān)鍵詞來提高檢索的命中率。但是，這種語義技術(shù)雖然提高了檢索的全面性，但應(yīng)用該算法會(huì)在每次檢索中命中更多的專利，同樣引入了噪聲文件，增加了檢索人員瀏覽和篩選文獻(xiàn)的工作量。

另一種智能語義技術(shù)是基于語義相關(guān)性的排序。這種技術(shù)基于專利文本數(shù)據(jù)開展機(jī)器學(xué)習(xí)，自動(dòng)運(yùn)算詞語之間和文檔之間的相關(guān)性，基于相關(guān)性對文獻(xiàn)進(jìn)行排序。這種方法的目標(biāo)是將最相關(guān)技術(shù)排在最前，直接提升檢索人員瀏覽文獻(xiàn)的效率。應(yīng)用該技術(shù)的專利檢索工具，可以允許用戶輸入任意長度的一段文本或是直接輸入一個(gè)專利公開號(hào)，系統(tǒng)將自動(dòng)推薦最相關(guān)的文獻(xiàn)。

智能語義技術(shù)在專利檢索中的應(yīng)用

對于基于同義詞庫的語義搜索技術(shù)，由于計(jì)算機(jī)僅僅是對用戶輸入的內(nèi)容進(jìn)行了擴(kuò)展，在具體檢索時(shí)仍然執(zhí)行了布爾檢索，因此這種語義檢索工具和傳統(tǒng)布爾檢索工具的差別不大，在理解和使用上沒有太大的困難。

而基于潛在語義索引的搜索技術(shù)，則完全脫離了傳統(tǒng)布爾檢索的范疇，與我們長期對檢索的理解大不相同。這種搜索技術(shù)完全拋棄了從一個(gè)文獻(xiàn)集中限定出子集的過程，而是按照用戶所輸入文本內(nèi)容的相關(guān)性，直接對一個(gè)文獻(xiàn)集進(jìn)行排序。下面簡要介紹應(yīng)用這種技術(shù)開展專利檢索的兩種方法。

第一種方法是完全獨(dú)立使用智能語義檢索。此時(shí)檢索人員只需將想要檢索的一段文本輸入語義檢索系統(tǒng)，計(jì)算機(jī)就能根據(jù)用戶輸入的文本，對數(shù)據(jù)庫中存儲(chǔ)的千萬乃至上億條專利做排序，檢索人員依次瀏覽就可能獲得所需的專利。由于這種檢索方式不需要任何的檢索策略，完全沒有檢索經(jīng)驗(yàn)的人也能很快上手。對于檢索經(jīng)驗(yàn)豐富的人，在檢索初期也可以優(yōu)先使用這種方法進(jìn)行試探性檢索，有一定的幾率可以很快獲得滿意的結(jié)果，并且可以通過統(tǒng)計(jì)分析排序靠前的專利，發(fā)現(xiàn)更多的關(guān)鍵詞表述方式或相關(guān)的專利分類號(hào)。

完全獨(dú)立使用智能語義檢索，雖然可以提升檢索的效率，但仍然不能替代檢索專家和布爾檢索。其中一個(gè)主要原因是：智能語義技術(shù)無法進(jìn)行技術(shù)方案層面的理解，換句話說，智能語義技術(shù)還不能像檢索專家一樣，提煉出技術(shù)方案的核心技術(shù)特征開展精準(zhǔn)檢索。例如針對下面的一段文本，檢索專家基于其中描述的技術(shù)方案和對現(xiàn)有技術(shù)的理解，會(huì)將“缺口”和“折彎部”這兩個(gè)特征作為核心特征來檢索，而目前的智能語義算法還無法模擬檢索專家從文本到技術(shù)方案這一抽象的思維過程。

一種一體式自拍裝置，包括伸縮桿及用于夾持拍攝設(shè)備的夾持裝置，所述夾持裝置包括載物臺(tái)及設(shè)于載物臺(tái)上方的可拉伸夾緊機(jī)構(gòu)，其特征在于：所述夾持裝置一體式轉(zhuǎn)動(dòng)連接于所述伸縮桿的頂端，所述載物臺(tái)上設(shè)有一缺口，所述夾緊機(jī)構(gòu)設(shè)有一與所述缺口位置相對應(yīng)的折彎部，所述伸縮桿折疊后可容置于所述缺口及折彎部。

使用智能語義最佳的方式是與專家布爾檢索結(jié)合使用。具體來說是利用布爾檢索式獲得檢索結(jié)果后，再利用一個(gè)與布爾檢索式無關(guān)的排序因子對上述檢索結(jié)果進(jìn)行排序。布爾檢索式用于精準(zhǔn)的表達(dá)技術(shù)方案的核心特征，智能語義將其他非核心特征用相關(guān)性來表述，用排序的方法展示給檢索專家。這樣檢索的好處是，一方面可以充分發(fā)揮檢索專家定義核心特征的作用，保證了檢索的精準(zhǔn)度，同時(shí)發(fā)揮智能語義算法搜索的全面性，避免了因?yàn)閷Ψ呛诵募夹g(shù)特征的表述不夠全面而導(dǎo)致的漏檢。

針對上面的例子，如果獨(dú)立使用布爾檢索，則至少要在檢索時(shí)限定出自拍裝置、夾持裝置、缺口、彎折部等特征，但將語義與布爾檢索結(jié)合時(shí)，可以僅用布爾檢索搜索缺口、彎折部等核心特征，再將該全部文本作為排序因子對檢索結(jié)果排序，就能將與自拍裝置、夾持高度相關(guān)的專利排序到最前。這種檢索方式既提高了檢索的準(zhǔn)確性，又避免了漏掉重要專利，檢索的效率也能大幅提升。

每當(dāng)聽到人工智能將會(huì)取代某些工作時(shí)，相信不少人會(huì)有一絲擔(dān)憂。但筆者認(rèn)為，專利檢索本身是一種目標(biāo)高度不確定、需要大量主觀思考判斷和綜合分析的工作，檢索專家們完全不必把智能語義看作是競爭對手，而是當(dāng)成今后工作中的重要工具為自己賦能。相信語義技術(shù)與專家布爾檢索的結(jié)合會(huì)是未來檢索的主流，基于海量數(shù)據(jù)模型的語義排序與基于布爾的精確命中，將會(huì)合奏出人與人工智能融合的完美樂章。

注釋：

[1]陳燕, 黃迎燕, 方建國. 專利信息采集與分析[M]. 清華大學(xué)出版社, 2006：104-106.
[2]WIPO/IP/ITAI/GE/18，May 23 to May 25, 2018 (Geneva, Switzerland)，https://www.wipo.int/meetings/en/details.jsp?meeting_id=46586.

來源：IPRdaily中文網(wǎng)（iprdaily.cn）
作者：隆天集團(tuán)中專隆天知識(shí)產(chǎn)權(quán)運(yùn)營（深圳）股份有限公司  周俊 高級(jí)項(xiàng)目經(jīng)理、專利分析師
編輯：IPRdaily趙珍          校對：IPRdaily縱橫君

推薦閱讀（點(diǎn)擊圖文，閱讀全文）

開年重磅！尋找40位40歲以下企業(yè)知識(shí)產(chǎn)權(quán)精英（40 Under 40）

“投稿”請投郵箱“iprdaily@163.com”

「關(guān)于IPRdaily」

IPRdaily成立于2014年，是全球影響力的知識(shí)產(chǎn)權(quán)媒體+產(chǎn)業(yè)服務(wù)平臺(tái)，致力于連接全球知識(shí)產(chǎn)權(quán)人，用戶匯聚了中國、美國、德國、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個(gè)國家和地區(qū)的高科技公司、成長型科技企業(yè)IP高管、研發(fā)人員、法務(wù)、政府機(jī)構(gòu)、律所、事務(wù)所、科研院校等全球近50多萬產(chǎn)業(yè)用戶（國內(nèi)25萬+海外30萬）；同時(shí)擁有近百萬條高質(zhì)量的技術(shù)資源+專利資源，通過媒體構(gòu)建全球知識(shí)產(chǎn)權(quán)資產(chǎn)信息第一入口。2016年獲啟賦資本領(lǐng)投和天使匯跟投的Pre-A輪融資。

（英文官網(wǎng)：iprdaily.com  中文官網(wǎng)：iprdaily.cn） 

本文來自IPRdaily.cn 中文網(wǎng)并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉(zhuǎn)載，請注明出處：“http://jupyterflow.com/”