淺談Patentics智能語義檢索技巧

章文飛

摘 要

Patentics語義檢索目前在專利審查實踐中運用越來越廣泛，本文從選庫、常用檢索字段、算符和人工干預介紹了Patentics的檢索技巧。

關鍵詞

Patentics語義檢索;字段;算符;關鍵詞;人工干預

中圖分類號： G252.7;G306 ? ? ? ? ? ? ? ? ?文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.11.018

0 前言

Patentics是基于大數據下的機器學習的智能語義檢索工具，其通過超大規模智能計算和機器學習，自動去理解海量專利文獻的內容，并根據專利文本內容進行智能語義檢索，將檢索結果按照關聯度進行由高到低的排序，極大地提高了檢索效率。本文從選庫、常用檢索字段、算符和人工干預介紹了Patentics的檢索技巧。

1 數據庫的選擇

采用Patentics檢索，選對數據庫很重要。Patentics包括中國（CN）、美國（US）、歐專局（EP）、日本（JP）、韓國（KR）、印度（IN）以及世界知識產權組織的PCT（WO）等多個國家和地區的數據庫，文獻量達千萬級。

我們在選庫時，考慮到Patentics的檢索原理，優先選擇在全文庫檢索，全文庫信息齊全且量大，適合進行語義模型訓練，而摘要庫內容少，只能作為備選數據庫。

檢索中國專利文獻時，只需要勾選“中國發明實用（CNAPP）”庫，“中國發明實用（CNAPP）”庫其實是中國申請庫，所有的發明和實用新型的申請文本都在這個庫里，由于申請文本和授權文本的說明書內容基本一致，“中國發明實用（CNAPP）”庫就必然包括“中國發明授權（CNPAT）”的文獻內容，若兩個庫都勾選，檢索結果中會出現重復文件，造成目標文件在海量文獻中排序靠后。同理，為了避免文獻重復，在歐洲、日本、韓國等數據庫進行專利檢索時，也僅需單獨勾選歐洲申請、日本申請、韓國申請。

但美國需要勾選“美國申請（USAPP）”庫和“美國授權（USPAT）”庫，這是為什么呢？因為美國從2001年3月15號之后才開始公開美國的申請版本，之前是不公開的。如果僅勾選“美國申請（USAPP）”庫，會造成2001年之前的申請版本漏檢;但如果僅勾選“美國授權（USPAT）”庫，會造成近年申請但未授權的文獻或者被駁回的文獻的漏檢。

因此，選擇數據庫時注意：優先選擇全文庫，文摘庫作為備選;中文庫和英文庫要分開檢索;單庫檢索要優于多庫檢索;檢索中國專利文獻時，只需要勾選“中國發明實用（CNAPP）”庫;歐洲、日本、韓國還有中國臺灣，僅需勾選申請庫;美國是特例，既要勾選“美國申請（USAPP）”庫，還要勾選“美國授權（USPAT）”庫。

2 常用檢索字段和算符

2.1 “R/”和“RDI/”

“R/”為Patentics系統默認的檢索字段，是Rerank的縮寫，也就是重排序的意思。“R/”命令后可以輸入文字內容或者專利號碼，例如“R/專利號碼”或者“R/文本（一段話）”。輸入專利號碼時，系統會自動提取該篇專利的全文文本進行語義檢索。

Patentics還提供“RDI/”命令，后可跟專利號碼，含義是檢索該專利申請日前公開的最接近專利文獻。與“R/”相比，“RDI/”對檢索的專利文獻的時間有了限定。

單獨使用“R/”命令或“RDI/”命令時，系統會對全庫進行語義重排序，但只會給出最相關的400篇專利文獻，因為系統在給出檢索結果時，已將更相關的放在了最前面，排名400以后的相關度會越來越低，因此會有默認的截斷。但如果檢索人員想查看更多的信息，可以使用“CTOP/”命令限定要查看的專利數量，例如“CTOP/1000”，查看最相關的1000篇。

在檢索時，通常采用常用檢索字段“R/”和“RDI/”進行初步檢索，將系列申請、抵觸申請以及明顯的新穎性或創造性對比文件查找出來。

2.2 “R / and DI /”

字段組合“R/ and DI/”，“R/”的用法與上述相同，“DI /”后可以跟專利號碼或者日期。當其使用方式為“R/專利號碼and ?DI/專利號碼”時，其作用與“RDI/專利號碼”相同，其中“DI/”取檢索結果中公開日在該專利申請日之前。

一般在進行追蹤檢索或對具有優先權的PCT申請進行檢索時，會采用“R/公開號（或中國申請號）and DI/日期”進行檢索，特別是對具有優先權的申請進行檢索時，“DI/”后面跟具體的日期，可以排除時間上不可用的大量文獻。

2.3 “B /”和“ A / ”

“B/關鍵詞”，其用于全文關鍵詞檢索。常用方式為“RDI/ and B/”，例如“RDI/cn103522482 ?and ?B/冰箱”，還可“RDI/cn103522 482 ?and ?B/（（冰箱 or 冷柜）and 發泡 ）”。

“A/關鍵詞”，用于檢索標題、摘要或權利要求中含有的關鍵詞。“A/”用法與上述類似，也可根據需要采用“RDI/”與“TTL/”、“ABST/”或“ACLM/”搭配檢索，例如“RDI/ ?and ACLM/ 關鍵詞”。

2.4 臨近算符“adj/x”和“adjn/x”

鄰近算符不能與（）配合使用，需在雙引號中使用。

“adj/x”，為區分位置的臨近算符，使用方式為：B/”過濾 adj/3 發泡”，表示過濾和發泡間相距小于等于3個字，且過濾在發泡之前。

“adjn/x”，為不區分位置的臨近算符，使用方式為：B /”過濾 adjn/3 發泡”，表示過濾和發泡間相距小于等于3個字，過濾和發泡的前后位置不作區分，僅支持兩個詞的臨近運算。

2.5 同在算符“nw/x”和“np/x”

同在算符也不能與（）配合使用，也是需在雙引號中使用。

“nw/x”，為區分位置的句同在算符，使用方式為：/”過濾 nw/3 發泡”，表示過濾和發泡出現在同一句子里，相隔不超過3個詞，且過濾在發泡之前;

“np/x”，為區分位置的段同在算符，使用方式為：/”過濾 np/3 發泡”，表示過濾和發泡出現在同一段，相隔不超過3個詞，且過濾在發泡之前。

3 人工干預

在僅使用“RDI/專利號碼”對全庫語義排序檢索效果不佳時，需要進行人工干預。人工干預的方式常見的有兩種，采用關鍵詞和/或分類號。

3.1 關鍵詞干預

關鍵詞干預的檢索式為“RDI/專利號and B/關鍵詞”，其含義為先用B/關鍵詞檢索出一個結果集，然后再對這個檢索結果集按照RDI/專利號的涵義進行語義排序。

采用關鍵詞干預時，可遵循“先檢準，再檢全”，優先采用發明點關鍵詞干預，其次采用改進基礎、目的、技術領域的關鍵詞干預;盡量避免采用常見的部件名稱關鍵詞進行干預，陷入海量對比文件瀏覽中;特殊領域，不確定的詞組表達可采用單字或詞根進行干預，再交給語義來排序;盡量選取命名單一的關鍵詞（如專業術語）進行人工干預，避免使用名稱不易準確表達、也難以擴展全面的關鍵詞;關鍵詞干預效果不理想時，可對關鍵詞進行替換，若還不理想，可再將代表不同部件的多個關鍵詞“and”;可以多個干預字段聯合使用，例如：RDI/ and B/詞1 ?and AIM/詞2。

3.2 分類號干預

分類號干預的檢索為：“RDI/專利號and IPC/分類號”，其含義為先用IPC/分類號檢索出一個結果集，然后再對這個檢索結果集按照RDI/專利號的涵義進行語義排序。

采用IPC分類號干預，也可遵循“先檢準再檢全”的規則，先用準確的分類號如小組分類號進行檢索，若無合適對比文件，則采用大組分類號進行檢索，再無合適對比文件，則可以采用小類分類號進行檢索。不用擔心采用小類分類號檢索范圍太大，有語義排序，能將最相關的前400篇文獻推出來。上述用小組、大組以及小類分類號檢索時，是可以結合關鍵詞一起檢索的，如：“R/公開號and B/關鍵詞and IPC/分類號”。

3.3 文本改寫干預

文本改寫干預主要是對“R/文本內容”中的文本內容進行改寫，也就是通過排序標準進行人工干預。

文本改寫的目的主要是縮小排序范圍、提升語義匹配度，在改寫時要選擇與發明點相關度高的部分進行改寫，刪除干擾信息、冗余信息，增加關鍵語段、關鍵詞語（同義詞或近義詞），改寫時對晦澀文字進行常規描述的改寫，最好用具體的下位詞語表達，不要用上位概念。

4 結語

本文從選庫、常用檢索字段、算符和人工干預介紹了Patentics語義檢索的檢索技巧：在選擇數據庫時，根據各國數據庫的特點進行選庫，再通過常用檢索字段“R/”和“RDI/”進行初步檢索，再采用“RDI/專利號碼+關鍵詞/分類號等”進行人工干預，進行關鍵詞干預時可以運用鄰進算符、同在算符，若還沒有找到合適的對比文件，最后還可通過“R/文本改寫”實現排序標準的人工干預。