标准化与中国专利信息的开发和利用

如何将庞大、繁杂的专利文献标准化、代码化以利于专利信息的充分利用已成为我国专利信息处理的焦点问题。本文通过深入对比、研究两种标记语言——SGML(标准通用标记语言)和XML(可扩展标记语言)的优点和缺点,最终得出结论:以XML为基础的专利文献数据格式标准将更有利于在我国建立先进的专利信息系统,更具发展潜力。利用OCR技术建立数据生产流水线对专利文献进行代码化的工作已取得了阶段性成果,生产线初具规模,进一步的工作正在有条不紊地进行。总而言之,通过研究XML和OCR技术在专利信息处理中的应用不仅有利于在我国建立一流的的专利信息数据库,同时也对我国信息处理行业在这一领域起到重要的示范作用。