S系统联合Patentics提高检索效率的方法

本文通过分析S系统和Patentics智能语义检索的优缺点,阐述了在检索过程中如何将两者的优势进行整合来提高检索质量和效率。结合两个实际案例,提供了一种基于S系统和Patentics的联合检索和扩展策略,以期对专利文献的检索有所帮助。

基于图神经网络的专利关键词提取算法研究

[目的/意义]专利关键词提取是专利挖掘任务中非常重要的前置子任务,基于图模型的关键词提取是目前最有效的算法。传统图模型只考虑了单词的局部上下文信息,为了捕获单词的全局信息,提出一种基于图神经网络的专利关键词提取算法,结合词向量与图模型实现专利关键词的提取。[方法/过程]首先,用专利数据集构建异构网络,以专利分类号为标签,训练图神经网络模型,使得同一主题下的单词具有相似的向量表示,获取包含主题信息的词向量;然后,根据专利摘要在滑动窗口内的单词共现关系和词向量相似度,构建融合了单词主题信息的文本图,利用词向量中的主题信息捕获单词的全局联系;最后,在文本图上使用PageRank算法,获取关键节点,构成专利的关键词。[结果/结论]与基线方法相比,该算法在提取专利关键词时,能够检测到新颖性与准确性更高的关键词。

运用智能检索三步法时如何进行分类号和关键词的干预

国家知识产权局上线的智能检索系统的一个显著特点是支持智能检索,即系统会根据本申请的特征自动推送一定数量的相关文献,而不需要审查员采用传统的布尔算符来检索相关文献。该系统在一定程度上提高了审查员的检索效率,可以使审查员快速获得相关性比较高的文献。但是若仅仅依靠系统推送的相关文献显然并不能实现全面检索,还需要审查员采用一定的手段对检索结果进行干预和调整。该文探讨如何从分类号和关键词两个角度对智能检索的结果进行干预,以期获得更好的检索结果。

基于文献计量的专利质量研究现状、合作网络特征与演进趋势分析

选择WebofScience数据库核心合集中1981—2021年以专利质量为主题的1200篇SSCI期刊论文为样本,运用文献计量方法与可视化软件,全面分析专利质量研究的现状、合作网络特征、学术热点与演进趋势。文献计量分析结果表明:专利质量研究的发文量与时间呈指数增长关系,近40年其大致经历了萌芽、成长、成熟等3个阶段;高产与高被引国家形成了以美国和中国为核心的两大合作圈;高产与高被引机构形成了以大学和科研院所为主体的六大合作圈,呈现出多主体、跨机构、跨国家的合作特点;研究重点从专利质量的定性描述转向定量分析,尤其是近年来运用大数据和人工智能方法分析专利质量的动态变化过程及其作用机制。在此基础上,提出了未来应关注的4个研究热点及其重点内容,为进一步深化与拓展该领域的理论研究提供了有益参考。

专利文献中关键词抽取方法的改进

专利关键词是对专利文献的高度概括,正确提取专利文献中的关键词对于专利文献的分类、标引、聚类等具有重要意义。结合专利文献的特点,在目前已有方法的基础上,提出了专利文献中领域公共词提取方法、词素加权方法以及并列结构惩罚的方法,将其应用到专利文献关键词抽取中。在过滤公共词的基础上,综合运用词在文献中出现的位置、词频、词素和并列结构计算词对文献主题的影响度,抽取专利文献中的关键词。实验结果表明,在抽取关键词个数为5-9个时,所提方法优于局部加权TF-IDF方法,验证了所提方法的有效性。

权利要求特征驱动的专利关键词抽取方法

由于目前专利关键词抽取主要依据通用文本关键词抽取方法,没有充分考虑专利特征的问题,本文提出基于专利权利要求特征驱动的专利关键词抽取方法。该方法主要包括预处理、基于最长公共子串的候选关键词选取、基于信息增益比的冗余候选关键词去除和融入特指度的候选关键词权重等四个主要步骤。真实专利数据实验结果表明,本文提出的权利要求特征驱动的专利关键词抽取方法具有可行性与有效性。

挖掘专利知识实现关键词自动抽取

关键词是人们快速判断是否要详细阅读文件内容的重要线索,关键词自动抽取在信息检索、自然语言处理等研究领域均有重要应用.设计了一种新的关键词自动抽取方法,使计算机能够像人类专家一样,利用知识库对目标文本进行学习和理解,最终自动抽取出关键词.专利数据因其数据量庞大、内容丰富、表达准确、专业权威而被选中作为知识库来源.详细讨论了专利数据的特性,挖掘不同专利间的知识关联,针对某一知识领域构造背景知识库,在此基础上进行目标文本的关键词自动抽取.与目标文本相关的专利文集中每个专利的专利发明人、权利人、专利引用和分类信息都被用于在不同的专利文档之间发现关联性,利用关联信息扩充背景知识库,获得目标文档在各个相关知识领域的背景知识库.基于背景知识库设计了词知识特征值,以反映词在目标文本背景知识中的重要程度.最后,把关键词抽取问题转化为分类问题,利用支持向量机(support vector machine,SVM)抽取出目标文本的关键词.在专利数据集和开放数据集的实验结果证明明显优于现有算法.

关键词在专利文献检索中的应用

本文在简要地介绍了关键词检索的现状之后,重点从文献检索的角度分析了专利文献特点,并探讨了完善关键词检索的3个方面。最后,就专利文献检索领域关键词检索的发展趋势进行了简要的分析。

基于关键词分析的我国专利制度研究进展——以面向国家利益和公共利益的制度设计为视角

从制度设计视角分析我国专利制度研究内容,拟为深化相关研究和成果应用提供参考,服务专利制度科学决策。本文以CNKI数据库中的专利制度研究文献为基础,通过关键词分析和内容分析,综述专利制度研究中涉及的面向国家利益和公共利益的制度设计要领和调适策略。面向国家利益,制度设计要领:区分国内外创新;应对国际贸易冲突和纠纷。面向公共利益,制度设计要领:保护遗传资源权益;保障公共健康专利药品可及性;促进绿色技术开发与传播。建议从3个方面展开后续研究:纳入国家利益和公共利益相关变量的最优制度设计的理论和模型;在国际规则下实现维护国家利益和保障公共利益的"攻防兼备"的高效专利制度体系;专利制度与其他政策法规的协同创新和发展。

一种用于专利主题词抽取的模板自动生成方法

专利主题词是用以表述发明或实用新型名称的技术关键词,专利主题词的抽取是专利技术方案信息抽取的第一步,是填充信息抽取结果模板的有效依据和填充子之一。将信息抽取技术应用于中文专利摘要文本,在充分分析了专利摘要文本和专利标题特点的基础上,采用无指导的方法构建信息抽取模板,进而完成专利主题词的抽取。实验表明,该方法获得了较好的抽取效果。

网络环境下专利文献资源的利用

通过对专利文献的类型、特点及搜集途径的论述,探讨了网络环境下如何利用专利文献资源。

中美官方网站免费专利检索系统之比较

主要介绍了中国知识产权局、美国专利商标局两大官方网站提供的免费专利信息检索系统的特点,并对其检索方法等作了详细的比较。

基于词句重要性的中文专利关键词自动抽取研究

[目的/意义]专利关键词是对专利核心内容的概括,高效准确地抽取专利关键词不仅可以辅助人们对专利的快速查找,同时对专利分类、聚类、翻译等具有重要意义。[方法/过程]提出了"关键词在关键句中"的关键词抽取新思路。首先构建了一个联合句网络语义图特征和启发式规则特征的专利摘要句排序模型,然后仅选择Top-KS%的句子参与关键词计算,同时将句子语义权重参数引入到关键词权重计算过程中,从而使得句子的重要性传递到句中的词上。[结果/结论]在真实中文专利数据集中实验表明,从中文专利中选择适当比例关键句参与关键词抽取计算,相较于传统关键词抽取算法F值提升了6%～13%左右,有效地降低原始文档的噪声数据,提升了关键词抽取的效果。

对《中国药典》2000年版一部拉丁学名命名工作的一些商讨

药品拉丁学名的命名,药品通用名称的"一物一名"原则,对保证药品科学化、规范化管理,促进中医药事业与国际卫生事业"接轨",都会起到重大的作用。药典一部药材及其制品的拉丁学名命名工作比成方及单味制剂拉丁学名的命名工作做得更好,后者的拉丁学名命名工作尚有待于大力提高。

论专利情报服务体系在我国技术转移活动中的控制与调节功能

本文探讨了专利情报服务体系的基础建设现状,及其在技术引进与输出过程中的各种控制与调节功能,说明专利情报工作对于我国发展外向型经济及进行国际技术转移活动的重要意义。

加入WTO后黑龙江省科技发展对策研究——关于加快黑龙江省专利发展的对策建议

阐述了加入WTO后黑龙江省科技和经济发展的重大机遇与挑战,分析了专利发展的有利条件和不利因素,针对黑龙江省传统产业发展相对滞后,创新能力不强等问题,提出了尽快与世贸规则接轨,加快实施专利战略,提升黑龙江省创新能力的竞争力,推动老工业基地的振兴,带动传统产业加速向新型工业化转变。给出了促进全省经济快速发展的对策与措施。

论布尔检索与语义检索的联合运用策略

专利检索中,采用适当的检索手段完整、准确地表达专利申请的核心发明构思,并建立起专利申请与目标文件之间的关联性是确定检索过程是否有效的重要因素,现有的专利检索手段以布尔检索和语义检索为主,其中,布尔检索在人工获取、扩展分类号和关键词的基础上通过算符构建检索式,而语义检索则是通过自然语言统计模型,对技术方案中的词进行抽取形成索引词,通过将各个索引词之间建立相关度并与专利数据库中的文献进行对比排序获得结果。本文结合具体案例,探讨了布尔检索和以Patentics智能语义为代表的语义检索在检索方式上的特点和区别,并从如何完整、准确表达技术方案的角度,论述了这两种检索方式的联合运用策略。

中文专利文档关键词自动提取方法研究进展

专利是一种包含学术、商业、法律等信息的科技文献,记录了大量新颖、实用的研究成果,近年来关注度不断提高。利用共词分析、文本聚类等方法对专利文献进行信息分析时,往往需要借助关键词提取技术达到降低数据复杂度、过滤噪声的目的。关键词提取技术多数基于统计规律。本文对基于词频、关联信息和多特征的关键词提取方法研究进展进行了总结,介绍了常用的分别以TF-IDF、熵、词汇链、Text Rank、遗传算法、决策树学习、朴素贝叶斯分类器、支持向量机等为主导的方法。另外,本文还总结了在专利文档关键词提取中可能用到的词频、位置、语义、关联、自身等方面的特征。实际应用中,关键词自动提取技术可作为一种有力的辅助手段,降低数据处理过程中的人力和时间成本。

KEC:基于cw2vec的中文专利关键词提取方法

关键词提取是诸多文本挖掘任务的前置任务,其精度直接影响了下游任务的性能。以中文专利为研究对象,针对专利文本的特点,将关键词提取问题转换成词向量聚类问题,提出了一种基于cw2vec词向量的关键词提取方法,称为KEC。该方法首先利用科技文献的关键词以及开源词典构建领域词典;接着,基于领域词典对专利文本进行预处理获取候选关键词,并采用构建cw2vec模型获得候选关键词的词向量表示;最后,采用聚类算法提取最终的关键词。在真实的专利数据集上进行了实验验证,结果表明KEC在精确率、召回率、综合指标F 1等指标项上优于现有的其他基于词聚类的关键词提取方法。

我国新冠疫情专利主题与热点分析

[目的/意义]针对新型冠状病毒肺炎疫情的专利主题进行研究,旨在为以新冠病毒的防控、治疗等工作为创新主体提供专利情报的技术支持,同时也为国家应对突发重大疫情事件的决策和处置提供技术上的借鉴和参考。[方法/过程]本文采用内容分析法,以新冠疫情专利文献为数据来源,构建编码表,进行编码,并对疫情防护、病毒消杀等专利主题进行时序演化分析,明确新冠疫情专利主题的发展态势。编码完成后,本研究分别对疫情防护、病毒消杀、大数据防疫等专利主题关键词进行共现分析,明确主题热点。[结果/结论]最终讨论并分析了新冠疫情专利主题在疫情防控技术中的作用,并从横向时间上和纵向空间上为创新主体提供相关的创新建议。