[發(fā)明專利]一種基于擴展布爾檢索模型的大數(shù)據(jù)專利檢索方法

在審

• 申請?zhí)枺?/td>: 201710856763.X
• 申請日: 2017-09-21
• 公開（公告）號: CN107609142A
• 公開（公告）日: 2018-01-19
• 發(fā)明（設(shè)計）人: 盛時永
• 申請（專利權(quán)）人: 合肥集知網(wǎng)知識產(chǎn)權(quán)運營有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q50/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種大數(shù)據(jù)專利檢索方法，屬于專利檢索技術(shù)領(lǐng)域，具體涉及一種基于擴展布爾檢索模型的大數(shù)據(jù)專利檢索方法。

背景技術(shù)

20世紀80年代以來，隨著世界經(jīng)濟的發(fā)展和新技術(shù)革命的到來，專利文獻作為一種既可以體現(xiàn)科技創(chuàng)新力，又可以保護科研成果不受侵犯的科技法律文獻，其重要性越來越受到重視。據(jù)世界知識產(chǎn)權(quán)組織(World Intellectual Property Organization)報道，專利文獻包含全世界每年90％～95％的最新科研成果，其中有70％左右的發(fā)明技術(shù)從未在其他非專利文獻上發(fā)表。專利文獻指導技術(shù)創(chuàng)新，將可以節(jié)約40％的研究經(jīng)費和60％的研究時間，專利已經(jīng)成為了企業(yè)科技創(chuàng)新和投資者商業(yè)戰(zhàn)略決策的重要科技參考文獻。

中國專利數(shù)據(jù)截止到2013年底達到了600萬條，超過了美國和日本，躍居世界第一。面對如此大量的專利信息，用戶獲取有價值信息的代價也越來越高，正是這種需求導致了專利數(shù)據(jù)各種研究工作的開展以及各種商業(yè)專利服務(wù)平臺的出現(xiàn)。

相對傳統(tǒng)文本而言，專利文獻有其特殊性，主要表現(xiàn)在5個方面：

(1)復雜性。專利文獻記載著技術(shù)解決方案，確定了專利權(quán)保護范圍，包含很多專業(yè)性和細節(jié)性的說明，特別是專利中描述技術(shù)細節(jié)和組成結(jié)構(gòu)的句子表達非常復雜，涉及多種并列結(jié)構(gòu)、依存結(jié)構(gòu)和嵌套結(jié)構(gòu)，在做句法語義分析時也比普通文本遇到更多的挑戰(zhàn)。

(2)規(guī)范化。專利文獻相對網(wǎng)頁有更規(guī)整的結(jié)構(gòu)化信息，一是它具有統(tǒng)一的分類，二是專利權(quán)利說明書遵循一定的寫作規(guī)范，有效地利用這些規(guī)范化信息將有助于對專利的分析。

(3)抽象性。專利作為一種技術(shù)上受保護的文獻，專利發(fā)明人為了壟斷技術(shù)，會使用更加抽象的上位詞表達保護的覆蓋范圍，這些詞包含各種技術(shù)術(shù)語甚至是自定義詞匯，從而增加了詞法處理的難度。

(4)唯一性。專利是一種獨一無二的信息資源，相對于網(wǎng)頁，專利間的文本重疊度往往很小，因此在計算專利相似度時，基于詞語重疊的方法并不適用。

(5)多主題多語言。一篇專利文獻經(jīng)常包括多個主題，而且不同國家采用不同的語言描述專利，所以專利檢索更加注重跨語言多主題的檢索。

對比文件1(一種專利檢索的系統(tǒng)和方法，CN201410787225.6)公開了一種專利檢索的系統(tǒng)和方法，專利檢索的系統(tǒng)包括用戶信息管理模塊、檢索類型選擇模塊、檢索輸入模塊、檢索配對模塊和檢索輸出模塊,專利檢索的方法包括：S1,從簡單檢索、高級檢索和表達式檢索中選擇適合本次檢索的檢索方式,并且進入該檢索的窗口；S2,在選擇進入的檢索方式的窗口中輸入檢索詞,點擊檢索窗口進入顯示窗口；S3,在檢索窗口選擇專利呈現(xiàn)的形式,并彈出呈現(xiàn)窗口,或者選擇二次檢索過濾后再次呈現(xiàn)；S4,選擇對專利進行保存或則結(jié)束進程。該發(fā)明中的專利檢索主要從功能性模塊出發(fā)，并沒有進行實質(zhì)性的提出高效率的檢索方法。

針對以上缺點，有必要設(shè)計出一種新的專利檢索方法，避免傳統(tǒng)專利檢索方法中檢索式構(gòu)造的非友善性和二值匹配相關(guān)性，提高專利檢索結(jié)果的匹配度和關(guān)聯(lián)度。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

為了解決現(xiàn)有技術(shù)存在的上述問題，本發(fā)明提供了一種基于擴展布爾檢索模型的大數(shù)據(jù)專利檢索方法，該方法能夠避免傳統(tǒng)專利檢索方法中檢索式構(gòu)造的非友善性和二值匹配相關(guān)性，提高專利檢索結(jié)果的匹配度和關(guān)聯(lián)度。

(二)技術(shù)方案

本發(fā)明提出了一種基于擴展布爾檢索模型的大數(shù)據(jù)專利檢索方法，該方法包括如下步驟：

步驟S1：將用戶的檢索提問轉(zhuǎn)化成廣義析取提問式和廣義合取提問式；

步驟S2：計算出檢索詞K_i在專利文檔d_j中的權(quán)重；

步驟S3：對專利文檔d_j分別計算出其與廣義析取提問式和廣義合取提問式的相似度；

步驟S4：遍歷專利數(shù)據(jù)庫中的文檔，計算出擴展布爾檢索模型最匹配的前N個專利文檔，并組成集合D；

步驟S5：對集合D中的專利文檔進行排序，輸出給用戶；

步驟S6：用戶根據(jù)呈現(xiàn)的結(jié)果，選擇所需專利，或者添加或重新輸入專利檢索詞并且調(diào)整各檢索詞的權(quán)重，進行二次檢索過濾。

優(yōu)選的，所述步驟S1中，廣義析取提問式和廣義合取提問式計算公式如下：

q_or＝k₁∨^pk₂∨^p……∨^pk_t