[摘要]通過(guò)對(duì)近年來(lái)計(jì)算機(jī)科學(xué)、人工智能、專利文獻(xiàn)加工等領(lǐng)域的發(fā)展進(jìn)行總結(jié)，從多語(yǔ)言混合檢索、分類檢索、語(yǔ)義檢索、圖像檢索以及輔助技術(shù)五個(gè)方面介紹專利文獻(xiàn)計(jì)算機(jī)檢索技術(shù)的最新發(fā)展。機(jī)器翻譯技術(shù)和多邊共同分類體系的完善有助于提高計(jì)算機(jī)檢索效率、消除語(yǔ)言障礙，而語(yǔ)義檢索、圖像檢索和文獻(xiàn)自動(dòng)處理技術(shù)的發(fā)展有望使面向不同層次用戶的計(jì)算機(jī)智能化檢索系統(tǒng)得以實(shí)現(xiàn)。
　　[關(guān)鍵詞]專利文獻(xiàn)　計(jì)算機(jī)檢索　語(yǔ)義檢索　圖像檢索
　　[分類號(hào)]G352
　　
　　1　前言
　　
　　近年來(lái)，計(jì)算機(jī)技術(shù)、語(yǔ)言學(xué)以及人工智能技術(shù)的發(fā)展促進(jìn)了整個(gè)信息檢索技術(shù)領(lǐng)域的發(fā)展，專利文獻(xiàn)的計(jì)算機(jī)檢索技術(shù)正成為情報(bào)檢索領(lǐng)域研究的熱點(diǎn)。下文擬從多語(yǔ)言混合檢索、分類檢索、語(yǔ)義檢索、圖像檢索以及輔助技術(shù)五個(gè)方面介紹專利文獻(xiàn)計(jì)算機(jī)檢索技術(shù)的最新發(fā)展。
　　
　　2　多語(yǔ)言混合檢索
　　
　　專利文獻(xiàn)是由各國(guó)、各地區(qū)專利局或世界知識(shí)產(chǎn)權(quán)局出版的官方文獻(xiàn)，因此一般以各局官方語(yǔ)言出版。雖然大部分專利文獻(xiàn)是英語(yǔ)文獻(xiàn)，但是仍然存在大量日文、中文、德文、法文及其他語(yǔ)種的文獻(xiàn)。出版語(yǔ)言的多樣性給專利文獻(xiàn)的檢索和利用帶來(lái)了極大的障礙，要實(shí)現(xiàn)多語(yǔ)言混合檢索，機(jī)器翻譯是必不可少的技術(shù)。目前一些專利局在其官方網(wǎng)站上推出了機(jī)器翻譯系統(tǒng)，例如我國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局提供有漢英機(jī)器翻譯，日本特許廳提供有日英機(jī)器翻譯，韓國(guó)知識(shí)產(chǎn)權(quán)局提供有韓英機(jī)器翻譯等，上述網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)對(duì)其他國(guó)家的用戶閱讀方便和使用本國(guó)專利文獻(xiàn)起到了幫助作用。
　　隨著計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器翻譯的技術(shù)也迅速發(fā)展，從傳統(tǒng)的基于規(guī)則的機(jī)器翻譯擴(kuò)展到了基于實(shí)例或模版的機(jī)器翻譯、統(tǒng)計(jì)機(jī)器翻譯等。尤其是近年來(lái)語(yǔ)言學(xué)和人工智能技術(shù)的發(fā)展，以語(yǔ)義描述或以知識(shí)描述為特征的智能機(jī)器翻譯系統(tǒng)正逐步成為研究的熱點(diǎn)。專利文獻(xiàn)作為一種特殊的科技文獻(xiàn)，由于其具有特定的句法和語(yǔ)言結(jié)構(gòu)，同時(shí)例如權(quán)利要求書(shū)等具有法律公示性文件的作用，這對(duì)翻譯的準(zhǔn)確性提出了更高的要求，已有研究者通過(guò)在機(jī)器翻譯系統(tǒng)內(nèi)集成多個(gè)翻譯引擎、對(duì)不同特點(diǎn)的內(nèi)容使用不同引擎翻譯的方式來(lái)提高翻譯質(zhì)量。
　　已有的機(jī)器翻譯系統(tǒng)基本局限于單篇文獻(xiàn)的機(jī)器翻譯，無(wú)法實(shí)現(xiàn)真正的多語(yǔ)言混合檢索。多語(yǔ)言混合檢索系統(tǒng)不僅可以允許混合語(yǔ)言的檢索式，而且同一個(gè)檢索式還可以對(duì)不同語(yǔ)言的專利文獻(xiàn)進(jìn)行檢索，其實(shí)現(xiàn)方式主要有如下三種：翻譯檢索式、翻譯文獻(xiàn)或者兩者相結(jié)合的混合式。翻譯檢索式的工作量小，比較適合于因特網(wǎng)檢索，但由于檢索式通常缺乏語(yǔ)境，翻譯難度較大；翻譯文獻(xiàn)的方式雖然有利于提高翻譯質(zhì)量，進(jìn)而有利于文獻(xiàn)檢索，但存在的主要問(wèn)題是翻譯量太大、翻譯時(shí)間長(zhǎng)。
　　
　　
　　3　分類檢索
　　
　　分類號(hào)一直是專利文獻(xiàn)檢索的重要手段。目前除了基本涵蓋各國(guó)專利文獻(xiàn)的國(guó)際專利分類(IPC)之外，美國(guó)專利商標(biāo)局、日本特許廳和歐洲專利局各自都有自己的分類體系，分別是UC、FI/FT和ECLA。IPC雖然通用，但存在分類標(biāo)準(zhǔn)不統(tǒng)一、分類條目不夠完備、文獻(xiàn)分類更新不及時(shí)等缺陷，導(dǎo)致使用IPC檢索的效果欠佳。UC和FI/FT分別只能檢索美國(guó)和日本的專利文獻(xiàn)，ECLA雖然能夠檢索到多國(guó)的文獻(xiàn)，但仍然不能有效地檢索日本、韓國(guó)、中國(guó)等國(guó)的專利文獻(xiàn)。
　　為改善這種局面，美國(guó)、日本和歐洲自2000年即開(kāi)始了“三邊分類和諧計(jì)劃”，該計(jì)劃旨在推進(jìn)ECLA、UC和FI三個(gè)分類體系的融合以增強(qiáng)分類號(hào)檢索的功能，同時(shí)對(duì)現(xiàn)有IPC分類體系提出改進(jìn)建議。依據(jù)2009年召開(kāi)的第27次三邊會(huì)議，韓國(guó)知識(shí)產(chǎn)權(quán)局已經(jīng)加入上述計(jì)劃，而中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局也以觀察國(guó)的身份參與這項(xiàng)工作。此外，近年來(lái)美國(guó)專利商標(biāo)局、日本特許廳、歐洲專利局、韓國(guó)知識(shí)產(chǎn)權(quán)局和中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局五局積極開(kāi)展合作，其中一個(gè)重要的合作項(xiàng)目是“共同的分類”。該項(xiàng)目的實(shí)施將有利于提高分類的一致性，擴(kuò)展或細(xì)化部分技術(shù)領(lǐng)域的分類，進(jìn)而提高檢索的效率和質(zhì)量。
　　不管是美日歐三方開(kāi)展的“三邊分類和諧計(jì)劃”，還是五局共同開(kāi)展的“共同的分類”項(xiàng)目，都必將推進(jìn)專利文獻(xiàn)分類體系的進(jìn)一步發(fā)展，實(shí)現(xiàn)真正意義上的“基于檢索的分類”，進(jìn)一步增強(qiáng)分類號(hào)在專利文獻(xiàn)計(jì)算機(jī)檢索中的作用。
　　
　　4　語(yǔ)義檢索
　　
　　當(dāng)前專利文獻(xiàn)檢索的主要手段為關(guān)鍵詞和分類號(hào)檢索，而由于一詞多義、一義多詞，專利文獻(xiàn)撰寫(xiě)、加工和翻譯質(zhì)量不一以及關(guān)鍵詞的機(jī)械匹配等問(wèn)題，本質(zhì)上決定了其查全率和查準(zhǔn)率受限制。隨著計(jì)算技術(shù)、人工智能、自然語(yǔ)言處理等技術(shù)的發(fā)展，搜索引擎的智能化有望從根本上提高現(xiàn)有檢索系統(tǒng)的檢索質(zhì)量。
　　搜索引擎的智能化具體表現(xiàn)為語(yǔ)義檢索，也稱為知識(shí)檢索或概念檢索。語(yǔ)義檢索是對(duì)檢索條件、信息組織及檢索結(jié)果顯示賦予一定語(yǔ)義成分的一種新的檢索方式。語(yǔ)義檢索的本質(zhì)在于以語(yǔ)義為對(duì)象進(jìn)行搜索，而不是對(duì)字符串進(jìn)行簡(jiǎn)單的機(jī)械匹配，因此可避免關(guān)鍵詞匹配檢索中由于詞和義不對(duì)應(yīng)所導(dǎo)致的問(wèn)題。
　　語(yǔ)義檢索過(guò)程一般包括對(duì)被檢索的文檔以及輸入的檢索式進(jìn)行語(yǔ)義分析和匹配處理。這種語(yǔ)義分析處理依賴于詞匯的語(yǔ)義描述技術(shù)以及分別用于詞義鑒別和詞匯過(guò)濾的語(yǔ)義識(shí)別技術(shù)和詞匯鏈算法�？梢酝ㄟ^(guò)諸如WordNet等語(yǔ)義詞典對(duì)詞匯實(shí)現(xiàn)較完備的語(yǔ)義描述，保證人和機(jī)器對(duì)詞匯的理解一致。
　　最新發(fā)展的潛在語(yǔ)義索引通過(guò)將文獻(xiàn)搜索過(guò)程中的向量空間模型和奇異值分解相結(jié)合，可以揭示文檔中的詞間關(guān)系，因而適于構(gòu)建專利文獻(xiàn)搜索引擎”…。利用語(yǔ)義進(jìn)行檢索還可以將專利文獻(xiàn)中的非技術(shù)性信息考慮在內(nèi)，例如將特定的技術(shù)概念和申請(qǐng)人、發(fā)明人等信息進(jìn)行語(yǔ)義聯(lián)系。此外，語(yǔ)義檢索還可以從用戶角度出發(fā)，考慮用戶的檢索需求，從而為諸如查新、侵權(quán)等不同目的的檢索提供相應(yīng)的結(jié)果。
　　近年來(lái)國(guó)內(nèi)一些開(kāi)發(fā)商也紛紛提供具有語(yǔ)義檢索功能的專利文獻(xiàn)檢索系統(tǒng)，例如東方靈盾開(kāi)發(fā)的專利檢索系統(tǒng)和Patenticst網(wǎng)站。Patentics網(wǎng)站除了可以實(shí)現(xiàn)傳統(tǒng)的關(guān)鍵詞檢索功能，還支持語(yǔ)義檢索，僅通過(guò)輸入檢索所針對(duì)的專利文獻(xiàn)號(hào)，即可自動(dòng)對(duì)其進(jìn)行語(yǔ)義分析、文獻(xiàn)檢索，并對(duì)結(jié)果進(jìn)行相關(guān)度排序。當(dāng)前專利文獻(xiàn)檢索領(lǐng)域還未廣泛應(yīng)用語(yǔ)義檢索，但隨著研究的深入，相信未來(lái)的搜索引擎不僅能利用語(yǔ)義技術(shù)提高檢索的效率，還有望能對(duì)檢索結(jié)果進(jìn)行分析、評(píng)價(jià)，甚至自動(dòng)生成檢索報(bào)告。
　　
　　
　　5　圖像檢索
　　
　　根據(jù)對(duì)圖像檢索所使用方法的特征可以分為基于文本的圖像檢索法(TBIR)和基于內(nèi)容的圖像檢索法(cBIR)。專利文獻(xiàn)一般都帶有大量的附圖，包括機(jī)械結(jié)構(gòu)或化學(xué)結(jié)構(gòu)式附圖、電路圖、方框圖、流程圖或曲線圖等。與傳統(tǒng)的關(guān)鍵詞檢索和分類號(hào)檢索相比，CBIR更加直觀、快速，而且可以克服因文字表述差異而導(dǎo)致的漏檢，因此它正在成為專利文獻(xiàn)檢索領(lǐng)域的研究熱點(diǎn)。專利文獻(xiàn)的附圖都是黑白二元圖像(本文 所稱專利是指發(fā)明和實(shí)用新型專利，不包括外觀設(shè)計(jì)專利)，不存在顏色和紋理等特征，因此專利文獻(xiàn)的圖像檢索主要是基于形狀和區(qū)域的圖像特征。
　　雖然目前還沒(méi)有成熟的專利文獻(xiàn)圖像檢索系統(tǒng)，但一些研究機(jī)構(gòu)已經(jīng)開(kāi)發(fā)出若干可專門用于專利文獻(xiàn)的圖像檢索原型系統(tǒng)，例如IIT Kanpur的PATseek、Informatics and Telematics Institute的PatMediat以及LTUtechnologies公司的ImageSeeker等。PATseek專門針對(duì)美國(guó)專利文獻(xiàn)進(jìn)行圖像檢索，而PatMedia網(wǎng)站上的試驗(yàn)系統(tǒng)僅針對(duì)歐洲專利局的專利文獻(xiàn)，這兩個(gè)圖像檢索系統(tǒng)都可實(shí)現(xiàn)直接輸入待檢索的圖像，系統(tǒng)自動(dòng)進(jìn)行相似度匹配，直接提供專利附圖，同時(shí)還可以進(jìn)行基于文本的圖像檢索。
　　典型的專利圖像檢索系統(tǒng)包括專利文獻(xiàn)處理部分和圖像檢索部分，如圖1所示：
　　文獻(xiàn)處理部分又進(jìn)一步包括文獻(xiàn)預(yù)處理和視覺(jué)、文本元數(shù)據(jù)提取和索引兩部分。前者是找出文獻(xiàn)中的圖形和對(duì)應(yīng)的文字描述；后者則是進(jìn)一步進(jìn)行圖像特征分析和文本分析，分別提取基本的圖像特征以及能夠表示圖形含義的高層語(yǔ)義特征的關(guān)鍵詞，由此分別形成索引后的圖形特征矢量庫(kù)、圖像庫(kù)、文本描述關(guān)鍵詞庫(kù)和知識(shí)庫(kù)。在圖像檢索部分，基于上述提取的元數(shù)據(jù)，進(jìn)行圖像相似度匹配，同時(shí)還可以基于文本進(jìn)行圖像檢索。與一般領(lǐng)域的圖形檢索相比，由于專利文獻(xiàn)中每幅圖形一般都對(duì)應(yīng)有文字描述，即使不再進(jìn)行人工標(biāo)注或自動(dòng)標(biāo)注，都能提取到較好的高層語(yǔ)義特征，這對(duì)提高專利文獻(xiàn)圖形檢索的準(zhǔn)確性非常有幫助。
　　目前因特網(wǎng)上最新版本的PatMedia專利文獻(xiàn)圖像檢索系統(tǒng)不僅提供有圖像輸入的檢索方式，還提供有文獻(xiàn)號(hào)、關(guān)鍵詞輸入的檢索方式；此外，對(duì)于檢索結(jié)果還可以進(jìn)一步使用文本過(guò)濾、類別過(guò)濾等功能。下面示例性地給出了利用PatMedia進(jìn)行圖像檢索的結(jié)果(見(jiàn)圖2、圖3)，輸入如圖2所示的圖像，該系統(tǒng)可以檢索出如圖3所示的結(jié)果(僅列出部分結(jié)果)。
　　目前專利文獻(xiàn)圖像檢索系統(tǒng)僅處于試驗(yàn)階段，只能對(duì)數(shù)量非常少的特定專利文獻(xiàn)進(jìn)行檢索，且檢索結(jié)果相關(guān)度還不是很高，但由于圖像檢索具有其他任何檢索方式都不具備的優(yōu)點(diǎn)，相信隨著人們對(duì)專利文獻(xiàn)圖像檢索技術(shù)的進(jìn)一步研究以及語(yǔ)義檢索技術(shù)的進(jìn)一步發(fā)展，實(shí)現(xiàn)高精度的圖像檢索必將成為現(xiàn)實(shí)。
　　
　　6　輔助技術(shù)
　　
　　高質(zhì)量的專利文獻(xiàn)是提高檢索質(zhì)量的基礎(chǔ)。專利文獻(xiàn)分類、標(biāo)引和摘要改寫(xiě)是專利文獻(xiàn)加工的主要內(nèi)容。傳統(tǒng)的專利文獻(xiàn)加工方法主要依賴于人工，其成本高且速度受限制，質(zhì)量不統(tǒng)一。隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，開(kāi)始出現(xiàn)對(duì)專利文獻(xiàn)進(jìn)行自動(dòng)分類、自動(dòng)標(biāo)引、自動(dòng)摘要和自動(dòng)聚類。
　　專利文獻(xiàn)自動(dòng)分類已經(jīng)在歐洲、美國(guó)、日本得到了廣泛的研究和嘗試。例如歐洲專利局已經(jīng)利用自然語(yǔ)言處理的相關(guān)技術(shù)實(shí)現(xiàn)了專利文獻(xiàn)的自動(dòng)初分類；對(duì)日本專利文獻(xiàn)自動(dòng)分類研究表明，對(duì)于使用K臨近算法進(jìn)行自動(dòng)分類的情況下，先將專利文獻(xiàn)按部分結(jié)構(gòu)化為語(yǔ)義單元可以提高74％的效率。
　　PATExpert代表了目前較先進(jìn)的專利文獻(xiàn)自動(dòng)處理技術(shù)的發(fā)展，通過(guò)基于語(yǔ)義網(wǎng)的語(yǔ)義處理技術(shù)實(shí)現(xiàn)了面向內(nèi)容的專利文獻(xiàn)自動(dòng)處理，其中的一個(gè)主要技術(shù)是利用一定的語(yǔ)義表示結(jié)構(gòu)實(shí)現(xiàn)專利文獻(xiàn)知識(shí)層面的表達(dá)。該系統(tǒng)可以執(zhí)行的處理任務(wù)包括：專利文獻(xiàn)內(nèi)容和元數(shù)據(jù)的自動(dòng)抽��；全文、圖像、相關(guān)性搜索引擎；專利文獻(xiàn)的自動(dòng)分類和聚類；面向多語(yǔ)言的輔助理解工具；專利價(jià)值自動(dòng)評(píng)估等。
　　國(guó)內(nèi)有一些研究機(jī)構(gòu)開(kāi)展了大量的基于IPC體系的專利文獻(xiàn)自動(dòng)分類的研究，這些研究大部分集中在統(tǒng)計(jì)分類技術(shù)。近年來(lái)隨著人工智能技術(shù)的興起，基于人工智能或語(yǔ)義的專利文獻(xiàn)自動(dòng)分類發(fā)展迅速，例如上文提到的Patentics試驗(yàn)系統(tǒng)也開(kāi)始嘗試對(duì)專利文獻(xiàn)進(jìn)行自動(dòng)分類。
　　中文專利文獻(xiàn)的自動(dòng)處理仍處于研究階段，雖然國(guó)外專利文獻(xiàn)自動(dòng)處理已經(jīng)積累了許多寶貴經(jīng)驗(yàn)，但由于中文表述的特殊性，許多技術(shù)還待消化和開(kāi)發(fā)，例如漢語(yǔ)詞匯之間的分詞技術(shù)是制約自動(dòng)標(biāo)引質(zhì)量的一個(gè)障礙。隨著信息處理自動(dòng)化相關(guān)技術(shù)的發(fā)展，專利文獻(xiàn)的自動(dòng)分類、自動(dòng)標(biāo)引、自動(dòng)聚類和自動(dòng)摘要正在逐步由半自動(dòng)走向全自動(dòng)化，這給搜索引擎的發(fā)展帶來(lái)了極大的便利。同時(shí)，利用語(yǔ)義技術(shù)實(shí)現(xiàn)基于內(nèi)容的自動(dòng)處理將是未來(lái)的發(fā)展主流，也是提高專利文獻(xiàn)自動(dòng)處理質(zhì)量的主要手段。
　　
　　7　結(jié)語(yǔ)
　　
　　專利文獻(xiàn)計(jì)算機(jī)檢索是一個(gè)涉及了多學(xué)科的研究領(lǐng)域，其中以語(yǔ)義檢索為核心的技術(shù)推動(dòng)了搜索引擎、機(jī)器翻譯、圖像檢索等相關(guān)技術(shù)的發(fā)展，而由于專利文獻(xiàn)的特殊性，分類體系和文獻(xiàn)自動(dòng)處理技術(shù)也在其中占據(jù)了重要地位。隨著研究的進(jìn)一步深入，現(xiàn)存的語(yǔ)言障礙和檢索效率低下等缺陷在不久的將來(lái)必將逐漸被克服，不同層次的用戶有望借助于智能化的自動(dòng)檢索系統(tǒng)便利地實(shí)現(xiàn)專業(yè)化檢索。

相關(guān)熱詞搜索：文獻(xiàn) 檢索 專利 專利文獻(xiàn)計(jì)算機(jī)檢索技術(shù)的最新發(fā)展 專利文獻(xiàn)檢索 文獻(xiàn)檢索專利