专利信息检索技术

不 同部分制定相应 的特征选择策略。同时 ， 对基 于概念 的专 利信息检索技 术中的两个关键 问题 即查询扩展和专利文献相似度计算方法进行 了阐述。
关键词 ： 专利 ； 信息检索 ； 查询扩展 ； 相似度计算
中图 分 类 号 ：Ｐ ９ ． Ｔ ３ １１
ｄ ｉ１ ． ９ ９ ｊ ｉ ｎ １０ ｏ ：０ ３ ６ ／．ｓ ． ０ ７—１ ８ ． ０ ０ ０ ． １ ｓ ３５ ２ １ ． ０ ２ ４
率 的 目的。
仅考 虑到词语 的 外在 字 符表 现 形式 ， 没 有 涉及 而
其表 达的关 键概 念 信 息 。也 就 是说 ， 在 一个 文 仅 档 含有 与 查 询 完 全 相 同 的词 汇 时 ， 们 才 相 关 。 它 关键词 匹配检 索模 型 往往 基 于上 述 基 本假 设 ， 这
Ｂ ｓｄＭａ ｈｎ ） 。然 而 ， 人 们 使 用 的 自然 ａｅ ｔ ｉｇ ｃ 在
语言中， 随着时 间 、 地域 、 领域等 因素 的改变 ， 同一
概 念可 以用 不 同的语 言表 现形式来 表达 。 因此 即
使对 于 同一 概念 的检索 ， 同的用 户 可 能使 用不 不 同的关 键词来 查询 。 由于客观存在 的对检 索需求
摘
要 ： 利信息检索作 为快速获取专 利信息 的主要 手段 ， 专 在专利信 息应用过程 中发 挥重要作
用。本文在分析当前专利信息检索涉及 的关键技术 的基础上 ， 进一步 阐述了基于概念 的专利信
息检索技术。本 文以对专利文献的内wk.baidu.com分析为基础 ， 按照文献 中各部分 的功能进行组 织表示 ， 对
种相关 性匹 配实 际 上是 基 于表 层 的 匹配 （ ｕｆｃ Ｓｒ ｅ ａ
—
本文在 分析 当前专利 信息检 索涉及 的关键 技
术 的基 础上 ， 进一 步 阐述 了基 于概 念 的专 利 信息 检索技 术思 想 。包括 专 利 文本 的信 息抽 取技 术 ，
关键词 扩展技 术和基 于概念 的专利 文献相 似度计 算等。
作者简介 ： 白宇 （９ ２一 ， ， １８ ） 男 内蒙古 赤峰人 ， 助教 ， 主要研 究方
向： 息检索 、 管理 ， 信 知识 Ｅ—ｍａ ：ｌｘａｂｉ ａｏ．Ｏ 。 ｉ ｎｐｉｏａ＠ｙｈｏ ＣＩ ｌ Ｎ
此 ， 汇不匹 配将 导 致 系统 的查 全率 降 低 。词 语 词 是 概念 的外 在 表现 形式 ， 一个 概 念 可 以使用 不 同 的词 语来 表达 ， 因此 ， 概念作 为语言处 理 的基 本 把
单位 将有利 于解决 当前检 索系 统 中由于词不 匹配 导致 的查全 率 低 问题 。另 一方 面 ， 以关键 字 或 关
键字 的组合作 为检 索人 口的方式 使使用 者难 以准
确全 面地表 达 检 索 意 图 Ｊ 。为 此 一 些 学 者 提 出
存在查全率和查准率低的问题。其原 因在于， 大
多 数的专利 检索 系统在全 文检索 功能上仍 采用基
于词 匹配 的方 法 。这种关键 词机 械式匹 配的方式
了基 于概念 的专利信 息检索技 术 ， 键在 于 ， 其关 通 过计 算用 户查 询与专 利文献库 中的专 利文献 之间 概 念距离 ， 实现 专利 文 献 与用 户 查 询 的相似 相 关 性排 序 ， 而达 到提 高 检 索结 果 的查 全 率 和查 准 从
２１年８ ０ ０ 月 第２ 卷第４ ７ 期
沈 阳 航 空工 业 学 院 学 报 Ｊｕ ａ ｏ ｈｎａｇＩｓｔ ｅｏ Ａ ｒ ａｔ ａ Ｅ ｇ ｅｒ ｇ ｏｒ ｌ ｆ ｅｙｎ ｔｕ ｆ ｅｏ ｕ ｃｌ ｎｉ ｅ ｎ ｎ Ｓ ｎ ｉｔ ｎ ｉ ｎ ｉ
Ａ ｇ２ １ ｕ ．０ ０ Ｖ １２ Ｎ ． ｏ．７ ｏ４
收 稿 日期 ：０ ０— ５—０ ２１ ０ ３
１ 专 利信 息 检 索 系统 现 状
专利信 息 的计算 机 检 索起 始 的年 代 比较 晚 。 ２ ０世纪 ７ 代 ，ｅｗｎ 公 司将 专利 信 息做 成 了 ０年 Ｄｒｅｔ 可在计算机上读取 的数据 ， 这就是专 利信息计算 机
检索 的雏形 。但 由于数据量 的庞大 ， 的速度 检索
文 章 编 号 ：０ ７ ３ ５ ２ １ ）４— ０ ０— １０ —１８ （０ ０ ０ ０ ５ ０ ４
专利 信 息检 索技 术
白 字 王 裴岩 蔡 东风 董燕举
（ ． 阳航空航 天大学 知识工程研究中心 ， １沈 辽宁 沈 阳 １０ ３ ２ 沈阳航空航天大学 计算机学 院， １ １６；． 辽宁 沈 阳 １０ ３ ） １ １６
的表 达差异 ， 文本 检 索过 程 中使 用 的 关键 词 匹 在
配方 法 ， 常 因匹 配失 败 而 得不 到 检索 结 果 。例 经 如 当用 户查 询 “ 算 机” “ 计 和 电脑 ” 个 词 的时候 两 其实是 在查询 同一件 事情 。而基 于表层 的匹配不 可能检 索 到 同一 概 念 的多 种 语 言 表 达 形 式 。 因
文献 标 识 码 ： Ａ
专利 文献 是集 技 术情 报 、 律情 报 和 经 济情 法 报于一体 的实用 知 识 载体 ， 极 为重 要 的科 技 信 是
息来源 ， 长期 以来 一 直 受 到研 发 者或 企 业 经 营者 的重视 … 。为加快 专 利信 息化 建 设 ， 进专 利 信 促
息 的传播 和有效 利 用 ， 国家 知 识产 权 局制 定 全 国 专利 工作计 划 。其 目标之 一在 于面 向全社 会对 专 利信 息 资源 的需 求 ， 提供 为经 济 、 科技 、 业 部 门 产 制定产 业政策 和科 技 发 展 战略 、 为企 事 业 单位 技 术创新 、 为行政 和 司法 部 门执 法 进行 专 利 信 息检 索 的专利 信息检 索 系统 。 目前 ， 全文 检索 系 统越 来 越广 泛 地 应用 于 专 利信息检 索领域 ， 然而 ， 现有 的专 利检索 系统普遍