計(jì)算機(jī)檢索技術(shù)論文(2)
計(jì)算機(jī)檢索技術(shù)論文
計(jì)算機(jī)檢索技術(shù)論文篇二
專利文獻(xiàn)計(jì)算機(jī)檢索技術(shù)的最新發(fā)展
[摘要]通過對(duì)近年來計(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)，從多語言混合檢索、分類檢索、語義檢索、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、消除語言障礙，而語義檢索、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 語義檢索 圖像檢索
[分類號(hào)]G352
1 前言
近年來，計(jì)算機(jī)技術(shù)、語言學(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)。下文擬從多語言混合檢索、分類檢索、語義檢索、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 多語言混合檢索
專利文獻(xiàn)是由各國、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言出版。雖然大部分專利文獻(xiàn)是英語文獻(xiàn)，但是仍然存在大量日文、中文、德文、法文及其他語種的文獻(xiàn)。出版語言的多樣性給專利文獻(xiàn)的檢索和利用帶來了極大的障礙，要實(shí)現(xiàn)多語言混合檢索，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)，例如我國國家知識(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)其他國家的用戶閱讀方便和使用本國專利文獻(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。尤其是近年來語言學(xué)和人工智能技術(shù)的發(fā)展，以語義描述或以知識(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言結(jié)構(gòu)，同時(shí)例如權(quán)利要求書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，無法實(shí)現(xiàn)真正的多語言混合檢索。多語言混合檢索系統(tǒng)不僅可以允許混合語言的檢索式，而且同一個(gè)檢索式還可以對(duì)不同語言的專利文獻(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專利文獻(xiàn)的國際專利分類(IPC)之外，美國專利商標(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分別只能檢索美國和日本的專利文獻(xiàn)，ECLA雖然能夠檢索到多國的文獻(xiàn)，但仍然不能有效地檢索日本、韓國、中國等國的專利文獻(xiàn)。
為改善這種局面，美國、日本和歐洲自2000年即開始了“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年召開的第27次三邊會(huì)議，韓國知識(shí)產(chǎn)權(quán)局已經(jīng)加入上述計(jì)劃，而中國國家知識(shí)產(chǎn)權(quán)局也以觀察國的身份參與這項(xiàng)工作。此外，近年來美國專利商標(biāo)局、日本特許廳、歐洲專利局、韓國知識(shí)產(chǎn)權(quán)局和中國國家知識(shí)產(chǎn)權(quán)局五局積極開展合作，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展的“三邊分類和諧計(jì)劃”，還是五局共同開展的“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、加工和翻譯質(zhì)量不一以及關(guān)鍵詞的機(jī)械匹配等問題，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)為語義檢索，也稱為知識(shí)檢索或概念檢索。語義檢索是對(duì)檢索條件、信息組織及檢索結(jié)果顯示賦予一定語義成分的一種新的檢索方式。語義檢索的本質(zhì)在于以語義為對(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)致的問題。
語義檢索過程一般包括對(duì)被檢索的文檔以及輸入的檢索式進(jìn)行語義分析和匹配處理。這種語義分析處理依賴于詞匯的語義描述技術(shù)以及分別用于詞義鑒別和詞匯過濾的語義識(shí)別技術(shù)和詞匯鏈算法。可以通過諸如WordNet等語義詞典對(duì)詞匯實(shí)現(xiàn)較完備的語義描述，保證人和機(jī)器對(duì)詞匯的理解一致。
最新發(fā)展的潛在語義索引通過將文獻(xiàn)搜索過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)行語義聯(lián)系。此外，語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。
近年來國內(nèi)一些開發(fā)商也紛紛提供具有語義檢索功能的專利文獻(xiàn)檢索系統(tǒng)，例如東方靈盾開發(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，還支持語義檢索，僅通過輸入檢索所針對(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)用語義檢索，但隨著研究的深入，相信未來的搜索引擎不僅能利用語義技術(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、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、圖像庫、文本描述關(guān)鍵詞庫和知識(shí)庫。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)一步使用文本過濾、類別過濾等功能。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、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，通過基于語義網(wǎng)的語義處理技術(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)抽取;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;面向多語言的輔助理解工具;專利價(jià)值自動(dòng)評(píng)估等。
國內(nèi)有一些研究機(jī)構(gòu)開展了大量的基于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)。近年來隨著人工智能技術(shù)的興起，基于人工智能或語義的專利文獻(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)還待消化和開發(fā)，例如漢語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)展帶來了極大的便利。同時(shí)，利用語義技術(shù)實(shí)現(xiàn)基于內(nèi)容的自動(dòng)處理將是未來的發(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
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)存的語言障礙和檢索效率低下等缺陷在不久的將來必將逐漸被克服，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。
看了“計(jì)算機(jī)檢索技術(shù)論文”的人還看：
1.計(jì)算機(jī)信息檢索技術(shù)的相關(guān)論文