[发明专利]一种基于概率检索模型的大数据专利检索方法

说明书

技术领域

本发明涉及一种大数据专利检索方法，属于专利检索技术领域，具体涉及一种基于概率检索模型的大数据专利检索方法。

背景技术

20世纪80年代以来，随着世界经济的发展和新技术革命的到来，专利文献作为一种既可以体现科技创新力，又可以保护科研成果不受侵犯的科技法律文献，其重要性越来越受到重视。据世界知识产权组织(World Intellectual Property Organization)报道，专利文献包含全世界每年90％～95％的最新科研成果，其中有70％左右的发明技术从未在其他非专利文献上发表。专利文献指导技术创新，将可以节约40％的研究经费和60％的研究时间，专利已经成为了企业科技创新和投资者商业战略决策的重要科技参考文献。

中国专利数据截止到2013年底达到了600万条，超过了美国和日本，跃居世界第一。面对如此大量的专利信息，用户获取有价值信息的代价也越来越高，正是这种需求导致了专利数据各种研究工作的开展以及各种商业专利服务平台的出现。

相对传统文本而言，专利文献有其特殊性，主要表现在5个方面：

(1)复杂性。专利文献记载着技术解决方案，确定了专利权保护范围，包含很多专业性和细节性的说明，特别是专利中描述技术细节和组成结构的句子表达非常复杂，涉及多种并列结构、依存结构和嵌套结构，在做句法语义分析时也比普通文本遇到更多的挑战。

(2)规范化。专利文献相对网页有更规整的结构化信息，一是它具有统一的分类，二是专利权利说明书遵循一定的写作规范，有效地利用这些规范化信息将有助于对专利的分析。

(3)抽象性。专利作为一种技术上受保护的文献，专利发明人为了垄断技术，会使用更加抽象的上位词表达保护的覆盖范围，这些词包含各种技术术语甚至是自定义词汇，从而增加了词法处理的难度。

(4)唯一性。专利是一种独一无二的信息资源，相对于网页，专利间的文本重叠度往往很小，因此在计算专利相似度时，基于词语重叠的方法并不适用。

(5)多主题多语言。一篇专利文献经常包括多个主题，而且不同国家采用不同的语言描述专利，所以专利检索更加注重跨语言多主题的检索。

对比文件1(一种专利检索的系统和方法，CN201410787225.6)公开了一种专利检索的系统和方法，专利检索的系统包括用户信息管理模块、检索类型选择模块、检索输入模块、检索配对模块和检索输出模块,专利检索的方法包括：S1,从简单检索、高级检索和表达式检索中选择适合本次检索的检索方式,并且进入该检索的窗口；S2,在选择进入的检索方式的窗口中输入检索词,点击检索窗口进入显示窗口；S3,在检索窗口选择专利呈现的形式,并弹出呈现窗口,或者选择二次检索过滤后再次呈现；S4,选择对专利进行保存或则结束进程。该发明中的专利检索主要从功能性模块出发，并没有进行实质性的提出高效率的检索方法。

针对以上缺点，有必要设计出一种新的专利检索方法，避免传统专利检索方法中检索式构造的非友善性和二值匹配相关性，提高专利检索结果的匹配度和关联度。

发明内容

(一)要解决的技术问题

为了解决现有技术存在的上述问题，本发明提供了一种基于概率检索模型的大数据专利检索方法，该方法能够避免传统专利检索方法中检索式构造的非友善性和二值匹配相关性，提高专利检索结果的匹配度和关联度。

(二)技术方案

本发明提出了一种基于概率检索模型的大数据专利检索方法，该方法包括如下步骤：

步骤S1：将专利数据库中的所有专利文档dj向量化；

步骤S2：将用户的检索信息q向量化；

步骤S3：对于用户检索提问q确定其相关集合R和非相关集合Rc，这里Rc是R在专利数据库中的补集，并构建相似度函数；

步骤S4：利用贝叶斯公式将相似度函数进行概率模型转换；

步骤S5：配置初始所有索引词Ki在相关集合R中的检索概率；

步骤S6：对于用户的检索提问q遍历专利数据库中的文档，并计算相似度；

步骤S7：通过优化初始计算值来改进检索结果；

步骤S8：用户根据呈现的结果，选择所需专利，或者添加或重新输入专利检索词进行二次检索过滤。

优选的，所述步骤S1中，专利文档dj向量化方法如下：