CN107609142A - 一种基于扩展布尔检索模型的大数据专利检索方法 - Google Patents
一种基于扩展布尔检索模型的大数据专利检索方法 Download PDFInfo
- Publication number
- CN107609142A CN107609142A CN201710856763.XA CN201710856763A CN107609142A CN 107609142 A CN107609142 A CN 107609142A CN 201710856763 A CN201710856763 A CN 201710856763A CN 107609142 A CN107609142 A CN 107609142A
- Authority
- CN
- China
- Prior art keywords
- mrow
- question
- retrieval
- broad sense
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于扩展布尔检索模型的大数据专利检索方法，该方法将用户的检索提问转化成广义析取提问式和广义合取提问式，并计算出检索词在专利文档中的权重，然后对专利文档分别计算出其与广义析取提问式和广义合取提问式的相似度；其次遍历专利数据库中的文档，计算出扩展布尔检索模型最匹配的前N个专利文档，组成集合D，并对集合D中的专利文档进行排序，输出给用户，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并且调整各检索词的权重，进行二次检索过滤。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，并通过相似度计算函数提高了专利检索结果的匹配度和关联度。
Description
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，具体涉及一种基于扩展布尔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扩展布尔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扩展布尔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：将用户的检索提问转化成广义析取提问式和广义合取提问式；
步骤S2：计算出检索词Ki在专利文档dj中的权重；
步骤S3：对专利文档dj分别计算出其与广义析取提问式和广义合取提问式的相似度；
步骤S4：遍历专利数据库中的文档，计算出扩展布尔检索模型最匹配的前N个专利文档，并组成集合D；
步骤S5：对集合D中的专利文档进行排序，输出给用户；
步骤S6：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并且调整各检索词的权重，进行二次检索过滤。
优选的，所述步骤S1中，广义析取提问式和广义合取提问式计算公式如下：
qor＝k1∨pk2∨p……∨pkt
qand＝k1∧pk2∧p……∧pkt
其中，qor代表广义析取提问式，qand代表广义合取提问式，ki为用户检索词，t为检索词个数，p∈[0，+∞]。
优选的，所述步骤S2中权重记为wij，计算方法如下：wij由两种权值决定，分别是局部权值和全局权值。所谓“局部权值”是指第i个索引词此在文档dj中多的权值fij。fij＝frij/maxfrj,其中frij为索引词ki在文档中dj中出现的次数；maxfrj表示文档dj中所有索引词出现次数的最大值。所谓“全局权值”是指i个索引词在整个系统中的权值idfi。idfi＝log(N/ni),其中N为专利数据库文档总数；ni为专利数据库中含有索引词Ki的文档数。从而定义wij＝fij*idfi。
优选的，所述步骤S3中，qor和qand与dj的相似度计算公式如下：
优选的，所述步骤S4中，定义SUM(q，dj)＝SIM(qor,dj)+SIM(qand,dj)，遍历专利数据库中的文档，计算出SUM(q，dj)最大的前N个专利文档，组成集合记为D。
(三)有益效果
从上述技术方案可以看出，本发明提出的基于扩展布尔检索模型的大数据专利检索方法具有以下有益效果：
1、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。
2、该方法通过相似度计算函数提高了专利检索结果的匹配度和关联度。
附图说明
图1显示了本发明优选实施例的基于扩展布尔检索模型的大数据专利检索方法流程图。
具体实施方式
下面结合附图，对本发明做的实施例作详细说明：本实施例在以本发明技术方案前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
图1显示了本发明优选实施例的基于扩展布尔检索模型的大数据专利检索方法流程图。
如图1所示，本发明优选实施例的基于扩展布尔检索模型的大数据专利检索方法包括如下步骤：
步骤S1：将用户的检索提问转化成广义析取提问式和广义合取提问式；广义析取提问式和广义合取提问式计算公式如下：
qor＝k1∨pk2∨p……∨pkt
qand＝k1∧pk2∧p……∧pkt
其中，qor代表广义析取提问式，qand代表广义合取提问式，ki为用户检索词，t为检索词个数，p∈[0，+∞]。
步骤S2：计算出检索词Ki在专利文档dj中的权重；权重记为wij计算方法如下：wij由两种权值决定，分别是局部权值和全局权值。所谓“局部权值”是指第i个索引词此在文档dj中多的权值fij。fij＝frij/maxfrj,其中frij为索引词ki在文档中dj中出现的次数；maxfrj表示文档dj中所有索引词出现次数的最大值。所谓“全局权值”是指第i个索引词在整个系统中的权值idfi。idfi＝log(N/ni),其中N为专利数据库文档总数；ni为专利数据库中含有索引词Ki的文档数。从而定义wij＝fij*idfi。
步骤S3：对专利文档dj分别计算出其与广义析取提问式和广义合取提问式的相似度；qor和qand与dj的相似度计算公式如下：
步骤S4：遍历专利数据库中的文档，计算出扩展布尔检索模型最匹配的前N个专利文档，并组成集合D；定义SUM(q，dj)＝SIM(qor,dj)+SIM(qand,dj)，遍历专利数据库中的文档，计算出SUM(q，dj)最大的前N个专利文档，组成集合记为D。
步骤S5：对集合D中的专利文档进行排序，输出给用户；
步骤S6：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并且调整各检索词的权重，进行二次检索过滤。
综上所述，本发明提出了一种基于扩展布尔检索模型的大数据专利检索方法，该方法将用户的检索提问转化成广义析取提问式和广义合取提问式，并计算出检索词在专利文档中的权重，然后对专利文档分别计算出其与广义析取提问式和广义合取提问式的相似度；其次遍历专利数据库中的文档，计算出扩展布尔检索模型最匹配的前N个专利文档，组成集合D，并对集合D中的专利文档进行排序，输出给用户，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并且调整各检索词的权重，进行二次检索过滤。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，并通过相似度计算函数提高了专利检索结果的匹配度和关联度。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种基于扩展布尔检索模型的大数据专利检索方法，其特征在于，所述方法包括如下步骤：
步骤S1：将用户的检索提问转化成广义析取提问式和广义合取提问式；
步骤S2：计算出检索词Ki在专利文档dj中的权重；
步骤S3：对专利文档dj分别计算出其与广义析取提问式和广义合取提问式的相似度；
步骤S4：遍历专利数据库中的文档，计算出扩展布尔检索模型最匹配的前N个专利文档，并组成集合D；
步骤S5：对集合D中的专利文档进行排序，输出给用户；
步骤S6：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并且调整各检索词的权重，进行二次检索过滤。
2.根据权利要求1所述的一种基于扩展布尔检索模型的大数据专利检索方法，其特征在于，所述步骤S1中广义析取提问式和广义合取提问式计算公式如下：
qor＝k1∨pk2∨p……∨pkt
qand＝k1∧pk2∧p……∧pkt
其中，qor代表广义析取提问式，qand代表广义合取提问式，ki为用户检索词，t为检索词个数，p∈[0，+∞]。
3.根据权利要求1所述的一种基于扩展布尔检索模型的大数据专利检索方法，其特征在于，所述步骤S2中权重记为wij，wij由两种权值决定，分别是局部权值和全局权值。
4.根据权利要求1所述的一种基于扩展布尔检索模型的大数据专利检索方法，其特征在于，所述步骤S3中，qor和qand与dj的相似度计算公式如下：
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>M</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mrow>
<mi>o</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>t</mi>
</munderover>
<msup>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>p</mi>
</msup>
<mo>/</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mi>p</mi>
</mrow>
</msup>
</mrow>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>M</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mrow>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>t</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mi>p</mi>
</msup>
<mo>/</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mi>p</mi>
</mrow>
</msup>
</mrow>
其中，
5.根据权利要求1所述的一种基于扩展布尔检索模型的大数据专利检索方法，其特征在于，所述步骤S4中，定义SUM(q，dj)＝SIM(qor,dj)+SIM(qand,dj)，遍历专利数据库中的文档，计算出SUM(q，dj)最大的前N个专利文档，组成集合记为D。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710856763.XA CN107609142A (zh) | 2017-09-21 | 2017-09-21 | 一种基于扩展布尔检索模型的大数据专利检索方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710856763.XA CN107609142A (zh) | 2017-09-21 | 2017-09-21 | 一种基于扩展布尔检索模型的大数据专利检索方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107609142A true CN107609142A (zh) | 2018-01-19 |
Family
ID=61061343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710856763.XA Pending CN107609142A (zh) | 2017-09-21 | 2017-09-21 | 一种基于扩展布尔检索模型的大数据专利检索方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107609142A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543042A (zh) * | 2018-12-01 | 2019-03-29 | 南京鸿越科技有限公司 | 专利自动分类系统 |
| CN115794999A (zh) * | 2023-02-01 | 2023-03-14 | 北京知呱呱科技服务有限公司 | 一种基于扩散模型的专利文档查询方法及计算机设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002071277A1 (en) * | 2001-03-02 | 2002-09-12 | Hewlett Packard Company | Document and information retrieval method and apparatus |
| CN101576888A (zh) * | 2008-05-07 | 2009-11-11 | 香港理工大学 | 中文信息检索中基于结构约束的索引词权重计算方法 |
-
2017
- 2017-09-21 CN CN201710856763.XA patent/CN107609142A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002071277A1 (en) * | 2001-03-02 | 2002-09-12 | Hewlett Packard Company | Document and information retrieval method and apparatus |
| CN101576888A (zh) * | 2008-05-07 | 2009-11-11 | 香港理工大学 | 中文信息检索中基于结构约束的索引词权重计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李广原: "扩展布尔检索模型_Salton模型", 《广西科学院学报》 * |
| 王知津，郑红军: "基于集合理论的信息检索模型", 《情报科学》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543042A (zh) * | 2018-12-01 | 2019-03-29 | 南京鸿越科技有限公司 | 专利自动分类系统 |
| CN115794999A (zh) * | 2023-02-01 | 2023-03-14 | 北京知呱呱科技服务有限公司 | 一种基于扩散模型的专利文档查询方法及计算机设备 |
| CN115794999B (zh) * | 2023-02-01 | 2023-04-11 | 北京知呱呱科技服务有限公司 | 一种基于扩散模型的专利文档查询方法及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hai et al. | Identifying features in opinion mining via intrinsic and extrinsic domain relevance | |
| CN103399901B (zh) | 一种关键词抽取方法 | |
| Ambati et al. | Two methods to incorporate’local morphosyntactic’features in hindi dependency parsing | |
| CN106156239B (zh) | 一种表格抽取方法和装置 | |
| Vu et al. | Term extraction through unithood and termhood unification | |
| Sarkar | Sentence clustering-based summarization of multiple text documents | |
| CN102360383A (zh) | 一种面向文本的领域术语与术语关系抽取方法 | |
| CN104298715B (zh) | 一种基于tf‑idf的多索引结果合并排序方法 | |
| CN103488648A (zh) | 一种多语种混合检索方法和系统 | |
| Jiang et al. | Mcdtb: a macro-level chinese discourse treebank | |
| CN102622338A (zh) | 一种短文本间语义距离的计算机辅助计算方法 | |
| CN109002473A (zh) | 一种基于词向量与词性的情感分析方法 | |
| CN103246687A (zh) | 基于特征信息的Blog自动摘要方法 | |
| CN105975475A (zh) | 基于中文短语串的细粒度主题信息抽取方法 | |
| CN104216968A (zh) | 一种基于文件相似度的排重方法及系统 | |
| CN104239490A (zh) | 一种用于ugc网站平台的多账户检测方法及装置 | |
| CN106372122A (zh) | 一种基于维基语义匹配的文档分类方法及系统 | |
| CN103778122A (zh) | 搜索方法和系统 | |
| CN114997288A (zh) | 一种设计资源关联方法 | |
| CN107609142A (zh) | 一种基于扩展布尔检索模型的大数据专利检索方法 | |
| CN104077274B (zh) | 一种从文档集中抽取热词短语的方法和装置 | |
| CN101763403A (zh) | 面向多语言信息检索系统的查询翻译方法 | |
| Saghayan et al. | Exploring the impact of machine translation on fake news detection: A case study on persian tweets about covid-19 | |
| Wang et al. | A semantic query expansion-based patent retrieval approach | |
| Mohammadzadeh et al. | TitleFinder: extracting the headline of news web pages based on cosine similarity and overlap scoring similarity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180119 |
|
| WD01 | Invention patent application deemed withdrawn after publication |