淺談專利檢索中的有關(guān)外文追蹤檢索

唐銀鳳

摘? 要：本文指出專利檢索和審查時，容易漏檢外文對比文件，通過相關(guān)中文文獻(xiàn)的追蹤，逐步接近和快速精準(zhǔn)獲取有效外文對比文件，提高了專利整體審查質(zhì)量和效率，對外文檢索的實(shí)踐操作具有有益的參考價值。

關(guān)鍵詞：檢索 ; 中文追蹤;? 外文 ; 提質(zhì)增效

一、引言

在專利審查檢索過程中，有些申請?jiān)谥形膸熘泻茈y檢索到可用對比文件，此時往往易漏檢好用外文對比文件。并且，在無好用對比文件時審查意見容易搖擺，對案件走向把握也會存疑，不利于審查員和申請人之間溝通達(dá)成一致。在專利檢索中，如何在無需大量閱讀外文文獻(xiàn)的情況下，快速準(zhǔn)確獲取外文對比文件成了“提質(zhì)增效”一大關(guān)鍵。本文從兩個案例入手，分析了根據(jù)中文文獻(xiàn)及其參考文獻(xiàn)，追蹤獲取準(zhǔn)確外文對比文件的方法和有效性。

二、檢索實(shí)例

案例一：該案權(quán)利要求1為：“一種基于集成學(xué)習(xí)的MEMS傳感器缺陷的檢測方法，其特征在于，包括以下步驟：接收預(yù)置的MEMS傳感器缺陷的檢測請求;獲取所述MEMS傳感器的缺陷圖像;采用小波變換對所述缺陷圖像進(jìn)行圖像分解，得到所述缺陷圖像的分解圖;將所述分解圖輸入至預(yù)置的集成分類器中，得到所述MEMS傳感器的缺陷類別。”

該案提出一種基于集成學(xué)習(xí)的MEMS傳感器缺陷的檢測方法，該方法通過對圖像小波變換分解并對分解圖，并將分解圖輸入集成分類器中，進(jìn)行缺陷識別，以解決企業(yè)在MEMS傳感器生產(chǎn)線上進(jìn)行缺陷檢測時使用人工目視的檢測方法，耗時費(fèi)力，檢測成本高且準(zhǔn)確率低的問題。

首先采用技術(shù)領(lǐng)域“傳感器”+發(fā)明點(diǎn)關(guān)鍵詞“小波變換，分解圖，缺陷”以及僅針對發(fā)明點(diǎn)關(guān)鍵詞進(jìn)行檢索，沒有找到有效對比文件;對發(fā)明點(diǎn)關(guān)鍵詞分解圖進(jìn)行擴(kuò)展，通過CNKI句子檢索：同一句（小波變換 and 分解）and 同一段（子圖像 and 缺陷），獲取到143篇相關(guān)文獻(xiàn)，從結(jié)果瀏覽中即可快速發(fā)現(xiàn)第5篇涉及該案件發(fā)明點(diǎn)相似內(nèi)容，追蹤該第5篇文獻(xiàn)的參考文獻(xiàn)獲得領(lǐng)域不同但是公開了該案件發(fā)明點(diǎn)的X類外文對比文件。

案例二：該案權(quán)利要求1、3-4為：“1.一種電力巡檢圖像缺陷識別方法，其特征在于，所述識別方法包括：S1：創(chuàng)建并且級聯(lián)目標(biāo)檢測網(wǎng)絡(luò)和多個分類網(wǎng)絡(luò)，所述目標(biāo)檢測網(wǎng)絡(luò)用于定位巡檢圖像中的目標(biāo)圖像信息并且截取定位到的目標(biāo)圖像信息傳送至下一級分類網(wǎng)絡(luò)，所述分類網(wǎng)絡(luò)用于判斷對應(yīng)的目標(biāo)圖像信息中是否存在缺陷;S2：獲取若干幀巡檢圖像樣本，對巡檢圖像樣本中的目標(biāo)進(jìn)行標(biāo)注，標(biāo)注項(xiàng)包括目標(biāo)類型、目標(biāo)位置、缺陷類型、缺陷位置，生成訓(xùn)練樣本集;S3：采用訓(xùn)練樣本集對級聯(lián)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，每一網(wǎng)絡(luò)層的量化參數(shù)與其所在網(wǎng)絡(luò)層的量化級數(shù)和量化的范圍相關(guān);S4：采用訓(xùn)練好的級聯(lián)網(wǎng)絡(luò)對新獲取的巡檢圖像中的缺陷進(jìn)行識別。

3. 根據(jù)權(quán)利要求1所述的電力巡檢圖像缺陷識別方法，其特征在于，所述級聯(lián)網(wǎng)絡(luò)的量化策略為：網(wǎng)絡(luò)訓(xùn)練采用浮點(diǎn)運(yùn)算，網(wǎng)絡(luò)預(yù)測采用整數(shù)運(yùn)算。

4. 根據(jù)權(quán)利要求3所述的電力巡檢圖像缺陷識別方法，其特征在于，所述量化策略包括以下步驟： 建立實(shí)數(shù)和其數(shù)值的比特表達(dá)之間的對應(yīng)性;以浮點(diǎn)運(yùn)算訓(xùn)練網(wǎng)絡(luò)，在訓(xùn)練的前向傳播過程中插入量化效果，反向傳播過程維持浮點(diǎn)運(yùn)算?！?/p>

該案件針對目前只能針對其中一種或有限的幾種缺陷進(jìn)行檢測，在保留精度和準(zhǔn)確率的前提下，想要創(chuàng)建能夠自動化檢測多個目標(biāo)的識別系統(tǒng)，因此提出一種基于量化網(wǎng)絡(luò)的電力巡檢圖像缺陷識別方法和系統(tǒng)，主要通過以下兩個關(guān)鍵手段：（1）、插入模擬量化的模型，給出的量化函數(shù)可以確保不同網(wǎng)絡(luò)層的不同通道均能得到合適的量化;（2）、通過級聯(lián)目標(biāo)檢測網(wǎng)絡(luò)和分類網(wǎng)絡(luò)，極大地提高缺陷檢測準(zhǔn)確率。

根據(jù)權(quán)利要求1中的關(guān)鍵詞，在CNKI高級檢索，句子檢索中檢索：同一句（目標(biāo) and 類型） and 同一句（目標(biāo) and 位置）and 同一句（缺陷 and 類型）and 同一句（缺陷 and 位置），獲得公開了關(guān)鍵手段（2）的對比文件1，進(jìn)而，針對關(guān)鍵手段（1）繼續(xù)檢索，采用“量化函數(shù)，參數(shù)，級數(shù)，范圍，訓(xùn)練，預(yù)測，整數(shù)，浮點(diǎn)”、“Quantization，function，level，range，training，forecasting，prediction，integer，float”進(jìn)行常規(guī)組合檢索，結(jié)果較多且排序在前的文獻(xiàn)不太相關(guān);考慮到權(quán)利要求關(guān)鍵詞的有限性，在專利庫中，進(jìn)一步選取從屬權(quán)利要求3中的關(guān)鍵詞進(jìn)行進(jìn)一步檢索，檢索式如下：

檢索式3中第2篇相關(guān)文獻(xiàn)（CN107688849 A 20180213）中記載了“深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用包括“訓(xùn)練”（Training）、“推斷”（Inference）兩個過程。訓(xùn)練神經(jīng)網(wǎng)絡(luò)旨在……。神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，可以將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)應(yīng)用到實(shí)際場景中，即推斷……?！?，從而獲取到 “預(yù)測”的另一種擴(kuò)展表達(dá)“推斷（Inference）”，在非專利百度學(xué)術(shù)中嘗試英文搜索“Quantization，Training，Inference”，第1篇即公開了發(fā)明點(diǎn)量化訓(xùn)練全部過程的Y類對比文件。

分析該外文對比文件可知，關(guān)鍵詞“prediction”也在論文中，反思之前未獲取該文獻(xiàn)的檢索思路，發(fā)現(xiàn)在百度學(xué)術(shù)中采用“Quantization，integer，float，training，prediction”進(jìn)行檢索時，該外文對比文件處于第3頁。

三、總結(jié)

人工智能領(lǐng)域很多新技術(shù)最先出現(xiàn)于非專利外文庫，在該領(lǐng)域的專利申請中，通常會出現(xiàn)以下幾種情形：1、個別申請人可能會有意避免外文關(guān)鍵詞的直接中譯，換一種方式書寫技術(shù)方案;2、中英表達(dá)存在較大差異性，翻譯過程中很容易遺漏最準(zhǔn)確的英文表達(dá)，進(jìn)而很難命中對比文件;3、即使可用對比文件處在外文檢索式命中范圍內(nèi)，然而，由于審查員的英文閱讀理解水平因素，也容易將可用對比文件排除在外;4、檢索和閱讀理解外文文獻(xiàn)，費(fèi)時費(fèi)力，往往只會閱讀排序靠前的文獻(xiàn)。上述情形均易導(dǎo)致漏檢外文對比文件。

以上通過對兩個案例的剖析，可以掌握一些如何快速精準(zhǔn)獲取外文對比文件的能力，通過中文文獻(xiàn)的逐步追蹤，如從參考文獻(xiàn)的追蹤、準(zhǔn)確關(guān)鍵詞的追蹤、技術(shù)脈絡(luò)的追蹤等中獲取可用的外文對比文件，有效防止外文漏檢，從而使得審查意見更客觀，更準(zhǔn)確，更好地落實(shí)保護(hù)專利權(quán)人的合法權(quán)益和鼓勵發(fā)明創(chuàng)造。