Повышение качества автоматического патентного поиска уровня техники на основе дистрибутивной семантики и библиографических данных

В статье описан подход к повышению качества автоматического патентного поиска уровня техники, решающий проблему недостаточной эффективности существующих систем. Подход основан на автоматическом формировании терминологического вектора запроса из текста заявки с последующим его расширением квазисинонимами из дистрибутивного тезауруса, построенного на корпусе патентных документов, и обогащением библиографическими данными – кодами Международной патентной классификации (МПК). Дана математическая формализация формирования и расширения вектора запроса, описано построение дистрибутивного тезауруса патентной лексики. Предложены оригинальные показатели оценки качества поиска, учитывающие специфику патентных документов – наличие так называемых «патентных семейств», что позволяет оценивать способность системы находить релевантные изобретения, а не только совпадающие номера документов. Эксперименты на русскоязычной и англоязычной коллекциях показали повышение показателя S@20 на 10% по сравнению с базовым поиском по ключевым словам, продемонстрировано влияние учета патентных семейств на оценку успешности результатов поиска. Независимая экспертная оценка поисков в русскоязычной коллекции патентных документов подтвердила, что система находит хотя бы один релевантный документ в 96,25% случаев. Разработанные алгоритмы внедрены в поисковую платформу Роспатента. 

1. Lahorte P. Inside the mind of an EPO examiner // World Patent Information. 2018. Vol. 54, Suppl. P. S18–S22. DOI: 10.1016/j.wpi.2017.03.005.

2. Гражданский кодекс Российской Федерации (часть четвертая) от 18.12.2006 № 230-ФЗ. Ст. 1350.

3. Указ Президента Российской Федерации от 28.02.2024 № 145 «О Стратегии научно-технологического развития Российской Федерации» // Собрание законодательства РФ. 2024. № 9. Ст. 1123.

4. Lupu M., Hanbury A. Patent retrieval // Foundations and Trends in Information Retrieval. 2013. Vol. 7, № 1. P. 1–97.

5. Mahdabi P., Crestani F. Learning-based pseudo-relevance feedback for patent retrieval // Information Retrieval Facility Conference. Springer, 2012. P. 1–11.

6. Hain, Daniel & Jurowetzki, Roman & Buchmann, Tobias & Wolf, Patrick. (2022). A textembedding-based approach to measuring patent-to-patent technological similarity. Technological Forecasting and Social Change. 177. 121559. DOI: 10.1016/j.techfore.2022.121559.

7. Haghighian Roudsari, Arousha & Afshar, Jafar & Lee, Suan & Lee, Wookey. (2021). Comparison and Analysis of Embedding Methods for Patent Documents. 152–155. DOI: 10.1109/BigComp51126.2021.00037.

8. Ali, Amna & Tufail, Ali & De Silva, Liyanage & Abas, Pg Emeroylariffion. (2024). Innovating Patent Retrieval: A Comprehensive Review of Techniques, Trends, and Challenges in Prior Art Searches. Applied System Innovation. 7. 91. DOI: 10.3390/asi7050091.

9. Горбунов А. В. Кластерный подход к формированию наборов патентных данных и оценивание качества поиска «уровня техники» // Научные и технические библиотеки. 2025. № 5. С. 58–80. DOI: 10.33186/1027-3689-2025-5-58-80.

10. Manning C. D., Raghavan P., Schütze H. Introduction to Information Retrieval. Cambridge University Press, 2008. 496 p.

11. Harris C. G., Arens R., Srinivasan P. Using classification code hierarchies for patent prior art searches // Current Challenges in Patent Information Retrieval. Springer, 2017. P. 287–304.

12. Mikolov T. et al. Efficient Estimation of Word Representations in Vector Space // arXiv preprint arXiv:1301.3781. 2013.

13. WIPO. Handbook on Industrial Property Information and Documentation. Glossary of Terms. URL: http://www.wipo.int/standards/en/pdf/08-01-01.pdf.

14. Sakai T. Metrics, Statistics, Tests: An IR Researcher’s Guide to Analysing and Comparing Systems. Springer Nature Singapore, 2021. 335 p.