Поддержка принятия решений при анализе уровня техники для патентных заявок тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Дыков, Михаил Александрович

• Дыков, Михаил Александрович
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Дыков, Михаил Александрович

Содержание

Введение

ГЛАВА 1 Анализ подходов и методов поддержки принятия решений при анализе уровня техники для патентных заявок

1.1 Описание процесса анализа уровня техники для патентных заявок

1.2 Структура патентной заявки и требования к ее оформлению

1.3 Существующие открытые базы патентов и автоматизированные системы поддержки принятия решений при анализе уровня техники для патентных заявок

1.4 Автоматизированные методы анализа уровня техники для патентных заявок

1.4.1 Автоматизированные методы поиска патентов аналогов

1.4.2 Автоматизированные методы поиска патентных трендов

1.4.3 Другие автоматизированные методы анализа текстов патентных документов

1.7 Выводы

ГЛАВА 2 Автоматизированные методы анализа уровня техники для патентных заявок

2.1 Методика поддержки принятия решений при анализе уровня техники для патентных заявок

2.2 Предобработка патентной документации

2.3 Выделение ключевых фраз из текста патентного документа

2.4 Сокращение множества поиска

2.5 Поиск патентов аналогов

2.6 Выявление патентных трендов

2.7 Выводы

ГЛАВА 3 Автоматизированная система поддержки принятия решений при

анализе уровня техники для патентных заявок

3.1 Процесс принятия решений при анализе уровня техники с использование автоматизированной системы поддержки принятия решений при анализе уровня техники

3.2 Архитектура автоматизированной системы поддержки принятия решений при анализе уровня техники

3.3 Функциональная структура автоматизированной системы оценки качества

3.4 Подсистемы автоматизированной системы поддержки принятия решений при анализе уровня техники для патентных заявок

3.4.1 Подсистема координирования

3.4.2 Подсистема предобработки заявки на патент и выделения ключевых фраз

3.4.3 Подсистема массовой предобработки данных и выделения фраз

3.4.4 Подсистема поиска и ранжирования релевантных документов

3.4.5 Подсистема сокращения множества поиска

3.4.6 Подсистема интерфейса пользователя

3.4.7 Подсистема безопасности

3.4.8 Подсистема визуализации результатов поиска

3.4.9 Подсистема выявления патентных трендов

3.5 Пример результатов работы системы

3.6 Выводы

ГЛАВА 4 Тестирование методов поддержки принятия решений при анализе уровня техники для патентных заявок

4.1 Тестирование метода поиска патентов аналогов

4.2 Тестирование метода автоматизированной классификации заявок

4.3 Тестирование метода выявления патентных трендов

4.4 Выводы

Заключение

Библиографический список

Введение диссертации (часть автореферата) на тему «Поддержка принятия решений при анализе уровня техники для патентных заявок»

Введение

В настоящее время все большее количество компаний и независимых изобретателей стараются запатентовать результаты своего интеллектуального труда. По данным всемирной организации интеллектуальной собственности в настоящее время выдано более 70 миллионов патентов. При этом за последний год поток заявок на патенты возрос более чем на 9% и достиг 2,3 миллионов. В связи с возрастающим потоком заявок возрастает и время их обработки экспертами. В некоторых случаях оно достигает нескольких лет [1]. В ходе обработки заявки эксперт занимается анализом уровня техники [2]. На проведение поиска во многих случаях эксперт тратит десятки часов и при этом просматривает тысячи существующих патентов и других документов. На протяжении всего времени патентной экспертизы заявитель не знает о том, выдадут ли ему патент или нет. При этом средний процент отказа на выдачу патентов составляет более 60%, что является проблемой в условиях многолетнего ожидания. В последние десятилетия наблюдается быстрое изменение рынков и широкое распространение технологий, в результате жизненный цикл продукта укорачивается [3,4]. В результате чего успешным компаниям просто необходимо постоянно изобретать что-то новое, чтобы выжить [5]. В подобной быстро изменяющейся среде стратегическую необходимость приобретает мониторинг изменений технологий или анализ трендов. В данном случае патентные документы являются одним из наилучших источников технологических и коммерческих знаний для организации подобного мониторинга, так как в патентах может быть найдено более 80% всей технологической информации [6, 7, 8]. Анализ патентных трендов производится в различных разрезах: классов патентов, компаний. Данный анализ широко применяется патентозаявителями, чтобы понять, в каком направлении развиваться, и какие появились новшества в

5

области их интересов. В связи с данными проблемами в настоящее время активно развиваются системы поддержки принятия решений при анализе уровня техники для патентных заявок, а так же разрабатываются новые методы автоматизации классификации заявок и поиска патентов аналогов.

Решением данной проблемы занялись ряд отечественных: Леонтьева H.H., Тузов В.А., Сегалович И.В. , Сокирко A.B. , Е.Б. Гаврилина , Н. Васильева , Д. В. Грановский , Т. М. Ландо и зарубежных ученных: Amy J.C. Trappey, Fu-Chiang Hsu, Charles V. Trappey, Chia-I. Lin, Xiaobing Xue, W. Bruce Croft, Daniel Eisinger, George Tsatsaronis, Markus Bundschus, Ulrich Wieneke, Michael Schroeder, Hung-Chen Chen, Yu-Kai Lin, Chih-Ping Wei, T. Hofmann, D. Blei, Benzecri, J.-P., V. Punyakanok, R. Collobert. Решением задачи выявления патентных трендов занимались следующие ученные: Changyong L., Yongtae P., Byungun Y., Endang Sri R. R., Hasibuan Z.A., Sungjoo L., Struß J.M., Segev A., Jung C., Jung S..

Однако существующие на сегодняшний день методы автоматизации поиска патентов аналогов не обладают достаточной точностью для уменьшения времени поиска. Существующие методы выявления патентных трендов не позволяют качественно выделять тренды внутри классов, межклассовые тренды, а так же тренды в потенциально новых классах, которые еще не попали в официальную классификацию. В связи с этим имеется потребность в разработке новых автоматизированных методов поддержки принятия решений при анализе уровня техники для патентных заявок.

Цель и задачи работы. Целью работы является уменьшение времени, затрачиваемого патентными заявителями, экспертами и патентоведами на проведение анализа уровня техники за счет автоматизации данного процесса.

Для достижения поставленной цели были выделены следующие задачи: 1) Провести анализ существующих инструкций по проведению анализа уровня техники для патентных заявок экспертами, существующих

систем поддержки принятия решений при анализе уровня техники, а так же существующих методов автоматизированного анализа уровня техники;

2) разработать методы автоматизированного поиска патентов аналогов;

3) разработать метод выявления патентных трендов;

4) реализовать разработанные методы анализа уровня техники в виде автоматизированной системы.

Объектом исследования являются процесс анализа уровня техники для патентных заявок.

Предметом исследования являются способы уменьшения времени, требуемого на проведение анализа уровня техники для патентных заявок.

Гипотеза исследования. Если в процессе анализа уровня техники основными этапами, требующими наибольшее количество времени, являются этап выделения ключевых терминов и этап поиска существующих документов в релевантных источниках, то автоматизация данных этапов позволит сократить время, требуемое на проведение анализа уровня техники для патентных заявок.

Методы исследования. Для решения поставленных задач были использованы методы обработки естественных языков, системного анализа, методы обработки больших объемов данных, методы интеллектуального анализа данных.

Научная новизна заключается в разработке новых автоматизированных методов анализа уровня техники для патентных заявок, а именно:

а) разработан метод выделения ключевых фраз из текста заявки на патент, используемых для поиска существующих аналогов среди патентов и других документов;

б) разработан метод определения степени релевантности существующего патента или другого документа заявки;

в) разработан метод выделения патентных трендов.

Положения, выносимые на защиту:

1) метод выявления патентных трендов;

2) метод поиска аналогов заявки среди патентов;

3) автоматизированная система поддержки принятий решений при анализе уровня техники.

Практическая ценность:

1) Разработанные методы могут быть применены в существующих системах поддержки принятия решений при анализе уровня техники для патентов и заявок для ускорения процесса анализа;

2) Разработанная автоматизированная система может быть применена патентозаявителями для автоматизации процесса анализа уровня техники

Апробация работы. Основные положения и материалы диссертационной работы докладывались на III Международной научно-практической конференции "Инновационные информационные технологии" (2014 г., Прага, Чехия), 6-й всероссийской мультиконференции по проблемам управления МКПУ-2013 (2013 г., Дивноморское, Россия), 7-й летней школе по информационному поиску (2013 г., Казань, Россия), Международном конгрессе по интеллектуальным системам и информационным технологиям IS&TF13 (2013 г., Дивноморское, Россия), 26-й международной конференции FLAIRS (2013 г., Сейнт Пит Бич, Флорида, США), 23-й встрече компьютерных лингвистов в Нидерландах CLIN2013 (2013 г., Энсхеде, Нидерланды).

Публикации. По теме работы автором опубликованы 11 публикаций, из которых 6 статей в ведущих рецензируемых научных журналах и изданиях, входящих в перечень Высшей аттестационной комиссии, 1 статья, индексируемая в БД Scopus.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Работа содержит 120 страниц основного текста, 20 рисунка, 16 таблиц и список литературы из 115 наименований.

Соискатель выражает особую благодарность профессору кафедры «САПР и ПК» ВолгГТУ, д.т.н. Кравец Алле Григорьевне за оказанную помощь и консультации в ходе выполнения диссертационной работы.

ГЛАВА 1 Анализ подходов и методов поддержки принятия решений при анализе уровня техники для патентных заявок 1.1 Описание процесса анализа уровня техники для патентных заявок

Анализ уровня техники проводится предприятиями и индивидуальными исследователями в процессе создания, освоения и реализации промышленной продукции. Целями проведения анализа уровня техники являются [9]:

- отбор наиболее эффективных (коммерчески значимых) научно-технических достижений в исследуемой области техники с целью их дальнейшего использования и улучшения;

- определение патентоспособности объектов промышленной собственности, создаваемых в процессе разработки новой продукции, и решение вопроса о целесообразности их патентования в одной или нескольких странах;

- экспертиза на патентную чистоту;

- выявление потенциальных конкурентов, анализ направления их деятельности с целью выбора своей ниши;

- эффективное противодействие патентному шантажу;

- отмена действия выданного патента, используемого против вас, путем обнаружения новой информации об известном уровне техники, которая не рассматривалась во время выдачи патента.

Под существующим уровнем техники понимаются все запатентованные изобретения и полезные модели, поданные заявки на изобретения и полезные модели с более ранней датой приоритета, и другие источники информации, с которым любое лицо может ознакомиться само, либо о содержании которого ему может быть законным путем сообщено [10].

При этом наиважнейшую роль играет анализ именно патентной документации, так как она обладает рядом преимуществ перед другими источниками [11]:

- наличие подробной информации, которой нет в других источниках;

- легкая доступность в глобальных, хорошо структурированных базах данных;

- систематическая классификация, обеспечивающая быстрый доступ к огромному объему информации по данной теме.

- новизна информации, объясняющаяся необходимостью подачи патентных заявок компаниями, которые хотят получить исключительные права на свое изобретение;

- наличие в патентной документации дополнительной ценной информации о том, какие компании владеют той или иной технологией, об изобретателях, о продолжительности права собственности и о свободном наличии технологии, если действие патента истекло и т.д.

Согласно госту «ГОСТ Р 15.011-96» анализ уровня техники включает следующие основные этапы [9]:

1) определение номенклатуры технико-экономических показателей, определяющих потребительские свойства продукции;

2) поиск группы аналогов и установление значений их технико-экономических показателей;

3) определение тенденций развития в интересующих областях;

4) выделение базовых образцов из группы аналогов, содержащих наилучшие технико-экономические показатели и перспективные тенденции;

5) сопоставление технико-экономических показателей объекта разработки с аналогичными показателями базовых образцов (определение технического уровня);

6) подготовка заключения о результатах анализа.

В данной работе рассматриваются этапы поиска группы аналогов и определения тенденций развития в рамках анализа уровня техники.

Патентный поиск - это процесс отбора соответствующих запросу документов или сведений по одному или нескольким признакам из массива патентных документов или данных, при этом осуществляется процесс поиска из множества документов и текстов только тех, которые соответствуют теме или предмету запроса [11].

Патентный поиск выполняется с использованием информационно-поисковых систем путем формирования поисковых запросов и анализа найденных патентов. Выделяют ряд основных целей патентного поиска:

- проверка уникальности изобретения;

- выявление других областей применения изобретения;

- выявление существующих изобретений и компаний из той же области;

- выявление существующих патентов на изобретения в смежных областях;

- определение текущего состояния исследований в интересующей области.

Патентное ведомство США предложило методику поиска патентов

аналогов для патентной заявки (см. рисунок 1.1) [12].

Рисунок 1.1- Методика поиска патентов аналогов для заявки от патентного

ведомства США

Для анализа тенденций развития в существующих областях чаще всего применяется анализ патентных ландшафтов - способ изучения и описания патентной ситуации для конкретной технологии в определенной стране, определенном регионе или на глобальном уровне [13]. Данный анализ позволяет [14]:

- анализировать состояние и направление исследовательской активности в интересующих областях;

- принимать решения о выборе/корректировке направления исследовательской деятельности.

На рисунке 1.2 приведен пример тенденций применения различных групп методов для лечения болезни Альцгеймера, полученный в результате анализа

патентных документов в базе Всемирной организации интеллектуальной собственности [15].

■Amyloid Grouping -"»—-Tau Grouping ——• Broker patents

Рисунок 1.2 - Тенденции в области исследований различных групп методов для

лечения болезни Альцгеймера Решение о выдаче патентов по поступившим заявкам принимают различные организации интеллектуальной собственности путем проведения патентной экспертизы. Экспертиза проводится экспертами на основании различных руководств, например, на основании «Руководства РСТ по проведению международного поиска и международной предварительной экспертизы» [1]. Данное руководство содержит инструкции в отношении практики, которой следует придерживаться международным органам при проведении международного поиска и экспертизы. Так же оно может быть применено на национальной фазе для проведения поиска и экспертизы, а так же может быть применено заявителями и патентоведами. Руководство описывает:

- критерии оценки патентоспособности заявки;

14

- общую схему действий на стадии поиска (см. рисунок 1.3);

- общую схему действий на стадии предварительной экспертизы (см. рисунок 1.4).

Цель поиска - выявление соответствующего уровня техники для определения того, является ли заявленное изобретение, к которому относится

заявка, новым, и соответствует ли оно изобретательскому уровню.

Рисунок 1.3 — Общая схема действий эксперта на стадии поиска

Месяцы Действие

(с самой ранней

даты приоритета) Глава I (все международные заявки)

пв Получающее ведомство МЗ международная заявка

МБ Международное Бюро омп отчет о международном понеже

МПО Международный поисковый орган помпо письменное сообщение МПО

омпэ Орган международной предварительной пс/омпэ письменное сообщение ОКШЭ

экспертизы мпэ

УВ указанное ведомство международная предварительная

экспертиза

ВВ выбранное ведомство МГТЗП международное предварительное

заключение о патентоспособности ЗМПЭ заключение международной

предварительной эхшерттаы

Рисунок 1.4 - Схема типичной процедуры рассмотрения международной заявки

При проведении поиска поисковой орган принимает во внимание все имеющиеся документы или базы данных, независимо от языка, давности или типа документа. Однако в целях экономии времени эксперт должен включать в поиск только те классификационные рубрики, которые содержат непосредственно релевантные области техники и аналогичные области. При проведении поиска с использованием МПК, выбор классификационных рубрик должен быть ограничен:

- более высокими подразделами, позволяющими проводить поиск по

обобщенным признакам;

- смежными подразделами, учитывая при этом ослабление взаимосвязи

рассматриваемых областей техники.

В ходе проведения поиска эксперт цитирует уровень техники путем идентификации всех документов, которые являются наиболее релевантными при определении новизны, изобретательского уровня, достаточности подкрепления и промышленной применимости изобретения, описанного в заявке.

1.2 Структура патентной заявки и требования к ее оформлению

Согласно требованиям, патентная заявка должна содержать следующие элементы:

- заявление;

- описание;

- раздел "Область техники";

- раздел "Предшествующий уровень техники";

- раздел "Раскрытие изобретения";

- раздел "Краткое описание чертежей";

- раздел "Лучший(е) вариант(ы) осуществления изобретения";

17

- один или несколько пунктов формулы;

- один или несколько чертежей;

- реферат.

Изобретение в заявке должно быть раскрыто полно и ясно, чтобы техническая задача или задачи, решаемые этим изобретением, могли быть оценены и осуществлены специалистом в данной предметной области. Для выполнения этого требования должны быть включены только те детали, которые необходимы для разъяснения изобретения. В случае, если изобретение заключается в постановке задачи, это должно быть очевидно.

Одним из основных элементов заявки является формула. Именно она определяет объект прав и служит для оценки новизны и изобретательского уровня изобретения [16]. Формула изобретения должна характеризоваться «техническими признаками изобретения».

Формулы изобретений бывают двух основных видов:

1) формулы, относящиеся к физической сущности (продукт или устройство). Включает вещество, композицию, а так же любую физическую сущность, которые производятся с использованием техники: химическое соединение, смесь соединений, предмет, изделие, устройство, машину, и.т.д.;

2) формулы, относящиеся к деятельности (способ, применение). Применим ко всем видам деятельности, в которых подразумевается использование какого-либо материального продукта для воздействия на осуществляемый процесс.

Формула состоит из пунктов. Пункты формулы делятся на зависимые и независимые. Независимые пункты служат для описания существенных признаков изобретения. Каждый такой пункт может сопровождаться одним или

более зависимыми пунктами, включающими все признаки данного пункта и предназначенными для описания специфических форм данного изобретения.

Согласно руководству по проведению международного патентного поиска и патентной экспертизы [1], все пункты формулы заявки должны полностью подкрепляться описанием. Это означает, что в описании должна быть основа для объекта каждого пункта формулы и что объем притязаний не должен быть шире обоснованного в описании и чертежах.

Согласно руководству по составлению рефератов к заявкам на выдачу патента на изобретение [17], текст реферата должен быть составлен на основании описания и признаков пунктов формулы. В реферате следует раскрывать то, что является новым в той области техники, к которой относится описываемое изобретение. Рекомендуется сохранить все существенные признаки независимых пунктов формулы.

Таким образом, основные существенные признаки заявки так или иначе описаны во всех трех частях заявки: формуле, реферате и описании.

В ходе экспертизы заявки производится ее классифицирование. Классифицирование заключается в присваивании заявке одного или нескольких классификационных индексов, которыми идентифицируется объект изобретения этой заявки.

Основные задачи классификации:

- единообразное в международном масштабе классифицирование патентных документов;

- упорядоченное хранение патентных документов, что облегчает доступ к содержащейся в них технической и правовой информации;

- избирательное распределение информации среди потребителей патентной информации;

- определение уровня техники в отдельных областях;

19

- получение статистических данных в области промышленной собственности для определения тенденций развития различных отраслей техники.

В настоящее время используются несколько видов классификаций:

- 1РС(МПК) - международная патентная классификация. Основная международная классификация, разработанная в 1975 году. Используется для классификации патентов на изобретения и полезные модели. Имеет 5-ти уровневую структуру: секция, класс, подкласс, группа, подгруппа;

- СРС - совместная патентная классификация. Была разработана совместно европейским и американскими патентными ведомствами для объединения национальных классификаций USPC и ECLA. Имеет структуру схожую с IPC;

- USPC - национальная классификация патентов в США. Имеет двухуровневую структуру: класс и подкласс;

- СНС - общая гибридная классификация. Новая классификация, создаваемая совместно с 2008 года пятью патентными ведомствами: ЕПВ, США, Япония, Корея, Китай. Предназначена для объединения на базе IPC всех лучших черт существующих крупнейших патентных классификаций [18].

Особую проблему вызывает сопоставления USPC классификации с другими. Существуют специальные таблицы сопоставления, однако в них соответствие классов представлено в виде отношений многие ко многим [19].

1.3 Существующие открытые базы патентов и автоматизированные системы поддержки принятия решений при анализе уровня техники для патентных

заявок

Для проведения анализа уровня техники для патентных заявок необходимо располагать базами патентных документов и обладать инструментами анализа данных баз. Существуют следующие бесплатные базы патентных документов:

1) Реестры Роспатента [20]:

а. заявки и патенты на изобретения;

б. заявки и патенты на полезную модель;

в. заявки и патенты на промышленный образец;

г. товарные знаки, знаки обслуживания и заявки на их регистрацию;

д. заявки на регистрацию товарного знака и знака обслуживания;

е. международные товарные знаки, содержащие сведения о договорах, зарегистрированных Роспатентом;

ж. программы для ЭВМ;

з. базы данных;

и. топологии интегральных микросхем.

2) База патентных документов Европейского патентного ведомства [21]. Данная база включает источники патентной информации 72 патентных ведомств мира.

3) База патентов патентного ведомства Соединенных Штатов Америки [22]. Предоставляет доступ ко всем патентам и заявкам, опубликованным начиная с 1976 года.

4) База патентных документов Всемирной организации интеллектуальной собственности [23]. Данная база включает источники патентной информации 34 патентных ведомств мира.

5) База патентных документов патентного ведомства Великобритании. Предоставляет доступ ко всем британским патентам и заявкам.

6) Различные источники, не относящиеся к патентным ведомствам, содержащие бесплатные базы патентных документов: FPO [24], FindPatent.ru [25], Google Patents [26]. Данные источники, как правило, содержат ограниченный набор баз патентов, относящихся к одной или нескольким странам.

Особый интерес представляет база патентов от Google. На основании договоренности с патентным ведомством США, Google предоставляет базу американских патентов для скачивания в виде архивов [27]. Данные архивы содержат патенты и заявки, представленные в виде файлов трех различных спецификаций [28].

Однако бесплатные базы обладают рядом недостатков:

- отсутствует полнота патентной документации;

- сохранение истории поисковых запросов компаниями, предоставляющими доступ к бесплатным базам;

- нет контроля имен изобретателей и патентообладателей;

- нет возможности сохранять найденные документы в удобном формате;

- для большинства патентов отсутствует возможность поиска английского эквивалента;

- полностью отсутствуют полные тексты на английском языке патентов Японии, Китая, Кореи и др. стран;

- нет рефератов патентов на английском языке Индии, Тайваня и др. стран.

Платные базы обладают меньшим количеством недостатков. Как правило,

они распространятся как часть различных мощных инструментов поддержки

принятия решений при анализе уровня техники [29]. В таблице 1.1 приведены

основные характеристики как платных, так и бесплатных систем: Orbit [30],

22

Ра18еег[31], МеЛео Ра1ет[32], То1а1Ра1еп1 [33], \У1Бс1отат [34], Ра1Вазе [35], АгсЬРа1еп1 [36], Ра1еп18соре, Еврасепе^ Ра18еагсЬ [37]. Их условно можно разделить на 2 большие категории:

- поисковые системы;

- системы всестороннего анализа баз интеллектуальной собственности. Таблица 1.1 - Характеристики систем поддержки принятия решений при анализе

уровня техники

Система Поисковые возможности Другие возможности

ОгЬк Поиск но ключевым словам, по метаданным заявки, поиск на основании статистического анализа с использованием синонимов. Визуализация и анализ данных, мониторинг изменения статусов патентов, анализ трендов по метаданным

РагБеег Поиск по ключевым словам, по метаданным заявки, поиск на основании статистического анализа. Визуализация и анализ данных, анализ трендов по метаданным

МеШео Ра1еп1 Поиск по ключевым словам, но метаданным заявки Визуализация и анализ данных, анализ трендов по метаданным

То1а1Ра1еп1 Поиск по ключевым словам, по метаданным заявки, поиск по запросам на естественном языке, семантический поиск (ЬБА) Визуализация и анализ данных, анализ трендов по метаданным

\Visdomain Поиск по ключевым словам, по метаданным заявки Визуализация и анализ данных, анализ трендов по метаданным

РагВаэе Поиск по ключевым словам, по метаданным заявки Визуализация и анализ данных, анализ трендов по метаданным

ЛгсМ^егИ: Поиск по ключевым словам, но метаданным заявки

Ра1еп18соре Поиск по ключевым словам, по метаданным заявки

Езрасепе! Поиск по ключевым словам, по метаданным заявки

Ра18еагс11 Поиск по ключевым словам, по метаданным заявки

Крупнейшей системой является Orbit от Questel. База патентов насчитывает более 60 миллионов документов из 95 национальных и международных патентных ведомств. Данная система обладает следующими возможностями:

- поиск по ключевым словам и метаданным;

- поиск по полному тексту документа;

- концептуальный поиск;

- многоязыковой поиск;

- аналитический анализ;

- ландшафтный анализ;

- статистический анализ;

- семантический анализ;

- визуализация результатов;

- формирование отчетов;

- автоматические уведомления о новых появившихся документах, удовлетворяющих старым запросам.

В данной системе, помимо традиционных средств поиска по ключевым словам и метаданным, предложены методы поиска патентов аналогов по полным текстам патента или заявки. Данные методы основаны на представлении текстов патентных документов в виде векторов слов с последующим сравнением данных векторов. При сравнении так же учитываются синонимы. Однако используемые методы являются базовыми в области определения схожести между текстовыми документами и не обладают высокой точностью. Данная система предоставляет возможность анализа патентных трендов по введенным поисковым запросам и в разрезах различных метаданных патентов: классы, владельцы, и.т.д. Однако не существует возможности автоматического выделения тенденций внутри классов и межклассовых тенденций (см. рисунок 1.5).

Список литературы диссертационного исследования кандидат наук Дыков, Михаил Александрович, 2014 год

Библиографический список

1) World Intellectual Property Indicators - 2013 Edition. [Электронный ресурс]. - http://www.wipo.int/ipstats/en/wipi/

2) Руководство рст по проведению международного поиска и международной предварительной экспертизы. [Электронный ресурс]. -http://www.wipo.int/export/sites/www/pct/ru/texts/pdf/ispe_l.pdf

3) Ali. Product innovativeness and entry strategy: impact on cycle time and break-even time / Ali, A., Krapfel, R., and Labahn, D. // The Journal of Product Innovation Management.- 1995.-№ 12(1), p. 54-69

4) R. D'Aveni. Coping with hypercompetition: utilizing the new 7s framework / D'Aveni, R. // Academy of Management Executive.- 1995.- № 9(3), p. 45-57

5) L. Menor. New service development: areas for exploitation and exploration / Menor, L., Tatikonda, M., and Sampson, S. // Journal of Operation Management.- 2002,-№ 20(2), p. 135-157

6) S. Lee. An approach to discovering new technology opportunities: keyword-based patent map approach / Lee, S., Yoon, В., and Park Y. // Techno vation.-2009.-№ 29(6/7), p. 481-497

7) B. Yoon. A systematic approach for identifying technology opportunities: keyword-based morphology analysis I Yoon, B. and Park, Y. 11 Technological Forecasting and Social Change.- 2004.-№ 72(2), p. 145-160

8) M. Blackman. Provision of patent information: a national patent office perspective / Blackman, M. // Technological Forecasting and Social Change.-1995.-№ 17(2), p. 115-123

9) Патентные исследования с целью определения уровня техники по ГОСТ Р 15.011-96. [Электронный ресурс]. — http://www.invur.ru/index.php?page=innstr&cat=int_sob&doc=pat_is

10) Методика патентного поиска. [Электронный ресурс]. -http://it4b.icsti.su/itb/ps/ps_all.html

11) N. Likhodedov. Questel databases Information & Analytical Solution / Likhodedov N. / [Электронный ресурс]. -http ://84.237.19.2:8081/ content/Queste l_ppt.pdf

12) Linda Hall. 7-Step U.S. Patent Search Strategy Guide. [Электронный ресурс]. - Режим доступа: http://www.lindahall.org/7steppatents.pdf

13) Patent Landscape Reports. [Электронный ресурс]. -http://www.wipo.int/patentscope/en/programs/patent_landscapes/

14) B.P. Abraham. Innovation assessment through patent analysis / Abraham, B.P. and Morita, S.D. // Technovation.- 2001.- № 21(4), p. 245-252

15) M. Lloyd. Clearing the fog: patenting trends for the treatment of Alzheimer's disease / Lloyd M., Mokdsi G., Spielthenner D. // TecPharm Pat Analhnovation.- 2012.- №1(4), p. 43-55

16) ОСНОВЫ ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ. [Электронный ресурс]. -http://www.msu.ru/projects/amv/doc/h6_l_6_l_r2_nom2.pdf

17) Руководство по составлению рефератов к заявкам на выдачу патента на изобретение и полезную модель. [Электронный ресурс]. -http://wwwl .fips.ru/wps/wcm/connect/content_ru/ru/inventions_utility_model s/ruk_inventions_utility_models

18) Common Hybrid Classification. [Электронный ресурс]. -http://www.fiveipoffices.org/projects/commonhyb.html

19) USPC-to-IPC Reverse Concordance. [Электронный ресурс]. -http://www.uspto.gov/web/patents/classification/international/ipc/ipc8/ipc_co ncordance/ipcsel.htm

20) Открытые реестры. [Электронный ресурс]. -http://wwwl.fips.ru/wps/portal/Registers/

21) Espacenet: free access to the database of over 80 million patents. [Электронный ресурс]. - http://worldwide.espacenet.com/?locale=en_EP

22) Search for Patents. [Электронный ресурс]. -http://www.uspto.gOv/patents/process/search/#heading-l

23) PATENTSCOPE. [Электронный ресурс]. http://patentscope.wipo.int/search/en/search.jsf

24) FPO. [Электронный ресурс]. - http://www.freepatentsonline.com/

25) Поиск патентов и изобретений, зарегистрированных в РФ и СССР. [Электронный ресурс]. - http://www.findpatent.ru/

26) Google Patent Search. [Электронный ресурс]. -https ://■www. google. com/?tbm=pts

27) USPTO Bulk Downloads: Patents. [Электронный ресурс]. -http://www.google.com/googlebooks/uspto-patents.html

28) XML Resources. [Электронный ресурс]. -http://www.uspto.gov/products/xml-resources.jsp

29) Дыков M.A. АВТОМАТИЗИРОВАННАЯ СИСТЕМА ПРИНЯТИЯ РЕШЕНИЙ ПРИ ПАТЕНТНОЙ ЭКСПЕРТИЗЕ / Дыков М.А., Кравец А.Г., Коробкин Д.М., и Укустов С.С. // Известия ВолгГТУ.- 2014.

30) Orbit. [Электронный ресурс]. - http://www.orbit.eom/#WelcomePage

31) Patseer. [Электронный ресурс]. - http://patseer.com/

32) Metheo Patent. [Электронный ресурс]. - http://www.matheo-software.com/en/products/matheo-patent.html

33) TotalPatent . [Электронный ресурс]. - http://www.lexisnexis.com/en-us/products/total-patent.page

34) Wisdomain. [Электронный ресурс]. -http ://www. wisdom ain. com/index.htm

35) PatBase. [Электронный ресурс]. - https://www.patbase.com/login.asp

36) ArchPatent. [Электронный ресурс]. - http://www.archpatent.com/

37) PatSearch. [Электронный ресурс]. -http://wwwl.fips.ru/wps/wcm/connect/content_ru/ru/fonds/sys_bd

38) R. Kaminecki. Developing Patent Research Expertise, Pt. 3: Prior Art Searching for Patent Prosecution / Ron Kaminecki, Sophie Hudnut, Ted Kerin, Cathy Rimer-Surles, Beverley Crane // Dialog LLC.- 2010

39) D. Becks. Does Patent IR Profit from Linguistics or Maximum Query Length? / Daniela Becks, Maximilian Eibl, Julia Jürgens, Jens Kürsten, Thomas Wilhelm, and Christa Womser-Hacker // CLEF Notebook Papers/Labs/Workshop.- 2011

40) W. Magdy. Applying the KISS principle for the CLEF-IP 2010 prior art candidate patent search task / Magdy W., Jones Gareth J.F. // CLEF Notebook Papers/Labs/Workshop.-2010

41) H. Gurulingappa. Prior Art Search in Chemistry Patents based on Semantic Concepts and Co-Citation Analysis / Harsha Gurulingappa, Bernd Müller, Roman Klinger, Heinz-Theodor Mevissen, Martin Hofmann-Apitius, Christoph M. Friedrich, and Juliane Fluck // TREC, National Institute of Standards and Technology NIST.- 2010

42) H. Chen. Automatic Learning of A Supervised Classifier for Patent Prior Art Retrieval / Hung-Chen Chen, Yu-Kai Lin, Chih-Ping Wei, and Chin-Sheng Yang // PACIS, AISeL.- 2010, p.-201

43) E. D'hondt. Combining Document Representations for Prior-art Retrieval / Eva D'hondt, Suzan Verberne, Wouter Alink, and Roberto Cornacchia // CLEF Notebook Papers/Labs/Workshop.- 2010

44) S. Bashir. Improving Retrievability of Patents in Prior-Art Search / Shariq

Bashir, Andreas Rauber // Advances in Information Retrieval Lecture Notes in

i

Computer Science Volume.- 2010.- № 5993, p. 457-470

45) X. Xue. Transforming patents into prior-art queries / Xiaoibng Xue, W. Bruce Croft // Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval.- 2009, p. 808-809

46) M. Verma. Exploring Keyphrase Extraction and IPC Classification Vectors for Prior Art Search / Manisha Verma, and Vasudeva Varma // CLEF Notebook Papers/Labs/Workshop.- 2011

47) X. Xue. Automatic query generation for patent search / Xiaoibng Xue, W. Bruce Croft // Proceedings of the 18th ACM conference on Information and knowledge management.- 2009, p. 2037-2040

48) P. Mahdabi. Report on the CLEF-IP 2011 Experiments: Exploring Patent Summarization / Parvaz Mahdabi, Linda Andersson, Allan Hanbury, Fabio Crestani // In proceeding of: CLEF 2011 Labs and Workshop, Notebook Papers.-2011, p. 19-22

49) E. Graf. Knowledge Modeling in Prior Art Search / Erik Graf, Ingo Frommholz, Mounia Lalmas, Keith van Rijsbergen // Advances in Multidisciplinaiy Retrieval Lecture Notes in Computer Science.- 2010.- № 6107, p. 31-46

50) Trappeya. Development of a patent document classification and search platform using a back-propagation network / Amy J.C. Trappeya, Fu-Chiang Hsua, Charles V. Trappeyb, Chia-I. Line // Computer Supported Cooperative Work in Design and Manufacturing.- 2006.- № 4(31), p. 755-765

51) P. Lopez. Experiments with citation mining and key-term extraction for Prior Art Search / Patrice Lopez, Laurent Romary // CLEF Notebook Papers/Labs/Workshop.- 2010

52) S. McLean. Patent Prior-Art Searching with Latent Semantic Analysis / Stuart McLean. [Электронный ресурс]. - Режим доступа: http://www.infonortics.com/sdv-12-post/mclean.pdf

53) М. Dykov. "How-to" Questions Answering Using Relations-based Summarization / Mikhail A. Dykov and Pavel N. Vorobkalov // World Applied Sciences Journal.- 2013,- № 24, p. 231-237

54) M. Dykov. Combining statistical and semantic features for patents prior-art retrieval / Dykov M.A., Kravets A.G., Korobkin D.M., Ukustos S.S, Strelkov O.I. // Proceedings of the «Innovative Information Technologies»

' Conference.- 2014, p. 77-88

55) M. Dykov. Relations Based Summarization in "How-to" Questions Answering / Dykov M.A. and Vorobkalov P.N. // Book of abstracts of the 23rd meeting of computational linguistics in the netherlands CLIN 2013.2013, p. 79

56) M.A. Дыков. Анализ семантики поискового запроса в Интернет-магазине / Дыков М.А. и Воробкалов П.Н. // Известия Волгоградского государственного технического университета серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах».- 2011.- № 3(10), с. 56-60

57) М.А. Дыков. Поиск альтернативных источников информации в социальных сетях для выявления дезинформации / Дыков М.А., Камаев В.А. и Воробкалов П.Н. // Материалы 6-й всероссийской мультиконференции по проблемам управления.- 2013, с. 66-74

58) М.А. Дыков. Идентификация объектов в текстах руководств в контексте бытовых задач / Дыков М.А., Камаев В.А. и Воробкалов П.Н. // Конгресс по интеллектуальным системам и информационным технологиям IS&IT43.- 2013, с. 56-64

59) Cosine similarity. [Электронный ресурс]. -http://en.wikipedia.org/wiki/Cosine_similarity

60) Dice coefficient. [Электронный ресурс]. -http://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient

61) Okapi ВМ25. [Электронный ресурс]. -http://ru.wikipedia.org/wiki/Okapi_BM25

62) tf-idf. [Электронный ресурс]. -http://en.wikipedia.org/wiki/Tf%E2%80%93idf

63) TREC Chemistry Track. [Электронный ресурс]. - http://www.ir-facility.org/trec-chem

64) К. Frietsch. Patent applications - structures, trends and recent developments / Rainer Frietsch; Peter Neuhausler; Oliver Rothengatter // Studien zum deutschen Innovationssystem.- 2012.- № 8, p. 68

65) P. Bronwyn. The NBER Patent Citation Data File: Lessons, Insights and Methodological Tools / Bronwyn H. Hall, Adam B. Jaffe, Manuel Trajtenberg // NBER Working Paper.- 2001.- № 8498, p. 60-77

66) И. Yoon. A text-mining-based patent network: Analytical tool for high-technology trend / Byungun Yoon, Yongtae Park // The Journal of High Technology Management Research.- 2004.-№ 1(15), p. 37-50

67) E. Rahayu. A text-mining-based patent network: Identification of technology trend on Indonesian patent documents

68) and research reports on chemistry and metallurgy fields / Rahayu, E. S. R., & Hasibuan, Z. A. // Proceedings of the Asia-Pacific Conference on Library & Information Education & Practice 2006 (A-LIEP 2006).- 2006, p. 581-586

69) Kontostathis. A Survey of Emerging Trend Detection in Textual Data Mining / April Kontostathis, Leon Galitsky, William M. Pottenger, Soma Roy, and Daniel J. Phelps // Springer.- 2004

70) V. Igor. Optical Structure Recognition Application Entry to CLEF-IP 2012 / Igor V. Filippov, Dmitry Katsubo, and Marc C. Nicklaus // CLEF Online Working Notes/Labs/Workshop.- 2012

71) M. Noureddin. MolRec at CLEF 2012 - Overview and Analysis of Results / Noureddin M. Sadawi, Alan P. Sexton, and Volker Sorge // CLEF Online Working Notes/Labs/Workshop.- 2012

72) M. Rusinol. CVC-UAB's Participation in the Flowchart Recognition Task of CLEF-IP 2012 / Manual Rusinol, Lluis-Pere de las Heras, Joan Mas, Oriol Ramos Terrades, Dimosthenis Karatzas, Anjan Dutta // CLEF Online Working Notes/Labs/Workshop.- 2012

73) Thean. Textual Summarisation of Flowcharts in Patent Drawings for CLEF-IP 2012 / Andrew Thean, Jean-Marc Deltorn, Patrice Lopez, and Laurent Romary // CLEF Online Working Notes/Labs/Workshop.- 2012

74) M. Salampasis. Report on the CLEF-IP 2012 Experiments: Search of Topically Organized Patents / Michail Salampasis, Georgios Paltoglou, and Anastasia Giahanou // CLEF Online Working Notes/Labs/Workshop.- 2012

75) T. Wilhelm. Chemnitz at CLEF IP 2012: Advancing Xtrieval or a Baseline Hard to Crack / Thomas Wilhelm, Jens Kiirsten, and Maximilian Eibl // CLEF Online Working Notes/Labs/Workshop.- 2012

76) F. Piroi. CLEF-TP 2011: Retrieval in the Intellectual Property Domain / Fiorina Piroi, Mihai Lupu, Allan Hanbury, Veronika Zenz // CIn proceeding of: CLEF 2011 Labs and Workshop, Notebook Papers.- 2012, p. 19-22

77) F. Derieux. Combining Semantics and Statistics for Patent Classification / Franck Derieux, Mihaela Bobeica, Delphine Pois, and Jean-Pierre Raysz // CLEF Online Working Notes/Labs/Workshop.- 2010

78) S. Verberne. Patent Classification Experiments with the Linguistic Classification System LCS in CLEF-IP / Suzan Verberne, and Eva D'hondt // CLEF Online Working Notes/Labs/Workshop.- 2011

79) M.A. Дыков. Стрелков. Представление документа в виде вектора ключевых фраз для решения задачи поиска по уровню техники в описаниях патентов / М.А. Дыков, А.Г. Кравец, Д.М. Коробкин, С.С. Укустов, О.И. Стрелков // Прикаспийский журнал: управление и высокие технологии.- 2014.-№1, р. 148-154

80) International Conference on Computational Linguistics Dialogue. [Электронный ресурс]. - http://www.dialog-21.ru/en/dialog2010/main/

81) Автоматическая Обработка Текста. [Электронный ресурс]. -http:// www.aot.ru/

82) О программе my stem. [Электронный ресурс]. -https://company.yandex.ru/technologies/mystem/

83) Pymorphy. [Электронный ресурс]. -https://bitbucket.org/kmike/pymorphy/

84) Starling. [Электронный ресурс]. - http://starling.rinet.ru/morpho.php

85) TnT - Statistical Part-of-Speech Tagging. [Электронный ресурс]. -http://www.coli.uni-saarland.de/~thorsten/tnt/

86) inria Forge. [Электронный ресурс]. -https://gforge.inria.fr/projects/lingwb/

87) The Maximum Entropy Framework. [Электронный ресурс]. -http://maxent.sourceforge.net/about.html

88) SVMTool. [Электронный ресурс]. - http://www.aot.ru/

89) Lookahead Part-Of-Speech Tagger. [Электронный ресурс]. -http ://www. logos.t.u-toky о .ac.jp/~tsuruoka/lapos/

90) COMPOST - Common POS Tagger. [Электронный ресурс]. -http://ufal.mff.cuni.cz/compost/

91) Stanford Log-linear Part-Of-Speech Tagger. [Электронный ресурс]. -http://nlp.stanford.edu/software/tagger.shtml

92) LT AG-spinal: Treebank and parsers. [Электронный ресурс]. -http://www.cis.upenn.edu/~xtag/spinal/

93) Soegaard. Semi-supervised condensed nearest neighbor for part-of-speech tagging / Soegaard, Anders // The 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies (ACL-HLT).-2010

94) Абрамов H. Словарь русских синонимов и сходных по смыслу выражений / Абрамов Н. - М.: Русские словари, 1994. - С. 431

95) А. Ю. Мудрова А.Ю. Словарь синонимов русского языка / Мудрова А.Ю. — М. : Центрполиграф, 2009. — С. 507

96) Кожевников А.Ю. Словарь синонимов современного русского языка. Речевые эквиваленты: практический справочник / Кожевников А.Ю. — М. : ЗАО «О JIM А Медиа Групп», 2009. — С. 800

97) СЛОВАРЬ. [Электронный ресурс]. http://www.trishin.ru/left/dictionary/

98) Евгеньева А.П. Словарь синонимов русского языка / Евгеньева А.П. — М. : Астрель ; ACT, 2002. — С. 648

99) Электронные словари КОНТЕКСТ. [Электронный ресурс]. -http://www.dics.ru/

100) Synonymosum. [Электронный ресурс]. - http://synonymosum.com/

101) Woxikon. [Электронный ресурс], -http://www.woxikon.com/

102) PowerThesaurus. [Электронный ресурс]. -http :// www.po werthesaurus. org/

103) FindmeWords. [Электронный ресурс]. - http://www.findmewords.com/

104) Roget's Thésaurus Electronic Lexical Knowledge Base (ELKB). [Электронный ресурс]. - http://www.nzdl.org/ELKB/download.html

105) Wordnet. [Электронный ресурс]. - http://wordnet.princeton.edu/

106) С.О. Кузнецов. Порождение кластеров документов дубликатов: подход, основанный на поиске частых замкнутых множеств признаков / Кузнецов С.О., Игнатов Д.И., Объедков С.А., Самохин М.В. // Интернет-математика 2005. Автоматическая обработка веб-данных.- 2005, с. 302 -319

107) Google Translate. [Электронный ресурс]. - http://translate.google.ru/

108) M. Dykov. Twitter Trends Détection by Identifying Grammatical Relations / Mikhail A. Dykov and Pavel N. Vorobkalov // Proceedings of the Twenty-Sixth International Florida Artificial Intelligence Research Society Conférence.- 2013, p. 259-262

109) Java. [Электронный ресурс]. - http://www.java.com/en/

110) Visual C# resources. [Электронный ресурс]. -http://msdn.microsoft.com/en-us/vstudio/hh341490.aspx

111) Eclipse. [Электронный ресурс]. - https://www.eclipse.org/

112) Visual Studio. [Электронный ресурс]. - http://www.visualstudio.com/

113) Amazon EC2. [Электронный ресурс]. - http://aws.amazon.com/ec2/

114) D. Blei. Latent dirichlet allocation / David M. Blei, Andrew Y. Ng, Michael I. Jordan // Journal The Journal of Machine Learning Research.-2003.-№3, p. 993-1022

115) M.A. Дыков. Концепция автоматизации процесса бытового творчества / Дыков М.А. и Камаев В.А. // ОТКРЫТОЕ ОБРАЗОВАНИЕ.- 2012, р. 11-15