16、专利搜索中查询扩展的查询日志分析与词汇知识获取

专利搜索中查询扩展的查询日志分析与词汇知识获取

1. 引言

在专利申请准备或判断专利有效性时，搜索相关专利数据库是关键任务。专利搜索包括查询生成、文档检索和文档审查三个阶段。由于专利搜索基于关键词，且申请人可自定义术语，搜索的成功依赖于查询词的质量。本文旨在分析美国专利商标局（USPTO）审查员的查询日志，以确定专利文档中用于查询扩展的有用查询词，并探讨从专利文档中获取词汇知识的方法。

2. 相关工作

查询扩展技术可分为全局、局部和外部技术，还可结合多种技术以提高效果。目前，专利搜索中的自动查询扩展主要基于全局和局部技术，通过统计方法从查询文档中提取额外查询词，但未考虑这些词是否为最佳选择。此外，也有使用外部技术进行查询扩展的相关工作，如利用翻译词典、机器翻译系统或平行语料库等。然而，现有方法未考虑学习到的查询和扩展词的质量，而从专家实际提交的查询中学习可以弥补这一不足。

3. 查询日志分析

3.1 实验设置

使用USPTO专利审查员的查询日志，收集自2003年以来国际专利分类（IPC）A61C1类（牙科钻孔和切割机器）的专利申请的查询文档和相应查询日志。同时，考虑与查询文档相关的欧洲专利家族文档。

3.2 一般统计

每个查询日志是包含一系列查询的PDF文件，查询包含搜索查询、参考、命中数、数据库、默认运算符、复数形式和时间戳等元素。查询类型包括文本查询、非文本查询和参考查询。文本查询包含搜索运算符，如布尔运算符、邻近运算符和截断限制器。

查询日志的一般统计信息如下：
| 统计项 | 数值 |
| ---- | ---- |
| 文本查询总