FOPNet:一个用于专利深度技术分析的综合性功能语义知识图谱
《World Patent Information》:FOPNet:A comprehensive functional semantic knowledge graph for deep technical analysis in patents
【字体:
大
中
小
】
时间:2026年01月20日
来源:World Patent Information 1.9
编辑推荐:
专利文本语义相似性研究提出FOPNet框架,通过构建功能-对象-属性知识图谱,结合聚类加权和知识增强提升检索性能,在自建STS基准数据集上较传统方法提升43%准确率。
王楠|万子怡|赵宏宇|王畅|王亚克
北京信息科学技术大学互联网文化与数字传播研究重点实验室,中国北京,100192
摘要
专利文本的相似性对于语义搜索、尽职调查、侵权检测和诉讼至关重要。随着全球专利申请量的增加,传统的基于关键词、引用和分类的方法无法捕捉专利文件的上下文和功能语义。功能-对象-属性(FOP)表示方法提供了一个有前景的替代方案,但由于专门的语义文本相似性(STS)数据集的稀缺以及评估不足,其进展受到限制。我们提出了FOPNet,这是一个综合框架,它将专利文本分解为F-O-P三元组,将这些三元组链接到专利知识图谱,并通过基于聚类的权重和学习的重新排序来生成FOP嵌入。我们利用美国专利商标局(USPTO)的审查决定和专利审判委员会(PTAB)的上诉构建了两个STS基准测试集:一个二进制(2分)相似性集和一个排名检索集——这是此类公开可用的第一个基准测试集。实验评估表明,所提出的基于FOP的框架在检索准确性方面比基于关键词的基线提高了43%,比标准文档嵌入方法提高了26%。结合K-means聚类权重的基于向量的相似性算法在检索准确性方面比未加权的基线提高了32%,而0.4–0.6的语义相似性阈值最大化了相似专利和不相似专利之间的区分度。消融分析确定了最佳配置,即结合来自预训练专利向量的FOP嵌入、基于聚类的权重、相似性阈值和语义知识扩展。这种配置将相关专利的平均排名位置从5.7降到了2.7,并在所有测试案例中实现了前三名的检索结果。
引言
专利集合是全球学术界和工业界获取技术知识的重要来源[1]。关键的专利元数据包括国际专利分类(IPC)代码、出版编号以及标题、摘要和权利要求等文本组成部分[2]。相关文本的引用分析和定性检查可以提高专利记录的文献价值[[3],[4],[5]];然而,这些文献计量指标可能无法捕捉到潜在的技术相关性。在现代文献计量学中,引用分析主要考察共引和专利引用关系,从而可以基于主题类别构建引用网络[6,7]。然而,仍存在一些缺点,例如技术组合的形成与其在引用中的正式认可之间存在自然延迟,且引用分析无法准确反映技术进步的状态。从简单的关键词匹配发展到更高级的基于组件和功能的分析,语义方法已成为描述专利中声明的技术的核心[8,9]。这些技术通常需要领域专业知识来准确解释关键短语并提取有用数据[10]。在一系列混合方法中,研究人员试图整合引用分析、共词分析和各种定量指标。然而,有效识别核心技术组件(如过程、方法和操作)仍然是一个重大挑战。
以功能为导向的方法,包括SAO三元组,通过从文本中提取功能元素来推进专利语义分析[11,12]。受TRIZ启发的映射进一步尝试将问题、矛盾和发明原则与专利内容联系起来;然而,这两种方法在粒度、跨领域适应性和弥合抽象TRIZ概念与详细专利描述之间的语义差距方面都存在局限性[13,14]。现有的通用知识图谱通常缺乏专利级别功能推理所需的领域特异性和本体设计。当前的专利语义方法并没有得到一致集成:本体设计、提取流程、知识补全和校正策略往往是孤立开发的,而不是作为统一的功能导向系统的一部分。因此,现有资源和工具对跨技术领域的细粒度功能比较支持有限,也无法将TRIZ启发的功能推理与大规模专利文本处理有效地结合起来。因此,应该探索更先进的知识图谱,以实现结构化特征集成、功能特征提取和专利相关性计算,从而提供一个更可靠的分析框架[[15],[16],[17]]。
为了解决这些不足,我们提出了FOPNet,这是一个用于专利文档的功能-对象-属性知识图谱流程。FOPNet系统地将本体设计、知识预处理、FOP提取、知识链接和补全以及质量校正整合到一个统一的工作流程中。通过明确建模功能(预期的技术目的)、对象(目标工件或实体)和属性(功能或对象的属性或特征),FOPNet产生了可解释的功能表示,提高了跨领域可比性、消歧和检索能力。FOPNet将专门构建的功能-对象-属性本体与可复制的提取和知识补全流程相结合。与基于SAO的提取方法相比,FOPNet通过将功能与对象分开并明确建模属性和层次结构,提供了更细的语义粒度。与典型的PatentKG努力相比,它关注功能级语义和实例级扩展;与以大型语言模型(LLM)为中心的流程相比,它保留了可解释的三元组表示,同时兼容嵌入检索和可选的LLM重新排序。本文的主要贡献包括:
1.一种新颖的功能-对象-属性(F-O-P)本体和端到端流程(FOPNet),它从专利文本中生成可解释的F-O-P三元组,并将它们整合到一个策划好的专利知识图谱中。该本体明确建模了功能、对象和属性类别以及层次结构和同义词关系,以支持以功能为中心的推理。
2.一种实用的提取和规范化工作流程,结合了句法触发规则、微调的命名实体识别(NER)模型、监督关系分类和基于本体的规范化;实例扩展和基于知识图谱(KGE)的知识补全被纳入其中,以大规模推断和验证缺失的链接。该流程以CSV/JSON格式输出规范化的三元组,便于重用。
3.提供了公开的可复现评估基准测试:两个基于USPTO材料的专用STS基准测试集(一个二进制相似性集和一个排名检索集),以便进行比较评估;数据集大小和年份范围在方法和补充材料中报告。
4.实证验证和消融研究:FOPNet在检索和排名指标(Recall@K、MRR、NDCG)上优于基于关键词、文档嵌入和SAO的基线。消融研究量化了本体扩展、KGE补全和学习重新排序对整体性能的贡献。
章节片段
专利语义分析
专利语义分析已经从早期的工程导向研究发展为一套广泛的技术,旨在识别技术组件及其关系[18]。早期的社区努力,如CLEF-IP(2009–2013),专注于使用欧洲专利局(EPO)数据集进行专利检索、结构识别、图像分类和新颖性搜索[19]。传统的专利分析方法可以大致分为三类:基于文献/引用的、基于词汇/共词的
方法论
该FOPNet方法包括本体设计、实体提取、关系生成、知识补全、表示学习和验证模块。工作流程的概述如图1所示。首先,通过从TRIZ功能建模派生的功能语义本体指定了与专利内容相关的概念、实体和关系。定义了核心实体类型——组件(Component)、功能(Function, F)、对象(Object, O)和属性(Property, P),并通过专利进行了识别
实体识别结果
这些研究的目的是全面评估所提出模型的实体识别能力。使用标准度量标准,如F1分数、精确度和召回率来评估性能。为了更全面地考察结果,还计算了这些度量的加权平均值。如表1所示,每种实体的识别性能分别用相对优秀的加权平均分数0.85、0.89和0.87表示。
检索应用和验证
专利检索是一项具有挑战性的、特定于领域的任务:专利权利要求的技术语言和形式结构使得简单的关键词搜索无法满足许多实际需求。本节评估了基于FOPNet的语义检索流程,并将其与传统的基于SAO的表示方法进行比较,以评估以功能为导向、受本体支持的表示方法对检索质量的影响。图8系统地展示了实验过程,概述了各个步骤
结论
本研究系统地提出了一种通用的、有组织的知识图谱FOPNet,为解决语义挑战提供了重要支持。首先构建了一个功能语义本体,其中使用了语义完整的实体、关系和扩展类型。在FOPNet构建阶段,研究发现使用加权平均指标,实体和关系提取结果的性能可能得到了提升,超过0.8
CRediT作者贡献声明
王楠:撰写——原始草案、验证、监督、资源管理、项目管理、方法论、研究调查、资金获取、数据整理、概念化。万子怡:可视化、验证、软件开发、方法论、研究调查、形式分析、数据整理。赵宏宇:验证、监督、项目管理、概念化。王畅:可视化、验证、数据整理。王亚克:可视化、方法论、研究调查。
资助
本项工作得到了北京市教育委员会科学研究项目(KM202311232004)和国家自然科学基金(项目编号:61671070)的支持;以及北京信息科学技术大学的青年骨干教师计划(2026年)的支持。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系,这些关系可能会影响本文报告的工作。
王楠出生于中国吉林省。他在北京信息科学技术大学计算机科学学院担任副教授,主修人工智能算法、科学计量学、自然语言处理(NLP)和知识工程。作为第一作者或通讯作者,他共发表了大约三十篇学术论文。他还出版了一本书《自然语言理解与领域知识图谱概念、方法与实践》,并获得四项发明专利。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号