一图看懂专利智能检索的四种方法

专利智能检索是新兴事物，在初期使用时，经常会有不适和迷茫感。其实，通过了解各种检索方法的具体操作方法，事情就变得简单了。

在《创新智能检索——让专利检索更具效率》一书中，介绍了四种智能检索模式，包括传统的布尔检索，语义检索，先布尔检索后语义排序（简称先布尔后语义）和先语义检索后布尔限定再语义排序（简称先语义后布尔），基本涵盖了市面上各种检索系统的智能检索模式。

一图看懂专利智能检索的四种方法

专利智能检索的四种方法也可以用一张泳道图来展示。各种检索方法均占有一个泳道，彼此之间具有一定的关联。

由图可知，所有方法的起点都是理解待检索的内容，对于专利而言就是理解发明，中间通过各种不同的检索操作，终点都是对检索结果进行浏览筛选。有所不同的是，布尔检索结果没有相关度排序，而其他三种方法均进行语义相关度排序。

布尔检索

布尔检索就是传统的检索方式。经典永流传，在检索中也是这样。

布尔检索的一个流程包括如下六步：理解待检索内容，提取基本检索要素，构建布尔检索式在合适的数据库中进行检索，获得合适数量的检索结果，随后进行浏览。

布尔检索的两个重点在于提取基本检索要素和构建布尔检索式获得合适数量的检索结果。

如果能够便捷的完成上述两个重点内容，那么布尔检索将非常高效。

先布尔检索后语义排序

先布尔检索后语义排序，就如字面上的意思一样。其基本流程如下：

在传统的布尔检索基础上，对于检索结果，选择合适的语义基准，进行语义排序，通过机器的智慧，采用语义引擎，将所有的结果按照一定的基准来进行排序，从而将相关度高的内容排在前面，不相关的内容排在后面，浏览筛选也是基于上述排序进行的。

先布尔后语义在一定程度上解决了传统布尔检索需要检索结果适量的问题。使得在构建布尔检索式时，不再是基于检索结果适中来进行。相反，可以充分基于待检索内容的理解，来构建可能带来很大检索结果的检索式。

先布尔后语义也可以降低检索要素选取和表达要求。对于容易表达，方便提取的检索要素，那还是优先于进行传统的布尔检索；而对于表达困难或难以穷尽，提取困难的检索要素，我们完全可以将其交给语义排序。

语义检索

语义检索，看起来是一种高大上的词汇，但是其本质也是一种语义排序，只是排序的检索结果是数据库里所有的文献，随后根据相关度的高低选取前N篇结果而已，对于N的数值，有些系统如智能检索系统是可以选择200,400,1000和2000等，有些系统如Patentics是固定400。

语义检索的基本流程包括基于对待检索内容的理解，选取合适的语义基准，限定检索数量N，点击语义排序，即可获得相应数量N的检索结果，其按照相关度来进行排序，共浏览筛选。

语义检索操作非常简便，简便到语义基准的选取都可以由系统默认，因此，也是进行试探检索推荐使用的方式。

语义检索的检索结果依赖于两个方面，第一，语义引擎的算法，不同的检索数据库语义引擎不同，相同的语义基准下的检索结果也有所不同；第二，语义基准的选择，选择与对比文件更为接近的语义基准，才能将其锁定目标结果中并排序靠前。

先语义检索后布尔限定再语义排序

这个单看名字就比较复杂，所以相关的流程步骤也比较多，包括首先进行语义检索，基于语义检索的前N篇结果，进一步构建布尔检索式，得到布尔检索结果，再选取合适的语义基准进行语义排序，基于排序结果进行浏览筛选。

先语义后布尔虽然复杂，但是其还是具有一定意义的。总的思想是在充分信任语义检索结果的基础上，通过特定的布尔限定来去噪，提高语义检索的精准度。

值得注意的是，如果语义检索结果不相关，不准确，采用先语义后布尔的检索方式将会一错再错。

语义和布尔并不对立

语义和布尔，并不是硬币的两面，水火不容。相反，二者是相互促进的。

布尔检索中的基本检索要素对于语义基准的选择有重大意义。语义基准需要充分体现了基本检索要素，使得检索结果聚焦，语义检索效果也才能更好。

同时，语义检索的结果是具有相关度高的大样本数据，通过统计分析其中的关键词和分类号的内容，可以来扩展布尔检索中的基本检索要素的表达。

闲聊时刻

检索不是一蹴而就的，需要不断的摸索和调整，专利智能检索也是如此。

面多更多的检索方式，守住初心，深耕细作，才能从容不迫。不断学习，勇于尝试，才能为我所用。

大家可以关注微信公众号「XY先生说」，后台回复「智能」，获得专利智能检索的四种方法的「泳道流程图」及其「免费的思维导图制作软件的链接」。

您也可以读读近期这些文章：

智能检索，也许能够兼顾查准和查全

一种基于智能检索也许能够查准，又能查全的方法

智能检索语义基准的昨天，今天和明天

专利智能检索，从语义基准的选择开始

专利智能检索时代已经到来

专利智能检索简介以及如何面对专利智能检索

THE END