(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221070286 5.7 (22)申请日 2022.06.21 (71)申请人 之江实验室 地址 311100 浙江省杭州市余杭区中泰街 道之江实验室南湖总部 (72)发明人 朱亚光　徐小良　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 陈洁 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/33(2019.01) G06F 16/31(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01)G06Q 50/18(2012.01) (54)发明名称 一种面向权利要求 点的检索方法和装置 (57)摘要 本发明属于人工智能领域， 公开了一种面向 权利要求点的检索方法和装置， 包括如下步骤： 步骤1： 专利权利要求点语义化模型生成： 流水线 生成模型包括专利数据采集、 数据预处理、 迭代 训练、 模型生成、 模型部署； 步骤2： 专利权利要 求 点检索方法； 该检索方法包括了前期专利数据生 成向量， 向量插入向量数据库， 构建索引和检索； 步骤3： 利用专利权利要求点的检索系统， 调用后 端检索接口得到Top  K检索结果， 显示到界面上。 本发明针对权利要求点的向量检索， 大大缩短了 专利检索时间， 能够以较短的时间提供给用户高 质量的专利检索结果。 权利要求书2页 说明书4页 附图1页 CN 115238083 A 2022.10.25 CN 115238083 A 1.一种面向权利要求 点的检索方法， 其特 征在于， 包括如下步骤： 步骤1： 专利权利要求点语义化模型生成： 该模型生成包括专利数据采集、 数据 预处理、 迭代训练、 模型生成、 模型部署； 步骤2： 专利权利要求点检索； 该检索方法包括了前期专利数据生成向量， 向量插入向 量数据库， 构建索引和检索； 步骤3： 利用专利权利 要求点的检索系统， 调用后端检索接口得到Top  K检索结果， 显示 到界面上。 2.根据权利要求1所述的面向权利要求点的检索方法， 其特征在于， 所述步骤1的专利 权利要求点语义化模型生成方法包括采集原始专利数据， 采集完成后并不断同步至源数据 库， 通过预处理提取专利权利要求点之后， 进入设计好的模型生成流水线； 进行第一轮训 练， 生成了初始版本的语义化模型， 随后随着专利数据的更新， 流水线会根据专利数据的增 加自动执 行训练任务， 进行模型 更新。 3.根据权利要求1所述的专利权利要求点检索方法， 其特征在于， 所述步骤2 的专利权 利要求点的检索， 是将原始的专利权利要求点数据通过步骤1的语义模型生 成向量数据， 然 后把向量数据插入向量数据库， 接着对向量数据构建索引， 然后将待检索技术特征描述数 据也生成向量， 最后根据该向量进行检索， 得到检索结果。 4.根据权利要求1所述的专利权利要求点检索方法， 其特征在于， 步骤3所述专利权利 要求点的检索系统， 调用后端检索接口得到Top  K检索结果， 显示到界面上。 5.根据权利要求1所述的面向权利要求点的检索方法， 其特征在于， 所述步骤1包括如 下具体步骤： 步骤1.1： 专利数据采集并存 储， 采集的数据包括专利的正文信息和权利要求书信息； 步骤1.2： 数据的预处 理， 提取权利要求 点信息， 并导出； 步骤1.3： 原 始专利数据经 过等量切割成多个数据块， 对这些 数据块按顺序逐一训练； 步骤1.4： 把第一个数据块作 为初始数据， 训练参数为初始默认值， 开始第一轮训练， 得 到第一轮训练的语义 化模型和参数； 步骤1.5： 根据第一轮训练的模型和参数， 和第二个数据块， 进行第二轮训练， 得到第二 轮训练的模型和参数； 按照此步骤迭代训练， 直到将存量训练数据训练完得到最终的训练 模型和参数； 步骤1.6： 随着原始专利数据继续增加， 达到可以训练的阈值数据量后， 便导出数据， 在 上一个步骤基础上继续训练， 得到最 新的训练模型和参数； 步骤1.7： 最新 的模型一旦生成， 便直接通过  kubeflow  KFServing部署到后端服务中 去； 步骤1.8： 将以上步骤编写成流水线模版， 把训练环境打包成Docker镜像， 实现全流程 流水线化和自动化。 6.根据权利要求1所述的面向权利要求点的检索方法， 其特征在于， 所述步骤2包括如 下具体步骤： 步骤2.1： 原始的专利权利要求点数据， 经过步骤1生成的语义化模型生成向量， 然后把 转换的向量逐一插 入到向量数据库中； 步骤2.2： 配置构建索引参数， 对向量数据库中的权利要求 点数据构建索引；权　利　要　求　书 1/2 页 2 CN 115238083 A 2步骤2.3： 构建完索引， 进行基于权利要求点的专利检索， 将待检索的技术特征描述数 据， 经过步骤1生成的语义模型生 成向量， 根据生成向量调用向量数据库的检索接口进行向 量检索， 得到Top  K检索结果； 步骤2.4： 随着采集的专利数据继续增加， 达到可以训练的阈值数据量后， 便导出数据； 对于增量数据， 经过步骤1生成的语义化模型转化成向量， 然后把转换的向量逐一插入到向 量数据库mi lvus 中； 最后对于增量向量数据构建索引。 7.根据权利要求1所述的面向权利要求点的检索方法和装置， 其特征在于， 所述步骤3 包括如下 具体步骤： 步骤3.1： 用户在前端输入待检索的技 术特征描述数据； 步骤3.2： 前端输入待检索的技 术特征描述数据， 经 过语义化模型生成向量； 步骤3.3： 基于生成后的向量， 使用向量数据库的接口进行向量检索， 得到Top  K检索结 果， 并显示在前端。 8.一种面向权利要求点的检索装置， 包括控制器， 其特征在于， 所述控制器包括存储 器、 处理器及存储在存储器上 的可在处理器上运行 的计算机程序， 处理器执行程序时实现 如权利要求1 ‑7任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115238083 A 3