AI為什么能夠解決專利標引和分類問題

在專利分析中，對數據進行標引和分類一直是一個令人頭疼的問題。例如，技術人員需要定期查看競爭對手公布的專利，以了解行業的動態，而知識產權人員則需要時刻關注競爭對手的專利布局。對于相關的技術領域，每個月公布的專利數量可能多達成千上萬件，要系統地研究這些專利，就必須對它們進行分類和標引。

例如，一項電池專利可以被標引為幾個層級，如動力電池/正極材料/磷酸鐵鋰等。對于成千上萬件專利進行多層級的標引和分類，工作量極大。

如果通過設置檢索式篩選或向量標引來解決這個問題，雖然可以減輕部分工作量，但準確度往往較差，無法滿足要求。

在大語言模型出現之后，業內許多人嘗試利用這些模型進行標引。例如，將一個專利表格和標引的標簽提供給模型，讓模型進行標引，但結果往往不盡如人意，相信很多朋友也嘗試過，發現難以滿足要求。

此外，傳統的AI標引還需要人工先標引一部分數據，然后用這一部分作為監督數據進行匹配，這也是一件不容易的事情。對于標引維度和層級較多的項目，要將所有層級的專利都標引清楚，并確保準確度，既費時又費力。

此外，傳統的AI標引無法定義標引的維度，因為每個用戶對特定維度都有自己的定義。例如，“引流部”這個標簽作為一個標引層次，每個用戶在特定背景下對其定義都不同，僅憑幾個示例數據是無法確定這個標簽的含義的。

Maxipat采用了一種完全不同的標引模式。用戶想要標引一部分數據時，不需要進行精確檢索，只需大概檢索出一個大范圍的專利，保存在文件夾中。然后直接輸入需要標引的維度，或者從文件中導入需要標引的標簽。對于一些容易混淆的標簽，用戶可以提供一些解釋和定義，系統會自動掃描文件進行逐一標引。

這種方式完全是基于自然語言輸入，用戶想標引什么內容，只需直接輸入到系統中即可，無需擔心各種格式問題。

標引完成后，系統會對每一處標引給出明確的理由，用戶也可以通過指令進行糾正。

假設用戶需要標引10000項專利，只需通過自然語言輸入要標引的維度，或者上傳要標引的維度，并告知系統需要注意的事項，大約兩個小時后就可以查看標引結果。

如果用戶對標引結果不滿意，可以直接通過自然語言指令進行糾正，快速改善標引結果。

采用這種方法，標引10000項專利，假設使用自然語言糾正迭代三次，半天就能完成，而且不需要對數據進行清理，系統會根據用戶的指令識別噪聲。這將大大提高標引的效率和質量。

Maxipat致力于作為成為科技創新和知識產權工作的AI加速，主要包括輔助創新：提高研發的科技創新效率，通過problem-solution算法深層關聯到的真實技術方案，能夠跨領域進行技術方案的深層挖掘和關聯；智能搜索與分析：將專利搜索和報告制作借助AI實現智能化，包括智能查新、無效、FTO、Landscaping報告，采用GT搜索算法（graph transformer）（），系統真正做到理解概念后再搜索。目前開放注冊中。

感興趣的朋友可以通過以下三種方式填寫申請信息：

1. 請發郵件到郵箱：info@maxipat.com

2. 點擊文末閱讀全文；

3. 掃描以下二維碼

感興趣的朋友可以加筆者微信patentlight