Детальная информация

Работа посвящена разработке метода поиска документов уровня техники для задач патентной экспертизы. Актуальность исследования обусловлена тем, что традиционный поиск по ключевым словам плохо выявляет патенты, близкие по технической сущности, но различающиеся по формулировкам. Целью работы является повышение качества поиска релевантных патентных документов за счёт сочетания текстовых эмбеддингов, метрического обучения и информации из графа цитирований. В работе рассмотрены подходы к семантическому сравнению патентных документов, проанализированы метрики близости в пространстве эмбеддингов и предложен алгоритм ранжирования документов обучающей базы по патенту-запросу. Для адаптации векторного пространства к предметной области использована диагональная метрическая модель, обучаемая на триплетах с положительными и отрицательными примерами. Дополнительно исследовано влияние графовой структуры цитирований на выбор отрицательных примеров и настройку margin в функции потерь. Экспериментальная оценка выполнена для моделей BGE-M3, KaLM и Harrier. Показано, что предложенный подход обеспечивает прирост качества поиска для моделей, исходное пространство которых требует дополнительной адаптации, а наибольший эффект достигается при использовании трудных отрицательных примеров и графо-ориентированной схемы обучения. Полученные результаты могут быть использованы при создании интеллектуальных систем патентного поиска и поддержки экспертизы заявок на изобретения.

The work is devoted to the development of a prior art retrieval method for patent examination. The study is motivated by the fact that keyword-based search often fails to identify technically similar patents expressed in different terms. The purpose of the work is to improve retrieval quality by combining text embeddings, metric learning, and information from the citation graph. The thesis reviews approaches to semantic comparison of patent documents, analyzes similarity measures in embedding spaces, and proposes an algorithm for ranking candidate documents for a patent query. To adapt the embedding space to the domain, a diagonal metric model trained on triplets with positive and negative examples is used. The influence of citation-graph structure on negative sampling and margin adjustment in the loss function is also investigated. Experimental evaluation is carried out for the BGE-M3, KaLM, and Harrier models. The results show that the proposed approach improves retrieval quality for models whose embedding spaces benefit from additional adaptation, while the best effect is achieved with hard negatives and graph-aware training. The proposed method can be used in intelligent patent search systems and decision-support tools for patent examination.

• ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
• ВВЕДЕНИЕ
• Методы оценки семантической близости документов в задачах патентного поиска
  • Патентный поиск как задача нахождения релевантных документов
  • Представление документов в виде векторных эмбеддингов
  • Методы измерения близости в пространствах эмбеддингов
  • Метрическое обучение для настройки пространства близости
  • Метрики оценки качества патентного поиска
  • Формальная постановка задачи
• Разработка архитектуры и алгоритмов поиска для реализации системы поиска похожих документов в задаче экспертизы заявки на патент
  • Общая схема предлагаемого подхода
  • Описание исходных данных
  • Формирование векторных представлений патентов
  • Формирование обучающей и тестовой выборки
  • Обучение метрической модели
  • Метод выбора релевантного множества документов
  • Итоговый алгоритм поиска релевантных документов
• Разработка и оценка эффективности прототипа системы поиска похожих документов в задаче экспертизы заявки на патент
  • Архитектура прототипа системы
  • Методика экспериментов
  • Вычисление эмбеддингов
  • Оценка качества поиска релевантных документов
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ