从几何维度来看专利检索要素

「零维」的专利检索要素：号码

「零维」的专利检索要素获得的结果是一个点值，一般来说，号码是较为典型的「零维」专利检索要。

基于专利号码类的专利检索在日常的工作中是比比皆是的。比较普遍的场景是需要通过一个专利号码来下载其全文。虽然简单，但是也会有翻车的时候。

在专利申请号查询时，由于可能还存在一位的机器自动生成的校验码，有些专利检索系统不能加上该校验码，否则检索结果为0。

在国外专利检索时，如果不懂得各个数据库对于其专利号码的处理规则，很有可能也会一无所获。

典型的是印度专利的检索，其专利申请号，公开号和授权号的规则极其复杂，感兴趣的朋友可以阅读之前的文章——如何检索印度专利？

除了获得单个点值的专利号码外，「零维」的专利检索要素还可以获得离散型的点值专利号码，典型的检索场景是专利同族检索和专利引证检索。

基于专利同族号，可以获得在不同地域不同时间下所布局的专利申请。

整体来说，「零维」的专利检索要素一定要表达准确，充分了解号码的范式要求胡，检索难度并不大。

「一维」的专利检索要素：人名

「一维」的专利检索要素一般可以获得一串的检索结果。较为典型的是人名检索。

人名包括有自然人和法人，所涉及的类型也非常多，有申请人，发明人，代理机构，代理师，审查员，转让人，受让人，许可人，被许可人，质押人，复审请求人，无效请求人，诉讼原告，诉讼被告等等。

在「一维」的专利检索要素的检索实践中，对于检索要素的表达一定要全面。如果该线条勾勒的不够合理，可能就会漏掉相关的检索结果。

人名类的检索要素扩展性也比较大，包括有全称，简称，不同语言的翻译，曾用名称，合并以及拆分的名称等。

整体来说，「一维」的专利检索要素看似简单，实则背后暗藏玄机，需要用心调研该检索要素背后的故事，从而才能检索更为全面。

「二维」的专利检索要素：关键词，分类号等

「二维」的专利检索要素，个人认为其能够获得一定纵向和横向延展度，检索结果相较于「零维」和「一维」，包容性更大。其典型的特点是检索结果具有一定的噪声。

常见的检索要素是关键词和分类号。在检索实践中，为了获得更为全面的检索结果，需要对「二维」的专利检索要素进行充分扩展。

例如可对关键词从形式上，意义上和角度上进行全面扩展；在分类号的扩展上，也需要综合考虑不能明显排除的上下位组，以及各种不同角度和形式下的专利分类。

虽然理论上「二维」专利检索要素的检索集会充分含有目标信息。但是在实际中，由于其检索结果的数量较多，语言的多重含义以及分类号的人为操作等原因，检索集里并非都是目标信息，在某些情况下反而非常之少，需要进行后续人工筛选或者机器降噪。

整体来说，「二维」的专利检索要素应用广泛，上手也比较容易，但是其对于查全和查准两个方向上都有较高的要求。并且往往是要求先查全，再从查全的结果中准确获取有用信息。

「三维」的专利检索要素：语义检索基准

「三维」的专利检索要素，个人认为是智能检索的一些基准，例如一张图片，一段文字等。

在常规的布尔检索中，图片和大段文字是无法检索。但是随着智能检索的发展，对于图片和大段文字，机器也能进行识别，进而可以在大数据中进行模糊比对，筛选出一定量的匹配文献供检索者参考。

「三维」的专利检索要素，如果其表达越模糊，那么有效匹配的结果会更多，但是针对性会差一些；如果其表达相对明确，那么有效匹配的结果会变少，但是针对性会提高。

整体来说，「三维」的专利检索要素的选取，并没有唯一正确的标准，相反更应该具体问题具体分析，或者可以多多尝试。毕竟，其也是开盲盒的过程。

来源：知产AI 免责声明：版权归原创所有仅供学习参考之用，禁止用于商业用途，部分文章推送时未能及时与原作者取得联系，若来源标错误侵犯到您的权益烦请告知我们将立即删除。