Актуальные возможности и перспективы   применения искусственного интеллекта   в патентных исследованиях

Аннотация

Artificial Intelligence (AI) is utilized in patent research to automate processes of patent data analysis, identify technology trends, forecast patentability, and determine IPC classes. This article explores various aspects of AI application in patent research. It covers the use of Natural Language Processing (NLP) algorithms to analyze patent text descriptions, extract keywords, phrases, and terms. It also delves into machine learning methods for analyzing patent features related to patentability and predicting patent eligibility. Other aspects include identifying semantically similar patents, generating structured reports based on the results, and using AI to analyze large volumes of patent data to construct patent landscapes. An overview and comparison of the main patent research systems with artificial intelligence functionalities have been conducted. Keywords: artificial intelligence, AI, machine learning, ML, deep learning, prior art, search queries, search strategies, patentability, technology trends, patent law, patent research, patent intelligence, intellectual property Введение. Патентные исследования играют ключевую роль в современном мире, особенно в области инноваций и технологического развития. Патенты пред- ставляют собой юридические документы, которые защищают интеллектуальную собственность и права инноваторов на их изобретения, технические решения и технологии. Важность патентных исследований обусловлена несколькими факторами: – Стимулирование инноваций: Патенты предоставляют инноваторам эконо- мические стимулы для создания новых технологий и изобретений. Они обеспечи- вают монопольные права на использование, продажу и распространение изобре- тений, что способствует привлечению инвестиций в исследования и разработки. – Защита интеллектуальной собственности: Патенты предоставляют юриди- ческую защиту авторским правам и интеллектуальной собственности. – Повышение конкурентоспособности компаний: благодаря патентам ком- пании могут предлагать уникальные и инновационные продукты или услуги, что помогает улучшить их позицию на рынке, привлечь новых клиентов. – Исследование и анализ технической информации: Патенты содержат де- тальные технические описания изобретений. Исследователи и инженеры могут 383 Специальные вопросы регулирования и охраны цифровых технологий Специальные вопросы регулирования и охраны цифровых технологий Special issues of regulation and protection of digital technologies Special issues of regulation and protection of digital technologies использовать патентные базы для доступа к информации о существующих техно- логиях и тенденциях развития в различных отраслях. – Предотвращение нарушений: Патентные исследования позволяют предот- вратить нарушение чужих патентных прав. Использование искусственного интеллекта для анализа текстовых опи- саний патентов. Современные патентные исследования сталкиваются с огром- ными объемами текстовых данных, содержащихся в патентных документах. Искусственный интеллект предоставляет мощные инструменты для обработки и анализа этих текстовых описаний, что существенно улучшает процесс извлече- ния значимой информации из патентных документов. Обработка естественного языка (NLP) [11] позволяет ИИ понимать и анали- зировать человеческий язык. В контексте патентных исследований, NLP исполь- зуется для извлечения ключевых слов и фраз из текстовых описаний патентов [3]. Алгоритмы NLP автоматически определяют существенные термины, которые описывают технические особенности и инновационные аспекты изобретения. Это позволяет исследователям быстро и точно определить суть патентных докумен- тов и выявить ключевые понятия, связанные с темой исследования. При анализе текстовых описаний патентов, часто возникает необходимость обработки словоформ для улучшения качества и точности анализа. ИИ использу- ет методы лемматизации и стемминга для приведения слов к их базовой форме или корню [2]. Так, лемматизация – это процесс приведения слова к его базовой, словарной форме, которая называется «леммой». Лемма представляет собой ос- новной корень слова, без приставок, окончаний и других словоизменительных форм. Применение лемматизации позволяет свести различные формы одного сло- ва к единой форме, что облегчает анализ текста и уменьшает размер словаря. Пример: Лемма слова «бежит» – «бежать» Лемма слова «мыли» – «мыть» Стемминг – это процесс обрезания аффиксов (приставок и суффиксов) у сло- ва для получения его корневой формы, которая называется «стем». В отличие от лемматизации, стемминг может приводить к получению не всегда правильной формы слова, но при этом он работает гораздо быстрее. Пример: Стем слова «бежит» – «беж» Стем слова «мыли» – «мыл» Оба метода лемматизации и стемминга используются для предварительной обработки текста перед его анализом, классификацией, поиском или другими за- дачами NLP. Выбор между лемматизацией и стеммингом зависит от конкретной задачи и требований к точности обработки текста. Далее при помощи процесса Part-of-Speech Tagging (POS-тегировани