AI如何徹底解決專利數據的標引工作

對專利數據進行標引是專利管理中的常規工作之一。許多專利分析報告的基本任務之一就是對專利進行標引。這項工作不僅繁瑣，而且耗時費力。例如，標引一萬份專利可能需要分析人員花費一個月的時間，而且隨著標引時間的延長，人員容易疲勞，標引的可靠性也會降低。

隨著大語言模型的出現，許多人開始嘗試利用其進行標引，但這一過程仍然面臨諸多挑戰，主要包括以下幾個問題：

一、模型的Token限制

無論是哪種大語言模型，都存在輸入token的限制，無法一次性處理大量數據。尤其是在標引過程中需要參考權利要求和摘要時，模型只能處理部分專利數據，對于大批量數據的標引，操作變得不切實際。

二、標引標準的統一

對于大規模專利標引，往往需要進行分層標引。例如，每個專利可能需要三層或四層的標引結構，這要求標引的尺度必須統一。但在分批輸入大語言模型時，保持一致的標引標準是十分困難的。

三、模型的幻覺問題

大語言模型不可避免地會出現幻覺現象，模型在處理某些數據時可能會產生錯誤，而這些錯誤往往難以糾正。

四、標引標簽修改問題

在標引開始或進行過程中，可能會發現某些標簽需要修改，但修改起來比較困難。

為了有效解決這些問題，我們設計了Maxipat標引系統。該系統上線近一年，已被眾多五百強企業使用并經過實踐驗證。Maxipat標引系統具有以下幾個顯著優點：

一、標引標簽體系的優化

以自動駕駛領域的專利為例，首先遇到的問題是要為這些專利分配什么樣的標簽。如果您已經擁有現成的標簽，可以直接將其輸入到標引指令框中，或者直接復制上傳至系統。無需擔心格式問題，系統會自動整理標引的層級結構。

點擊之后，系統會自動把層級生成分配好讓用戶確認，如下圖所示：

此時可以進行確認。為了防止模型誤解，用戶可以自行添加注釋，或者直接點擊注釋，Maxipat會調用強大的搜索系統進行全網搜索，并使用另一個模型來確認相關概念的含義。用戶只需確認是否存在誤差，無需手動輸入。

如果用戶對標引體系不滿意，并希望豐富標簽體系，在Maxipat中操作也非常簡單。用戶只需啟動譜系優化，系統會自動調用Maxipat的模型池和搜索系統，對現有的標引體系進行評估和優化。

關鍵是，這一優化過程可以由用戶干預。用戶還可以上傳收集到的行業資料，供Maxipat參考，以便進行優化。例如，用戶可以上傳一份行業白皮書，或直接下載一個專利列表，讓系統根據用戶上傳的專利列表總結標簽。

而且標簽的優化是對話式的，用戶可以根據情況修改，不停地上傳資料修改需要標引的標簽。

此外，即使用戶對標簽的標引體系仍然不滿意，在系統標引之后，用戶還可以再次更新標簽體系。此時，可以直接使用Maxipat自帶的標引標簽聚類功能，通過AI自動評估某一列專利列表可能標引成哪些標簽，并查看哪些標簽可以采用。

二、標引過程完全自動化

在這個體系下，關于標引標簽的問題可以完全交給AI處理。

在完成標簽生成后，接下來的步驟就是如何進行標引。傳統的標引過程需要耗費大量時間，但在Maxipat中，標引過程完全自動化。大約標引一萬件專利只需5個小時左右。有人問，是否需要用戶全程關注？其實，這個過程無需用戶過多干預，用戶只需在適當的時間查看系統進度即可。

系統將專利標引好之后，都會給出具體的標引理由和置信度，避免模型的幻覺。

Maxipat的標引模型并不是單一模型在運作，而是采用了模型池和投票機制。不同的模型負責不同的任務，只有當模型們在標簽上達成一致時，才能通過，并且會給出置信度分數。對于投票意見不一致的情況，將進入下一輪，由更高等級的模型反復分析專利全文，最終確定標簽。

這就像是你有一個標引任務，交給一群小伙伴進行標引，大家背對背地標引，只有當標引結果一致時才會采納；對于不一致的標引，交給組長復核。通過這種方式，模型團隊的標引結果最大程度避免了模型幻覺的出現。

三、標引結果的確認和糾正

對于標引結果，如果用戶不滿意，可以通過自然語言指令直接糾正，或者修改部分標引，刷新后讓模型重新處理。

整個標引過程幾乎不需要人工介入，標引一萬件專利，人工所需時間不超過1小時。關鍵是，用戶可以通過自然語言指令進行更新和修正。

接下來，大家關心的是標引的準確率。現有的任何模型標引都無法保證100%的準確率，Maxipat的標引準確率取決于以下幾個因素：

一、標簽的解釋程度

如果用戶為標簽提供的解釋越全面和具體，標引的準確率就會越高。

二、源數據的技術領域稀疏程度

這在人工標引中也是如此。例如，如果標引的數據涵蓋飛機、汽車、輪船、藥品等領域，人工標引人員可以通過快速瀏覽摘要和題目來確定標簽。但如果數據主要是關于果汁機刀片，且需要在刀片下層再細分多個標簽，那么標引的難度就會增加。

三、算力投入

這涉及到所采用的模型等級和掃描文獻的數量。如果使用最高等級的模型，并且每篇專利都掃描全文，那么標引的準確性肯定會最高。因此，Maxipat會為用戶提供選擇，根據項目的重要性讓用戶決定算力投入。

目前，從眾多客戶的使用反饋來看，Maxipat的三層標簽體系在第一輪標引中的準確度可以達到60%-95%，具體準確率取決于上述三個因素。

Maxipat致力于作為成為科技創新和知識產權工作的AI加速器，主要包括輔助創新：提高研發的科技創新效率；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；投資助手：快速生成投資賽道報告、專利購買篩選、專利轉化評估。目前開放注冊中。輔助科技創新和知識產權工作的AI智能體

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