IncoPat於（2019）5/10日推出基於專利DNA圖譜比對技術的全新的AI檢索功能。並依據專利工作者最常使用的查新檢索、無效檢索以及侵權風險檢索三種情境，設計出便利的介面，大幅提昇檢索到結果結論的效率。
專利DNA圖譜技術的原理
什麼是專利DNA圖譜技術呢？簡單來說，就是利用知識圖譜及人工智慧（AI）技術識別專利文獻中發明核心結構，再以目標專利的DNA圖譜為線索在專利文獻中搜尋所對應的DNA片段，從而達到檢索需求。圖譜使用的基本要素包括：
- 本體：文本中的技術特徵 ，包括元件、屬性名、屬性值上位概念元件關係等。
- 組件：表示文本中的組成部件，比如充電設備記憶體。
- 屬性：表示元件的一個屬性，比如充電設備的「電壓」。
- 屬性值：表示元件一個屬性的取值，比如充電設備壓是「 240v 」。
- 本體之間的關係：技術特徵之間的關係，具體包括組件之間的關係，組件與所述屬性技術之間的關係， 和屬性與屬性值的關係。
以實際專利為例：
一種手機天線結構，包括手機背蓋，其特徵在於，所述的上端設置有第一天線和第二天線， 所述第一天線與第二天線之間設置有寄生耦合單元，所述第一天線與所述寄生耦合單元之間具有第一間隙，所述第二天線與所述寄生耦合單元之間具有第二間隙，所述寄生耦合單元的一端連接地。
經過專利 DNA 圖譜識別的結果如下：
而incoPat今年較早推出的超級附圖功能，也是基於知識圖譜技術的應用之一。專利的原始文本描述的是技術方案，是非結構化的，形式如下：
專利DNA圖譜技術有語意檢索的便利，但比語意檢索更優越的是，它也能應用於新穎性評價，以目標專利的DNA圖譜為線索在專利文獻中搜尋所對應的DNA片段，就能準確評價技術方案的新穎性、專利的權利穩定性或產品技術的侵權風險，具體步驟包括：
- 從目標文本提取多個目標本體，得到目標本體集合；
- 從候選文本集合的每篇候選文本提取候選本體集合，其中，文本包括專利的標題、摘要、權利要求、說明書；
- 確定目標本體集合與候選本體集合的本體交集；
- 本體交集與目標本體集合的差異參數，決定目標文本與候選文本的新穎度（在侵權檢索中為技術特徵覆蓋度）。
人類智慧與AI人工智慧協同工作
機器擅長海量資料的抽取和結構化、利用大資料做概念的擴展，以及大規模數據的精確對比和計算，而人類則擅長準確定義和表達問題、對電腦的反饋進行調整糾偏，以及綜合判斷，得出結論。機器與人類各擅勝場，為了達到可靠的結果，在專利檢索領域運用人工智慧，需要人的判斷參與其中。
incoPat的AI檢索過程分為三步，旨在最大程度發揮人類和機器的優勢：
- 第一步，用戶定義檢索條件；
- 第二步，人工智慧抽取和解析用戶輸入的內容，形成專利DNA圖譜，再由用戶對人工智慧生成的專利DNA進行糾偏和確認；
- 第三步，人工智慧進行專利DNA的對比，向用戶反饋結果，用戶參考結果對關鍵字的匹配進行糾偏，如此反復不斷優化檢索結果，直到用戶得出結論。
想要進一步瞭解incoPat最新專利DNA圖譜技術的朋友，歡迎洽詢新聚能科技。