李三

由于專利具有地域性，在專利檢索當(dāng)中一般都需要在各個國家、組織和地區(qū)進行檢索，以保證其數(shù)據(jù)覆蓋的全面性，但是由于同族專利等的存在，會導(dǎo)致檢索結(jié)果中出現(xiàn)重復(fù)數(shù)據(jù)，所以需要去重。去重須建立在每條數(shù)據(jù)記錄有其唯一標(biāo)識碼的基礎(chǔ)上，本文首先分析了數(shù)據(jù)重復(fù)的種類，然后提出一種生成標(biāo)識碼的方法，在此基礎(chǔ)上按需求進行去重。

專利檢索中的數(shù)據(jù)重復(fù)問題

在關(guān)于主題的專利檢索中，檢索人員一般需要在各大國家、組織和地區(qū)的檢索系統(tǒng)中進行檢索，然后對數(shù)據(jù)進行整合清洗，其工作最基本的就是去重。下文以某條專利數(shù)據(jù)為例，分別在中華人民共和國國家知識產(chǎn)權(quán)局（以下簡稱SIPO）、美國專利商標(biāo)局（以下簡稱USPTO）、歐洲專利局（以下簡稱EPO）進行檢索來具體說明這一問題：

在SIPO的數(shù)據(jù)庫中檢索

由于字段較多，只挑選部分來說明數(shù)據(jù)重復(fù)問題，SIPO數(shù)據(jù)樣例見表1。

從表1中可以看出：此專利是美國戴爾公司在中國申請的專利，而且在中國已經(jīng)取得專利權(quán)，其生效日期從優(yōu)先權(quán)日1997.08.29開始計算。

在USPTO的數(shù)據(jù)庫中檢索

由于專利的地域性，上文提到的專利CN1525325B在USPTO有相關(guān)申請，見表2。USPTO在2001前是先發(fā)明制的，公開的專利文獻即表示對其授予了專利權(quán)。

從表2中可以看出：此專利是美國戴爾公司在美國申請的專利，申請人、發(fā)明人都與CN1525325B上的信息是一樣的。需要說明的是USPTO的記錄中多了一個同族號25445431的信息。

在EPO的數(shù)據(jù)庫中檢索

EPO專利信息庫的數(shù)據(jù)收集得較為全面，不僅包含本組織公開的數(shù)據(jù)，而且還包括其他國家、組織和地區(qū)公開的數(shù)據(jù)，上文提到的CN1525325B數(shù)據(jù)記錄在EPO數(shù)據(jù)庫的表現(xiàn)形式見表3。

數(shù)據(jù)重復(fù)種類

在分析上文提到的數(shù)據(jù)后得知，專利數(shù)據(jù)的重復(fù)一般分為三種情況：

第一種情況：申請?zhí)枴⑸暾埲?、文獻號、公開日相同

此種情況一般是不同語言之間的翻譯，需按語言去重。如上文中的SIPO-數(shù)據(jù)1與EPO-數(shù)據(jù)1。

第二種情況：申請?zhí)枴⑸暾埲障嗤?/p>

此種情況一般是專利申請的不同階段，如CN1525325A屬于發(fā)明專利申請公開階段、CN1525325B專利授權(quán)階段，需按國家去重。如上文中的SIPO-數(shù)據(jù)1與SIPO-數(shù)據(jù)2。

第三種情況：技術(shù)內(nèi)容相同

此種情況一般是申請人就同一技術(shù)主題在不同國家、地區(qū)提交專利申請產(chǎn)生的，也就是通常所說的簡單同族，需按同族去重。如上文中的EPO-數(shù)據(jù)1與USPTO-數(shù)據(jù)1。

實際操作中分析專利分布情況的時候一般要求按照第二種情況進行去重，分析技術(shù)要點的時候一般要求按照第三種情況去重。第一種隋況主要應(yīng)用在多語言系統(tǒng)。

文獻標(biāo)識規(guī)則及去重方案

根據(jù)WIPO標(biāo)準(zhǔn)ST.1——關(guān)于唯一化標(biāo)識專利文獻所需最低限度數(shù)據(jù)元素的建議中提到的內(nèi)容，只需要文獻號、公開日信息就可以唯一確定一篇文獻。但是如果需要按國家去重就必須加入申請?zhí)?、申請日信息?/p>

針對上文提到的數(shù)據(jù)重復(fù)種類提出以下模型，根據(jù)專利數(shù)據(jù)的基本信息，如申請?zhí)?、申請日、文獻號、公開日、公布語言等來生成標(biāo)識碼，在此基礎(chǔ)上進行去重。

以表1中的SIPO-數(shù)據(jù)1為例，對標(biāo)識碼的結(jié)構(gòu)進行說明見表5。

按表5的標(biāo)識結(jié)構(gòu)規(guī)則對上文提到的數(shù)據(jù)生成標(biāo)識碼見表6。

按語言去重

通過分析數(shù)據(jù)，我們得知，EPO-數(shù)據(jù)1、EPO-數(shù)據(jù)2其實只是SIPO-數(shù)據(jù)1、SIPO-數(shù)據(jù)2的翻譯，所以SIPO-數(shù)據(jù)1與EPO-數(shù)據(jù)1的標(biāo)識碼只有46-47位的語言種類不同、根據(jù)標(biāo)識碼的唯一性原則，如果需要中文數(shù)據(jù)則留SIPO-數(shù)據(jù)1，需要英文數(shù)據(jù)則留EPO-數(shù)據(jù)1。

對于USPTO-數(shù)據(jù)1與EPO-數(shù)據(jù)3，其標(biāo)識碼完全相同，根據(jù)標(biāo)識碼的唯一性原則，只保留其中一條。按國家去重

SIPO-數(shù)據(jù)1與SIPO數(shù)據(jù)2分別是專利申請的公開信息與授權(quán)信息，其標(biāo)識碼只有18-42的文獻號、公開日信息不同，如果按國家去重只能保留其中一條，或選公開文獻或選授權(quán)文獻。

按同族去重

表6中所有的數(shù)據(jù)如果按同族去重的話只能保留一條，其標(biāo)識碼的48-60位都是相同的，如果我們需要中國數(shù)據(jù)則保留SIPO-數(shù)據(jù)1或SIPO-數(shù)據(jù)2，如果需要最早公開的話則保留USPTO-數(shù)據(jù)1或者EPO-數(shù)據(jù)3，用戶可以自己制定相關(guān)規(guī)則來確認保留哪條記錄。

結(jié)語

本文提到的去重方法其核心是生成唯一標(biāo)識碼。此標(biāo)識碼的生成必須建立在對各個國家、組織和地區(qū)不同時期的申請?zhí)枴⑽墨I號編碼規(guī)則清楚了解的基礎(chǔ)上，因此，此種方法的具體實施步驟需要長期的分析整理。

此方法可以應(yīng)用在專利的數(shù)據(jù)收集、數(shù)據(jù)交換、數(shù)據(jù)補充等方面，提高數(shù)據(jù)質(zhì)量，從而為向用戶提供高質(zhì)量的專利信息檢索報告提供堅實的數(shù)據(jù)基礎(chǔ)。