李宇文 冷凝

摘 要：本文重點(diǎn)分析了如何利用“arXiv數(shù)據(jù)庫(kù)”進(jìn)行有效檢索。同時(shí)，通過(guò)具體實(shí)際案例發(fā)現(xiàn)，在非專(zhuān)利檢索中，若在google學(xué)術(shù)中檢索到時(shí)間不可用的對(duì)比文件，可繼續(xù)在“arXiv數(shù)據(jù)庫(kù)”中做進(jìn)一步的時(shí)間確定，可能會(huì)檢索到時(shí)間可用的版本。

關(guān)鍵詞：arXiv數(shù)據(jù)庫(kù);檢索

一、引言

檢索是發(fā)明專(zhuān)利申請(qǐng)實(shí)質(zhì)審查程序中的一個(gè)關(guān)鍵步驟，其目的在于找出與申請(qǐng)的主題密切相關(guān)或者相關(guān)的現(xiàn)有技術(shù)中的對(duì)比文件，或者找出抵觸申請(qǐng)文件和防止重復(fù)授權(quán)的文件，以確定申請(qǐng)的主題是否具備專(zhuān)利法規(guī)定的新穎性和創(chuàng)造性[1]。可見(jiàn)，檢索的質(zhì)量和效率直接影響著審查的質(zhì)量和效率。那么，如何選取數(shù)據(jù)庫(kù)，并從海量的文獻(xiàn)中快速檢索到時(shí)間可用、內(nèi)容有效的對(duì)比文件，提高檢索效率，已經(jīng)成為檢索工作中亟需解決的問(wèn)題。

二、利用arXiv數(shù)據(jù)庫(kù)檢索

arXiv是一個(gè)收錄科學(xué)文獻(xiàn)預(yù)印本的在線數(shù)據(jù)庫(kù)系統(tǒng)，其網(wǎng)址為arxiv.org[2]。下面結(jié)合實(shí)際案例來(lái)提供針對(duì)arXiv數(shù)據(jù)庫(kù)檢索相關(guān)技巧和策略。

案例一：

（1）案情介紹

1. 一種圖像檢測(cè)方法，包括：

輸入步驟：將第一圖像輸入經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò);

檢測(cè)步驟：基于所述神經(jīng)網(wǎng)絡(luò)對(duì)所述第一圖像中感興趣區(qū)域進(jìn)行檢測(cè)，得到圍繞所述感興趣區(qū)域的多邊形，檢測(cè)所述多邊形的各個(gè)邊所在的直線;

輸出步驟：輸出描述所述各個(gè)邊所在的直線的參數(shù)。

2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型采用以下步驟獲得：

訓(xùn)練數(shù)據(jù)集獲取步驟：對(duì)多個(gè)第二圖像的感興趣區(qū)域進(jìn)行標(biāo)識(shí)，得到訓(xùn)練數(shù)據(jù)集;

SSD網(wǎng)絡(luò)訓(xùn)練步驟：利用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練SSD網(wǎng)絡(luò);

神經(jīng)網(wǎng)絡(luò)訓(xùn)練步驟：利用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，其中，所述神經(jīng)網(wǎng)絡(luò)通過(guò)如下方式獲得：將訓(xùn)練后的所述SSD網(wǎng)絡(luò)的檢測(cè)（Detection）層的輸入作為L(zhǎng)STM網(wǎng)絡(luò)的輸入，從而將所述SSD網(wǎng)絡(luò)與所述LSTM網(wǎng)絡(luò)組合形成所述神經(jīng)網(wǎng)絡(luò)。

（2）檢索技巧和策略

a）常規(guī)檢索及檢索難點(diǎn)

本申請(qǐng)的發(fā)明構(gòu)思主要體現(xiàn)在兩個(gè)方面，（1）采用線性標(biāo)識(shí)方式對(duì)圖像中的感興趣區(qū)域進(jìn)行標(biāo)識(shí);（2）采用SSD-LSTM卷積神經(jīng)網(wǎng)絡(luò)，對(duì)視頻圖像的感興趣區(qū)域進(jìn)行檢測(cè)識(shí)別。

通過(guò)常規(guī)的檢索方式發(fā)現(xiàn)，將SSD和LSTM結(jié)合的神經(jīng)網(wǎng)絡(luò)算法均出現(xiàn)在2018-2019年，可見(jiàn)SSD+LSTM結(jié)合的卷積神經(jīng)網(wǎng)絡(luò)算法屬于新的技術(shù)手段。

b）亮點(diǎn)檢索

選擇在google學(xué)術(shù)中對(duì)“SSD+LSTM結(jié)合的卷積神經(jīng)網(wǎng)絡(luò)算法”進(jìn)行檢索，如圖1所示。

經(jīng)檢索發(fā)現(xiàn)，文獻(xiàn)1《TSSD： temporal single-shot detector based on attention and LSTM for robotic intelligent perception》中所引用的文獻(xiàn)正是其下面這篇文獻(xiàn)2《Mobile video object detection with temporally-aware feature maps》，該文獻(xiàn)2提出了一種將SSD+LSTM結(jié)合的混合循環(huán)卷積結(jié)構(gòu)，其相對(duì)于傳統(tǒng)的LSTM減少了計(jì)算量。但是，從google學(xué)術(shù)中給出的鏈接點(diǎn)進(jìn)去，可以看出該文獻(xiàn)2發(fā)表在CVPR2018上，其時(shí)間不可用，如圖2所示。

于是，繼續(xù)在google學(xué)術(shù)中檢索，發(fā)現(xiàn)文獻(xiàn)3《An Improved objective detection of road scenes based on SSD model》中同樣提到了“SSD+LSTM結(jié)合的混合循環(huán)卷積結(jié)構(gòu)”，其引用的文獻(xiàn)正是文獻(xiàn)2，但是在給出的參考文獻(xiàn)中，卻記載的時(shí)間是2017年。如圖3所示。

該文獻(xiàn)2的時(shí)間究竟是2017還是2018年，若能證明該文獻(xiàn)2在2017年就已經(jīng)公開(kāi)，那么，文獻(xiàn)2即可與D1結(jié)合評(píng)述本申請(qǐng)的創(chuàng)造性。于是，需要對(duì)文獻(xiàn)2的公開(kāi)時(shí)間做進(jìn)一步確認(rèn)。

通過(guò)瀏覽文獻(xiàn)2公開(kāi)網(wǎng)址，發(fā)現(xiàn)下面給出了“ ”，即相關(guān)材料，通常我們只關(guān)注PDF，而其給出的文獻(xiàn)是最新更新的文獻(xiàn)，其時(shí)間為最新的時(shí)間。往往忽略了“arXiv數(shù)據(jù)庫(kù)”，點(diǎn)進(jìn)“arXiv數(shù)據(jù)庫(kù)”，可以看到文獻(xiàn)2有兩個(gè)版本，即2017年11月17日提交的版本v1和2018年3月28日提交的最終版v2。

同時(shí)，該網(wǎng)頁(yè)給出了版本v1和v2的下載版本。由此，我們可以采用2017年11月17日公開(kāi)的版本v1，作為本申請(qǐng)的D2，同時(shí)，將D1與D2結(jié)合，評(píng)述本申請(qǐng)權(quán)利要求2的創(chuàng)造性。

三、結(jié)束語(yǔ)

基于該案例，我們發(fā)現(xiàn)同一篇文章，若收錄在“arXiv數(shù)據(jù)庫(kù)”中，則時(shí)間相較于Google學(xué)術(shù)更早。因此，若在google學(xué)術(shù)中檢索到時(shí)間不可用的對(duì)比文件，可繼續(xù)在“arXiv數(shù)據(jù)庫(kù)”中做進(jìn)一步的時(shí)間確定，可能會(huì)檢索到時(shí)間可用的版本。

參考文獻(xiàn)：

[1]中華人民共和國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局.專(zhuān)利審查指南[M].北京：知識(shí)產(chǎn)權(quán)出版社，2010.

[2]丁曉萍. 世界知名預(yù)印本數(shù)據(jù)庫(kù)arXiv[J]. 商丘師范學(xué)院學(xué)報(bào)，2019，（5）：104-106.

（國(guó)家知識(shí)產(chǎn)權(quán)局專(zhuān)利局專(zhuān)利審查協(xié)作湖北中心? 湖北省武漢市? 430000）