CC BY
30
УДК 004.421, 004.424.23
DOI 10.21685/2072-3059-2016-4-4
В. М. Зарипова, И. Ю. Петрова, А. А. Пучкова
МЕТОДИКА АВТОМАТИЧЕСКОГО ВЫЯВЛЕНИЯ ОБОБЩЕННОГО ПРИЕМА, ИСПОЛЬЗОВАННОГО В ТЕХНИЧЕСКОМ РЕШЕНИИ1
Аннотация.
Актуальность и цели. Объектом исследования являются технические решения, представленные в виде патентов. Предметом исследования являются обобщенные приемы совершенствования эксплуатационных характеристик таких решений. Цель работы - разработка методики автоматического выявления обобщенных приемов.
Материалы и методы. В процессе исследования были применены методы системного анализа, теории баз данных, энерго-информационный метод.
Результаты. Разработана комплексная методика автоматического выявления обобщенного приема. Она имеет два варианта применения: быстрый и полный, в каждом из которых применяются различные метрики и меры близости. Разработанная методика реализована в подсистеме Patent Search программного комплекса «Интеллект».
Выводы. Результаты опытной эксплуатации модуля выявления обобщенных приемов подсистемы Patent Search позволили сделать вывод об эффективности разработанной методики и целесообразности проведения дальнейших исследований.
Ключевые слова: патент, обобщенный прием совершенствования эксплуатационных характеристик, кластерный анализ, энерго-информационный метод.
V. M. Zaripova, I. Yu. Petrova, A. A. Puchkova
A TECHNIQUE OF AUTOMATIC DETERMINATION OF GENERALIZED METHODS USED IN A TECHNICAL SOLUTION
Abstract.
Background. The object of the study is technical solutions provided in the form of patents. The subject of the study is generalized methods of performance improvement of these solutions. The purpose of the study is to develop a technique of automatic determination of generalized methods.
Materials and methods. The study was carried out using methods of system analysis and energy-information, as well as the database theory.
Results. The authors have developed the comprehensive technique of automatic generalized methods determination. It has two versions of application: the fast and the complete, each of which use different metrics and proximity measures. The developed technique is implemented in the "Patent Search" subsystem of the "Intellect" system.
1 Исследование было выполнено частично при поддержке РФФИ (грант №116-37-00258\16).
Conclusions. The results of the trial opération of the generalized methods détermination module in the "Patent Search" subsystem have led to a conclusion about the effectiveness of the developed technique and the feasibility of further research.
Key words: patent, generalized method of operational characteristics improvement, cluster analysis, energy-information method.
Введение
При создании новых технических решений крайне важно своевременное определение наиболее перспективных направлений исследований. В частности, это возможно при помощи выявления приемов совершенствования эксплуатационных характеристик, использованных в аналогах создаваемого устройства, и дальнейшего их объединения в обобщенные приемы. Прием представляет собой набор изменений в конструкции, составе или технологии изготовления технического устройства, которые позволяют достичь положительного эффекта по сравнению с прототипом. Выявление обобщенного приема и его использование по отношению к другому прототипу зачастую приводит к созданию более совершенного технического решения. Однако огромное число существующих на сегодня технических решений практически исключает возможность выявления приемов вручную. Следовательно, целесообразна разработка технологии для поддержки данного процесса. Предлагается проведение кластеризации найденных в сети Интернет научно-технических документов с последующим аннотированием результирующих кластеров. Каждый кластер при этом будет соответствовать одному обобщенному приему, а его аннотация - содержать текстовое описание этого приема.
Помимо этого, для выявления степени исследования определенной подобласти знаний и наиболее перспективного с точки зрения создания патентоспособных технических решений направления необходимо создание методики формирования прогнозов и выявления трендов, что позволит определить текущее состояние каждого научно-технического направления (активно развивается, степень активности падает и т.д.).
Группа исследователей во главе с Г. С. Осиповым разработала систему Exactus Expert [1], в которой пользователь может производить поиск документов по текстовому запросу, поиск документов наиболее близких к указанному, а также формировать тренды. Среди документов в базе системы находятся статьи, авторефераты диссертаций, материалы конференций и патенты. Однако эта разработка с точки зрения решаемых задач обладает несколькими недостатками:
1. Она является универсальной и позволяет осуществлять поиск по различным отраслям знания: технические, медицинские, гуманитарные и другие науки. Вследствие этого она не имеет функций, специфических для области создания новых технических решений: не позволяет определить прием, выявить цели исследования и т.д.
2. Поиск аналогов в системе предполагает наличие исходного текста патента-прототипа или сформированного текстового поискового запроса, что невозможно создать в сжатые сроки одновременно для нескольких десятков синтезированных технических решений с целью выявления наиболее патентоспособного варианта.
3. Формирование трендов и анализ научных направлений функционирует только по ключевым словам, которые могут быть выбраны из существующего в системе списка, но не все, которые могут интересовать пользователя. Система на основании введенных ключевых слов производит классификацию имеющихся в базе документов. Иными словами, система не позволяет определить существующие направления исследований в данной предметной подобласти, пользователь должен самостоятельно определить наиболее близкие к описанию каждого направления ключевые слова из присутствующих в списке.
Задача выявления патентных трендов во многом схожа с задачей выявления обобщенного приема. Ее решением занимались многие исследователи. Так, П. Бронвин [2] предлагал использование графа цитирования патентов, но этот метод имеет низкую точность, поскольку факт цитирования не позволяет судить о степени близости двух патентов.
К. Фритч и П. Нойхойслер [3] производили классификацию патентов по различным признакам: классы МПК, страна-правообладатель, фирма-правообладатель и т.д., но такой подход не позволяет выделить тренды внутри одного класса или общий для двух классов тренд.
Б. Йуун [4] вместо графа цитирования использовал граф взаимосвязей с его последующей кластеризацией. Каждый патент имеет вектор ключевых слов, которые выбираются из текста патента после удаления стоп-слов с помощью метрики ТР-ГОР. Недостатком этого подхода является необходимость определения большого размера кластеров для достижения необходимой точности, что приводит к выявлению только наиболее общих трендов.
Следовательно, целесообразной является разработка новой методики выявления обобщенного приема совершенствования, а также методики выявления трендов. Предлагается проведение кластеризации документов с последующим аннотированием результирующих кластеров. Каждый кластер при этом будет соответствовать одному приему, а его аннотация - содержать текстовое описание этого приема. Процесс формирования трендов может быть проведен с применением кластерного анализа существующих патентов. В данном случае результатом кластеризации будет меньшее число более крупных кластеров (кластеры близких приемов могут быть объединены по принципу состояния). Каждый кластер при этом будет представлять собой отдельное направление исследований. Хронологическая классификация содержимого каждого кластера позволит определить текущее состояние этого направления.
Цель исследования - создание методики автоматического выявления обобщенного приема для технического решения, представленного в виде полного исходного текста патента и формирования прогнозов и трендов.
1. Материалы и методы
Существует множество различных методов кластеризации текстовых документов, каждый из которых обладает своими достоинствами, недостатками и, как следствие, различными областями применения. В ходе исследования был проведен анализ наиболее распространенных методов кластеризации с целью выбора оптимального для решения поставленной задачи выявления обобщенного приема.
1. Методы разбиения, или плоские методы (K-means, spherical K-means и т.д. [5]), производят разбиение элементов на N кластеров. К достоинствам можно отнести высокую скорость кластеризаци, а к недостаткам - необходимость априорного определения числа кластеров и чувствительность к элемен-там-«выбросам».
2. Иерархические методы (Single Link, Complete Link и др. [5]) производят построение дерева кластеров путем создания системы вложенных разбиений элементов. Достоинствами таких методов являются высокая точность и сама структура разбиения, а недостатками - необходимость задания предельного размера кластеров и высокая алгоритмическая сложность.
3. Семантические методы. Кластеры представляют собой узлы суф-фиксного дерева, образованного из суффиксных деревьев входных документов. Недостатком этого метода является высокая стоимость построения дерева при получении документов по сети [6]. Достоинствами же методов этой группы являются высокая скорость работы и отсутствие необходимости задания числа кластеров или порога срабатывания.
При проведении кластеризации крайне важным является выбор принципа определения расстояния между документами. Практически всегда документ представляется как точка в N-мерном векторном пространстве, для выявления степени близости двух точек используется некоторая метрика. Приведем наиболее распространенные из них [7]:
1. Расстояние Евклида:
Р( X) =
2. Расстояние Спирмена:
N
2 (Xi ~ Xi )2
N
Р(X x,) = 2(Xi ~ X'i) . i
3. Манхэттенское расстояние:
N
Р(X, x') = 21 Xi - x'i\. i
Основная сложность задачи состоит в выборе вектора признаков. Для каждой конкретной ситуации этот выбор должен быть особым. Так, например, при выборе наиболее интересных для определенного исследователя научных статей [8] были сформулированы признаки: авторы, ключевые слова, аннотация. Для выявления дубликатов web-страниц [9] был предложен механизм опорных слов.
Однако для решения поставленной задачи необходимо учитывать ряд ее особенностей. В частности, она должна быть реализована в подсистеме Patent Search программного комплекса «Интеллект», являющегося автоматизированной системой поддержки этапа концептуального проектирования научно-технического творчества. В основе этого комплекса лежит энергоинформационная модель цепей (ЭИМЦ) [10]. Патенты при этом хранятся
в базе данных подсистемы в виде паспортов и делятся на две категории -добавленные автоматически или с привлечением эксперта. Эксперт при добавлении патента в базу заполняет несколько полей его паспорта, одним из наиболее важных является перечень физико-технических эффектов (ФТЭ), использованных в этом патенте. При автоматическом добавлении патента подсистема самостоятельно на основании имеющихся данных определяет его релевантность всем занесенным в базу ФТЭ. Релевантность патента конкретному ФТЭ при определении приема также необходимо учитывать. Следовательно, необходимо создание собственного метода кластеризации, учитывающего вышеописанные особенности.
2. Результаты
В результате анализа достоинств и недостатков существующих механизмов кластеризации документов была разработана следующая комплексная методика выявления обобщенных приемов. Возможно два варианта ее применения: быстрый и полный. В каждом варианте в качестве настроек можно указать точность выполнения операций, повышение которой приведет к увеличению длительности операции, но, в то же время, в результате к одному кластеру будет отнесено меньшее число наиболее близких патентов. Быстрый вариант методики состоит из семи этапов (полный вариант отличается отсутствием этапа плоской кластеризации и иерархической кластеризацией всей выборки, а не только эталонной):
1. Выбор списка ФТЭ для выявления приемов. Для сокращения набора обрабатываемых документов производится отсечение заведомо относящихся к другим группам обобщенных приемов.
2. Формирование обучающей выборки. При выявлении обобщенных приемов невозможно заранее определить число кластеров, поэтому алгоритмы плоской кластеризации в данном случае неприменимы. Но методы других групп, способные самостоятельно определить число кластеров, обладают либо низкой точностью, либо высокой длительностью. Вследствие этих фактов было предложено объединить оба этих метода; на первом шаге кластеризации с помощью иерархического подхода будут определены число и начальные центры масс кластеров для второго шага, использующего плоский алгоритм.
3. Формирование вектора признаков. В качестве признаков предлагается использовать ключевые слова, взятые из заранее сформированного тезауруса. Вначале производится анализ исходного текста всех патентов из обучающей выборки и подсчет частоты встречаемости каждого из признаков. После этого производится усечение размерности пространства за счет исключения тривиальных и уникальных признаков (процент присутствия которых во всех патентах выборки близится к 0 или 100 с точностью до 0,01). При этом слова-синонимы учитываются как один признак в векторе. Помимо этого, добавляется еще один признак, значение которого определяется при каждом сравнении двух патентов: ссылается ли один из них на другой (его вес равен 0,1).
4. Кластеризация эталонной выборки. На этом этапе производится восходящая иерархическая кластеризация сформированной обучающей выборки. При этом в качестве меры близости между двумя кластерами предлагается взять признак расстояния между центрами масс, поскольку этот вариант является самым быстрым (в полном варианте вместо него взято невзвешенное
попарное расстояние, как наиболее точное). В качестве метрики выбрано расстояние Спирмена как наиболее чувствительное к выбросам. Признаком остановки процесса кластеризации будет предельное значение близости между кластерами по метрике Хэмминга (определяется исходя из параметра точности, по умолчанию равно 60 % от размерности пространства).
5. Кластеризация всех патентов. Из всех автоматически добавленных в базу данных патентов производится выборка наиболее релевантных ФТЭ, определенных на первом этапе (пороговое значение релевантности определяется как одна из настроек и по умолчанию равно 0,1). Затем с помощью алгоритма k-means производится кластеризация отобранных патентов. В качестве признака окончания предложено взять полное повторение разбиения или изменение состава кластеров не более чем на некоторое пороговое значение (также зависит от точности, по умолчанию принято как 5 %).
6. Удаление «выбросов». Поскольку существует вероятность использования в автоматически добавленных патентах обобщенного приема, отличного от использованных в обучающей выборке, алгоритм k-means может отнести такие патенты к неправильному кластеру, поскольку подходящий кластер будет отсутствовать. Поэтому необходимо проведение анализа сформированных кластеров на предмет элементов, принадлежащих к конкретному кластеру с малой долей вероятности. Такие патенты должны быть исключены из состава кластеров и помещены в специальный служебный кластер. Такие «выбросы» могут быть кластеризованы позднее с пополнением экспертом обучающей выборки.
7. Аннотирование кластеров. На заключительном этапе сформированные кластеры необходимо проаннотировать. Полученные аннотации будут являться основой для формулировки выявленного обобщенного приема. Для определения ключевых слов необходимо определить среднее расстояние между всеми парами патентов, входящих в кластер, по метрике Хэмминга. Близкие для всех патентов признаки будут указывать на ключевые для приема слова, из которых подсистемой может быть сформирована аннотация кластера. При необходимости эксперт может произвести более точную формулировку приема самостоятельно.
3. Обсуждение
Описанная методика реализована в подсистеме Patent Search системы «Интеллект». Это веб-приложение, разработанное в среде Visual Studio 2015 с применением технологий Entity Framework, ASP.NET, AJAX.
Ниже приведен пример выявления кластера калориметрических биосенсоров на основе пироэлектрического эффекта. Система «Интеллект» постоянно расширяется и в настоящее время создается новый модуль для синтеза биосенсоров [11]. Биосенсоры состоят из двух частей: биорецептор и тран-сдьюсер. Подсистеме Patent search были заданы условия поиска: использование пироэлектрического эффекта и наличие в тексте слова «биосенсор». Поиск проводился в документах на английском и русском языках. В результате было найдено 9 патентов: US20100028969 A1, RU 2266959, US 5108576, US4551425, US20110182776 A1, US20130052632 A1, US4829003 A, US 20050196322 A1, WO 1990013017 A1. После проведения кластеризации этих документов было выявлено три обобщенных приема:
1. Использование в конструкции биосенсоров материалов, характеризующихся низкой теплопроводностью и высокой теплоемкостью, что обеспечивает минимальные потери возникающего при реакции субстрата фермента теплового сигнала. В результате увеличивается чувствительность устройства.
2. Пиро-оптическое детектирование: облучение импульсами света определенной длины волны пленки пироэлектрика, покрытой пленочными электродами с нанесенным на поверхность иммобилизованным реагентом. Реагент способен связываться с анализируемым материалом при облучении с выделением дополнительного тепла, которое преобразуется пироэлектри-ком в электрический сигнал. В результате улучшается соотношение сигнал/шум биосенсора.
3. Использование в конструкции биосенсоров дифференциальной схемы включения двух тонкопленочных пироэлектрических детекторов, один из которых покрыт специальной эпоксидной пленкой, к которой белки могут быть присоединены с помощью фотохимических реагентов.
Заключение
В ходе исследований была разработана методика автоматического выявления обобщенного приема для технических решений, представленных в виде патентов. Данная методика была реализована в подсистеме Patent Search системы «Интеллект». По результатам опытной эксплуатации был сделан вывод о ее эффективности и проведении дальнейших исследований в данной области. В последующих работах предполагается разработка и реализация методики построения трендов. Также в дальнейшем планируется определение оптимальных пороговых значений для различных этапов кластеризации. Помимо этого, необходимо усовершенствование механизма аннотирования кластеров.
Список литературы
1. Osipov, G. Technologies for Semantic Analysis of Scientific Publications / G. Osi-pov, I. Smirnov, I. Tikhomirov, O. Vybornova // In Proc. of 2012 IEEE 6th Int. Conf. Intelligent Systems. - 2012. - Т. II. - С. 58-62.
2. Hall, B. Н. The NBER Patent Citation Data File: Lessons, Insights and Methodological Tools / Bronwyn H. Hall, Adam B. Jaffe, Manuel Trajtenberg // NBER Working Paper. - 2001. - № 849. - С. 60-77.
3. Neuhäusler, P. Patent Applications: Structures, Trends and Recent Developments 2014 / P. Neuhäusler, O. Rothengatter, R. Frietsch, A. Feidenheimer. - Berlin : Expertenkommission Forschung und Innovation (EFI), 2015.
4. Yoon, B. A text-mining-based patent network: Analytical tool for high-technology trend / B. Yoon, Y. Park // The Journal of High Technology Management Research. -2004. - Т. 15, № 1. - С. 37-50.
5. Jain, A. Clustering methods and algorithms / A. Jain, R. Dubs. - New Jersey : Prentice-Hall Inc., 1988.
6. Andrews, N. Recent developments in document clustering. / N. O. Andrews, E. A. Fox. - Blacksburg : Virginia Tech, 2007.
7. Комарова, А. С. Оценка релевантности электронных документов к онтологии в системе информационного менеджмента / А. С. Комарова // Труды СПИИРАН. -2006. - Т. 1, №. 3. - С. 288-299.
8. Барахнин, В. Б. О задании меры сходства для кластеризации текстовых документов / В. Б. Барахнин, В. А. Нехаева, А. М. Федотов // Вестник Новосибир-
ского государственного университета. Сер.: Информационные технологии. -2008. - Т. 6. - С. 3-9.
9. Ilyinsky, S. An efficient method to detect duplicates of Web documents with the use of inverted index / S. Ilyinsky, M. Kuzmin, A. Melkov, I. Segalovich // In Proc. 11th Int. Conf. on World Wide Web., 2002.
10. Zaripova, V. Knowledge-Based Support for Innovative Design on Basis of Energy-Information Method of Circuits / V. Zaripova, I. Petrova // Communications in Computer and Information Science. - 2014. - Vol. 466. - C. 521-532.
11. Петрова, И. Ю. Энергоинформационные модели биосенсоров. / И. Ю. Петрова, В. М. Зарипова, Ю. А. Лежнина, В. М. Сокольский, И. А. Митченко // Вестник Астраханского государственного технического университета. Сер.: Управление, вычислительная техника и информатика. - 2015. - № 3. - C. 35-48.
References
1. Osipov G., Smirnov I., Tikhomirov I., Vybornova O. In Proc. of 2012 IEEE 6th Int. Conf. Intelligent Systems. 2012, vol. II, pp. 58-62.
2. Hall B. N., Jaffe Adam B., Trajtenberg Manuel NBER Working Paper. 2001, no. 849, pp. 60-77.
3. Neuhäusler P., Rothengatter O., Frietsch R., Feidenheimer A. Patent Applications: Structures, Trends and Recent Developments 2014. Berlin: Expertenkommission Forschung und Innovation (EFI), 2015.
4. Yoon B., Park Y. The Journal of High Technology Management Research. 2004, vol. 15, no. 1, pp. 37-50.
5. Jain A., Dubs R. Clustering methods and algorithms. New Jersey: Prentice-Hall Inc., 1988.
6. Andrews N. O., Fox E. A. Recent developments in document clustering. Blacksburg: Virginia Tech, 2007.
7. Komarova A. S. Trudy SPIIRAN [Proceedings of SPII RAS]. 2006, vol. 1, no. 3, pp. 288-299.
8. Barakhnin V. B., Nekhaeva V. A., Fedotov A. M. Vestnik Novosibirskogo gosudar-stvennogo universiteta. Ser.: Informatsionnye tekhnologii [Bulletin of Novosibirsk State University: Series: Information technologies]. 2008, vol. 6, p. 39.
9. Ilyinsky S., Kuzmin M., Melkov A., Segalovich I. In Proc. 11th Int. Conf. on World Wide Web. 2002.
10. Zaripova V., Petrova I. Communications in Computer and Information Science. 2014, vol. 466, pp. 521-532.
11. Petrova I. Yu., Zaripova V. M., Lezhnina Yu. A., Sokol'skiy V. M., Mitchenko I. A.
Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo universiteta. Ser.: Uprav-lenie, vychislitel'naya tekhnika i informatika [Bulletin of Astrakhan State Technical University. Series: Control, computing technology and informatics]. 2015, no. 3, pp. 35-48.
Зарипова Виктория Мадияровна
кандидат технических наук, доцент, кафедра систем автоматизированного проектирования и моделирования, Астраханский государственный архитектурно-строительный университет (Россия, г. Астрахань, ул. Татищева, 18)
E-mail: vtempus2@gmail.com
Zaripova Viktoriya Madiyarovna Candidate of engineering sciences, associate professor, sub-department of computer aided design and modelling, Astrakhan State University of Architecture and Civil Engineering (18 Tatishcheva street, Astrakhan, Russia)
Петрова Ирина Юрьевна
доктор технических наук, профессор, заведующий кафедрой систем автоматизированного проектирования и моделирования, Астраханский государственный архитектурно-строительный университет (Россия, г. Астрахань, ул. Татищева, 18)
E-mail: irapet1949@gmail.com
Petrova Irina Yur'evna
Doctor of engineering sciences, professor,
head of sub-department of computer
aided design and modelling, Astrakhan
State University of Architecture
and Civil Engineering (18 Tatishcheva
street, Astrakhan, Russia)
Пучкова Анна Александровна аспирант, Астраханский государственный университет (Россия, г. Астрахань, ул. Татищева, 20а)
E-mail: aa.puchkova@gmail.com
Puchkova Anna Aleksandrovna Postgraduate student, Astrakhan State University (20a Tatishcheva street, Astrakhan, Russia)
УДК 004.421, 004.424.23 Зарипова, В. М.
Методика автоматического выявления обобщенного приема, использованного в техническом решении / В. М. Зарипова, И. Ю. Петрова, А. А. Пучкова // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2016. - № 4 (40). - С. 37-45. Б01 10.21685/2072-30592016-4-4
