Информационно-поисковая система по объектам интеллектуальной собственности Российского агентства по патентам и товарным знакам

Беляев В.О.
Федеральный институт промышленной собственности

Немного определений

Информационно-поисковая система (ИПС): в контексте данной статьи - "документальная" (основанная на поиске документов) доступная через интернет ИПС, в основу построения индексов которой положено использование "инвертированных списков" и пр., в то же время, как хранение непосредственно документов может осуществляться в различных средах (файловая система, EDMS (Electronic Document Management System), RDBMS (Relational Data Base Management System) и т.д.).

К объектам интеллектуальной собственности (ИС) относятся как изобретения, полезные модели, промышленные образцы, товарные знаки и знаки обслуживания, наименования мест происхождения товаров, базы данных (БД), программы для ЭВМ, топологии интегральных микросхем (ТИМС), так и традиционные объекты авторского права.

Цели

В конце 90-х годов прошлого века Российское агентство по патентам и товарным знакам (Роспатент) приступило к разработке ИПС и БД по объектам ИС с возможностью доступа через интернет. Существовавшие в то время онлайновые БД ВИНИТИ и ВНИИПИ (сейчас отделение Роспатента) по ряду технических причин могли иметь только ограниченный круг пользователей, а про зарубежные БД (например, фирмы Derwent) из-за их цены средний российский пользователь не мог и думать.
Единственными общепринятыми средством информирования пользователей об объектах ИС были реферативные журналы (РЖ) ВИНИТИ или бумажные издания ВНИИПИ. Нормируемая процедура разрезания РЖ на карточки и ведение картотек по определенным тематикам или индексам различных классификаторов сейчас кажется анахронизмом, хотя данная "продукция" продолжает иногда быть востребованной и пугать молодых, только что начавших рабочую деятельность, людей своим видом и пыльным запахом.

Соответственно, время доставки информации до потребителя (особенно с учетом нашей почтовой и издательской систем) было очень велико. К этому можно добавить отсутствие развитых поисковых возможностей и значительные физические объемы системы на бумажных носителях.
Появившиеся БД на лазерных дисках позволили решить последние две проблемы, но не решали первой и основной - оперативность доставки информации потребителям. Единственным способом решения проблемы было использование сети интернет.

1. Программное обеспечение

Проблема выбора программного обеспечения (ПО) для ИПС до сих пор является очень важной. Многие организации используют ПО без каких-либо серьезных аналитических исследований его функциональности и производительности. Зачастую практикуется (и это, как ни прискорбно, больше относится к бюджетным научным организациям) разработка БД с использованием офисных приложений фирмы Microsoft или даже (что удивительно) штатных приложений OS MS Windows группы Accessories.

Еще один распространенный вариант - собственные программные разработки. Не умаляя способности наших программистов, можно с уверенностью сказать, что разработка собственного российского программного продукта - дело довольно сложное. Разработать у нас могут что угодно, но сделать из этого коммерческий продукт (что далеко не одно и то же), как правило, не в состоянии. Реально сегодня есть очень мало отечественных коммерческих (и что очень важно - поддерживаемых) программных продуктов. Наиболее известный положительный пример - продукты фирмы ABBY.

ПО для ИПС повезло немного больше (причина кроется в быстром развитии Интернет). Подразумеваются всем известные российские "спайдеры", построенные по тем же принципам, что и документальные ИПС, но зачастую не имеющие необходимой функциональности. Данные системы ориентированы на начинающих пользователей (общее число которых можно оценить в 90 процентов пользователей Интернет). Документы обрабатываются целиком, информация в них не разделяется на специальные поля, поисковые возможности ограничены.

Необходимо оговориться, что и здесь наметились тенденции к улучшению положения - например, активное внедрение в интернете стандартов платформы XML. В то же время нельзя сказать, что данный софт не обладает дополнительными возможностями. Используя различные SDK (Software Developer Kit), можно "дописать" все что угодно.

Одним из наиболее известных и близких по цели продуктов является ИПС фирмы Интегрум-техно - "Артефакт".

Рынок же подобных импортных систем широк и разнообразен. Причем продукция четко масштабируется по применению, может быть легко настроена на использование различных языков (включая китайский, японский и т.д.) и, - что очень важно - как правило, обеспечивает поиск на нескольких языках (multilingual search).

Для адаптации данного ПО к российским условиям необходимо подготовить соответствующие модули семантики и морфологии, что успешно делают сейчас ряд российских фирм (например, "Одеон"). Т.е., имея возможность встраивать семантический и морфологический модули в ИПС и некоторый выбор подобных модулей от российских фирм, можно с успехом использовать разработки зарубежных поставщиков.
На остальных частях локализации останавливаться не имеет смысла. Русская документация, русский интерфейс и некоторые дополнительные элементы, связанные с русским языком, скорее мешают (по моему мнению), чем помогают при разработке системы. Конечный же пользовательский интерфейс все равно (как правило) разрабатывается самостоятельно.

Сегодня на российском рынке присутствует ряд зарубежных систем: Convera Retrieval Ware, Fulcrum, Verity, а так же довольно большой набор модулей для полнотекстового поиска и индексирования к известным СУБД (Oracle, IBM DB2, Informix, SyBase, MS SQL).

В 1998 году Роспатент остановил свой выбор на ИПС Excalibur (позднее Convera) Retrieval Ware, на основе которой и производятся все разработки. Приведем некоторые (важные на наш взгляд) характеристики данной ИПС:

• встроенная морфология и семантика от фирмы "Одеон"
• возможность индексирования различных видов документов (в том числе SGML (Standard generalized markup language))
• возможности поиска:
  • логический (с использованием стандартного набора булевых операторов)
  • семантический (с использованием тезаурусов)
  • нечеткий (поиск по битовому образу документа)
• масштабируемость
• возможность интеграции с различными внешними системами (RDBMS, EDMS, OCR (Optical Character recognition ) и т.д.)
• возможность поиска по графике (дополнительный модуль)

Система не лишена недостатков. В частности, развитый графический (в т.ч. веб-) интерфейс администратора, обещаемый фирмой-разработчиком уже несколько лет к версии 7.*, так и не появился. Некоторые пункты и особенности существующего веб-интерфейса администратора удивляют своими неудобством и нелогичностью. С другой стороны, при сбоях как аппаратного, так и программного обеспечения, а также при атаках хакеров (преследующих нас последнее время постоянно) ИПС продолжает функционировать.

2. Базы данных

К 2003 году в Роспатенте (http://www.fips.ru) подготовлены следующие БД:

Изобретения

RUPAT - полнотекстовые БД Российских патентов на изобретения (1994-2003)

RUABRU - реферативная БД Российских заявок и патентов на изобретения на русском языке (1994-2003)

RUABEN - реферативная БД Российских патентов на изобретения на английском языке (1994-2003)

IMPIN - полнотекстовая БД "Перспективные изобретения"

МПК- IPC6 & IPC7 - БД Международная патентная классификация (6-я и 7-я редакции)

Полезные модели

RUABU1 - реферативная БД Российских полезных моделей (1996-2003)

Товарные знаки

RUTM - БД Российских товарных знаков (1991-2003)

W_RUTM - БД международных товарных знаков с указанием России на французском (частично английском) языках (1980-2003)

RUGP - БД наименований мест происхождения товаров по 2003

NICE - БД Международная классификация товаров и услуг (МКТУ 7.3 и 8)

Промышленные образцы

RUDESIGN - БД промышленных образцов (1993-2003)

LOCARNO - БД Международная классификация промышленных образцов (МКПО 7)

Дополнительно - БД патентных поверенных (около 1000 документов). Реализована при помощи поискового механизма фирмы "Алеста" на основе технологий фирмы Microsoft.

Общее количество документов в БД превысило 1 миллион, графических файлов к документам - десятки миллионов.

Основной формат хранения текстовой информации - SGML, графической (рисунки, фотографии) - TIFF Gr.4, GIF, JPEG. "Малая графика" - специальные символы, химические и математические формулы храняться в GIF формате.

Доступ к полнотекстовой БД по изобретениям, БД товарных знаков, БД полезных моделей и БД промышленных образцов - на основе договоров. Доступ к реферативным БД по изобретениям - бесплатно (возобновится с марта 2003 года).

3. Использование специальных объектов

Большое количество документов БД содержат химические, математические формулы и описания объектов генной инженерии. Как было отмечено ранее, данные объекты хранятся сейчас в ИПС в формате GIF (т.е. в растровом виде). Это вызывает некоторые проблемы при воспроизведении (невозможность нормального масштабирования, качественной печати и т.д.), хранении (большие объемы) и поиске информации.

Идеально было бы осуществлять хранение данной информации в кодированном (XML-подобном) виде.

• Химические формулы - CML (Chemical markup language)
• Математические формулы - MML (Mathematical markup language)
• Объекты биологии и генной инженерии - BML (Biological markup language)

Но переработка существующих массивов - дело долгое и довольно дорогостоящее. Ко всему прочему, приходится ориентироваться (читай - ждать) на международные стандарты, а не только рекомендаций W3C (Word Wide Web consortium - www.w3c.org ) и отраслевых организаций (www.xml.org), занимающихся деятельностью по выработке отраслевых XML решений.

4. Лингвистическое обеспечение

Данные возможности делают ИПС наиболее полезной при проведении тематического поиска. К ним относятся (приведем основные):

• морфология (нормализация словоформ при индексировании и поиске информации) на основе словаря и правил
• семантика (использование тезаурусов при проведении запросов, расширение слов запроса словами и словосочетаниями, связанными с исходным каким-либо типом парадигматических отношений)
• стоп-словари (удаление не значащих слов при индексировании и поиске)
• словари идиом (устойчивых словосочитаний)
• правила транслитераций
• встраиваемые системы автоматического перевода.

С сожалением, можно отметить, что мы не смогли выявить в стране качественные русскоязычные отраслевые тезаурусы, пригодные для использования в семантических модулях ИПС. Существующий в ИПС Роспатента общий тезаурус при поиске научно-технических текстов практически бесполезен.

5. Ссылочный аппарат

Большинство современных ИПС содержат документы, снабженные развитым аппаратом гиперссылок. Преследуется цель - получить все, что необходимо сразу при получении релевантного документа в ответ на запрос к поисковой системе.

Можно ссылаться на:

• цитируемые документы
• документы, где цитируется данный документ
• фрагмент текста классификатора (например, МПК)
• родственные документы (например, патенты-аналоги)
• иные документы, участвующие в цикле делопроизводства (например, заявки на изобретения, полезную модель и т.д.).

Часть ссылок может являться продолжением поискового аппарата ИПС. Например:

• Поиск по упомянутой в данном документе рубрике классификатора (например МПК), т.е. находятся все документы, проиндексированные данной рубрикой
• Поиск по фирмам
• Поиск по географическим названиям
• Поиск по персоналиям (имена собственные)
• Поиск по различным специальным объектам, описываемым в документе (как-то - химические, математические формулы, объекты генной инженерии и т.д.)

При развитии отраслевого и объектного XML данный список можно продолжать до бесконечности.

Здесь уже можно говорить в полной мере о "сетевом документе".

Часть ссылок может иметь дополнительную функциональность, не связанную с поиском. Например, заказ копий первоисточников, перевод на иной язык, процедура приобретения лицензии и т.д.

6. Анализ использования системы

Три года эксплуатации ИПС позволили собрать богатый статистический материал. Можно выделить несколько направлений.

Категории пользователей

Пользователей системы можно разделить на внешних и внутренних. В свою очередь, внешние пользователи делятся на бесплатных и платных. Бесплатные пользователи имеют доступ к бесплатным реферативным базам данных по личному (полученному при регистрации) или общему гостевому паролю. Платные пользователи на основе договоров получают доступ к платным базам данных по изобретениям и/или товарным знакам и/или промышленным образцам.

За время работы системы было зарегистировано около 25 тыс. пользователей из 590 городов России и почти из 570 городов 80 стран ближнего и дальнего зарубежья.

Из них :

• Платных, на основе договоров - 1714,
• Внутренних институтских - 528,
• Бесплатных - 22408.

Распределение проведенных запросов между категориями пользователей приведено в таблице 1 .

Таблица 1

* - с конца третьего квартала 2002 г. для ранее не зарегистрированных бесплатных пользователей был закрыт доступ для работы в системе.

Категории запросов

Запросы к системе можно распределить по типу запрашиваемой информации на несколько категорий:

• запросы по одному или нескольким специальным (библиографическим) полям,
• запросы по тексту документа;
• запросы по тексту и специальным полям.

Для разных категорий пользователей и пользователей разных баз данных (изобретения, товарные знаки, промышленные образцы) характерно свое, достаточно стабильное, распределение запросов по типу запрашиваемой информации.

Усредненно распределение запросов по категориям выглядит так:

• запросы по специальным (библиографическим) полям - 48%;
• запросы по тексту документа - 40%;
• запросы по тексту и специальным полям 12%.

Соотношение количества запросов и количества просмотренных документов

Пользователи ИПС:

• просматривают примерно 3% от количества найденных по запросам документов;
• в 25-28% случаях получают сообщение об отсутствии релевантных запросу найденных документов;
• в 30% случаев при наличии списка найденных документов не просматривают ни одного из них;

При этом:

• Среднее отношение количества просмотренных документов к числу проведенных запросов равно 2.
• Максимальное число документов, просмотренных по одному запросу - 885.
• Среднее число просматренных за один раз документов - 3.

Использование различных типов поисков

Тип поиска в каждом случае может выбираться пользователем, но при поиске в базах данных товарных знаков чаще используется нечеткий поиск, а при поиске в других базах - логический. Такой выбор определяется особенностями законодательства по отдельным объектам ИС.

Усредненно распределение запросов по типам поиска выглядит так:

• логический (с использованием стандартного набора булевых операторов) - 84%
• семантический (с использованием тезаурусов) - 5%
• нечеткий (поиск по битовому образу документа) - 11%.

Использование различных БД

Интерфейс ИПС позволяет проводить поиск в отдельно выбранных базах или в их различных сочетаниях . Ниже (таблица 2) приведены данные о том, сколько раз за рассматриваемый период пользователи обращались к различным базам данных.

Таблица 2

Количество сессий и количество запросов

Распределение количества проведенных сессий и сделанных запросов по категориям пользователей приведено в таблице 3.

Таблица 3

7. Перспективы

Можно выделить несколько направлений в развитии ИПС Роспатента.

1. Создание новых БД по объектам интеллектуальной собственности:

a. Группа бесплатных БД "Реестры" (Изобретения, полезные модели, промышленные образцы, товарные знаки)

b. Группа бесплатных БД "Последний бюллетень" (Изобретения, полезные модели, промышленные образцы, товарные знаки)

c. БД по Российским изобретениям до 1994 года (факсимильные копии и библиография)

2. Совершенствование пользовательского веб-интерфейса ИПС

3. Совершенствование сервисных возможностей ИПС (в том числе, электронная коммерция)

4. Совершенствование ссылочного аппарата ИПС

5. Реализация возможности поиска по графическим объектам (в том числе по изображениям товарных знаков)

6. Внедрение XML технологий (в том числе, по специальным объектам)

7. Использование OLAP для анализа данных патентных документов.

Об авторе

Беляев Виктор Олегович - системный администратор сетевых баз данных Федерального института промышленной собственности (ФИПС)
e-mail: