释放专利力量:Patently 如何利用向量搜索和 NLP 简化协作

作者:来自 Elastic Matt Scourfield, Andrew Crothers, Brian Lambert

组织依靠知识产权 (IP) 来推动创新、保持竞争优势并创造收入来源。对于希望将新产品推向市场的公司来说,弄清楚谁拥有哪些专利是一项必不可少的能力。搜索数百万项专利可能既困难又耗时,与相关利益相关者共享信息是一项重大挑战。对于大型企业,尤其是那些拥有大量创新渠道的企业来说,了解专利组合每年可能需要数千小时的人工投入。

进入 Patently,它使用尖端解决方案来改变发明者、知识产权专业人士、法律团队和高管对专利的看法。凭借人工智能和自然语言处理 (natural language processing - NLP) 等先进功能,Patently 提供了一套集成的工具,用于在搜索、评估和起草专利时进行协作。

以下是 Patently 关注的六个领域:

1. 提高速度和效率

随着公司的发展,Patently 很快意识到速度、规模和准确性是管理其庞大专利集合的三个要素。由于专利搜索和法律程序的复杂性,Patently 需要一个可靠的系统,该系统要具有足够的适应性以满足客户需求并管理大数据集。

“我们希望它能够快速运行,并且我们知道我们必须处理相当大的数据集,”Patently 创意总监 Andrew Crothers 说道。“这是我们的主要关注点。对于我们的客户来说,我们搜索和检索他们所需内容的速度是业务的一项基本要求,现在依然如此。”

为了实现这些目标,Patently 采用了先进的搜索技术、AI 和实时数据处理来减少管理瓶颈。这使用户能够专注于更高级别的任务,利用旨在简化大量专利相关数据的复杂性的 AI 支持功能。

2. 帮助用户从专利数据中查找信息

了解专利信息涉及管理分散在多个系统中的大量结构化和非结构化数据。Patently 希望构建一种解决方案,既可以扩展和管理大量数据需求,又可以为用户提供流畅的搜索体验。准确识别相关专利对于专利律师来说至关重要,尤其是在不同地区使用不同措辞的情况下。Patently 希望帮助用户找到相关且具有上下文意义的专利,即使在未找到完全匹配的情况下也是如此。

该团队选择了 Elastic 的搜索 AI 平台来构建一个多功能系统,该系统可以处理上下文搜索和完全匹配,让用户可以轻松找到相关信息。借助 Patently 平台内置的 Elastic Search AI 和向量搜索功能,它可以解释和创建更复杂的数据关系。“有了 Elastic,就像有一位拥有数十年经验的专利律师指导每一次搜索,” Crothers 说。

此外,Patently 平台通过快速提供准确的结果来支持专利诉讼流程。使用复杂的 Search AI 功能大大提高了其法律程序的效率和准确性。

3. 利用数据实现更智能的协作

开发现代化的 AI 驱动解决方案的过程充满挑战。主要挑战之一是确保解决方案能够满足每个客户对专利搜索的独特需求,识别专利和专利申请之间的关键关系,并无缝集成 Patently 的自定义搜索工具以加速数据检索。

“我们在尝试集成自定义字段时遇到了一些初始挑战,但我们与 Elastic 及其创新团队密切合作,” Crothers 说。“他们愿意倾听并与我们合作的态度确实很有益。”

Elastic Search AI 现已纳入 Patently 的解决方案,以改善搜索结果并为用户提供相关信息。由于这一转变,用户现在可以根据自己的思维和工作方式更有效地协作,从而做出更快、更明智的决策。

4. 灵活满足不断增长的需求

Patently 团队寻求一个能够处理大量数据、简化专利搜索并提供实时洞察的平台,以支持更好的决策。他们需要一个能够满足当前数据需求并为未来扩展做好准备的解决方案。该平台以云为先,确保与 Patently 其他产品的平稳过渡,并为未来的创新奠定基础。

“通过实施 Elastic Cloud,我们能够通过引入 Vector AI 显著扩展我们的产品范围。这一强大的功能使 Patently 成为语义专利搜索最具创新性的平台之一,是我们技术堆栈的核心。Elastic 用于提供新的标准必要专利 ( Standard Essential Patent - SEP) 工具 Patently License。我们的 AI 专利起草助理 Onardo 甚至使用它来在准备专利说明书时搜索现有技术,” 创始人兼董事 Jerome Spaargaren 说道。

考虑一下这个规模:超过 8200 万个专利家族包含 1.35 亿个独立专利,每个专利都与 226 个字段映射相关联,搜索和检索专利相关信息的复杂性呈指数级增长。如此巨大的数量突显了将专利管理与业务目标相结合的必要性,以简化运营并在快速发展的法律环境中有效保护创新。

Patently 选择 Elastic 来构建一个平台,该平台可以管理不断增加的数据量,同时提供易于使用的快速搜索结果,以便快速访问全球专利数据集中的信息。实时数据访问和 AI 驱动的向量搜索成为加速和扩展专利发现过程的重要组成部分。

“在过渡期间,运营稳定性是一个主要问题,”Crothers 表示。“我们在保持一切正常运行的同时无缝扩展的能力至关重要——我们不能承受任何停机时间。”

利用可扩展的云架构,Patently 可以保持运营稳定性并专注于为客户提供价值。实时跟踪的能力意味着系统可以根据需要进行调整和扩展,以保持一切正常运行。

5. 优化专利搜索性能

在改进平台并将其部署给客户的过程中,Patently 专注于提高系统效率。实时监控和警报功能对于维护系统的完整性至关重要。通过主动监控,团队可以在问题影响用户之前解决它们。

一项重大进步涉及从每月批处理方法过渡到实时数据采集。这使得可以立即获取最新的专利数据。访问最新数据使用户可以做出更好的决策并更有效地提供更好的建议。

6. 与专利领导者产生影响

实施新方法后,Patently 的搜索速度和准确性显着提高。得益于该平台的向量搜索功能,用户现在可以更轻松地找到他们正在寻找的内容,因为搜索结果按相关性排序。这极大地增强了专利搜索和整体系统可用性。​​

人工智能驱动的专利搜索工具正在改变我们识别和保护知识产权的方式。正如 Laurence Brown 在最近的一篇文章中强调的那样,“与人工智能相关的专利对于确保对发现和发明的所有权至关重要。”例如,使用 Patently Vector AI,Brown 输入 “In-ear headphones with noise isolating tips - 带隔音头的入耳式耳机”,并将优先日期过滤器设置为 2000 年之前。该工具返回了 300 个相关结果,他进一步过滤了索尼应用程序。得益于 Patently 平台中 Elastic Search AI 功能提供的基于相关性的排序,他能够在不到五分钟的时间内快速识别所需的专利。

协作也变得相当容易。Patently 通过为客户提供尖端解决方案来帮助他们驾驭日益复杂的专利世界,确立了自己在专利技术市场的领先地位 —— 所有这些都是通过使用机器学习和人工智能驱动的洞察力实现的。

“该机制运行迅速。在处理数百万项专利时,我们必须尽快获得结果,” Crothers 说。

专利创新的基础

Patently 的故事展示了进步企业如何利用人工智能和尖端搜索技术彻底改变其运营方式并创造新产品。Patently 利用人工智能搜索、实时可观察性和无缝数据集成彻底改变了专利信息的获取方式,为行业树立了新的标杆。

对于希望在快速发展的专利信息领域保持竞争力的组织来说,速度、可扩展性和准确性是关键的成功因素。Patently 处于领先地位。

原文:Unlocking patent power: How Patently streamlines collaboration with vector search and NLP | Elastic Blog

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/465705.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

协议栈攻击分类(CISP-PTE笔记)

CISP-PTE笔记 协议栈攻击分类 1.协议栈自身的脆弱性 ​ 1)缺乏数据源验证机制 ​ 2)缺乏完整性验证机制 ​ 3)缺乏机密性验证机制 2.网络接口层攻击 3.网络层攻击 4.应用层攻击 网络攻击的基本模式 被动威胁(不影响通信双…

SpringBoot3集成Junit5

目录 1. 确保项目中包含相关依赖2. 配置JUnit 53. 编写测试类4、Junit5 新增特性4.1 注解4.2 断言4.3 嵌套测试4.4 总结 在Spring Boot 3中集成JUnit 5的步骤相对简单。以下是你可以按照的步骤: 1. 确保项目中包含相关依赖 首先,确保你的pom.xml文件中…

智慧城市智慧城市项目方案-大数据平台建设技术方案(原件Word)

第1章 总体说明 1.1 建设背景 1.2 建设目标 1.3 项目建设主要内容 1.4 设计原则 第2章 对项目的理解 2.1 现状分析 2.2 业务需求分析 2.3 功能需求分析 第3章 大数据平台建设方案 3.1 大数据平台总体设计 3.2 大数据平台功能设计 3.3 平台应用 第4章 政策标准保障…

算法练习:904. 水果成篮

题目链接:904. 水果成篮。 题目意思就是可以选取两个种类的水果不能超过两个种类,该种类个数没有限制, 但是一旦超过两个种类的水果就要停止计数。 示例中数组编号就是就是种类,就是不能出现三个不同编号的数。 1.暴力解法&…

wincc中全局脚本C(c语言脚本)的研究和解密

文章目录 前言一、分析 前言 很多时候我们在wincc中写全局脚本时会为自己的脚本添加密码,但很久很久以后再想修改密码忘记了怎么办呢。 一、分析 经过分析编码有了下面成功 ![请添加图片描述](https://i-blog.csdnimg.cn/direct/33baf91a49da410e82f16b4fbd746c48…

Java+控制台 商城销售系统

Java控制台 商城销售系统 一、系统介绍二、功能展示1.系统登陆2.二维数组实现商城销售系统3.类集实现商城销售系统 四、其它1.其他系统实现 一、系统介绍 实现一个xx商城销售系统的登录功能: 1))打开系统,给出欢迎信息。 2)将用户名和密码定…

微服务中常用分布式锁原理及执行流程

1.什么是分布式锁 分布式锁是一种在分布式系统环境下实现的锁机制,它主要用于解决,多个分布式节点之间对共享资源的互斥访问问题,确保在分布式系统中,即使存在有多个不同节点上的进程或线程,同一时刻也只有一个节点可…

A15基于Spring Boot的宠物爱心组织管理系统的设计与实现

🙊作者简介:在校研究生,拥有计算机专业的研究生开发团队,分享技术代码帮助学生学习,独立完成自己的网站项目。 代码可以查看文章末尾⬇️联系方式获取,记得注明来意哦~🌹 赠送计算机毕业设计600…

测试自动化如何和业务流程结合?

测试自动化框架固然重要,但是最终自动化的目的都是为了业务服务的。 那测试自动化如何对业务流程产生积极影响? 业务流程的重要性 测试自动化项目并非孤立存在,其生命周期与被测试的应用程序紧密相关。项目的价值在于被整个开发团队所使用&a…

AI - 使用LangChain请求LLM结构化生成内容

AI - 使用LangChain请求LLM结构化生成内容 基于深度学习的大型语言模型(LLM)不仅可以生成文本,还可以帮助我们完成许多复杂任务,如自动化客服、内容创作和数据分析。然而,如何从这些模型中结构化地获取输出&#xff0c…

使用GPT-SoVITS训练语音模型

1.项目演示 阅读单句话 1725352713141 读古诗 1725353700203 2.项目环境 开发环境:linux 机器配置如下:实际使用率百分之二十几, 3.开发步骤 1.首先是准备数据集,要求是wav格式,一到两个小时即可, 2.…

UML的另一个主角——用例图

顺序图和类图已经出过单集,本贴要分享的是用例图。 类图https://blog.csdn.net/jsl123x/article/details/143526286?spm1001.2014.3001.5501顺序图https://jslhyh32.blog.csdn.net/article/details/134350587 目录 一.系统 二.参与者 1.主要参与者 2.次要参与…

set和map的使用

目录 1.关联式容器 2.键值对 3.set 3.1set的模版参数列表 3.2对set的修改 3.2.1insert 3.2.2 erase 3.2.3clear 3.2.4swap 3.2.5 find 3.3set的迭代器 3.4set的容量 4.map 4.1对map的修改 4.1.1insert 4.1.2erase 4.1.3swap 4.1.4clear 4.2map的迭代器 4.3opera…

【5.10】指针算法-快慢指针将有序链表转二叉搜索树

一、题目 给定一个单链表,其中的 元素按升序排序 ,将其转换为 高度平衡的二叉搜索树 。 本题中,一个高度平衡二叉树是指一个二叉树每个节点的左右两个子树的高度差的绝对值不超过 1。 示例: 给定的有序链表: [ -10 , -3 , 0 , …

dns服务器配置

主服务器 1.挂载点 mount /dev/sr0 /mnt 2.防火墙关闭 systemctl stop firewalld setenforce 0 3.下载bind软件 dnf install bind -y 4.进行正向解析配置 vim /etc/named.conf options { listen-on port 53 { 192.168.92.128; }; directo…

stable diffusion图生图

本节内容,给大家带来的是stable diffusion的图生图课程,我们在midjourney的课程中有学习过midjourney的图生图功能,即使用垫图的方式来引导AI绘制图片。图生图是AI绘图程序一个非常重要的功能,stable diffusion同样提供了类似的功…

论文阅读笔记:DRCT: Saving Image Super-Resolution away from Information Bottleneck

论文阅读笔记:DRCT: Saving Image Super-Resolution away from Information Bottleneck 1 背景1.1 问题1.2 本文提出的方法 2 创新点3 方法4 模块4.1 问题描述4.2 深度特征提取模块4.3 同任务渐进式训练策略 5 效果5.1 和SOTA方法对比 论文:https://arxi…

一周内从0到1开发一款 AR眼镜 相机应用?

目录 1. 📂 前言 2. 💠 任务拆分 2.1 产品需求拆分 2.2 开发工作拆分 3. 🔱 开发实现 3.1 代码目录截图 3.2 app 模块 3.3 middleware 模块 3.4 portal 模块 4. ⚛️ 拍照与录像 4.1 前滑后滑统一处理 4.2 初始化 View 以及 Came…

【论文精读】LPT: Long-tailed prompt tuning for image classification

🌈 个人主页:十二月的猫-CSDN博客 🔥 系列专栏: 🏀论文精读_十二月的猫的博客-CSDN博客 💪🏻 十二月的寒冬阻挡不了春天的脚步,十二点的黑夜遮蔽不住黎明的曙光 目录 1. 摘要 2. …

《重学Java设计模式》之 建造者模式

建造者模式所完成的内容就是通过将多个简单对象通过一步步的组装构建出一个复杂对象的过程 模拟装修公司对于设计出一些套餐装修服务的场景。 很多装修公司都会给出自家的套餐服务,一般有;豪华、轻奢、简约等,这些套餐的后面是不同的商品的…