淺析CPC分類號在生物信息領(lǐng)域檢索中的應(yīng)用

張詩伯

摘 要： 本文結(jié)合IPC和CPC，對CPC在生物信息領(lǐng)域檢索中的應(yīng)用進(jìn)行分析，通過CPC技術(shù)分支的關(guān)聯(lián)性，分析了實際使用過程可能存在的漏檢問題，探索了CPC分類號在生物信息領(lǐng)域檢索的檢索策略。

關(guān)鍵詞： CPC；生物信息學(xué)；檢索策略；漏檢

一、引言

CPC分類體系是歐洲專利局和美國專利與商標(biāo)局聯(lián)合開發(fā)的用于專利文件的全球分類系統(tǒng)，目前CPC包含約26萬個分類號，分類的細(xì)致程度遠(yuǎn)超其他分類體系，涉及的主題更加具體，從而能夠有效提高專利檢索的效率[1]。然而在實際的檢索中，往往存在符合度較高的分類號卻又有漏檢發(fā)生的情況，主要原因還是在分類時分至了關(guān)聯(lián)性較高的其他分類下。

生物信息領(lǐng)域是在生命科學(xué)的研究中，以計算機(jī)為工具對生物信息進(jìn)行儲存、檢索和分析的科學(xué)。它是當(dāng)今生命科學(xué)和自然科學(xué)的重大前沿領(lǐng)域之一。其研究重點主要體現(xiàn)在基因組學(xué)和蛋白質(zhì)組學(xué)兩方面，具體說就是從核酸和蛋白質(zhì)序列出發(fā)，分析序列中表達(dá)的結(jié)構(gòu)功能的生物信息。隨著生物信息學(xué)的不斷深入，生物信息學(xué)產(chǎn)業(yè)進(jìn)入跨越式發(fā)展，IPC和CPC分類表中根據(jù)該類專利設(shè)置了相應(yīng)分類小組G06F19/00下的一點組G06F19/10。

二、G06F19/10下CPC與IPC分類系統(tǒng)

G06F19/10的IPC分類定義為生物信息學(xué)，即計算分子生物學(xué)中的遺傳或蛋白質(zhì)相關(guān)的數(shù)據(jù)處理方法或系統(tǒng)，并在附注中指出：本組也包括固有或暗含，但并不明確提及的數(shù)據(jù)處理的生物信息學(xué)系統(tǒng)和方法。CPC中G06G19/10小組下細(xì)分條目與IPC是大體一致的，并無更細(xì)的分類。這里為分析該一點組下各二點組技術(shù)分支的關(guān)聯(lián)性，首先在SIPOABS數(shù)據(jù)庫（2017年6月）得到各個細(xì)分標(biāo)引數(shù)量，并計算得到IPC和CPC檢索的重合度。藉由IPC和CPC的分類思想有明顯區(qū)別，前者偏向于整體上體現(xiàn)發(fā)明構(gòu)思，而后者則試圖從多個維度來描述發(fā)明構(gòu)思。該標(biāo)引數(shù)量和重合度的可以很好的反映出以某項技術(shù)為發(fā)明點的發(fā)明（IPC）和包含該項技術(shù)的發(fā)明（CPC）之間的關(guān)系。

通過對比表1中各二點組的IPC、CPC標(biāo)引量可以明顯的看出，雖然CPC實施時間晚于IPC該小組的實施時間（2011.1），但其標(biāo)引數(shù)量卻已經(jīng)遠(yuǎn)高于IPC。兩者數(shù)量的巨大差異的原因可能是包含某項技術(shù)的發(fā)明本來就是要多于以該項技術(shù)為發(fā)明點的發(fā)明。此外，同一細(xì)分下的IPC和CPC所標(biāo)引的文章重合度也不高，如表1所示，總體上來說在70%左右?？梢姡跈z索過程中，直接將其IPC對應(yīng)的CPC分類號進(jìn)行檢索，具有較高的漏檢風(fēng)險。

進(jìn)一步分析，重合度的不高可能由技術(shù)分支存在關(guān)聯(lián)性導(dǎo)致。由于生物信息技術(shù)的分類中相應(yīng)的技術(shù)分支關(guān)聯(lián)性較高，導(dǎo)致易被分至臨近的組中。本文基于IPC和其他CPC分類號之間的重合度，對G06F19/10小組的技術(shù)分支關(guān)聯(lián)性進(jìn)行分析。如，IPC分類號為G06F19/12代表以生物學(xué)/基因模型的為發(fā)明點的發(fā)明，將其與CPC分類號為G06F19/12～G06F19/28進(jìn)行與計算（檢索式：G06F19/12/ic and G06F19/12/cpc），再將與計算的結(jié)果數(shù)除以該IPC分類的結(jié)果數(shù)計算得到跨組重合度。如圖1所示，G06F19/12以生物學(xué)/基因模型領(lǐng)域的發(fā)明，與G06F19/18遺傳學(xué)/基因變異、G06F19/24利用學(xué)習(xí)機(jī)進(jìn)行數(shù)據(jù)分析關(guān)聯(lián)性較高。而G06F19/18遺傳學(xué)/基因變異的發(fā)明則與G06F19/22序列比較、G06F19/24利用學(xué)習(xí)機(jī)進(jìn)行數(shù)據(jù)分析關(guān)聯(lián)。

通過對G06F19/10分類的分析可以得到：（1）CPC分類號標(biāo)引量遠(yuǎn)大于IPC，在檢索時可優(yōu)先根據(jù)其分類號選擇相應(yīng)及關(guān)聯(lián)性大的CPC號進(jìn)行檢索，反之，通過IPC分類號進(jìn)行限制是不合適的；（2）分類號上的關(guān)聯(lián)性體現(xiàn)出在CPC通過該組多個二點組分類號來作為基本檢索要素是需要謹(jǐn)慎的，例如在一個通過神經(jīng)網(wǎng)絡(luò)進(jìn)行序列分析的發(fā)明，G06F19/22和G06F19/24可以很好的表達(dá)出該構(gòu)思，此時考慮G06F19/22和G06F19/24技術(shù)的關(guān)聯(lián)較小，可以采用與計算以提升檢索效率。

三、總結(jié)

生物信息學(xué)作為一項新技術(shù)，其專利分類號在具體技術(shù)分支的分類上還有很多不完善的地方。本文分析得到的分類號相應(yīng)技術(shù)分支具有一定程度的關(guān)聯(lián)性，該關(guān)聯(lián)性易導(dǎo)致漏檢，從而給檢索過程中具體分類號的使用增加了難度。所以在該領(lǐng)域CPC分類號的選用應(yīng)充分考慮技術(shù)的關(guān)聯(lián)性，擴(kuò)展關(guān)聯(lián)性高的分類號，采用并集的方式避免漏檢。

參考文獻(xiàn)

[1] 廖佳佳，高菲，呂良，“聯(lián)合專利分類體系研究”[J]，現(xiàn)代情報，第34卷第1期，2014年1月.