谷歌专利机器翻译及检索.pdfVIP

谷歌专利搜索 Jon Orwant 工程经理 谷歌专利搜索 概述 • 先前技术查找 • 机器翻译 先前技术查找 查找先前技术 • 假如有一份美国或欧洲专利组织的专利申请，谷歌就会 根据时间限制识别出相关的文件 • 自然语言处理可识别文件中的关键词语 • 我们把这些关键词语转变成谷歌搜索查询条件，查询网 站、书籍、文章、专利和发明人 • 我们会同时显示所有查询结果 • 免费的，现已在/patents启动 Finding Prior Art 查找先前技术 查找先前技术 通过专利查找先前技术 通过期刊查找先前技术 通过书籍查找先前技术 通过发明人查找先前技术 机器翻译 目的 让所有用户看懂所有专利文件 •而不用管文件语言 •也不用管用户的语言水平 •也不管法律专业知识水平 统计机器翻译 Google Confidential and Proprietary 用于谷歌浏览器 谷歌机器翻译: 亚洲覆盖范围 孟加拉语、中文、古吉拉特语、印地语、印尼语、日语、卡 纳达语,韩语,马来语、泰米尔语、泰卢固语、泰语、乌尔都语、 越南语 YouTube视频自动翻译 质量与语料库规模成正比 质量与语料库规模成正比 收益：仍在递增 Google Confidential and Proprietary 专利翻译质量的五个等级 1.诉讼质量 2.散文质量 3.交易质量 4.搜索质量 5.过滤质量 2012年9月我们所在位置 1. 诉讼质量 2. 散文质量 3. 交易质量== 需要~1B并行字 4. 搜索质量== 需要~100M 字 5. 过滤质量==谷歌翻译所有64种语言 ...但是专利是一种独特的语言 我们最新研究的目的 建一个在不同的域都运行得一样好的单一机器翻译系统 ...而不用固定域了 域适应 • 实现窄域（如专利域）的典型办法就是识别专利语言与 “正常”语言之间的区别 • 当你大多数的培训数据在某一个域（如书籍域），而你所 关心的数据却在另一个域 （专利域）时，怎么办？ • 一个域的准确度是以牺牲另一个域为代价的 • 结果，你常常得建两个机器翻译系统。 域适应 • 我们的办法：给每个句子分类，然后使用合适的机器翻译 系统。 • 因此我们创建了一个类分类程序：这个句子是“普通”句 子还是“专利”句子？ • 我们希望：翻译普通句子时准确度损失很小，翻译专利句 子时准确度接近上限。 • 高质量的文件并非必需，不过确实有帮助… 与欧洲专利局合作 11种语言已经处理完毕 丹麦语、荷兰语、英语、芬兰语、法语、德语、意大利 语、葡萄牙语、西班牙语、瑞典语、土耳其语 例如：“先前技术” 原意大利语为 La figura 2 rappresenta tecnica nota; 普通机器翻译成英语为 Figure 2 represents technical notes; 专利分类机器翻译成英语为 Figure 2 shows the prior art; Google Confidential and Proprietary 谷歌翻译与欧洲专利局 • 已经启动的语言：英语、法语、 德语、西班牙语、意大利语、 葡萄牙语、瑞典语 • 接下来要启动的语言：丹麦语、