在专利分析中，对数据进行标引和分类一直是一个令人头疼的问题。例如，技术人员需要定期查看竞争对手公布的专利，以了解行业的动态，而知识产权人员则需要时刻关注竞争对手的专利布局。对于相关的技术领域，每个月公布的专利数量可能多达成千上万件，要系统地研究这些专利，就必须对它们进行分类和标引。

　　例如，一项电池专利可以被标引为几个层级，如动力电池/正极材料/磷酸铁锂等。对于成千上万件专利进行多层级的标引和分类，工作量极大。

　　如果通过设置检索式筛选或向量标引来解决这个问题，虽然可以减轻部分工作量，但准确度往往较差，无法满足要求。

　　在大语言模型出现之后，业内许多人尝试利用这些模型进行标引。例如，将一个专利表格和标引的标签提供给模型，让模型进行标引，但结果往往不尽如人意，相信很多朋友也尝试过，发现难以满足要求。

　　此外，传统的AI标引还需要人工先标引一部分数据，然后用这一部分作为监督数据进行匹配，这也是一件不容易的事情。对于标引维度和层级较多的项目，要将所有层级的专利都标引清楚，并确保准确度，既费时又费力。

　　此外，传统的AI标引无法定义标引的维度，因为每个用户对特定维度都有自己的定义。例如，“引流部”这个标签作为一个标引层次，每个用户在特定背景下对其定义都不同，仅凭几个示例数据是无法确定这个标签的含义的。

　　Maxipat采用了一种完全不同的标引模式。用户想要标引一部分数据时，不需要进行精确检索，只需大概检索出一个大范围的专利，保存在文件夹中。然后直接输入需要标引的维度，或者从文件中导入需要标引的标签。对于一些容易混淆的标签，用户可以提供一些解释和定义，系统会自动扫描文件进行逐一标引。

　　这种方式完全是基于自然语言输入，用户想标引什么内容，只需直接输入到系统中即可，无需担心各种格式问题。

　　标引完成后，系统会对每一处标引给出明确的理由，用户也可以通过指令进行纠正。

　　假设用户需要标引10000项专利，只需通过自然语言输入要标引的维度，或者上传要标引的维度，并告知系统需要注意的事项，大约两个小时后就可以查看标引结果。

　　如果用户对标引结果不满意，可以直接通过自然语言指令进行纠正，快速改善标引结果。

　　采用这种方法，标引10000项专利，假设使用自然语言纠正迭代三次，半天就能完PG电子 PG平台成，而且不需要对数据进行清理，系统会根据用户的指令识别噪声。这将大大提高标引的效率和质量。

　　Maxipat致力于作为成为科技创新和知识产权工作的AI加速，主要包括辅助创新：提高研发的科技创新效率，通过prPG电子模拟器 PG电子网站oblem-solution算法深层关联到的真实技术方案，能够跨领域进行技术方案的深层挖掘和关联；智能搜索与分析：将专利搜索和报告制作借助AIPG电子模拟器 PG电子网站实现智能化，包括智能查新、无效、FTO、Landscaping报告，采用GPG电子 PG平台T搜索算法（graph transformer）（），系统真正做到理解概念后再搜索。目前开放注册中。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　游客投诉在九寨沟景区买到假银饰 官方：属实，全额退款并对涉事商家进行处理

　　美嫌犯借助ChatGPT策划特朗普酒店外特斯拉爆炸案，人在赛博皮卡爆炸前已开枪自杀，OpenAI表示正在与执法部门合作

　　詹皇父子再同台：詹皇18+10+8难阻爆冷里程悲 布朗尼86秒各数据0

　　《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律