国家社会科学基金重大项目“国家知识产权文献及信息资料库建设研究”开题暨首次学术研

　　下午3点10-4点30

　　主持人：来小鹏，中国政法大学民商经济法学院知识产权法研究所所长

　　议题：(四)国家知识产权文献与信息资料库建设方案

　　

 

　　照片二十一：来小鹏教授主持第二阶段研讨(右一)

　　下面请首席专家冯晓青教授介绍一下课题的的总体方案。

　　冯晓青：

　　我首先介绍一下课题的整体定位，这涉及到最终结果是什么。原来的思路，即申报的时候，定位于公益性的资料库。今天很多专家的意见，我比较赞同，在我们原来理念的基础上，更推进一步，为了保持成果的生命力兼顾商业性成长。我们本身并不是设计商业性数据库，但是应当保持它一定的前瞻性。雅虎、谷歌都是从小小的试验开始，当做到点击率很高的时候就转化成为了商业性很高的平台。我们先是做公益性的数据库，但是在设计的时候，就已经考虑了以后商业性的开发，在这个基础上的发展，这个是一个大是大非的问题。

　　还有一点，就是时间地域范围。收集从什么时候开始的信息?新中国成立、民国或者更早?越早工作量越大，所以必须要选择一个合适的时间范围。目前我个人倾向于自建国以来，不过这需要大家一致讨论确定。文革期间因为种种原因，资料基本没有，所以那十年基本可以砍掉。实际上我国的知识产权制度主要是从78年、80年代开始到现在。

　　关于地域的范围问题，因为是国家资料库，所以政策上应当包括港澳台。但是鉴于大陆法律与港澳台区别很大，收入港澳台资料的工作量也很大，是否收入可以大家来讨论。这个肯定要统一。内地的信息，肯定是要包括，国外的资料，按照我的理解，应该是不包括的。因为国外的信息，不仅仅包括英文的信息，还有很多其他语言国家的信息，这些工作量是我们无法承受的。国外资料我个人倾向是不放进来。因此，范围最好限定于内地，港澳台可以做一些索引，不要全文覆盖。

　　下一个安排，是在理论基础、资料收集的基础之上，确定分类的标准——标引。第三、第四年，要建一个样本数据库。数据库要做，但是不是做大本营，而是按分类标准填入有代表性的信息，再推向市场。例如建大楼，我们不是建设工作，而是画设计图，样本设计图还是有一定的量，资料不能只有很少一部分，但是也不能全部收录。法院系统内部都无法收集所有的判决书，有的判决书不好找，有的判决书根本就不愿意拿出来(各种原因)，他们自己都不可能全部掌握在手，更何况我们。每个方面选择有代表性的，有一定量的资料。基本做到信息平台和技术支持平台，上网可以正常运行，根据这个链接，可以到很方便查找的程度。如果它具备某些强大的功能，某些创新，甚至有人投资大规模的商业性开发时，我们的目的也就达到了。

　　仇壮丽：

　　我主要谈下面三点。

　　一、用户需求——数据库的定位，哪些地方和别的数据库是不一样的。

　　二，现有数据库的不足，差距在什么地方。

　　三，为了实现目标，每个小组做些什么事情。

　　数据库建成后，检索的准确性和全面性很重要。专利检索的不准确，会导致研究无用。检索的全面、准确应该是基础要求。从用户角度看，要实现快速的检索，有几个因素：最新的信息能检出来，全面检索。根据项目规划，我们数据库会搜集很多信息。用户在检索时，能全面、准确反映用户要求。用户查出来的，正好是他最需要的。不像百度、谷歌这类搜索引擎，搜索结果中有大量不需要的信息。而且如果能做到数据库的信息反映出专利间的关系，将更便于数据库的后续开发。

　　目前的专利检索系统，如专利局的网站、百度专利、世界知识产权局的数据库等，都有各自的缺陷。关键词检索的缺陷在于，很多专利在技术方面有伪装，比如钢笔，可能取名书写工具，专利申请书的概念与发明人的概念可能不完全一致。分类号检索的缺陷在于，分类号可能不一致。一方面，有数据表明同一类型的专利，有18.7%分类号却不一样，另一方面分类体系也在变，专利号检索，可能检不全。全文检索缺陷在于，虽然结果的数量比关键词检索多一些，但是都是线性检索，都是逐字比较，检索结果肯定包涵这个词，但是有的目标文献可能不包括这个词。有个国外网站，可以进行概念检索，比如检索bicycle，可以检索出不用这个词的结果，系统能够理解这个词意思。台湾中央研究院，建立了一个本体库，例如用“马”全文检索，包涵马字的含义的结果都能检索出来。

　　我们建立的数据库的整个结构应当包括三个部分：

　　1. 建立知识产权文献分类体系，即语言数据标准，越规范，数据库质量越高。

　　2. 开发领域本体，把一些核心概念抽出来，建一个本体库。

　　3. 由技术专家开发搜索引擎，根据用户的检索词，在本体库中进行转化为更通用的概念，由搜索引擎检索，分析过滤后再返回用户。

　　这样设计的优势在于可以实现概念检索，使用更为通用的概念检索数据库。各个子课题的研究者参与元数据的开发，这样检索准确率还是比较高的。分类体系是主线检索的基础。本体库的构建，离不开法学领域的专家，提炼出最通用的概念。由技术专家开发搜索引擎，而且现在有的数据库和搜索引擎，是免费的。可以请别人做，或者合作，或者自己自己使用开源的免费软件制作，都是可以的。

　　(下面主要围绕标引规则展开讨论)

　　王云娣：

　　

 

　　照片二十二：王云娣研究馆员在首次学术研讨会上发言(黑胡桃墙面左起第二)

　　不同类型文献与信息，其注入规则是不同的。我们的资料库涉及著作权、商标、专利等，选取的数据各有不同的。都有各自的选取标准。一般来说，我们以分类和主题的作为标准。只有当我们明确了这个资料库要选取哪些文献的时候，才能确定著录和标引规则。此外，要处理好不同版本国家标准之间的关系。中国分类国家标准有不同版本，要处理好第四版与第五版的关系，以及与国家标准的关系问题。

　　欧阳晨红：

　　收纳资料种类多，标准不是自创的，而是尽量往现有成熟的规则上靠拢。标引的选取并非独创，要听大家的意见。

　　谢添橹：新浪公司计算机专家