通过统计数据分析分类号

通过统计数据分析分类号

通过统计数据分析分类号

通信发明审查部 朱少华

一、 前言

分类号是重要检索手段之一但由于分类体系、分类习惯的差异，导致了分类中的习惯性偏差。本文尝试通过对现有专利数据的统计来分析分类中的习惯性偏差，以建立不同分类号之间的参照关系，来帮助检索。

本文主要分析下面三种习惯性偏差：

1. 对于同一分类体系（如IPC），SIPO习惯分到某一分类号，而其它地区习惯分到哪些领

域；

2. 对于不同的分类体系，SIPO习惯分到某一分类号，而其它地区是如何对应到其它分类体

系的；

3. 对于某一分类体系某一分类号（如EC），又会习惯分到该分类体系的哪些其它分类领域。

二、 所用系统及主要思路

所用系统是EPOQUE2系统，该系统具有以下三个特点：

1. EPODOC数据库中给出了各种分类系统，例如美国的UCLA，欧洲的ECLA、ICO，以

及日本的FI、FT；

2. EPODOC数据记录的特点是一个申请一个记录，而WPI数据记录的特定是同族申请公用

一个记录，这个特定为统计带来了很大的方便； 3. 该系统提供了非常丰富的命令和功能。

下面介绍分析三种偏差的主要思路，其中第一、第二种偏差，主要是分析SIPO分到某一分类号的申请案，而其它地区的审查员会习惯将它们分到哪些领域。主要思路是找出一个数据集合。其中每个数据记录要有两个属性：其一是要在SIPO申请过，且被分到某一分类号；另一个属性是要在笔者希望分析的地区申请过，并且要有笔者希望分析的分类体系的分类号。然后对该数据集合统计就会获得结果。对于第三种偏差，主要是分析某一分类号的申请案，是否会有相当一部分有时也会分入其他分类领域，主要思路是针对某一分类号的申请案，分析它们的其他分类号。

三、 具体过程

1. 对于同一分类体系（如IPC），SIPO习惯分到某一分类号，而其它地区习惯分到哪些领

域

以（IPC7）H04L12/66为例，该分类号是用于在不同类型的交换系统网络之间连接的装置，即网间连接器。

通过统计数据分析分类号

所得结果我们大致可以分为三类：1、理所当然；2、恍然大悟；3、匪夷所思。

通过对上述对H04L12/66的分析，可以得出H04L12/28、12/56、29/06都是应该考虑的分类号，而这三个分类号属于笔者工作领域，是比较容易想到的，而G06F15/16是属于另一个部门的分类号，平时关注的可能性不大，所以根据经验发现这个分类号与H04L12/66具有相关性的可能性也不大，所以通过统计来获得该分类号的意义比较大。

以H04L12（以交换功能为特征为网络）以下的所有分类号为例。对于一些申请量较少、达不到统计意义上样本个数的分类号，本文不作分析。

通过统计数据分析分类号

总体分析：与中国的数据相比，美国的分类方法差异最大，一是所涉及的分类号有较大差异，二是分类号相当分散；而欧洲的分类方法与中国的最相似，主要分类号相近，且集中度高；日本的居中。

而与H04L12相关的分类主要集中在H04L29（属于我处的分类号）、H04M、H04Q、H04N

通过统计数据分析分类号

（属于我部但不属于我处的分类号）、G06F（属于其他部的分类号）。

由于内容较多仅举几个例子来说明需要特别关注的分类号：

1） 与H04L12/14（计费装置）相关的是G06F17/60、H04M15/00（计量装置）；

2） 与H04L12/16（向分局提供特种业务的装置）相关的是H04N7/173、H04N7/16、G06F17/60，这三个分类是不同的特种业务；

3） 与H04L12/18（用于广播和会议的）相关的是G06F13/00（信息传输）、H04N7/15（会议系统）、H04M3/56（电话会议装置）。

2. 对于不同的分类体系，SIPO习惯分到某一分类号，而其它地区是如何对应到其它分类体

系的

注：由于FT的特殊性，只统计表，而不统计具体分类小组。

下面还是以H04L12为例，统计分析。而针对具体申请案，如果需要使用其它地区分类号，可以下表为参考。

通过统计数据分析分类号

3. 对于某一分类体系某一分类号（如EC），又会习惯分到该分类体系的哪些其它分类领域

由于EC分类号比较准确，而且应用也较广泛，以EC分类号为例。主要应用的情景是，

通过统计数据分析分类号

审查员从某种途径获得某申请案属于某个EC分类号，但在该EC分类号内未获得相关文献，于是试图了解EPO审查员还会将该分类号的内容分到哪些其他分类号内。

如果对于某个具体的申请案，在EPO有40％的审查员会将其分到A分类号，有30％的审查员会将其分到B分类号，有30％的审查员会分到A和B分类号。如果通过某种途径笔者获知该案可以分到A分类号，如何才能知道它也可以分到B呢？如果有两个分类号被同时分给一个申请案的情况比较多，那么这两个分类号相关的可能也比较大。

通过对数据的统计，可以清楚地看到分类号与分类号之间的相关程度。

通过统计数据分析分类号

(108) H04L12/46V (445) H04L12/56B (4.724) H04L12/56C3 (434) H04L12/56C7 (89) H04L12/56C9 (286) H04L12/56D1 (2478) H04L12/56D3 (619) H04L12/56E (2269) H04L12/56E1 (1894) H04L12/56E2 (212) H04L12/56E3 (537) H04L12/64A (158) H04L12/64B (1132) H04L12/66 (605)

(38 35%) H04L12/44S (73 16%) H04L12/28W (1.237 26%) H04Q11/04S2 (67 18%) H04Q3/66D1 (28 31%) H04Q11/04S2 (177 62%) H04Q11/04S2 (1.200 48%) H04Q11/04S2 (124 20%) H04Q11/04S2 (969 43%) H04Q11/04S2 (543 29%) H04Q11/04S2 (66 31%) H04Q11/04S2 (199 37%) H04Q11/04S2 (85 54%) H04Q11/04S2 (260 23%) H04L29/06 (170 28% )

(34

31%)

(24 22%)

H04L29/06 (98 16%)

H04L12/56E (44 28%) H04L29/06 (178 16%) H04Q11/04S2 (112 19%)

通过统计数据分析分类号

其中H04L29/06出现8次，H04Q11/04S2出现15次，可以推这两个分类号中的数据应该比较多。从EPODOC数据库得出分别有11.696和13.964记录。那么这两个分类号应该有更加细分的分类号，从EPODOC数据库得出H04L29/06在ICO中被细分成25个分类号，而H04Q11/04S2在ICO中被分成157个分类号。与这两个分类号相关的分类号还需要分析与它们的细分分类号之间的相关性，在这不作进一步的分析。而除此以外还有17对相关性比较高的分类号组。如果将相关性要求放低的话会出现更多的相关分类号组，可以在检索时作为参考。 四、 附录

1.TOWPI

..er m4| ..er m3|

..mem m4 /pr rk 1| ..mem m3 /pn rk 1| ..fi wpi| ..lim all|

*m4/pr/al or *m3/pn/al | ..hi *| 2.TOEPO

..er m4| ..er m3|

..mem m4 /pr rk 1| ..mem m3 /pn rk 1| ..fi epodoc| ..lim all|

*m4/pr/al or *m3/pn/al | ..hi *|