Recomendação de Examinadores de Patentes Baseada em Modelo de Linguagem Pré-Treinado

Abstract

Patentes desempenham um papel importante na pesquisa, desenvolvimento e inovação, sendo caracterizadas como documentos técnicos e representando fonte de conhecimento e desenvolvimento tecnológico. Com o crescente registro de patentes mundialmente e a quantidade de termos técnicos presentes neste tipo de documento, identificar adequadamente perfis de examinadores para a tarefa de avaliação de solicitação de registro representa um desafio para a área de análise de patentes. Assim sendo, o presente trabalho propõe um método de recomendação de examinadores de documentos de patentes de maneira ordenada pela relevância dos mesmos, ou seja, um ranking. Para tal, foram empregados conceitos advindos das áreas de Processamento de Linguagem Natural e Sistemas de Recomendação, como modelos de linguagem pré-treinados e representação de textos na forma de vetores densos (embeddings). Com o intuito de avaliar o método proposto, foram utilizados três conjuntos de dados de patentes obtidos a partir do USPTO®, promovendo suporte às fases de treinamento e teste. Ademais, três cenários gerais, baseados nos conjuntos de dados coletados e, três cenários específicos, apresentando análises particulares de determinadas patentes no que tange à recomendação de ranking de examinadores, foram avaliados. Os cenários gerais discutiram a acurácia das recomendações com base em dois parâmetros, k e n, em que o k indica a quantidade de examinadores sugeridos e o n a quantidade de documentos de patentes recuperados para uma recomendação em particular. De modo geral, em todos os cenários gerais, considerando um k em torno de 5 e n=50, as acurácias atingiram valores superiores a 90%. Conclui-se que os resultados obtidos se mostraram promissores, indicando que o método proposto oferece recomendações adequadas de rankings de examinadores com potencial para auxiliar no processo de análise de patentes.