专利申请人的匹配方法、装置、电子设备及存储介质

本公开涉及文本处理领域，尤其涉及一种专利申请人的匹配方法、装置、电子设备及存储介质。

目前，在专利文档录入各大专利检索平台的数据库时，通常需要进行待入库申请人与已入库申请人的匹配链接，准确的匹配方法可有效避免申请人数据的冗余，例如：数据库中实际已经存在了待入库申请人，但是在未匹配成功的情况下，数据库则会建立一个新的申请人标识，此举不仅占用了数据库的资源，而且也会导致实际为同一申请人的不同专利文档无法正确地被一同检索到，甚至有可能导致读者的专利布局与未检索到的专利文档出现冲突，进而导致了不必要的知识产权纠纷。故如何准确地建立待入库申请人与已入库申请人的匹配关系，是目前各大专利检索平台亟需解决的技术问题。

根据本公开的第一方面，提供了一种专利申请人的匹配方法，所述匹配方法包括：基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人；确定所述候选申请人与所述待入库申请人的相似度；基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功；其中，所述特征信息包括：所述待入库申请人对应的地址信息、所述待入库申请人对应的同族专利编号、所述待入库申请人对应的分类信息、所述待入库申请人对应的发明人信息、所述待入库申请人对应的外文信息、所述待入库申请人对应的专利语义信息、所述待入库申请人对应的标识信息中的至少一项。

在一种可能的实施方式中，所述匹配方法包括以下至少一项：将所述待入库专利文档对应的第一地址信息按照层级关系划分为第二地址信息，并将所述第二地址信息对应的地区编号，作为所述待入库申请人对应的地址信息；获取所述待入库专利文档对应的同族专利编号，作为所述待入库申请人对应的同族专利编号；获取所述待入库专利文档中对应的专利分类号，作为所述待入库申请人对应的分类信息；获取所述待入库专利文档中对应的发明人信息，作为所述待入库申请人对应的发明人信息；转换所述待入库申请人的名称为外文申请人名称，并归一化所述外文申请人名称，作为所述待入库申请人对应的外文信息；根据所述待入库专利文档对应的语义向量，确定所述待入库申请人对应的专利语义信息；划分所述待入库申请人的名称为所述待入库申请人对应的标识信息，其中，所述标识信息包括：申请人主体、领域名称、公司类别中的至少一项。

在一种可能的实施方式中，所述基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人，包括：划分所述待入库申请人对应的特征信息为至少一个查询字段，并在所述预设数据库中已有的索引表中查询所述至少一个查询字段；将查询到的所述预设数据库中匹配度最高的第一预设数量的第一申请人，作为所述候选申请人。

在一种可能的实施方式中，所述匹配方法还包括：在确定所述待入库申请人匹配成功的情况下，将每个所述查询字段作为索引，将所有所述查询字段作为其索引对应的实体，更新所述索引表。

在一种可能的实施方式中，所述基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功，包括：将最高的相似度所对应的候选申请人，作为与所述待入库申请人匹配成功的结果申请人，并确定所述待入库申请人匹配成功；或将最高的相似度且该最高的相似度高于一预设相似度门限所对应的候选申请人，作为与所述待入库申请人匹配成功的结果申请人，并确定所述待入库申请人匹配成功。

在一种可能的实施方式中，所述确定所述候选申请人与所述待入库申请人的相似度，包括：基于所述候选申请人以及所述待入库申请人对应的特征信息，生成所述候选申请人以及所述待入库申请人对应的特征向量；基于所述候选申请人以及所述待入库申请人对应的特征向量，通过机器学习模型，生成所述候选申请人与所述待入库申请人对应的相似度。

在一种可能的实施方式中，所述预设数据库为Elasticsearch数据库。

在一种可能的实施方式中，所述匹配方法还包括：建立所述待入库申请人与结果申请人之间的链接，并保存所述待入库申请人对应的待入库专利文档至第一数据库中。

在一种可能的实施方式中，所述匹配方法还包括：获取第一申请人对应的特征信息；将所述第一申请人对应的至少一个特征信息作为索引，将所述第一申请人对应的所有特征信息作为索引对应的实体，建立所述预设数据库中的索引表。

在一种可能的实施方式中，所述获取第一申请人对应的特征信息，包括以下至少一项：将所述第一申请人对应的第一地址信息按照层级关系划分为第二地址信息，并将所述第二地址信息对应的地区编号，作为所述第一申请人对应的地址信息；获取第一数据库中所述第一申请人对应的同族专利编号，作为所述第一申请人对应的同族专利编号；获取第一数据库中所述第一申请人对应的第二预设数量的专利分类号，作为所述第一申请人对应的分类信息；获取第一数据库中所述第一申请人对应的第三预设数量的发明人信息，作为所述第一申请人对应的发明人信息；归一化第一数据库中所述第一申请人对应的外文申请人名称，作为所述第一申请人对应的外文信息；根据第一数据库中所述第一申请人对应的语义向量，确定所述第一申请人对应的专利语义信息；划分所述第一申请人的名称为所述第一申请人对应的标识信息，其中，所述标识信息包括：申请人主体、领域名称、公司类别中的至少一项。

根据本公开的第二方面，提供了一种专利申请人的匹配装置，所述匹配装置包括：候选人生成模块，用以基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人；相似度生成模块，用以确定所述候选申请人与所述待入库申请人的相似度；匹配结果生成模块，用以基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功；其中，所述特征信息包括：所述待入库申请人对应的地址信息、所述待入库申请人对应的同族专利编号、所述待入库申请人对应的分类信息、所述待入库申请人对应的发明人信息、所述待入库申请人对应的外文信息、所述待入库申请人对应的专利语义信息、所述待入库申请人对应的标识信息中的至少一项。

根据本公开的第三方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为可执行上述任意一项所述的专利申请人的匹配方法。

根据本公开的第四方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述任意一项所述的专利申请人的匹配方法。

本公开实施例所提供的专利申请人的匹配方法，可以基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人，而后确定所述候选申请人与所述待入库申请人的相似度，并基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功。由于上述候选申请人是基于待入库申请人对应的特征信息得到的，故候选申请人与待入库申请人之间的相关性更高，进而可有效提高待入库申请人与候选申请人的匹配准确率，降低了相关技术中出现数据冗余或匹配错误问题的几率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1为根据本公开一实施例提供的专利申请人的匹配方法的流程图。

图2为根据本公开一实施例提供的专利申请人的匹配方法的流程图。

图3为根据本公开一实施例提供的专利申请人的匹配装置的框图

图4为根据本公开一实施例提供的一种电子设备的框图。

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

目前，专利申请人的匹配方法，通常通过字符串匹配的方式进行待入库申请人与已入库申请人的匹配链接，此处列举两种常见方法，以供参考。示例1：将待入库申请人的字符串直接与已入库的字符串进行匹配，或是将待入库申请人的字符串进行数据清洗后再进行匹配。若如此设置，则匹配效果会较差，易造成数据冗余或匹配错误的问题。示例2：通过计算待入库申请人的字符串与已入库申请人的字符串之间的编辑距离进行两者的匹配，但是如此设置仍然不能很好地解决数据冗余或匹配错误的问题。

本公开实施例所提供的专利申请人的匹配方法，可以基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人，而后确定所述候选申请人与所述待入库申请人的相似度，并基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功。由于上述候选申请人是基于待入库申请人对应的特征信息得到的，故候选申请人与待入库申请人之间的相关性更高，进而可有效提高待入库申请人与候选申请人的匹配准确率，降低了相关技术中出现数据冗余或匹配错误问题的几率。

在一种可能的实施方式中，本公开实施例提供的专利文献号的分类方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。示例性的，所述服务器可以为云服务器，也可以为本地服务器。

示例性地，在用户需要将一篇待入库专利文档录入专利数据库时，可先将该待入库专利文档录入至终端设备中，而后该终端设备通过本公开实施例所提供的专利申请人的匹配方法，确定该待入库专利文档对应的待入库申请人是否与一个候选申请人匹配成功，后续可将匹配结果(例如：候选申请人中匹配成功的结果申请人)输出至终端设备的显示屏幕，以供用户手动录入待入库专利文档的相关信息(例如：结果申请人对应的编号或标识)至专利数据库(也即第一数据库)，以建立待入库申请人与结果申请人的链接。示例性地，终端设备也可自动录入待入库的专利文档的相关信息至专利数据库，以建立待入库申请人与结果申请人的链接(例如：所属于同一专利申请人的不同专利文档，其对应的专利申请人编号或标识可设置为相同)。

参阅图1所示，图1为根据本公开一实施例提供的专利申请人的匹配方法的流程图，如图1所示，所述匹配方法包括：

步骤S100，基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人。示例性地，上述特征信息可包括：所述待入库申请人对应的地址信息、所述待入库申请人对应的同族专利编号、所述待入库申请人对应的分类信息、所述待入库申请人对应的发明人信息、所述待入库申请人对应的外文信息、所述待入库申请人对应的专利语义信息、所述待入库申请人对应的标识信息中的至少一项。上述特征信息及其组合能够准确表示出待入库申请人在待入库专利文档中的各类特征，例如：结合实际情况，同一专利申请人的地址信息通常相同或相近，同一专利申请人的研究领域通常相近，即表现为上述分类信息、专利语义信息相近或相同。同一专利申请人的研究团队可能相近，即表现为上述发明人信息相近或相同。同一专利申请人的名称通常不会更改，即表现为上述外文名称、标识信息相近或相同。名称近似或相同的几个专利申请人若对应了同一组同族专利，则以上几个专利申请人可能为同一专利申请人。利用上述特征信息或其组合，能够更加准确地判断候选申请人与待入库申请人之间的相关性，可有效提高待入库申请人与候选申请人的匹配准确率，降低了相关技术中出现数据冗余或匹配错误问题的几率。

示例性地，上述地址信息可为待入库专利文档中所记录的地址，也可为该地址的层级结构，也可为该地址的层级结构对应的层级id，例如：地址信息可为XX省XX市XX区XX路96号，也可为XX省XX市XX区，也可为102030(此处仅作示例性作用，将XX省的层级id作为10，XX市层级id作为20，XX区层级id作为30)。上述地址信息所使用的层级结构、层级结构id的数量可根据开发人员需要自行选择，本公开实施例在此不作限定。由于同一专利申请人的地理位置一般不会相差过远，尤其是专利申请人为公司的情况下，故在本公开实施例中，可将地址信息作为待入库申请人的一种特征信息。

示例性地，所述待入库申请人对应的同族专利编号，可为待入库专利文档的同族专利文档所对应的同族专利编号。其中，专利编号可以是专利申请号、专利公开号等。若一个专利文档对应了多个同族专利文档，则不同的同族专利文档对应的同族专利编号可相同。在通常情况下，一个专利文档对应的同族专利，两者的专利申请人大概率相同，故在本公开实施例中，可将同族专利编号，作为待入库申请人的一种特征信息。

示例性地，所述待入库申请人对应的分类信息可包括：国际专利分类号(即IPC分类号)、联合专利分类号(即CPC分类号)中的至少一项。在通常情况下，同一专利申请人的研究领域通常相近，而国际专利分类号以及联合专利分类号则可表示专利文档所涉及的技术领域，故在本公开实施例中，可将分类信息，作为待入库申请人的一种特征信息。

示例性地，所述待入库申请人对应的发明人信息可为待入库专利文档中所记录的发明人信息，例如：待入库专利文档中记录‘申请(专利权)人：A’、‘发明人：B、C’，则认为待入库申请人A对应的发明人信息可为B和/或C对应的字符串。在专利申请人为小型企业的情况下，同一发明人通常会对应多篇专利文档，故在本公开实施例中，可将发明人信息，作为待入库申请人的一种特征信息。

示例性地，所述待入库申请人对应的外文信息可为所述待入库申请人的中文名称所翻译后的外文名称，例如：外文名称可为英语、日语、韩语等，若同一个专利申请人在不同的国家申请专利，则专利申请人的名称通常会使用该国家对应的语言，例如；专利申请人在中国申请的专利文档中申请人的名称为大卫·罗伯特，则其在英国申请的专利文档中，其申请人的名称可能为David Robert，其实两篇专利文档的专利申请人相同。故在本公开实施例中，可将外文信息，作为待入库申请人的一种特征信息。

示例性地，所述待入库申请人对应的专利语义信息可为待入库申请人对应的待入库专利文档对应的文本特征，例如：待入库专利文档对应的文本特征可包括：待入库专利文档中说明书摘要和/或专利名称的文本特征(例如，可通过文本向量表示)。由于说明书摘要、专利名称可在一定程度上概述专利文档的内容，故可选用说明书摘要、专利名称部分的文本作为上述待入库专利文档对应的专利语义信息。在通常情况下，由于同一专利申请人的研究领域通常相近，则属于同一专利申请人的专利文档所对应信号专利语音信息可能相近，即上述文本特征可能相近，故在本公开实施例中，可将专利语义信息，作为待入库申请人的一种特征信息。

示例性地，所述待入库申请人对应的标识信息可包括：申请人主体、领域名称、公司类别，例如：待入库申请人为‘菠萝化工有限公司’，则其对应的申请人主体为‘菠萝’(即公司品牌名称)，领域名称为‘化工’，公司类别为‘有限公司’。由于专利申请人名称通常不会改变，故在本公开实施例中，可将标识信息，作为待入库申请人的一种特征信息。

继续参考图1所示，步骤S200，确定所述候选申请人与所述待入库申请人的相似度。示例性地，可通过一相似度计算函数，计算每个特征信息的差异值，而后通过将每个特征信息对应的差异值相加(或加权求和)的方式，计算候选申请人与待入库申请人的相似度。示例性地，每种特征信息对应的差异值，用以代表候选申请人的该种特征信息与待入库申请人的该种特征信息两者的差异程度，两者差异程度可与差异值正相关，即差异程度越大，差异值越大。示例性地，上述差异值可与相似度负相关，即差异值越高，相似度越低，即候选申请人与待入库申请人差异越大。相似度计算函数可基于相关技术实现，本申请对此不做限制。示例性地，也可通过一机器学习模型计算候选申请人与待入库申请人的相似度，以避免相似度的计算过程过于线性，进而提高相似度的准确率。

步骤S300，基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功。

在一种可能的实施方式中，所述匹配方法还包括：建立所述待入库申请人与结果申请人之间的链接，并保存所述待入库申请人对应的待入库专利文档至第一数据库中。示例性地，根据匹配结果，后续可手动或自动录入待入库申请人的所述待入库专利文档至第一数据库中，本公开实施例在此不作限定。上述第一数据库可与预设数据库独立设置，即预设数据库中仅保存有第一申请人的特征信息，主要用于候选申请人的选取，待入库专利文档的存储则由第一数据库负责(即由第一数据库负责对接专利检索平台中用户发布的检索任务)。

本公开实施例所提供的专利申请人的匹配方法，可以基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人，而后确定所述候选申请人与所述待入库申请人的相似度，并基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功。由于上述候选申请人是基于待入库申请人对应的特征信息得到的，故候选申请人与待入库申请人之间的相关性更高，进而可有效提高待入库申请人与候选申请人的匹配准确率，降低了相关技术中出现数据冗余或匹配错误问题的几率。

在一种可能的实施方式中，步骤S100之前还可包括：

将待入库专利文档中所述待入库申请人对应的第一地址信息按照层级关系划分为第二地址信息，并将所述第二地址信息对应的地区编号，作为所述待入库申请人对应的地址信息。层级关系中包括哪些层级，可以根据需要来确定。示例性地，上述第一地址信息可为专利文档中记录的地址，上述层级关系可包括省、市、区，上述地区编号为每个省、市、区在同一个数据库中的编号。例如：在第一地址信息为XX省XX市XX区XX路96号的情况下，则第二地址信息为XX省XX市XX区，地区编号为102030(此处仅作示例性作用，若10为XX省编号，20为XX市编号，30为XX区编号)。

在一种可能的实施方式中，步骤S100之前还可包括：

获取所述待入库专利文档对应的同族专利编号，作为所述待入库申请人对应的同族专利编号。示例性地，同一专利文档所对应的不同的同族专利，其同族专利编号可相同。

在一种可能的实施方式中，步骤S100之前还可包括：

获取所述待入库专利文档中对应的专利分类号，作为所述待入库申请人对应的分类信息。示例性地，分类信息可包括国际专利分类号(即IPC分类号)以及联合专利分类号(即CPC分类号)，上述专利分类号的数量可根据用户的需要，选取任意整数，本公开实施例在此不作限定。例如：上述专利分类号的数量为3，待入库专利文档对应的IPC分类号包括：G06N3/063,G06N3/04,G06N3/08,G06N20/00，则在上述4个IPC分类号中选取3个作为待入库申请人对应的分类信息。示例性地，也可选取IPC主分类号作为待入库申请人对应的分类信息，即专利分类号的数量可为1。

在一种可能的实施方式中，步骤S100之前还可包括：

获取所述待入库专利文档中对应的发明人信息，作为所述待入库申请人对应的发明人信息。上述发明人信息的数量可根据用户的需要，选取任意整数，本公开实施例在此不作限定。例如：上述发明人信息的数量为2，待入库专利文档中包括发明人：王大、白二、张三，则可在上述三个发明人中任选两个作为待入库申请人对应的发明人信息。示例性地，上述发明人信息的数量越少，检索效率越高。

在一种可能的实施方式中，步骤S100之前还可包括：

转换所述待入库申请人的名称为外文申请人名称，并归一化所述外文申请人名称，作为所述待入库申请人对应的外文信息。示例性地，外文申请人名称可为所述待入库申请人对应的英文、日文、韩文等名称，上述归一化的具体方式本公开在此不作限定，与预设数据库建立时外文申请人名称的归一化规则相同即可。

在一种可能的实施方式中，步骤S100之前还可包括：

根据所述待入库专利文档对应的语义向量，确定所述待入库申请人对应的专利语义信息。上述语义向量可通过相关技术中的文本特征提取方法实现，本公开实施例在此不作限制。例如：可通过VSM(即Vector Space Model，向量空间模型)，将待入库专利文档中的专利名称和/或摘要文本对应的文本转换为向量空间中的语义向量。示例性地，后续可通过将预设数据库中的第一申请人对应的多个专利语义向量的平均值，与上述待入库申请人对应的语义向量进行对比的方式，在第一申请人中筛选出相关度较高的候选申请人，预设数据库中筛选候选申请人的方法，本公开实施例在此不作限定。

在一种可能的实施方式中，步骤S100之前还可包括：

划分所述待入库申请人的名称为所述待入库申请人对应的标识信息，其中，所述标识信息包括：申请人主体、领域名称、公司类别中的至少一项。示例性地，标识信息的生成方式可有多种，本公开实施例在此不作限定。例如：可通过人工、字符串直接匹配、机器学习模型等方式划分待入库申请人的名称为标识信息。例如：申请人为‘菠萝化工有限公司’，则划分该待入库申请人对应的标识信息包括：申请人主体为‘菠萝’(即公司品牌名称)，领域名称为‘化工’，公司类别为‘有限公司’。

参阅图2所示，图2为根据本公开一实施例提供的专利申请人的匹配方法的流程图，如图2所示，在一种可能的实施方式中，步骤S100包括：

步骤S110，划分所述待入库申请人对应的特征信息为至少一个查询字段，并在所述预设数据库中已有的索引表中查询所述至少一个查询字段。示例性地，上述预设数据库可为Elasticsearch数据库。Elasticsearch数据库是一种分布式数据库，其具备高扩展性，且搜索能力更加高效。上述预设数据库可包括多个第一申请人对应的特征信息，以供待入库申请人与其进行比对。示例性地：在上述特征信息仅包括专利分类号(例如：G06K9/32)待入库申请人对应的地址信息(例如为102030)的情况下，则以‘G06K9/32’、‘102030’为两个查询字段，分别在已有的索引表中查询。示例性地，上述索引表中记录了多个索引(即index)，每个索引对应了一个实体(即document)。例如索引表中包括索引：‘G06K9/30’、‘G06K9/50’(即分类信息)、‘231120’、‘154422’(即地址信息)、‘Peter’、‘Alex’(即外文信息)，若索引‘G06K9/30’、‘231120’、‘Peter’为同一个第一申请人的特征信息，索引‘G06K9/50’、‘154422’、‘Alex’为同一个第一申请人的特征信息，则索引‘G06K9/30’对应的实体为‘G06K9/30、231120、Peter’，索引‘231120’对应的实体也为‘G06K9/30、231120、Peter’，索引‘Alex’对应的实体为‘G06K9/50、154422、Alex’。换言之，索引表中的每个索引均对应一个记录有第一申请人特征信息的实体，实体可以以实体编号的方式，记录在索引表中，例如实体‘G06K9/30、231120、Peter’的实体编号为1，则，索引‘G06K9/30’、‘231120’、‘Peter’各自对应的实体编号中分别记录有实体编号1。实体编号可在实体被建立时，由预设库自动生成。同一个实体(或实体编号)记录的特征信息属于同一个第一申请人。由于每个索引可能被多个第一申请人占用，故每个索引也可对应多个实体，例如：第一申请人A的地址为‘102030’，第一申请人B的地址也可以为‘102030’，换言之，若‘102030’代表XX省XX市XX区，则第一申请人A、B均来自于XX省XX市XX区，其为常见现象，故在本数据库中每个索引也可对应多个实体。

步骤S120，将查询到的所述预设数据库中的匹配度最高的第一预设数量的第一申请人，作为所述候选申请人。上述第一预设数量可根据用户的需要，选取任意整数，本公开实施例在此不作限定。示例性地，上述第一申请人与待入库申请人之间的匹配度可由查询字段对应的权值相加所得(即匹配度可按照实际情况中每个查询字段的重要程度确定)。示例性地，上述第一申请人与待入库申请人之间的匹配度可与第一索引数量正相关，上述第一索引数量为所有查询字段与第一申请人所对应的索引中相同的索引数量。例如：待入库申请人所对应的查询字段为‘G06K9/30’、‘231120’、‘Peter’，第一申请人A所对应的索引为‘G06K9/30’、‘231120’、‘Evan’，第一申请人B所对应的索引为‘G06K9/30’、‘111020’、‘Lina’，第一申请人C所对应的索引为‘G50J8/11’、‘111020’、‘Toya’。则第一申请人A对应的第一索引数量为2，第一申请人B对应的第一索引数量为1，第一申请人C对应的第一索引数量为0，即三者匹配度自高至低依次为：第一申请人A、第一申请人B、第一申请人C。示例性地，可设定一预设门限，以筛选第一申请人为可选的候选申请人。例如：预设门限可为关于第一索引数量的筛选值，即第一申请人对应的第一索引数量大于或等于预设门限时，该第一申请人作为可选的候选申请人。结合上例，若预设门限为1，则第一申请人A、第一申请人B可作为可选的候选申请人，而后在可选的候选申请人中再筛选出匹配度最高的第一预设数量个上述候选申请人，以进一步增加候选申请人与待入库申请人的匹配成功率。此处仅作出示例性的表述，候选申请人具体的筛选方法可依据预设数据库中的检索特性而定，本公开实施例在此不作限制。

在一个示例中，在确定所述待入库申请人匹配成功的情况下，将每个所述查询字段作为索引，将所有所述查询字段作为其索引对应的实体，更新所述索引表。示例性地，若此次查询字段为‘G06K9/30’、‘231120’、‘Peter’，在索引表中已有的索引若与这三个查询字段均相同，则更新索引表中已有的索引所对应的实体编号，例如将实体‘G06K9/30、231120、Peter’的实体编号，添加至‘G06K9/30’、‘231120’、‘Peter’这三个索引对应的实体编号中，若匹配失败，则建立索引，并记录实体‘G06K9/30、231120、Peter’的实体编号至索引表中索引的对应位置。例如：若‘G06K9/30’、‘231120’、‘Peter’的索引初次建立，则将‘G06K9/30、231120、Peter’作为三者对应的实体，通过在索引表中记录实体编号的方式，建立三个索引与实体之间的联系。

继续参阅图2，在一种可能的实施方式中，步骤S200可包括：

步骤S210，基于所述候选申请人以及所述待入库申请人对应的特征信息，生成所述候选申请人以及所述待入库申请人对应的特征向量。示例性地，上述特征向量可通过相关技术中的特征提取方法实现，本公开实施例在此不作限制。例如：可通过VSM(即VectorSpace Model，向量空间模型)，将候选申请人以及待入库申请人对应的特征信息转换为向量空间中的特征向量。

步骤S220，基于所述候选申请人以及所述待入库申请人对应的特征向量，通过机器学习模型，生成所述候选申请人与所述待入库申请人对应的相似度。示例性地，该机器学习模型在训练阶段的输入可为所述候选申请人以及所述待入库申请人对应的特征向量，输出为两者的预测相似度，根据两者的预测相似度与两者的实际相似度作比较，以调整机器学习模型的内部参数，直至预测相似度的准确率收敛。本公开实施例在此并不限定所使用的机器学习模型的种类，示例性地，该机器学习模型可选用LightGBM模型(一种基于决策树算法的机器学习模型)，其拥有较快的训练速度、较低的内存消耗、较高的准确率等优势。示例性地，若存在多个候选申请人，则将每个候选申请人对应的特征向量与所述待入库申请人对应的特征向量组合为多个数据对，将每个数据对输入机器学习模型中，以得到每个候选申请人与待入库申请人之间的相似度。

在一种可能的实施方式中，步骤S300可包括：将最高的相似度所对应的候选申请人，作为与所述待入库申请人匹配成功的结果申请人，并确定所述待入库申请人匹配成功；或将最高的相似度且该最高的相似度高于一预设相似度门限所对应的候选申请人，作为与所述待入库申请人匹配成功的结果申请人，并确定所述待入库申请人匹配成功。上述预设相似度门限，本公开实施例在此不作限定，示例性地，上述预设相似度门限越高，与所述待入库申请人匹配成功的候选申请人的匹配准确率越高。

在一种可能的实施方式中，所述匹配方法还可包括前置步骤，以建立上述预设数据库，包括：获取第一申请人对应的特征信息。将所述第一申请人对应的至少一个特征信息作为索引，将所述第一申请人对应的所有特征信息作为索引对应的实体，建立所述预设数据库中的索引表。

示例性地，上述获取第一申请人对应的特征信息，包括以下至少一项：

将所述第一申请人对应的第一地址信息按照层级关系划分为第二地址信息，并将所述第二地址信息对应的地区编号，作为所述第一申请人对应的地址信息。示例性地，上述地址信息的数量可根据实际情况而定，本公开实施例在此不作限定。

获取第一数据库中所述第一申请人对应的同族专利编号，作为所述第一申请人对应的同族专利编号。示例性地，上述同族专利编号的数量可根据实际情况而定，本公开实施例在此不作限定。

获取第一数据库中所述第一申请人对应的第二预设数量的专利分类号，作为所述第一申请人对应的分类信息。示例性地，上述第二预设数量可根据实际情况而定，例如；可在第一数据库中选择第一申请人对应的所有专利分类号中数量最多的5个，作为第一申请人对应的分类信息。

获取第一数据库中所述第一申请人对应的第三预设数量的发明人信息，作为所述第一申请人对应的发明人信息。示例性地，上述第三预设数量可根据实际情况而定，例如；可在第一数据库中选择第一申请人对应的所有发明人信息中数量最多的5个，作为第一申请人对应的发明人信息。

归一化第一数据库中所述第一申请人对应的外文申请人名称，作为所述第一申请人对应的外文信息。示例性地，上述外文申请人名称的数量可根据实际情况而定，上述外文申请人名称可经过数据清洗，以达到归一化，以便于与待入库申请人进行比对。本公开实施例通过归一化的方式，避免外文申请人名称中的特殊符号所带来的差异性。例如：可通过将英文中的‘·’、空格等间隔符归一化为同一间隔符的方式，避免同一申请人对应的外文申请人名称中特殊符号所带来的无效的文本差异。换言之，即可将‘David Robert’、‘David·Robert’、‘David.Robert’归一化为‘David Robert’。再例如：‘Pineapple Computer.Inc’、‘Pineapple Computer Inc’归一化为‘Pineapple Computer Inc’。

根据第一数据库中所述第一申请人对应的语义向量，确定所述第一申请人对应的专利语义信息。示例性地，上述语义向量可为第一申请人对应的多个专利语义向量的平均值。上述专利语义向量用以概述该第一申请人在已入库专利文档中的内容。例如：专利语义向量可为已入库专利文档的标题、摘要等文本特征。

划分所述第一申请人的名称为所述第一申请人对应的标识信息，其中，所述标识信息包括：申请人主体、领域名称、公司类别中的至少一项。

参阅图3所示，图3为根据本公开一实施例提供的专利申请人的匹配装置的框图，如图3所示，在一种可能的实施方式中，本公开实施例还提供了一种专利申请人的匹配装置100，所述匹配装置包括：候选人生成模块110、相似度生成模块120、匹配结果生成模块130。

候选人生成模块110，用以基于申请人对应的特征信息，在预设数据库中检索到所述申请人对应的候选申请人；相似度生成模块120，用以确定所述候选申请人与所述申请人的相似度；匹配结果生成模块130，用以基于所述相似度，确定所述申请人是否与所述候选申请人匹配成功。其中，候选人生成模块110，用以基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人；相似度生成模块120，用以确定所述候选申请人与所述待入库申请人的相似度；匹配结果生成模块130，用以基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功；其中，所述特征信息包括：所述待入库申请人对应的地址信息、所述待入库申请人对应的同族专利编号、所述待入库申请人对应的分类信息、所述待入库申请人对应的发明人信息、所述待入库申请人对应的外文信息、所述待入库申请人对应的专利语义信息、所述待入库申请人对应的标识信息中的至少一项。

在一种可能的实施方式中，所述匹配装置还用以执行以下至少一项：将所述待入库专利文档对应的第一地址信息按照层级关系划分为第二地址信息，并将所述第二地址信息对应的地区编号，作为所述待入库申请人对应的地址信息；获取所述待入库专利文档对应的同族专利编号，作为所述待入库申请人对应的同族专利编号；获取所述待入库专利文档中对应的专利分类号，作为所述待入库申请人对应的分类信息；获取所述待入库专利文档中对应的发明人信息，作为所述待入库申请人对应的发明人信息；转换所述待入库申请人的名称为外文申请人名称，并归一化所述外文申请人名称，作为所述待入库申请人对应的外文信息；根据所述待入库专利文档对应的语义向量，确定所述待入库申请人对应的专利语义信息；划分所述待入库申请人的名称为所述待入库申请人对应的标识信息，其中，所述标识信息包括：申请人主体、领域名称、公司类别中的至少一项。

在一种可能的实施方式中，所述基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人，包括：划分所述待入库申请人对应的特征信息为至少一个查询字段，并在所述预设数据库中已有的索引表中查询所述至少一个查询字段；将查询到的所述预设数据库中匹配度最高的第一预设数量的第一申请人，作为所述候选申请人。

在一种可能的实施方式中，在确定所述待入库申请人匹配成功的情况下，将每个所述查询字段作为索引，将所有所述查询字段作为其索引对应的实体，更新所述索引表。

在一种可能的实施方式中，所述基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功，包括：将最高的相似度所对应的候选申请人，作为与所述待入库申请人匹配成功的结果申请人，并确定所述待入库申请人匹配成功；或将最高的相似度且该最高的相似度高于一预设相似度门限所对应的候选申请人，作为与所述待入库申请人匹配成功的结果申请人，并确定所述待入库申请人匹配成功。

在一种可能的实施方式中，所述确定所述候选申请人与所述待入库申请人的相似度，包括：基于所述候选申请人以及所述待入库申请人对应的特征信息，生成所述候选申请人以及所述待入库申请人对应的特征向量；基于所述候选申请人以及所述待入库申请人对应的特征向量，通过机器学习模型，生成所述候选申请人与所述待入库申请人对应的相似度。

在一种可能的实施方式中，所述预设数据库为Elasticsearch数据库。

在一种可能的实施方式中，所述匹配装置还用以执行：建立所述待入库申请人与结果申请人之间的链接，并保存所述待入库申请人对应的待入库专利文档至第一数据库中。

在一种可能的实施方式中，所述匹配装置还用以执行：获取第一申请人对应的特征信息；将所述第一申请人对应的至少一个特征信息作为索引，将所述第一申请人对应的所有特征信息作为索引对应的实体，建立所述预设数据库中的索引表。

在一种可能的实施方式中，所述获取第一申请人对应的特征信息，包括以下至少一项：将所述第一申请人对应的第一地址信息按照层级关系划分为第二地址信息，并将所述第二地址信息对应的地区编号，作为所述第一申请人对应的地址信息；获取第一数据库中所述第一申请人对应的同族专利编号，作为所述第一申请人对应的同族专利编号；获取第一数据库中所述第一申请人对应的第二预设数量的专利分类号，作为所述第一申请人对应的分类信息；获取第一数据库中所述第一申请人对应的第三预设数量的发明人信息，作为所述第一申请人对应的发明人信息；归一化第一数据库中所述第一申请人对应的外文申请人名称，作为所述第一申请人对应的外文信息；根据第一数据库中所述第一申请人对应的语义向量，确定所述第一申请人对应的专利语义信息；划分所述第一申请人的名称为所述第一申请人对应的标识信息，其中，所述标识信息包括：申请人主体、领域名称、公司类别中的至少一项。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

请参阅图4，图4示出了根据本公开一实施例提供的一种电子设备的框图。

例如，电子设备1900可以被提供为一终端设备或服务器。参照图4，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。