＂大数据＂能否连通专利信息＂孤岛＂

利用一件专利的申请人信息，直接通过工商登记信息关联，就能够对不同类型的创新主体进行专利情报分析；利用发明人信息，直接通过人事部门信息关联，就能从多个角度对创新者进行分析……这种看似遥不可及的专利信息服务，在大数据时代或将成为现实。
    “大数据”（big data）概念在上世纪90年代最初提出时，只是对无法用传统手段进行抓取、管理和处理的数据的统称。近年来，随着技术升级，“大数据”的内涵也发生了变化，并成为信息技术界最热的概念之一。应用围绕大数据产生的新技术，高速、大规模的数据交换、互联，以及从前无法想象的数据处理方式正在成为可能。
    专利文献以其内容广博、数量巨大等特点，被人们誉为集科技、法律、经济信息于一体的科技信息资源。专利信息这一涵盖各个领域创新的技术宝库与智慧海洋，如何能够与大数据概念“联姻”，诞生更完美的信息服务，产生此前不曾预料的价值呢？
    专利信息现状 含有宝藏的“孤岛”
    自专利制度建立以来，全球的专利文献经过数百年的积累已经浩如烟海，且近100年人类科学技术突飞猛进，更使专利信息加速增长。我国专利申请总量用了近15年时间达到第一个100万件，第二个100万件仅历时4年零2个月，现在，2012年一年的专利申请就有205万件。在刚刚过去的8月7日至8月14日这一周内，中国就有4451件发明专利获得授权，美国有5725件专利获得授权。越来越多的创新成果正在不停歇地汇入大数据的洪流。
    仓库大，内容多，好处是多得数不清，缺点则是对内容的分拣、选取、利用都成了“大任务”。目前，世界各国的在线专利文献检索服务均已比较成熟。国家知识产权局也建成了专利检索与服务系统，任何用户都可以通过专利申请号、授权号、专利名称、申请人等信息，在中国专利数据库中进行搜索，其中大部分都可以看到专利说明书等详情。
    基于传统数据库技术与搜索技术，目前的专利数据已可以针对多种着录项目进行检索，性能成熟稳定，但在大数据技术下仍可期望有更多进展。上海市知识产权服务中心副主任梁建军是为专利信息应用大数据技术的倡导者之一，他向本报记者表示，大部分国家都在互联网上公开各自国家的专利，但这些数据存在着数量巨大、结构异样、重复率高、更新频繁的特点，海量信息反而犹如茫茫大海中的许多座含有宝藏的“信息孤岛”。
    梁建军表示，专利文献的内容以直接公开技术信息及相关法律信息为主，其着录项目不可能包含所有商业竞争情报分析所需要的信息。着录项目是显性信息，其后的大量隐性信息，则需要大数据的支持来获得。
   大数据化展望 “小时代”期待“大变化”
   大数据会带来一个什么样的世界？关于这个“时髦”的话题，商业、科研、信息业都进行了为数不少的探讨与设想。我们更关心，大数据会给专利信息带来什么改变？
    首先，目前已有专利信息的全部着录项目都会得到利用。大数据最大的特点是“4V”（Volume、Variety、Velocity、Value，即数据体量巨大、数据类型繁多、处理速度快、产生价值大）。《大数据时代》一书的作者舍恩伯格认为，“拣着测、挑着存、采着样处理”的小数据时代方式已经不合时宜，“要数据全集，不要采样”。依照这种观点，不仅专利权人、发明人、摘要这些重要的信息栏目会被重点分析，包括公开（公告）日期、优先权日、申请日、IPC分类号、申请人地址在内的信息也会获得活力，因为分析它们需要的大量数据参考，在大数据时代将变得轻而易举。
    梁建军向记者表示，大数据技术的出现，将使源于各部门的“信息孤岛”现象逐渐消失，而且会大大加快信息依存关系的显现，从而使更有价值的隐性信息浮出水面。例如，企业名称如果和工商部门企业登记信息关联，就能够对不同类型的创新主体进行专利情报的分析；发明人信息如果和公安或者人事部门的信息关联，就能够从多个角度对创新者进行分析。
    沿用至今的IPC分类号、洛迦诺分类表等为专利进行功能领域划分的目录，也许也会遭遇大的变革。这种单一维度的树状分类方式解决了纸件时代大量卷宗的存放和调取问题，但随着创新技术的跨领域化发展，多维度、智能化的分类方式也许会在大数据的帮助下，对专利信息进行补充。当专利信息接轨大数据，专利信息的价值可能会向产业链上下端同时蔓延，新的信息加工和服务模式可以期待，它一定会超越人们的想像。
    梁建军表示，今后规划建设的专利信息服务系统，将会是个数据关联度很高的系统，各类信息之间基本不存在割裂现象。对专利信息的利用和分析，也不再局限于技术、法律、经济、战略等，而可能抽象到更加宏观的人类智力发展规律、地域社会发展变革等高度。
    面对待解之题 “大数据”迎接新考验
   大数据是实实在在的信息与计算科学，在理念的转变之外，还需要切实的实践，才能将其从纸面上挪移到现实中。要为专利信息应用大数据技术，实行大数据化的改造，同样面临着不少待解之题。
    首当其冲的是投资者与受益者的关系，大数据需要高度发达的计算中心作为支撑，需要专门的人才领军项目，自然也需要不菲的投资。放眼全球，专利都具有强烈的国家、政府和公益属性，专利信息集中在特定的政府部门进行管理，但其大数据化后可开发出很高的公益价值以及可以想见的商业价值。那么，谁来投资？政府一家未必有这样一笔宏大的预算，可能更应该科学合理地召集、促使产业内的领先企业对专利信息进行大数据化的开发，并设计公正和安全的回报、收益、激励机制，在兑现开发价值的同时，也保护专利信息大数据化的产品不会被某家商业机构垄断，而是产生应有的社会效益。
    与此同时，大数据化社会对信息的观点也会有所变化。英特尔中国研究院首席工程师吴甘沙在评论《大数据时代》一书时指出，目前急需解决的是数据拥有权、隐私权和使用知情权。随着个人、企业和政府更深地融入数据经济，数据拥有权成为了覆盖人类生活和工作每一个角落的基本权利，应该像其他私有财产一样受到保护。拥有者应该可以随时了解自己有几份拷贝数据、这些数据在哪里、谁在使用、产生了多少价值，法律法规也应对这些权利进行界定。专利信息是一个大型的已有数据库，对其开发会产生许多副产品，这些数据及衍生品的拥有者是谁？相关个人、相关企业、专利管理部门、数据开发商、数据应用商，各占比例几何，谁有一票否决权？这将会是一个超越专利范畴的社会课题。
    无论如何，大数据的浪潮在向我们涌来，正如梁建军所感慨：“大数据时代的来临，将进一步推动信息服务业和知识服务业的发展，我们的政府、企业、科研院所以及中介机构应该紧紧抓住这个历史性机会，加大对专利文献和专利信息的传播和分析利用研究力度，接轨大数据、融入大数据、利用大数据，不断开发和探索新的信息加工和服务模式，共同推进高技术服务业、知识产权服务业的发展，推动专利创新能力的提高，不断挖掘和提供最新的竞争情报和智慧信息，用信息和知识共享的机制来消除信息和知识的孤岛，助力经济转型与发展。”