Aide à l'expertise des brevets par alignement avec les publications scientifiques

Ce travail s’inscrit dans le cadre du programme de recherche QUAERO [1] , un vaste projet de recherche et d’innovation se rapportant au traitement automatique de contenus multimedias et multilingues. Cet article propose une methode de classification automatique d’articles dans un plan de classement international de brevets relevant du meme domaine. La finalite applicative de ce travail est une aide aux experts dans le processus d’evaluation de l’originalite et de la nouveaute d’un brevet, en proposant les citations scientifiques les plus pertinentes. Ce sujet souleve de nouveaux defis en categorisation lies au fait que le plan de classement des brevets n’est pas directement adapte a la structure des documents scientifiques et que la repartition des exemples disponibles n’est pas necessairement equilibree entre les differentes classes d’apprentissage. Nous proposons d’appliquer une amelioration de l’algorithme des K-plus-proches-voisins (K-PPV) se basant sur l’exploitation des regles d’associations entre les termes descripteurs des documents et ceux des classes de brevets. En utilisant conjointement comme referentiels une base de brevets du domaine de la pharmacologie et une base bibliographique du meme domaine issue de la collection Medline, nous montrons que cette nouvelle technique de categorisation, qui combine les avantages des approches numeriques et ceux des approches symboliques, permet d’ameliorer sensiblement les performances de categorisation, relativement aux methodes de categorisation usuelles, dans le cas du probleme pose.