From Rules to Neural Graphs: Scalable Structured Prediction for Patent Prior Art Search
从规则到神经图：可扩展结构化预测用于专利现有技术检索
🧭 信息检索 · 图结构化预测
IPRally Technologies Oy
用局部 biaffine attention 构建专利发明图，蒸馏规则解析器，实现长文档可扩展图检索
📌 工作参考价值（4 点）
- 长商品描述/详情页常被截断，可借鉴局部 biaffine attention 构建商品属性/关系图，用图表示替代截断；短序列训练、长序列部署，适合线上低延迟。
- 规则解析器（类目、属性、标签体系）脆弱且维护成本高，可仿照知识蒸馏：用已有规则系统生成百万级标注，训练轻量神经解析器，通常能超越规则模型且推理成本更低。
- 对超长文档检索，图结构 + Graph Transformer 比直接 dense 向量在全文档上更有效，尤其查询与文档长度差异大时；商品详情页可构建轻量图做相关性匹配。
- 滑动窗口限制 pair scoring 是简单有效的 O(n²)→O(n·w) 优化，对任何需长序列实体/关系抽取的模块都有参考，且权重共享使短序列训练直接部署到长序列，无需重训。