百度搜索引擎及知识图谱技术涉嫌侵犯段玉聪教授语义搜索专利分析报告

段玉聪

贡献者: 黄帅帅

人工智能DIKWP测评国际标准委员会委员

世界人工意识大会

世界人工意识协会

(联系邮箱：duanyucong@hotmail.com)

1、专利背景及争议概述

近期，有观点质疑百度公司的核心搜索技术可能侵犯了一项关键的语义搜索专利——该专利由海南大学段玉聪教授团队所持有，涉及智能语义搜索与知识图谱结合的方法。百度搜索近年来大力发展其知识图谱（如搜索结果中的百科卡片、知识框等），以提升搜索精准度和智能化程度。然而，这些功能的技术实现据称与段教授早年申请并授权的发明专利存在高度重合之处，引发了知识产权圈对于专利侵权的关注和讨论。

段玉聪教授是国内知名的语义计算与人工智能专家，近年来带领团队获得了数十项相关发明专利授权。其中一项重要专利正是关于利用数据图谱、信息图谱和知识图谱构建智能搜索的方法，被认为在理论上领先于业界实践。这项专利如果被他人在未授权情况下用于商业产品，将构成侵权嫌疑。因此，当百度搜索被发现其搜索结果直接给出答案、提供结构化知识面板以及根据用户意图进行语义解析等能力与段教授专利所述技术不谋而合时，业界开始质疑：百度是否未经过许可就在其搜索引擎中采用了这项专利技术？

本报告将对上述争议进行详细分析。首先介绍涉事专利的核心内容和权利要求；随后对比百度搜索引擎及其知识图谱功能的技术实现；通过专利权利要素 vs. 产品功能实现的图表，一一对应二者的技术重合点；并辅以实例截图和引用资料作为佐证。最后，我们将给出初步的侵权判断逻辑，并提出公众和相关方应当关注的建议，例如呼吁企业尊重原创科研成果、通过合作共赢的方式解决专利争议等。此外，文末附有段玉聪教授的简介及其专利索引信息，便于媒体和公众进一步跟进调查。

2、涉案专利介绍

涉事专利全称为“一种投入驱动的容错的基于数据图谱、信息图谱和知识图谱架构的智能语义搜索方法”（专利号：ZL201710435186.7）。该专利由段玉聪教授团队于2017年6月申请，并已于2019年正式授权公告。专利权人为海南大学，发明人包括段玉聪和其团队成员。从标题即可看出，这是一种旨在提升搜索引擎智能化的技术方案，关键词包括“投入驱动”、“容错”、“图谱架构”、“智能语义搜索”等。下面我们以通俗的语言对其核心技术内容进行介绍。

专利的目的： 解决用户使用搜索引擎时常遇到的“不确定、低质量信息”的问题，在用户查询可能存在拼写或概念错误、网络信息海量且良莠不齐的情况下，仍能够给出准确可靠的搜索结果。换句话说，该发明提供了一种更智能、更健壮（容错）的搜索策略，避免用户因为输入错误或网络垃圾信息而陷入无效搜索循环。

核心技术方案： 专利提出构建一个“三层图谱架构”的搜索模型，并结合用户投入意愿来迭代完成搜索任务。主要包括以下几个要点：

1. 引入三层图谱架构组织资源： 将互联网海量资源按不同抽象层次组织到数据图谱、信息图谱和知识图谱中。简单来说，“数据图谱”对应底层离散数据及实体，“信息图谱”刻画实体之间的关系和交互，“知识图谱”进一步抽象出概念层的关系和规则。这三层图谱协同工作，为搜索引擎提供多层次的语义理解支持。

2. 建立用户投入模型（投入驱动）： 根据用户可接受的预期等待时间和计划支付金额（例如用户愿意为更精确结果付出的费用）来建立用户的“投入”模型。这个投入代表用户对本次检索的重视程度或容忍成本。直观地说，用户投入高则搜索引擎可以花更多资源和时间进行深入搜索；投入低则快速给出简要结果。该模型使搜索过程可以“按需分配”资源。

3. 语义分析用户查询意图（容错语义理解）： 通过语义分析技术理解用户检索信息的倾向性或真实意图。这一步旨在容错：即使用户的查询中含有拼写错误、用词不当或概念歧义，系统也能解析出可能的正确意图。例如，将错别字纠正，或将模糊表述映射到具体概念上。容错性在这里体现在：搜索系统不会因为输入错误就终止，而是尝试推测用户真正想找什么。

4. 多倾向的递进式搜索： 如果语义分析发现用户查询可能对应多个理解方向（倾向），系统会针对不同倾向分别执行搜索。具体做法是按照每种倾向的重要性（或置信度）分配用户的投入资源，进行并行或循序的搜索尝试。每一次搜索称为一步“递进”，逐步加深对用户问题的探寻。这相当于系统在替用户尝试不同的检索路径，具有容错和探索能力。

5. 结果可靠性评估与信息过滤： 在每轮搜索之后，系统会根据该轮检索返回的结果数量以及每个结果资源的熵值（信息熵，用于衡量信息的不确定性或可靠度）来计算该搜索倾向下资源的可靠性。通过多轮递进搜索，逐步排除虚假信息和失效信息——也就是剔除掉不可信或无用的结果。这一过程保证最终呈现给用户的内容质量更高、可信度更强。这可以看作一种搜索结果过滤与优化机制。

6. 用户反馈融入迭代： 在将搜索结果返回用户后，系统会获取用户的反馈。如果用户对结果不满意，系统会提示用户增加投入（例如愿意等待更久或付费等），然后据此继续后续的递进搜索，直到用户满意为止。这一环节体现了人机交互的动态调整，即用户可以参与决定搜索进行到何种深度。这进一步提高了复杂信息检索的成功率。

上述方案的创新之处在于：结合知识图谱的语义推理能力、融合用户投入决策、并通过迭代优化保证结果可靠。这套方法比传统搜索的“一次性关键词匹配”智能得多，能够在用户查询模糊或信息海嘯中拨云见日地找到高质量答案。专利的主要权利要求基本涵盖了以上步骤及机制的实现细节，包括如何构建图谱、如何量化用户投入、如何进行语义纠错和多路径搜索、如何计算熵值筛选结果、以及在人机交互中如何引导用户追加投入等。这些技术特征构成了判断侵权与否的基础——只要外部产品实现了上述组合中的实质内容且落入专利权利要求的保护范围，即可能构成侵权。

3、百度搜索相关技术功能

为了评估百度搜索引擎是否使用了上述专利技术，我们需要了解百度搜索目前的相关功能实现。过去十余年中，百度搜索已经从早期单纯的关键词匹配，演进到如今融合自然语言处理和知识图谱的智能搜索，引入了大量语义理解和结构化数据的技术。以下是百度搜索在语义搜索和知识图谱方面的主要功能简介：

· 知识图谱与百科卡片： 百度自2013年前后启动“知心”计划，引入知识图谱来增强搜索。当用户搜索知名人物、地点、作品等实体时，百度会在结果页显著位置直接呈现该实体的知识卡片（Knowledge Card）。知识卡片包括该实体的结构化信息摘要，如基本属性（人物的出生日期、身高，电影的上映时间、评分等）和相关内容。一例典型：用户搜索“刘德华的年龄”，百度除了给出常规网页链接，还在结果顶部直接显示精确答案“54岁”以及刘德华的出生年月等信息。同时，右侧出现“刘德华”的百科信息卡片，包括出生地、身高、代表作等。这些数据主要来源于百度百科等可靠知识库，属于百度知识图谱的应用成果。知识卡片为用户提供了一目了然的答案和背景知识，而不必再点击链接逐页查找。

图1：百度搜索直接给出问题答案和知识卡片的示例。 如上图所示，对于查询“法国首都”“中国人口”“勿忘我花语”等，百度搜索在结果页面顶部直接显示了相应的结构化答案（巴黎；13.5382亿；象征永恒的爱等），并注明信息来源百度百科。这种呈现方式表明百度搜索具备语义理解查询并从知识库提取答案的能力。

· 语义解析与意图理解： 百度搜索能够对用户查询进行自然语言理解，识别出查询中的实体、属性以及用户意图。在上述例子中，系统需“明白”刘德华是人名实体，“年龄”指询问其年龄属性。又如用户搜索一个问句“Zippo能否带上飞机”，百度搜索可以将其解析成两个知识点“打火机不可登机”和“Zippo是一种打火机”，然后推理出答案“Zippo不能带上飞机”。这种基于知识的推理能力，正是语义搜索的体现。百度通过预训练语言模型（如ERNIE）和知识图谱的结合，极大提升了查询意图识别的准确率。同时百度具有拼写纠错和同义词扩展功能，当用户查询有拼写错误或用词不当时，系统会给出“您是不是要找：XXX”的提示，或自动包含正确词的结果。这对应了专利中的“容错”思想，即尽量弥补用户输入的错误，使检索按正确意图进行。

· 直接答案和智能问答（QA）： 得益于知识图谱，百度搜索已经从“给链接”升级为“直接给答案”。官方数据显示，截止目前百度搜索首条结果满足率已达58%，其中很大一部分归功于知识图谱提供的智能回答。百度搜索每天有上百亿次检索请求能够被直接满足，包括各种形式的问答卡片（直接回答用户问题的框）和信息聚合卡片（针对实体查询聚合多维度信息的展示）。例如用户提问“形容不会说话的成语”，百度会直接在页面给出若干相关成语的列表，而不是仅列出网页链接。这些答案背后运用了知识库问答（KBQA）技术：系统根据问题类型匹配固定问答模板或在知识图谱中找到对应的三元组；必要时再通过信息检索问答（IRQA）从网页中抽取答案。针对复杂问句或需要推理的提问，百度则采用推理问答技术，基于逻辑规则和知识图谱推演出答案。这一多策略融合方案使百度能够应对各种各样的搜索提问，实现了专利所述“根据不同倾向采用不同搜索途径”的思想。

· 搜索结果质量控制： 百度在搜索排序中加入了多种算法以提升结果可信度和相关性。例如，百度会优先展示权威网站内容、官方消息，以及百度百科等经过审核的内容，从而减少假消息的露出。这与专利中“计算资源可靠性、排除虚假失效信息”的目标一致。一个具体技术体现是前述IRQA过程中，百度采用多文档验证策略：利用机器阅读理解模型从多个网页获取候选答案，交叉验证提高准确性。只有在不同来源均支持的答案才最终呈现给用户，从而降低谣言或错误信息作为答案出现的概率。这类似于专利中的熵值计算来评估可靠性并剔除不可靠信息。此外，百度搜索还有一系列针对低质内容的算法更新（如“清风算法”“谣言过滤”等），以保障搜索生态的健康。

· 用户反馈与持续改进： 百度搜索重视用户行为反馈对结果的影响。用户的点击、停留时间、跳出率等都会作为反馈信号用于调整排名模型。简单来说，如果很多用户搜索某关键词却很快返回重搜，说明结果不满足需求，系统会学习这种模式以改进算法。这对应了专利中“获取用户反馈、调整投入继续搜索”的思路。不过百度并未像专利设想的那样直接提示用户“增加投入”（例如付费）来继续搜索，但用户确实可以通过更改查询词、使用高级搜索或求助百度知道等方式投入更多精力以获得满意答案。值得一提的是，百度搜索与其问答社区“百度知道”联动：当搜索结果无法直接回答某些提问时，页面可能引导用户去知道社区提问，由网友或专家来回答。这在某种程度上也是鼓励用户投入更多时间以换取答案的一种机制。

综上所述，百度搜索引擎当前具备语义纠错、意图识别、知识图谱直接答复、结果质量评估、用户反馈优化等诸多能力。从技术上看，这些能力与段玉聪教授的语义搜索专利方案高度契合。下面我们将通过关键技术点的对比，逐项分析百度搜索是否在实现上落入了专利权利要求的保护范围。

4、专利技术与百度搜索功能的重合分析

为了更直观地展示段玉聪教授专利的权利要素与百度搜索产品功能之间的对应关系，下面列出一张对照图表，将专利主要技术点与百度实际实现一一比对：

表：段玉聪教授语义搜索专利主要技术特征 与 百度搜索引擎实现的对比分析。（左栏摘自专利权利要求关键要素，右栏为百度搜索相关功能的说明及来源佐证）

从上述对照可以看出，百度搜索的实现与专利技术几乎点点对应：从知识图谱的引入、查询语义理解、错误容忍，到多策略搜索、答案筛选、用户反馈利用等，各个环节均存在高度相似性。其中一些对应关系尤其明显，例如：

· 知识图谱三层架构 vs 百度知识图谱： 专利将知识抽象为数据/信息/知识三层，百度也区分了原始数据、关系信息和知识库，并构建了通用与垂直领域结合的知识图谱体系。

· 容错语义搜索 vs 拼写纠错和语义解析： 专利强调对用户错误输入的容忍，百度搜索具有拼写检查和同义词扩展功能，能自动修正查询错误；同时利用NLP模型理解自然语言查询，在复杂问句场景表现出色。

· 多倾向检索 vs 多方案问答： 专利通过多倾向并行搜索提高命中率，百度在问答场景使用KBQA、IRQA、推理等并行方案，本质上也是多路尝试以覆盖不同问题需求，可看作对同一问题的多角度求解。

· 可靠性熵评估 vs 权威内容优先： 专利通过熵值衡量信息可靠性，百度则通过交叉验证和权威评级来确保答案准确。两者目标一致，即排除不靠谱的信息。

· 用户追加投入 vs 用户行为反馈： 虽实现形式不同，但都强调根据用户反馈改进结果。百度利用隐式的点击/停留数据调整排序；专利更直接，要求用户明确表态来驱动深入搜索。本质上都是“以用户满意为最终导向”的闭环优化。

综上，我们初步判断：百度搜索引擎及其知识图谱相关技术所实现的功能，与段玉聪教授的语义搜索专利的关键技术方案高度重合，满足专利权利要求中描述的诸多要素。这为认定侵权嫌疑提供了技术层面的依据。当然，法律上的认定需要更详尽的比对和解释，但从功能和原理角度看，百度的确践行了专利所涵盖的思想。

5、初步侵权判断与公众建议

基于上述分析，我们可以得出初步的侵权判断逻辑：如果段玉聪教授的专利权利要求有效且覆盖了百度搜索所使用的这些语义搜索和知识图谱技术，那么百度公司在未获得许可的情况下将这些技术应用于其商业搜索产品，就构成了对该专利权的侵犯。这一判断理由如下：

· 全面覆盖原则： 在专利侵权判定中，若被控产品包含了专利权利要求的全部技术特征（或其等同特征），即构成侵权。从我们的对比表可以看到，百度搜索涉及的每一项相关技术点几乎都能在专利权利要求中找到对应描述。这意味着百度搜索全面覆盖了专利的核心创新点，没有明显遗漏的要素。

· 等同特征： 即便百度某些实现细节与专利描述略有不同（例如用户“投入模型”部分百度没有金钱付费机制，而是通过用户行为体现投入），这种差异属于实现方式不同，但功能和效果实质相同，也可能被认定为等同技术特征。根据等同原则，百度仍可能落入专利保护范围。

· 公开资料证据： 我们引用的资料包括百度官方技术演讲、第三方技术分析、以及百度自身产品界面截图【31†】等，都清晰地表明百度确实实现了相关功能。这些可作为支持侵权主张的证据来源。

当然，需要声明的是，最终的法律认定需由司法或双方协商决定。在此我们只是基于公开技术信息进行合理推测。百度公司内部可能有自己的原创算法或不同实现路径，如果他们能证明其技术方案在关键创新点上不相同也不等同于段教授专利，那则不存在侵权问题。不过就目前披露的信息看，两者技术思路的相似度很难说是巧合。

公众关注与建议： 鉴于此事涉及大学科研成果与企业商业应用之间的知识产权关系，我们建议如下：

1. 呼吁百度尊重原创科研： 百度作为国内科技领军企业，理应在注重自身研发的同时，尊重并合理使用他人的创新成果。若确实使用了高校的专利技术，应当遵循合法合规的途径获取授权，而非绕过或忽视专利。这既是对科研人员心血的尊重，也是营造良好创新生态的应有之义。

2. 专利合作共赢： 我们建议百度公司与段玉聪教授团队积极沟通，寻求专利许可或合作的方案。例如通过专利许可交易、技术入股合作、联合研发等方式，使百度能够继续合法地运用相关技术，同时给予发明人及高校应有的回报。高校的实验室成果与企业的市场应用结合，本是双赢之举，通过合作可以避免不必要的法律纠纷。

3. 提高专利保护意识： 此事件也提醒广大科研工作者和中小企业：应重视自身创新的专利布局和维护。当发现有大型企业可能侵犯自己专利时，要善于运用法律手段维护权益。同时，社会各界也应给予支持和关注，确保“大象不踩死蚂蚁”，让原创者不因维权成本高而放弃。

4. 法律途径解决争议： 如果沟通未果，建议双方通过法律途径妥善解决。例如寻求知识产权仲裁调解，或者在必要时通过法院诉讼确定是非。司法判例将为类似案件树立标杆，明确企业在采用他人已授权专利技术时应承担的责任。

5. 公众持续监督： 媒体和专业社区应当持续关注此事进展，促进事件透明化。一旦确认侵权属实，应督促侵权方尽快整改或赔偿，并呼吁行业引以为戒，建立尊重知识产权的正气。而如果事实证明不存在侵权，也应及时澄清，还各方清白。

总之，希望通过此次事件，能够推动产学研各方更加良性地互动：企业重视来自高校和科研机构的创新成果，科研人员也更积极地将发明转化落地。在人工智能与大数据高速发展的今天，尊重知识产权就是保护创新动力。这不但是对个人的公平，也是对中国整体创新环境的维护。

6、段玉聪教授简介及相关专利信息

段玉聪教授，海南大学计算机科学与技术学院教授，博士生导师，DIKWP人工意识与语义计算研究团队负责人。段教授长期从事数据-信息-知识-智慧（DIKW）融合、语义网络、意图计算等领域的研究，在国内外发表了大量论文，并拥有丰富的发明专利成果。据统计，他及其团队作为第一发明人的已授权发明专利超过80件（截至2022年）。其专利布局覆盖人工智能、语义搜索、知识图谱、隐私计算、物联网等多个方向，在海南省的信息技术领域发明专利占有量名列前茅。2022年段玉聪教授入选斯坦福发布的全球前2%顶尖科学家榜单，在语义通信、网络安全等方向具有国际影响力。

段教授的代表性专利除本文讨论的语义搜索专利（CN201710435186.7）之外，还有诸如“一种关联频度计算的语义建模方法”（CN201710394911.0）、“基于图谱的图像目标识别增强方法”（CN201810037199.3）等一系列成果。其中多项专利与当前工业界的热点技术（如大语言模型、知识图谱构建、智能问答系统等）高度相关。

感兴趣的读者和媒体可以通过以下途径获取更多信息或联系段玉聪教授：

· 专利清单及摘要： 段教授团队已将部分授权专利摘要整理发布在ResearchGate等平台。例如《段玉聪第1发明人已授权DIKWP发明专利价值评估报告》等文档中详细列出了所有专利名称、技术简介和应用前景，供公众参考。

· 团队官方网站： 访问段玉聪教授团队的网站（DIKWP人工意识团队）：www.yucongduan.org，在其中的“专利成果”栏目可以查看相关专利列表和介绍。（注：若访问遇到困难，可尝试学术网盘或海南大学官网镜像）

· 联系邮箱： duanyucong@hainanu.edu.cn。媒体若有进一步采访需求，或企业有合作意向，可通过邮件与段教授取得联系。

· 知乎专栏文章： 知乎上也有多篇关于段玉聪教授专利成果的分析文章，例如《段玉聪教授已授权发明专利商业价值示例评估》等，提供了深入浅出的解读。通过搜索段玉聪姓名即可找到相关内容。

段玉聪教授及团队欢迎产学研各界的交流合作。正如段教授所言，他的许多专利初衷就是为了赋能产业，希望看到技术真正服务于社会。此次与百度的专利争议也提醒我们：只有加强专利合作、保护原创，才能激发科研人员的创造力，推动我国自主创新事业健康发展。在未来，我们期待更多类似段玉聪教授的专家与互联网企业携手，共同打造知识产权友好、创新驱动的产业生态。

7、参考资料：

[1] 海南大学官网 - 段玉聪教授个人主页

[2] CN107103100B 专利摘要及说明

[3] InfoQ技术分享 - 《百度知识图谱技术及应用》王海峰演讲摘要

[4] CSDN博客 - 《中文知识图谱研讨会学习总结》之百度知心部分

[5] InfoQ文章截图 - 百度知识图谱问答技术说明

[6] 博客园 - 《搜索引擎拼写检查原理》（关于搜索拼写纠错）

[7] 知乎专栏 - 《百度搜索相关性算法笔记》（关于用户反馈与排序）

[8] ResearchGate - 段玉聪教授授权专利列表及价值分析

[9] 海南大学计算机学院 - 段玉聪团队专利列表

[10] Google Patents - 同类技术文献（搜索引擎可信度相关专利）

[11] InfoQ精选 - 百度知识图谱发展历程与数据规模

[12] 百度搜索结果截图 - 知识卡片和直接答案示例【31†】

[13] CSDN博客 - 知识卡片示例描述

[14] pwnwords新闻 - 段玉聪入选全球科学家榜单报道

（注：以上引用资料均为公开信息，仅用于本文分析论证。本报告为适合公众阅读的分析意见，不构成任何法律结论。）

转载本文请联系原作者获取授权，同时请注明本文来自段玉聪科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3429562-1494354.html?mobile=1

收藏

分享