人工检索技术主要包括以下几种：
自然语言处理（NLP）
词性标注：识别文本中每个词的词性（名词、动词、形容词等）。
命名实体识别：从文本中识别出专有名词（如人名、地名、公司名等）和技术术语。
句法分析：分析句子的语法结构，理解词语之间的关系。
语义分析：理解文本的整体含义，进行词义消歧和关系抽取。
机器学习与深度学习
分类算法：通过训练模型将专利文献分类，例如按技术领域、新颖性等。
相似性计算：识别专利文献之间的相似性和差异性。
深度学习模型：如卷积神经网络（CNN）和循环神经网络（RNN），用于处理复杂的文本数据，提取深层次的特征。
语义搜索
上下文理解：理解搜索词语的上下文含义，而不仅仅是匹配关键词。
概念关联：找到与搜索词语相关但不完全相同的概念，如“家居”可能返回“照明”、“安防”等相关专利。
这些技术结合使用，可以显著提高人工检索的效率和准确性，帮助用户更快地找到相关的专利文献。