テキストマイニングとオープンソースを用いた機械学習の特許調査への応用を、事例とデモを交え解説！
特許調査の効率化を図りたい方にお勧めです！
※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
セミナー修了後、受講者のみご覧いただける期間限定のアーカイブ配信を予定しております。
１．はじめに 講師自己紹介
アジア特許情報研究会紹介
２．特許調査とテキストマイニングの基礎
2-1 調査対象と調査範囲の特定・明確化
2-2 マッチングと適合
2-3 特許調査における再現率（網羅性）と適合率（効率）
2-4 先行技術調査と侵害防止調査の検索モデルの違い
2-5 「完全一致」⇔「最良一致」検索モデルの比較
2-6 検索・分類とテキストマイニングの違い
2-7 テキストマイニングの基本的な仕組み
３．テキストマイニングの概要と特許調査への応用
3-1 テキストマイニングとは
3-2 形態素解析と分かち書き
3-3 特徴抽出（BoW,TF-IDF,BM25,単語N-gram）
3-4 抽出語の頻度分析
3-5 共起語のネットワーク分析
3-6 ネットワーク分析の応用（発明者、引用-被引用）
3-7 「文書×抽出語」行列作成と解析・可視化
3-8 文書の類似度行列作成と解析・可視化
3-9 各種ツールのテキストマイニング関連機能活用事例
～KH Coder（フリー版）、Text Mining Studio（商用）など～
４．AIの概要と特許調査への応用
4-1 人工知能（AI:Artificial Intelligence）とは
4-2 AI、機械学習、深層学習について
4-3 AI活用特許調査システムへの過剰な期待
～現時点でできること／できないこと、性能レベルなど～
５．商用AI特許調査ツールの活用事例
5-1 AI特許調査ツールへの要求性能
5-2 Patentfieldの活用事例
5-3 THE調査力AI(Deskbee)の活用調査事例
5-5 特許調査分野における人工知能（AI）技術の活用動向
６．オープンソースを用いた機械学習の特許調査への応用
6-1 機械学習の概要と特許調査への応用
6-2 特許調査分野における人工知能（AI）技術の活用動向
6-3 機械学習概要（分類、回帰、クラスタリング、次元圧縮）
6-4 特許分野における自然言語処理導入のメリット
6-5 特許調査用学習済モデルの作成とその評価方法
6-6 先行技術調査の流れ（進め方）
6-7 分散表現（単語埋め込み）とは
6-8 分布仮説に基づいた文脈中の単語の重み学習(word2vec)
6-9 doc2vecによる公報（文書）単位の類似度計算
6-10 doc2vecによる発明の要素（文）単位の類似度計算
【付録】 自分でできる特許情報解析ツール紹介
１．キーワード抽出関係
1-1 word2vec,doc2vecによる単語・文書の類似度計算と類似単語・文書抽出
1-2 termextractによる専門用語（キーワード）自動抽出
1-3 Cytoscapeによる文脈語のネットワーク分析
２．pythonで始める機械学習
2-1 python環境構築の概要
2-2 doc2vecによる文書・単語の類似度計算と類似文書・単語抽出の解説