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