機械学習による特許調査技術とその応用 ~デモ付~

~ 機械学習の応用事例、自分でできる特許情報解析およびpythonで始める機械学習 ~

・Pythonと特許データを自ら用い、機械学習による効率的な特許調査技術を修得するための講座
・機械学習を特許調査技術へ効果的に活用し、自社の研究開発や知財マネジメントに活用しよう!

講師の言葉

 最近ではAI の中心技術である各種機械学習のオープンソースライブラリが容易に入手可能である。特許調査担当者の実務的な観点から機械学習を用いた効率的な特許調査の可能性について述べる。
先行技術調査ではdoc2vecによる公報文書単位のスコアで査読の優先順位を付け、文単位で発明の要素毎の類似文抽出検討を行い、13 種類の教師あり分類アルゴリズムで適合判定を検討した。文単位の類似文抽出で記載の根拠箇所特定の可能性が示せた。
動向調査では教師あり機械学習の1次元CNN による文書分類と教師なしの次元圧縮による文書の俯瞰可視化検討を行った。
 文書分類はSDI 調査の効率化を目指している。調査目的に応じたアルゴリズムと特徴量の選択が重要である。教師あり機械学習には良質な教師データの準備が重要である。自分でできる各種解析ツールを紹介する。
Pythonで始める機械学習について①環境構築の概要、②MNIST手書き数字分類の解説、③自作特許データセットによる分類タスク、④他のタスクに拡張するためのヒントに関して講師によるデモを交えて説明する

セミナー詳細

開催日時
  • 2019年12月05日(木) 10:30 ~ 17:30
開催場所 日本テクノセンター研修室
カテゴリー 研究開発・商品開発・ ビジネススキル
受講対象者 ・業種は問わず、自ら機械学習を活用した特許調査を行ってみたい方、知財戦略への活かし方のヒントが欲しい方
予備知識 ・特許情報をExcelにダウンロードできること、 Excel VBAやpythonなどのプログラミング経験があればなおよい
修得知識 ・pythonと特許データを用いて機械学習による特許情報解析を始めることができる
プログラム

1.機械学習の概要と特許調査への応用事例紹介
  (1). 調査目的×アルゴリズム×ドメインデータ
      a. 機械学習概要(分類、クラスタリング、回帰、次元圧縮)
  (2). 特許調査への機械学習適応時の留意点
  (3). 先行技術調査の流れ(進め方)
      a. doc2vecによる公報(文書)単位の類似度計算
      b. doc2vecによる発明の要素(文)単位の類似度計算

2.機械学習の応用事例 
  (1). ディープラーニングの基礎検討
  (2). 文書のベクトル化検討
      a. one hotベクトル(BoW、TF・IDF等)
      b. 分散表現ベクトル(word2vec、doc2vec等)
  (3). 機械学習による文書分類
      a. サポートベクターマシンとブースティング
      b. 決定木とランダムフォレスト
      c. ニューラルネットワークとディープラーニング

3.自分でできる特許情報解析
  (1). キーワード抽出関係
      a. word2vecによる類似語抽出
      b. termextractによる専門用語(キーワード)自動抽出
      c. Cytoscapeによる文脈語のネットワーク分析
  (2). 特許公報間の俯瞰可視化
      a. 文書類似度と多次元尺度法
      b. 文書の分散表現ベクトルの次元圧縮

4.pythonで始める機械学習
  (1). python環境構築の概要
  (2). MNIST手書き数字分類の解説
  (3). 自作特許データセットによる分類タスク
  (4). 他のタスクに拡張するためのヒント

キーワード 機械学習 特許調査 先行技術調査 特許公報 SDI python
タグ 特許・知的財産
受講料 一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込)
会場
日本テクノセンター研修室
〒 163-0722 東京都新宿区西新宿2-7-1 小田急第一生命ビル(22階)
- JR「新宿駅」西口から徒歩10分
- 東京メトロ丸ノ内線「西新宿駅」から徒歩8分
- 都営大江戸線「都庁前駅」から徒歩5分
電話番号 : 03-5322-5888
FAX : 03-5322-5666
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日