セミナー 印刷

機械学習による技術動向調査テクニックと
特許実務へのAI導入・応用の勘所

受講可能な形式:【Live配信(アーカイブ配信付)】のみ

AIを上手に活用するには、調査目的に応じたアルゴリズムと特徴量の選択が重要!
特許情報解析ツールの紹介に、調査・検索やマッチングの基礎からはじまり、
SDI調査への応用、文書のクラスタリングによる動向調査、パテントマップの自動作成例、
オープンソースを利用した特許調査などの豊富な事例やデモまで、
特許調査ツールの特徴を把握して使いこなすためにお役立ていただける一講です。

キーワード:特許調査、機械学習、AI、特許情報解析

日時 2023年3月28日(火)  10:30~16:30
会場 Live配信セミナー(会社・自宅にいながら受講可能)  
会場地図
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 46,970円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
E-Mail案内登録価格:本体42,700円+税4,270円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の24,750円)

テレワーク応援キャンペーン(【Live配信/WEBセミナー1名受講限定】

1名申込みの場合:受講料39,600円 ( E-Mail案内登録価格 37,620円 )
 定価:本体36,000円+税3,600円
 E-Mail案内登録価格:本体34,200円+税3,420円
  ※1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
  ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
  ※他の割引は併用できません。
配布資料PDFテキスト(印刷可・編集不可)
オンライン配信ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください)

セミナー視聴・資料ダウンロードはマイページから
お申し込み後、マイページの「セミナー資料ダウンロード/映像視聴ページ」に
お申込み済みのセミナー一覧が表示されますので、開催日時になりましたら、
該当セミナーをクリックしてご利用ください。

アーカイブ(見逃し)配信について
視聴期間:終了翌営業日から7日間[3/29~4/4]を予定
※アーカイブは原則として編集は行いません
※視聴準備が整い次第、担当から視聴開始のメールご連絡をいたします。
(開催終了後にマイページでご案内するZoomの録画視聴用リンクからご視聴いただきます)
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
 
得られる知識
・機械学習による先行技術・技術動向調査の効率化
・特許調査におけるAI利用の現状と注意点    
 
受講対象
研究開発者、エンジニア、知財部員等で特許調査調査の効率化に関心がある方。
予備知識は特に必要ありません。 

セミナー講師

アジア特許情報研究会/花王(株) 研究開発部門 研究戦略・企画部
安藤 俊幸 氏

【専門】知財情報解析、機械学習、テキストマイニング、分析化学
情報科学技術協会、人工知能学会、データサイエンティスト協会 各会員

1985年 現花王株式会社入社、研究開発に従事
1999年 研究所の特許調査担当(新規プロジェクト)
2009年 知的財産部
2011年よりアジア特許情報研究会所属
2020年 特許情報普及活動功労者表彰 日本特許情報機構理事長賞「技術研究功労者」受賞
 

セミナー趣旨

 特許調査でのAI活用と主に先行技術・技術動向調査の効率化について特許調査と機械学習の観点から講演します。最近では商用のAIを利用した特許調査ツールも複数登場しています。現在は、AIへの過剰な期待の時期から冷静な判断が求められる時期に移行中です。
 最初に特許調査と検索の基礎について概観します。第3章ではAIの概要と特許調査への応用について留意点と原理的な制限事項について述べます。第4章では、商用AI特許調査ツールの活用事例を紹介します。第5~7章では、デモを交えてオープンソースを用いた機械学習の特許調査への応用事例を単語・文書のベクトル化、文書分類、文書ベクトルの次元圧縮による特許公報の俯瞰可視化と技術動向調査への応用を紹介します。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り、また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す。特許調査ツールの特徴を把握して使いこなす意識が大切です。

セミナー講演内容

1.はじめに
 1.1 講師自己紹介
 1.2 アジア特許情報研究会紹介

2.特許調査と検索の基礎
 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
 2.4 特許調査システムとその評価方法

3.AIの概要と特許調査への応用
 3.1 人工知能(AI:Artificial Intelligence)とは
 3.2 AI、機械学習、深層学習について
 3.3 AI活用特許調査システムへの過剰な期待
 3.4 特許調査への機械学習適応時の留意点
 3.5 人とAIの役割分担
 3.6 問題の定式化
 3.7 AIの使用と情報要求
 3.8 シンボルグランディング(記号接地)問題
 3.9 ノーフリーランチ(NFL)定理
 3.10 フレーム問題
 3.11 過学習(汎化性能)
 3.12 特徴量選択(醜いアヒルの子の定理)

4.商用AI特許調査ツールの活用事例
 4.1 AI特許調査ツールへの要求性能
 4.2 Patentfieldの活用事例
 4.3 PatentfieldのAIセマンティック検索
 4.4 PatentfieldのAI分類予測
 4.5 THE調査力AIのSDI調査への活用
 4.6 PatentSQUAREのAI検索事例

5.オープンソースを用いた機械学習の特許調査への応用
 5.1 特許調査のためのオープンソース(OSS)の基礎
 5.2 特許調査における「OSSツール」と「商用ツール」の相互補完的使用
 5.3 機械学習概要(分類、回帰、クラスタリング、次元圧縮)
 5.4 特許分野における自然言語処理導入のメリット
 5.5 特許調査用学習済モデルの作成とその評価方法
 5.6 先行技術調査の流れ(進め方)
 5.7 分散表現(単語埋め込み)とは
 5.8 分布仮説に基づいた文脈中の単語の重み学習(word2vec)
 5.9 doc2vecによる公報(文書)単位の類似度計算
 5.10 doc2vecによる発明の要素(文)単位の類似度計算

6.機械学習のクラス分類の応用事例 
 6.1 ディープラーニングの基礎検討
 6.2 文書のベクトル化検討
 6.3 one hotベクトル(BoW、TF・IDF等)
 6.4 分散表現ベクトル(word2vec、doc2vec、fastText等)
 6.5 機械学習による文書分類
 6.6 SDI調査への応用

7.教師無し機械学習(クラスタリング、次元圧縮)の応用
 7.1 単語・文書のクラスタリングによる動向調査への応用
 7.2 文書ベクトルの次元圧縮による特許公報の俯瞰可視化
 7.3 文書分類との組み合わせによるパテントマップの自動作成

8.特許実務へのAI利用の現状のまとめと将来展望
 8.1 特許庁(JPO)における人工知能(AI)技術の活用動向
 8.2 特許調査分野におけるAI技術の活用動向

  □質疑応答□
 
【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