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

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。

■特典：Live受講に加えて、アーカイブでも１週間視聴できます■
このセミナーはアーカイブ付きです。セミナー終了後も繰り返しの視聴学習が可能です。
視聴期間：3/29～4/4

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

【略歴】
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

セミナー受講料

※お申込みと同時にS&T会員登録をさせていただきます(E-mail案内登録とは異なります)。

49,500円( E-mail案内登録価格46,970円 )
E-Mail案内登録なら、2名同時申込みで1名分無料
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24,750円)

【1名分無料適用条件】
※2名様ともE-mail案内登録が必須です。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、１名あたり定価半額で追加受講できます。
※請求書（PDFデータ）は、代表者にE-mailで送信いたします。
※請求書および領収証は1名様ごとに発行可能です。
　(申込みフォームの通信欄に「請求書１名ごと発行」と記入ください。)
※他の割引は併用できません。

※テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
１名申込みの場合：39,600円 ( E-Mail案内登録価格 37,620円 )
※WEBセミナーには「アーカイブとオンデマンド」が含まれます。
※1名様でお申込み場合、キャンペーン価格が自動適用になります。
※他の割引は併用できません。

受講について

Zoom配信の受講方法・接続確認

• 本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信となります。PCやスマホ・タブレッドなどからご視聴・学習することができます。
• 申込み受理の連絡メールに、視聴用URLに関する連絡事項を記載しております。
• 事前に「Zoom」のインストール(または、ブラウザから参加)可能か、接続可能か等をご確認ください。
• セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
• セミナー中、講師へのご質問が可能です。
• 以下のテストミーティングより接続とマイク/スピーカーの出力・入力を事前にご確認いただいたうえで、お申込みください。
  ≫ テストミーティングはこちら

配布資料

• PDFテキスト(印刷可・編集不可)

セミナー趣旨

セミナープログラム

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　

キーワード：特許調査、機械学習、AI、特許情報解析