本講座では、1日目に特許調査に役立つテキストマイニング・機械学習の基礎を学び、2日目にOSSを使った自分でできる特許情報解析の実践へ進みます。AIを単なる流行としてではなく、実務にどう活用し、どう見極め、どう内製化していくかを、特許調査・解析の視点から体系的に理解することを目指します。

ツールを評価・把握し使いこなす地力が《2日間》で身につけられる！

小規模組織(個人)でもできる
AI・機械学習・OSSを活用した特許情報の読み方・調べ方
＜実践編＞
OSSを使った自分でできる特許情報解析

― 解析の実践と特許調査への応用 / Python・R・Dify等の活用 ―

アジア特許情報研究会　知財情報解析グループ グループリーダー 安藤 俊幸氏

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　研究開発部門　知的財産部、2011年　アジア特許情報研究会入会、知財情報解析グループで活動、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、2024年第49回「情報科学技術協会賞」研究発表賞受賞、2024年花王を定年退職。アジア特許情報研究会、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等に所属。ご専門は、知財情報解析、機械学習、テキストマイニング、分析化学。

Ⅰ．はじめに
“自分でできる特許情報解析”の時代へ

実践編では、市販ツールを使うだけでなく、自分で解析する力を持つことの意義を確認します。
基礎編で学んだ考え方を土台に、内製的な特許情報解析の全体像をつかみます。

0. 講師自己紹介／アジア特許情報研究会紹介
1. 実践編の目的と到達イメージ
2. なぜいま内製的な特許情報解析が重要なのか
3. 市販ツール活用と自前解析の役割分担
4. OSSを用いた小規模導入・試作の考え方
5. 本講座で扱う解析テーマと事例の全体像
6. 基礎編の知識を実務につなげる視点


Ⅱ．特許情報解析の基礎
解析対象を定め、目的に応じて読み解く

特許情報解析を行ううえでのデータの選び方、整え方、見方の基本を整理します。
書誌情報・要約・請求項・全文の使い分けと、解析結果を調査に戻す考え方を学びます。

1. 特許情報解析とは何か
2. 書誌情報・要約・請求項・全文の使い分け
3. データ取得から整形・可視化までの基本フロー
4. 特許情報解析でよく使う基本指標
5. 解析単位の設計とデータの持ち方
6. 解析結果を調査・分析実務へ戻す方法


Ⅲ．特許情報解析の３つの「視点」と解析方法
件数・中身・関係性から多面的に捉える

特許情報解析を「件数を見る」「中身を見る」「関係を見る」の3つの視点で整理します。
それぞれの視点に対応する代表的な解析方法と、実務での読み解き方を学びます。

1. 件数を見る―出願動向・分野規模の把握
2. 中身を見る―技術テーマ・内容の把握
3. 関係を見る―出願人・引用・分類・共同出願の分析
4. 時系列で見る解析手法
5. 比較して見る解析手法
6. ３つの視点を組み合わせた実務的な読み解き方


Ⅳ．特許情報解析のためのOSSの基礎
R・Pythonを中心に、解析の道具を理解する

特許情報解析に利用できるOSSの基本を整理し、RやPythonの役割と使い分けを確認します。
併せて、文字コード、表記ゆれ、再現性など、実務でつまずきやすい点も取り上げます。

1. OSSとは何か、活用する意義とは
2. 特許情報解析に役立つ主なOSSの全体像
3. RとPythonの特徴と使い分け
4. データ整形・集計・可視化の基本ツール
5. テキスト解析・機械学習・ネットワーク分析の基礎環境
6. OSS運用で押さえたい実務上の注意点


Ⅴ．R、Pythonを用いた特許情報解析事例
実データを扱いながら学ぶ解析の基本パターン

CSVやExcelから始められる実践的な解析例を通じて、集計、可視化、テキスト分析の基本パターンを学びます。
さらに、生成AIを補助的に使ってコード作成や修正を行う実務的な進め方にも触れます。

1. CSV・Excel形式の特許データの読み込みと整形
2. 出願件数・出願人・分類コード等の基礎集計
3. 頻出語分析・特徴語抽出の実践例
4. クラスタリング・次元圧縮・可視化の事例
5. Rによる統計解析、Pythonによる柔軟な処理の使い分け
6. 生成AIを活用したPythonコード作成・修正・解釈支援


Ⅵ．ノーコード・ローコードツールを用いた特許情報解析事例
Difyも活用しながら、プログラミングなし／少なめでも始められる解析実践

必ずしも本格的なプログラミングができなくても、特許情報解析は始められます。
表計算、BI、ワークフロー型ツールに加え、Difyのような生成AIアプリ開発基盤も活用し、段階的に分析力を高める方法を紹介します。

1. ノーコード・ローコード活用のメリット
2. 表計算ソフトを使った基本的な特許情報整理
3. BIツールによる可視化・ダッシュボード作成
4. ワークフロー型ツールやDifyを用いた前処理・分析支援・簡易アプリ化
5. 初心者でも取り組みやすい実践例
6. ノーコード、Dify、Python／Rの使い分け方


Ⅶ．自分でできる特許情報解析のヒント・参考文献
まずは小さく始め、継続して育てるために

最後に、実務で無理なく始めるための着手テーマ、失敗しやすい点、継続運用の工夫を整理します。
あわせて、学習・実践の参考となる文献や公開資料、今後の展望も紹介します。

1. 初めての人が着手しやすいテーマの選び方
2. 小さく始めるための実践ステップ
3. 失敗しやすいポイントとその回避策
4. 社内導入・継続運用の工夫
5. 学習・実践に役立つ参考文献・OSS・公開資料
6. 生成AI時代における特許情報解析の今後の展望