テキストマイニングとオープンソースを用いたAI・機械学習の特許調査への応用を、事例とデモを交え解説します。さらに、自分でできる特許情報解析ツールも紹介しますので、プログラムやサンプルデータを実際にお試しいただくことができます。特許調査の効率化を図りたい方にお勧めです。

テキストマイニングと
AI・機械学習による効率的な特許調査

テキストマイニング活用事例／先行技術・技術動向調査／特許情報解析／生成AI（ChatGPT等）の活用

アジア特許情報研究会／元花王株式会社 研究開発部門 研究戦略・企画部 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、2021年　4月より研究開発部門　研究戦略・企画部。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
　・講師自己紹介
　・アジア特許情報研究会紹介

Ⅱ.特許調査とテキストマイニングの基礎
　・調査対象と調査範囲の特定・明確化
　・マッチングと適合
　・特許調査における再現率（網羅性）と適合率（効率）
　・先行技術調査と侵害防止調査の検索モデルの違い
　・「完全一致」⇔「最良一致」検索モデルの比較
　・検索・分類とテキストマイニングの違い
　・テキストマイニングの基本的な仕組み

Ⅲ.テキストマイニングの概要と特許調査への応用
　・テキストマイニングとは
　・形態素解析と分かち書き
　・特徴抽出（BoW,TF-IDF,BM25,単語N-gram）
　・抽出語の頻度分析
　・共起語のネットワーク分析
　・ネットワーク分析の応用（発明者、引用-被引用）
　・「文書×抽出語」行列作成と解析・可視化
　・文書の類似度行列作成と解析/可視化

Ⅳ.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）の活用事例
　・Text Mining Studio（商用）の活用事例
　・パテントマップEXZのキーワード抽出、類似特許抽出
　・Patentfieldの類似語、AIセマンティック検索
　・THE調査力AI(Deskbee５)の専門用語抽出、サーチ／ノイズ確率
　・RとPythonによるテキストマイニング
　・生成系AI（ChatGPT）等のテキストマイニングへの応用（基礎）

Ⅴ.オープンソースを用いた機械学習の特許調査への応用
　・機械学習の概要と特許調査への応用
　・特許調査分野における人工知能（AI）技術の活用動向
　・機械学習概要（分類、回帰、クラスタリング、次元圧縮）
　・特許分野における自然言語処理導入のメリット
　・特許調査用学習済モデルの作成とその評価方法
　・先行技術調査の流れ（進め方）
　・分散表現（単語埋め込み）とは
　・分布仮説に基づいた文脈中の単語の重み学習(word2vec)
　・doc2vecによる公報（文書）単位の類似度計算
　・doc2vecによる発明の要素（文）単位の類似度計算

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

Ⅶ.教師無し機械学習(クラスタリング、次元圧縮)の応用
　・単語/文書のクラスタリングによる動向調査への応用
　・文書ベクトルの次元圧縮による特許公報の俯瞰可視化
　・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

【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
　　●word2vec,doc2vecによる単語・文書の類似度計算と類似単語・文書抽出
　　●termextractによる専門用語（キーワード）自動抽出
　　●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
　　●python環境構築の概要
　　●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