OSS（オープンソースソフトウェア）を使った特許情報解析の基礎から応用まで解説します。自分でできる各種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。特許情報の解析作業をより効率化、省力化、高精度化したいとお考えの方にお勧めです。

OSS（オープンソース）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／機械学習による先行技術・動向調査の効率化／生成AI（ChatGPT等）を用いたPython利活用／事例紹介

アジア特許情報研究会／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.特許情報解析の基礎
　・特許情報解析とは
　・特許情報解析の活用方法と情報要求
　・動向把握　業界/技術の動向を把握したい
　・事業推進　安心して製品化・研究開発を進めたい
　・権利取得　広くて強い権利を取りたい

Ⅲ.特許情報解析の３つの「視点」と解析方法
　・「鳥の目」対象をマクロ的に俯瞰する視点
　・「虫の目」細部に注目してミクロ的に分析する視点
　・「魚の目」今後の流れを読む予測の視点

Ⅳ.特許情報解析のためのOSSの基礎
　・形態素解析（MeCab,Janome,Sudachi）
　・形態素解析結果の集計(RMeCab等）
　・特許文書からの特徴語抽出
　・ワードクラウド（特徴語の可視化）
　・専門用語抽出
　・文書・特徴語のベクトル化
　・「文書×抽出語」行列作成と解析

Ⅴ.Rを用いた特許情報解析
　・RとPythonによる解析の比較
　・Rによる主成分分析
　・Rによる対応分析
　・Rによる多次元尺度法
　・Rによるネットワーク分析

Ⅵ.Pythonを用いた機械学習の特許情報解析への応用
　・機械学習概要（分類、回帰、クラスタリング、次元圧縮）
　・機械学習のクラス分類の応用 文書分類
　・SDI調査、動向調査への応用
　・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
　・文書分類との組み合わせによるパテントマップの自動作成

Ⅶ.自分でできる特許情報解析のヒント・参考文献

【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
　　●GiNZA: 日本語自然言語処理オープンソースライブラリ
　　●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