文献

J-GLOBAL ID：202102276813909132   整理番号：21A0567094

特許新規性検出に関する実証的研究:機械学習と自然言語処理を用いた新しいアプローチ【JST・京大機械翻訳】

An Empirical Study on Patent Novelty Detection: A Novel Approach Using Machine Learning and Natural Language Processing

著者 (4件)： Chikkamath Renukswamy (University of Passau,Passau,Germany) ,  Endres Markus (University of Passau,Passau,Germany) ,  Bayyapu Lavanya (University of Passau,Passau,Germany) ,  Hewel Christoph (BETTEN und RESCH Patent- und Rechtsanwaelte PartGmbB,Munich,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SNAMS  ページ： 1-7  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 特許,知的財産の形は,発明を保障する時に,しばしば最初の場所にある。作成した法的境界は,次に商業製品への発明を転換する重要段階になるであろう。近年,特許応用の前例のない成長は特許試験者にとって大きな課題を誘導した。新しい検出は,主張された発明の保証に特許アプリケーションをフィルタリングする前と後で考慮された1つの主要なステップであり,新しい非意見である。特許出願者,特許調査者,特許出願者,特許エージェント専門家による事前芸術検索の突出段階として,このものを考察した。そのような大規模文書の批判的解析に関する管理は,最適,有効かつ効率的なシステムの欠如から課題となっている。この目的のために,著者らは,高度に再帰的で対話型なタスクを育成するための新しい実験的事例研究を取り上げた。考察したデータセット上で50以上の機械学習モデルを開発し,調査した。本研究の貢献は;1)特許ドメインにおける新規性検出の重要性を概観し,予想し,新規性検出のための様々なベースラインモデルを開発すること,3)ベースラインモデルを改善するためにNLPに対する深い学習の膨大な貢献を利用して,(4)単語2vec,グローブ,高速テキスト,およびドメイン特異的埋込みのような異なる単語埋込みを用いて,各モデルの性能を評価し,著者らのデータセットに関するNBSVMアルゴリズムの新しい応用,および著者らのモデルの例外的に良いものと考えた。訓練と検証曲線を用いてモデルの充足を行い,新規性検出における効果的な自動化が日常的事前技術探索努力を運転するのを助けるという期待で,見当たらない過剰適合または過剰適合を証明できなかった。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  自動化 ,  特許調査 ,  フィルタリング ,  *自然言語処理 ,  応用プログラム ,  検査員 ,  事例研究 ,  手袋 ,  基準線 ,  単語 ,  エージェント ,  *機械学習
準シソーラス用語： 知的財産 ,  対話型 , 【Automatic Indexing@JST】

分類 (5件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (5件)： 特許 ,  新規性 ,  実証的研究 ,  機械学習 ,  自然言語処理