テキストマイニングと商用ツール、オープンソースを用いた機械学習の特許情報解析への応用を、事例、演習、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。特許情報解析を自分で行いたい方にお勧めです。

1. はじめに
   • 講師自己紹介
   • アジア特許情報研究会紹介
2. 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
3. テキストマイニングの概要と特許情報解析への応用
   • テキストマイニングとは
   • 形態素解析と分かち書き (演習付き)
   • 注目ワードのハイライト表示と抽出 (演習付き)
   • 特徴抽出
     • BoW
     • TF-IDF
     • BM25
     • 単語N-gram
   • 抽出語の頻度分析 (演習付き)
   • 共起語のネットワーク分析 (演習付き)
   • 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
4. 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、AI分類予測
   • 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
5. オープンソースを用いた機械学習の特許情報解析への応用
   • 機械学習の概要と特許調査への応用
   • 機械学習概要 (分類、回帰、クラスタリング、次元圧縮)
   • 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)
   • word2vecによる類似語の抽出 (演習付き)
   • doc2vecによる公報 (文書) 単位の類似度計算 (演習付き)
   • 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
   • 機械学習による文書分類
   • SDI調査、動向調査への応用
7. 教師無し機械学習 (クラスタリング、次元圧縮) の応用
   • 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 (デモ付き)
   • 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

演習・デモ・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 (演習付き)
   • termextractによる専門用語 (キーワード) 自動抽出 (演習付き)
   • Cytoscapeによる文脈語のネットワーク分析 (演習付き)
   • Cytoscapeによるネットワーク分析の応用 (演習付き)
     • 発明者
     • 引用 – 被引用
2. Pythonで始める機械学習 (デモ付解説)
   • 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
• 質疑応答