1.はじめに
World Patent Informationに特許分析に深層学習を用いた事例のサーベイ論文があったので読んでみました。結構利用が進んでいるなという感じです。
2. 事例のまとめ図
World Patent Informationに掲題のサーベイ論文があったので読んでみました。 World Patent Informationは
World Patent Information aims to encompass the world of IP information; and focus the journal towards IPRs for industrially applicable innovations; and their management, analysis; big data analysis; policy; education. IPRs - patents, utility models; copyright, trademarks, registered design; design rights; trade secrets; database rights; traditional knowledge; indigenous knowledge; geographical indications may all be considered.
とのことで色々手広くと言うか何でもやっているような感じです。 特許分析に深層学習を用いたものについて、
Dataset(USPTOやWIPOのデータ)
Representation（学習に使うデータの表現、引用ネットワークとかメタデータなど含む）
Architecture（深層学習のアーキテクチャと思われる）
Analysis-task（対応する特許関連タスク）
の４軸で2017-2020で公開された論文について調査して整理しています。
下記のような感じ。個人的にはLIT (litigation analysis)とGEN (data generation)について面白そうだったので個別に読むことにしました。
略語については以下のとおり。
NAT (national: Chinese, Japanese, or Russian patents), COLL (curated collections: NTCIR, CLEF-IP, or TREC-CHEM), REP (reports: Gartner, KISTA or EPO), LEGAL (post-grant documents), NUM (numeric features), CIT (citation networks), IMG (image data), WE (word embeddings), DE (document/paragraph embeddings), GE (graph/network embeddings), CTX (contextual word embeddings), FC (fully connected network), SEQ2SEQ (sequence-to-sequence network), AE (autoencoder network), TRANS (transformer-based network), SUP (supporting task: extraction, segmentation, or translation), CLASS (classification), RETR (retrieval: prior art search, landscaping, passage retrieval, or clustering), QUAL (quality and market valuation), TECH (technology forecasting), GEN (data generation), LIT (litigation analysis), CV (computer vision: captioning, classification, or image-based retrieval)
４．続き
この論文は2020年までですが、これ以降も事例は増えているはず、ということで調べてみました。⇓この辺を表でまとめていこうと思います。
Comments