【WIPS PRISM】特許データを戦略に変えるAI特許分類ソリューション、WIPS PRISM_機能紹介

 前回の投稿にてWIPS PRISMはディープラーニング基板のAI特許自動分類ソリューションで、特許分析業務の50~60%を占める技術分類段階を自動化して分析の速度と制度を革新的に高めるソリューションだとご紹介しました。

今回のポストでは、WIPS PRISMの細部機能をもう少し詳しくご紹介したいと思います。

AI分類モデル学習及び設定
AIがユーザーデータを学習する初期設定と、データ取り込みのプロセスです。母集団をアップロードした後、手動分類を経てAI学習を実行すると、全体分類が完了したモデルが生成されます。

・データ取り込み：ExcelファイルまたはWIPS Globalのマイフォルダ(複数フォルダ対応)との連携により、最大20万件のデータをアップロードできます。プロジェクト作成後でも追加データの取り込みが可能です。

・分類対応方式：手動分類と段階的分類の両方に対応しており、名称・要約・請求項に加え、文章単位・フレーズ単位のAI要約情報も活用できます。

・学習と自動化：母集団の一部を学習させた後、残りの文献を自動分類することができ、類似度設定（30〜90％）により分類精度を調整できます。

AI学習によるノイズ分類
技術分類の前に、不要なデータを除外するための「ノイズフィルター」を生成します。
取り込まれたデータを有効文献として学習し、それと類似しない文献をノイズとして除去する分類モデル(フィルター)を作成することが目的です。

生成されたフィルターは、今後のAI分類時に適用され、対象文献を有効文献(YES)またはノイズ(NO)として自動的にフィルタリングします。
ノイズフィルターを選択し、学習用の有効文献をアップロードしたうえでAI学習を実行すると、最終的にノイズを除去できるフィルターが生成されます。

実践AI分類（技術分類およびノイズフィルタリング）

学習したモデルを実際のデータに適用し、分類結果を導き出すプロセスです。

・自動技術分類：事前に生成した分類モデルの中から1つを選択して適用すると、文献ごとの分類リストが表示されます。上位3件の分類候補と類似度(％)があわせて提示されます。

・分類調整および追加：最大3段階まで分類ツリーを設定・編集ができて、母集団を追加して既存文献と統合した再分類も可能です。

・ノイズフィルター適用：適用するノイズフィルターを選択すると、有効文献とノイズに自動で分類されます。

データ品質を高めるためには、まず一次的にノイズフィルターで有効特許を選別し、その後に詳細な技術分類モデルを生成する方法を推奨します。

一度作成したモデルは、新規特許にも継続して活用でき、さらに新たに分類されたデータを既存モデルに追加学習させることで、モデル性能をより精緻に高めていくことができます。

クラスタリング(教師なし学習)

事前学習データなしで、AIが類似する特許同士を自動的にグループ化する「教師なし学習」による分類です。

技術探索や初期分類体系の構築に活用でき、他社の新規事業分野を予測する際にも有効です。

・データ準備：有効特許の漏れを防ぐためにノイズを含んでいても包括的な検索式でデータを収集することを推奨します。

WIPS Globalのマイフォルダからデータを取り込むか、Excelファイルやテキストファイルを直接アップロードすることも可能です。最低50件以上のデータが必要です。

・クラスタリング(グルーピング)設定：最大3段階まで分類でき、AI学習と同様に、名称・要約・請求項・AI要約情報をデータ範囲として選択できます。

・結果確認およびモデル変換：クラスタリング結果を比較・検討し、満足できる分類体系が得られた場合は、AI分類モデル(教師あり学習用)として生成し、今後の自動分類に活用できます。

マトリクス

OSマトリクスは、同一のデータ集合(特許・技術・アイデア)を「目的(Why/Object)」と「手段(How/Solution)」に分けて配置し、その分布パターンを分析することで、課題構造・技術の流れ・機会領域を把握する分析手法です。

この分析により、戦略的なインサイトを導き出すことができます。

X軸・Y軸には、AI分類やクラスタリングの結果を自由に設定できます。

重要なのは、どこにデータが集中しているか、どこに空白があるかという点です。

特定の目的に対して特定の技術が集中している場合、その領域はすでに競争が激しい技術分野であることを意味します。

一方で、ある目的は存在するものの、それを実現する特定の手段が見当たらない場合は、まだ試みられていない技術領域(ホワイトスペース)であると考えられます。

このような分布を通じて、技術競争構造・空白領域・拡張可能性を同時に把握できるため、特許ポートフォリオ分析に最適化された手法といえます。

また、クラスタリングのデータ範囲を「解決手段」と「効果」フィールドに指定してマトリクスを実行すると、目的とする効果を実現する技術や、同一の解決手段による異なる効果を示す技術を発見することができます。

多角的な視点によるチャート分析

分類結果を、年度、国、出願人、技術分類など、さまざまな基準で可視化して表示するチャート機能です。

出願人データを整備することで、分析精度をさらに高めることができます。

また、技術分野や日付などを選択すると、チャート全体がリアルタイムで連動するインタラクティブフィルタリングを提供し、ユーザーごとの目的に応じた分析環境を実現します。

ここまで、WIPS PRISMの機能を詳しくご紹介しました。

PRISMの核心となるのは、やはりAI学習による自動分類です。

みなさんが時間をかけて分類したデータをAIに学習させて、自分だけのアシスタントを作ることもできて(教師あり学習)、膨大なデータの中からAIが自ら技術分類を行い(クラスタリング/教師なし学習)、戦略立案に活用することもできます。

WIPS PRISMを通じて、特許業務をより効率的に進化させてみませんか。

Japan Tel: +82-2-726-1113, 1107 | Fax: +82-2-777-7334 | wips-jp@wips.co.kr