知財学会で、デロイトアナリティクス神津が技術探索手法に関する研究発表を実施

技術領域のボーダレス化が急速に進む中、特許情報の活用は技術開発戦略の策定においてますます重要になってきています。一方で、特許出願数は日本だけでも年間およそ30万件存在する（2018年時点）ため、その全てに目を通すことは事実上不可能です。そのため、特許情報からインサイトを抽出するためには、まず真の分析対象特許を含む母集団を俯瞰的に分析することで、技術軸の定義や真の分析対象の特定などを実施することが一般的になっています。特許類似度マップ（各特許が2次元平面上の点として表現され、特許間の類似度が二点間の距離として表現されるマップ）は、こうした俯瞰分析をするうえで欠かせないツールですが、マップを構築するために従来用いられてきたアルゴリズム（TF-IDF法）では、特許間の類似関係が適切に評価されないケースがあることが課題となっていました。

本研究では、深層学習モデル（self-attentive LSTMモデル）を利用した新規手法によって、従来手法と比較して特許間類似度をより良く反映した特許類似度マップが構築可能であることを示しました。また、可視化ツール（BIツール）と組み合わせることで、技術軸探索等の分析を直感的かつ効率的に実施できることを示しました。本研究成果を活用することで、例えば企業の場合には、競合他社との差別化を図る事業戦略の策定や、自社の弱みを補完する買収・提携企業候補の選定のための技術的情報を効率的に創出することが可能となります。また、大学や研究機関の場合には、研究開発成果を事業化するためのパートナー企業の探索等にも活用することが可能です。

発表資料は以下からダウンロードできます。

【2B15】深層学習特許類似度マップによる技術探索手法
https://www2.deloitte.com/content/dam/Deloitte/jp/Documents/deloitte-analytics/jp-da-dapublicity-tsubota-kozu-ipaj.pdf [PDF, 2.44MB]

デロイト トーマツ グループにおいてデロイトアナリティクスはデータ分析に関するアドバイザリー業務や、AI利活用などテクノロジー活用に関する支援を行っております。ご関心のある企業のご担当者さまはお問い合わせフォームよりご連絡ください。