先週より、NRIサイバーパテントデスクのJP概念検索が、AIを活用したエンジンに切り替わったとのことです。

ホームページへの掲載はまだですので、一斉送信されたメールに内容を一部引用します。

FRONTEOさんとの協業の成果でしょうか。


「単語の切り出し」の見直しや「単語の出現頻度」「出現回数」「単語間の関係性」をAIを活用して事前学習させたそうです。

その結果、従来と比べて、関連する文献が「より上位に」「より多く」入るようになったとのこと。

 

ただし、NRIサイバーパテントの概念検索は、検索範囲が要約又は請求の範囲に限られており、全文を検索対象とする日立のShareresearch/SR Partnerや発明通信社のHYPAT-i2の概念検索に比べて、その精度が高くありませんでした。

 

先日、新しいNRIの概念検索を使用してみたところ、検索精度の向上は見出せませんでした。

AIにも強いAIや弱いAIなど、様々な種類があるようです。

 

特許データベースに使われているのは弱いAIと思いますが、現状は精度向上よりも、AIを用いたという話題性が目的のように感じます。

 

---------------------------------------------------------------------------

JP概念検索のエンジンをリニューアル

---------------------------------------------------------------------------

 2000年から日本初の文章入力検索として提供している概念検索において

AIを活用した新エンジンに切り替える全面リニューアルを実施します。

 「単語の切り出し」の見直しや「単語の出現頻度」「出現回数」

「単語間の関係性」をAIを活用して事前学習させるなどの効果として、

従来と比べて、関連する文献が「より上位に」「より多く」入るように

なります。

 

■リニューアルする概念検索の特長

 ・検索結果上位への関連案件の出現率が大幅に上昇

 ・検索レスポンスも向上

 

■リニューアルの予定日

 ・2018711

 

https://www.nri.com/jp/news/2016/161026_1.aspx

NRIサイバーパテント株式会社(本社:東京都千代田区、代表取締役社長:高野誠司、以下、「NRIサイバーパテント」)と、人工知能(AI)を駆使したビッグデータ解析事業を手がける株式会社FRONTEO(本社:東京都港区、代表取締役社長:守本正宏、旧UBIC、以下「FRONTEO」)は、NRIサイバーパテントが提供する特許情報サービス「NRIサイバーパテントデスク2」と、FRONTEOが提供する人工知能による特許調査・分析システム「Lit i View PATENT EXPLORER(以下、「PATENT EXPLORER」)」の連携により、特許調査におけるAI活用の促進を目指す協業を開始します。

国内だけでも、年間約30万件行われている特許の出願手続きに代表される知的財産分野においては、膨大な文献を対象とした調査、分析に多大な労力と、高い専門スキルが求められています。

今回の両社の取り組みでは、高度な検索機能と多彩な閲覧機能を持つ「NRIサイバーパテントデスク2」と、FRONTEOが独自に開発した人工知能「KIBIT(キビット)」により特許の調査・分析作業を効率化させる「PATENT EXPLORER」の2つを連携させることで、先行技術調査や無効資料調査など、調査・分析作業の効率化を実現します。この連携を活用した業務イメージは、以下の通りです。

  • (1)「NRIサイバーパテントデスク2」による文献の絞り込み
    「NRIサイバーパテントデスク2」のキーワード検索などの多様かつ高精度な検索機能を用いて、膨大な特許文献から調査・分析対象となる文献の絞り込みを行います。
  • (2)「PATENT EXPLORER」による特許文献のスコアリング
    (1)で得られた文献の中から教師データを指定し、人工知能「KIBIT」で関連度の高さ順にスコア付けを行います。この場合の教師データとは、無効にしたい特許に係る特許公報など、調査の対象となる特許文献(もしくは発明の特徴を明確に列挙したテキスト)です。
  • (3)「NRIサイバーパテントデスク2」による特許文献のレビュー
    (2)でスコア順に並べ替えられた文献を、「NRIサイバーパテントデスク2」が搭載する多彩な閲覧機能を用いてレビューします。

これにより、例えば1,000件の特許文献調査に際して、「PATENT EXPLORER」によるスコア付けを行うことで、上位10-20%(100-200件)の文献調査に注力できるなど、調査効率の大幅な向上が期待できます。また、スコア付けされた結果のフィードバックを行うことで、人工知能「KIBIT」が再学習を行い、より精度の高い結果を導くことが期待できます。