Macrosend

• 形態素解析

  mecab, juman, sudachi等の形態素解析技術を用いて、文章を最小限のパーツに分解します。
  
  例：「私は美味しいりんごとバナナを買った」→「私/は/美味しい/りんご/と/バナナ/を/買った」

• 構文解析

  BERT等の自然言語処理AIを用いて、形態素同士の関係性を解析し、考えうるパターンを全て列挙します。
  
  例：「美味しいりんごとバナナ」と受け取るパターンと「美味しいりんご」と「バナナ」と受け取るパターン。

• 意味解析

  BERT等の自然言語処理AIを用いて、辞書データを参考に、構文解析で得た様々なパターンから文脈的に最適だと思われるパターンを選出し、文脈・意味を数値化します。これにより、初めてコンピュータが他の文章との比較できる状態になります。
  

特許/知財向け 業務効率化AIは、主にこのような組み合わせで成り立っています。これにより、国内の膨大な特許公報から意味が近いと認識した文章を検索し、特許調査業務の時間を短縮することができます。

ちなみに特許公報文書や法的文書は、上記の「美味しいりんごとバナナ」のような曖昧な構文・意味解釈ができる文章が比較的少ないため、自然言語処理が力を発揮しやすく、他の領域と比べても効果が感じやすいです。

• 

  1.特許文書分類モデルの新規学習・追加学習

• 

  2.特許文書の一括類似度ラベリング

• 

  3.作成した分類モデルの管理と性能比較

JSR株式会社様の知的財産活動における特許調査業務の効率化を図るため、AIを活用した高精度な検索結果を抽出する新しい機能を開発いたしました。サービス利用者が指定した検索文章の意味をAIが解析し、国内の膨大な特許公報から意味が近いと認識した文章を検索し特許調査業務の時間を短縮し、また、特許業務担当者だけでなく専門知識を持たない製造現場の担当者が意図する検索結果の精度を向上し、特許調査業務の負荷軽減に貢献いたしました。

また、マクロセンドは「特許/知財 業務効率化AIシステム」に加えてデータ収集自動化、クラウドデータ基盤構築、ラベリング補助ツールの提供など、特許調査業務を総合的に加速させることも可能です。詳しくは、「DX・データプレパレーション基盤構築サービス」をご覧ください。