Service 01
知財情報分析
知財の出願データを機械学習・自然言語処理・生成AIで解析。 競合動向の把握、技術トレンドの可視化、未開拓領域の発見から、 AI特許調査・IPC自動分類まで、データに基づく知財戦略を支援します。
分析メニュー
データ分析からAI活用まで、お客様の課題に応じて最適な手法を組み合わせて提供します。
特許ランドスケープ
特定技術領域における主要プレイヤーの出願動向、技術分野の成長率、国際出願の地理的分布を俯瞰的に可視化。経営層向けの戦略レポートとして活用いただけます。
競合ベンチマーク
同業他社との出願件数比較、技術分野のオーバーラップ分析、引用ネットワーク解析を実施。自社の知財ポジションを客観的に評価し、強化すべき領域を特定します。
ホワイトスペース分析
IPC/CPC分類と出願人のクロス分析により、競合がまだ手薄な技術領域を発見。新規R&Dテーマの発掘や、M&A候補の技術デューデリジェンスに活用できます。
出願トレンド予測
時系列データに基づく機械学習モデルで、技術分野別の出願トレンドを予測。2〜3年先の技術動向を見据えた先行投資・出願戦略の立案を支援します。
AI特許調査
生成AIが特許文献を自動的に読解し、関連度のスコアリングとサマリーを生成。調査工数を大幅に削減しつつ、見落としリスクを低減します。
自動分類・クラスタリング
IPC/CPC分類コードの自動付与と、教師なし学習による技術クラスタリングを実行。大量の特許文献を効率的に構造化し、俏瞰分析を可能にします。
分析の流れ
ヒアリング
分析対象の技術分野・競合企業・目的を明確化
データ収集
Google BigQuery特許DBから関連データを抽出
分析・可視化
統計解析・NLP・機械学習で多角的に分析
レポート提出
戦略的インサイトを含む分析レポートを納品
活用テクノロジー
Google BigQuery
1億件超の特許データをリアルタイムクエリ。Google Patents Public Datasetsを活用。
Python / scikit-learn
クラスタリング、分類、時系列予測など各種機械学習モデルを適用。
自然言語処理 (NLP)
特許明細書のテキスト解析、キーワード抽出、類似度計算を実行。
生成AI / LLM
Gemini等の生成AIを活用した特許調査支援・要約生成・対話型分析。
Plotly / D3.js
インタラクティブな可視化でデータの洞察を直感的に把握。
Embedding / Vector Search
特許文書のベクトル化による意味的類似検索・クラスタ可視化。