Service 01
知財×自然言語処理
特許・論文などの技術文書を、自然言語処理で「読む」。 類似特許の発見、先行技術調査の効率化、発明ポイントの抽出まで—— キーワード検索では届かない「意味」のレベルで、知財実務の読み落としと工数を減らします。
解決できること
古典的な手法から最新のLLMまで、課題に合った自然言語処理の手法を選び、知財実務の判断基準を組み込んで提供します。
類似特許の発見・意味検索
キーワード一致では見つからない、言い回しの異なる類似特許を、文書のベクトル化とコサイン類似度で発見。表現の揺れに強い意味ベースの検索で、先行技術の読み落としを減らします。
先行技術調査の効率化
大量の候補文献を類似度でスコアリングし、読むべき順に並べ替え。調査工数を削減しつつ、見落としリスクを低減します。最終判断は人が行う前提で、候補の絞り込みを自動化します。
発明ポイントの抽出
文書クラスタリングと特徴語分析により、特許群の中から技術の核となる要素を抽出。自社・競合の強みがどこにあるかを、文章から定量的に読み取ります（人工知能学会での発表手法に基づく）。
重要特許候補の特定
学術論文と特許の対応関係を自然言語処理で分析し、重要特許になりうる候補を特定。引用数や出願件数だけでは見えない、技術的価値の高い特許を文章から見出します（知財管理誌掲載手法に基づく）。
生成AI・LLMの知財業務への実装
特許文書の要約・構成要件の対応分析・調査レポート生成など、生成AIを知財実務に組み込む設計と実装。オムロンでの知財AIエージェント開発の経験に基づき、御社のデータ・環境に合わせて構築します。
特許文書の自動分類・構造化
テキストから技術分類を自動付与し、大量の特許文献をクラスタリングして構造化。人手では追いきれない件数の文書を、意味のまとまりごとに整理して俯瞰できるようにします。
進め方
課題のヒアリング
どの業務の、どの判断を、どう楽にしたいかを明確化
手法の設計
課題に合う自然言語処理の手法と、判断基準を設計
検証・構築
実データで精度を検証し、御社の環境に合わせて構築
納品・定着
分析結果・ツールの納品と、運用が回るまでの伴走
活用テクノロジー
TF-IDF / BM25
単語の重要度に基づく古典的な文書表現。解釈しやすく、根拠を説明できる。
文埋め込み (SBERT等)
文章全体を意味ベクトルに変換。言い換えや表現の違いを超えて類似を捉える。
コサイン類似度 / 意味検索
ベクトル間の近さで文書の類似度を定量化。大量文献の絞り込みに。
文書クラスタリング
特許群を意味のまとまりに自動分類。発明ポイントや技術構造の抽出に。
生成AI / LLM
要約・構成要件の対応分析・調査レポート生成。AIエージェントとしての実装も。
形態素解析 (日本語)
日本語特許文書の前処理。専門用語・複合語を適切に扱う基盤技術。