特許の可視化

データマイニングを用いることで、競合他社の特許出願パターンを分析し、特定の技術分野における主要な特許出願者を特定することが可能になります。この手法は、競合他社の事業環境、動向、イノベーションのトレンドを監視するのに役立ち、技術分野の現状をマクロ的に把握することができます。

テキストマイニングは、非構造化テキスト文書を検索するために使用されます。^{[ 14 ] [ 15 ]}この技術はインターネットで広く使用されており、バイオインフォマティクスで成功を収め、現在では知的財産分野でも使用されています。^{[ 16 ]}

テキストマイニングは、コーパス内の単語の出現頻度の統計分析に基づいています。^{[ 17 ]}アルゴリズムは、タイトル、要約、クレームから単語と表現を抽出し、それらを活用ごとに収集します。「And」と「if」は情報を持たない単語としてラベル付けされ、ストップワードリストに格納されます。ストップリストは、正確な分析を作成するために特化することができます。次に、アルゴリズムは、特許のコーパス内での単語の頻度と、その単語を含む文書の頻度に基づいて、単語を重みでランク付けします。各単語のスコアは、次のような式を使用して計算されます。^{[ 18 ] [ 19 ]}

${\displaystyle 重み={\frac {用語頻度}{文書頻度}}={\frac {テキスト海における単語または表現の頻度}{その表現または単語を含む文書の数}}}$

複数の文書で頻繁に使用される単語は、少数の特許で頻繁に使用される単語よりも重みが低くなります。最小重みに満たない単語は除外され、関連性の高い単語または記述子のリストが残ります。各特許は、選択された文書で見つかった記述子に関連付けられます。さらに、クラスタリング処理において、これらの記述子は、特許を再グループ化するサブセットとして、または特許をあらかじめ定められたカテゴリ（例えば、国際特許分類のキーワード）に分類するためのタグとして使用されます。

テキストマイニングでは、以下の4つのテキスト部分を処理できます 。

• タイトル
• 抽象的な
• 請求
• 特許全文

ソフトウェアはさまざまな組み合わせを提供していますが、一般的にはタイトル、要約、クレームが最もよく使用され、干渉と関連性のバランスが良好です。

テキストマイニングは、検索範囲を絞り込んだり、特許コーパスを迅速に評価したりするために利用できます。例えば、クエリによって無関係な文書が生成された場合、多段階クラスタリング階層によってそれらを識別し、削除して検索を絞り込むことができます。また、テキストマイニングは、コーパス固有の内部分類体系を作成し、マッピングに活用することも可能です。

マッピングによる可視化は、テキストマイニングとデータマイニングの両方の結果に利用できます。