Fugu-MT 論文翻訳(概要): Patent Data for Engineering Design: A Review

論文の概要: Patent Data for Engineering Design: A Review

arxiv url: http://arxiv.org/abs/2111.08500v1
Date: Mon, 15 Nov 2021 05:42:26 GMT
ステータス: 処理完了
システム内更新日: 2021-11-17 15:25:53.846079
Title: Patent Data for Engineering Design: A Review
Title（参考訳）: エンジニアリング設計のための特許データ: レビュー
Authors: Shuo Jiang, Serhad Sarica, Binyang Song, Jie Hu, Jianxi Luo
Abstract要約: 特許データは、大量の設計情報を含むため、長い間エンジニアリング設計研究に利用されてきた。人工知能とデータサイエンスの最近の進歩は、設計理論と方法論を開発するために特許データのマイニング、分析、意味付けを行う前例のない機会を提示している。
参考スコア（独自算出の注目度）: 7.787711606896048
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Patent data have been utilized for engineering design research for long because it contains massive amount of design information. Recent advances in artificial intelligence and data science present unprecedented opportunities to mine, analyse and make sense of patent data to develop design theory and methodology. Herein, we survey the patent-for-design literature by their contributions to design theories, methods, tools, and strategies, as well as different forms of patent data and various methods. Our review sheds light on promising future research directions for the field.
Abstract（参考訳）: 特許データは、大量の設計情報を含むため、長い間エンジニアリング設計研究に利用されてきた。人工知能とデータサイエンスの最近の進歩は、設計理論と方法論を開発するために特許データの発掘、分析、活用する前例のない機会を提示している。本稿では, 設計理論, 方法, ツール, 戦略, 各種の特許データ, 各種手法への貢献により, 特許・意匠に関する文献を調査する。我々のレビューは、この分野の今後の研究の方向性に光を当てている。

関連論文リスト

EvoPat: A Multi-LLM-based Patents Summarization and Analysis Agent [0.0]
EvoPatはマルチLLMベースの特許エージェントで、ユーザーが検索生成(RAG)と高度な検索戦略を通じて特許を分析するのを支援する。特許要約,比較分析,技術評価などのタスクにおいて,EvoPatがGPT-4より優れていることを示す。
論文参考訳（メタデータ） (2024-12-24T02:21:09Z)
A Survey of Generative Techniques for Spatial-Temporal Data Mining [93.55501980723974]
本稿では,空間時間データマイニングにおける生成技術の統合に焦点を当てる。本稿では,生成技術に基づく時空間法を包括的に分析する。また、空間時間データマイニングパイプライン用に特別に設計された標準化されたフレームワークも導入されている。
論文参考訳（メタデータ） (2024-05-15T12:07:43Z)
A Comprehensive Survey on AI-based Methods for Patents [14.090575139188422]
AIベースのツールは、特許サイクルにおける重要なタスクを合理化し、強化する機会を提供する。この学際的な調査は、AIと特許分析の交差点で働く研究者や実践者のリソースとして機能することを目的としている。
論文参考訳（メタデータ） (2024-04-02T20:44:06Z)
Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文参考訳（メタデータ） (2024-02-27T17:11:35Z)
Graph Representation Learning Towards Patents Network Analysis [2.202803272456695]
この研究は、イランの公式ガゼットに登録された特許データの作成、分析、検索にグラフ表現学習アプローチを採用した。イランの特許グラフをスクラッチから作成するために、スクラップされた特許データセットから重要なエンティティが抽出された。新たなグラフアルゴリズムとテキストマイニング手法の活用により,イランの特許データから新たな産業分野と研究分野を特定した。
論文参考訳（メタデータ） (2023-09-25T05:49:40Z)
Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文参考訳（メタデータ） (2022-11-29T17:28:31Z)
Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文参考訳（メタデータ） (2022-10-02T07:43:26Z)
Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文参考訳（メタデータ） (2022-09-17T18:24:56Z)
Engineering Knowledge Graph from Patent Database [6.6469061025360965]
本稿では,特許データベースにある実世界の工学的事実である3つ組(エンティティ,関係性,実体)からなる,大規模でスケーラブルなエンジニアリング知識グラフを提案する。本稿では,特許文書におけるクレームの構文的および語彙的特性に基づく一連のルールを適用し,事実を抽出する。各特許文書にこれらの事実を集約し、特許データベース全体にわたる事実の集合を統合することにより、エンジニアリング知識グラフを得る。
論文参考訳（メタデータ） (2021-06-12T10:54:31Z)
Data-Driven Design-by-Analogy: State of the Art and Future Directions [11.025196033751786]
デザイン・バイ・アナロジー(Design-by- Analogy、DbA)は、ソース・ドメインから引き出されたインスピレーションに基づいて、ターゲット・ドメインに新しいソリューション、機会、あるいは設計が生成される設計手法である。近年,DbA サポートのためのデータ駆動手法やツールを開発するための新たな機会として,設計データベースやデータサイエンス,人工知能技術が急速に進歩している。
論文参考訳（メタデータ） (2021-06-03T04:35:34Z)
Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文参考訳（メタデータ） (2020-08-24T22:40:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。