論文の概要: Artificial Intelligence Technology analysis using Artificial
Intelligence patent through Deep Learning model and vector space model
- arxiv url: http://arxiv.org/abs/2111.11295v1
- Date: Mon, 8 Nov 2021 00:10:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-28 20:13:58.683031
- Title: Artificial Intelligence Technology analysis using Artificial
Intelligence patent through Deep Learning model and vector space model
- Title（参考訳）: ディープラーニングモデルとベクトル空間モデルによる人工知能特許を用いた人工知能技術解析
- Authors: Yongmin Yoo, Dongjin Lim, Kyungsun Kim
- Abstract要約: 本稿では,人工知能技術分析のための人工知能特許データセットを用いた要素内キーワード分析手法を提案する。
実世界の問題に対して,提案モデルをどのように適用できるかを示すために,人工知能特許データの収集と解析を行った。
- 参考スコア（独自算出の注目度）: 0.1933681537640272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thanks to rapid development of artificial intelligence technology in recent
years, the current artificial intelligence technology is contributing to many
part of society. Education, environment, medical care, military, tourism,
economy, politics, etc. are having a very large impact on society as a whole.
For example, in the field of education, there is an artificial intelligence
tutoring system that automatically assigns tutors based on student's level. In
the field of economics, there are quantitative investment methods that
automatically analyze large amounts of data to find investment laws to create
investment models or predict changes in financial markets. As such, artificial
intelligence technology is being used in various fields. So, it is very
important to know exactly what factors have an important influence on each
field of artificial intelligence technology and how the relationship between
each field is connected. Therefore, it is necessary to analyze artificial
intelligence technology in each field. In this paper, we analyze patent
documents related to artificial intelligence technology. We propose a method
for keyword analysis within factors using artificial intelligence patent data
sets for artificial intelligence technology analysis. This is a model that
relies on feature engineering based on deep learning model named KeyBERT, and
using vector space model. A case study of collecting and analyzing artificial
intelligence patent data was conducted to show how the proposed model can be
applied to real world problems.
- Abstract（参考訳）: 近年の人工知能技術の急速な発展により、現在の人工知能技術は社会の多くの部分に貢献している。
教育、環境、医療、軍事、観光、経済、政治などが社会全体に大きな影響を与えている。
例えば、教育の分野では、生徒のレベルに応じて自動的に家庭教師を割り当てる人工知能の家庭教師システムがある。
経済分野では、大量のデータを自動分析して投資法を見つけ、投資モデルを作成し、金融市場の変化を予測する定量的な投資方法が存在する。
そのため、人工知能技術は様々な分野で使われている。
したがって、人工知能技術の各分野に重要な影響を与える要因と、各分野の関係がどのように結びついているかを正確に知ることが非常に重要である。
そのため、各分野の人工知能技術を分析する必要がある。
本稿では,人工知能技術に関する特許文書を解析する。
本稿では,人工知能技術解析のための人工知能特許データセットを用いた要素内キーワード分析手法を提案する。
これは、KeyBERTという名前のディープラーニングモデルに基づく機能工学に依存し、ベクトル空間モデルを使用するモデルである。
人工知能の特許データの収集と分析に関する事例研究を行い,提案モデルが実世界問題にどのように適用できるかを示した。
関連論文リスト
- AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳（メタデータ） (2023-10-03T06:55:19Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Latest Trends in Artificial Intelligence Technology: A Scoping Review [0.0]
本研究では、PRISMAフレームワークに続く最先端の人工知能技術のスコーピングレビューを行う。
目標は、人工知能技術研究のさまざまな領域で使われている最も高度な技術を見つけることであった。
論文 参考訳（メタデータ） (2023-05-08T08:06:16Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳（メタデータ） (2022-12-10T07:49:50Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Integrating Heuristics and Learning in a Computational Architecture for
Cognitive Trading [0.0]
我々は,効果的なロボットトレーダーの設計に固有の課題を概観する。
我々は,ロボトレーディング技術の現状を,認知的トレーディング(Cognitive Trading)と呼ぶ次のレベルのインテリジェンスへと引き上げることを目指している。
論文 参考訳（メタデータ） (2021-08-27T15:09:33Z) - Measuring Ethics in AI with AI: A Methodology and Dataset Construction [1.6861004263551447]
我々は、AI技術のこのような新しい機能を使用して、AI測定能力を増強することを提案する。
我々は倫理的問題や関心事に関連する出版物を分類するモデルを訓練する。
私たちは、AIメトリクス、特に信頼できる公正なAIベースのツールや技術開発への彼らの貢献の意味を強調します。
論文 参考訳（メタデータ） (2021-07-26T00:26:12Z) - A Classification of Artificial Intelligence Systems for Mathematics
Education [3.718476964451589]
本章では,数学教育(ME)のデジタルツールとして使用されているAIシステムの概要を紹介する。
それはAIと機械学習(ML)の研究者を対象としており、教育アプリケーションで使われている特定の技術に光を当てています。
論文 参考訳（メタデータ） (2021-07-13T12:09:10Z) - Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。
ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文 参考訳（メタデータ） (2021-04-12T09:54:12Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。