論文の概要: Text Mining-Based Patent Analysis for Automated Rule Checking in AEC
- arxiv url: http://arxiv.org/abs/2212.05891v1
- Date: Mon, 12 Dec 2022 13:48:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 15:34:46.023124
- Title: Text Mining-Based Patent Analysis for Automated Rule Checking in AEC
- Title(参考訳): AECにおける自動ルールチェックのためのテキストマイニングに基づく特許分析
- Authors: Zhe Zheng, Bo-Rui Kang, Qi-Tian Yuan, Yu-Cheng Zhou, Xin-Zheng Lu,
Jia-Rui Lin
- Abstract要約: 本研究は、DII(Derwent Innovations Index)データベースと中国国家知識基盤(CNKI)のデータベースからデータソースとして特許を取得する。
結果は、中国とイギリスの特許のホットスポットと傾向が異なることを示している。
- 参考スコア(独自算出の注目度): 5.545791216381869
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automated rule checking (ARC), which is expected to promote the efficiency of
the compliance checking process in the architecture, engineering, and
construction (AEC) industry, is gaining increasing attention. Throwing light on
the ARC application hotspots and forecasting its trends are useful to the
related research and drive innovations. Therefore, this study takes the patents
from the database of the Derwent Innovations Index database (DII) and China
national knowledge infrastructure (CNKI) as data sources and then carried out a
three-step analysis including (1) quantitative characteristics (i.e., annual
distribution analysis) of patents, (2) identification of ARC topics using a
latent Dirichlet allocation (LDA) and, (3) SNA-based co-occurrence analysis of
ARC topics. The results show that the research hotspots and trends of Chinese
and English patents are different. The contributions of this study have three
aspects: (1) an approach to a comprehensive analysis of patents by integrating
multiple text mining methods (i.e., SNA and LDA) is introduced ; (2) the
application hotspots and development trends of ARC are reviewed based on patent
analysis; and (3) a signpost for technological development and innovation of
ARC is provided.
- Abstract(参考訳): アーキテクチャ、エンジニアリング、建設(aec)業界におけるコンプライアンスチェックプロセスの効率性を促進することが期待されている自動ルールチェック(arc)が注目されている。
ARCアプリケーションのホットスポットに光を当て、そのトレンドを予測することは、関連する研究とイノベーションの推進に役立つ。
そこで本研究では,derwent innovations index database (dii) とchina national knowledge infrastructure (cnki) のデータベースから特許をデータソースとし,(1)特許の定量的特徴(すなわち,年次分配分析),(2)潜在ディリクレ割当(lda)を用いたアークトピックの同定,(3)snaによるアークトピックの共起分析を含む3段階の分析を行った。
その結果,中国と英語の特許研究のホットスポットと傾向が異なっていた。
本研究の貢献は,(1)複数のテキストマイニング手法(sna,lda)を統合した総合的特許分析へのアプローチ,(2)特許分析に基づいてarcの応用ホットスポットと開発動向をレビューする,(3)arcの技術開発とイノベーションのための標識を提供する,の3つの側面を有する。
関連論文リスト
- AAAR-1.0: Assessing AI's Potential to Assist Research [34.88341605349765]
AAAR-1.0は,大規模言語モデル(LLM)の性能を評価するためのベンチマークデータセットである。
AAAR-1.0は、以前のベンチマークと大きく異なる2つの主要な方法である: 第一に、明らかに研究指向で、深いドメインの専門知識を必要とするタスク、第二に、研究者が日々従事する主要なアクティビティを反映する研究者指向である。
論文 参考訳(メタデータ) (2024-10-29T17:58:29Z) - Structural Representation Learning and Disentanglement for Evidential Chinese Patent Approval Prediction [19.287231890434718]
本稿では,検索に基づく分類手法を用いて,本課題の先駆的取り組みについて述べる。
本稿では,構造表現学習と絡み合いに着目したDiSPatという新しいフレームワークを提案する。
弊社のフレームワークは、特許承認の予測に関する最先端のベースラインを超越し、明確性の向上も示している。
論文 参考訳(メタデータ) (2024-08-23T05:44:16Z) - Generative AI for Deep Reinforcement Learning: Framework, Analysis, and Use Cases [60.30995339585003]
深部強化学習(DRL)は様々な分野に広く適用されており、優れた成果を上げている。
DRLは、サンプル効率の低下や一般化の低さなど、いくつかの制限に直面している。
本稿では、これらの問題に対処し、DRLアルゴリズムの性能を向上させるために、生成AI(GAI)を活用する方法について述べる。
論文 参考訳(メタデータ) (2024-05-31T01:25:40Z) - A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。
Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。
RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
論文 参考訳(メタデータ) (2024-05-10T02:48:45Z) - 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) - Bridging Evolutionary Algorithms and Reinforcement Learning: A Comprehensive Survey on Hybrid Algorithms [50.91348344666895]
進化的強化学習(ERL)は進化的アルゴリズム(EA)と強化学習(RL)を統合して最適化する。
本調査では,ERLの多様な研究分野について概観する。
論文 参考訳(メタデータ) (2024-01-22T14:06:37Z) - Explainable Authorship Identification in Cultural Heritage Applications:
Analysis of a New Perspective [48.031678295495574]
既存の汎用eXplainable Artificial Intelligence(XAI)技術のAIへの応用について検討する。
特に,3種類のAIdタスクにおける3種類のXAIテクニックの相対的メリットを評価した。
我々の分析によると、これらの技術は、説明可能なオーサシップの特定に向けて重要な第一歩を踏み出すが、まだ多くの作業が続けられている。
論文 参考訳(メタデータ) (2023-11-03T20:51:15Z) - 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) - A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。
この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる
本調査では,I-CMRの3段階分類法について概説する。
論文 参考訳(メタデータ) (2023-09-05T05:06:48Z) - The Harvard USPTO Patent Dataset: A Large-Scale, Well-Structured, and
Multi-Purpose Corpus of Patent Applications [8.110699646062384]
ハーバードUSPTO特許データセット(HUPD)について紹介する。
450万件以上の特許文書があり、HUPDは同等のコーパスの2倍から3倍の大きさだ。
各アプリケーションのメタデータとすべてのテキストフィールドを提供することで、このデータセットは研究者が新しいNLPタスクセットを実行することを可能にする。
論文 参考訳(メタデータ) (2022-07-08T17:57:15Z) - Image-text Retrieval: A Survey on Recent Research and Development [58.060687870247996]
クロスモーダル画像テキスト検索(ITR)は、優れた研究価値と幅広い実世界の応用により、研究コミュニティへの関心が高まっている。
本稿では,ITRのアプローチに関する4つの視点から,包括的かつ最新の調査を行う。
論文 参考訳(メタデータ) (2022-03-28T13:00:01Z)
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。