論文の概要: Predictive Patentomics: Forecasting Innovation Success and Valuation with ChatGPT

• arxiv url: http://arxiv.org/abs/2307.01202v1
• Date: Thu, 22 Jun 2023 13:21:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-09 13:51:35.723516
• Title: Predictive Patentomics: Forecasting Innovation Success and Valuation with ChatGPT
• Title（参考訳）: Predictive Patentomics: ChatGPTによるイノベーションの成功と評価の予測
• Authors: Stephen Yang
• Abstract要約: OpenAIの最先端のテキスト埋め込みは、各発明の品質と影響に関する複雑な情報にアクセスする。 このニュアンスド埋め込みは、特許価値を予測するR二乗法を24%の漸進的に改善する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Analysis of innovation has been fundamentally limited by conventional approaches to broad, structural variables. This paper pushes the boundaries, taking an LLM approach to patent analysis with the groundbreaking ChatGPT technology. OpenAI's state-of-the-art textual embedding accesses complex information about the quality and impact of each invention to power deep learning predictive models. The nuanced embedding drives a 24% incremental improvement in R-squared predicting patent value and clearly isolates the worst and best applications. These models enable a revision of the contemporary Kogan, Papanikolaou, Seru, and Stoffman (2017) valuation of patents by a median deviation of 1.5 times, accounting for potential institutional predictions. Furthermore, the market fails to incorporate timely information about applications; a long-short portfolio based on predicted acceptance rates achieves significant abnormal returns of 3.3% annually. The models provide an opportunity to revolutionize startup and small-firm corporate policy vis-a-vis patenting.
• Abstract（参考訳）: イノベーションの分析は、広範で構造的な変数に対する従来のアプローチによって根本的に制限されてきた。 本稿では,特許分析におけるllmのアプローチを,画期的なchatgpt技術を用いて推進する。 OpenAIの最先端のテキスト埋め込みは、各発明の品質と影響に関する複雑な情報にアクセスして、ディープラーニング予測モデルをパワーアップする。 このニュアンスド埋め込みは、特許価値を予測するR-squaredを24%改善し、最悪のアプリケーションと最高のアプリケーションを明確に分離する。 これらのモデルにより、現代のコガン、パパニコラウ、セル、ストフマン(2017年)の特許評価を1.5倍の偏差で修正することができ、制度上の予測の可能性を考慮に入れている。 さらに、市場はアプリケーションに関するタイムリーな情報を取り入れておらず、予測された受入率に基づく長期ポートフォリオは年間3.3%という大きな異常リターンを達成している。 これらのモデルは、スタートアップと小規模の企業ポリシーに革命をもたらす機会を提供する。

関連論文リスト

• PatentGPT: A Large Language Model for Patent Drafting Using Knowledge-based Fine-tuning Method [1.4496326701907591]
  既存の大規模言語モデル(LLM)は、専門知識の欠如とコンテキスト認識の欠如により、IP生成領域では不足することが多い。 我々は,LLMの知識微調整(KFT)のための画期的なフレームワークを提案する。 我々のモデルであるPatentGPTは、最先端モデルと比較して、特許関連のベンチマークテストで最大400%高い性能を示した。
  論文  参考訳（メタデータ） (2024-08-26T12:00:29Z)
• Editable Fairness: Fine-Grained Bias Mitigation in Language Models [52.66450426729818]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• Early screening of potential breakthrough technologies with enhanced interpretability: A patent-specific hierarchical attention network model [4.779196219827507]
  本稿では,特許文書から将来的な引用数を予測するための解釈可能な機械学習手法を提案する。 35,376の医薬品特許のケーススタディは、我々のアプローチの有効性を実証している。 提案手法は, ブレークスルー技術を特定する上で, 専門家と機械の協調性を高めることが期待されている。
  論文  参考訳（メタデータ） (2024-07-24T02:17:10Z)
• Design of reliable technology valuation model with calibrated machine learning of patent indicators [14.31250748501038]
  校正MLモデルを用いた信頼性の高い技術評価のための分析フレームワークを提案する。 各種技術特性を表す定量的な特許指標を入力データとして抽出する。
  論文  参考訳（メタデータ） (2024-06-08T11:52:37Z)
• On the Societal Impact of Open Foundation Models [93.67389739906561]
  ここでは、広く利用可能なモデルウェイトを持つものとして定義されている、オープンファンデーションモデルに重点を置いています。 オープンファンデーションモデルの5つの特徴を識別し,その利点とリスクを両立させる。
  論文  参考訳（メタデータ） (2024-02-27T16:49:53Z)
• Unveiling Black-boxes: Explainable Deep Learning Models for Patent Classification [48.5140223214582]
  深部不透明ニューラルネットワーク(DNN)を利用した多ラベル特許分類のための最先端手法 レイヤワイド関連伝搬(Layer-wise Relevance propagation, LRP)を導入し, 特許の詳細な分類手法を提案する。 関連性スコアを考慮し、予測された特許クラスに関連する単語を視覚化して説明を生成する。
  論文  参考訳（メタデータ） (2023-10-31T14:11:37Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
  本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。 実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
  論文  参考訳（メタデータ） (2023-03-11T11:42:26Z)
• Off-policy evaluation for learning-to-rank via interpolating the item-position model and the position-based model [83.83064559894989]
  産業レコメンデーションシステムにとって重要なニーズは、製品にデプロイする前に、レコメンデーションポリシーをオフラインで評価する機能である。 我々は、最も人気のある2つの非政治推定器の問題を緩和する新しい推定器を開発する。 特に、InterPOLと呼ばれる新しい推定器は、潜在的に不特定位置ベースモデルのバイアスに対処する。
  論文  参考訳（メタデータ） (2022-10-15T17:22:30Z)
• 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)
• A Survey on Sentence Embedding Models Performance for Patent Analysis [0.0]
  本稿では,PatentSBERTaアプローチに基づく埋め込みモデルの精度を評価するための標準ライブラリとデータセットを提案する。 patentSBERTa, Bert-for-patents, and TF-IDF Weighted Word Embeddings is the most accuracy for computing sentence embeddeds at the subclass level。
  論文  参考訳（メタデータ） (2022-04-28T12:04:42Z)

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。