論文の概要: Graph Representation Learning Towards Patents Network Analysis

• arxiv url: http://arxiv.org/abs/2309.13888v1
• Date: Mon, 25 Sep 2023 05:49:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 16:50:07.940295
• Title: Graph Representation Learning Towards Patents Network Analysis
• Title（参考訳）: 特許ネットワーク分析に向けたグラフ表現学習
• Authors: Mohammad Heydari and Babak Teimourpour
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.202803272456695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Patent analysis has recently been recognized as a powerful technique for large companies worldwide to lend them insight into the age of competition among various industries. This technique is considered a shortcut for developing countries since it can significantly accelerate their technology development. Therefore, as an inevitable process, patent analysis can be utilized to monitor rival companies and diverse industries. This research employed a graph representation learning approach to create, analyze, and find similarities in the patent data registered in the Iranian Official Gazette. The patent records were scrapped and wrangled through the Iranian Official Gazette portal. Afterward, the key entities were extracted from the scrapped patents dataset to create the Iranian patents graph from scratch based on novel natural language processing and entity resolution techniques. Finally, thanks to the utilization of novel graph algorithms and text mining methods, we identified new areas of industry and research from Iranian patent data, which can be used extensively to prevent duplicate patents, familiarity with similar and connected inventions, Awareness of legal entities supporting patents and knowledge of researchers and linked stakeholders in a particular research field.
• Abstract（参考訳）: 特許分析は、近年、世界中の大企業が様々な産業の競争の年齢を知るための強力な技術として認識されている。 この手法は、開発途上国のテクノロジー開発を著しく加速することができるため、近道と考えられる。 したがって、避けられないプロセスとして、特許分析を利用してライバル企業や多様な産業を監視することができる。 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。 特許記録は取り壊され、イランの公式ガゼットポータルに保管された。 その後、キーエンティティは廃れた特許データセットから抽出され、新しい自然言語処理とエンティティ解決技術に基づいて、スクラッチからイラン特許グラフを作成する。 最後に, 新規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, 重複する特許の防止, 類似した発明に親しみやすいこと, 特定の研究分野における研究者と関係するステークホルダーの特許と知識を支持する法的実体の認識, を広く利用した。

関連論文リスト

• PatentEdits: Framing Patent Novelty as Textual Entailment [62.8514393375952]
  このデータセットには105万例の修正が成功している。 我々は、文章を文単位でラベル付けするアルゴリズムを設計し、これらの編集がいかに大きな言語モデルで予測できるかを確立する。 引用引用文と起草文の文的含意を評価することは,どの発明的主張が変化しないか,あるいは先行技術に関して新規かを予測するのに特に有効であることを示す。
  論文  参考訳（メタデータ） (2024-11-20T17:23:40Z)
• 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)
• Natural Language Processing in Patents: A Survey [0.0]
  重要な技術的および法的情報をカプセル化した特許は、自然言語処理(NLP)アプリケーションのための豊富なドメインを提供する。 NLP技術が発展するにつれて、大規模言語モデル(LLM)は一般的なテキスト処理や生成タスクにおいて優れた能力を示してきた。 本稿は,NLP研究者に,この複雑な領域を効率的にナビゲートするために必要な知識を付与することを目的とする。
  論文  参考訳（メタデータ） (2024-03-06T23:17:16Z)
• Measuring Technological Convergence in Encryption Technologies with Proximity Indices: A Text Mining and Bibliometric Analysis using OpenAlex [46.3643544723237]
  本研究は,サイバーセキュリティにおける新興技術間の技術的収束を明らかにする。 提案手法は,テキストマイニングとバイオロメトリ分析を統合し,技術的近接指標の定式化と予測を行う。 我々のケーススタディでは、ブロックチェーンと公開鍵暗号の間にかなりの収束が見られ、その近さが証明されている。
  論文  参考訳（メタデータ） (2024-03-03T20:03:03Z)
• 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)
• Event-based Dynamic Graph Representation Learning for Patent Application Trend Prediction [45.0907126466271]
  本稿では,特許出願傾向予測のためのイベントベースのグラフ学習フレームワークを提案する。 特に,当社の手法は,企業および特許分類コードの両方の記憶可能な表現に基づいて構築されている。
  論文  参考訳（メタデータ） (2023-08-04T05:43:32Z)
• A Novel Patent Similarity Measurement Methodology: Semantic Distance and Technological Distance [0.0]
  特許類似性分析は、特許侵害のリスクを評価する上で重要な役割を果たす。 自然言語処理技術の最近の進歩は、このプロセスを自動化するための有望な道を提供する。 本稿では,特許間の類似性を考慮し,特許の意味的類似性を考慮し,特許間の類似度を測定するハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2023-03-23T07:55:31Z)
• 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)
• 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)
• An Uncommon Task: Participatory Design in Legal AI [64.54460979588075]
  われわれは10年以上前に行われた法律分野における、注目に値する、未調査のAI設計プロセスについて検討する。 インタラクティブなシミュレーション手法によって,コンピュータ科学者と弁護士が共同設計者になれることを示す。
  論文  参考訳（メタデータ） (2022-03-08T15:46:52Z)
• PatentMiner: Patent Vacancy Mining via Context-enhanced and Knowledge-guided Graph Attention [2.9290732102216452]
  我々は、リッチなセマンティック知識をマイニングし、新たな潜在的な特許を予測するために、PatentMinerという新しい特許空白予測手法を提案する。 特許知識グラフ(例えば、年)は、特許文書から名前付きエンティティ認識と関係抽出を行うことによって構築される。 構築した知識グラフにおいてリンク予測を行うために,CNM(Common Neighbor Method),GAT(Graph Attention Networks),CGAT(Context-enhanced Graph Attention Networks)を提案する。
  論文  参考訳（メタデータ） (2021-07-10T17:34:57Z)

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。