論文の概要: Early screening of potential breakthrough technologies with enhanced interpretability: A patent-specific hierarchical attention network model

• arxiv url: http://arxiv.org/abs/2407.16939v1
• Date: Wed, 24 Jul 2024 02:17:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-25 15:02:58.579424
• Title: Early screening of potential breakthrough technologies with enhanced interpretability: A patent-specific hierarchical attention network model
• Title（参考訳）: 解釈可能性を高めた潜在的ブレークスルー技術の早期スクリーニング:特許固有の階層的注意ネットワークモデル
• Authors: Jaewoong Choi, Janghyeok Yoon, Changyong Lee,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.779196219827507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the usefulness of machine learning approaches for the early screening of potential breakthrough technologies, their practicality is often hindered by opaque models. To address this, we propose an interpretable machine learning approach to predicting future citation counts from patent texts using a patent-specific hierarchical attention network (PatentHAN) model. Central to this approach are (1) a patent-specific pre-trained language model, capturing the meanings of technical words in patent claims, (2) a hierarchical network structure, enabling detailed analysis at the claim level, and (3) a claim-wise self-attention mechanism, revealing pivotal claims during the screening process. A case study of 35,376 pharmaceutical patents demonstrates the effectiveness of our approach in early screening of potential breakthrough technologies while ensuring interpretability. Furthermore, we conduct additional analyses using different language models and claim types to examine the robustness of the approach. It is expected that the proposed approach will enhance expert-machine collaboration in identifying breakthrough technologies, providing new insight derived from text mining into technological value.
• Abstract（参考訳）: 潜在的なブレークスルー技術の早期スクリーニングに機械学習アプローチが有用であるにもかかわらず、その実用性は不透明なモデルによって妨げられることが多い。 そこで本研究では,特許固有の階層型アテンションネットワーク(PatentHAN)モデルを用いて,特許文書から将来の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。 本手法は,(1)特許固有の事前学習言語モデル,(2)特許請求項における技術的単語の意味を抽出する,(2)階層的なネットワーク構造,(3)請求レベルで詳細な分析を可能にする,(3)請求に関する自己認識機構,そして,審査過程における重要な主張を明らかにする。 35,376の医薬品特許のケーススタディでは、解釈可能性を確保しつつ、潜在的ブレークスルー技術の早期スクリーニングにおける我々のアプローチの有効性を実証している。 さらに、異なる言語モデルとクレームタイプを用いた追加分析を行い、アプローチの堅牢性について検討する。 提案手法は,テキストマイニングから技術価値への新たな洞察を提供するとともに,ブレークスルー技術を特定するための専門家と機械の連携を強化することが期待されている。

関連論文リスト

• Cutting Through the Confusion and Hype: Understanding the True Potential of Generative AI [0.0]
  本稿では,生成型AI(genAI)の微妙な景観について考察する。 それは、Large Language Models (LLMs)のようなニューラルネットワークベースのモデルに焦点を当てている。
  論文  参考訳（メタデータ） (2024-10-22T02:18:44Z)
• 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)
• InstructPatentGPT: Training patent language models to follow instructions with human feedback [0.9790236766474201]
  この研究は、言語モデルが付与される可能性の高い特許クレームを生成する可能性を高めることを目的としている。 言語モデルの制御性を示すために、システムは与えられた特許と異なる報酬を持つプレグラントアプリケーションから学習する。
  論文  参考訳（メタデータ） (2024-05-25T11:48:50Z)
• 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)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
  本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。 我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。 我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
  論文  参考訳（メタデータ） (2022-10-21T16:31:46Z)
• Patent Sentiment Analysis to Highlight Patent Paragraphs [0.0]
  特許文書が与えられた場合、異なるセマンティックアノテーションを識別することは興味深い研究の側面である。 手動の特許分析の過程で、より読みやすくするために、段落をマークして意味情報を認識することが実際である。 この作業は、セマンティック情報を自動的に強調する特許実践者を支援し、機械学習の適性を利用して持続的で効率的な特許分析を作成するのに役立つ。
  論文  参考訳（メタデータ） (2021-11-06T13:28:29Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
  既存の説明可能性技術を評価するための診断特性のリストを作成する。 そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
  論文  参考訳（メタデータ） (2020-09-25T12:01:53Z)

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。