論文の概要: Seeing Through Green: Text-Based Classification and the Firm's Returns from Green Patents

• arxiv url: http://arxiv.org/abs/2507.02287v1
• Date: Thu, 03 Jul 2025 03:51:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:15.578139
• Title: Seeing Through Green: Text-Based Classification and the Firm's Returns from Green Patents
• Title（参考訳）: グリーンで見る: テキストによる分類とグリーン特許からの企業復帰
• Authors: Lapo Santarlasci, Armando Rungi, Antonio Zinilli,
• Abstract要約: 本稿では,公文書から真のグリーン特許を識別するための自然言語処理について紹介する。 これまでの文献から緑に分類されていた約1240万件の特許について、トレーニングを開始します。 true'のグリーン特許は、以前の文献からグリーンに分類された特許の全体の20%を占めている。
• 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: This paper introduces Natural Language Processing for identifying ``true'' green patents from official supporting documents. We start our training on about 12.4 million patents that had been classified as green from previous literature. Thus, we train a simple neural network to enlarge a baseline dictionary through vector representations of expressions related to environmental technologies. After testing, we find that ``true'' green patents represent about 20\% of the total of patents classified as green from previous literature. We show heterogeneity by technological classes, and then check that `true' green patents are about 1\% less cited by following inventions. In the second part of the paper, we test the relationship between patenting and a dashboard of firm-level financial accounts in the European Union. After controlling for reverse causality, we show that holding at least one ``true'' green patent raises sales, market shares, and productivity. If we restrict the analysis to high-novelty ``true'' green patents, we find that they also yield higher profits. Our findings underscore the importance of using text analyses to gauge finer-grained patent classifications that are useful for policymaking in different domains.
• Abstract（参考訳）: 本稿では,公式な支援文書から 'true' グリーン特許を識別するための自然言語処理について紹介する。 これまでの文献から緑に分類されていた約1240万件の特許について、トレーニングを開始します。 そこで我々は,環境技術に関連する表現のベクトル表現を通じて,ベースライン辞書を拡大するために,単純なニューラルネットワークを訓練する。 テストの結果、'true'のグリーン特許は、以前の文献からグリーンに分類された特許の合計の約20%を占めていることがわかった。 技術的階級による異質性を示し、次に次の発明によって引用される「真の」グリーン特許が約1\%減少していることを確認する。 論文の第2部では、EUにおける企業レベルの金融口座の特許とダッシュボードとの関係を検証した。 逆因果関係をコントロールした後、少なくとも1つの 'true' グリーン特許を保有することで、販売、市場シェア、生産性が向上することを示す。 分析を高名な ‘true' グリーンの特許に制限すれば、高い利益を得ることになる。 本研究は,異なる分野の政策立案に有用な,よりきめ細かい特許分類をテキスト解析を用いて評価することの重要性を明らかにするものである。

関連論文リスト

• Incorporating Legal Structure in Retrieval-Augmented Generation: A Case Study on Copyright Fair Use [44.99833362998488]
  本稿では,米国著作権法におけるフェアユース・ドクトリンに合わせて,ドメイン固有のRetrieval-Augmented Generationの実装を提案する。 DMCA削除の頻度の増加とコンテンツクリエーターにとってアクセス可能な法的支援の欠如により、我々は、セマンティック検索と法知識グラフと裁判所引用ネットワークを組み合わせて、検索品質と推論信頼性を向上させる構造的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-04T15:53:49Z)
• Intelligent System for Automated Molecular Patent Infringement Assessment [38.48937966447085]
  PatentFinderは、特許侵害のための小さな分子を正確かつ包括的に評価できる、新しいマルチエージェントおよびツール強化インテリジェンスシステムである。 PatentFinderは、特許請求と分子構造を協調的に分析する5つの特殊エージェントを備えている。 PatentFinderは、詳細かつ解釈可能な特許侵害報告を自律的に生成し、精度の向上と解釈可能性の向上を示す。
  論文  参考訳（メタデータ） (2024-12-10T12:14:38Z)
• 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)
• Pap2Pat: Benchmarking Outline-Guided Long-Text Patent Generation with Patent-Paper Pairs [13.242188189150987]
  PAP2PATは、同じ発明を記述した1.8kの特許と紙のペアからなる特許草案作成のためのオープンベンチマークである。 PAP2PATと人体ケーススタディを用いて評価したところ、LCMは紙からの情報を有効に活用できるが、それでも必要な詳細情報を提供するのに苦労している。
  論文  参考訳（メタデータ） (2024-10-09T15:52:48Z)
• PaECTER: Patent-level Representation Learning using Citation-informed Transformers [0.16785092703248325]
  PaECTERは、特許に特有のオープンソースドキュメントレベルのエンコーダである。 我々は,特許文書の数値表現を生成するために,受験者による引用情報付き特許用BERTを微調整する。 PaECTERは、特許ドメインで使用されている現在の最先端モデルよりも類似性タスクが優れている。
  論文  参考訳（メタデータ） (2024-02-29T18:09:03Z)
• 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)
• Adaptive Taxonomy Learning and Historical Patterns Modelling for Patent Classification [26.85734804493925]
  本稿では,特許分類に関する特許に関する情報を包括的に検討する統合フレームワークを提案する。 まず,その意味表現を導出するためのICC符号相関学習モジュールを提案する。 最後に、IPC符号のセマンティクスを含む特許文書の文脈情報と、予測を行うために利用者のシーケンシャルな選好を割り当てる。
  論文  参考訳（メタデータ） (2023-08-10T07:02:24Z)
• DPIC: Decoupling Prompt and Intrinsic Characteristics for LLM Generated Text Detection [56.513637720967566]
  大規模言語モデル(LLM)は、盗作、eコマースプラットフォームへの偽レビューの設置、炎症性偽ツイートなどの誤用のリスクを引き起こすテキストを生成することができる。 既存の高品質な検出手法では、本質的な特徴を抽出するために、モデルの内部にアクセスする必要がある。 ブラックボックスモデル生成テキストの深い内在特性を抽出する。
  論文  参考訳（メタデータ） (2023-05-21T17:26:16Z)
• Two tales of science technology linkage: Patent in-text versus front-page references [8.731097761118972]
  本稿では,特許の価値が,その基盤となる科学論文の特性にどのように依存するかを考察する。 インテキストで参照された論文は、適度にベーシックで、学際性が低く、新規性が低く、かつ、高い引用率の場合に、同じ特許の表紙に掲載される可能性が高い。
  論文  参考訳（メタデータ） (2021-03-16T09:28:28Z)

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。