Fugu-MT 論文翻訳(概要): Self-Knowledge Retrieval Augmented Generation Framework for Patent Matching

論文の概要: Self-Knowledge Retrieval Augmented Generation Framework for Patent Matching

arxiv url: http://arxiv.org/abs/2608.11030v1
Date: Tue, 11 Aug 2026 15:08:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-12 19:14:46.097855
Title: Self-Knowledge Retrieval Augmented Generation Framework for Patent Matching
Title（参考訳）: 特許マッチングのための自己知識検索検索生成フレームワーク
Abstract要約: 本稿では,特許マッチングクエリからLLMを自律的に抽出する自己知識RAGフレームワークを提案する。この方法は、FAISS検索を生成的マッチング機構と統合し、自己知識を活用して、特許革新に対するモデルの理解を強化する。
参考スコア（独自算出の注目度）: 13.15177870043812
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Patent retrieval and matching based on large language models (LLMs) play a vital role in intellectual property protection. However, due to the complex structure of patent documents, dense technical terminology, and multi-modal information, traditional methods struggle to accurately identify subtle differences between patents. Existing LLM-based patent matching approaches typically rely on domain-specific pretrained or instruction tuning, which often entail high manual labeling costs and catastrophic forgetting. While retrieval-augmented generation (RAG) methods introduce external knowledge they fail to fully leverage LLM's capability to automatically parse patents and mine deep semantic relationships. To address these limitations, this paper proposes a self-knowledge RAG framework that guides LLMs to autonomously extract key technical entities and construct hierarchical ontological structures from patent matching queries, thereby enabling query expansion and precise retrieval. The method integrates the FAISS retrieval with a generative matching mechanism, leveraging self-knowledge to enhance the model's understanding of patent innovations and significantly improve retrieval and matching accuracy. Experimental results demonstrate the outstanding performance of the proposed method on real-world patent datasets, validating its effectiveness and application potential.
Abstract（参考訳）: 大きな言語モデル(LLM)に基づく特許の検索とマッチングは知的財産保護において重要な役割を担っている。しかし、特許文書の複雑な構造、密集した技術用語、マルチモーダル情報により、従来の手法は特許間の微妙な違いを正確に識別するのに苦労している。既存のLLMベースの特許マッチングアプローチは、通常、ドメイン固有の事前訓練または命令チューニングに依存しており、しばしば手作業によるラベル付けコストと破滅的な忘れが伴う。検索強化生成法(RAG)は外部知識を導入するが、特許を自動的に解析し深い意味関係を掘り下げるLLMの能力を完全に活用できない。これらの制約に対処するため,本論文では,LLMが重要な技術的実体を自律的に抽出し,特許マッチングクエリから階層的存在論的構造を構築するための自己知識RAGフレームワークを提案する。本手法は、FAISS検索を生成的マッチング機構と統合し、自己知識を活用して、特許イノベーションに対するモデルの理解を高め、検索とマッチング精度を大幅に向上させる。実世界の特許データセットにおける提案手法の優れた性能を実証し,その有効性と応用可能性を検証する。

関連論文リスト

Multi-hop Reasoning via Early Knowledge Alignment [68.28168992785896]
アーリー・ナレッジ・アライメント(EKA)は、大規模言語モデルと文脈的に関連づけられた知識を整合させることを目的としている。 EKAは検索精度を大幅に改善し、カスケードエラーを低減し、性能と効率を向上する。 EKAは、大規模モデルにシームレスにスケールする、多目的でトレーニング不要な推論戦略として有効である。
論文参考訳（メタデータ） (2025-12-23T08:14:44Z)
Executable Knowledge Graphs for Replicating AI Research [65.41207324831583]
Executable Knowledge Graphs (xKG) は、科学文献から抽出された技術的洞察、コードスニペット、ドメイン固有の知識を自動的に統合するモジュラーでプラグイン可能な知識基盤である。コードはhttps://github.com/zjunlp/xKGでリリースされる。
論文参考訳（メタデータ） (2025-10-20T17:53:23Z)
Part I: Tricks or Traps? A Deep Dive into RL for LLM Reasoning [53.85659415230589]
本稿では,広く採用されている強化学習手法を体系的にレビューする。特定の設定に合わせてRLテクニックを選択するための明確なガイドラインを示す。また、2つのテクニックを最小限に組み合わせることで、批判のないポリシーの学習能力を解き放つことも明らかにした。
論文参考訳（メタデータ） (2025-08-11T17:39:45Z)
An automatic patent literature retrieval system based on LLM-RAG [2.035980938365065]
本研究では,LLMとRetrievalAugmented Generation RAG技術を組み合わせた自動特許検索フレームワークを提案する。システムは,1) 特許データの標準化のための事前処理モジュール,2) LLM生成埋め込みを利用した高効率ベクトル検索エンジン,3) 外部文書検索とコンテキスト対応応答生成を組み合わせたRAGenhancedクエリモジュールの3つのコンポーネントから構成される。
論文参考訳（メタデータ） (2025-08-11T02:39:16Z)
PatentMind: A Multi-Aspect Reasoning Graph for Patent Similarity Evaluation [35.13558856456741]
特許類似性評価は知的財産分析において重要な役割を果たす。マルチアスペクト推論グラフ(MARG)に基づく特許類似性評価のための新しいフレームワークであるPatentMindを紹介する。私たちのフレームワークは、現実世界の意思決定のための構造化され、セマンティックな基盤を提供します。
論文参考訳（メタデータ） (2025-05-25T22:28:27Z)
EvoPat: A Multi-LLM-based Patents Summarization and Analysis Agent [0.0]
EvoPatはマルチLLMベースの特許エージェントで、ユーザーが検索生成(RAG)と高度な検索戦略を通じて特許を分析するのを支援する。特許要約,比較分析,技術評価などのタスクにおいて,EvoPatがGPT-4より優れていることを示す。
論文参考訳（メタデータ） (2024-12-24T02:21:09Z)
GIVE: Structured Reasoning of Large Language Models with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを融合して、最小の外部入力で正確な推論を改善する新しい推論手法である。 GIVE は LLM エージェントをガイドして,最も関連する専門家データ (observe) を選択し,クエリ固有の発散思考 (reflect) に従事し,その情報を合成して最終的な出力 (speak) を生成する。
論文参考訳（メタデータ） (2024-10-11T03:05:06Z)
Towards Automated Patent Workflows: AI-Orchestrated Multi-Agent Framework for Intellectual Property Management and Analysis [0.0]
PatExpertは、特許関連のタスクを合理化し最適化するために設計された、自律的なマルチエージェント会話フレームワークである。このフレームワークは、さまざまな特許関連のタスクに対してタスク固有の専門家エージェントをコーディネートするメタエージェントと、エラーハンドリングとフィードバックプロビジョニングのための批判エージェントで構成されている。
論文参考訳（メタデータ） (2024-09-21T13:44:34Z)
REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering [115.72130322143275]
REAR(Relevance-Aware Retrieval-augmented approach for open-domain Question answering, QA) 我々は,特殊な設計のアセスメントモジュールを組み込むことで,LLMベースのRAGシステムのための新しいアーキテクチャを開発する。オープンドメインの4つのQAタスクの実験では、REARは以前の競争力のあるRAGアプローチよりも大幅に優れていた。
論文参考訳（メタデータ） (2024-02-27T13:22:51Z)
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)
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)

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。