2023 年 4 月以来、我々は特許概要機能を導入しました。この機能は、独自の特許クラスタリング技術、自然言語処理、生成AI を用いて最大 10 万件の特許を分類し要約する能力を持っています。当初は Patentcloud の Due Diligence 応用に統合され、ユーザーが分析レポートの数値データの背後にある技術的文脈を理解し、特許ポートフォリオの包括的な見方を提供することを可能にしました。
目次
生成AI による変革的影響：Patentcloud をより強力に
この機能の可能性を認識し、特許概要が従来の線形特許検索プロセスを幅優先検索アプローチに変換できることに気づきました。ユーザーは継続的に特許を分類し、要約に基づいて類似のカテゴリーを選択し、再分類することで、個別の検証なしに膨大なコレクションから関連特許を迅速に特定できます。
2023年10月、我々はこの機能で Quality Insights 応用を強化し、先行技術検索を加速し、ユーザーが最も関連性の高い先行技術を迅速に特定できるようにしました。市場からのフィードバックは、特許概要の自動分類と詳細な要約が、キーワードベースの詳細レベルに依存する従来のソフトウェアを上回ることを強調しました。特許景観調査 (Patent Landscape) と自由実施調査 (FTO Search) への潜在的な可能性を見て、2024 年 2 月に特許概要を高度なポートフォリオ管理と分析製品である Patent Vault に統合しました。この統合により、自動的な 1〜3 層の分類法と行列図が提供され、競合他社の特許戦略に関する明確な洞察が得られます。
2024 年 7 月現在、特許概要の背後にある分類アルゴリズムにおいてブレークスルーを達成し、分類の正確性をさらに向上させました。
100 倍解像度向上の力
特許概要は、意味的類似性に基づいて特許をグループ化し、各カテゴリーの主要な技術内容を抽出し、生成AIを使用してこれらの重要点を要約し、最終チェックを我々が行うことで機能します。10万件の特許を意味的類似性に基づいて直接クラスタリングすることは、計算複雑性が高いため実用的ではなく、過剰なカテゴリーを生み出し、分類の使用可能性と正確性に影響を与える可能性があります。
この課題を克服するために、我々は二段階アプローチを採用しました。まず、特定の類似性基準に基づいて類似の技術内容を持つ特許を多くの小グループにグループ化します。これを「基盤構築」と呼び、高度に類似した基盤を形成します。次に、これらの小グループ間の類似性に基づいてさらにクラスタリングし、最終的な分類を形成します。これを「分類構造化」と呼び、実用的なユースケースに適した分類を作成します。例えば、10 万件の特許の場合、基盤構築で数千の小グループを得る可能性があります。ノイズを除去した後、これらの小グループ間の関係を使用してより大きなグループを作成し、最終的に 30 のカテゴリーを形成します。各カテゴリーは1から数百の小グループで構成されます。
図1：特許概要の二段階クラスタリングアプローチの図解
しかし、類似性基準にはバイアスが導入される可能性があり、特定のカテゴリーへの集中を引き起こす可能性があります。ユーザーは頻繁にこれらの集中したカテゴリーをさらに細分化する必要があり、プロセスが煩雑になります。この問題に対処するため、最新の強化では前処理中に複数の基準を導入し、各グループ内のより高い同質性を確保しています。これにより、最終分類のためのより多くの小さな特許グループが生成され、解像度と次元を増やすことで画像認識を改善するのと同様の効果があります。
図2：解像度が画像認識に与える影響の例。右側の高解像度では森林が明確に識別できるのに対し、左側の低解像度では山頂と雲の端と間違える可能性があります。
具体的には、この強化により10万件の特許に対して平均 100 倍の解像度向上が実現し、正確性が大幅に向上しました。我々のテストでは、特許とその新規性の先行技術が異なるカテゴリーに分類されるミス率が、以前のバージョンと比較して最大 50 %減少しました。
このブレークスルーにより、より明確な分類が保証され、手動での再分類の必要性が減少します。1,000 件から約 10 万件の特許のサンプリングでは、手動再分類の必要性を減らす点で 100% の改善が示されました。ユーザーは今やより迅速で正確な特許検索を体験でき、特許概要が特許分析に不可欠なツールとなっています。
特許分類の変革：前後比較
このセクションでは、Nvidia と Masimo を事例として使用し、強化前後の特許分類の違いを分析します。各結果は、特許数の分布を示すチャートとともに提示され、違いが強調されます。
Nvidia 特許概要：より高い精度のための強化された粒度
AI の主要企業である Nvidia の場合、以前のモデルでは、特許の約 80% が「効率的なデータ利用のためのメディア処理とグラフィックスフレームワーク」と「浮動小数点出力画像の自動調整」という2つの主要カテゴリーに集中していました。これはユーザーがこれらのカテゴリーをさらに探索する必要がありました。しかし、現在のモデルでは、これらを 4 つの詳細なカテゴリーに分割しています：「光輸送シミュレーションシステムとアプリケーションのためのハイブリッド微分可能レンダリング」、「電子回路の最適化された設計検証」、「動的ニューラルネットワークの最適化と構成のための高度な技術」、「仮想マシン管理を使用したデータセンターにおけるワークロード移行の促進」。
図3：Nvidia 特許分類：前後比較、ソース：Patentcloud
この内訳は Nvidia の特許分類によって検証され、同じグループ内の新規性先行技術のペアリング成功率が 77% から 86% に向上し、誤差率が 40% 減少しました。
Masimo 特許概要：小規模ポートフォリオからのより多くの洞察
過去 2 年間に Apple との特許訴訟に関与し、一部の Apple 製品の禁止につながった医療機器会社 Masimo の場合、以前のモデルでは 682 件の特許（約 70%）が「脈拍認識と血中酸素飽和度システムおよび方法」に分類されていました。現在のモデルではカテゴリーをさらに細分化し、特にモニタリングメカニズムに焦点を当てたものを強化しています。
以前のモデルでは、Masimo の特許とその新規性先行技術のペアリングに 100% の成功率を示し、主に最大のカテゴリーからでした。現在のモデルはこの精度を維持しつつ、特許を70〜90 件ずつのカテゴリーに分散させ、はるかに細かい詳細でも同じ精度を達成しています。現在のモデルは光学センサーおよび音声センサーの原理をより明確に区別しています。
図4：Masimo 特許分類：前後比較、ソース：Patentcloud
これらの事例は、強化された特許概要機能が粒度と精度を向上させ、最初の分析からユーザーにより詳細で実用的な洞察を提供する方法を示しています。
進化した特許概要を体験：革新的な機能をぜひお試しください
強化された特許概要機能は、特許分類において大幅な改善を示し、より高い粒度と精度を提供します。Nvidia と Masimo の事例は、我々の高度なアルゴリズムが、小規模な特許ポートフォリオでさえも、より詳細で実用的な洞察を提供する方法を示しています。
これらの改善を直接体験してください。今日、強化された特許概要を試し、特許分析プロセスをどのように変革できるかをご覧ください。お問い合わせください。
