Soumettre la recherche
Mettre en ligne
2018 e-patentトークセッション資料 株式会社ライズ
•
Télécharger en tant que PPTX, PDF
•
1 j'aime
•
1,018 vues
T
tomoro_azu
Suivre
2018年特許情報フェア時のe-patentトークセッション時のスライドです
Lire moins
Lire la suite
Services
Signaler
Partager
Signaler
Partager
1 sur 25
Télécharger maintenant
Recommandé
Talk given by Akira Shibata at Developer's Summit 2016, one of the largest conference for software developer's in Japan. Akira, Data Scientist at DataRobot, Inc, talked about the evolution of machine learning techniques, most notably the recent developments in DataRobot and TensorFlow.
Akira shibata at developer summit 2016
Akira shibata at developer summit 2016
Akira Shibata
Tokyo Web Mining #45でお話させていただいた内容です。 アブストラクト: 実験素粒子物理学においては、加速器を使った高エネルギー素粒子の衝突実験から生まれる大量のデータを分析するため、かつてよりあらゆる科学分野の中でも最もデータ量の多い領域でした。スイスのCERN研究所で行われている最新の実験、LHC(Large Hadron Collider)では、最初の2年間で、1PB(ペタバイト)のデータが生成され、その一部は昨年オープン化されました。本講演では、LHCのビッグデータがどのように解析されたのか、インフラ及びアプリケーションレベルの観点ご紹介します。特に、アプリケーションレベルにおいては、独自の統計解析ライブラリであるROOTが幅広く使われており、この講演を通じ、ROOTが現在のデータ解析パラダイムのどこに位置しているのかを参加者の皆様と議論したいと思います。
LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT)
LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT)
Akira Shibata
ディープラーニング開発組織のつくり方と運営ノウハウ
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
Ridge-iの画像解析アルゴリズムの実用事例の紹介
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
GDLC9 Ridge-i Ichiki-san
Dlc ri
Dlc ri
Hirokuni Uchida
GTC Japan18 Inception Award Ridge-i 活用事例と取り組み
[GTC 2018] Inception Award Ridge-i発表資料
[GTC 2018] Inception Award Ridge-i発表資料
Ridge-i
日経ビッグデータカンファレンスで行われたパネルディスカッション「世界最大級分析モデルコンペ「Kaggle」の最新動向~ウォルマート、ヒッグス粒子・・・様々な課題にデータサイエンティストが挑む~」での登壇資料です。内容は一部こちらの記事にもレポートされていました http://business.nikkeibp.co.jp/article/bigdata/20150427/280489/
20150421 日経ビッグデータカンファレンス
20150421 日経ビッグデータカンファレンス
Akira Shibata
GTC Japan18 DGX-1とPCサーバーのパフォーマンス比較
[GTC 2018] DGXフォーラム Ridge-i発表資料
[GTC 2018] DGXフォーラム Ridge-i発表資料
Ridge-i
Recommandé
Talk given by Akira Shibata at Developer's Summit 2016, one of the largest conference for software developer's in Japan. Akira, Data Scientist at DataRobot, Inc, talked about the evolution of machine learning techniques, most notably the recent developments in DataRobot and TensorFlow.
Akira shibata at developer summit 2016
Akira shibata at developer summit 2016
Akira Shibata
Tokyo Web Mining #45でお話させていただいた内容です。 アブストラクト: 実験素粒子物理学においては、加速器を使った高エネルギー素粒子の衝突実験から生まれる大量のデータを分析するため、かつてよりあらゆる科学分野の中でも最もデータ量の多い領域でした。スイスのCERN研究所で行われている最新の実験、LHC(Large Hadron Collider)では、最初の2年間で、1PB(ペタバイト)のデータが生成され、その一部は昨年オープン化されました。本講演では、LHCのビッグデータがどのように解析されたのか、インフラ及びアプリケーションレベルの観点ご紹介します。特に、アプリケーションレベルにおいては、独自の統計解析ライブラリであるROOTが幅広く使われており、この講演を通じ、ROOTが現在のデータ解析パラダイムのどこに位置しているのかを参加者の皆様と議論したいと思います。
LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT)
LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT)
Akira Shibata
ディープラーニング開発組織のつくり方と運営ノウハウ
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
Ridge-iの画像解析アルゴリズムの実用事例の紹介
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
GDLC9 Ridge-i Ichiki-san
Dlc ri
Dlc ri
Hirokuni Uchida
GTC Japan18 Inception Award Ridge-i 活用事例と取り組み
[GTC 2018] Inception Award Ridge-i発表資料
[GTC 2018] Inception Award Ridge-i発表資料
Ridge-i
日経ビッグデータカンファレンスで行われたパネルディスカッション「世界最大級分析モデルコンペ「Kaggle」の最新動向~ウォルマート、ヒッグス粒子・・・様々な課題にデータサイエンティストが挑む~」での登壇資料です。内容は一部こちらの記事にもレポートされていました http://business.nikkeibp.co.jp/article/bigdata/20150427/280489/
20150421 日経ビッグデータカンファレンス
20150421 日経ビッグデータカンファレンス
Akira Shibata
GTC Japan18 DGX-1とPCサーバーのパフォーマンス比較
[GTC 2018] DGXフォーラム Ridge-i発表資料
[GTC 2018] DGXフォーラム Ridge-i発表資料
Ridge-i
士業関連の人工知能の活用例です。
士業関連の人工知能の活用例
士業関連の人工知能の活用例
超史 宮崎
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
Developers Summit 2018 Summer【B-2】安部様の講演資料です。
【B-2】AI時代におけるエンジニアの生存戦略
【B-2】AI時代におけるエンジニアの生存戦略
Developers Summit
みんなのAIキャリアカレッジ#2(2017年3月27日開催) 株式会社ホットリンク 榊 剛史様によるご講演資料です。
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Leading Edge Co.,Ltd.
企業内発明塾のランディングページ
Kigyounai hatsumeijuku lp180727
Kigyounai hatsumeijuku lp180727
ozukaryo
AITC女子会 2018 機械学習勉強会 AITCオープン活動発表会 タイトル:顔認識を活用したセミナー参加者の満足度分析 顔認識のAPIを活用して、セミナー参加者の満足度分析ができるツールを検討し ました。セミナーの満足度調査は、通常アンケートなどを用いて主観的な評価 を調査しますが、実際のセミナー参加者の写真を元にして、画像解析を行うこ とで、客観的な評価が得られるようになります。 ■日時 2018年12月15日(土)15:00~18:00
2018年12月15日 AITC女子会 顔認識を活用したセミナー参加者の満足度分析
2018年12月15日 AITC女子会 顔認識を活用したセミナー参加者の満足度分析
aitc_jp
2016年6月28日ゲーム×データ分析活用セミナーの登壇資料 https://idcf.doorkeeper.jp/events/44844
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
Hisahiko Shiraishi
Keywordmap for SEO概要資料
Keywordmap for SEO
Keywordmap for SEO
KotaroTamai
Digital Advertising Japan Seminar 2018 - Machine Learning 事例祭り -
国内外AIコンペティションからみるAI技術者のキャリアパスの潮流およびAIコンペサイトSIGNATEにおけるAWS活用事例
国内外AIコンペティションからみるAI技術者のキャリアパスの潮流およびAIコンペサイトSIGNATEにおけるAWS活用事例
秀 齊藤
SORACOM主催 IoT Technology Conference if-up 2017 発表資料
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Preferred Networks
IoT Training
Iot literacy no.5
Iot literacy no.5
Hiromitsu Jin
Talk 3: 「明日から使える AIシステム開発シナリオ 事例特選10 〜pythonを使ったAI開発」 井原 渉(澪標アナリティクス)
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
Takeshi Akutsu
澪標アナリティクス株式会社代表取締役 井原さん講演資料 50周年記念!分析屋だらけの大ザーユー会
データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???
Izumi Akiyama
Data Analyst Meetup Tokyo vol.8の発表スライドです。 「手動で記録するデータ(本発表ではSalesforce社のsalescoud)」をどのように管理し、分析したかを実際にやったことを通して整理しました。 https://data-analyst.connpass.com/event/107244/
分析できるデータは自ら作る@Data Analyst Meetup Tokyo vol.8
分析できるデータは自ら作る@Data Analyst Meetup Tokyo vol.8
Taichi Tachikawa
「教師なし学習をやってみる」を公開 ※ 株式会社GIGでは毎月社内外に向けた勉強会を実施しています GIG inc. Good is good. We provide opportunities to the SEKAI by fusing technology and ideas. テクノロジーとクリエイティブでセカイをより良くする。小さなチームからスタートした多くの先人達が、世界をより豊かなモノに変革してきました。通信、UX、デバイス、技術の変化と共に世界はまだまだ加速度的に変わります。 Good is good. いいものはいい。GIGは、関わったユーザーやクライアントが前に進める“きっかけ”をつくりつづけます。 ■ お問い合せ https://giginc.co.jp/contact/
【Tech Trend Talk vol.3】社外向け勉強会「環境準備と教師なし学習の実践 -(GIG)」
【Tech Trend Talk vol.3】社外向け勉強会「環境準備と教師なし学習の実践 -(GIG)」
GIG inc.
AI導入に悩まされている方向けのAIビジネス力とは何かをご説明したスライドです。 株式会社エデュテックパートナーズの提供するサービス内容を含めてご紹介しています。
AI活用におけるビジネス力とは何か?
AI活用におけるビジネス力とは何か?
munjapan
「AI求人票採点サービス-Findy Score(ファインディ スコア)」の会社・サービス説明資料。 ■Findy Score(ファインディ スコア)とは 求人票を入力すると、AIを使ってリアルタイムに求人票を採点するサービスです。Findy Score(ファインディ スコア)の採点&アドバイスに沿って求人票を改善することでより良い人材を、スピーディーに採用できます。また、ハイレベルな求人票の事例を検索できる機能も提供しています。 ■サービスサイト https://findy.us/ ■求人票の改善方法に関するコンテンツ 求人票(募集要項・ジョブディスクリプション)の採点、書き方、改善方法が分かります。
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
Yuichiro "Philip" Yamada
2018/03/16 IoTビジネス共創ラボ第7回勉強会 IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
ナレッジコミュニケーション
・IoT化に向けた製造機器からの情報収集の課題 ・機械学習とIoTによる解決策 ・機械学習による数字認識 ・Azure IoTHubによるデータ収集から活用まで ・課題と今後の展望
Io t labo20180312pub
Io t labo20180312pub
IoTビジネス共創ラボ
AI
20180717 zeal
20180717 zeal
Yutaka Terasawa
Contenu connexe
Similaire à 2018 e-patentトークセッション資料 株式会社ライズ
士業関連の人工知能の活用例です。
士業関連の人工知能の活用例
士業関連の人工知能の活用例
超史 宮崎
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
Developers Summit 2018 Summer【B-2】安部様の講演資料です。
【B-2】AI時代におけるエンジニアの生存戦略
【B-2】AI時代におけるエンジニアの生存戦略
Developers Summit
みんなのAIキャリアカレッジ#2(2017年3月27日開催) 株式会社ホットリンク 榊 剛史様によるご講演資料です。
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Leading Edge Co.,Ltd.
企業内発明塾のランディングページ
Kigyounai hatsumeijuku lp180727
Kigyounai hatsumeijuku lp180727
ozukaryo
AITC女子会 2018 機械学習勉強会 AITCオープン活動発表会 タイトル:顔認識を活用したセミナー参加者の満足度分析 顔認識のAPIを活用して、セミナー参加者の満足度分析ができるツールを検討し ました。セミナーの満足度調査は、通常アンケートなどを用いて主観的な評価 を調査しますが、実際のセミナー参加者の写真を元にして、画像解析を行うこ とで、客観的な評価が得られるようになります。 ■日時 2018年12月15日(土)15:00~18:00
2018年12月15日 AITC女子会 顔認識を活用したセミナー参加者の満足度分析
2018年12月15日 AITC女子会 顔認識を活用したセミナー参加者の満足度分析
aitc_jp
2016年6月28日ゲーム×データ分析活用セミナーの登壇資料 https://idcf.doorkeeper.jp/events/44844
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
Hisahiko Shiraishi
Keywordmap for SEO概要資料
Keywordmap for SEO
Keywordmap for SEO
KotaroTamai
Digital Advertising Japan Seminar 2018 - Machine Learning 事例祭り -
国内外AIコンペティションからみるAI技術者のキャリアパスの潮流およびAIコンペサイトSIGNATEにおけるAWS活用事例
国内外AIコンペティションからみるAI技術者のキャリアパスの潮流およびAIコンペサイトSIGNATEにおけるAWS活用事例
秀 齊藤
SORACOM主催 IoT Technology Conference if-up 2017 発表資料
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Preferred Networks
IoT Training
Iot literacy no.5
Iot literacy no.5
Hiromitsu Jin
Talk 3: 「明日から使える AIシステム開発シナリオ 事例特選10 〜pythonを使ったAI開発」 井原 渉(澪標アナリティクス)
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
Takeshi Akutsu
澪標アナリティクス株式会社代表取締役 井原さん講演資料 50周年記念!分析屋だらけの大ザーユー会
データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???
Izumi Akiyama
Data Analyst Meetup Tokyo vol.8の発表スライドです。 「手動で記録するデータ(本発表ではSalesforce社のsalescoud)」をどのように管理し、分析したかを実際にやったことを通して整理しました。 https://data-analyst.connpass.com/event/107244/
分析できるデータは自ら作る@Data Analyst Meetup Tokyo vol.8
分析できるデータは自ら作る@Data Analyst Meetup Tokyo vol.8
Taichi Tachikawa
「教師なし学習をやってみる」を公開 ※ 株式会社GIGでは毎月社内外に向けた勉強会を実施しています GIG inc. Good is good. We provide opportunities to the SEKAI by fusing technology and ideas. テクノロジーとクリエイティブでセカイをより良くする。小さなチームからスタートした多くの先人達が、世界をより豊かなモノに変革してきました。通信、UX、デバイス、技術の変化と共に世界はまだまだ加速度的に変わります。 Good is good. いいものはいい。GIGは、関わったユーザーやクライアントが前に進める“きっかけ”をつくりつづけます。 ■ お問い合せ https://giginc.co.jp/contact/
【Tech Trend Talk vol.3】社外向け勉強会「環境準備と教師なし学習の実践 -(GIG)」
【Tech Trend Talk vol.3】社外向け勉強会「環境準備と教師なし学習の実践 -(GIG)」
GIG inc.
AI導入に悩まされている方向けのAIビジネス力とは何かをご説明したスライドです。 株式会社エデュテックパートナーズの提供するサービス内容を含めてご紹介しています。
AI活用におけるビジネス力とは何か?
AI活用におけるビジネス力とは何か?
munjapan
「AI求人票採点サービス-Findy Score(ファインディ スコア)」の会社・サービス説明資料。 ■Findy Score(ファインディ スコア)とは 求人票を入力すると、AIを使ってリアルタイムに求人票を採点するサービスです。Findy Score(ファインディ スコア)の採点&アドバイスに沿って求人票を改善することでより良い人材を、スピーディーに採用できます。また、ハイレベルな求人票の事例を検索できる機能も提供しています。 ■サービスサイト https://findy.us/ ■求人票の改善方法に関するコンテンツ 求人票(募集要項・ジョブディスクリプション)の採点、書き方、改善方法が分かります。
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
Yuichiro "Philip" Yamada
2018/03/16 IoTビジネス共創ラボ第7回勉強会 IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
ナレッジコミュニケーション
・IoT化に向けた製造機器からの情報収集の課題 ・機械学習とIoTによる解決策 ・機械学習による数字認識 ・Azure IoTHubによるデータ収集から活用まで ・課題と今後の展望
Io t labo20180312pub
Io t labo20180312pub
IoTビジネス共創ラボ
AI
20180717 zeal
20180717 zeal
Yutaka Terasawa
Similaire à 2018 e-patentトークセッション資料 株式会社ライズ
(20)
士業関連の人工知能の活用例
士業関連の人工知能の活用例
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
【B-2】AI時代におけるエンジニアの生存戦略
【B-2】AI時代におけるエンジニアの生存戦略
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Kigyounai hatsumeijuku lp180727
Kigyounai hatsumeijuku lp180727
2018年12月15日 AITC女子会 顔認識を活用したセミナー参加者の満足度分析
2018年12月15日 AITC女子会 顔認識を活用したセミナー参加者の満足度分析
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
Keywordmap for SEO
Keywordmap for SEO
国内外AIコンペティションからみるAI技術者のキャリアパスの潮流およびAIコンペサイトSIGNATEにおけるAWS活用事例
国内外AIコンペティションからみるAI技術者のキャリアパスの潮流およびAIコンペサイトSIGNATEにおけるAWS活用事例
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Iot literacy no.5
Iot literacy no.5
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???
分析できるデータは自ら作る@Data Analyst Meetup Tokyo vol.8
分析できるデータは自ら作る@Data Analyst Meetup Tokyo vol.8
【Tech Trend Talk vol.3】社外向け勉強会「環境準備と教師なし学習の実践 -(GIG)」
【Tech Trend Talk vol.3】社外向け勉強会「環境準備と教師なし学習の実践 -(GIG)」
AI活用におけるビジネス力とは何か?
AI活用におけるビジネス力とは何か?
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
Io t labo20180312pub
Io t labo20180312pub
20180717 zeal
20180717 zeal
2018 e-patentトークセッション資料 株式会社ライズ
1.
2018特許情報フェア e-patent トークセッション 「弁理士サーチャーから見た良い検索式とは?」 株式会社ライズ 東
智朗
2.
自己紹介 東 智朗 株式会社ライズ 代表取締役 ・調査会社にて特許業界のキャリアスタート ・その後特許事務所 ・ITベンチャー(一人知財部) ・2010年より株式会社ライズ IT分野を中心に化学系以外なら幅広く調査 データ処理やプログラム作成などもたまに
3.
今日の話題 ①良い検索式とは? ②最近興味あること&ライズの取り組み
4.
どちらのほうが良い検索式? A: 請求項=笑顔 *検出 *撮像 B: a
) FI=H04N5/232,180 b) 全文=笑顔+表情 c) 全文=オート+自動 d) 全文=シャッタ+撮像+撮影 a * b * c * d
5.
FI (H04N5/232)
6.
良い検索式とは? →目的とする文献が見つかったとき! ・結果が重要 無効資料などでは特に ・報告する相手が必ずしも検索式を重視するわけではない etc. クライアント、他部門の上司 ・検索式は目的達成のための手段
7.
良い検索式とは? いつも思い通りの結果が出るとは限らない! →しかしこの時こそ調査(検索式)の評価の分かれ目 ■どのような技術範囲・文献を想定して調査方針を検討したか ■関連する文献はないと判断するに足りるか →侵害回避では非常に重要 最も重要なのは設定した調査方針・技術範囲 検索式はそれをカバーし、漏れやエラーのないことが重要
8.
検索式のエラーとは? 主に キーワード 特許分類(IPC,FI,Fterm) の選択ミス
9.
具体的な例 「被写体の顔が笑顔になったと判断したときにシャッターを切 るカメラ」 いわゆるスマイルシャッター機能の基本特許を調べる
10.
どちらのほうが良い検索式? A: 請求項=笑顔 *検出 *撮像 B: a
) FI=H04N5/232,180 b) 全文=笑顔+表情 c) 全文=オート+自動 d) 全文=シャッタ+撮像+撮影 a * b * c * d
11.
答えはA Aではソニーの特許4197019がヒット Bでは同様の文献が見つからず 実はH04N5/232以下が細分化されたのは2017年4月 以前は分冊記号(A~Z)のみ 遡及が間に合っていないもよう ※あくまでこのシチュエーションでのベターな検索式
12.
特許分類選択の難しさ 体系の理解の難しさ 追加や更新が多く追いかけづらい、付与のタイムラグ ・分類選択しても文献の内容、同時に付与された分類をチェック ・選択した分類周辺の可能性も考える ・各年代の文献をチェック
13.
キーワードについて 具体例として「バイク」の類語 ・オートバイ ・モーターサイクル ・自動二輪 ・原動機付自転車 etc. ?
14.
意外に多いのが「鞍乗型車両」
15.
ヒット件数 ※しかも他の単語との重複も少ない
16.
普通に類語としては連想し得ない どうすれば? ・一旦候補キーワードで検索 ・得られた集合から分類を決定 ・選んだ分類で検索して確認
17.
エラーをなくすには? ・選んだキーワード、分類を疑い確かめる ・入念な下調べ(予備検索) キーワード決定のための分類検索 分類決定のためのキーワード検索 ・AIの活用も キーワード候補、分類候補の提示 AIによる検索結果 ただし確認・検証は必要
18.
結局のところ良い検索式とは?
19.
最近気になること 整理標準化データの提供の終了 書誌・経過情報に関するデータの提供へ https://www.jpo.go.jp/torikumi/chouhoyu/chouho yu2/keikajoho-kakudai-gaiyou.html
20.
書誌・経過情報提供のポイント ・タイムラグがなくなる これまで2〜3週間 → 翌営業日 ・提供範囲の拡大 詳細な引用文献情報など jplatpatにある「審査書類情報」ではないよう
21.
書誌・経過情報提供のデータ面での変更点
22.
データ面での利点 ・データの処理が圧倒的に楽に xml -> tsv ・書誌事項データベース構築のハードルが下がる 新たなサービスと提供者の登場の可能性
23.
ライズの今後の取り組み 調査業務を軸としつつ ・自社内でのデータベースの構築 調査の効率化 注文に応じたデータ提供・データ処理 ・小規模システム、ツールの作成
24.
求む! 「知財技術者のためのpython入門」 ・数名集まったら開催したい ・python初心者あるいはプログラム初心者 (経験者で教えたいという方も是非) ・費用:無料🍺 ・月2回くらい ・目標:ファイル(csv,excel,xml,text)の処理 いずれはクローリングやwebアプリ いつかは機械学習ライブラリが触れるかも・・
25.
Thank you
Télécharger maintenant