[論文レビュー] A Survey on Patent Analysis: From NLP to Multimodal AI

Homaira Huda Shomee, Zhu Wang+2 more|arXiv (Cornell University)|Apr 2, 2024

Intellectual Property and Patents被引用数 6

ひとこと要約

AIベースの特許分析方法の包括的な調査（2017–2023）、分類、検索、品質分析、生成を含むテキストと画像データを対象とし、新しいマルチモーダル分類体系と将来の方向性を提案。

ABSTRACT

Recent advances in Pretrained Language Models (PLMs) and Large Language Models (LLMs) have demonstrated transformative capabilities across diverse domains. The field of patent analysis and innovation is not an exception, where natural language processing (NLP) techniques presents opportunities to streamline and enhance important tasks -- such as patent classification and patent retrieval -- in the patent cycle. This not only accelerates the efficiency of patent researchers and applicants, but also opens new avenues for technological innovation and discovery. Our survey provides a comprehensive summary of recent NLP-based methods -- including multimodal ones -- in patent analysis. We also introduce a novel taxonomy for categorization based on tasks in the patent life cycle, as well as the specifics of the methods. This interdisciplinary survey aims to serve as a comprehensive resource for researchers and practitioners who work at the intersection of NLP, Multimodal AI, and patent analysis, as well as patent offices to build efficient patent systems.

研究の動機と目的

• 特許分析の4つの主要タスク（分類、検索、品質分析、生成）にわたるAIツールの統合的概要を提供する。
• 特許ライフサイクルのタスクとAIモダリティによって手法を分類する新しい分類法を導入する。
• 2017–2023年の特許AI研究で使用される主要なデータセット、モデル、評価指標を要約する。
• マルチモーダル学習や特許向け生成AIを含む課題、ギャップ、将来の方向性を強調する。

提案手法

• 2017–2023年の26会場からの40本以上の論文の調査と統合。
• タスク（分類、検索、品質分析、生成）とAI手法（従来の機械学習、ニューラルネットワーク、LLMs、マルチモーダル）を結ぶ分類法の開発。
• 特許ライフサイクルタスク別の組織構成。データセット、手法、評価指標の節を含む。
• 特許分野におけるマルチモーダルおよび生成AIの動向についての議論。
• 将来の研究方向と潜在的データセットに関する推奨。

実験結果

リサーチクエスチョン

• RQ1 2017年から2023年にかけて、特許分析タスク（分類、検索、品質分析、生成）に適用されたAI手法は何か。
• RQ2 テキストのみとマルチモーダル（テキスト＋画像）アプローチは、特許分析タスクでどのように比較されるか。
• RQ3 AIベースの特許分析研究で一般的なデータセット、評価指標、傾向は何か。
• RQ4 将来の方向性（マルチモーダル学習、生成AI、知識グラフ）は特許分析に有望か。

主な発見

• AIツールは特許分類、検索、品質分析、生成にますます使用されている。
• 従来のMLから深層学習と大規模言語モデルへの移行があり、SciBERTのようなドメイン特化バリアントもあり。
• テキスト、画像、メタデータを統合したマルチモーダルアプローチが研究方向として浮上している。
• 新しい分類法は特許ライフサイクルのタスクをAI手法とデータモダリティに結びつける。
• 将来の方向性にはマルチモーダルデータセット、特許向け生成AI、知識グラフ、生成コンテンツのドメイン特化評価が含まれる。