[論文レビュー] Test Collections for Patent-to-Patent Retrieval and Patent Map Generation in NTCIR-4 Workshop

Atsushi Fujii, Makoto Iwayama+1 more|ArXiv.org|Apr 10, 2004

Advancements in Photolithography Techniques参考文献 3被引用数 8

ひとこと要約

本論文は、NTCIR-4ワークショップにおける無効性検索および準自動的特許マップ生成を目的として、特許間検索および特許マップ生成のためのテストコレクションを提示する。本研究では、複数のパラグラフが共同して文書の関連性を裏付ける「組み合わせ的関連性」を考慮したパassageベースの評価を導入し、多言語および構造化データをサポートする長文書・関連連想情報検索研究を促進する公開データセットを提供する。

ABSTRACT

This paper describes the Patent Retrieval Task in the Fourth NTCIR Workshop, and the test collections produced in this task. We perform the invalidity search task, in which each participant group searches a patent collection for the patents that can invalidate the demand in an existing claim. We also perform the automatic patent map generation task, in which the patents associated with a specific topic are organized in a multi-dimensional matrix.

研究の動機と目的

• 無効性検索の文脈において、特許検索システムを評価するための標準化されたテストコレクションの開発を目的とする。
• 関連特許を多次元マトリクスで整理するための可能性を検証する意味で、自動的特許マップ生成の可能性を調査することを目的とする。
• 特許情報検索における長文・準構造的文書およびパassageレベルの関連性に関する研究を支援することを目的とする。
• 多言語特許要約および要約を用いた、多言語間検索評価を可能とする。
• 複数のパassageの組み合わせによる関連性を考慮する新しいパassageベースの関連性モデルの導入および評価を目的とする。

提案手法

• 1993年から1997年までの未審査日本特許出願書約170万件、合計40GBのコレクションを構築し、パラグラフをパassageとしてマークアップした。
• 拒絶された日本特許出願から103件の検索トピックを抽出し、各トピックに特許要件の構成要素、出願日、および多言語要約（日本語、英語、中国語）を付与した。
• JIPAの専門家による文書およびパassage要因の関連性判断を収集し、特許要件要素ごとのコンponentレベルの関連性を評価した。
• 関連性の根拠となるパassageの検索回数に基づく新しい評価指標を導入し、複数パassageの組み合わせによる関連性をサポートした。
• 多言語情報検索の訓練および評価を目的として、英語要約（PAJ）および日本語要約（JAPIO）を提供した。
• 特許マップ生成の基盤として、NTCIR-3の特許コレクションを用い、各100件以上の関連文書を有する6件のトピックを選定した。

実験結果

リサーチクエスチョン

• RQ1 パassageレベルの証拠を用いて、特許要件を無効化できる先行技術を検索システムがどれほど効果的に特定できるか。
• RQ2 出願の引用情報、手動専門家検索、およびシステムプールリングの各ソースが、関連する先行技術の発見にどれほど独立して寄与するか。
• RQ3 複数パassageのグループ（組み合わせ的関連性）は、単一の関連パassageと同等に特許検索評価で扱えるか。
• RQ4 トピック固有の文書セットから、多次元的組織化を用いて準自動的特許マップ生成はどれほど実現可能か。
• RQ5 多言語要約および要約が、多言語特許検索性能に与える影響は何か。

主な発見

• 引用情報（C）による関連文書数と手動専門家検索（J）による関連文書数はほぼ同等であり、それぞれ159件および185件であった。
• システムプール（S）が、引用情報と手動検索の和集合（C ∪ J）と同等の関連文書数を抽出したため、システムの多様性と有効性が示された。
• 評価フレームワークは、複数パassageの組み合わせによる関連性を効果的に捉えた。複数パassageのグループが単一パassageと同等の関連性根拠として扱えることを示した。
• パassageベースの評価は、文書内に複数の断片が蓄積する証拠を考慮できるため、文書のみの評価を上回った。
• 多言語要約および構造化メタデータを含む本テストコレクションは、多言語検索および長文書情報検索研究に有効であることが実証された。
• 定量的評価は行われなかったが、特許マップ生成タスクは、問題-解決次元に基づく2次元マトリクスにトピック固有の特許を整理する可能性を示した。