Japanese patent visualization in R(MeCab) & ggplot2

1. Rで特許文献の可視化
2012/8/4
Tokyo.R #25
@xiangze750

2. Agenda
 特許の可視化
 特許検索サイト
 パテントマップ
– マトリックス分析
 対応分析
 “特許語”
 まとめと課題
 Reference

3. 注意
 今回の発表内容は個人的な見解であり、紹介され
た企業、団体、私の所属企業のそれとは関係あり
ません。

4. 特許の可視化(patent visualization)
 問題
– 膨大で独特の文体で書かれた特許文献の概要をどのように理
解するか
– 日本で年間出願される特許申請は約35万件
– 専門外の技術調査が必要になる場合も多い。
 可視化
– 出願者(企業)、出願日時、分野ごとの傾向 特に出願数量を
可視化したい。
– 出願内容の概要を把握したい
– テキストマイニングの手法が使われる場合が多い

5. 特許文書の構造
 要約(出願のみ)
– 課題
– 解決手段
 特許請求の範囲(請求項)
 発明の開示(解決しようとする課題、解決手段、発明の効果、発明を実
施するための最良の形態)
 図面
 出願者(企業)
 発明者
 出願日時
 分野分類(Fターム、IPC)

6. 請求項の一例
 請求項1
表示体と、この表示体に駆動信号を供給する駆動回路と、この駆動回路を制御する
制御手段と、を備え、前記表示体に所定の表示情報を表示させるようになって
いる電子機器において、前記表示体は、液晶表示体と、この液晶表示体の表示
面上に重ねられて配置された光透過性を有する有機ＥＬ表示体と、を備え、前
記駆動回路は、前記液晶表示体に駆動信号を供給する液晶用駆動回路と、前記
有機ＥＬ表示体に駆動信号を供給する有機ＥＬ用駆動回路と、を備え、前記制
御手段は、前記表示情報を記憶する情報記憶部と、供給される表示情報に基づ
いて前記液晶用駆動回路を動作させる液晶用制御回路と、供給される表示情報
に基づいて前記有機ＥＬ用駆動回路を動作させる有機ＥＬ用制御回路と、前記
情報記憶部に記憶されている表示情報を前記液晶用制御回路及び前記有機ＥＬ
用制御回路のいずれかに選択して供給可能な表示情報切替回路と、を備え、前
記液晶用駆動回路と前記有機ＥＬ駆動回路とは、同一の基板に形成されており
、前記表示情報切替回路は、有機ＥＬ表示体が表示された状態で未操作状態が
所定時間続いた場合、前記有機ＥＬ用制御回路から前記液晶用制御回路に選択
を切り替えることを特徴とする電子機器。
(特許4479140 電子機器
http://patent.astamuse.com/ja/granted/JP/No/4479140/%E6%A6%82%E8%A6%81)

7. 特許検索サービスの一例
 日本特許
– 特許電子図書館(無償)
 かんたん特許検索(無償) http://kantan.nexp.jp/
 アスタミューゼ(無償)
 NRIサイバーパテントデスク2(有償) https://www.nri-cyberpatent.co.jp/
 PATOLIS(無償/有償) https://patolis.com/service/index.html
 米国特許
– 米国特許商標庁(無償)
– Google patent(無償)
 WIPO(世界知的所有権機
関)http://patentscope.wipo.int/search/en/structuredSearch.jsf

8. 特許出願概要の取得
かんたん特許検索
 検索結果をCSVダウンロード “発明協会特許マップソフト方式”でダウ
ンロードする。
 検索結果が3000件以下の場合のみダウンロード可能

9. 分析手法・マトリックス分析
 出願者(企業) v. 分野分類(Fターム、IPC)
 検索語 “液晶 補償回路|補正回路”

10. 分析手法・マトリックス分析
 出願者(企業) v. 分野分類(IPC)
 検索語 “PDP 補償回路|補正回路”

11. 分析手法・マトリックス分析
 出願者(企業) v. 分野分類(IPC)
 検索語 “有機EL 補償回路|補正回路”

12. 分析手法・マトリックス分析
 ggplot2のstat_sumを使用
library(ggplot2)
#pdata<-read.csv("data/液晶_補償回路_補正回路.csv")
pdata<-read.csv(filename)
#dim(pdata)
pdata_sm <- pdata[1:100,]
pdata_sm$IPCs<-gsub("|(.*)","",pdata_sm$IPC.コード)
出願人s<-table(pdata_sm$出願人)
出願人tops<-tail(sort(出願人s))
出願人tops<-apply(出願人tops,function(s){gsub("株式会社","",names(s))})
pdata_tops <- data.frame()
for (i in rownames(出願人tops)){ pdata_tops<-rbind(subset(pdata_sm,subset= 出願人==i),pdata_tops) }
d<-ggplot(pdata_tops,aes(x=出願人 ,y=IPCs))
png(paste(filename,".png"))
d+stat_sum(aes(group=1))
dev.off()

13. 分析手法・対応分析
 各出願者の分野傾向を見る
 出願の概要をRMeCabで形態素解析し語を抽出
 ポイント
– Stop wordsの選定
• 品詞の選別(名詞のみを抽出)
– 多く出現した単語のみを厳選
• 本来は分野の異なる文献に現れる単語は取り除くべき
 制限
– 「かんたん特許検索」の仕様では3000件以上の検索結果は
CSVダウンロードできない。

14. 対応分析
 検索語 “液晶 補償回路|補正回路”
 上位６者を表示

15. 対応分析
 検索語 “PDP 補償回路|補正回路”
エプソン系企業が集中
している。
類似した内容の特許出
願をしていると考えら
れる。

16. “特許語”
 “特許語”の特徴
– 一文が長い
– 特に修飾語が重なることが多い。
 解析方法
語の分布
Ngram(N=1:4)
語そのものではなく、品詞ラベルを用いる
SVM(kernlab, rbf kernel), Cross validation
比較データ
– 青空文庫 に収録された小説のうち題名に新字新仮名となっ
ているものの一部27タイトル
– 本文前の表記に関する注意書き、本文後の底本二関する記述
を取り除いたもの

17. “特許語”・解析結果
 N=1
nonpatent 111 14
patent 0 113
 N=2 1 2
nonpatent 239 30
patent 2 138
 N=3 1 2
nonpatent 116 9
patent 2 111
 N=4
nonpatent 137 23
patent 1 112
判別はできたがN-gramによって特徴づけられる文
の構造によるものとは言いがたい。

18. まとめと課題
 特許文書の可視化手法を紹介した。
– 定量的なものとして出願数、分野のマトリックス分析
– 文章の内容の可視化として対応分析
 RMeCabを用いたテキストマイニングで文章の種類を判定する試みを紹
介した。
 課題
– 対応分析の前処理 (ex. Tf-idfを用いる。RMeCabにも実装され
ている。)
– 特許文書を分類する特徴の探求

19. Reference
 Rによるテキストマイニング入門