IMPPイノベーション研究方法論特許・書誌分析 II

IMPPイノベーション研究方法論
特許・書誌分析 II
2015/7/8 18:45-21:00
政策研究大学院大学
科学技術イノベーション政策研究センター (GRIPS SciREX センター)
原泰史
2015/7/22 1IMPPイノベーション研究方法論

今日の内容 (135分)
1. 前回のおさらい
2. Tableau (BIツール)を使った日本特許の分析の紹介
3. PATSTAT ONLINE を使った欧州特許の分析
4. Web of Knowledge を使った論文書誌情報の分析
5. データベース（特許, 論文, サイエンスリンケージデータベー
ス etc…）を接合した分析
• 詳しくは,
• SciREX「ナショナルイノベーションシステムに係る定量データとその
分析手法」WSシリーズ http://scirex.grips.ac.jp/center/ja/341 で

告知
• SciREX「ナショナルイノベー
ションシステムに係る定量デー
タとその分析手法」WSシリーズ
第五回
• 計量テキスト分析ソフトを用いた
NISTEP 定点調査の解析
• 日時: 2015年7月25日 16:00-18:00
• 場所
• GRIPS SciREX センター
• 一橋大学イノベーション研究セン
ター
• 参加方法
• 名前 (ふりがな)
• 所属機関
• メールアドレス
• 受講を希望する場所 (GRIPS科学技
術イノベーション政策研究セン
ターまたは一橋大学イノベーショ
ン研研究センター)
を ya-hara@grips.ac.jp までご連絡く
ださい.
• 詳しくは
• http://innovation.connpass.com/even
t/17718/

1. 前回のおさらい

Framework of Innovation Indicators [modified. 2]
(Pakes and Griliches 1984)
Other
Economic
Factors
Non-Knowledge Factors
of Production Output:
Productivity
Firm’s Value
Patent
Patenting
Propensity
Inputs to Innovation
R&D, designing,
marketing research etc…
Knowhow and
First Mover Advantage
Paper
In-tangible
knowledge

2015/7/22 6
(Kuhn っぽい) Innovation process
基礎研究応用研究製品化マーケティング
論文特許 POSデータ
博士人材
データベース
科研費
データベース
定量的な分析をするために、データベースを使う
・特許データを使って製品化のプロセスを観察する
・論文データと博士人材データベースと科研費DBを組み合わせて, 競争的資金の
研究開発パフォーマンスへの影響を観察するIMPPイノベーション研究方法論
プレスリリース

2. Tableau (BIツール)を使った
日本特許の分析の紹介

日本特許用のデータベース
• 特許情報プラットフォーム
• 工業所有権情報・研修館が提供
• 無償: https://www.j-platpat.inpit.go.jp/web/all/top/BTmTopPage
• 特許の大まかな内容を調べるにはこれで十分
• IIPパテントデータベース
• 知的財産研究所（と人工生命研究所）が提供
• 無償: http://www.iip.or.jp/patentdb/
• 出願情報、登録情報、出願人情報、引用情報、発明者情報、発明者情報がそれぞれ収録
• マニュアル：http://www.iip.or.jp/patentdb/pdf/manual.pdf
• ダウンロードページ: https://database.iip.or.jp/patentdb/
• 研究用特許データベース
• IIPパテントデータベース、研究用特許データベースどちらも工業所有権情報・研
修館が提供する整理標準化データがベース

研究用特許データベース
• （１）整理標準化データ (patR データベース)
• 特許庁での特許の出願、審査請求、拒絶、権利維持、最終処分まで、
手続きを記録したもの
• 提供時期は１９６４年以降, 適宜アップデート中
• データ量が多いため、研究に必要な項目を限定してデータベースに格
納
• （２）公報データ (td_5 データベース)
• 特許の明細書および書誌情報を年別・公報種別によって記録したもの
• 発行時期は公開公報：１９９３年から２０１２年まで
• 特許公報：１９９４年から２０１２年まで
• 公表公報：１９９６年から２０１２年まで
• 再公表公報：１９９６年から２０１２年まで。すべてのデータを格納。

３つの特許データベースの違いは？
2015/7/22 10（永田２００４）
特許庁データ
整理標準化データ
日本国特許庁への特許出願等に基づいて作成され
る産業財産権情報（出願、審判、登録情報等）に
ついて、公開可能な情報の重複を排除し標準的な
形式であるXMLやSGMLに変換したデータ

３つの特許データベースの違いは？
2015/7/22 11（永田２００４）
特許庁データ
整理標準化データ
patR/tamada データベース
必要な部分を抽出し, 出願人コードなどを統一
したものIIPパテントデータベース

(1)patR (ER図; 抜粋)
2015/7/22 12
・特許庁の手続きデータを工業所
有権情報・研修館が提供している
整理標準化データが元データ。
・app_info が中心にデータが構成さ
れるリレーショナル・データベース
方式

(1) patR
• app_info 出願経過テーブル
2015/7/22 13
フィール
ド名
型インデックス
内容（カッコ内は
コード表インデッ
クス）
1 app_num varchar(20) 出願番号：すべて半角(B0010)
2 count int(11) ワーク用カウンタ
3 title varchar(255) 発明の名称
4 app_date date 出願日
5 renewal_date date 更新日付：出願マスタ
6 id bigint(20) 元処理番号
7 pat_app_num varchar(10) 原出願記事番号(B0010)
8 app_type varchar(4) 原出願記事関連種別(B0310,C0025)
9 pub_num varchar(10) 公開番号
10 pub_date date 公開日
11
exam_pub_nu
m
varchar(10) 公告番号
12
exam_pub_da
te
date 公告日
13 intl_app_num varchar(12) 国際出願番号
14 pry_cnty char(2) 筆頭優先権主張国
15
num_claim_a
pp
int(11) 請求項の数：出願時
16
num_claim_e
xamed
int(11) 請求項の数：公告決定時
17
num_claim_re
g
int(11) 請求項の数：登録査定時
18 reg_num varchar(19) 特許番号または登録番号
19 reg_date date 登録日
20 rej_rsn char(2) 拒絶理由条文コード(C0710)
21 cnln_cl char(2) 本権利抹消識別(C0780)
22
term_dat
e
date 本権利消滅年月日
23
pry_claim
_date
date 優先権主張日
24
dspn_exa
m_date
date 審査最終処分日
25
dspn_exa
m_code
char(3) 審査最終処分種別コード(C0360)
26 apnum
varchar(1
3)
MUL ‘JPP’をapp_numの先頭につけた文字列
27 fin_decn char(1) 査定種別コード(C0350)
28
fin_decn_
date
date 査定発送日
29
trans_sub
m_date
date 翻訳文提出日
30
trans_pub
_num
varchar(1
0)
公表番号
31 idp int(11) PRI 本テーブルの固有行番号
32
num_clai
m_reg_in
fo
int(11) 請求項の数（登録情報）
33 udate date ワーク用日付フィールド
34 IPC8
varchar(2
55)
国際特許分類第８版
35
acc_exam
_mark
char(1) 早期審査マーク(C0240)

(1) patR
• citation 引用情報テーブル
2015/7/22 14
フィール
ド名
型
インデッ
クス
内容
（カッコ
内はコー
ド表イン
デック
ス）
1 citing varchar(10) MUL
引用特許
出願番号
(B0010)
2 cited varchar(10) MUL
被引用特
許出願番
号(B0010)
3 type int(11) MUL
種別（1：
審査官引
用
2：特許公
報に記載
された引
用
3：上記両
方に記載
の引用）
フィールド名
内容（カッコ
内はコード表
インデック
ス）
1 ids int(11) PRI 固有行番号
2 name text 氏名
3 addr text 住所
4 prefecture char(2)
住所の国県
コード(C0050)
5 id_num varchar(9)
出願人コード
(B0070)
6 req_type char(1)
個法官別コー
ド(C0070)
7 type int(11) ワーク用
8 name1024 varchar(1024) MUL
氏名のイン
デックス文字
列
9 addr1024 varchar(1024) MUL
住所のイン
デックス文字
列
• applicant 出願人
right_holder 権利者テーブル

(1) patR
• inventor 発明者テーブル
2015/7/22 15
フィールド名
内容（カッコ
内はコード表
インデック
ス）
1 name text 氏名
2 addr text 住所
3 req_type char(1)
個法官別コー
ド(C0070)
4 organization Varchar(255)
所属する組織
の名称
5 ids int(11) PRI 固有行番号
6 name1024 varchar(1024) MUL
氏名のイン
デックス文字
列
7 addr1024 varchar(1024) MUL
住所のイン
デックス文字
列
フィールド名型インデックス
内容（カッコ内
はコード表イン
デックス）
1 apnum varchar(13) MUL
‘JPP’+出願番号
(B0010)
2 app_num varchar(10) MUL 出願番号(B0010)
3 pub_num varchar(10) MUL 公開番号
4 intl_app_num varchar(12) MUL 国際出願番号
5 intl_pub_num varchar(12) MUL 国際公開番号
6 trans_pub_num varchar(10) MUL 公表番号
7 exam_pub_num varchar(10) MUL 公告番号
8 reg_num varchar(10) MUL
特許番号または
登録番号
9 ref_pub_num varchar(13) MUL 文献公開番号
10
ref_trans_pub_nu
m
varchar(13) MUL 文献公表番号
11
ref_examd_pub_n
um
varchar(13) MUL 文献公告番号
12 ref_reg_num varchar(13) MUL 文献登録番号
13 ref_intl_pub_num varchar(13) MUL 文献国際公開番
号
• numbers 番号表テーブル

特許データベースをより簡単に分析する方法
• Tableau : BI ツール
2015/7/22 IMPPイノベーション研究方法論 16

Tableau を使って, 特許データから必要な
情報を取り出す
1.Tableau を起動し, MySQL サーバに接続する.

2.サーバの情報を入力する

3. patR データベースを選択する.

4. Inventor の情報を取り出すために, 左側のテーブル一覧から
Inventor を選び, 上のマスにドラッグアンドドロップする.

• 5. 「取得する」をクリックし Inventor の一覧を取得する.

Tableau を使って, 特許データから必要な情
報を取り出す
Inventor.name=“大杉義征”な特許一覧を取得する

Tableau のメリット
• SQL 構文を覚えずに, ドラッグアンドドロップでデータをSQL
データベースから取得できる
• ただし, 細かなデータの取得にはデータベースの仕組みを理解していく
必要がある
• グラフィカルな表示にも対応

もっと tableau を使ってみたい方…
• STUDENT 版ライセンスを手に入れたので, 必要な方は ya-
hara@grips.ac.jp までご連絡ください.

3: PATSTAT オンライン版をつ
かってみよう

Web インターフェースではなく SQL デー
タベースを使うことのメリット
• Web 版にくらべてレスポンスがはやい
• （すべてはやいとはいっていない）
• 自分のニーズに則したデータを取得できる
• 他のデータベースとの接続が行い易くなる
• 特許データベースと論文データベースの接続
• 特許/論文データベースと財務データベースの接続

PATSTAT
• EPO の特許データベース
• Web インターフェースも存在
• Raw Data 版は有償
• Web 版 PATSTAT は2ヶ月間無料

PATSTATのデータ構造
http://documents.epo.org/projects/babylon/eponet.nsf/0/95da6bccf12e54a1c1257aa1002e2d
1d/$FILE/patstat_data%20elements_v1.1.pdf

PATSTAT のデータ構造

PATSTAT のモデル図

0. PATSTAT Online (beta) にアクセスしてみる
• http://www.epo.org/searching/subscription/patstat-online.html
にアクセスする

0-1. Registration する
• メールアドレスを入力し, Preview を押す

0-2. メールが届く
2015/7/22 33
• “Validation of registration” メールが届くので, “activate your free
trial now” をクリックする.

0-2. メールが届く

0-3. ログインする
• https://data.epo.org/expert-services/start.html# にアクセスし,
メールで送られたユーザ名とパスワードを入力する.

0-4. ログインする(2)
• Patent Statistics PATSTAT 2014 Autumn を選択する

0-5. ログインする(3)

1. クエリを打ってみる
• クエリを打ってみる
• SELECT appln_auth, appln_nr, appln_kind, appln_filing_date
FROM tls201_appln
WHERE appln_auth = 'IE‘;
SELECT : どういったデータを取得するのか
FROM : どのテーブルを参照するのか
WHERE : どういう条件でデータを取得するのか
WHERE : appln_auth が IE なものについて
FROM: tls201_appln テーブルから
SELECT: appln_auth, appln_nr, appln_kind,
appln_filing_date の情報を引っ張りだす
逆向きに読んでみる

2. データが取得される

1-2. 練習問題
• 先ほどのクエリを少し改造してみる
• 先ほどの条件に加えて, 2000年以降に出願された特許について
データを収集してみる
• 必要な条件 appln_filing_year >= 2000
• 条件を追加する方法
• (条件1) AND (条件2) : (条件1) および (条件2) を満たすデータを取得する
• (条件1) OR (条件2) : (条件1) または (条件2) を満たすデータを取得する

1-2. 練習問題 (答え)
• SELECT appln_auth, appln_nr, appln_kind, appln_filing_date
FROM tls201_appln
WHERE appln_auth = 'IE'
AND appln_filing_year >= 2000;

1-2. 出力結果
0
100
200
300
400
500
600
700
800
900
1000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
appln_kind

2. PATSTAT から”Ohsugi Yoshiyuki” さんの
データを取得する
• select tls206_person.person_name, tls206_person.person_id, tls206_person.person_address,
tls206_person.person_ctry_code, tls207_pers_appln.appln_id, tls201_appln.appln_title_lg,
tls201_appln.appln_filing_year, tls201_appln.nb_applicants, tls202_appln_title.appln_title,
tls208_doc_std_nms.doc_std_name from tls206_person
inner join tls207_pers_appln
on tls206_person.person_id=tls207_pers_appln.person_id
inner join tls201_appln
on tls207_pers_appln.appln_id=tls201_appln.appln_id
inner join tls202_appln_title
on tls201_appln.appln_id=tls202_appln_title.appln_id
inner join tls208_doc_std_nms
on tls206_person.doc_std_name_id=tls208_doc_std_nms.doc_std_name_id
where tls206_person.person_name = "Yoshiyuki Ohsugi";

Row person_name person_id person_city_code appln_id appln_title_lg appln_filing_year nb_applicants title doc_std_name
YOSHIYUKI OHSUGI 13732782 1490962 en 1999 1
Rheumatoid arthritis
remedy containing IL-
6 antagonist as
effective component
OHSUGI YOSHIYUKI
2 YOSHIYUKI OHSUGI 13732782 1490963 en 1999 1
remedy containing IL-
6 antagonist as
effective component
OHSUGI YOSHIYUKI
remedy containing Il-
6 antagonist as active
ingredient
OHSUGI YOSHIYUKI
remedy containing il-
6 antagonist as active
ingredient
OHSUGI YOSHIYUKI
2,6-BIS (N-
LOWERALKYLCARBA
MOYL) PYRIDINE-4-
CARBOXYLIC ACID
DERIVATIVES
OHSUGI YOSHIYUKI
PYRIDINE 2,6-
DIAMIDE-4-
CARBOXYLATES
OHSUGI YOSHIYUKI
Novel antisense
oligonucleotide
derivatives against
wilms's tumor gene
OHSUGI YOSHIYUKI
Preventives and/or
remedies for systemic
lupus erythematosus
containing anti-IL-6
receptor antibody as
the active ingredient
OHSUGI YOSHIYUKI
Preventives and/or
remedies for systemic
lupus erythematosus
containing anti-il-6
receptor antibody as
the active ingredient
OHSUGI YOSHIYUKI

Cancer vaccine containing
cancer antigen based on tumor
suppessor gene wti product and
cationic liposomes
OHSUGI YOSHIYUKI
11 YOSHIYUKI OHSUGI 13732782 24726192 it 1986 1
AGENTE PER IL TRATTAMENTO
DELLA NEFRITE
OHSUGI YOSHIYUKI
PYRADINE DERIVATIVES AND
PROCESS FOR PREPARING THE
SAME
OHSUGI YOSHIYUKI
RHEUMATOID ARTHRITIS
REMEDY CONTAINING IL-6
ANTAGONIST AS ACTIVE
INGREDIENT
OHSUGI YOSHIYUKI
14 YOSHIYUKI OHSUGI 17581861 JP 5990714 de 1979 1
TEREPHTHALSAEUREMONOAMI
D-DERIVATE, VERFAHREN ZU
DEREN HERSTELLUNG UND
DIESE ENTHALTENDES
ANTIALLERGISCHES
PHARMAZEUTISCHES
PRAEPARAT.
OHSUGI YOSHIYUKI
15 YOSHIYUKI OHSUGI 17581861 JP 6045746 de 1976 1
VERFAHREN ZUR HERSTELLUNG
VON NEUEN
AMINOBENZOESAEURE-
DERIVATEN UND SO
HERGESTELLTE
AMINOBENZOESAEURE-
DERIVATE.
OHSUGI YOSHIYUKI
16 YOSHIYUKI OHSUGI 17581861 JP 41232005 es 1979 1
PROCEDIMIENTO PARA
PREPARAR DERIVADOS DE
MONOAMIDA DEL ACIDO
TEREFTALICO
OHSUGI YOSHIYUKI
17 YOSHIYUKI OHSUGI 17581861 JP 41276638 es 1979 1
PROCEDIMIENTO PARA LA
PREPARACION DE DERIVADOS
AMIDICOS DEL ACIDO
TEREFTALICO
OHSUGI YOSHIYUKI
18 YOSHIYUKI OHSUGI 17581861 JP 57101201 en 1998 1
PREVENTIVES AND/OR
REMEDIES CONTAINING ANTI-IL-
6 RECEPTOR NEUTRALIZING
ANTIBODIES FOR REDUCING
THE EXCRETION OF URINARY
PROTEIN IN SYSTEMIC LUPUS
ERYTHEMATOSUS
OHSUGI YOSHIYUKI
19 YOSHIYUKI OHSUGI 17581861 JP 364487213 en 1995 2
INHIBITION OF ABNORMAL
GROWTH OF SYNOVIAL CELLS
USING IL-6 ANTAGONIST AS
ACTIVE INGREDIENT
OHSUGI YOSHIYUK

3. PATSTAT に収録された特許から, 溶融還元法が
Title か Abstract に含まれている特許一覧を取得す
る
• 溶融還元法は英語で “Iron Ore Smelting Reduction” らしい
• クエリ
SELECT nb_citations, a.appln_id, appln_auth, appln_nr,
appln_kind, appln_filing_date
FROM tls201_appln a
LEFT OUTER JOIN tls202_appln_title t ON a.appln_id = t.appln_id
LEFT OUTER JOIN tls203_appln_abstr abstr ON a.appln_id = abstr.appln_id
WHERE (t.appln_title LIKE '%iron smelting%' OR abstr. appln_abstract LIKE
'%iron smelting%')

3-1. 出力結果
・このままだとよくわからな
いので, Download から Excel に
出力してみる

年代で並べてみる
0
5
10
15
20
25
30
35
#ofpatents

出願国ごとに並べてみる
2
6
1
2
225
4
1
2
9
1
1
10
2
1
1
1
1
1
34
4
4
10
1
0 50 100 150 200 250
AT
AU
BE
CA
CN
DE
EA
EP
GB
HU
IN
JP
KR
MX
MY
NL
PL
RO
RU
SU
UA
US
ZA
集計

4. 日本に属する組織または個人が2014年に出願した
特許のうち, 他国の組織または企業とどのくらいコラ
ボレーションをしているのか調べてみる
• クエリ
• SELECT COUNT(*) AS numberOfCommonApplications,
p1.doc_std_name as name1, p1.person_ctry_code as cc1,
p2.doc_std_name as name2, p2.person_ctry_code as cc2
FROM tls206_person p1
JOIN tls207_pers_appln pa1 ON p1.person_id = pa1.person_id
JOIN tls207_pers_appln pa2 ON pa1.appln_id = pa2.appln_id
JOIN tls206_person p2 ON pa2.person_id = p2.person_id
join tls201_appln p3 on pa1.appln_id = p3.appln_id
WHERE p1.person_ctry_code = 'JP'
AND p3.appln_filing_date >= '2014-01-01'
AND p3.appln_filing_date <= '2014-12-31‘
AND pa1.appln_id > 0
AND pa2.appln_id > 0
AND p1.person_ctry_code <> p2.person_ctry_code
GROUP by p1.doc_std_name, p1.person_ctry_code, p2.doc_std_name, p2.person_ctry_code
ORDER BY numberOfCommonApplications DESC, p1.doc_std_name ASC,
p2.doc_std_name ASC

4-2. コラボレーション国ランキング
US 855
(空白) 489
GB 131
DE 105
KR 101
CN 82
CA 59
SG 57
FR 57
NL 27
SA 20
CH 18
BE 18
IL 15
TH 14
LU 13
IN 11

4-3. 企業ランキング
PANASONIC CORP 100
SONY CORP 81
SHARP KK 46
KOBE STEEL LTD 41
FUJITSU LTD 36
TAKEDA PHARMACEUTICAL 28
NISSAN MOTOR 27
OTSUKA PHARMA CO LTD 23
HONDA MOTOR CO LTD 23
NIPPON STEEL & SUMITOMO METAL 20
TEXAS INSTRUMENTS JAPAN 20
TOSHIBA KK 20
CANON KK 20
HADANO HIROYUKI 19
NEC CORP 16
SHIONOGI & CO 14
SAWADA HARUKO 13
TOSHIBA TECHNO CT INC 13
SUGIO TOSHIYASU 13
IBM JAPAN 12
SATO YOSHITAKA 11
KYOCERA CORP 11
UNITIKA LTD 10
TATEISHI TAKAAKI 10
MASAKI TAKAKI 10
FUNAI ELECTRIC CO 102015/7/22 52IMPPイノベーション研究方法論

4-4. コラボレーション国x企業
国名
PANASONIC
CORP
SONY
CORP
SHARP
KK
KOBE
STEEL
LTD
FUJITS
U LTD
TAKEDA
PHARMACEU
TICAL
NISSAN
MOTOR
HONDA
MOTOR CO
LTD
OTSUKA
PHARMA CO
LTD
TOSHI
BA KK
TEXAS
INSTRUMENTS
JAPAN
NIPPON STEEL &
SUMITOMO
METAL
CA
NO
N
KK
総
計
（空白） 68 6 40 33 14 27 1 5 3 16 213
US 6 56 3 7 5 21 5 10 12 4 129
GB 9 3 17 8 7 5 1 50
CN 12 1 10 6 1 1 31
FR 1 4 10 15
KR 8 8
DE 3 4 7
SG 6 6
BE 3 1 4
MY 4 4

参考文献
• PATSTAT ONLINE (beta)
• http://www.epo.org/searching/subscription/patstat-online.html
• SQL Self-Study Course
• http://documents.epo.org/projects/babylon/eponet.nsf/0/55df36d61f27cdb
2c1257b1600323d91/$FILE/patstat_introduction_sql_en.pdf
• Data Elements of PATSTAT Raw Data
• http://documents.epo.org/projects/babylon/eponet.nsf/0/95da6bccf12e54a
1c1257aa1002e2d1d/$FILE/patstat_data%20elements_v1.1.pdf

参考文献(2)
• 永田晃也（２００４）知的財産マネジメント, 中央経済社
• 後藤晃、元橋一之（2005）特許データベースの開発とイノベー
ション, https://database.iip.or.jp/patentdb/

4. 論文データベースを使った分析

論文のデータベースを使うと何がわかる？
• 著者の数が多い論文は被引用数が多くなる？
• どういうジャンルの論文を, 特定の大学や企業が投稿してい
る？
• ある産業内では, どういった企業が論文を多く投稿している？
• スターサイエンティストはだれ？
• 引用する論文が多いほど, 被引用数が増える？
• 博士ホルダーが書いた論文は, 普通の研究者に比べてパフォー
マンスが高くなる？
• 様々なジャンルに投稿している研究者のパフォーマンスは高く
なる？

ただし
• 世の中に「完備な」データベースはありません
• 「大人は嘘つきではありません、ただ間違いを
するだけなのです…」
• 組織名が違う
• 自分の名前が違う
• 所属国が違う
• 論文のカテゴリが違う
ことが多々出てきます。
• 自らのリサーチクエスチョンに合わせて精緻な
分析を行うためには、(1) 問いに対応する最適な
データベースを選び, (2) データのクリーニング作
業を行う必要があります

ケース1: 論文データベースによってカバーし
ている情報が違うことを確かめてみる
• “The renaissance in optical spectroscopy of phthalocyanines and
other tetraazaporphyrins” という論文を
• 1. J-Global: http://jglobal.jst.go.jp/
• 2. CiNII : http://ci.nii.ac.jp/
• 3. Web of Knowledge http://apps.webofknowledge.com/
• 4. Scopus http://www.scopus.com/
• 5. Google Scholar https://scholar.google.co.jp/
• 6. Microsoft Academic Search http://academic.research.microsoft.com/
の6種類の論文データベースで探し, どのような情報が掲載されているの
か確認する.

1. J-global の場合: 検出, しかしほとんど情報な
し

2. CiNii の場合: 検出できない

3. Web of Knowledge@一橋の場合: いろいろ見つかる

3-2. Web of Knowledge@GRIPSの場合:一橋
とまったく同じ情報が見つかる

4. Scopus の場合:Web of Knowledge と同じ
結果になるけど, 被引用数が違う….
Web of Knowledge の場合: 被引用数 67
Scopus の場合: 被引用数 69

5. Google Scholar の場合
検出できる. 被引用数は WoK/Scopus と異なる

6. Microsoft Academic Search の場合
検出できる. 被引用数が著しく少ない.

わかること
• 有料のデータベースと無料のデータベースがある
• Web of Knowledge や Scopus にアクセスするのって, 実はお金がかかる
• 当該論文を検出できるデータベースとできないデータベースがある
• 被引用数はデータベースによって異なる
• 掲載されている情報もデータベースによって異なる
• 一番いいのは、実際の論文を読むこと/ダウンロードすること
• しかしながら, そんな時間はないので論文データベースを使わざるを
得ない
⇒ 網羅性が高いのは Web of Knowledge または Scopus, 日本語の論文
なら CiNII

(英文)論文データベース
名前 Web of Knowledge Scopus
作っている会社トムソン・ロイターエルゼビア
カバー範囲・社会科学文献の書誌および引用情報
(1898年-2015年)
・自然科学文献の書誌および引用情報
(1900年-2015年)
・5000以上の出版社の21,000誌以上の学術ジャー
ナル
・20000タイトル以上の査読ジャーナル
・370タイトルのブックシリーズ
・550万件以上の会議録
メリット・過去データが豊富
・社会科学のカバー率が高い
・他のデータベースとリンクさせることが比較的容
易
・分野分類が (Web of Knowledge) に比べて明確
・自然科学のカバー率は Web of Knowledge に比べ
高い
・企業名および著者名の名寄せの精度が高いこと
もないみたい・・・
デメリット・1945年以前のデータはカバー範囲が限られている
・カテゴリ分類が不明確
・現在カバー範囲が(Web of Knowledge に比べ)狭い
[引用情報は1996年以降のみカバー]
(2016年に向け拡大される予定)
価格すごく高い！すごく高い！
気をつけること・一橋大学では利用可能
・大学によってカバーしているデータ範囲が違う
一橋大学では利用不能 (部局によっては契約してい
る場合あり)

3-1. Web of Knowledge
• 一橋の学内からはどこからで
も利用可能
• 一橋大学図書館の My Library
からリモートログインで利用
可能
• GRIPS でも利用可能
• 東大でも利用可能（おそら
く）
2015/7/22 69
http://ip-science.thomsonreuters.jp/products/web-of-
science/yokuwakaru/IMPPイノベーション研究方法論

ケース2: Web of Knowledge のインターフェース ;
シュンペーターの論文を探してみよう
1. www.webofknowledge.com を開き, 「著者名検索」を選択. 「姓」と「イニシャル」を入力する.

Web of Knowledge のインターフェース
例: シュンペーターの論文を探してみよう
2. 「研究領域」から, (とりあえず)すべての研究領域を選択し, 「著者所属を選択」をクリック

3. 「著者所属名短縮形」から, (とりあえず)すべての所属を選択. また, 「著者所属情報を含まないレコードを
含める」チェックボックスをクリックし, 「選択した文献で検索」をクリックする.

4. “著者名検索結果: 49レコード” が表示されるので, “並び替え” より “被引用数 – 多い順” を選択し並べ替える.

5. 一番引用数の多い “The Creative Response in Economic History” をクリックする.
わかること
・著者名
・ジャーナル名
・発行年月日
・被引用数
・引用文献
・インパクトファクター
・ドキュメントタイプ
・言語
・発行者
・研究分野
・Web of Knowledge Category
・最終引用

Tips: たくさんのデータを Web of
Knowledge から合法的に取り出す方法
• 方法0: ロボット検索
• ダメ、ゼッタイ！
• 方法1: Web インターフェースを使う
• データの抽出方法はいくつかある
• 方法2: Endnote Web を使う
• ヒント: Endnote ライブラリ
• 方法3: API を使う
• ただし有償

ケース3: Web of Knowledge を使って一橋大学か
ら2013年に公刊された論文を取り出してみる
• 1. 検索 -> Web of Science Core Collection -> 詳細検索を選ぶ

ケース3: Web of Knowledge を使って一橋大学
の2013年に公刊された論文を取り出してみる
• 検索条件を入力する
• PY: 年
• OG: 組織名
• [検索] をクリックする

• 検索が実施され, データが抽出される. 検索履歴より “80” をクリックする

• 検索結果が表示される

• 画面の一番下までスクロールし, “他のファイルフォーマットで保存”
を選択する

• [レコード件数]から保存するレコード数
• [レコードコンテンツ]から”詳細表示と引用文献”
• [ファイルフォーマット]から”タブ区切り(Win (またはMac))” を
選択し保存をクリックする

• 取り出したテキストファイルをExcel に取り込む
• H Shimizu 先生が見つかったりする

• Alternative: エクセルを使うのがめんどくさい人向け
• [レコード件数]から保存するレコード数
• [レコードコンテンツ]から”詳細表示と引用文献”
• [ファイルフォーマット]から”テキスト” を選択し保存をクリックする

• Raw Data っぽいファイルが出力される
• 自分でコードを書いて処理するか, Vantage Point (後述)を使う
• ヒント: 終端処理はEF なので, そいつと先頭行を潰せばいくらでもデータ
連結が可能

「研究分野」と「Web of Knowledge Category」
• 研究分野
• 研究分野は、すべての Web of
Science 製品データベースで共有さ
れる主題分野を構成します。その
結果、同じ主題に属する複数の
データベースのドキュメントを識
別、検索、分析することができま
す。
• Current Contents Connect およ
び Web of Science Core Collection に
含まれる各ジャーナルおよび書籍
は、Web of Science の分野の少な
くとも 1 つに割り当てられます。
Web of Science の各分野は 1 つの研
究分野にマップされます。
• Web of Knowledge Category
• “Web of Science Core Collection に含
まれるすべてのジャーナルおよび
書籍は、以下の主題分野の少なく
とも 1 つに割り当てられます。
Web of Science Core Collection のす
べてのレコードは、[Web of
Science の分野] フィールドに出版
物の主題分野を含みます。”
※. ひとつの論文に対して複数の
Web of Knowledge Category が割り当
てられていることがある

データの出力結果: コンパクチン後方引用文献
の場合
• 「研究分野」 • 「Web of Knowledge
Category」

Web of Knowledge で注意するポイント
• カテゴリ分けが1:1 の関係にはなっていない
• 精緻に行うためには, ジャーナル名などで名寄せする必要性
• 部局名などの名寄せが行われていない
• NISTEP 表記ゆれ辞書などを活用する
• Scopus を利用する（？）
• Web 経由では, 1回500件しかダウンロードできない
• Excel でひたすらくっつけていくか, Raw Data 方式でダウンロードしひ
たすら連結, 処理をしたのち手元のSQL などに放り込む
• ロボット検索すると怒られます

NISTEP: “大学・公的機関名英語表記ゆれ
テーブル(Web of Science版)(Ver.2014.1)”
• “1996-2012 年の期間にWeb of Scienceに採録された論文のうち、
日本の機関に所属する著者を含む論文のデータ(約150万件)を対
象に、機関名英語表記のゆれを調査・分析しリスト化した結
果”
• http://www.nistep.go.jp/research/scisip/randd-on-university から
ダウンロード可能
• カバー範囲 1996-2012
• Creative Commons BY-SA

“大学・公的機関名英語表記ゆれテーブル
(Web of Science版)(Ver.2014.1)”
• F 列が表記バリエーションになっているので, C列の機関ID で
Matching させる
• Web of Knowledge で取り出したデータと, 例えばExcel なら
vlookup などして連結させる

どの論文データベースが一番よい？
• (Kulkarni, Aziz, Shams and Busse
2009)
• Google Scholar, Web of Knowledge と
Scopus の Citation 推移を比較
• “Cohort study of 328 articles published
in JAMA, Lancet, or the New England
Journal of Medicine between October 1,
1999, and March 31, 2000. Total citation
counts for each article up to June 2008
were retrieved from Web of Science,
Scopus, and Google Scholar.”
• Findings
• “Compared with Web of Science, Scopus
retrieved more citations from non–English-
language sources (median, 10.2% vs 4.1%)
and reviews (30.8% vs 18.2%), and fewer
citations from articles (57.2% vs 70.5%),
editorials (2.1% vs 5.9%), and letters (0.8%
vs 2.6%) (allP < .001).”
2015/7/22 90
JAMA. 2009;302(10):1092-1096. doi:10.1001/jama.2009.1307

2015年現時点での論文データベース利用法
• Web of KnowledgeとScopus, どちらにもデメリットとメリットがある
• Web of Knowledge: データベース全体の構造が複雑, かつノイズデータも多い
けど長い期間をカバーしている
• Scopus: Web of knowledge に比べればデータベース全体の構造は比較的単純.
Author ID や Affiliation ID などを備えているので一見 Name-Matching の手間は
省けそうだけど, やはりノイズデータが含まれている. 今後に期待.
• （高いから比べられないし, だいたいの大学ではひとつしか使えない
し）論文データベースは Web of Knowledge, Scopus のいずれかを使
う
• 恐らく, 両データベースの接合を試みるだけでたくさんの Paper が書
ける（けれど大変）
• 指標を使って, クエリを投げてデータを取り出した後, 整合性が取れ
ているかチェックしていく (別の組織が入っていないか, 別の国が
入っていないか, ダブルカウントしていないか etc…)

5.データベース（特許, 論文,
サイエンスリンケージデータ
ベース etc…）を接合した分析

特許と論文データをくっつけて分析する
とわかること/わかりそうなこと
• 基礎研究の重要性
• 「論文をよく読んで書いた論文のほうが、いい論文になりそう」
• 「論文をよく読んで作った特許のほうが、パフォーマンスが高そう」
• 基礎研究が応用研究に与える影響
• 企業が技術の吸収能力を高めるためには, 基礎研究に資源を投資する必要があ
る (JST/RISTEX 長岡 PJ)
• サイエンスとイノベーションのパス
• 論文で出される知識と、特許で出される知識の関係性
• 企業の研究開発の流れ
• 論文を出す研究者、特許を出す研究者のどっちが偉いのか
etc….2015/7/22 IMPPイノベーション研究方法論 93

くっつける？
•方法1. 機械学習
• JSTデータベース
• (Fleming 2009)
•方法2. アドホックに (手作業！)
•方法3. データベース

地道にくっつける方法
1. Web of Knowledge から必要な分野, 必要な年代, 必要な論文著
者のデータを引っ張ってくる
2. 特許データベースから必要な分野, 必要な年代, 必要な発明者
のデータを引っ張ってくる
3. 1. と 2. をくっつける！

くっつけた分析例: JST/RISTEX 深堀調査
『科学的ブレークスルーとイノベーションをつなぐ研究に着目した｢科学と技
術の相互作用｣の明確化』
• IIR 清水洋先生が研究代表者
• http://www.ristex.jp/examin/others/shinki-pj-result2010.html
• 科学から技術に至る知識の流れを特許と論文データベースを接
合することで特定する
• ケース
• 青色LEDに至るまでに, どのような特許が参照されたのか後方引用関係
から特定する
• Shuji Nakamura の2007 年の特許をベースに, そこから後方引用を5次ま
でたどり知識の流れを測定していく

Shuji Nakamura : Nobel Prize in Physics 2014
http://www.nobelprize.org/nobel_prizes/physics/laureates/2014/2015/7/22 IMPPイノベーション研究方法論 97

Method and Approach
• Method and Approach
• To capture up the trajectory of technological development numerically, build
up “citation tree” for
• 1.) Ensuring the role of organization.
• 2.) Identifying the “main path (= most influenced patent and/or paper in
each decade)” of trajectory.
• 3.) Under 1.) and 2.), determining whether the existence of “cru node “and
its scientist.
• Data
• Patent [USPTO, JP Patent Library] / Paper [ISI Web of
Knowledge/Science]

1: Defining the starting point:
Shuji Nakamura’s most-cited patent [US7205220]
for blue LED.
2: Referring [inventor-cited] whole forward
citation data of starting point
3: Under 2., referring forward citation data
of 3-tier paper and/or patents.
4: Repeating these procedure for 5 times.
Sum: Fetches about 1,000 paper/patents
and its forward citation data. [from 1903 to
2007]
99
“Citation Tree” build algorism
patent
patent
paper
paper
paper
paper
paperpaper
patent
patent
paper
paper
paper
patentpatent
paper
patent
patent
patent
paper
paper
paper
paper
paperpatent
patent
paper
patent
paper
Starting point

Paper および Patent 数推移

Entire Network
Red node indicates the
“Main path”.
Source: Web of Knowledge[Derwent Innovation Index]/Web of Science

Network (delete pendants)
Source: Web of Knowledge[Derwent Innovation Index]/Web of Science
Red node indicates the
“Main path”.※. △が特許, ■が論文

1930s 1960s 1970s 1990s 2000s
1910-2007
1980s1975

1930s 1960s 1970s 1990s 2000s
1910-2007 (1次引用すべて導入; 上位12社明記)
1980s

くっつけた方法 (1)
• 1. Shuji Nakamura の Blue Laser
Diode な特許を探す
• 2. Blue Laser Diode の特許を
特定する
• 右は Google Patents で見つけた
Shuji Nakamura の米国特許

• 3. 引用特許の情報を確認する
• Google Patent の場合は, “引用特
許” 欄をクリックすることで
チェック可能

• 4. 引用非特許の情報を確認する
• Google Patent の場合は, “非引用特
許” 欄をクリックすることで
チェック可能

くっつけた方法(4)
• 5. 後方引用を探していく
• 5-1. 特許の場合
• 引用されている特許番号をクリック
• 一次の後方引用が行われている特許を確認して, 1.-4. の作業を繰り返す.
• これを5次の後方引用を特定するまで繰り返す.

くっつけた方法(5)
• 5. 後方引用を探していく
• 5-2. 論文の場合
• Web of Knowledge または Scopus を使う
• 1. Google Scholar の場合, カバーしていないジャーナルがあるため
• 2. 情報の整合性が（比較的は）取れているため
• タイトルや著者名, 発表年などを使って Google Patent (USPTO) 上に明記
されていた論文を探す
• 例.
• Shuji Nakamura が一次引用していた論文 Akasaki et al., “MOVPE Growth of GaN and
AlxGa1-xN and Their Luminescence and Electrical Properties,” Memoirs of the Faculty of
Engineering, Nagoya Univ., vol. 43, No. 2, (1991). を探してみる

5-2. サイエンスリンケージデータベース

サイエンスリンケージデータベース
• 特許と論文との引用関係を明らかにする
• 論文による科学的知見の集積が, どのように特許で活用されて
いるのか？

Science Linkage
• References Cited in Patent
• “Other Publications”
• Proceeding in Academic
Conference
• Scientific Paper
• “Patents”
• US Patents
• Foreign Patents
1122015/7/22 IMPPイノベーション研究方法論

Science Linkage Example:
(Imaginary?) STAP Cell Patent, and cited iPS Cell Paper
• Patent (Vacanti Kojima Obokata… 2013)
113
・Paper (Takahashi and Yamanaka 2006)
7 years

サイエンスリンケージデータベース
• サイエンスリンケージデータベース: 特許と文献の引用関係に基づくリレー
ショナル・データベース
• データソース
• Derwent Patent Index Database、DII
• Web of Science (SCIE, SSCI)

ER図
Web of Knowledge
Thomson Innovation
DWPI (LinkTable)

サイエンスリンケージデータベースの内容
• 特許発行年が1992年から2011年で3極（JP,US,EP)をパテントファミ
リーの中に含む特許情報を同定
• 上記条件を満たす特許レコードに引用されている文献を同定
• 特許と文献引用リンクテーブル: 2011年時点
• 特許に引用されたWoS文献データ: 1981年以降
• データ項目
• 特許公報番号（Patent Publication Number)、特許出願年、特許発行
年、IPCサブクラス（例：A01B）、特許出願国、特許出願人の居住国
• WoS論文ユニーク番号（UT)、論文発行年、WoS250分野、ESI22分野、
全著者所属機関の国
• 特許番号、その特許が引用しているWoS論文ユニーク番号

Table Info (Patent)
ｶﾗﾑ名ｶﾗﾑ定義名ﾃﾞｰﾀ型 BYTE
公開番号 PAT CHAR 16
出願年 AppYear CHAR 4
公報発行年 PubYear CHAR 4
• DWPI_INFO
• DWPI_IPC
ｶﾗﾑ名ｶﾗﾑ定義名ﾃﾞｰﾀ型 BYT
E
IPCサブクラス IPC Varchar 4
特許出願国 AppCountry Varchar 2
• DWPI_AppCountry
• DWPI_AssCountry
居住国 AssCountry Varchar 30

Table Info (LinkageTable+Family)
• LinkTable
• FamilyTable
E
WoS論文ユニーク番号 UT Varchar 15
E
アクセッション番号 AccNo CHAR 10
公開番号（PAT) PAT CHAR 16

Table Info (Paper)
• WOS_INFO
• WOS_CATEGORY
ｶﾗﾑ名ｶﾗﾑ定義名ﾃﾞｰﾀ型 BY
TE
WoS論文ユニーク番
号
UT CHAR 15
論文発行年 UTYear CHAR 4
ESI22分野 ESI Varcha
r
30
ｶﾗﾑ名ｶﾗﾑ定義名ﾃﾞｰﾀ型 BY
TE
号
UT CHAR 15
WoSカテゴリ Category Varchar 50
• WOS_Country
号
UT CHAR 15
著者所属機関国 UTCountry Varchar 20

特許論文検索ツールの導入
1. Access 2013 のインストール
2. ODBC Connector のインストール
3. 論文特許検索ツールの使い方

1. Access 2013 のインストール
• Thomson Reuters 提供の論文特許検索ツールを利用するには必要
• Office 2013 Academic Version がオススメ
• IIR で利用できるPC
• IMPP 用PC
• 注意
• 旧バージョンと並行して導入される
• 32bit バージョンの方が安定している模様

• 2-1. MySQL Web site からダウンロードする
• http://dev.mysql.com/get/Downloads/Connector-ODBC/5.2/mysql-
connector-odbc-5.2.5-win32.msi/from/http://cdn.mysql.com/
• （URL は変わる可能性）
• 32bit 版を導入すること

• 2-2. コントロールパネル -> 管理ツールを開く

• 2-3.管理ツール -> ODBC を開く

• 2-4.ユーザーDSN タブ -> 追加をクリック

• 2-5.MySQL ODBC 5.2 Unicode Driver -> 完了をクリック

• 2-6. Connection Parameter に以下の項
目を入力する
• 2-7. “Test” をクリックする
• データベースに接続できることを確認
• 2-8. OK をクリックする
Data Source Name 特許論文検索
TCP/IP Server {ip_address} (port 3306)
User user
Password password
Database sciencelinkage

3. 特許論文検索ツール
• 3-1. “クエリ”より 10_
クエリ①実行
(NumberOfPatent) をク
リックする
• 3-2. メッセージが表
示されるので、“は
い” をクリックする

• 3-3. “クエリ” から
“11_クエリ①結果
確認”をクリックす
る
• 年毎に、IPC分類ご
との特許数が出力
される

• 3-4. “20_クエリ②実行
(NumberOfPatentByCitedP
ublication)” をクリックす
る

• 3-5. “はい” をクリックする
• 3-6. 検索するIPC サブクラスを
指定する
• 3-7. 特許の出願年を指定する
• 指定されたIPCサブクラスおよ
び年について、特許から引用さ
れている論文の分野が出力され
る

• 3-8. “21_クエリ②結果確
認
(NumberOfPatentByCitedPu
blication）” をクリックす
る

• 3-9. “30_クエリ③実行
(LinkTable)” をクリック
する

• 3-10. “はい” をクリックする
• 3-11. 検索するIPC サブクラス
を指定する
• 3-12. 特許の出願年を指定する
• 3-13.ESI 分野を指定する
• 3-14. 論文の発表年を指定する

• “03_LinkTable” をク
リックする
• 特許 (PAT) と論文 (UT)
のペアが表示される

サイエンスリンケージデータベースを使った分析
• 特許の公開番号と論文の UT (Web of Knowledge 上でのID) を抽出する
• 特許データベースを使って, 公開番号をピボットにして発明者名や引
用情報, 組織の情報を取得する
• 論文データベース (Web of Knowledge) を使って, Web of Knowledge か
ら論文のタイトルやアブストラクト, 著者情報や論文のカテゴリの情
報などを取得する

分析例: 論文公刊から特許出願/公開まで
の年数を求めて, 特許出願年順に並べる
• クエリ構文
select distinct linktable.pat, linktable.ut, wos_info.UTYear, dwpi_info.AppYear, dwpi_info.PubYear,
dwpi_info.PubYear - wos_info.UTYear, dwpi_info.AppYear - wos_info.UTYear
from linktable
Inner Join wos_info
ON linktable.ut=wos_info.ut
Inner Join dwpi_info
ON linktable.pat=dwpi_info.pat
where ESI = "Physics"
order by linktable.pat
;

論文公刊から特許出願/公開までの年数を
求めて, 特許出願年順に並べる
• クエリ構文
select distinct linktable.pat, linktable.ut, wos_info.UTYear, dwpi_info.AppYear, dwpi_info.PubYear,
dwpi_info.PubYear - wos_info.UTYear, dwpi_info.AppYear - wos_info.UTYear
from linktable
Inner Join wos_info
ON linktable.ut=wos_info.ut
Inner Join dwpi_info
ON linktable.pat=dwpi_info.pat
where ESI = "Physics"
order by linktable.pat
;
Select : 特許番号, 論文番号, 論文の公刊年, 特許の
出願年, 特許の公開年, 特許の公開年-論文の公刊
年, 特許の出願年 – 論文の公刊年を表示する
from : linktable からデータを持ってくる
Inner Join : linktable に wos_info を接続する. この
とき, linktable.ut をキーとして wos_info.ut と対応
するように接続する
Inner Join : linktable に dwpi_info を接続する. この
とき, linktable.pat をキーとして dwpi_info.pat と
対応するように接続する
where : ESI が”Physics” なデータのみを抽出する
order by : linktable.pat の順番に並べる

Physics
0
5000
10000
15000
20000
25000
30000
0
1
2
3
4
5
6
7
8
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
# of patents 平均 / dwpi_info.AppYear - wos_info.UTYear 平均 / dwpi_info.PubYear - wos_info.UTYearIMPPイノベーション研究方法論 1392015/7/22

Brief Findings
• 分野に係わらず、論文公開から特許出願/公開までに至る年数は
延長している
• 特許の新規性を獲得することが困難になりつつある可能性
• 1980年代: 論文公開から特許出願/公開に至る年数は増加し続け
る
• 1990年以降: 論文公開から特許出願/公開までに至る年数は増加
するもののその伸び率は停滞
IMPPイノベーション研究方法論 1402015/7/22

今日のまとめ
• 今日日, データを使うことは当たり前です
• ビッグデータなんてオジサンたちが喜んで使う時代ですし
• データを使わないと、いいジャーナルに載らないですし
• ただし, データを精緻に使うためには、１．どのようなデータ
ベースを使い、２．どのようにデータをクリーニングし、３．
どのようにデータを可視化するかが重要です
• 必要に応じて、データや道具は使い分けましょう
• 幸い、一橋イノベーション研究センターにはたくさんデータが
あるので、是非活用してください

今日のまとめ（２）
今日説明した,
• 特許データベース (patR データベース, PATSTATデータベース)
• 論文データベース (Web of Knowledge)
• サイエンスリンケージデータベース (DWPI)
を一橋イノ研の教員/研究員/院生は利用することが出来ます.
もし利用したい学生は, ya-hara@grips.ac.jp までまずはご相談くだ
さい.

Acknowledgement
• 「政策のための科学」基盤的研究・人材育成拠点事業（領域開拓拠
点）イノベーションマネジメント・政策プログラム（Innovation
Management and Policy Program：IMPP）
• 独立行政法人科学技術振興機構社会技術研究開発センターによる
「科学技術イノベーション政策のための科学研究開発プログラム」:
• 「イノベーションの科学的源泉とその経済効果」
• 「科学技術イノベーション政策の経済成長分析評価プロジェクト」
IMPPイノベーション研究方法論 1432015/7/22

Thanks.
hara@iir.hit-u.ac.jp
ya-hara@grips.ac.jp

IMPPイノベーション研究方法論特許・書誌分析 II

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (8)

Similar to IMPPイノベーション研究方法論特許・書誌分析 II

Similar to IMPPイノベーション研究方法論特許・書誌分析 II (20)

More from Yasushi Hara

More from Yasushi Hara (20)

Recently uploaded

Recently uploaded (20)