(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-02-05
(45)【発行日】2024-02-14
(54)【発明の名称】データ処理装置及びデータ処理方法
(51)【国際特許分類】
G06F 16/36 20190101AFI20240206BHJP
【ＦＩ】
G06F16/36
【請求項の数】
40
(21)【出願番号】P 2023181953
(22)【出願日】2023-10-23
(62)【分割の表示】P 2023175544の分割
【原出願日】2023-10-10
【審査請求日】2023-10-23
【早期審査対象出願】
(73)【特許権者】
【識別番号】507031309
【氏名又は名称】株式会社ポーラ・オルビスホールディングス
(74)【代理人】
【識別番号】110000800
【氏名又は名称】デロイトトーマツ弁理士法人
(72)【発明者】
【氏名】飯田 隆
【審査官】武田 広太郎
(56)【参考文献】
【文献】特開２０２２－１７１８２７（ＪＰ，Ａ）
【文献】特開２０１７－１５１８３８（ＪＰ，Ａ）
【文献】米国特許出願公開第２０２１／００８１３７６（ＵＳ，Ａ１）
【文献】星野 恵以子 ほか，特許調査における検索式自動生成による検索の実験，電気学会研究会資料 情報システム研究会 ＩＳ－１９－０６０～０７３，日本，一般社団法人電気学会，2019年11月09日，37～40頁
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １６／３６
(57)【特許請求の範囲】
【請求項1】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該所定キーワードが含まれる前記第Ｂ特許文献群を取得する特許文献群取得部と、
当該第Ｂ特許文献群をデータマイニングすることにより、当該第Ｂ特許文献群における前記用語のうち、出現頻度の高い方から順に所定順位までの前記用語である用語群を取得する用語群取得部と、
前記用語群から前記特徴量データを作成する特徴量データ作成部と、
を備えることを特徴とするデータ処理装置。
【請求項2】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
前記特徴量データは、前記第Ｂ用語ペアが含まれる前記第Ｂ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とするデータ処理装置。
【請求項3】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
前記学習データは、前記第Ａ用語ペアが含まれる前記第Ａ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とするデータ処理装置。
【請求項4】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該所定キーワードが含まれる前記第Ｂ特許文献群を取得する特許文献群取得部と、
当該第Ｂ特許文献群をデータマイニングすることにより、当該第Ｂ特許文献群における前記用語のうち、出現頻度の高い方から順に所定順位までの前記用語である用語群を取得する用語群取得部と、
前記用語群から前記特徴量データを作成する特徴量データ作成部と、
前記特徴量データの前記第Ｂ用語ペアに基づき、前記地位概念関係を定義した地位概念データベースを検索することにより、前記ラベルを前記特徴量データに付加したデータである前記学習データを作成する学習データ作成部と、
を備えることを特徴とするデータ処理装置。
【請求項5】
請求項４に記載のデータ処理装置において、前記学習データ作成部は、前記学習データを、前記ラベルに加えて、前記用語が含まれる前記第Ｂ特許文献群の請求項のデータを前記特徴量データにさらに付加したデータとして作成することを特徴とするデータ処理装置。
【請求項6】
請求項４に記載のデータ処理装置において、前記地位概念データ群に含まれる前記第Ｂ用語ペア間の前記地位概念関係が、前記地位概念データベースに追加されることを特徴とするデータ処理装置。
【請求項7】
請求項４に記載のデータ処理装置において、前記学習データでは、前記上位概念を定義した前記ラベルは第1所定値に、前記下位概念を定義した前記ラベルは第２所定値にそれぞれ設定されており、
前記特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力における前記第Ｂ用語ペア間の前記地位概念関係を表すラベルの平均値を算出する平均値算出部をさらに備え、
前記出力部は、前記ラベルの前記平均値が所定範囲内にある前記第Ｂ用語ペアのデータを前記出力装置に対して出力するためのデータ出力処理を実行することを特徴とするデータ処理装置。
【請求項8】
請求項１～７のいずれかに記載のデータ処理装置において、前記地位概念データ群作成部は、前記特許文献の番号が前記第Ｂ用語ペアの各々の用語に対してリンク付けされた状態で、前記地位概念データ群を作成することを特徴とするデータ処理装置。
【請求項9】
請求項１～７のいずれかに記載のデータ処理装置において、前記地位概念データ群作成部は、前記地位概念データ群を、前記第Ｂ用語ペアの前記用語を前記上位概念及び前記下位概念の関係に従うように並べたツリー状の図形データとして作成することを特徴とするデータ処理装置。
【請求項10】
請求項１に記載のデータ処理装置において、前記特許文献群取得部は、前記第Ｂ特許文献群に加えて、前記所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該第２所定キーワードが含まれる特許文献の集合である第２特許文献群をさらに取得し、
前記用語群取得部は、前記第Ｂ特許文献群及び前記第２特許文献群をデータマイニングすることにより、前記第Ｂ特許文献群及び前記第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
前記特徴量データ作成部は、前記第２用語群に含まれる前記用語のうち、前記第Ｂ特許文献群及び前記第２特許文献群に含まれる前記用語のペアである第２用語ペアの集合を含む第２特徴量データをさらに作成し、
前記地位概念データ群作成部は、前記第２特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記第２特徴量データの前記第２用語ペアの前記上位概念及び前記下位概念の関係を表す第２地位概念データ群を作成することを特徴とするデータ処理装置。
【請求項11】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該所定キーワードが含まれる前記第Ｂ特許文献群を取得する特許文献群取得ステップと、
当該第Ｂ特許文献群をデータマイニングすることにより、当該第Ｂ特許文献群における前記用語のうち、出現頻度の高い方から順に所定順位までの前記用語である用語群を取得する用語群取得ステップと、
前記用語群から前記特徴量データを作成する特徴量データ作成ステップと、
がデータ処理装置によって実行されることを特徴とするデータ処理方法。
【請求項12】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
前記特徴量データは、前記第Ｂ用語ペアが含まれる前記第Ｂ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とするデータ処理方法。
【請求項13】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
前記学習データは、前記第Ａ用語ペアが含まれる前記第Ａ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とするデータ処理方法。
【請求項14】
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該所定キーワードが含まれる前記第Ｂ特許文献群を取得する特許文献群取得ステップと、
当該第Ｂ特許文献群をデータマイニングすることにより、当該第Ｂ特許文献群における前記用語のうち、出現頻度の高い方から順に所定順位までの前記用語である用語群を取得する用語群取得ステップと、
前記用語群から前記特徴量データを作成する特徴量データ作成ステップと、
前記特徴量データの前記第Ｂ用語ペアに基づき、前記地位概念関係を定義した地位概念データベースを検索することにより、前記ラベルを前記特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
がデータ処理装置によって実行されることを特徴とするデータ処理方法。
【請求項15】
請求項１４に記載のデータ処理方法において、前記学習データ作成ステップでは、前記学習データが、前記ラベルに加えて、前記用語が含まれる前記第Ｂ特許文献群の請求項のデータを前記特徴量データにさらに付加したデータとして作成されることを特徴とするデータ処理方法。
【請求項16】
請求項１４に記載のデータ処理方法において、前記地位概念データ群に含まれる前記第Ｂ用語ペア間の前記地位概念関係が、前記地位概念データベースに追加されることを特徴とするデータ処理方法。
【請求項17】
請求項１４に記載のデータ処理方法において、前記学習データでは、前記上位概念を定義した前記ラベルは第1所定値に、前記下位概念を定義した前記ラベルは第２所定値にそれぞれ設定されており、
前記特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力における前記第Ｂ用語ペア間の前記地位概念関係を表すラベルの平均値を算出する平均値算出ステップが前記データ処理装置によってさらに実行され、
前記出力ステップでは、前記ラベルの前記平均値が所定範囲内にある前記第Ｂ用語ペアのデータを前記出力装置に対して出力するためのデータ出力処理が実行されることを特徴とするデータ処理方法。
【請求項18】
請求項１１～１７のいずれかに記載のデータ処理方法において、前記地位概念データ群作成ステップでは、前記特許文献の番号が前記第Ｂ用語ペアの各々の用語に対してリンク付けされた状態で、前記地位概念データ群が作成されることを特徴とするデータ処理方法。
【請求項19】
請求項１１～１７のいずれかに記載のデータ処理方法において、前記地位概念データ群作成ステップでは、前記地位概念データ群が、前記第Ｂ用語ペアの前記用語を前記上位概念及び前記下位概念の関係に従うように並べたツリー状の図形データとして作成されることを特徴とするデータ処理方法。
【請求項20】
請求項１１に記載のデータ処理方法において、前記特許文献群取得ステップでは、前記第Ｂ特許文献群に加えて、前記所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該第２所定キーワードが含まれる特許文献の集合である第２特許文献群がさらに取得され、
前記用語群取得ステップでは、前記第Ｂ特許文献群及び前記第２特許文献群をデータマイニングすることにより、前記第Ｂ特許文献群及び前記第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
前記特徴量データ作成ステップでは、前記第２用語群に含まれる前記用語のうち、前記第Ｂ特許文献群及び前記第２特許文献群に含まれる前記用語のペアである第２用語ペアの集合を含む第２特徴量データがさらに作成され、
前記地位概念データ群作成ステップでは、前記第２特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記第２特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す第２地位概念データ群が作成されることを特徴とするデータ処理方法。
【請求項21】
所定キーワードに基づいて、非特許文献のデータベースを検索することにより、当該所定キーワードが含まれる非特許文献の集合である非特許文献群を取得する非特許文献群取得部と、当該非特許文献群をデータマイニングすることにより、当該非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
当該用語群に基づいて、特許文献のデータベースを検索することにより、当該用語群が含まれる特許文献の集合である特許文献群を取得する特許文献群取得部と、
前記用語群に含まれる前記用語のうち、前記特許文献群に含まれる前記用語のペアである用語ペアの集合を含む特徴量データを作成する特徴量データ作成部と、
前記特徴量データを分類モデルである予測モデルに入力したときの当該予測モデルの出力を用いて、前記特徴量データの前記用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
前記予測モデルは、前記特徴量データが入力されたときに、前記用語ペア間の前記上位概念及び前記下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とするデータ処理装置。
【請求項22】
請求項２１に記載のデータ処理装置において、前記特徴量データの前記用語ペアに基づき、当該用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、当該地位概念関係を表すラベルを前記特徴量データに付加したデータである学習データを作成する学習データ作成部と、
前記学習データを用いて、所定の学習アルゴリズムより、前記予測モデルの学習を実行するモデル学習部と、
をさらに備えることを特徴とするデータ処理装置。
【請求項23】
請求項２１又は２２に記載のデータ処理装置において、前記地位概念データ群作成部は、前記地位概念データ群を、前記用語ペアの前記用語を前記上位概念及び前記下位概念の関係に従うように並べたツリー状の図形データとして作成することを特徴とするデータ処理装置。
【請求項24】
請求項２１又は２２に記載のデータ処理装置において、前記地位概念データ群作成部は、前記特許文献の番号及び前記非特許文献を表すデータの少なくとも一方が前記用語ペアの各々の用語に対してリンク付けされた状態で、前記地位概念データ群を作成することを特徴とするデータ処理装置。
【請求項25】
請求項２１又は２２に記載のデータ処理装置において、前記非特許文献群取得部は、前記非特許文献群に加えて、前記所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、前記非特許文献の前記データベースを検索することにより、当該第２所定キーワードが含まれる非特許文献の集合である第２非特許文献群をさらに取得し、
前記用語群取得部は、前記非特許文献群及び前記第２非特許文献群をデータマイニングすることにより、前記非特許文献群及び前記第２非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
前記特許文献群取得部は、前記第２用語群に基づいて、前記特許文献の前記データベースを検索することにより、当該第２用語群が含まれる前記特許文献の集合である第２特許文献群を取得し、
前記特徴量データ作成部は、前記第２用語群に含まれる前記用語のうち、前記第２特許文献群に含まれる前記用語のペアである第２用語ペアの集合を含む第２特徴量データをさらに作成し、
前記地位概念データ群作成部は、前記第２特徴量データを前記予測モデルに入力したときの当該予測モデルの出力を用いて、前記第２特徴量データの前記第２用語ペア間の前記上位概念及び前記下位概念の関係を表す第２地位概念データ群を作成することを特徴とするデータ処理装置。
【請求項26】
所定キーワードに基づいて、非特許文献のデータベースを検索することにより、当該所定キーワードが含まれる非特許文献の集合である非特許文献群を取得する非特許文献群取得ステップと、当該非特許文献群をデータマイニングすることにより、当該非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
当該用語群に基づいて、特許文献のデータベースを検索することにより、当該用語群が含まれる特許文献の集合である特許文献群を取得する特許文献群取得ステップと、
前記用語群に含まれる前記用語のうち、前記特許文献群に含まれる前記用語のペアである用語ペアの集合を含む特徴量データを作成する特徴量データ作成ステップと、
前記特徴量データを分類モデルである予測モデルに入力したときの当該予測モデルの出力を用いて、前記特徴量データの前記用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
前記予測モデルは、前記特徴量データが入力されたときに、前記用語ペア間の前記上位概念及び前記下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とするデータ処理方法。
【請求項27】
請求項２６に記載のデータ処理方法において、前記特徴量データの前記用語ペアに基づき、当該用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、当該地位概念関係を表すラベルを前記特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
前記学習データを用いて、所定の学習アルゴリズムより、前記予測モデルの学習を実行するモデル学習ステップと、
が前記データ処理装置によってさらに実行されることを特徴とするデータ処理方法。
【請求項28】
請求項２６又は２７に記載のデータ処理方法において、前記地位概念データ群作成ステップでは、前記地位概念データ群が、前記用語ペアの前記用語を前記上位概念及び前記下位概念の関係に従うように並べたツリー状の図形データとして作成されることを特徴とするデータ処理方法。
【請求項29】
請求項２６又は２７に記載のデータ処理方法において、前記地位概念データ群作成ステップでは、前記特許文献の番号及び前記非特許文献を表すデータの少なくとも一方が前記用語ペアの各々の用語にリンク付けされた状態で、前記地位概念データ群が作成されることを特徴とするデータ処理方法。
【請求項30】
請求項２６又は２７に記載のデータ処理方法において、前記非特許文献群取得ステップでは、前記非特許文献群に加えて、前記所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、前記非特許文献のデータベースを検索することにより、当該第２所定キーワードが含まれる非特許文献の集合である第２非特許文献群がさらに取得され、
前記用語群取得ステップでは、前記非特許文献群及び前記第２非特許文献群をデータマイニングすることにより、前記非特許文献群及び前記第２非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
前記特許文献群取得ステップでは、前記第２用語群に基づいて、前記特許文献の前記データベースを検索することにより、当該第２用語群が含まれる前記特許文献の集合である第２特許文献群が取得され、
前記特徴量データ作成ステップでは、前記第２用語群に含まれる前記用語のうち、前記第２特許文献群に含まれる前記用語のペアである第２用語ペアの集合を含む第２特徴量データがさらに作成され、
前記地位概念データ群作成ステップでは、前記第２特徴量データを前記予測モデルに入力したときの当該予測モデルの出力を用いて、前記第２特徴量データの前記用語ペア間の前記上位概念及び前記下位概念の関係を表す第２地位概念データ群が作成されることを特徴とするデータ処理方法。
【請求項31】
所定物質を表す所定キーワードに基づいて、特許文献のデータベースを検索することにより、当該所定キーワードが含まれる特許文献の集合である特許文献群を取得する特許文献群取得部と、当該特許文献群をデータマイニングすることにより、当該特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
前記所定物質に基づき、前記所定物質の原料、部品及び材質のいずれかを表す基礎用語を定義した基礎用語データベースを検索することにより、前記用語群から前記基礎用語の集合である基礎用語群を取得する基礎用語群取得部と、
前記基礎用語群に含まれる前記基礎用語と、前記用語群に含まれる前記用語及び前記基礎用語群に含まれる前記基礎用語の一方とのペアである選択用語ペアの集合を含む特徴量データを作成する特徴量データ作成部と、
前記特徴量データを分類モデルである予測モデルに入力したときの当該予測モデルの出力を用いて、前記特徴量データの前記選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
前記予測モデルは、前記特徴量データが入力されたときに、前記選択用語ペア間の前記上位概念及び前記下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とするデータ処理装置。
【請求項32】
請求項３１に記載のデータ処理装置において、前記特徴量データの前記選択用語ペアに基づき、当該選択用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、当該地位概念関係を表すラベルを前記特徴量データに付加したデータである学習データを作成する学習データ作成部と、
前記学習データを用いて、所定の学習アルゴリズムより、前記予測モデルの学習を実行するモデル学習部と、
をさらに備えることを特徴とするデータ処理装置。
【請求項33】
請求項３１又は３２に記載のデータ処理装置において、前記地位概念データ群作成部は、前記地位概念データ群を、前記選択用語ペアの選択用語を前記上位概念及び前記下位概念の関係に従うように並べたツリー状の図形データとして作成することを特徴とするデータ処理システム。
【請求項34】
請求項３１又は３２に記載のデータ処理装置において、前記地位概念データ群作成部は、前記地位概念データ群における前記選択用語ペアの前記基礎用語と当該基礎用語の製品情報との関係を定義した製品データベースをさらに用いて、前記基礎用語に前記製品情報がリンク付けされた状態で前記地位概念データ群を作成することを特徴とするデータ処理システム。
【請求項35】
請求項３１又は３２に記載のデータ処理装置において、前記特許文献群取得部は、前記特許文献群に加えて、前記所定物質に対して性質及び分類のうちの少なくとも一方が類似の第２物質を表す第２所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該第２所定キーワードが含まれる特許文献の集合である第２特許文献群をさらに取得し、
前記用語群取得部は、前記特許文献群及び前記第２特許文献群をデータマイニングすることにより、前記特許文献群及び前記第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
前記基礎用語群取得部は、前記第２物質に基づき、前記基礎用語データベースを検索することにより、前記第２用語群から前記第２物質の前記基礎用語の集合である第２基礎用語群をさらに取得し、
前記特徴量データ作成部は、前記第２基礎用語群に含まれる前記基礎用語と、前記第２用語群に含まれる第２用語及び前記第２基礎用語群に含まれる前記基礎用語の一方とのペアである第２選択用語ペアの集合を含む第２特徴量データをさらに作成し、
前記地位概念データ群作成部は、前記第２特徴量データを前記予測モデルに入力したときの当該予測モデルの出力を用いて、前記第２特徴量データの前記第２選択用語ペア間の前記上位概念及び前記下位概念の関係を表す前記地位概念データ群をさらに作成することを特徴とするデータ処理システム。
【請求項36】
所定物質を表す所定キーワードに基づいて、特許文献のデータベースを検索することにより、当該所定キーワードが含まれる特許文献の集合である特許文献群を取得する特許文献群取得ステップと、当該特許文献群をデータマイニングすることにより、当該特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
前記所定物質に基づき、前記所定物質の原料、部品及び材質のいずれかを表す基礎用語を定義した基礎用語データベースを検索することにより、前記用語群から前記基礎用語の集合である基礎用語群を取得する基礎用語群取得ステップと、
前記基礎用語群に含まれる前記基礎用語と、前記用語群に含まれる前記用語及び前記基礎用語群に含まれる前記基礎用語の一方とのペアである選択用語ペアの集合を含む特徴量データを作成する特徴量データ作成ステップと、
前記特徴量データを分類モデルである予測モデルに入力したときの当該予測モデルの出力を用いて、前記特徴量データの前記選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
前記予測モデルは、前記特徴量データが入力されたときに、前記選択用語ペア間の前記上位概念及び前記下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とするデータ処理方法。
【請求項37】
請求項３６に記載のデータ処理方法において、前記特徴量データの前記選択用語ペアに基づき、当該選択用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、当該地位概念関係を表すラベルを前記特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
前記学習データを用いて、所定の学習アルゴリズムより、前記予測モデルの学習を実行するモデル学習ステップと、
が前記データ処理装置によってさらに実行されることを特徴とするデータ処理方法。
【請求項38】
請求項３６又は３７に記載のデータ処理方法において、前記地位概念データ群作成ステップでは、前記地位概念データ群が前記選択用語ペアの選択用語を前記上位概念及び前記下位概念の関係に従うように並べたツリー状の図形データとして作成されることを特徴とするデータ処理方法。
【請求項39】
請求項３６又は３７に記載のデータ処理方法において、前記地位概念データ群作成ステップでは、前記地位概念データ群における前記選択用語ペアの前記基礎用語と当該基礎用語の製品情報との関係を定義した製品データベースをさらに用いて、前記基礎用語に前記製品情報がリンク付けされた状態で前記地位概念データ群が作成されることを特徴とするデータ処理方法。
【請求項40】
請求項３６又は３７に記載のデータ処理方法において、前記特許文献群取得ステップでは、前記特許文献群に加えて、前記所定物質に対して性質及び分類のうちの少なくとも一方が類似の第２物質を表す第２所定キーワードに基づいて、前記特許文献のデータベースを検索することにより、当該第２所定キーワードが含まれる特許文献の集合である第２特許文献群がさらに取得され、
前記用語群取得ステップでは、前記特許文献群及び前記第２特許文献群をデータマイニングすることにより、前記特許文献群及び前記第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
前記基礎用語群取得ステップでは、前記第２物質に基づき、前記基礎用語データベースを検索することにより、前記第２用語群から前記第２物質の前記基礎用語の集合である第２基礎用語群がさらに取得され、
前記特徴量データ作成ステップでは、前記第２基礎用語群に含まれる前記基礎用語と、前記第２用語群に含まれる第２用語及び前記第２基礎用語群に含まれる前記基礎用語の一方とのペアである第２選択用語ペアの集合を含む第２特徴量データがさらに作成され、
前記地位概念データ群作成ステップでは、前記第２特徴量データを前記予測モデルに入力したときの当該予測モデルの出力を用いて、前記第２特徴量データの前記第２選択用語ペア間の前記上位概念及び前記下位概念の関係を表す前記地位概念データ群がさらに作成されることを特徴とするデータ処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、特許文献の集合などのデータを処理するデータ処理装置及びデータ処理方法に関する。
【背景技術】
【0002】
従来、特許文献の集合から、テクニカルキーワードの関係を表すドーナッツチャートを作成するデータ処理装置として、非特許文献１に記載されたものが知られている。この手法では、特許文献の集合から、テキストマイニング手法により、テクニカルキーワードが抽出され、抽出されたテクニカルキーワードの出現頻度に基づいてクラスタリングを実施することにより、二層構造のドーナッツチャートが作成される。
【0003】
また、従来、学術文献及び技術文献などの非特許文献の集合から、テクニカルキーワード間の関係を表すツリー図を作成するデータ処理装置として、非特許文献２に記載されたものが知られている。この手法では、非特許文献の集合から、テクニカルキーワードが検索され、その検索結果に基づいてクラスタリングを実施することにより、ツリー図が作成される。
【先行技術文献】
【特許文献】
【0004】
【文献】”テキストマイニングと機械学習による効率的な特許調査”, [online], [令和５年５月１８日検索], インターネット<URL:https://www.msi.co.jp/event/file/muc17_501_2.pdf>
【文献】”JDreamUsers Day 2022”, [online], [令和５年５月１８日検索], インターネット<URL:https://jdream3.com/seminar/document/jdream_users_day_2022.pdf>
【発明の概要】
【発明が解決しようとする課題】
【0005】
上記非特許文献１のデータ処理装置によれば、以下のような問題がある。すなわち、特許文献における請求項のテクニカルキーワード（以下「用語」という）の場合、２つの用語を比較した際、一方が上位概念の用語で、他方が下位概念の用語である状態が存在することがある。これに対して、非特許文献１の技術によれば、特許文献の集合からドーナッツチャートを作成する際、用語間の上位概念及び下位概念の関係（以下「地位概念関係」という）を区別することなく、出現頻度に基づいてクラスタリングが実行されてしまう。それにより、作成後のドーナッツチャートにおいて、用語間の地位概念関係が適切に分類されていない状態になってしまうことで、ユーザが用語間の地位概念関係を適切に把握できなくなる。
【0006】
本発明は、この課題を解決するためになされたもので、特許文献の集合における用語間の地位概念関係が適切に分類されたデータを作成してユーザに提供することができるデータ処理装置などを提供することを第１の目的とする。
【0007】
また、上記非特許文献２のデータ処理装置によれば、非特許文献の集合からツリー図を作成する際、テクニカルキーワード（以下「用語」という）間の地位概念関係を区別することなく、クラスタリングが実行されてしまう。それにより、作成後のツリー図において、用語間の地位概念関係が適切に分類されていない状態になってしまうことで、ユーザが用語間の地位概念関係を適切に把握できなくなる。
【0008】
本発明は、この課題を解決するためになされたもので、非特許文献の集合における用語間の地位概念関係が適切に分類されたデータを作成してユーザに提供することができるデータ処理装置などを提供することを第２の目的とする。
【0009】
さらに、上記非特許文献１のように、特許文献の集合から、テキストマイニング手法により、テクニカルキーワードとして所定物質を抽出した場合において、この所定物質の原料、部品及び材質のいずれかを表す用語（以下「基礎用語」という）をさらに抽出し、当該基礎用語間の地位概念関係を適切に分類したデータを作成することが望まれている。
【0010】
本発明は、この課題を解決するためになされたもので、所定物質の基礎用語の地位概念関係が適切に分類されたデータを作成してユーザに提供することができるデータ処理装置などを提供することを第３の目的とする。
【課題を解決するための手段】
【0011】
上記第１の目的を達成するために、第１の本発明に係るデータ処理装置は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得部と、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
用語群から特徴量データを作成する特徴量データ作成部と、を備えることを特徴とする。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得部と、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
用語群から特徴量データを作成する特徴量データ作成部と、を備えることを特徴とする。
【0012】
上記第１の目的を達成するために、第２の本発明に係るデータ処理方法は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得ステップと、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
用語群から特徴量データを作成する特徴量データ作成ステップと、
がデータ処理装置によって実行されることを特徴とする。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得ステップと、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
用語群から特徴量データを作成する特徴量データ作成ステップと、
がデータ処理装置によって実行されることを特徴とする。
【0013】
以上のデータ処理装置又はデータ処理方法によれば、特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルが記憶されている。そして、特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群が作成される。
【0014】
ここで、特徴量データは、第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含んでいることにより、そのような特徴量データを学習済みモデルに対して入力した場合、学習済みモデルの出力は、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を適切に予測したものとなる。したがって、そのような予測モデルの出力を用いて地位概念データ群を作成することにより、地位概念データ群を第Ｂ用語ペア間の上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。さらに、以上のように作成された地位概念データ群を出力装置に対して出力するための出力処理が実行されることにより、地位概念データ群を出力装置を介してユーザに提供することができる。なお、本明細書における「特許文献」は、特許公報、特開公報及び実用新案登録公報などの請求項を含む文献に相当する。また、本明細書における「学習が実行された分類モデル」は、モデルパラメータの学習が実行された分類モデルであることを意味する。さらに、第Ａ特許文献群及び第Ｂ特許文献群は、同一の特許文献の集合であってもよく、互いに異なる特許文献の集合であってもよいとともに、一部が同一の特許文献の集合であってもよい。また、本明細書における「用語のペア」は、用語自体のペアに限らず、用語を表す記号のペア又は用語を表す番号のペアなども意味する。
【0015】
さらに、所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群が取得され、第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群が取得される。そして、そのような用語群から作成された特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、地位概念データ群が作成される。それにより、地位概念データ群を、特許文献の集合における第Ｂ用語ペア間の上位概念及び下位概念の関係を適切に分類したデータとして作成することができる。
【0016】
前述した第１の目的を達成するために、第１Ａの本発明に係るデータ処理装置は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
前記特徴量データは、前記第Ｂ用語ペアが含まれる前記第Ｂ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
前記特徴量データは、前記第Ｂ用語ペアが含まれる前記第Ｂ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
【0017】
前述した第１の目的を達成するために、第２Ａの本発明に係るデータ処理方法は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
前記特徴量データは、前記第Ｂ用語ペアが含まれる前記第Ｂ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、当該第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを前記学習済みモデルに入力したときの当該学習済みモデルの出力を用いて、前記特徴量データの前記第Ｂ用語ペア間の前記上位概念及び前記下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
前記地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
前記特徴量データは、前記第Ｂ用語ペアが含まれる前記第Ｂ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
【0018】
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群を第Ｂ用語ペア間の上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。さらに、以上のように作成された地位概念データ群を出力装置に対して出力するための出力処理が実行されることにより、地位概念データ群を出力装置を介してユーザに提供することができる。また、特徴量データは、第Ｂ用語ペアが含まれる第Ｂ特許文献群の請求項のデータをさらに含むように構成されている。それにより、学習済みモデルの出力を用いて地位概念データ群を作成した際、地位概念データ群に含まれる用語と請求項をリンク付けることが可能になる。
【0019】
前述した第１の目的を達成するために、第１Ｂの本発明に係るデータ処理装置は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
学習データは、第Ａ用語ペアが含まれる第Ａ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
学習データは、第Ａ用語ペアが含まれる第Ａ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
【0020】
前述した第１の目的を達成するために、第２Ｂの本発明に係るデータ処理方法は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
学習データは、第Ａ用語ペアが含まれる第Ａ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群を第Ｂ用語ペア間の上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。さらに、以上のように作成された地位概念データ群を出力装置に対して出力するための出力処理が実行されることにより、地位概念データ群を出力装置を介してユーザに提供することができる。また、以上のデータ処理装置又はデータ処理方法によれば、学習データが、第Ａ用語ペアが含まれる第Ａ特許文献群の請求項のデータをさらに含むように構成されていることにより、学習済みモデルにおいて高い学習精度を確保することができる。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
学習データは、第Ａ用語ペアが含まれる第Ａ特許文献群の請求項のデータをさらに含むように構成されていることを特徴とする。
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群を第Ｂ用語ペア間の上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。さらに、以上のように作成された地位概念データ群を出力装置に対して出力するための出力処理が実行されることにより、地位概念データ群を出力装置を介してユーザに提供することができる。また、以上のデータ処理装置又はデータ処理方法によれば、学習データが、第Ａ用語ペアが含まれる第Ａ特許文献群の請求項のデータをさらに含むように構成されていることにより、学習済みモデルにおいて高い学習精度を確保することができる。
【0021】
前述した第１の目的を達成するために、第１Ｃの本発明に係るデータ処理方法は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得部と、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
用語群から特徴量データを作成する特徴量データ作成部と、
特徴量データの第Ｂ用語ペアに基づき、地位概念関係を定義した地位概念データベースを検索することにより、ラベルを特徴量データに付加したデータである学習データを作成する学習データ作成部と、
を備えることを特徴とする。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶部と、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得部と、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
用語群から特徴量データを作成する特徴量データ作成部と、
特徴量データの第Ｂ用語ペアに基づき、地位概念関係を定義した地位概念データベースを検索することにより、ラベルを特徴量データに付加したデータである学習データを作成する学習データ作成部と、
を備えることを特徴とする。
【0022】
前述した第１の目的を達成するために、第２Ｃの本発明に係るデータ処理方法は、
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得ステップと、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
用語群から特徴量データを作成する特徴量データ作成ステップと、
特徴量データの第Ｂ用語ペアに基づき、地位概念関係を定義した地位概念データベースを検索することにより、ラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、がデータ処理装置によって実行されることを特徴とする。
特許文献の集合である第Ａ特許文献群に含まれる用語のペアである第Ａ用語ペアの集合と、第Ａ用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルとを含む学習データを用いて、所定の学習アルゴリズムより学習が実行された分類モデルである学習済みモデルを記憶する学習済みモデル記憶ステップと、
特許文献の集合である第Ｂ特許文献群に含まれる用語のペアである第Ｂ用語ペアの集合を含む特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの第Ｂ用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる第Ｂ特許文献群を取得する特許文献群取得ステップと、
第Ｂ特許文献群をデータマイニングすることにより、第Ｂ特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
用語群から特徴量データを作成する特徴量データ作成ステップと、
特徴量データの第Ｂ用語ペアに基づき、地位概念関係を定義した地位概念データベースを検索することにより、ラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、がデータ処理装置によって実行されることを特徴とする。
【0023】
以上のデータ処理装置又はデータ処理方法によれば、特徴量データの第Ｂ用語ペアに基づき、地位概念関係を定義した地位概念データベースを検索することにより、ラベルを特徴量データに付加したデータである学習データが作成される。したがって、所定キーワードを変更して学習データを作成し、そのような学習データを用いて分類モデルの学習を繰り返し実行することにより、分類モデルの学習効果をさらに向上させることができる。
【0024】
第１Ｃの本発明において、学習データ作成部は、学習データを、ラベルに加えて、用語が含まれる第Ｂ特許文献群の請求項のデータを特徴量データにさらに付加したデータとして作成することが好ましい。
【0025】
第２Ｃの本発明において、学習データ作成ステップでは、学習データが、ラベルに加えて、用語が含まれる第Ｂ特許文献群の請求項のデータを特徴量データにさらに付加したデータとして作成されることが好ましい。
【0026】
以上のデータ処理装置又はデータ処理方法によれば、学習データが、ラベルに加えて、用語が含まれる第Ｂ特許文献群の請求項のデータを特徴量データにさらに付加したデータとして作成される。それにより、学習データによる予測モデルの学習効果をさらに向上させることができる。
【0027】
第１Ｃの本発明において、地位概念データ群に含まれる第Ｂ用語ペアの地位概念関係が、地位概念データベースに追加されることが好ましい。
【0028】
第２Ｃの本発明において、地位概念データ群に含まれる第Ｂ用語ペアの地位概念関係が、地位概念データベースに追加されることが好ましい。
【0029】
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群に含まれる第Ｂ用語ペアの地位概念関係が、地位概念データベースに追加される。その結果、そのようにデータ量が増加した地位概念データベースを用いて、学習データが作成されることにより、学習データによる予測モデルの学習効果をさらに向上させることができる。
【0030】
第１Ｃの本発明において、学習データでは、上位概念を定義したラベルは第１所定値に、下位概念を定義したラベルは第２所定値にそれぞれ設定されており、
特徴量データを学習済みモデルに入力したときの学習済みモデルの出力における第Ｂ用語ペアの関係を表すラベルの平均値を算出する平均値算出部をさらに備え、
出力部は、出力部は、ラベルの平均値が所定範囲内にある第Ｂ用語ペアのデータを出力装置に対して出力するためのデータ出力処理を実行することが好ましい。
特徴量データを学習済みモデルに入力したときの学習済みモデルの出力における第Ｂ用語ペアの関係を表すラベルの平均値を算出する平均値算出部をさらに備え、
出力部は、出力部は、ラベルの平均値が所定範囲内にある第Ｂ用語ペアのデータを出力装置に対して出力するためのデータ出力処理を実行することが好ましい。
【0031】
第２Ｃの本発明において、学習データでは、上位概念を定義したラベルは第１所定値に、下位概念を定義したラベルは第２所定値にそれぞれ設定されており、
特徴量データを学習済みモデルに入力したときの学習済みモデルの出力における第Ｂ用語ペアの関係を表すラベルの平均値を算出する平均値算出ステップがデータ処理装置によってさらに実行され、
出力ステップでは、出力ステップでは、ラベルの平均値が所定範囲内にある第Ｂ用語ペアのデータを出力装置に対して出力するためのデータ出力処理が実行されることが好ましい。
特徴量データを学習済みモデルに入力したときの学習済みモデルの出力における第Ｂ用語ペアの関係を表すラベルの平均値を算出する平均値算出ステップがデータ処理装置によってさらに実行され、
出力ステップでは、出力ステップでは、ラベルの平均値が所定範囲内にある第Ｂ用語ペアのデータを出力装置に対して出力するためのデータ出力処理が実行されることが好ましい。
【0032】
以上のデータ処理装置又はデータ処理方法によれば、特徴量データを学習済みモデルに入力したときの学習済みモデルの出力における第Ｂ用語ペアの関係を表すラベルの平均値が算出され、この平均値が所定範囲内にある第Ｂ用語ペアのデータが出力装置に対して出力するためのデータ出力処理が実行される。したがって、この所定範囲を予測精度が低いと予想される範囲に設定した場合、そのような予測精度の低い第Ｂ用語ペアのデータが出力装置から出力された際、ユーザは、予測精度の低い第Ｂ用語ペアのデータを確認することができる。それにより、ユーザは、学習データにおいて、予測精度の低い用語ペアのラベルを自身で付与・修正することができる。さらに、そのようにラベルを付与・修正した学習データを用いて、予測モデルの学習を再実行した場合、予測モデルの予測精度を高めることができる。
【0033】
第１の本発明において、地位概念データ群作成部は、特許文献の番号が第Ｂ用語ペアの各々の用語に対してリンク付けされた状態で、地位概念データ群を作成することが好ましい。
【0034】
第２の本発明において、地位概念データ群作成ステップでは、特許文献の番号が第Ｂ用語ペアの各々の用語に対してリンク付けされた状態で、地位概念データ群が作成されることが好ましい。
【0035】
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群における第Ｂ用語ペアの各々の用語に対して特許文献の番号がリンク付けされた状態で地位概念データ群が作成される。それにより、ユーザは、地位概念データ群が出力装置から出力された際、第Ｂ用語ペアの地位概念関係に加えて、第Ｂ用語ペアの各々の用語に対応する特許文献の番号をさらに把握することができる。
【0036】
第１の本発明において、地位概念データ群作成部は、地位概念データ群を、第Ｂ用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成することが好ましい。
【0037】
第２の本発明において、地位概念データ群作成ステップでは、地位概念データ群が、第Ｂ用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成されることが好ましい。
【0038】
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群が第Ｂ用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成される。それにより、この地位概念データ群が出力装置に出力された場合、ユーザは、出力装置を介して第Ｂ用語ペア間の上位概念及び下位概念の関係を容易に把握することができる。
【0039】
第１の本発明において、特許文献群取得部は、第Ｂ特許文献群に加えて、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合である第２特許文献群をさらに取得し、
用語群取得部は、第Ｂ特許文献群及び第２特許文献群をデータマイニングすることにより、特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
特徴量データ作成部は、第２用語群に含まれる用語のうち、第Ｂ特許文献群及び第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データをさらに作成し、
地位概念データ群作成部は、第２特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、第２特徴量データの第２用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群を作成することが好ましい。
用語群取得部は、第Ｂ特許文献群及び第２特許文献群をデータマイニングすることにより、特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
特徴量データ作成部は、第２用語群に含まれる用語のうち、第Ｂ特許文献群及び第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データをさらに作成し、
地位概念データ群作成部は、第２特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、第２特徴量データの第２用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群を作成することが好ましい。
【0040】
第２の本発明において、特許文献群取得ステップでは、第Ｂ特許文献群に加えて、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合である第２特許文献群がさらに取得され、
用語群取得ステップでは、第Ｂ特許文献群及び第２特許文献群をデータマイニングすることにより、第Ｂ特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
特徴量データ作成ステップでは、第２用語群に含まれる用語のうち、特許文献群及び第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データがさらに作成され、
地位概念データ群作成ステップでは、第２特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、第２特徴量データの第２用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群が作成されることが好ましい。
用語群取得ステップでは、第Ｂ特許文献群及び第２特許文献群をデータマイニングすることにより、第Ｂ特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
特徴量データ作成ステップでは、第２用語群に含まれる用語のうち、特許文献群及び第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データがさらに作成され、
地位概念データ群作成ステップでは、第２特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、第２特徴量データの第２用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群が作成されることが好ましい。
【0041】
以上のデータ処理装置又はデータ処理方法によれば、第２特許文献群は、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合として取得される。さらに、第Ｂ特許文献群及び第２特許文献群をデータマイニングすることにより、第Ｂ特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得される。そして、そのような第２用語群から作成した第２特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、第２地位概念データ群が作成されることにより、第２地位概念データ群を、地位概念データ群に対して、概念、性質及び分類のうちの少なくとも１つが類似した用語を含むように作成することができる。
【0042】
前述した第２の目的を達成するために、第３の本発明に係るデータ処理装置は、
所定キーワードに基づいて、非特許文献のデータベースを検索することにより、所定キーワードが含まれる非特許文献の集合である非特許文献群を取得する非特許文献群取得部と、
非特許文献群をデータマイニングすることにより、非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
用語群に基づいて、特許文献のデータベースを検索することにより、用語群が含まれる特許文献の集合である特許文献群を取得する特許文献群取得部と、
用語群に含まれる用語のうち、特許文献群に含まれる用語のペアである用語ペアの集合を含む特徴量データを作成する特徴量データ作成部と、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
予測モデルは、特徴量データが入力されたときに、用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
所定キーワードに基づいて、非特許文献のデータベースを検索することにより、所定キーワードが含まれる非特許文献の集合である非特許文献群を取得する非特許文献群取得部と、
非特許文献群をデータマイニングすることにより、非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
用語群に基づいて、特許文献のデータベースを検索することにより、用語群が含まれる特許文献の集合である特許文献群を取得する特許文献群取得部と、
用語群に含まれる用語のうち、特許文献群に含まれる用語のペアである用語ペアの集合を含む特徴量データを作成する特徴量データ作成部と、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
予測モデルは、特徴量データが入力されたときに、用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
【0043】
前述した第２の目的を達成するために、第４の本発明に係るデータ処理方法は、
所定キーワードに基づいて、非特許文献のデータベースを検索することにより、所定キーワードが含まれる非特許文献の集合である非特許文献群を取得する非特許文献群取得ステップと、
非特許文献群をデータマイニングすることにより、非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
用語群に基づいて、特許文献のデータベースを検索することにより、用語群が含まれる特許文献の集合である特許文献群を取得する特許文献群取得ステップと、
用語群に含まれる用語のうち、特許文献群に含まれる用語のペアである用語ペアの集合を含む特徴量データを作成する特徴量データ作成ステップと、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
予測モデルは、特徴量データが入力されたときに、用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
所定キーワードに基づいて、非特許文献のデータベースを検索することにより、所定キーワードが含まれる非特許文献の集合である非特許文献群を取得する非特許文献群取得ステップと、
非特許文献群をデータマイニングすることにより、非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
用語群に基づいて、特許文献のデータベースを検索することにより、用語群が含まれる特許文献の集合である特許文献群を取得する特許文献群取得ステップと、
用語群に含まれる用語のうち、特許文献群に含まれる用語のペアである用語ペアの集合を含む特徴量データを作成する特徴量データ作成ステップと、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
予測モデルは、特徴量データが入力されたときに、用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
【0044】
以上のデータ処理装置又はデータ処理方法によれば、用語群に含まれる用語のうち、特許文献群に含まれる用語のペアである用語ペアの集合を含む特徴量データが作成され、特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの用語ペアの地位概念関係を定義した地位概念データ群が作成される。ここで、予測モデルは、特徴量データが入力されたときに、用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることにより、予測モデルの出力は、特徴量データの用語ペア間の上位概念及び下位概念の関係を適切に予測したものとなる。したがって、そのような予測モデルの出力を用いて地位概念データ群を作成することにより、この地位概念データ群を用語ペア間の上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。さらに、以上のように作成された地位概念データ群を出力装置に対して出力するための出力処理が実行されることにより、地位概念データ群を出力装置を介してユーザに提供することができる。
【0045】
これに加えて、非特許文献のデータベースを検索することにより、非特許文献群が、所定キーワードが含まれる非特許文献の集合として取得され、非特許文献群をデータマイニングすることにより、非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群が取得され、用語群に基づいて、特許文献のデータベースを検索することにより、用語群が含まれる特許文献の集合である特許文献群が取得される。それにより、地位概念データ群を、特許文献の集合における用語間の上位概念及び下位概念の関係と、非特許文献における用語間の上位概念及び下位概念の関係とを適切に分類したデータとして作成することができる。それにより、このように作成された地位概念データ群が出力装置に出力された場合、ユーザは、出力装置を介して、特許文献の集合における用語間の上位概念及び下位概念の関係と、非特許文献における用語間の上位概念及び下位概念の関係が適切に分類された地位概念データ群を確認することができる。
【0046】
第３の本発明において、
特徴量データの用語ペアに基づき、用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、地位概念関係を表すラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習ステップと、
がデータ処理装置によってさらに実行されることが好ましい。
特徴量データの用語ペアに基づき、用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、地位概念関係を表すラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習ステップと、
がデータ処理装置によってさらに実行されることが好ましい。
【0047】
第４の本発明において、
特徴量データの用語ペアに基づき、用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、地位概念関係を表すラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習ステップと、
がデータ処理装置によってさらに実行されることが好ましい。
特徴量データの用語ペアに基づき、用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、地位概念関係を表すラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習ステップと、
がデータ処理装置によってさらに実行されることが好ましい。
【0048】
以上のデータ処理システム又はデータ処理方法によれば、特徴量データの用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルを特徴量データに付加したデータである学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習が実行される。それにより、特徴量データが予測モデルに入力された際、特徴量データの用語ペア間の上位概念及び下位概念の関係を適切に予測した予測結果が予測モデルから出力されることなる。したがって、そのような予測モデルの出力を用いることにより、特徴量データの用語ペアの地位概念関係を定義した地位概念データ群を適切に作成することができる。
【0049】
第３の本発明において、地位概念データ群作成部は、地位概念データ群を、用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成することが好ましい。
【0050】
第４の本発明において、地位概念データ群作成ステップでは、地位概念データ群が、用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成されることが好ましい。
【0051】
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群が用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成される。それにより、この地位概念データ群が出力装置に出力された場合、ユーザは、出力装置を介して用語ペア間の上位概念及び下位概念の関係を容易に把握することができる。
【0052】
第３の本発明において、地位概念データ群作成部は、特許文献の番号及び非特許文献を表すデータの少なくとも一方が用語ペアの各々の用語に対してリンク付けされた状態で、地位概念データ群を作成することが好ましい。
【0053】
第４の本発明において、地位概念データ群作成ステップでは、特許文献の番号及び非特許文献を表すデータの少なくとも一方が用語ペアの各々の用語にリンク付けされた状態で、地位概念データ群が作成されることが好ましい。
【0054】
以上のデータ処理装置又はデータ処理方法によれば、特許文献の番号及び非特許文献を表すデータの少なくとも一方が地位概念データ群における用語ペアの各々の用語にリンク付けされた状態で地位概念データ群が作成される。ユーザは、出力装置を介して、用語ペアの地位概念関係に加えて、用語ペアの各々の用語に対応する特許文献の番号及び非特許文献を表すデータの少なくとも一方をさらに把握することができる。
【0055】
第３の本発明において、非特許文献群取得部は、非特許文献群に加えて、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、非特許文献のデータベースを検索することにより、第２所定キーワードが含まれる非特許文献の集合である第２非特許文献群をさらに取得し、
用語群取得部は、非特許文献群及び第２非特許文献群をデータマイニングすることにより、非特許文献群及び第２非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
特許文献群取得部は、第２用語群に基づいて、特許文献のデータベースを検索することにより、第２用語群が含まれる特許文献の集合である第２特許文献群を取得し、
特徴量データ作成部は、第２用語群に含まれる用語のうち、第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データをさらに作成し、
地位概念データ群作成部は、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの第２用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群を作成することが好ましい。
用語群取得部は、非特許文献群及び第２非特許文献群をデータマイニングすることにより、非特許文献群及び第２非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
特許文献群取得部は、第２用語群に基づいて、特許文献のデータベースを検索することにより、第２用語群が含まれる特許文献の集合である第２特許文献群を取得し、
特徴量データ作成部は、第２用語群に含まれる用語のうち、第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データをさらに作成し、
地位概念データ群作成部は、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの第２用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群を作成することが好ましい。
【0056】
第４の本発明において、非特許文献群取得ステップでは、非特許文献群に加えて、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、非特許文献のデータベースを検索することにより、第２所定キーワードが含まれる非特許文献の集合である第２非特許文献群がさらに取得され、
用語群取得ステップでは、非特許文献群及び第２非特許文献群をデータマイニングすることにより、非特許文献群及び第２非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
特許文献群取得ステップでは、第２用語群に基づいて、特許文献のデータベースを検索することにより、第２用語群が含まれる特許文献の集合である第２特許文献群が取得され、
特徴量データ作成ステップでは、第２用語群に含まれる用語のうち、第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データがさらに作成され、
地位概念データ群作成ステップでは、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群が作成されることが好ましい。
用語群取得ステップでは、非特許文献群及び第２非特許文献群をデータマイニングすることにより、非特許文献群及び第２非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
特許文献群取得ステップでは、第２用語群に基づいて、特許文献のデータベースを検索することにより、第２用語群が含まれる特許文献の集合である第２特許文献群が取得され、
特徴量データ作成ステップでは、第２用語群に含まれる用語のうち、第２特許文献群に含まれる用語のペアである第２用語ペアの集合を含む第２特徴量データがさらに作成され、
地位概念データ群作成ステップでは、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの用語ペア間の上位概念及び下位概念の関係を表す第２地位概念データ群が作成されることが好ましい。
【0057】
以上のデータ処理装置又はデータ処理方法によれば、第２非特許文献群は、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、非特許文献のデータベースを検索することにより、第２所定キーワードが含まれる非特許文献の集合として取得される。また、非特許文献群及び第２非特許文献群をデータマイニングすることにより、非特許文献群及び第２非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得される。さらに、そのような第２用語群から作成した特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２地位概念データ群が作成されることにより、第２地位概念データ群を、地位概念データ群に対して、概念、性質及び分類のうちの少なくとも１つが類似した用語を含むように作成することができる。
【0058】
前述した第３の目的を達成するために、第５の本発明に係るデータ処理装置は、
所定物質を表す所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる特許文献の集合である特許文献群を取得する特許文献群取得部と、
特許文献群をデータマイニングすることにより、特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
所定物質に基づき、所定物質の原料、部品及び材質のいずれかを表す基礎用語を定義した基礎用語データベースを検索することにより、用語群から基礎用語の集合である基礎用語群を取得する基礎用語群取得部と、
基礎用語群に含まれる基礎用語と、用語群に含まれる用語及び基礎用語群に含まれる基礎用語の一方とのペアである選択用語ペアの集合を含む特徴量データを作成する特徴量データ作成部と、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
予測モデルは、特徴量データが入力されたときに、選択用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
所定物質を表す所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる特許文献の集合である特許文献群を取得する特許文献群取得部と、
特許文献群をデータマイニングすることにより、特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得部と、
所定物質に基づき、所定物質の原料、部品及び材質のいずれかを表す基礎用語を定義した基礎用語データベースを検索することにより、用語群から基礎用語の集合である基礎用語群を取得する基礎用語群取得部と、
基礎用語群に含まれる基礎用語と、用語群に含まれる用語及び基礎用語群に含まれる基礎用語の一方とのペアである選択用語ペアの集合を含む特徴量データを作成する特徴量データ作成部と、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成部と、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力部と、
を備え、
予測モデルは、特徴量データが入力されたときに、選択用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
【0059】
前述した第３の目的を達成するために、第６の本発明に係るデータ処理方法は、
所定物質を表す所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる特許文献の集合である特許文献群を取得する特許文献群取得ステップと、
特許文献群をデータマイニングすることにより、特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
所定物質に基づき、所定物質の原料、部品及び材質のいずれかを表す基礎用語を定義した基礎用語データベースを検索することにより、用語群から基礎用語の集合である基礎用語群を取得する基礎用語群取得ステップと、
基礎用語群に含まれる基礎用語と、用語群に含まれる用語及び基礎用語群に含まれる基礎用語の一方とのペアである選択用語ペアの集合を含む特徴量データを作成する特徴量データ作成ステップと、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
予測モデルは、特徴量データが入力されたときに、選択用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
所定物質を表す所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる特許文献の集合である特許文献群を取得する特許文献群取得ステップと、
特許文献群をデータマイニングすることにより、特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群を取得する用語群取得ステップと、
所定物質に基づき、所定物質の原料、部品及び材質のいずれかを表す基礎用語を定義した基礎用語データベースを検索することにより、用語群から基礎用語の集合である基礎用語群を取得する基礎用語群取得ステップと、
基礎用語群に含まれる基礎用語と、用語群に含まれる用語及び基礎用語群に含まれる基礎用語の一方とのペアである選択用語ペアの集合を含む特徴量データを作成する特徴量データ作成ステップと、
特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群を作成する地位概念データ群作成ステップと、
地位概念データ群を出力装置に対して出力するための出力処理を実行する出力ステップと、
がデータ処理装置によって実行され、
予測モデルは、特徴量データが入力されたときに、選択用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることを特徴とする。
【0060】
以上のデータ処理装置又はデータ処理方法によれば、基礎用語群に含まれる基礎用語と、用語群に含まれる用語及び基礎用語群に含まれる基礎用語の一方とのペアである選択用語ペアの集合を含む特徴量データが作成され、特徴量データを分類モデルである予測モデルに入力したときの予測モデルの出力を用いて、特徴量データの選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群が作成され、地位概念データ群を出力装置に対して出力するための出力処理が実行される。ここで、予測モデルは、特徴量データが入力されたときに、選択用語ペア間の上位概念及び下位概念の関係を表すラベルの値を出力するように構成されていることにより、予測モデルの出力は、特徴量データの選択用語ペア間の上位概念及び下位概念の関係を適切に予測したものとなる。したがって、そのような予測モデルの出力を用いて地位概念データ群を作成することにより、地位概念データ群を選択用語ペア間の上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。さらに、以上のように作成された地位概念データ群を出力装置に対して出力するための出力処理が実行されることにより、地位概念データ群を出力装置を介してユーザに提供することができる。
【0061】
これに加えて、所定物質を表す所定キーワードに基づいて、特許文献のデータベースを検索することにより、所定キーワードが含まれる特許文献の集合である特許文献群が取得され、特許文献群をデータマイニングすることにより、特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群が取得される。さらに、所定物質に基づき、所定物質の原料、部品及び材質のいずれかを表す基礎用語を定義した基礎用語データベースを検索することにより、用語群から基礎用語の集合である基礎用語群が取得される。それにより、地位概念データ群を、特許文献の集合における基礎用語間又は基礎用語及び用語の間の上位概念及び下位概念の関係を適切に分類したデータとして作成することができる。
【0062】
第５の本発明において、特徴量データの選択用語ペアに基づき、選択用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、地位概念関係を表すラベルを特徴量データに付加したデータである学習データを作成する学習データ作成部と、
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習部と、
をさらに備えることが好ましい。
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習部と、
をさらに備えることが好ましい。
【0063】
第６の本発明において、
特徴量データの選択用語ペアに基づき、選択用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、地位概念関係を表すラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習ステップと、
がデータ処理装置によってさらに実行されることが好ましい。
特徴量データの選択用語ペアに基づき、選択用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を定義した地位概念データベースを検索することにより、地位概念関係を表すラベルを特徴量データに付加したデータである学習データを作成する学習データ作成ステップと、
学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習を実行するモデル学習ステップと、
がデータ処理装置によってさらに実行されることが好ましい。
【0064】
以上のデータ処理システム又はデータ処理方法によれば、特徴量データの選択用語ペア間における上位概念及び下位概念の関係を含む地位概念関係を表すラベルを特徴量データに付加したデータである学習データを用いて、所定の学習アルゴリズムより、予測モデルの学習が実行される。それにより、特徴量データが予測モデルに入力された際、特徴量データの選択用語ペア間の上位概念及び下位概念の関係を適切に予測した予測結果が予測モデルから出力されることなる。したがって、そのような予測モデルの出力を用いることにより、特徴量データの選択用語ペア間の地位概念関係を定義した地位概念データ群を適切に作成することができる。
【0065】
第５の本発明において、地位概念データ群作成部は、地位概念データ群を、選択用語ペアの選択用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成することが好ましい。
【0066】
第６の本発明において、地位概念データ群作成ステップでは、地位概念データ群が選択用語ペアの選択用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成されることが好ましい。
【0067】
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群が、選択用語ペアの選択用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成される。それにより、この地位概念データ群が出力装置に出力された場合、ユーザは、出力装置を介して選択用語ペアの選択用語における上位概念及び下位概念の関係を容易に把握することができる。
【0068】
第５の本発明において、地位概念データ群作成部は、地位概念データ群における選択用語ペアの基礎用語と基礎用語の製品情報との関係を定義した製品データベースをさらに用いて、基礎用語に製品情報がリンク付けされた状態で地位概念データ群を作成することが好ましい。
【0069】
第６の本発明において、地位概念データ群作成ステップでは、地位概念データ群における選択用語ペアの基礎用語と基礎用語の製品情報との関係を定義した製品データベースをさらに用いて、基礎用語に製品情報がリンク付けされた状態で地位概念データ群が作成されることが好ましい。
【0070】
以上のデータ処理装置又はデータ処理方法によれば、地位概念データ群における選択用語ペアの基礎用語に基礎用語の製品情報がリンク付けされた状態で地位概念データ群が作成される。それにより、ユーザは、この地位概念データ群が出力装置に出力された場合、ユーザは、出力装置を介して基礎用語の製品情報を把握することができる。
【0071】
第５の本発明において、
特許文献群取得部は、特許文献群に加えて、所定物質に対して性質及び分類のうちの少なくとも一方が類似の第２物質を表す第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合である第２特許文献群をさらに取得し、
用語群取得部は、特許文献群及び第２特許文献群をデータマイニングすることにより、特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
基礎用語群取得部は、第２物質に基づき、基礎用語データベースを検索することにより、第２用語群から第２物質の基礎用語の集合である第２基礎用語群をさらに取得し、
特徴量データ作成部は、第２基礎用語群に含まれる基礎用語と、第２用語群に含まれる第２用語及び第２基礎用語群に含まれる基礎用語の一方とのペアである第２選択用語ペアの集合を含む第２特徴量データをさらに作成し、
地位概念データ群作成部は、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの第２選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群をさらに作成することが好ましい。
特許文献群取得部は、特許文献群に加えて、所定物質に対して性質及び分類のうちの少なくとも一方が類似の第２物質を表す第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合である第２特許文献群をさらに取得し、
用語群取得部は、特許文献群及び第２特許文献群をデータマイニングすることにより、特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群をさらに取得し、
基礎用語群取得部は、第２物質に基づき、基礎用語データベースを検索することにより、第２用語群から第２物質の基礎用語の集合である第２基礎用語群をさらに取得し、
特徴量データ作成部は、第２基礎用語群に含まれる基礎用語と、第２用語群に含まれる第２用語及び第２基礎用語群に含まれる基礎用語の一方とのペアである第２選択用語ペアの集合を含む第２特徴量データをさらに作成し、
地位概念データ群作成部は、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの第２選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群をさらに作成することが好ましい。
【0072】
第６の本発明において、
特許文献群取得ステップでは、特許文献群に加えて、所定物質に対して性質及び分類のうちの少なくとも一方が類似の第２物質を表す第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合である第２特許文献群がさらに取得され、
用語群取得ステップでは、特許文献群及び第２特許文献群をデータマイニングすることにより、特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
基礎用語群取得ステップでは、第２物質に基づき、基礎用語データベースを検索することにより、第２用語群から第２物質の基礎用語の集合である第２基礎用語群がさらに取得され、
特徴量データ作成ステップでは、第２基礎用語群に含まれる基礎用語と、第２用語群に含まれる第２用語及び第２基礎用語群に含まれる基礎用語の一方とのペアである第２選択用語ペアの集合を含む第２特徴量データがさらに作成され、
地位概念データ群作成ステップでは、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの第２選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群がさらに作成されることが好ましい。
特許文献群取得ステップでは、特許文献群に加えて、所定物質に対して性質及び分類のうちの少なくとも一方が類似の第２物質を表す第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合である第２特許文献群がさらに取得され、
用語群取得ステップでは、特許文献群及び第２特許文献群をデータマイニングすることにより、特許文献群及び第２特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である第２用語群がさらに取得され、
基礎用語群取得ステップでは、第２物質に基づき、基礎用語データベースを検索することにより、第２用語群から第２物質の基礎用語の集合である第２基礎用語群がさらに取得され、
特徴量データ作成ステップでは、第２基礎用語群に含まれる基礎用語と、第２用語群に含まれる第２用語及び第２基礎用語群に含まれる基礎用語の一方とのペアである第２選択用語ペアの集合を含む第２特徴量データがさらに作成され、
地位概念データ群作成ステップでは、第２特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２特徴量データの第２選択用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群がさらに作成されることが好ましい。
【0073】
以上のデータ処理装置又はデータ処理方法によれば、第２特許文献群は、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワードに基づいて、特許文献のデータベースを検索することにより、第２所定キーワードが含まれる特許文献の集合として取得される。また、特許文献群及び第２特許文献群をデータマイニングすることにより、非特許文献群及び第２非特許文献群における基礎用語のうち、出現頻度の高い方から順に所定順位までの基礎用語である第２基礎用語群が取得される。さらに、そのような第２基礎用語群から作成した特徴量データを予測モデルに入力したときの予測モデルの出力を用いて、第２地位概念データ群が作成されることにより、第２地位概念データ群を、地位概念データ群に対して、概念、性質及び分類のうちの少なくとも１つが類似した基礎用語を含むように作成することができる。
【図面の簡単な説明】
【0074】
【図1】本発明の第１実施形態に係るデータ処理装置を示す図である。
【図2】第１実施形態のデータ処理装置の機能的な構成を示すブロック図である。
【図3】用語群の一例を示す図である。
【図4】特徴量データの一例を示す図である。
【図5】特徴量データの作成手順の説明図である。
【図6】特徴量データの作成手順の説明図である。
【図7】特徴量データの作成手順の説明図である。
【図8】特徴量データの作成手順の説明図である。
【図9】学習データの一例を示す図である。
【図10】地位概念データベースの一例を示す図である。
【図11】地位概念データ群の作成手順の説明図である。
【図12】地位概念データ群の作成手順の説明図である。
【図13】地位概念データ群の作成手順の説明図である。
【図14】地位概念データ群の作成手順の説明図である。
【図15A】地位概念データ群の一例を示す図である。
【図15B】地位概念データ群の用語が選択された状態を示す図である。
【図16】地位概念データ群の他の一例を示す図である。
【図17】学習済みモデル作成処理を示すフローチャートである。
【図18】地位概念データ群処理を示すフローチャートである。
【図19】再設定用データ処理を示すフローチャートである。
【図20】第２学習済みモデル作成処理を示すフローチャートである。
【図21】第２地位概念データ群処理を示すフローチャートである。
【図22】地位概念データ群の変形例を示す図である。
【図23】第２実施形態のデータ処理装置の機能的な構成を示すブロック図である。
【図24】学習済みモデル作成処理を示すフローチャートである。
【図25】地位概念データ群処理を示すフローチャートである。
【図26】第２学習済みモデル作成処理を示すフローチャートである。
【図27】第２地位概念データ群処理を示すフローチャートである。
【図28】第３実施形態のデータ処理装置の機能的な構成を示すブロック図である。
【図29】用語群の一例を示す図である。
【図30】基礎用語群の一例を示す図である。
【図31】特徴量データの一例を示す図である。
【図32】学習データの一例を示す図である。
【図33】地位概念データベースの一例を示す図である。
【図34】地位概念データ群の一例を示す図である。
【図35】地位概念データ群の表示例を示す図である。
【図36】地位概念データ群の他の表示例を示す図である。
【図37】基礎用語番号及び基礎用語の製品名のデータベースの一例を示す図である。
【図38】学習済みモデル作成処理を示すフローチャートである。
【図39】地位概念データ群処理を示すフローチャートである。
【図40】第２学習済みモデル作成処理を示すフローチャートである。
【図41】第２地位概念データ群処理を示すフローチャートである。
【発明を実施するための形態】
【0075】
以下、図面を参照しながら、本発明の第１実施形態に係るデータ処理装置について説明する。図１に示すように、本実施形態のデータ処理装置１は、パーソナルコンピュータタイプのものであり、ディスプレイ１ａ、装置本体１ｂ及び入力インターフェース１ｃなどを備えている。出力装置としてのディスプレイ１ａは、液晶ディスプレイタイプのものであり、各種データが表示される。
【0076】
装置本体１ｂは、ＨＤＤなどのストレージ、プロセッサ及びメモリ（ＲＡＭ、Ｅ２ＰＲＯＭ、ＲＯＭなど）などを備えている（いずれも図示せず）。この装置本体１ｂのストレージには、後述する学習処理などを実行するためのアプリケーションソフトがインストールされているとともに、特許文献データベース２０及び地位概念データベース２１（図２参照）が記憶されている。
【0077】
これらのデータベース２０，２１の詳細については後述する。また、入力インターフェース１ｃは、データ処理装置１を操作するためのキーボード及びマウスなどで構成されている。
【0078】
図２に示すように、データ処理装置１は、特許文献群取得部１１、用語群取得部１２、特徴量データ作成部１３、学習データ作成部１４、モデル学習部１５、地位概念データ群作成部１６、出力部１７及び平均値算出部１８としての機能を備えている。
【0079】
特許文献群取得部１１では、ユーザ（図示せず）による入力インターフェース１ｃの操作によって、所定キーワードが入力された場合、所定キーワードに基づいて、データ処理装置１内の特許文献データベース２０を検索することにより、特許文献群が取得される。
【0080】
ここで、特許文献データベース２０には、特許公報、特開公報及び実用新案登録公報などの請求項を含む文献が多数含まれており、特許文献群は、所定キーワードが請求項に含まれる特許文献の集合として取得される。以下の説明では、所定キーワードが「ポリオキシエチレンジグリセリン飽和脂肪酸エステル」である場合を例にとって説明する。
【0081】
次いで、用語群取得部１２では、形態素解析を用いて特許文献群をデータマイニングすることにより、用語群が取得される。この用語群は、特許文献群の請求項における用語のうち、出現頻度の高い方から順に所定順位までの用語の集合として取得される。本実施形態の場合、図３に示すように、出現頻度が１番目から５３４５番目までの用語が取得されるとともに、用語の番号として、ＫＥＹＷ０～ＫＥＹＷ５３４４がそれぞれ付加された状態となる。
【0082】
次に、特徴量データ作成部１３では、特許文献群及び用語群に基づいて、特徴量データが作成される。この特徴量データは、図４に示すように、特許文献の出願番号と、用語１及び用語２からなる用語ペアと、これらの用語ペアを含む請求項の番号及び請求項の文章とが含まれるように作成される。この図4は、用語の番号が用語１及び用語２として特徴量データに含まれるように構成した例であるが、用語の番号に代えて、用語自体が用語１及び用語２として特徴量データに含まれるように構成してもよい。この特徴量データは、本出願人が作成したプログラムにより、以下に述べる手法で作成される。なお、本実施形態では、用語ペアが第Ａ用語ペア及び第Ｂ用語ペアに相当する。
【0083】
まず、図５に示す特許文献群のデータ（一部のみを図示）において、請求項に含まれる用語群中の用語（太字で示す文言）をピックアップする。図５において、理解の容易化のために、ピックアップした用語をＡ～Ｈで表記すると、図６に示す状態となる。例えば、図６の用語＜Ａ＞は、図５の「ポリオキシエチレンジグリセリン飽和脂肪酸エステル」に相当し、用語＜Ｂ＞は、図５の「ポリオキシエチレンジグリセリン直鎖飽和脂肪酸エステル」に相当する。なお、図５～６などにおいては、理解の容易化のために、請求項の番号が請求項の文章とは別個に表示されている。
【0084】
【0085】
さらに、図８に示すように、請求項に含まれる２つ以上の用語の組み合わせである用語ペアを「用語１，用語２」としてピックアップすることにより、前述した図４の特徴量データが作成される。例えば、図８の出願番号２０００－３２１３２１の公報の場合、請求項１に含まれている用語がＡ～Ｃの３つであることにより、用語ペアは、「Ａ，Ｂ」、「Ｂ，Ａ」、「Ｂ，Ｃ」、「Ｃ，Ｂ」、「Ａ，Ｃ」及び「Ｃ，Ａ」の６つとなる。
【0086】
そして、学習データ作成部１４では、データ処理装置１内の地位概念データベース２１を参照することにより、前述した図４の特徴量データから図９に示す学習データが作成される。ここで、地位概念データベース２１は、図１０に示すように、用語１及び用語２の間の上位概念及び下位概念の関係などを表す地位概念関係を定義したものである。
【0087】
図１０において、ラベルの値は、用語ペア間の地位概念関係を表しており、具体的には、ラベルの値が「１」であることは、用語１が用語２の上位概念であることを表している。また、ラベルの値が「０」であることは、用語１が用語２の下位概念であることを表しており、ラベルの値が「２」であることは、用語１と用語２が上位概念及び下位概念の関係にないことを表している。
【0088】
なお、本実施形態では、値１が第1所定値に相当し、値０が第2所定値に相当する。また、第1所定値及び第2所定値は、上記の値に限らず、様々な値に設定可能である。例えば、値１０及び値０を第1所定値及び第2所定値にそれぞれ設定してもよく、値１００及び値０を第1所定値及び第2所定値にそれぞれ設定してもよい。
【0089】
学習データ作成部１４では、以上の地位概念データベース２１を参照し、用語ペア間の地位概念関係を表すラベルを特徴量データに付加することにより、前述した図９の学習データが作成される。
【0090】
次いで、モデル学習部１５（モデル記憶部）では、以上のように作成された学習データを用いて、所定の学習アルゴリズム（例えば、Transformerの自然言語モデル）により、分類モデルである予測モデルの学習が実行される。なお、以下の説明では、学習を実行済みの予測モデルを「学習済みモデル」という。この学習済みモデルは、モデル学習部１５に記憶される。
【0091】
次に、地位概念データ群作成部１６では、学習済みモデル及び特徴量データを用いて、地位概念データ群が作成される。この地位概念データ群は、前述した用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の画像データ（図１５参照）であり、以下に述べる手法により作成される。
【0092】
すなわち、地位概念データ群作成部１６では、特徴量データを学習済みモデルに入力したときの学習済みモデルの出力のラベルの値に基づいて、用語ペア間の地位概念関係が判定されるとともに、その判定結果に基づいて、用語ペアの用語を上位概念又は下位概念の関係に従って並べることにより、地位概念データ群が作成される。
【0093】
より具体的には、学習済みモデルの出力のラベルの値が「１」又は「０」であるときには、用語ペアの２つの用語が地位概念関係に従って並べられる。一方、学習済みモデルの出力のラベルの値が「２」であるとき、すなわち用語ペアの２つの用語が上位概念又は下位概念の関係にないときには、２つの用語は上位概念又は下位概念の関係で並べられることがない。
【0094】
例えば、前述した図８の特徴量データにおいて、出願番号２０００－３２１３２１の請求項２のデータが学習済みモデルに入力された場合、学習済みモデルの出力における用語ペア「Ａ，Ｂ」のラベルは、用語Ａの方が上位概念であることにより値１となるとともに、用語ペア「Ｂ，Ｃ」のラベルは、用語Ｂと用語Ｃは上位概念又は下位概念の関係にないことにより、値２となる。さらに、用語ペア「Ｃ，Ａ」のラベルは、用語Ａの方が上位概念であることにより値０となる。
【0095】
それにより、３つの用語Ａ～Ｃの地位概念データ群は、図１１に示すように、下位概念である用語Ｂ、Ｃが上位概念である用語Ａにぶら下がる状態で作成される。ここで、前述した図５と図８を参照すると明らかなように、図１１における用語Ａは、「ポリオキシエチレンジグリセリン飽和脂肪酸エステル（図１１では「飽和脂肪酸」と表記）」であり、用語Ｂは、「ポリオキシエチレンジグリセリン直鎖飽和脂肪酸エステル（図１１では「直鎖」と表記）」である。また、用語Ｃは、「ポリオキシエチレンジグリセリン分岐飽和脂肪酸エステル（図１１では「分岐」と表記）」である。
【0096】
さらに、前述した図８の特徴量データにおいて、出願番号２０００－３２１３２１の請求項３のデータが学習済みモデルに入力された場合、学習済みモデルの出力における用語ペア「Ｂ，Ｄ」のラベルは、用語Ｂの方が上位概念であることにより値１となる。それにより、２つの用語Ｂ，Ｄを含む地位概念データ群は、図１２に示すように、下位概念である用語Ｄが上位概念である用語Ｂにぶら下がる状態で作成される。前述した図５と図８を参照すると明らかなように、この図１２における用語Ｄは、「ポリオキシエチレンジグリセリンミリスチン酸エステル（図１２では「ミリスチン酸」と表記）」である。
【0097】
また、前述した図８の特徴量データにおいて、出願番号２０１７－３３３３３３の請求項２，３のデータが学習済みモデルに入力された場合、上記と同じ原理により、図１３に示すように、４つの用語Ａ，Ｃ，Ｅ，Ｆの地位概念データ群が作成される。前述した図５と図８を参照すると明らかなように、図１３における用語Ｅは、「ポリオキシエチレンジグリセリンイソパルミチン酸エステル（図１３では「イソパルミチン酸」と表記）」であり、用語Ｄは、「ポリオキシエチレンジグリセリンイソステアリン酸エステル（図１３では「イソステアリン酸」と表記）」である。
【0098】
さらに、前述した図８の特徴量データにおいて、出願番号２０１１－１２３４５６の請求項１，２のデータが学習済みモデルに入力された場合、上記と同じ原理により、図１４に示すように、４つの用語Ｂ，Ｄ，Ｇ，Ｈの地位概念データ群が作成される。前述した図５と図８を参照すると明らかなように、図１４における用語Ｇは、「ポリオキシエチレンジグリセリンモノミリスチン酸エステル（図１４では「モノミリスチン酸」と表記）」であり、用語Ｈは、「ポリオキシエチレンジグリセリンジミリスチン酸エステル（図１４では「ジミリスチン酸」と表記）」である。
【0099】
以上の処理を継続して実行することにより、図１５に示す地位概念データ群が最終的に作成される。この地位概念データ群は、各用語に対して特許文献の番号がリンクした状態で作成される。この場合、例えば、特許文献の番号としては、特許登録公報が発行されていて登録期間が残っているもの、及び、特許公開公報が発行されていて登録になる可能性が存在するものが各用語に対してリンク付けされるように構成してもよい。
【0100】
そして、以上のように作成された地位概念データ群のデータが出力部１７からディスプレイ１ａに出力される（出力処理）。それにより、ディスプレイ１ａには、図１５に示す地位概念データ群が表示される。すなわち、用語「ポリオキシエチレンジグリセリン飽和脂肪酸エステル」を最上位概念とし、これにぶら下がる状態で、下位概念の用語「ポリオキシエチレンジグリセリン直鎖飽和脂肪酸エステル」及び用語「ポリオキシエチレンジグリセリン分岐飽和脂肪酸エステル」が表示される。
【0101】
さらに、用語「ポリオキシエチレンジグリセリン直鎖飽和脂肪酸エステル」には、これにぶら下がる状態で、下位概念の用語「ポリオキシエチレンジグリセリンミリスチン酸エステル」などが表示され、用語「ポリオキシエチレンジグリセリン分岐飽和脂肪酸エステル」には、これぶら下がる状態で、下位概念の用語「ポリオキシエチレンジグリセリンイソステアリン酸エステル」などが表示される。
【0102】
このよう地位概念データ群がディスプレイ１ａに表示されている状態で、ユーザが入力インターフェース１ｃを介して、地位概念データ群のいずれかの用語を選択した場合、その用語を請求項に含む特許文献の番号が表示される。例えば、図１６に示すように、用語「イソステアリン酸」が選択された場合には、用語「ポリオキシエチレンジグリセリンイソステアリン酸エステル」を請求項に含む特許文献の番号（特願２０１１－１１１１１１、特願２０１２－２２２２２２、・・・）が表示される。
【0103】
また、平均値算出部１８では、特徴量データを学習済みモデルに入力した際の学習済みモデルの出力に基づき、各用語ペアのラベルの平均値が算出される。この場合、各用語ペアのラベルが「０」又は「１」であるものにおいて、そのラベルの平均値が算出される。
【0104】
そして、出力部１７では、以上のように算出された各用語ペアのラベルの平均値において、ラベルの平均値が所定範囲内にある用語ペアのデータがディスプレイ１ａに出力される（データ出力処理）。それにより、ユーザは、学習データにおける、ラベルの平均値が所定範囲内にある用語ペアのラベルを把握することができる。この所定範囲は、ユーザにより、予測モデルの予測精度が低く、学習データを修正する必要があると判断できるような値（例えば、０．３～０．７）に設定されている。
【0105】
したがって、ユーザは、学習データにおける、ラベルの平均値が所定範囲内にある用語ペアのラベルに対して、入力インターフェース１ｃを操作して自身の判断で「０」、「１」又は「２」を付与することにより、修正した学習データを作成することができる。その結果、そのような修正された学習データを用いて、予測モデルの学習を再度、実行した場合、予測モデルの予測精度を向上させることができる。この場合、ユーザは、学習データに加えて又は代えて、地位概念データベース２１内のデータの追加又はデータのラベルの修正を実施してもよい。
【0106】
データ処理装置１では、以上の処理が所定キーワードを変更して繰り返し実行されることにより、例えば、図１６に示すような地位概念データ群が作成される。
【0107】
なお、用語群取得部１２によって取得された用語群のうち、出現頻度が１～Ｎ（Ｎは整数）番目の用語が所定キーワードに順に設定されることにより、以上の処理が繰り返し実行されるように構成してもよい。その際、所定キーワードの設定は、自動的に設定されるように構成してもよい。
【0108】
また、以上のデータ処理装置１の要素１１～１７においては、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワード（例えば、ポリオキシエチレンジグリセリンステアリン酸エステル）が入力された場合、以下に述べるように各種処理が実行される。
【0109】
すなわち、特許文献群取得部１１では、ユーザによる入力インターフェース１ｃの操作によって、第２所定キーワードが入力された場合、第２所定キーワードに基づいて、データ処理装置１内の特許文献データベース２０を検索することにより、第２特許文献群が取得される。
【0110】
次いで、用語群取得部１２では、特許文献群及び第２特許文献をデータマイニングすることにより、前述した図３の用語群と同様に、第２用語群が取得される（図示せず）。この第２用語群は、特許文献群及び第２特許文献群の請求項における用語のうち、出現頻度の高い方から順に所定順位までの用語の集合として取得される。
【0111】
さらに、特徴量データ作成部１３では、特許文献群、第２特許文献群及び用語群に基づいて、前述した図４の特徴量データと同様に、第２特徴量データが作成される（図示せず）。
【0112】
また、学習データ作成部１４では、データ処理装置１内の地位概念データベース２１を参照することにより、上記の第２特徴量データから、前述した図９の学習データと同様に、第２学習データが作成される（図示せず）。
【0113】
次いで、モデル学習部１５では、以上のように作成された第２学習データを用いて、前述した所定の学習アルゴリズムにより、学習済みモデルの追加学習が実行される。以下、第２学習データを用いた追加学習が実行済みである予測モデルを「第２学習済みモデル」という。
【0114】
さらに、地位概念データ群作成部１６では、第２学習済みモデル及び第２特徴量データを用いて、前述した図１５の地位概念データ群と同様に、第２地位概念データ群が作成される（図示せず）。
【0115】
そして、以上のように作成された第２地位概念データ群のデータが出力部１７からディスプレイ１ａに出力される。それにより、ディスプレイ１ａには、第２地位概念データ群が表示される（図示せず）。この場合、第２地位概念データ群に加えて、地位概念データ群がディスプレイ１ａに同時に表示されるように構成してもよい。
【0116】
次に、本実施形態のデータ処理装置１によって実行される各種演算処理について説明する。まず、図１７を参照しながら、学習済みモデル作成処理について説明する。この学習済みモデル作成処理は、以下に述べるように、学習済みモデルを作成するためのものであり、ユーザの入力インターフェース１ｃの操作により、前述した所定キーワードが入力されたときに実行される。
【0117】
なお、以下の説明において算出される各種の値は、データ処理装置１のストレージ又はメモリ内に記憶されるものとする。
【0118】
この学習済みモデル作成処理では、まず、特許文献群の取得処理が実行される（図１７／ＳＴＥＰ１）。この取得処理では、前述したように、所定キーワードに基づいて、特許文献データベース２０を検索することにより、特許文献群が取得される（特許文献群取得ステップ）。
【0119】
次いで、用語群の取得処理が実行される（図１７／ＳＴＥＰ２）。この取得処理では、前述したように、特許文献群をデータマイニングすることにより、用語群が取得される（用語群取得ステップ）。
【0120】
【0121】
この特徴量データの作成処理に続けて、学習データの作成処理が実行される（図１７／ＳＴＥＰ４）。この作成処理では、前述したように、地位概念データベース２１内に存在するデータを用いて、図４の特徴量データから図９に示す学習データが作成される（学習データ作成ステップ）。
【0122】
次いで、モデル学習処理が実行される（図１７／ＳＴＥＰ５）。このモデル学習処理では、前述したように、学習データを用いて、所定の学習アルゴリズムにより、分類モデルである予測モデルの学習が実行される（モデル学習ステップ）。以上の処理が実行されることにより、学習済みモデルが作成される。
【0123】
次に、図１８を参照しながら、地位概念データ群処理について説明する。この地位概念データ群処理は、以下に述べるように、地位概念データ群を作成してディスプレイ１ａに表示するためのものであり、ユーザによる入力インターフェース１ｃの所定操作に伴って実行される。
【0124】
この地位概念データ群処理では、まず、地位概念データ群の作成処理が実行される（図１８／ＳＴＥＰ１０）。この作成処理では、前述したように、学習済みモデル及び特徴量データを用いて、図１５に示す地位概念データ群が作成される（地位概念データ群作成ステップ）。
【0125】
【0126】
次に、図１９を参照しながら、再設定用データ処理について説明する。この再設定用データ処理は、以下に述べるように、ラベルの再設定が必要なデータをディスプレイ１ａに表示するためのものであり、ユーザによる入力インターフェース１ｃの所定操作に伴って実行される。
【0127】
この再設定用データ処理では、まず、平均値算出処理が実行される（図１９／ＳＴＥＰ２０）。この平均値算出処理では、特徴量データを学習済みモデルに入力したときの学習済みモデルの出力における用語ペアのラベルの平均値が算出される。
【0128】
次いで、再設定用データの作成処理が実行される（図１９／ＳＴＥＰ２１）。この作成処理では、学習済みモデルの出力における用語ペアのラベルの平均値が前述した所定範囲内にある用語ペアが選択され、これの用語ペア及びラベルの値を含むように、再設定用データが作成される（図示せず）。
【0129】
次に、再設定用データの表示処理が実行される（図１９／ＳＴＥＰ２２）。この表示処理では、再設定用データがディスプレイ１ａに表示される（出力ステップ）。それにより、ユーザは、予測精度の低い用語ペアのデータを確認して、その用語ペアのラベルを修正した学習データを自身で作成することが可能になる。さらに、そのような修正した学習データを用いて、予測モデルの学習を再実行した場合には、学習済みモデルの予測精度を高めることができる。この場合、ユーザは、学習データに加えて又は代えて、データの追加又はデータのラベルの修正を実施してもよい。
【0130】
次に、図２０を参照しながら、第２学習済みモデル作成処理について説明する。この第２学習済みモデル作成処理は、以下に述べるように、第２学習済みモデルを作成するためのものであり、ユーザの入力インターフェース１ｃの操作により、前述した第２所定キーワードが入力されたときに実行される。
【0131】
この第２学習済みモデル作成処理では、まず、第２特許文献群の取得処理が実行される（図２０／ＳＴＥＰ３１）。この取得処理では、前述したように、第２所定キーワードに基づいて、特許文献データベース２０を検索することにより、第２特許文献群が取得される（特許文献群取得ステップ）。
【0132】
次いで、第２用語群の取得処理が実行される（図２０／ＳＴＥＰ３２）。この取得処理では、前述したように、特許文献群及び第２特許文献群をデータマイニングすることにより、第２用語群が取得される（用語群取得ステップ）。
【0133】
次に、第２特徴量データの作成処理が実行される（図２０／ＳＴＥＰ３３）。この作成処理では、前述したように、特許文献群、第２特許文献群及び第２用語群に基づいて、第２特徴量データが作成される（特徴量データ作成ステップ）。
【0134】
この第２特徴量データの作成処理に続けて、第２学習データの作成処理が実行される（図２０／ＳＴＥＰ３４）。この作成処理では、前述したように、地位概念データベース２１を参照することにより、第２特徴量データから第２学習データが作成される（学習データ作成ステップ）。
【0135】
次いで、第２モデル学習処理が実行される（図２０／ＳＴＥＰ３５）。この第２モデル学習処理では、前述したように、第２学習データを用いて、所定の学習アルゴリズムにより、予測モデルの学習が実行される（モデル学習ステップ）。以上の処理が実行されることにより、第２学習済みモデルが作成される。
【0136】
次に、図２１を参照しながら、第２地位概念データ群処理について説明する。この第２地位概念データ群処理は、以下に述べるように、第２地位概念データ群を作成してディスプレイ１ａに表示するためのものであり、ユーザによる入力インターフェース１ｃの所定操作に伴って実行される。
【0137】
この第２地位概念データ群処理では、まず、第２地位概念データ群の作成処理が実行される（図２１／ＳＴＥＰ４０）。この作成処理では、前述したように、第２学習済みモデル及び第２特徴量データを用いて、第２地位概念データ群が作成される（第２地位概念データ群作成ステップ）。
【0138】
次いで、第２地位概念データ群の表示処理が実行される（図２１／ＳＴＥＰ４１）。この表示処理では、前述したように、第２地位概念データ群がディスプレイ１ａに表示される（出力ステップ）。この場合、第２地位概念データ群に加えて、地位概念データ群が同時にディスプレイ１ａに表示されるように構成してもよい。
【0139】
以上のように、第１実施形態のデータ処理装置１によれば、特徴量データの用語ペアにおける地位概念関係を表すラベルを特徴量データに付加したデータとして、学習データが作成され、この学習データを用いて、分類モデルである予測モデルの学習が実行される。そして、特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの用語ペアの上位概念及び下位概念の関係を表す概念データ群が作成される。
【0140】
ここで、特徴量データは、用語群に含まれる用語のうち、特許文献群の請求項に含まれる２つの用語のペアである用語ペアを含むものである。それにより、このような特徴量データを学習済みモデルに対して入力した場合、学習済みモデルの出力は、特徴量データの用語ペアの上位概念及び下位概念の関係を適切に予測したものとなる。
【0141】
したがって、そのような予測モデルの出力を用いて地位概念データ群を作成することにより、地位概念データ群を用語ペアの上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。これに加えて、特許文献のデータベースを検索することにより、特許文献群が、所定キーワードを請求項に含む特許文献の集合として取得される。それにより、地位概念データ群を、特許文献の集合の請求項における用語間の上位概念及び下位概念の関係を適切に分類したデータとして作成することができる。
【0142】
さらに、地位概念データ群が、用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成され、ディスプレイ１ａに表示される。それにより、ユーザは、用語間の上位概念及び下位概念の関係を容易に把握することができる。また、ユーザによる入力インターフェース１ｃの操作により、地位概念データ群の用語が選択された際、その用語を請求項に含む特許文献の番号が表示される。それにより、ユーザは、用語ペアの上位概念及び下位概念の関係に加えて、用語ペアの各々の用語が含まれる特許文献の番号をさらに把握することができる。
【0143】
また、再設定用データの作成処理では、再設定用データが、学習済みモデルの出力における用語ペアのラベルの平均値が所定範囲内にある用語ペア及びラベルの値を含むように作成され、ディスプレイ１ａに表示される。それにより、ユーザは、予測精度の低い用語ペアのデータを確認して、用語ペアのラベルを修正した学習データを自身で作成したり、地位概念データの内容を追加・修正したりすることができる。さらに、そのような修正した学習データを用いて、予測モデルの学習を再実行した場合には、学習済みモデルの予測精度を高めることができる。
【0144】
一方、第２学習済みモデル作成処理では、第２所定キーワードに基づいて、第２特許文献群が取得され、特許文献群及び第２特許文献群をデータマイニングすることにより、第２用語群が取得され、特許文献群、第２特許文献群及び第２用語群に基づいて、第２特徴量データが作成される。さらに、第２特徴量データから第２学習データが作成され、この第２学習データを用いて予測モデルの学習が実行されることにより、第２学習済みモデルが作成されるとともに、第２学習済みモデル及び第２特徴量データを用いて、第２地位概念データ群が作成される。それにより、第２地位概念データ群を、地位概念データ群に対して、概念、性質及び分類のうちの少なくとも１つが類似した用語を含むように作成することができる。
【0145】
なお、第１実施形態は、データ処理装置をパーソナルコンピュータタイプのデータ処理装置１で構成した例であるが、データ処理装置を、複数のパーソナルコンピュータ又は１つ以上のサーバ（この場合、サーバはクラウドサーバも含む）で構成してもよく、パーソナルコンピュータとサーバを組み合わせて構成してもよい。
【0146】
また、第１実施形態は、出力装置として、ディスプレイ１ａを用いた例であるが、本発明の出力装置は、これに限らず、データ処理装置からの地位概念データ群を出力できるものであればよい。例えば、データ処理装置がクラウドサーバである場合、クラウドサーバから出力された地位概念データ群を、通信網を介して受信して出力する端末装置（パーソナルコンピュータ又はプリンタなど）を出力装置として用いてもよい。
【0147】
さらに、第１実施形態は、所定キーワードが請求項に含まれる特許文献の集合を特許文献群として取得した例であるが、これに代えて、所定キーワードが特許文献内の請求項を含めた全文章のいずれかに含まれている特許文献の集合を特許文献群として取得してもよい。その場合には、特徴量データ及び学習データにおいて、請求項のデータが含まれないように構成してもよい。
【0148】
一方、第１実施形態は、特許文献番号が特徴量データ及び学習データに含まれるように構成した例であるが、これに変えて、特許文献番号が特徴量データ及び学習データに含まれていないように構成してもよい。その場合には、例えば、請求項と特許文献番号をリンク付けしたデータベースをデータ処理装置内に記憶しておき、地位概念データ群の用語が選択されたときに、特許文献番号を表示するように構成してもよい。
【0149】
また、第１実施形態は、地位概念データ群が図１５に示す２次元の画像データとして作成された例であるが、地位概念データ群は、図２２に示すような３次元形式で表された画像データとして作成されてもよく、表形式のデータとして作成されてもよい。
【0150】
さらに、地位概念データ群を作成する際、各用語について、名寄せ辞書(図示せず)を参照して名寄せ処理を実施した後、地位概念データ群を作成するようにしてもよい。
【0151】
一方、第１実施形態は、所定の学習アルゴリズムとして、Transformerの自然言語モデルを用いた例であるが、所定の学習アルゴリズムとして、Random Forest、XGBoost、サポートベクターマシン又はニューラルネットワークなどを用いてもよい。
【0152】
また、第１実施形態は、学習済みモデルとして、モデル学習部１５で学習を実行した予測モデルを用いた例であるが、これに代えて、汎用的な学習済みモデル（例えば、BERT：Bidirectional Encoder Representations from Transformers）を、ファインチューニングすることなくそのまま用いてもよい。
【0153】
さらに、学習済みモデルとして、転移学習により作成された学習済みモデルを用いてもよい。例えば、情報処理装置１で作成された学習データが、サーバに送信され、サーバにおいてBERTなどの予測モデルの学習を実行することにより、学習済みモデルが作成されるとともに、その学習済みモデルが情報処理装置１に送信されて記憶されるように構成してもよい。その場合には、情報処理装置１において、特徴量データが作成される毎に、予測モデルの学習を実行することなく、特徴量データを学習済みモデルに入力することにより、地位概念データ群を作成すればよい。
【0154】
一方、第１実施形態の地位概念データ群作成部１６において、地位概念データ群が作成される毎に、この地位概念データ群における用語間の上位概念又は下位概念の関係を示すラベルを追加したデータを作成し、そのデータを図２の２点鎖線で示すように、地位概念データベース２１に追加するように構成してもよい。このように構成した場合、そのようにデータ量が増加した地位概念データベースを用いて、学習データが作成されることにより、学習データによる予測モデルの学習効果をさらに向上させることができる。
【0155】
また、第１実施形態は、情報処理装置１において、特徴量データが作成される毎に、学習データを作成し、予測モデルの学習（追加学習）を実行した例であるが、これに代えて、予測モデルの学習をＭ（Ｍは１以上の整数）回分、実行した以降は、特徴量データが作成された際、予測モデルの学習を実行することなく、特徴量データを学習済みモデルに入力することにより、地位概念データ群を作成するように構成してもよい。例えば、所定キーワードで学習を１回実行した学習済みモデルに対して、前述した第２特徴量データを入力することにより、第２地位概念データを作成するように構成してもよい。
【0156】
さらに、第１実施形態は、学習データ作成部１４において学習データを作成した例であるが、これに代えて、ユーザが学習データを作成するように構成してもよい。
【0157】
また、第１実施形態は、所定キーワードとして「ポリオキシエチレンジグリセリン飽和脂肪酸エステル」を用いた例であるが、本発明の所定キーワードはこれに限らず、様々なキーワードが使用可能である。例えば、所定キーワードとして、シリコーン油などを用いてもよい。
【0158】
さらに、第１実施形態は、第２所定キーワードとして、「ポリオキシエチレンジグリセリンステアリン酸エステル」を用いた例であるが、本発明の第２所定キーワードは、これに限らず、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似であるものであればよい。例えば、「ポリオキシアルキレンポリグリセリルエーテル」が所定キーワードである場合には、「ポリオキシエチレンジグリセリルエーテル」を第２所定キーワードとして用いてもよい。
【0159】
また、第１実施形態は、データ処理装置１内に記憶されている特許文献データベース２０から特許文献群を取得した例であるが、例えば、特許文献データベースがデータ処理装置１以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１と演算処理装置間の通信により、演算処理装置内の特許文献データベースから特許文献群を取得するように構成してもよい。
【0160】
さらに、第１実施形態は、データ処理装置１内に記憶されている地位概念データベース２１を用いて学習データを作成した例であるが、例えば、地位概念データベースがデータ処理装置１以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１と演算処理装置間の通信により、演算処理装置内の地位概念データベースを用いて学習データを作成するように構成してもよい。
【0161】
一方、第１実施形態は、図１０に示す地位概念データベース２１を用いた例であるが、本発明の地位概念データベースは、これに限らず、用語ペア間の地位概念関係を表すものであればよい。例えば、地位概念データベースにおいて、用語１が用語２の上位概念であることを「＞」の記号で表し、用語１が用語２の下位概念であることを「＜」の記号で表すとともに、用語１と用語２が上位概念又は下位概念の関係にないことを「×」の記号で表してもよい。
【0162】
また、図１０の地位概念データベース２１において、用語１と用語２の関係を表すラベルとして、上位概念及び下位概念の関係をそれぞれ表す値「１」「０」のみが設定されているように構成してもよい。その場合には、学習データ作成部１４において、特徴量データの用語ペアが地位概念データベース２１に含まれていないときに、特徴量データの用語ペアにおける用語１と用語２の関係を表すラベルとして値「２」を設定するように構成すればよい。
【0163】
さらに、図１０の地位概念データベース２１において、用語１と用語２の関係を表すラベルとして、前述した上位概念の関係、下位概念の関係、及び、上位概念又は下位概念の関係にないことをそれぞれ表す値「１」「０」「２」以外に、等位概念を表すラベルとして、値「３」が設定されているように構成してもよい。その場合には、学習データ作成部１４において、学習データにおける用語ペアのラベルとして、「０」～「３」の値が設定されるように構成すればよい。
【0164】
次に、本発明の第２実施形態に係るデータ処理装置について説明する。本実施形態のデータ処理装置１Ａ（図２３参照）は、図１のデータ処理装置１と同一のパーソナルコンピュータタイプのものであるので、以下、異なる点を中心に説明する。また、第１実施形態と同一の構成に対しては同じ符号を付すとともに、その説明を省略する。
【0165】
本実施形態のデータ処理装置１Ａには、非特許文献データベース３９、特許文献データベース４０及び地位概念データベース４１（図２３参照）が記憶されている。これらのデータベース３９～４１の詳細については後述する。
【0166】
図２３に示すように、データ処理装置１Ａは、非特許文献群取得部３０、用語群取得部３１、特許文献群取得部３２、特徴量データ作成部３３、学習データ作成部３４、モデル学習部３５、地位概念データ群作成部３６及び出力部３７としての機能を備えている。
【0167】
まず、非特許文献群取得部３０では、ユーザによる入力インターフェース１ｃの操作によって、所定キーワードが入力された場合、所定キーワードに基づいて、データ処理装置１Ａ内の非特許文献データベース３９を検索することにより、非特許文献群が取得される。
【0168】
ここで、非特許文献データベース３９には、学術文献及び技術文献などの文献が多数含まれており、非特許文献群は、所定キーワードが文章又は図表などに含まれる非特許文献の集合として取得される。以下の説明では、所定キーワードが「ポリオキシエチレンジグリセリン飽和脂肪酸エステル」である場合を例にとって説明する。
【0169】
次いで、用語群取得部３１では、非特許文献群をデータマイニングすることにより、用語群が取得される。この用語群は、非特許文献群の文章などに含まれる用語のうち、出現頻度の高い方から順に所定順位までの用語の集合として取得される。
【0170】
次に、特許文献群取得部３２では、用語群に基づいて、特許文献データベース４０を検索することにより、特許文献群が取得される。この特許文献群は、用語群中の用語が請求項に含まれる特許文献の集合として取得される。
【0171】
さらに、特徴量データ作成部３３では、特許文献群及び用語群に基づいて、前述した図４の特徴量データの作成手法と同じ手法により、特徴量データ（図示せず）が作成される。
【0172】
また、学習データ作成部３４では、データ処理装置１Ａ内の地位概念データベース４１を参照することにより、学習データが作成される。ここで、地位概念データベース４１は、前述した地位概念データベース２１と同様に構成されており、学習データは、前述した図９の学習データと同様に作成される。
【0173】
次いで、モデル学習部３５では、以上のように作成された学習データを用いて、所定の学習アルゴリズム（例えば、Transformerの自然言語モデル）により、分類モデルである予測モデルの学習が実行される。
【0174】
次に、地位概念データ群作成部３６では、学習済みモデル及び特徴量データを用いて、地位概念データ群が作成される。この地位概念データ群は、図示しないが、前述した図１５の地位概念データ群と同様に作成される。すなわち、地位概念データ群は、用語ペアの用語を上位概念及び下位概念の関係に従うように並べた画像データとして作成される。
【0175】
そして、以上のように作成された地位概念データ群のデータが出力部３７からディスプレイ１ａに出力される（出力処理）。それにより、ディスプレイ１ａには、地位概念データ群が表示される（図示せず）。
【0176】
このよう地位概念データ群がディスプレイ１ａに表示されている状態で、ユーザが入力インターフェース１ｃを介して、地位概念データ群のいずれかの用語を選択した場合、図示しないが、その用語を含む非特許文献を表すデータ（非特許文献の名称又は番号）、及び、その用語を請求項に含む特許文献の番号の少なくとも一方が表示される。
【0177】
また、以上のデータ処理装置１Ａの要素３０～３７においては、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワード（例えば、ポリオキシエチレンジグリセリンステアリン酸エステル）が入力された場合、以下に述べるように各種処理が実行される。
【0178】
すなわち、非特許文献群取得部３０では、ユーザによる入力インターフェース１ｃの操作によって、第２所定キーワードが入力された場合、第２所定キーワードに基づいて、データ処理装置１Ａ内の非特許文献データベース３９を検索することにより、第２非特許文献群が取得される。
【0179】
次いで、用語群取得部３１では、非特許文献群及び第２非特許文献をデータマイニングすることにより、第２用語群が取得される（図示せず）。この第２用語群は、非特許文献群及び第２非特許文献群の文章などに含まれる用語のうち、出現頻度の高い方から順に所定順位までの用語の集合として取得される。
【0180】
次に、特許文献群取得部３２では、第２用語群に基づいて、特許文献データベース４０を検索することにより、第２特許文献群が取得される。この第２特許文献群は、第２用語群中の用語が請求項に含まれる特許文献の集合として取得される。
【0181】
さらに、特徴量データ作成部３３では、第２特許文献群及び第２用語群に基づいて、前述した特徴量データと同様に、第２特徴量データが作成される（図示せず）。
【0182】
また、学習データ作成部３４では、地位概念データベース４１を参照することにより、上記の第２特徴量データから、前述した学習データと同様に、第２学習データが作成される（図示せず）。
【0183】
次いで、モデル学習部３５では、以上のように作成された第２学習データを用いて、前述した所定の学習アルゴリズムにより、分類モデルである予測モデルの学習が実行される。それにより、第２学習済みモデルが作成される。
【0184】
さらに、地位概念データ群作成部３６では、第２学習済みモデル及び第２特徴量データを用いて、前述した地位概念データ群と同様に、第２地位概念データ群が作成される（図示せず）。
【0185】
そして、以上のように作成された第２地位概念データ群のデータが出力部１７からディスプレイ１ａに出力される（出力処理）。それにより、ディスプレイ１ａには、第２地位概念データ群が表示される（図示せず）。
【0186】
次に、本実施形態のデータ処理装置１Ａによって実行される各種演算処理について説明する。まず、図２４を参照しながら、学習済みモデル作成処理について説明する。この学習済みモデル作成処理は、以下に述べるように、学習済みモデルを作成するためのものであり、ユーザの入力インターフェース１ｃの操作により、前述した所定キーワードが入力されたときに実行される。
【0187】
この学習済みモデル作成処理では、まず、非特許文献群の取得処理が実行される（図２４／ＳＴＥＰ５１）。この取得処理では、前述したように、所定キーワードに基づいて、非特許文献データベース３９を検索することにより、非特許文献群が取得される（非特許文献群取得ステップ）。
【0188】
次いで、用語群の取得処理が実行される（図２４／ＳＴＥＰ５２）。この取得処理では、前述したように、非特許文献群をデータマイニングすることにより、用語群が取得される（用語群取得ステップ）。
【0189】
次に、特許文献の取得処理が実行される（図２４／ＳＴＥＰ５３）。この取得処理では、前述したように、用語群に基づいて、特許文献データベース４０を検索することにより、特許文献群が取得される（特許文献群取得ステップ）。
【0190】
次に、特徴量データの作成処理が実行される（図２４／ＳＴＥＰ５４）。この作成処理では、前述したように、特許文献群及び用語群に基づいて、特徴量データが作成される（特徴量データ作成ステップ）。
【0191】
この特徴量データの作成処理に続けて、学習データの作成処理が実行される（図２４／ＳＴＥＰ５５）。この作成処理では、前述したように、地位概念データベース４１を参照することにより、学習データが作成される（学習データ作成ステップ）。
【0192】
次いで、モデル学習処理が実行される（図２４／ＳＴＥＰ５６）。このモデル学習処理では、前述したように、学習データを用いて、所定の学習アルゴリズムにより、分類モデルである予測モデルの学習が実行される（モデル学習ステップ）。以上の処理が実行されることにより、学習済みモデルが作成される。
【0193】
次に、図２５を参照しながら、地位概念データ群処理について説明する。この地位概念データ群処理は、以下に述べるように、地位概念データ群を作成してディスプレイ１ａに表示するためのものであり、ユーザによる入力インターフェース１ｃの所定操作に伴って実行される。
【0194】
この地位概念データ群処理では、まず、地位概念データ群の作成処理が実行される（図２５／ＳＴＥＰ６０）。この作成処理では、前述したように、学習済みモデル及び特徴量データを用いて、地位概念データ群が作成される（地位概念データ群作成ステップ）。
【0195】
次いで、地位概念データ群の表示処理が実行される（図２５／ＳＴＥＰ６１）。この表示処理では、図示しないが、前述したように、地位概念データ群がディスプレイ１ａに表示される（出力ステップ）。
【0196】
次に、図２６を参照しながら、第２学習済みモデル作成処理について説明する。この第２学習済みモデル作成処理は、以下に述べるように、第２学習済みモデルを作成するためのものであり、ユーザの入力インターフェース１ｃの操作により、前述した第２所定キーワードが入力されたときに実行される。
【0197】
この第２学習済みモデル作成処理では、まず、第２非特許文献群の取得処理が実行される（図２６／ＳＴＥＰ７１）。この取得処理では、前述したように、第２所定キーワードに基づいて、非特許文献データベース３９を検索することにより、第２非特許文献群が取得される（非特許文献群取得ステップ）。
【0198】
次いで、第２用語群の取得処理が実行される（図２６／ＳＴＥＰ７２）。この取得処理では、前述したように、非特許文献及び第２非特許文献群をデータマイニングすることにより、第２用語群が取得される（用語群取得ステップ）。
【0199】
次に、第２特許文献群の取得処理が実行される（図２６／ＳＴＥＰ７３）。この取得処理では、前述したように、第２用語群に基づいて、特許文献データベース４０を検索することにより、第２特許文献群が取得される。
【0200】
さらに、第２特徴量データの作成処理が実行される（図２６／ＳＴＥＰ７４）。この作成処理では、前述したように、第２特許文献群及び第２用語群に基づいて、第２特徴量データが作成される（特徴量データ作成ステップ）。
【0201】
この第２特徴量データの作成処理に続けて、第２学習データの作成処理が実行される（図２６／ＳＴＥＰ７５）。この作成処理では、前述したように、地位概念データベース４１を参照することにより、第２特徴量データから第２学習データが作成される（学習データ作成ステップ）。
【0202】
次いで、第２モデル学習処理が実行される（図２６／ＳＴＥＰ７６）。この第２モデル学習処理では、前述したように、第２学習データを用いて、所定の学習アルゴリズムにより、予測モデルの学習が実行される（モデル学習ステップ）。以上の処理が実行されることにより、第２学習済みモデルが作成される。
【0203】
次に、図２７を参照しながら、第２地位概念データ群処理について説明する。この第２地位概念データ群処理は、以下に述べるように、第２地位概念データ群を作成してディスプレイ１ａに表示するためのものであり、ユーザによる入力インターフェース１ｃの所定操作に伴って実行される。
【0204】
この第２地位概念データ群処理では、まず、第２地位概念データ群の作成処理が実行される（図２７／ＳＴＥＰ８０）。この作成処理では、前述したように、第２学習済みモデル及び第２特徴量データを用いて、第２地位概念データ群が作成される（第２地位概念データ群作成ステップ）。
【0205】
次いで、第２地位概念データ群の表示処理が実行される（図２７／ＳＴＥＰ８１）。この表示処理では、前述したように、第２地位概念データ群（図示せず）がディスプレイ１ａに表示される（出力ステップ）。この場合、第２地位概念データ群に加えて、地位概念データ群が同時にディスプレイ１ａに表示されるように構成してもよい。
【0206】
以上のように、第２実施形態に係るデータ処理装置１Ａによれば、特徴量データの用語ペアにおける地位概念関係を表すラベルを特徴量データに付加したデータである学習データを用いて、分類モデルである予測モデルの学習が実行される。そして、特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの用語ペア間の上位概念及び下位概念の関係を表す地位概念データ群が作成される。
【0207】
ここで、特徴量データは、特許文献群の請求項に存在する用語群の用語のペアである用語ペアを含むものである。それにより、このような特徴量データを学習済みモデルに対して入力した場合、学習済みモデルの出力は、特徴量データの用語ペア間の上位概念及び下位概念の関係を適切に予測したものとなる。したがって、そのような予測モデルの出力を用いて地位概念データ群を作成することにより、この地位概念データ群を用語ペア間の上位概念及び下位概念の関係が適切に分類されたデータとして作成することができる。
【0208】
これに加えて、非特許文献のデータベースを検索することにより、非特許文献群が、所定キーワードが含まれる非特許文献の集合として取得され、非特許文献群をデータマイニングすることにより、非特許文献群における用語のうち、出現頻度の高い方から順に所定順位までの用語である用語群が取得され、用語群に基づいて、特許文献のデータベースを検索することにより、用語群が請求項に含まれる特許文献の集合である特許文献群が取得される。それにより、地位概念データ群を、特許文献の集合の請求項における用語間の上位概念及び下位概念の関係と、非特許文献における用語間の上位概念及び下位概念の関係とを適切に分類したデータとして作成することができる。
【0209】
さらに、地位概念データ群が、用語ペアの用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成され、ディスプレイ１ａに表示される。それにより、ユーザは、用語間の上位概念及び下位概念の関係を容易に把握することができる。また、ユーザによる入力インターフェース１ｃの操作により、地位概念データ群の用語が選択された際、その用語を含む非特許文献を表すデータ（非特許文献の名称又は番号）、及び／又は、その用語を請求項に含む特許文献の番号が表示される。それにより、ユーザは、用語ペアの地位概念関係に加えて、用語ペアの各々の用語が含まれる非特許文献を表すデータ、及び／又は、用語ペアの各々の用語が請求項に含まれる特許文献の番号をさらに把握することができる。
【0210】
さらに、第２学習済みモデル作成処理では、第２所定キーワードに基づいて、第２非特許文献群が取得され、非特許文献群及び第２非特許文献群をデータマイニングすることにより、第２用語群が取得され、第２用語群に基づいて、特許文献データベース４０を検索することにより、第２特許文献群が取得される。さらに、第２特許文献群及び第２用語群に基づいて、第２特徴量データが作成され、地位概念データベース４１を参照することにより、第２特徴量データから第２学習データが作成される。
【0211】
そして、この第２学習データを用いて予測モデルの学習が実行されることにより、第２学習済みモデルが作成され、第２学習済みモデル及び第２特徴量データを用いて、第２地位概念データ群が作成される。それにより、第２地位概念データ群を、地位概念データ群に対して、概念、性質及び分類のうちの少なくとも１つが類似した用語を含むように作成することができる。
【0212】
なお、第２実施形態は、データ処理装置をパーソナルコンピュータタイプのデータ処理装置１Ａで構成した例であるが、データ処理装置を、複数のパーソナルコンピュータ又は１つ以上のサーバ（この場合、サーバはクラウドサーバも含む）で構成してもよく、パーソナルコンピュータとサーバを組み合わせて構成してもよい。
【0213】
また、第２実施形態は、出力装置として、ディスプレイ１ａを用いた例であるが、本発明の出力装置は、これに限らず、データ処理装置からの地位概念データ群を出力できるものであればよい。例えば、データ処理装置がクラウドサーバである場合、クラウドサーバから出力された地位概念データ群を、通信網を介して受信して出力する端末装置（パーソナルコンピュータ又はプリンタなど）を出力装置として用いてもよい。
【0214】
さらに、第２実施形態は、用語群が請求項に含まれる特許文献の集合を特許文献群として取得した例であるが、これに代えて、用語群が特許文献内の請求項を含めた全文章のいずれかに含まれている特許文献の集合を特許文献群として取得してもよい。その場合には、特徴量データ及び学習データにおいて、請求項のデータが含まれないように構成してもよい。
【0215】
また、第２実施形態は、地位概念データ群を図１５と同様の２次元の画像データとした例であるが、地位概念データ群は、前述した図２２と同様の３次元で表された画像データとして作成されてもよく、表形式のデータとして作成されてもよい。
【0216】
さらに、地位概念データ群を作成する際、各用語について、名寄せ辞書(図示せず)を参照して名寄せ処理を実施した後、地位概念データ群を作成するようにしてもよい。
【0217】
一方、第２実施形態は、所定の学習アルゴリズムとして、Transformerの自然言語モデルを用いた例であるが、所定の学習アルゴリズムとして、Random Forest、XGBoost、サポートベクターマシン又はニューラルネットワークなどを用いてもよい。
【0218】
また、第２実施形態は、学習済みモデルとして、モデル学習部３５で学習を実行した予測モデルを用いた例であるが、これに代えて、汎用的な学習済みモデル（例えば、BERT：Bidirectional Encoder Representations from Transformers）を、ファインチューニングすることなくそのまま用いてもよい。
【0219】
さらに、学習済みモデルとして、転移学習により作成された学習済みモデルを用いてもよい。例えば、情報処理装置１Ａで作成された学習データが、サーバに送信され、サーバにおいてBERTなどの予測モデルの学習を実行することにより、学習済みモデルが作成されるとともに、その学習済みモデルが情報処理装置１Ａに送信されるように構成してもよい。その場合には、情報処理装置１Ａにおいて、特徴量データが作成される毎に、予測モデルの学習を実行することなく、特徴量データを学習済みモデルに入力することにより、地位概念データ群を作成すればよい。
【0220】
一方、第２実施形態の地位概念データ群作成部３６において、地位概念データ群が作成される毎に、この地位概念データ群における用語間の上位概念又は下位概念の関係を示すラベルを追加したデータを作成し、そのデータを図２３の２点鎖線で示すように、地位概念データベース４１に追加するように構成してもよい。このように構成した場合、そのようにデータ量が増加した地位概念データベースを用いて、学習データが作成されることにより、学習データによる予測モデルの学習効果をさらに向上させることができる。
【0221】
また、第２実施形態は、情報処理装置１Ａにおいて、特徴量データが作成される毎に、学習データを作成し、予測モデルの学習（追加学習）を実行した例であるが、これに代えて、予測モデルの学習をＭ（Ｍは１以上の整数）回分、実行した以降は、特徴量データが作成された際、予測モデルの学習を実行することなく、特徴量データを学習済みモデルに入力することにより、地位概念データ群を作成するように構成してもよい。例えば、所定キーワードで学習を１回実行した学習済みモデルに対して、前述した第２特徴量データを入力することにより、第２地位概念データを作成するように構成してもよい。
【0222】
さらに、第２実施形態は、学習データ作成部３４において学習データを作成した例であるが、これに代えて、ユーザが学習データを作成するように構成してもよい。
【0223】
また、第２実施形態は、所定キーワードとして「ポリオキシエチレンジグリセリン飽和脂肪酸エステル」を用いた例であるが、本発明の所定キーワードはこれに限らず、様々なキーワードが使用可能である。例えば、所定キーワードとして、シリコーン油などを用いてもよい。
【0224】
さらに、第２実施形態は、第２所定キーワードとして、「ポリオキシエチレンジグリセリンステアリン酸エステル」を用いた例であるが、本発明の第２所定キーワードは、これに限らず、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似であるものであればよい。例えば、「ポリオキシアルキレンポリグリセリルエーテル」が所定キーワードである場合には、「ポリオキシエチレンジグリセリルエーテル」を第２所定キーワードとして用いてもよい。
【0225】
また、第２実施形態は、データ処理装置１Ａ内に記憶されている非特許文献データベース３９から非特許文献群を取得した例であるが、例えば、非特許文献データベースがデータ処理装置１Ａ以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１Ａと演算処理装置間の通信により、演算処理装置内の非特許文献データベースから非特許文献群を取得するように構成してもよい。
【0226】
さらに、第２実施形態は、データ処理装置１Ａ内に記憶されている特許文献データベース４０から特許文献群を取得した例であるが、例えば、特許文献データベースがデータ処理装置１Ａ以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１Ａと演算処理装置間の通信により、演算処理装置内の特許文献データベースから特許文献群を取得するように構成してもよい。
【0227】
一方、第２実施形態は、データ処理装置１Ａ内に記憶されている地位概念データベース４１を用いて学習データを作成した例であるが、例えば、地位概念データベースがデータ処理装置１Ａ以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１Ａと演算処理装置間の通信により、演算処理装置内の地位概念データベースを用いて学習データを作成するように構成してもよい。
【0228】
一方、第２実施形態は、前述した地位概念データベース２１と同様の地位概念データベース４１を用いた例であるが、本発明の地位概念データベースは、これに限らず、用語ペア間の地位概念関係を表すものであればよい。例えば、地位概念データベースにおいて、用語１が用語２の上位概念であることを「＞」の記号で表し、用語１が用語２の下位概念であることを「＜」の記号で表すとともに、用語１と用語２が上位概念又は下位概念の関係にないことを「×」の記号で表してもよい。
【0229】
また、地位概念データベース４１において、用語１と用語２の関係を表すラベルとして、上位概念及び下位概念の関係をそれぞれ表す値「１」「０」のみが設定されているように構成してもよい。その場合には、学習データ作成部３４において、特徴量データの用語ペアが地位概念データベース４１に含まれていないときに、特徴量データの用語ペアにおける用語１と用語２の関係を表すラベルとして値「２」を設定するように構成すればよい。
【0230】
さらに、地位概念データベース４１において、用語１と用語２の関係を表すラベルとして、前述した上位概念の関係、下位概念の関係、及び、上位概念又は下位概念の関係にないことをそれぞれ表す値「１」「０」「２」以外に、等位概念を表すラベルとして、値「３」が設定されているように構成してもよい。その場合には、学習データ作成部３４において、学習データにおける用語ペアのラベルとして、「０」～「３」の値が設定されるように構成すればよい。
【0231】
次に、本発明の第３実施形態に係るデータ処理装置について説明する。本実施形態のデータ処理装置１Ｂ（図２８参照）は、図１のデータ処理装置１と同一のパーソナルコンピュータタイプのものであるので、以下、異なる点を中心に説明する。また、第１実施形態と同一の構成に対しては同じ符号を付すとともに、その説明を省略する。
【0232】
本実施形態のデータ処理装置１Ｂには、特許文献データベース５９、基礎用語データベース６０及び地位概念データベース６１（図２８参照）が記憶されている。これらのデータベース５９～６１の詳細については後述する。
【0233】
図２８に示すように、データ処理装置１Ｂは、特許文献群取得部５０、用語群取得部５１、基礎用語群取得部５２、特徴量データ作成部５３、学習データ作成部５４、モデル学習部５５、地位概念データ群作成部５６及び出力部５７としての機能を備えている。
【0234】
まず、特許文献群取得部５０では、ユーザによる入力インターフェース１ｃの操作によって、所定キーワードが入力された場合、所定キーワードに基づいて、データ処理装置１Ｂ内の特許文献データベース５９を検索することにより、特許文献群が取得される。
【0235】
ここで、特許文献データベース５９には、特許公報、特開公報及び実用新案登録公報などの請求項を含む文献が多数含まれており、特許文献群は、所定キーワードが請求項に含まれる特許文献の集合として取得される。以下の説明では、所定キーワードが「シリコーン油」である場合を例にとって説明する。
【0236】
次いで、用語群取得部５１では、特許文献群をデータマイニングすることにより、図２９に示すような用語群が取得される。この用語群は、特許文献群の請求項に含まれる用語のうち、出現頻度の高い方から順に所定順位までの用語の集合として取得される。
【0237】
次に、基礎用語群取得部５２では、基礎用語データベース６０を参照することにより、図３０に示す基礎用語群が用語群から取得される。ここで、基礎用語データベース６０には、シリコーン油を含む各種物質の原料を表す基礎用語が含まれており、基礎用語群は、基礎用語データベース６０に含まれている基礎用語を用語群から抜き出すことによって取得される。
【0238】
さらに、特徴量データ作成部５３では、図３１に示す特徴量データが基礎用語群及び用語群から作成される。図３１に示すように、特徴量データは、選択用語１及び選択用語２からなる選択用語ペアを含むように作成される。これらの選択用語ペアは、基礎用語群から抜きだした１つの基礎用語と、基礎用語群から抜きだした他の１つの基礎用語又は用語群から抜きだした１つの用語とを、選択用語１及び選択用語２として組み合わせたものに相当する。なお、図３１のデータでは、出願番号及び請求項のデータの具体的な表示が省略されており、この点は、後述する図３２においても同様である。
【0239】
また、学習データ作成部５４では、データ処理装置１Ｂ内の地位概念データベース６１を用いて、図３１に示す特徴量データから図３２に示す学習データが作成される。ここで、地位概念データベース６１は、図３３に示すように、選択用語ペアの間の上位概念及び下位概念の関係などの地位概念関係を定義したものである。
【0240】
図３３において、ラベルの値は、選択用語ペア間の地位概念関係を表しており、具体的には、ラベルの値が「１」であることは、選択用語１が選択用語２の上位概念であることを表している。また、ラベルの値が「０」であることは、選択用語１が選択用語２の下位概念であることを表しており、選択用語１と選択用語２が上位概念及び下位概念の関係にないことを表している。
【0241】
【0242】
次いで、モデル学習部５５では、以上のように作成された学習データを用いて、所定の学習アルゴリズム（例えば、Transformerの自然言語モデル）により、分類モデルである予測モデルの学習が実行される。
【0243】
次に、地位概念データ群作成部５６では、学習済みモデル及び特徴量データを用いて、地位概念データ群が作成される。この地位概念データ群は、図３４に示すように、前述した選択用語ペアの選択用語を上位概念及び下位概念の関係に従うように並べたツリー状の画像データであり、以下に述べる手法により作成される。
【0244】
すなわち、地位概念データ群作成部５６では、特徴量データを学習済みモデルに入力したときの学習済みモデルの出力のラベルの値に基づいて、選択用語ペア間の地位概念関係が判定されるとともに、その判定結果に基づいて、選択用語ペアを並べることにより、地位概念データ群が作成される。
【0245】
例えば、特徴量データの選択用語１と選択用語２が「シリコーン油」及び「シクロメチコン」の場合には、学習済みモデルの出力が「１」となり、図３４に示すように、上位概念である選択用語「シリコーン油」に下位概念である選択用語「シクロメチコン」がぶら下がる状態で、地位概念データ群が作成される。
【0246】
また、選択用語１と選択用語２が「シクロメチコン」及び「シクロペンタシロキサン」の場合には、学習済みモデルの出力が「１」となり、図３４に示すように、上位概念である選択用語「シクロメチコン」に下位概念である選択用語「シクロペンタシロキサン」がぶら下がる状態で、地位概念データ群が作成される。以上の処理を継続して実行することにより、図３４に示す地位概念データ群が最終的に作成される。
【0247】
そして、以上のように作成された地位概念データ群のデータが出力部５７からディスプレイ１ａに出力される（出力処理）。それにより、ディスプレイ１ａには、地位概念データ群が図３４に示す状態で表示される。
【0248】
このよう地位概念データ群がディスプレイ１ａに表示されている状態で、ユーザが入力インターフェース１ｃを介して、地位概念データ群における選択用語のうち、いずれかの基礎用語を選択した場合、その基礎用語の基礎用語番号が表示される。例えば、図３５に示すように、基礎用語「ジメチコン」が選択された場合には、３つの基礎用語番号Ｂ００２，Ｂ００３，Ｂ００４が表示される。
【0249】
これらの基礎用語番号Ｂ００２～Ｂ００４は、図３７のデータベースに示すように、基礎用語の製品名とリンク付けされた状態でデータベース化されている。それにより、ユーザは、図３７を参照することによって、基礎用語「ジメチコン」の製品名「シリコーンＸＸＸＸＸ」，「シリコーンＫＫＫＫＫ」，「シリコーンＳＳＳＳＳ」を把握することができる。
【0250】
この場合、基礎用語番号Ｂ００２～Ｂ００４がディスプレイ１ａに表示されている状態で、基礎用語番号Ｂ００２～Ｂ００４のいずれかが選択された際に、選択された基礎用語番号に対応して、図３７に記載されている製品名が表示されるように構成してもよく、図３７のデータベースが別画面でディスプレイ１ａに表示されるように構成してもよい。また、地位概念データ群のいずれかの基礎用語が選択された際、基礎用語番号に代えて又は加えて、基礎用語が含まれている特許文献の番号がディスプレイ１ａに表示されるように構成してもよい。
【0251】
また、図３６に示すように、基礎用語「シクロメチコン」がクリックされた場合には、下位概念の基礎用語「シクロペンタシロキサン」の基礎用語番号（Ｂ００１，Ｂ００３）が表示されるとともに、下位概念の基礎用語「シクロヘキサシロキサン」の基礎用語番号（Ｂ００９）が表示される。それにより、ユーザは、前述した図３７のデータベースを参照することによって、基礎用語「シクロペンタシロキサン」及び基礎用語「シクロヘキサシロキサン」の製品名を把握することができる。
【0252】
また、以上のデータ処理装置１Ｂの要素５０～５７においては、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似である第２所定キーワード（例えば、フェニルトリメチコン）が入力された場合、以下に述べるように各種処理が実行される。
【0253】
すなわち、特許文献群取得部５０では、ユーザによる入力インターフェース１ｃの操作によって、第２所定キーワードが入力された場合、第２所定キーワードに基づいて、データ処理装置１Ｂ内の特許文献データベース５９を検索することにより、第２特許文献群が取得される。
【0254】
次いで、用語群取得部５１では、特許文献群及び第２特許文献をデータマイニングすることにより、第２用語群が取得される（図示せず）。この第２用語群は、特許文献群及び第２特許文献群の請求項における用語のうち、出現頻度の高い方から順に所定順位までの用語の集合として取得される。
【0255】
次に、基礎用語群取得部５２では、基礎用語データベース６０を参照し、基礎用語データベース６０に含まれている基礎用語を第２用語群から抜き出すことによって、第２基礎用語群が取得される（図示せず）。
【0256】
さらに、特徴量データ作成部５３では、第２用語群及び第２基礎用語群に基づいて、前述した図３１の特徴量データと同様に、第２特徴量データが作成される（図示せず）。
【0257】
また、学習データ作成部５４では、前述した地位概念データベース６１を参照することにより、上記の第２特徴量データから、前述した図３２の学習データと同様に、第２学習データが作成される（図示せず）。
【0258】
次いで、モデル学習部５５では、以上のように作成された第２学習データを用いて、前述した所定の学習アルゴリズムにより、分類モデルである予測モデルの学習が実行される。以下、第２学習データを用いた学習を実行済みの予測モデルを「第２学習済みモデル」という。
【0259】
さらに、地位概念データ群作成部５６では、第２学習済みモデル及び第２特徴量データを用いて、前述した図３４の地位概念データ群と同様に、第２地位概念データ群が作成される（図示せず）。
【0260】
そして、以上のように作成された第２地位概念データ群のデータが出力部５７からディスプレイ１ａに出力される（出力処理）。それにより、ディスプレイ１ａには、第２地位概念データ群が表示される（図示せず）。
【0261】
次に、本実施形態のデータ処理装置１Ｂによって実行される各種演算処理について説明する。まず、図３８を参照しながら、学習済みモデル作成処理について説明する。この学習済みモデル作成処理は、以下に述べるように、学習済みモデルを作成するためのものであり、ユーザの入力インターフェース１ｃの操作により、前述した所定キーワードが入力されたときに実行される。
【0262】
この学習済みモデル作成処理では、まず、特許文献群の取得処理が実行される（図３８／ＳＴＥＰ９１）。この取得処理では、前述したように、所定キーワードに基づいて、特許文献データベース５９を検索することにより、特許文献群が取得される（特許文献群取得ステップ）。
【0263】
次いで、用語群の取得処理が実行される（図３８／ＳＴＥＰ９２）。この取得処理では、前述したように、特許文献群をデータマイニングすることにより、用語群が取得される（用語群取得ステップ）。
【0264】
次に、基礎用語群の取得処理が実行される（図３８／ＳＴＥＰ９３）。この取得処理では、前述したように、基礎用語データベース６０を参照することにより、基礎用語群が用語群から取得される（基礎用語群取得ステップ）。
【0265】
さらに、特徴量データの作成処理が実行される（図３８／ＳＴＥＰ９４）。この作成処理では、前述したように、特徴量データが用語群及び基礎用語群から作成される（特徴量データ作成ステップ）。
【0266】
この特徴量データの作成処理に続けて、学習データの作成処理が実行される（図３８／ＳＴＥＰ９５）。この作成処理では、前述したように、地位概念データベース６１を参照することにより、学習データが作成される（学習データ作成ステップ）。
【0267】
次いで、モデル学習処理が実行される（図３８／ＳＴＥＰ９６）。このモデル学習処理では、前述したように、学習データを用いて、所定の学習アルゴリズムにより、分類モデルである予測モデルの学習が実行される（モデル学習ステップ）。以上の処理が実行されることにより、学習済みモデルが作成される。
【0268】
次に、図３９を参照しながら、地位概念データ群処理について説明する。この地位概念データ群処理は、以下に述べるように、地位概念データ群を作成してディスプレイ１ａに表示するためのものであり、ユーザによる入力インターフェース１ｃの所定操作に伴って実行される。
【0269】
この地位概念データ群処理では、まず、地位概念データ群の作成処理が実行される（図３９／ＳＴＥＰ１００）。この作成処理では、前述したように、学習済みモデル及び特徴量データを用いて、地位概念データ群が作成される（地位概念データ群作成ステップ）。
【0270】
次いで、地位概念データ群の表示処理が実行される（図３９／ＳＴＥＰ１０１）。この表示処理では、図示しないが、前述したように、地位概念データ群がディスプレイ１ａに表示される（出力ステップ）。
【0271】
次に、図４０を参照しながら、第２学習済みモデル作成処理について説明する。この第２学習済みモデル作成処理は、前述した第２学習済みモデルを作成するためのものであり、ユーザの入力インターフェース１ｃの操作により、前述した第２所定キーワードが入力されたときに実行される。
【0272】
この第２学習済みモデル作成処理では、まず、第２特許文献群の取得処理が実行される（図４０／ＳＴＥＰ１１１）。この取得処理では、前述したように、第２所定キーワードに基づいて、特許文献データベース５９を検索することにより、第２特許文献群が取得される（特許文献群取得ステップ）。
【0273】
次いで、第２用語群の取得処理が実行される（図４０／ＳＴＥＰ１１２）。この取得処理では、前述したように、特許文献及び第２特許文献群をデータマイニングすることにより、第２用語群が取得される（用語群取得ステップ）。
【0274】
さらに、第２基礎用語群の取得処理が実行される（図４０／ＳＴＥＰ１１３）。この取得処理では、前述したように、基礎用語データベース６０を参照し、基礎用語データベース６０に含まれている基礎用語を第２用語群から抜き出すことによって、第２基礎用語群が取得される。
【0275】
次に、第２特徴量データの作成処理が実行される（図４０／ＳＴＥＰ１１４）。この作成処理では、前述したように、第２用語群及び第２基礎用語群に基づいて、第２特徴量データが作成される（特徴量データ作成ステップ）。
【0276】
この第２特徴量データの作成処理に続けて、第２学習データの作成処理が実行される（図４０／ＳＴＥＰ１１５）。この作成処理では、前述したように、地位概念データベース６１を参照することにより、第２特徴量データから第２学習データが作成される（学習データ作成ステップ）。
【0277】
次いで、第２モデル学習処理が実行される（図４０／ＳＴＥＰ１１６）。この第２モデル学習処理では、前述したように、第２学習データを用いて、所定の学習アルゴリズムにより、分類モデルである予測モデルの学習が実行される（モデル学習ステップ）。以上の処理が実行されることにより、第２学習済みモデルが作成される。
【0278】
次に、図４１を参照しながら、第２地位概念データ群処理について説明する。この第２地位概念データ群処理は、以下に述べるように、第２地位概念データ群を作成してディスプレイ１ａに表示するためのものであり、ユーザによる入力インターフェース１ｃの所定操作に伴って実行される。
【0279】
この第２地位概念データ群処理では、まず、第２地位概念データ群の作成処理が実行される（図４１／ＳＴＥＰ１２０）。この作成処理では、前述したように、第２学習済みモデル及び第２特徴量データを用いて、第２地位概念データ群が作成される（第２地位概念データ群作成ステップ）。
【0280】
次いで、第２地位概念データ群の表示処理が実行される（図４１／ＳＴＥＰ１２１）。この表示処理では、前述したように、第２地位概念データ群（図示せず）がディスプレイ１ａに表示される（出力ステップ）。
【0281】
以上のように、第３実施形態に係るデータ処理装置１Ｂによれば、特徴量データの選択用語ペアにおける地位概念関係を表すラベルを特徴量データに付加したデータである学習データを用いて、分類モデルである予測モデルの学習が実行される。そして、特徴量データを学習済みモデルに入力したときの学習済みモデルの出力を用いて、特徴量データの選択用語ペアの地位概念関係を定義した地位概念データ群が作成される。
【0282】
ここで、特徴量データは、基礎用語群に含まれる基礎用語と、基礎用語群に含まれる他の基礎用語又は用語群に含まれる用語とのペアである選択用語ペアを含むものである。それにより、このような特徴量データを学習済みモデルに対して入力した場合、学習済みモデルの出力は、特徴量データの選択用語ペアの地位概念関係を適切に予測したものとなる。したがって、そのような予測モデルの出力を用いて地位概念データ群を作成することにより、地位概念データ群を選択用語ペアの地位概念関係が適切に分類されたデータとして作成することができる。
【0283】
さらに、地位概念データ群が、選択用語ペアの選択用語を上位概念及び下位概念の関係に従うように並べたツリー状の図形データとして作成され、ディスプレイ１ａに表示される。それにより、ユーザは、選択用語間の地位概念関係を容易に把握することができる。また、ユーザによる入力インターフェース１ｃの操作により、地位概念データ群の選択用語における基礎用語がクリックされた際、その基礎用語の製品名とリンク付けされた基礎用語番号が表示される。それにより、ユーザは、選択用語間の地位概念関係に加えて、基礎用語の製品名をさらに把握することができる。
【0284】
一方、第２学習済みモデル作成処理では、第２所定キーワードに基づいて、第２特許文献群が取得され、特許文献群及び第２特許文献群をデータマイニングすることにより、第２用語群が取得され、基礎用語データベース６０を参照することにより、第２用語群から第２基礎用語群が取得される。さらに、第２用語群及び第２基礎用語群に基づいて、第２特徴量データが作成され、地位概念データベース６１を参照することにより、第２特徴量データから第２学習データが作成される。そして、この第２学習データを用いて予測モデルの学習が実行されることにより、第２学習済みモデルが作成されるとともに、第２学習済みモデル及び第２特徴量データを用いて、第２地位概念データ群が作成される。それにより、第２地位概念データ群を、地位概念データ群に対して、概念、性質及び分類のうちの少なくとも１つが類似した用語を含むように作成することができる。
【0285】
なお、第３実施形態は、データ処理装置をパーソナルコンピュータタイプのデータ処理装置１Ｂで構成した例であるが、データ処理装置を、複数のパーソナルコンピュータ又は１つ以上のサーバ（この場合、サーバはクラウドサーバも含む）で構成してもよく、パーソナルコンピュータとサーバを組み合わせて構成してもよい。
【0286】
また、第３実施形態は、出力装置として、ディスプレイ１ａを用いた例であるが、本発明の出力装置は、これに限らず、データ処理装置からの地位概念データ群を出力できるものであればよい。例えば、データ処理装置がクラウドサーバである場合、クラウドサーバから出力された地位概念データ群を、通信網を介して受信して出力する端末装置（パーソナルコンピュータ又はプリンタなど）を出力装置として用いてもよい。
【0287】
さらに、第３実施形態は、用語群が請求項に含まれる特許文献の集合を特許文献群として取得した例であるが、これに代えて、用語群が特許文献内の請求項を含めた全文章のいずれかに含まれている特許文献の集合を特許文献群として取得してもよい。その場合には、特徴量データ及び学習データにおいて、請求項のデータが含まれないように構成してもよい。
【0288】
さらに、第３実施形態は、地位概念データ群を図３４に示す２次元の画像データとした例であるが、地位概念データ群は、前述した図２２と同様の３次元で表された画像データとして作成されてもよく、表形式のデータとして作成されてもよい。
【0289】
さらに、地位概念データ群を作成する際、各用語について、名寄せ辞書(図示せず)を参照して名寄せ処理を実施した後、地位概念データ群を作成するようにしてもよい。
【0290】
また、第３実施形態は、基礎用語として、所定物質の原料を表す用語を用いた例であるが、本発明の基礎用語は、これに限らず、所定物質の原料、部品及び材質のいずれかを表す用語であればよい。例えば、基礎用語として、金属の材質などを用いてもよい。
【0291】
さらに、第３実施形態は、基礎用語の製品情報として、基礎用語の製品名を用いた例であるが、これに代えて、基礎用語の製品情報として、基礎用語の製品番号を用いてもよい。
【0292】
一方、第３実施形態は、所定の学習アルゴリズムとして、Transformerの自然言語モデルを用いた例であるが、所定の学習アルゴリズムとして、Random Forest、XGBoost、サポートベクターマシン又はニューラルネットワークなどを用いてもよい。
【0293】
また、第３実施形態は、学習済みモデルとして、モデル学習部５５で学習を実行した予測モデルを用いた例であるが、これに代えて、汎用的な学習済みモデル（例えば、BERT：Bidirectional Encoder Representations from Transformers）を、ファインチューニングすることなくそのまま用いてもよい。
【0294】
さらに、学習済みモデルとして、転移学習により作成された学習済みモデルを用いてもよい。例えば、情報処理装置１Ｂで作成された学習データが、サーバに送信され、サーバにおいてBERTなどの予測モデルの学習を実行することにより、学習済みモデルが作成されるとともに、その学習済みモデルが情報処理装置１Ｂに送信されるように構成してもよい。その場合には、情報処理装置１Ｂにおいて、特徴量データが作成される毎に、予測モデルの学習を実行することなく、特徴量データを学習済みモデルに入力することにより、地位概念データ群を作成すればよい。
【0295】
一方、第３実施形態の地位概念データ群作成部５６において地位概念データ群が作成される毎に、以下に述べるように、基礎用語データベース６０及び地位概念データベース６１に対して、データの追加を実行してもよい。すなわち、地位概念データ群における選択用語において、その選択用語が基礎用語データベース６０に含まれていない場合には、その選択用語が基礎用語データベース６０に追加されるように構成してもよい。このように構成した場合、データ量が増加した基礎用語データベース６０を用いて、特徴量データが作成されることにより、地位概念データ群のデータ量を増大させることができる。
【0296】
また、地位概念データ群における選択用語間の上位概念又は下位概念の関係を示すラベルを追加したデータを作成し、そのデータが地位概念データベース６１に含まれていない場合には、図２８の２点鎖線で示すように、地位概念データベース６１に追加するように構成してもよい。このように構成した場合、データ量が増加した地位概念データベースを用いて、学習データが作成されることにより、学習データによる予測モデルの学習効果をさらに向上させることができる。
【0297】
また、第３実施形態は、情報処理装置１Ｂにおいて、特徴量データが作成される毎に、学習データを作成し、予測モデルの学習（追加学習）を実行した例であるが、これに代えて、予測モデルの学習をＭ（Ｍは１以上の整数）回分、実行した以降は、特徴量データが作成された際、予測モデルの学習を実行することなく、特徴量データを学習済みモデルに入力することにより、地位概念データ群を作成するように構成してもよい。例えば、所定キーワードで学習を１回実行した学習済みモデルに対して、前述した第２特徴量データを入力することにより、第２地位概念データを作成するように構成してもよい。
【0298】
さらに、第３実施形態は、学習データ作成部５４において学習データを作成した例であるが、これに代えて、ユーザが学習データを作成するように構成してもよい。
【0299】
また、第３実施形態は、所定キーワードとして「シリコーン油」を用いた例であるが、本発明の所定キーワードはこれに限らず、様々なキーワードが使用可能である。例えば、所定キーワードとして、バラエキスなどを用いてもよい。
【0300】
さらに、第３実施形態は、第２所定キーワードとして、「フェニルトリメチコン」を用いた例であるが、本発明の第２所定キーワードは、これに限らず、所定キーワードに対して概念、性質及び分類のうちの少なくとも１つが類似であるものであればよい。例えば、「界面活性剤」が所定キーワードである場合には、「粘度調整剤」を第２所定キーワードとして用いてもよい。
【0301】
また、第３実施形態は、データ処理装置１Ｂ内に記憶されている特許文献データベース５９から特許文献群を取得した例であるが、例えば、特許文献データベースがデータ処理装置１Ｂ以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１Ｂと演算処理装置間の通信により、演算処理装置内の特許文献データベースから特許文献群を取得するように構成してもよい。
【0302】
さらに、第３実施形態は、データ処理装置１Ｂ内に記憶されている基礎用語データベース６０から基礎用語群を取得した例であるが、例えば、基礎用語データベースがデータ処理装置１Ｂ以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１Ｂと演算処理装置間の通信により、演算処理装置内の基礎用語データベースから基礎用語群を取得するように構成してもよい。
【0303】
一方、第３実施形態は、データ処理装置１Ｂ内に記憶されている地位概念データベース６１を用いて学習データを作成した例であるが、例えば、地位概念データベースがデータ処理装置１Ｂ以外のサーバなどの演算処理装置に記憶されている場合には、データ処理装置１Ｂと演算処理装置間の通信により、演算処理装置内の地位概念データベースを用いて学習データを作成するように構成してもよい。
【0304】
一方、第３実施形態は、図３３に示す地位概念データベース６１を用いた例であるが、本発明の地位概念データベースは、これに限らず、選択用語ペア間の地位概念関係を表すものであればよい。例えば、地位概念データベースにおいて、選択用語１が選択用語２の上位概念であることを「＞」の記号で表し、選択用語１が用語２の下位概念であることを「＜」の記号で表すとともに、選択用語１と用語２が上位概念又は下位概念の関係にないことを「×」の記号で表してもよい。
【0305】
また、地位概念データベース６１において、選択用語１と選択用語２の関係を表すラベルとして、上位概念及び下位概念の関係をそれぞれ表す値「１」「０」のみが設定されているように構成してもよい。その場合には、学習データ作成部５４において、特徴量データの選択用語ペアが地位概念データベース６１に含まれていないときに、特徴量データの選択用語ペアにおける選択用語１と選択用語２の関係を表すラベルとして値「２」を設定するように構成すればよい。
【0306】
さらに、地位概念データベース６１において、選択用語１と選択用語２の関係を表すラベルとして、前述した上位概念の関係、下位概念の関係、及び、上位概念又は下位概念の関係にないことをそれぞれ表す値「１」「０」「２」以外に、等位概念を表すラベルとして、値「３」が設定されているように構成してもよい。その場合には、学習データ作成部３４において、学習データにおける選択用語ペアのラベルとして、「０」～「３」の値が設定されるように構成すればよい。
【符号の説明】
【0307】
１ データ処理装置
１ａ ディスプレイ（出力装置）
１１ 特許文献群取得部
１２ 用語群取得部
１３ 特徴量データ作成部
１４ 学習データ作成部
１５ モデル学習部（モデル記憶部）
１６ 地位概念データ群作成部
１７ 出力部
１８ 平均値算出部
２０ 特許文献データベース
２１ 地位概念データベース
１Ａ データ処理装置
３０ 非特許文献群取得部
３１ 用語群取得部
３２ 特許文献群取得部
３３ 特徴量データ作成部
３４ 学習データ作成部
３５ モデル学習部
３６ 地位概念データ群作成部
３７ 出力部
３９ 非特許文献データベース
４０ 特許文献データベース
４１ 地位概念データベース
１Ｂ データ処理装置
５０ 特許文献群取得部
５１ 用語群取得部
５２ 基礎用語群取得部
５３ 特徴量データ作成部
５４ 学習データ作成部
５５ モデル学習部
５６ 地位概念データ群作成部
５７ 出力部
５９ 特許文献データベース
６０ 基礎用語データベース
６１ 地位概念データベース
１ａ ディスプレイ（出力装置）
１１ 特許文献群取得部
１２ 用語群取得部
１３ 特徴量データ作成部
１４ 学習データ作成部
１５ モデル学習部（モデル記憶部）
１６ 地位概念データ群作成部
１７ 出力部
１８ 平均値算出部
２０ 特許文献データベース
２１ 地位概念データベース
１Ａ データ処理装置
３０ 非特許文献群取得部
３１ 用語群取得部
３２ 特許文献群取得部
３３ 特徴量データ作成部
３４ 学習データ作成部
３５ モデル学習部
３６ 地位概念データ群作成部
３７ 出力部
３９ 非特許文献データベース
４０ 特許文献データベース
４１ 地位概念データベース
１Ｂ データ処理装置
５０ 特許文献群取得部
５１ 用語群取得部
５２ 基礎用語群取得部
５３ 特徴量データ作成部
５４ 学習データ作成部
５５ モデル学習部
５６ 地位概念データ群作成部
５７ 出力部
５９ 特許文献データベース
６０ 基礎用語データベース
６１ 地位概念データベース
【要約】
【課題】特許文献の集合における用語間の地位概念関係が適切に分類されたデータを作成してユーザに提供することができるデータ処理システムなどを提供する。
【解決手段】データ処理装置１では、所定キーワードが含まれる特許文献群が取得され、特許文献群における用語の集合である用語群が取得され、用語ペアなどを含む特徴量データが作成され、地位概念関係を表すラベルを特徴量データに付加したデータである学習データが作成され、学習データを用いて、予測モデルの学習が実行され、特徴量データを学習が終了した予測モデルに入力したときの予測モデルの出力を用いて、地位概念データ群が作成され、地位概念データ群がディスプレイ１ａに表示される。
【選択図】図１６
【解決手段】データ処理装置１では、所定キーワードが含まれる特許文献群が取得され、特許文献群における用語の集合である用語群が取得され、用語ペアなどを含む特徴量データが作成され、地位概念関係を表すラベルを特徴量データに付加したデータである学習データが作成され、学習データを用いて、予測モデルの学習が実行され、特徴量データを学習が終了した予測モデルに入力したときの予測モデルの出力を用いて、地位概念データ群が作成され、地位概念データ群がディスプレイ１ａに表示される。
【選択図】図１６
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15A】
【図15B】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図31】
【図32】
【図33】
【図34】
【図35】
【図36】
【図37】
【図38】
【図39】
【図40】
【図41】