研究課題/領域番号 |
21K13354
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分07080:経営学関連
|
研究機関 | 愛知工業大学 |
研究代表者 |
福澤 和久 愛知工業大学, 経営学部, 講師 (20847313)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
キーワード | ビッグデータ / 知財 / BERT / 大規模言語モデル / LLM / 特許 / Patent / Intellectual Property / 知的財産 / 機械学習 / コア技術 / AI / 製造業 / データサイエンス |
研究開始時の研究の概要 |
知的財産(以下、知財とする)は製造業において自社の生命線ともいえる重要な無形資産である。しかし特に中小企業においては、ヒト・モノ・カネ・情報といった経営資源の制約が多く、如何にして知財を戦略的かつ有効に活用するかを検討することは難しい。製造業では自社の強みを生かして事業を展開する「コア技術戦略」が強力な技術経営戦略であるが、中小企業では自社のコア技術をどのように他製品・異業種分野へ展開するか、あるいはそれ以前に自社のコア技術が一体何であるのかをきちんと把握できている企業は少ない。 本研究は独自に構築した知財ビッグデータを用いて、製造業における潜在的コア技術の発掘をおこなうことを目的としている。
|
研究実績の概要 |
本研究は独自に構築した知財ビッグデータを用いて、製造業における潜在的コア技術の発掘をおこなうことを目的としている。1年目の進捗が遅れていたため,2年目も引き続き、①「従来解析従来手法(明細書の数量データやカテゴリデータを用いた分析)」と②「拡張構造化データ解析(機械学習を用いた自然言語処理による 潜在的意味解釈を、請求項や実施例などといった明細書内の文書に対して行う解析)」を用いたコア技術の発掘を行うという計画とし,研究を遂行した. 研究成果の一部は,2023年3月18日から20日に開催された国際会議「IABE 2023 Orlando Conference」において「Identification of Potential Core Technologies Using Intellectual Property Big Data in Manufacturing Companies」として発表を行った.本発表では,複数の事業や産業で応用・展開可能な技術を「コア技術」と定義し,。特許のビッグデータを用いて、製造業における潜在的なコア技術を発見する手法を提案した.本提案では,その諸段階の実験として,大規模言語モデル(LLM)であるBERTを利用し,特許文書における技術分野の種別を表す「IPC分類」ができるかどうかを試みた.その結果,分類の精度は約74%であり、高いとは言えないが,今後の研究のポテンシャルを示す結果であるといえる. また,副次的な成果として2023年3月3日から5日に開催された「日本生産管理学会 第57回全国大会 」において「多品種・大量・高頻度なデータの収集および有効活用に関する一考察」を発表した.ビッグデータの適切な管理方法に関する理論の構築を試みた.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
②「拡張構造化データ解析(機械学習を用いた自然言語処理による潜在的意味解釈を、請求項や実施例などといった明細書内の文書に対して行う解析)」を用いたコア技術の発掘の一部を達成することができた.また,従来から用いる計画のあった自然言語を用いた解析の一部を行うことができた.しかしながら口頭発表のみであり,論文投稿には至っていない.技術的な困難により当初の予想よりも研究支援者の支援が十分に得られず,当初の計画よりもやや遅れる形となった.
|
今後の研究の推進方策 |
①「従来解析」と②「拡張構造化データ解析」および③「図面解析(特明細書の図面に対して行う解析)」を組み合わせ画像解析と評価を行う。自然言語処理による解析および図面解析は、引き続き機械学習を用いた解析技術に十分な見識のある,愛知工業大学 野中尋史准教授の助言を受けながら研究を推進する.
|