*パテントメトリクスとは、例えば、クレーム数等の特許明細書の構造的、言語的な特徴を示す属性です。



予めユーザが人手で評価した複数の特許公報(特許明細書)に対して、評価ツールが、自然言語処理し、 約50種類のパテントメトリクスと呼ばれる属性値を取得します。 そして、パテントメトリクスを、各特許公報の評価結果と対応付けて学習します。 次に、評価したい特許明細書を評価ツールにかけると、評価ツールは、上記と同じパテントメトリクスを取得します。 そして、上記の学習結果を利用して、各特許公報との関連度等から、評価したい特許明細書の価値、品質を算出します。
特許明細書の評価結果が存在する場合に有効です。 特許明細書を数値により客観的に評価することができるため、特許事務所の評価等に利用できます。 特に、SVMを利用していることで、より客観的で精度の高い評価が得られます。

ValueAnalyst-SVMには、教師有り学習のアルゴリズムの一つであるSVMを採用。 SVMが、各パテントメトリクスの品質への寄与度を判断し、この寄与度を考慮して、特許明細書を評価します。

自然言語処理技術により、品質評価においてキーとなるパテントメトリクスを、特許明細書から自動抽出します。 そして、抽出したパテントメトリクスを、特許明細書の品質特性ごとに設定されている算出式に代入し、 特許明細書の評価結果を数値化して出力します。
特許明細書の品質評価の方針が決まっている場合に有効です。 特許明細書を数値評価できるため、特許事務所の評価等に利用できます。 また、自社で重点的にチェックしたい項目の重み付けを高くしたり、出力形式をカスタマイズすることで、 出願前の明細書の品質チェック等にも利用可能です。



各評価ツールは、デフォルトでは、発明本質抽出性、発明展開性、強靱性、実施可能担保性についての評価を行います。



各評価ツールが明細書の解析時に利用するパテントメトリクスはカスタマイズ可能。
デフォルトでは、請求項数や、請求項の階層構造の深さ等の約50種類のパテントメトリクスが用意されています。