予測モデル選択

AI分類予測で使用する予め教師データを設定した作業グループを予測モデルとして選択することできます。

＜予測モデルの選択＞

AI分類予測の「予測モデル選択」をクリック

AI分類予測で使用する作業グループを選択できます。

予め教師データをセットした複数の作業グループの中から、

「メイン」と「プレ」の２つの予測モデルをセットすることで、同時に２つの異なる観点で、予測を結果表示させることが可能です。

メイン＝AIラベル　　 予測モデルの予測結果

プレ  ＝プレAIラベル　プレ予測モデルの予測結果

予測モデル選択画面にある「新規モデル作成」を選択すると、新たな作業グループの作成を行うこともできます。

[２つの異なる観点で実行した、AI分類予測結果イメージ]

• Related Articles

• 番号リストで分類予測

  特定の検索結果の番号リストを用いてAI分類予測を行うことができます。 ＜番号リストで分類予測する方法＞ AI分類予測の「番号リストで分類予測｣をクリック 【2値分類】　番号リストで分類予測方法 2値分類用の教師データの入力後、右上部の「番号リストで分類予測」のボタンを選択し｢教師データ設定｣を表示させます。 ※｢教師データ設定｣が表示されている場合は、そのまま下記に進んでください。 「ファイルから読み込み」で、例えばSDIの新着公報のCSVファイルを読み込みます。 ...

• 検索結果一覧画面と公報の詳細ページでAIスコア（AI予測スコア）が異なる

  AI分類予測は母集団によって相対的にAIスコアが変化します。 検索結果一覧画面ではヒットした出願を母集団として各特許にAIスコアが付与されますが、公報詳細ページのAIスコアは「母集団がその出願のみ」と理解できるため、検索結果一覧画面のAIスコアとは異なります。 なお、エクセルダウンロードにおいて「AI予測スコア」をダウンロードする場合、全チェックなどで対象公報にチェックを入れた状態でエクセルダウンロードを行うと、 チェックが入った出願を対象（母集団）としてAIスコアが付与されます。 ...

• PFスコア/出願件数/ユーザー評価値などを軸にした散布図（分布図）の作成方法

  散布図（分布図）は、横軸と縦軸の2つの項目で量を計測して、その分布をプロットしたグラフです。 プロットされた分布から2つの変数に相関関係があるかどうかを確認できます。 散布図の作成方法 検索実行後、マップ機能のグラフ種類の選択で、「散布図」を選択すると表示されます。 散布図で表示できる集計条件（マップで表示する項目）は、「出願人」「発明者」「特許分類(IPC/CPC/FI/Fターム/etc...)」「技術分類」などです。 散布図のX軸・Y軸の項目を変更する ...

• パラメータチューニング

  パラメータチューニングでは、AI分類予測で利用するパラメータの最適値を自動で探索し、その最適値を利用することで、予測精度の向上を図ることができます。 パラメータチューニングについては下記リンク記事も合わせてご参照ください。 ・AI分類予測の精度を上げたい ・学習パラメータチューニング結果の精度と「予測データ」の精度が一致しない ＜パラメータチューニングの方法＞ AI分類予測の「パラメータチューニング｣をクリック 「チューニング開始」をクリックすると、チューニングが実行されます。 ...

• フィルター(スコア)

  フィルター(スコア)では、検索結果をスコアパラメータでフィルタリングできます。 指定条件に該当するスコアの公報を検索結果から抽出して表示できます。 フィルタリングに使用できるスコアは、以下のとおりです。 1.スコア：検索結果画面の「スコア設定」に基づき表示されるスコアです。 　　　　スコア設定に関する詳細は、こちらをご参照ください。 2.スコア順位：「スコア」に基づく検索結果の順位です。 3.ユーザー評価：ユーザーが設定した「評価」の値です。 ...