教師データ

• Related Articles

• AI教師データの一括取り込み

  AI教師データを一括で取り込みする手順を解説します。 1. 教師データとして分類付与済み番号リストを用意 以下のようにA列に公報番号、B列に任意のラベル名を付与した番号リストのcsvファイルを用意します。カンマ区切りかタブ区切り、どちらでも構いません。 ２値分類：1 or -1を付与 多値分類：任意のラベル名を付与 多ラベル分類：任意のラベル名を付与（複数ラベルを付与する場合は、C列、D列と足してください） ...

• 番号チェック機能

  番号一括入力では、複数件の公報番号リストを入力することで、入力された公報番号リストの検索結果を得ることができます。 例えば、他の検索システムの検索結果公報リストを、番号一括入力でPatentfieldにインポートすることで、同じ検索結果を得られます。 他の検索システムからエクスポートしたリストの公報番号形式と、Patentfieldで採用されている公報番号形式（DOCDB形式）が一致しないときには、番号不一致により同じ検索結果が得られないことがあります。 ...

• AI分類予測の教師データサンプル

  以下の教師データサンプルを利用して、AI分類予測機能をお試しいただけます。 2値分類_教師データサンプル.csv 多値分類_教師データサンプル.csv 予測データサンプルを利用することで、AI分類予測の精度検証機能や交差検証機能をお試しいただけます。 2値分類_予測データサンプル.csv 多値分類_予測データサンプル.csv

• 教師データを1件ずつ設定する方法

  AIラベル設定画面から教師データを1件ずつ設定する方法 1.AIラベル設定画面を開き、画面中段の「クエリ種別」を選択します。 　＊クエリ種別と異なる番号形式を入力（クエリ種別「出願番号」：公開番号や登録番号を入力）すると、適切に公報番号が認識されないのでご注意ください。 2.「クエリ」に教師データにする公報番号またはテキストを入力します。 3.教師データに対応するラベルを入力します。 ※2値分類では「1」または「-1」を選択してください。（「0」は教師データとして認識されません） ...

• 交差検証（クロスバリデーション）を使用した教師データの汎化性評価

  AI分類予測では、教師データの性能を評価するための精度検証機能が備わっています。 精度検証機能を利用することで、下図のように、全体の精度と各ラベルの精度が表示され、構築済み教師データの精度を測定することができます。 精度検証機能では、特定のデータに対する精度（上図では、85.7%）を測定することはできますが、他のデータに対しても同等の精度がでるかどうかは分かりません。 検証用のデータセットを複数用意して検証することもできますが、データセットを用意する手間がかかります。 ...