AI分類予測の入力番号フォーマット

AI分類予測の入力番号フォーマット

【日本公報の番号フォーマット】
番号フォーマットは複数サポートしており、特願2001-1、特開2004-123456、特許6123456などが使えます。お持ちの番号フォーマットが対応していない場合はお問い合わせ下さい。 

   JP20060290111 # EPODOC形式出願番号(JPYYYYNNNNNNN),多能性幹細胞
   特願2010-122389 # 特願形式(特願YYYY-N),多能性幹細胞
   WO2013176233 # WO形式,多能性幹細胞
   特許5544573 #特許番号形式(特許NNNNNN),ネットワーク・システム
   特開2016-144034 #特開形式(特開YYYY-N) ,ネットワーク・システム
   特開平11-204878特開平9-53681 #特開形式(和暦:特開平Y-N),光学
   2008-288035 #特願、特開が識別不能な場合、クエリ種別で選択中のものになる,光学
   2099-123456 #データベースに存在しない番号,光学
   特開2017-92183 #特願、特開形式は0省略可能,光学
   【解決手段】本発明は、樹脂に配合された際に、樹脂の機械的強度増強に寄与するミクロフィブリル化セルロース及びこれを含有してなる複合化樹脂に関するものである。より具体的には、本発明のミクロフィブリル化セルロースは、シランカップリング剤処理によって表面改質されたミクロフィブリル化セルロースである。また、本発明の樹脂は前記の表面改質されたミクロフィブリル化セルロースを含有する樹脂である。さらに、本発明の製造方法は、前記の表面改質されたミクロフィブリル化セルロースを製造する方法である。,化合物,t
   JP20090132707,化合物
   JP20170559255,化合物
   JP20170563865,ネットワーク・システム

【外国公報の番号フォーマット】 

      PCT
      JP2019027225W #WO出願番号(JPyyyynnnnnnW) ,医薬・iPS,a
      WO2017JP39426 #WO出願番号(WOyyyyJPnnnnn) ,医薬・IPS関連,a
      WO2020202696 #WO公開番号(WOyyyynnnnnn) ,光学・半導体,p
      アメリカ
      US201816763875A #US出願番号(USyyyynnnnnnnnA) ,医薬・iPS,a
      US201214362435 #US出願番号(USyyyynnnnnnnn) ,光学・半導体関連,a
      US2019292146 #US公開番号(USyyyynnnnnn) ,化合物関連,p
      US10580648 #US登録番号(USnnnnnnnn) ,光学・半導体関連,e
      ※西暦無しの出願番号形式「US16763875(A)」は不可
      欧州
      EP16836860A #EP出願番号(EPnnnnnnnnA) ,化合物関連,a
      EP3272859 #EP公開・登録番号(EPnnnnnnn) ,医薬・iPS,p
      中国
      CN201980020086A #CN出願番号(CNyyyynnnnnnnnA) ,医薬・iPS,a
      CN111771132 #CN公開番号(CNnnnnnnnnn) ,光学・半導体関連,p
      CN109075018B #CN登録番号(CNnnnnnnnnnB) ,光学・半導体関連,e
      韓国
      KR20177035806A #KR出願番号(KR2017nnnnnnnA) ,光学・半導体関連,a
      KR20120131180 #KR公開番号(KRyyyynnnnnnn) ,医薬・iPS,p
      KR101764100B #KR登録番号(KRnnnnnnnnnB) ,医薬・iPS,e

    • Related Articles

    • AI分類予測

      概要 AI分類予測は、予めユーザーがセットした教師データに基づいて、任意の検索結果や母集合について、AIが分類を予測してくれます。例えば、任意の検索結果について、【自社事業に関連する／しない】といった分類や、SDIの新着公報について、【どの開発テーマに関連するか】等、今まで人が公報を読み込んで仕分けしていた作業を、数秒以内でAIが自動で分類し、大幅な作業効率を図ることができます。 ...

    • かんたん３ステップAI分類予測

      トップページ より、以下のフォーマットで教師データファイルと予測データファイルを用意するだけで、すぐにAI分類予測を行うことができます。 1. 教師データファイル読込 以下のような１列目に番号、２列目に任意のラベル名を付与した番号リストを用意します。多値分類の場合、任意のラベル名、２値分類の場合、1か-1を付与します。カンマ区切りかタブ区切り、どちらでも構いません。 サンプル教師データファイル 2. 予測データファイル読込 ...

    • AI分類予測の精度を上げたい

      AI分類予測の精度検証機能やパラメータチューニングを使用することで、精度向上が期待できます。 精度検証用のデータを用意できない場合には、交差検証機能をご利用ください。 交差検証（クロスバリデーション）機能では、構築済み教師データの汎用性を評価することができます。 精度検証機能の詳細は、下記のスライド資料をご参照ください。

    • AI教師ラベル一括読み込み手順

      このページは、AI教師ラベルを一括読み込みする手順に関する説明です。AIラベル設定画面の説明は こちら をご参照ください。 1. 教師データとして分類済み番号リストを用意 以下のような１列目に番号、２列目に任意のラベル名を付与した番号リストを用意します。多値分類の場合、任意のラベル名、２値分類の場合、1か-1を付与します。カンマ区切りかタブ区切り、どちらでも構いません。 エクセルのようにタブ区切りの場合は、下図の要領でリストを作成してください。 サンプル教師データファイル ...

    • 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。 ...