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

【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

2. 予測データファイル読込

以下のような1列目に予測したい番号を付与した番号リストを用意します。原則、2列目は不要ですが、教師番号のリストと同様に2列目にラベルを付与することも可能です。この場合、AIが予測した結果との精度検証に用いることができます。

サンプル予測データファイル

特開平7-149737
特開平7-165579
特開2002-78792
特開2018-163436
再表2017-104724
特開2018-151775
特開2018-145113
特開2018-141892
特開2018-143025
特開2006-276388

3. 分類予測

分類予測のボタンをクリックすることにより予測データの番号リストで検索し、教師データに基づいて予測データの文献の分類を予測します。予測結果をエクセルでエクスポートすることもでき、エクセルエクスポートでは、予測ラベルのみではなく、予測ラベル候補を確度の高い順で最大5つ出力することもできます。

4. 教師データセット(作業グループ)

教師データを複数種類保持することができます。新しく教師データを読み込む場合は、作業グループを追加を選択してください。

5. AI設定フォーム

詳細な設定が可能なAIラベル設定フォームが開きます。詳細な説明はこちらを参照して下さい。