这是[听不清 00:00:00],和我将要展示你如何A联合管理计划专业版能帮助你为了专利智力。 专利智力是非常战略为了这发展的新的流程和新的产品。 但这任务是经常A乏味工作因为阅读专利是非常难的工作。为了那些WHO有已经读一个专利， 他们知道如何极好的A专利是。
这较少的你读专利,这更好的它是为了你。这是确切地在哪里A学到很多东西能帮助你。 使用杰普,是试到模仿Netflix 。 Netflix ,基于在哪个我们有已经见过,建议你哪个一你将要喜欢。 为了专利智力，它是相当这相同的事物。 基于在哪个专利你已经读,我们将要尝试到预测哪个专利你有到读。
前我将要展示你如何到做那与 JMP 合作，我只是想到介绍这关键策略那我工作和专利智力在米其林，我们可以走了。米其林是A知名胎制造商那目标在生产最好的-在-班级表现胎。但现在这新的[听不清 00:01:25]使命是到生产这最好的表现胎，但这时间和很多可持续的材料仅有的。这胎是制成的足够的类型的材料，如天然橡胶，增塑剂,收费，合成橡胶，和所以在。
为了现在,几乎没有任何的这生的材料是可持续的。 他们全部来从[听不清 00:01:56]资源。 我们的使命是到生产新的化学流程那将要生产这些新的可持续的材料,哪个方法新的流程方法专利智力。 案子学习的哪个我们将要讲话关于今天是关于生产回收的苯乙烯 因为苯乙烯是用过的在合成橡胶中。
到回收苯乙烯，w帽子我们做是到收集苯乙烯浪费。然后我们有到前提的苯乙烯到消除全部这[听不清 00:02:42]。 然后我们去通过这过程,哪个是发达和[听不清 00:02:48]热波。 全部流程是组成的的三主要的部分。 这第一的是这液化的这苯乙烯和这移动的这[听不清 00:03:02]。然后我们放这苯乙烯在一个工业的微波。 这微波是不是这种类那你有在你的厨房。我意思是,这是一个巨大的微波。这微波将要切这聚合物链进入苯乙烯单体。
但在这出口的这反应器中，苯乙烯单体不是[听不清 00:03:28] 。 它包含A很多的[听不清 00:03:33]材料。 我们有到固化它。我们做那经过蒸馏。[听不清 00:03:37]哦F这蒸馏,我们获得回收的苯乙烯,哪个有这相同的特性作为[听不清 00:03:47]苯乙烯。 我们能使用这回收的苯乙烯到生产任何种类的目的含有聚苯乙烯和尤其轮胎。
这是A非常创新的过程和我们需要大量专利情报。 但专利智力的二问题。 这第一的是专业专利拿A很多的时间和仅有的A专利很少是[听不清 00:04:18]。 这第二问题是那我们强烈地依靠在这搜索引擎和关键词。 意思是，我们想到搜索为了专利在或者过程。 我们会类型一些关键词在谷歌专利或者[听不清 00:04:40] ,任何。什么我们会读是仅有的这第一的页的这搜索引擎和非常很少这第二页,但那是当然那我们惯于读全部这专利那出现后这第二页面。
那里是A高的风险的丢失的A非常重要的专利,这样的作为为什么我们需要A工具那将要读为了我们A高的数量的专利。 那是什么我们将要做现在和联合管理计划。 我转变到联合管理计划。 我将要展示你如何到做那。 这里是A桌子那我进口的从[听不清 00:05:22]。 在这里，我们有专利号。 我们可以识别每个专利，我们有受让人这里。 我们有这里这标题的这专利,这抽象的。 但描述什么包含专利和这索赔。
为了全部这专利那我们有读,我们捆绑这专利如果它是批判的或者不是。 这主意是现在到尝试到放向上A匹配学习模型那将要预测我F专利我s是否重要。 这桌子有二部分。专利具有手动专业知识，专利那我们读和一些专利那我们没有读。我们将要使用这第二部分。 这第二部分的这推介会。 为了现在,我们将要建造向上这模型。我们将要排除这数据那我们没有读。
这第一的事物到做是到使用这文本探险家。 我们将要重点在这抽象的仅有的为了这推介会。的课程，我们能使用索赔和标题和任何。 我们将要使用这身份证在这里，出版号。 这里我们说,好的,只是使用设置，英语。我们说这最低限度特点每个字是三。 我们将要使用词干。 我将要告诉你什么是刚刚阻止晚的。这里我们将要使用基本的字。不,我只是有到发射到[听不清 00:07:14]。
这里是什么我们有。 在这左边部分的这屏幕，你有A列表的这条款。 JMP Pro 为红色在这抽象的角落。这里是这频率的每个他们出现在这[听不清 00:07:33]。这里你能注意什么是讲述,为了例子,为了材料。 如果我只是说,好的,材料和材料是这相同的意义。 我们团体全部这单词经过这根的这世界。
在这正确的部分的这屏幕， 什么我们有是短语。短语二或者三或者四字那能有意义。 为了例子,热解油有A意义和这意义是不同的。 如果我们分离热解在油,所以什么我们做,如果您选择短语那没有到过,哪个是有趣的和能说, “好吧，一个痕迹”。
现在我们做了什么c旁观者A短语作为A学期。 为了例子,这一，碳氢化合物[听不清 00:08:32]是现在经过考虑的作为A学期。 我们能做一些更多的打扫,为了例子,到提供。 提供做不是给你信息在什么[听不清 00:08:46]专利。
什么我们能做是右键点击说, “好的,这是A停止单词”。我不想到拿,提供,提供或任何在[听不清 00:08:56]。我们已删除它。 和JMP专业版,你能管理全部这停止单词在全部这短语这里。 作为你能看,全部这停止字存储在这里在当地的。 但如果你想到学习经过默认,我们能只需将其放入用户中即可。
我做不是有到排除那一。 每个时间我将要使用文本浏览器。 我能还出口和进口全部停用词s,短语和记录。 现在，这第一的工具那我们将要使用到分析专利和尝试到预测如果专利是批判的是术语选择。 什么我们想是到预测如果这专利是批判的或者不是。 我想要专利批判的。 这里是一些设置,和这仅有的设置那我们将要改变这里是到使用低的频率的学期反而的[听不清 00:10:03]。现在，我单击“运行” 。
这里，我们有这第一的模型。 现在，这里是A结果的这模型是这里。什么我们能做看是R方是不是那坏的因为它是几乎超过五。你得到了错误分类速度是还非常出色地。 我是在较少的比1%专利数是错误分类。 所以这非常好。这里我们有全部这学期那这模型用过的到预测专利是批判的或者不是。 我们能种类它经过这最多重要的术语至[听不清 00:10:50]。
如果我点击在聚苯乙烯,哪个是不是奇怪， 你能看全部这专利在哪里这单词聚苯乙烯出现和非常有用[听不清 00:11:04]如何这模型构建是建成在这左边桌子。 什么我们有是这预言的这模型。 这里,我们能种类经过这最大限度可能性的存在批判的。 然后如果我点击在它,我能读为什么专利是批判的为了我们或者不是和然后能比较如果它是实际上批判的为了那些那有A可能性到是批判的经过[听不清 00:11:34]是高的。 A事实上，它是批判的。
时间这里是一些专利那是实际上不是批判的,但这楷模,他们或许可以是批判的。 我们应该读它因为或许我们是错误的什么时候我们读这第一的时间。 经过重读这专利,我们能寻找一些误解那我们不这第一的时间。 这第一的二那我们能做为了专利,分类和预言。 但从我的观点的看法,这是不是足够的因为我们是不是自信的如果这模型将要预测出色地和那[听不清 00:12:18]如果专利将要是批判的或者不是。
到做那和到提升还这R方，我们将要使用其他机器学习模型。 到使用机器学习模型,什么我们将要做是到出口这文档学期 M矩阵哪个包含全部这数值数据和进入这DTM。每项专利是代表经过全部这频率的期限。 我已经做过那前。 我们将要只是有A看在这细节的这抽象的。 [听不清 00:13:04],哪个有某物喜欢400列。
我们可以只是使用A细胞图到更好的可视化什么它看起来就像 DTM 一样。嗯，仅此而已需要这20最多常用术语和这里当它是绿色的时候,它方法t他的任期做不是出现在这专利。 瓦当它变成红色时，它就会出现A很多的时间。 这里在蓝色的， 你有批判的专利。 如果我点击在全部这批判的纽扣， 这目标的这机器学习模型将要是到理解哪个专利线索到批判的专利。前使用机器学习模型，我们将要有到做二事物哪个是非常重要的。
这第一的事物是数据[听不清 00:14:06]。我意思是,这数字的批判的专利是非常小的比较的到这数字的专利那我们有。 它是喜欢寻找为了A针在A草垛。 我们有到重新平衡全部的这数据。 到做那， 什么我们做过是到使用A频率批判的。这频率关键有A公式哪个是反之成比例的的这数字的时间专利作为批判的或者不是。 然后这第二事情那我们将做是到使用验证步骤。使用验证WHO将要有更好的信心在这可预测性的这模型。 A伊索,我们放A频率在验证。 现在我们有漂亮的好的数据。 我们选择了[听不清 00:15:06]验证放。
现在，我们能学习加工学习模型。 我将要使用第一的这神经的网络。 什么是这第一的事物那我想是到预测如果这专利是[听不清 00:15:23]。 我将要使用全部那些因素，DTM 。我做不是忘记到使用这频率到平衡这数据和验证柱子到是当然那这模型是可预测或者不是。 让我们去。
现在,我将要只是配置一些参数和我们将要使用[听不清 00:15:50]。就这样。现在，模型已经合适了。 我们会只是等待[听不清 00:15:58]到有模型。这里我们是。 就这样了[听不清 00:16:08] 。 如果你记住RS夸雷斯那我们有在这第一栏，它曾是这0.5 。现在,和这神经的网络,我们有0.94作为R方。 为了这验证端，我们是0.86。所以大的改进。
这分类速度是必需的相同但我们有重新平衡这数据。 现在我t是漂亮的温暖的。 这里我们的这困惑矩阵和你能看那实际的专利是预料到的作为实际的。对于验证方面，仍然是相同的。 A几乎A [听不清 00:16:56]。 现在什么我们能做是到节省这公式的这模型。 我有已经完毕那。 这里是这问题。 然后这公式预测这可能性到是批判的或者不是批判的。
我们能现在r e包括全部这数据e排除到申请这公式模型,和专利那我们没有读。 我们只是等待为了他们到计算可能性。 这里我们是。 这预言的这神经的网络。 这里是什么我们是。 蓝色，就是那个专利那我们有读和[听不清 00:18:01] 的专利实际上批判的。我n橙色，专利那我们没有读但[听不清 00:18:15 ]有工作过为了我们。
作为你能看,这可能性到是批判的预料到的经过这模型为了全部这批判的专利是漂亮的难的[听不清 00:18:27] 确实一个g好工作。 现在,如果我们想到知道哪个专利到读,我们只是有到选择那些专利和拿A子集的它。这里我们有A短的列表的非常重要的模型。 这里,如果你看哪个种类的专利我们有,我们有A很多的专利那是重要的为了我们。 他们[听不清 00:19:03] 因为苯乙烯纯化或者我不知道。
或许这个，它是回收的,它是苯乙烯单体。 那是专利我们的非常重要的为了我们。 什么时候你读全部的这专利,在事实,我们有A非常好的惊喜。 许多的那些专利是[听不清 00:19:29]为了我们现在。 但有时它可以发生和模型是[听不清 00:19:36]因为这那个词曾是用过的为了这莫德尔不是精确的。 或许A好的事物是到放A不同的种类的模型。 那是什么我做过。
我放A模型喜欢套索，提升树或神经网络那拿进入帐户不是仅有的这抽象的但还[听不清 00:20:07]。 我们能还包括目镜。 我做过一个合奏模型,哪个是一个图像的全部那些专利。 现在这选择是更多的精确的。 我们能还看什么专利我们有在只是A子集。 现在有A机会到是非常批判的是非常重要的。这数字的批判的专利那我们有到读是较小比和仅有的一模型。我们增加这表现的这机器学习模型。
现在让我们去后退到这推介会。什么我们做过是我们进口的数据从全部这智力。 我们转换的进入文本的数据和我们放A匹配模型。 这里是A方法那我们使用[听不清 00:21:08] 方法。 我们做过手动的排行的专利在这小的语料库经过手。 我们清洁过的向上和进口一些数据进入JMP。 然后我们转换的这文本的数据进入矩阵。 我们已创建验证集。我们平衡所有数据使用频率场地。然后我们还加工学习楷模这样的作为套索，N欧洲的网络，增强型 T稀土。 我们做过一个合奏团模型。 它覆盖全部这监督的机器学习楷模那我们放向上。 那曾是这第一的步。
这第二步曾是这生产。 我们使用那模型在A宽的语料库的专利那我们有在[听不清 00:21:56]。 我们能进口全部的这专利这相同的方式作为这第一的步在转换。 我们做一些预言。 现在我们是有能力的到选择仅有的A很少专利那是大概批判的。这数字的纽扣那我们将要读是相当小的,和我们有高的机会到读仅有的批判的专利和到花费时间在这好的专利。
这结论的这工作是机器学习可以自动化时间-消耗任务。 这是一个工具将要帮助你,但在下面不情况它将要抑人类额外的时间。 这病理是非常有用已申请专利和可以是大概应用到许多种类的文本的数据。 使用JMP Pro，y欧将要看那你有见过那它是非常简单的到做那和JMP Pro 是非常强大的程序f或者环境向上机器就这样学习。
什么我们能说是这机器学习模型只是模仿我们的选择。 我F我们想到去更远或者如果我们包括新专利那是批判的任何一个我们将要需要到重建A新的模型或者尝试其他方法哪个是基于在部署在任何。
我完成的这推介会和我希望你很享受它。 我希望它将要给灵感为了未来工作,或许在专利或者任何文本的[听不清 00:23:48]。 不要犹豫到接触我在这工作社区或者到邮政一些评论。
感谢你为了观看。 再见-再见。
