Ce est [inaudible 00:00:00], et I volonté montrer toi comment a JMP Pro peut aide toi pour brevet intelligence . Brevet intelligence est très stratégique pour le développement de nouveau processus et nouveau produits . Mais ce tâche est souvent a fastidieux emploi parce que en lisant brevets est très dur travail . Pour ceux OMS avoir déjà lire un brevet , ils savoir comment incroyable a le brevet est .
Le moins toi lire brevets , le mieux il est pour toi . Ce est exactement où a beaucoup d'apprentissage peut aide toi . En utilisant JMP, étaient en essayant à imiter Netflix . Netflix , basé sur lequel nous avoir déjà vu , suggère toi lequel un toi volonté comme . Pour brevet intelligence, c'est assez le même chose . Basé sur lequel brevet toi déjà lire , nous volonté essayer à prédire lequel brevet toi avoir à lire .
Avant I volonté montrer toi comment à faire que avec JMP, I juste vouloir à introduire le stratégies clés que I travail avec brevet intelligence en Michelin et on peut y aller. Michelin est a bien connu pneu fabricant que objectifs à produire meilleur- dans- classe performance pneu . Mais maintenant le nouveau [inaudible 00:01:25] mission est à produire le meilleur performance pneu, mais ce temps avec beaucoup durable matériels seulement . Le pneu est fait de beaucoup de taper de matériels , comme le caoutchouc naturel, plastifiants , charge, caoutchouc synthétique, et donc sur .
Pour maintenant , presque aucun de ce brut matériels sont durable . Ils tous viens depuis [inaudible 00:01:56] ressources . Notre mission est à produire nouveau chimique processus que volonté produire ces nouveau durable matériels , lequel moyens nouveau processus moyens brevet intelligence . L'affaire étude de lequel nous volonté parler à propos aujourd'hui est à propos produire recyclé styrène parce que le styrène est utilisé en caoutchouc synthétique .
À recycler styrène, w a nous faire est à collecter styrène déchets. Alors nous avoir à condition préalable de styrène à retirer tous le [inaudible 00:02:42]. Alors nous aller à travers ce processus , lequel est développé avec [inaudible 00:02:48] Pyrowave. Tous processus est composé de trois principal parties . Le d'abord est le liquéfaction de le styrène et le suppression de le [inaudible 00:03:02]. Alors nous mettre le styrène dans un industriel micro-ondes . Le micro-ondes est pas le gentil que toi avoir dans ton cuisine . I signifier , c'est un énorme micro-ondes. Ce micro-ondes volonté couper le polymère chaîne dans monomère de styrène.
Mais à le sortie de le réacteurs, le monomère de styrène n'est pas [inaudible 00:03:28] . Il contient a parcelle de [inaudible 00:03:33] matériels. Nous avoir à guérir il. Nous faire que par distillation. [inaudible 00:03:37] o f le distillation, nous obtenir recyclé styrène , lequel a le même propriétés comme [inaudible 00:03:47] styrène. Nous peut utiliser ce recyclé styrène à produire n'importe lequel gentil de objet contenant polystyrène et en particulier pneus.
Ce est a très novateur processus et nous besoin beaucoup d'informations sur les brevets . Mais brevet intelligence de deux problèmes . Le d'abord est expertise des brevets prendre a parcelle de temps et seulement a quelques brevets sont [inaudible 00:04:18]. Le deuxième problème est que nous fortement dépendre sur le recherche moteur et mot-clé . Signification, nous vouloir à recherche pour brevets sur ou processus . Nous serait taper quelques mots-clés sur Google brevets ou [inaudible 00:04:40] , peu importe. Quoi nous serait lire est seulement le d'abord page de le recherche moteur et très rarement le deuxième page , mais que est bien sûr que nous ne le fera pas lire tous le brevets que apparaît après le deuxième pages .
Là est a haut risque de manquant a très important brevet , tel comme pourquoi nous besoin a outil que volonté lire pour nous a haut montant de brevet. C'est quoi nous volonté faire maintenant avec JMP . I changer à JMP . I volonté montrer toi comment à faire que. Ici est a tableau que I importé depuis [inaudible 00:05:22]. Ici, nous avons le numéro de brevet. Nous pouvons identifier chaque brevets, nous avoir le cessionnaires ici . Nous avoir ici le titre de le brevet , le abstrait . Mais décrire quoi contient brevets et le réclamations.
Pour tous le brevets que nous avoir lire , nous lié le brevet si c'est critique ou pas . Le idée est maintenant à essayer à ensemble en haut a correspondant apprentissage modèle que volonté je prédis f le brevet i s critique ou pas. Ce tableau a deux parties. Brevets qui ont été expertisés manuellement, brevets que nous lire et quelques brevets que nous n'ont pas lire. Nous volonté utiliser le deuxième partie . Le deuxième partie de le présentation . Pour maintenant , nous volonté construire en haut le modèle . Nous volonté exclure ce données que nous n'ont pas lire .
Le d'abord chose à faire est à utiliser le Texte Explorateur. Nous volonté se concentrer sur le abstrait seulement pour ce présentation. De cours, nous peut utiliser réclamations et titre et peu importe . Nous volonté utiliser le Identifiant ici, le numéro de publication. Ici nous dire , d'accord , juste utiliser paramètres, Anglais. Nous dire le minimum personnage par mots est trois . Nous volonté utiliser dérivant . I volonté dire toi quoi est provenant simplement en retard. Ici nous volonté utiliser basique mots . Non , I juste avoir à lancement à [inaudible 00:07:14].
Ici est quoi nous avoir . Sur le gauche partie de ce écran, toi avoir a liste de le termes . JMP Pro a du rouge dans le abstrait coin . Ici est le fréquence de chaque eux apparaît dans le [inaudible 00:07:33]. Ici toi peut avis quoi est révélateur , pour exemple , pour matériels . Si I juste dire , d'accord , matériel et matériels est le même signification. Nous groupe tous le mot par le racine de le monde .
Sur le droite partie de le écran , quoi nous avoir est phrase. Phrases deux ou trois ou quatre mots que peut avoir signification . Pour exemple , pyrolyse huile a a signification et le signification est différent . Si nous séparé pyrolyse dans huile , donc quoi nous faire , si vous sélectionnez le phrases que n'a pas a été , lequel est intéressant et peut dire , "D'accord, un tracer ."
Maintenant, ce que nous avons fait c considérer a phrase comme a terme . Pour exemple , ce un, hydrocarbures [inaudible 00:08:32] est maintenant considéré comme a terme . Nous peut faire quelques plus nettoyage , pour exemple , à fournir . Fournir fait pas donner toi information sur quoi [inaudible 00:08:46] brevets .
Quoi nous peut faire est clic droit dire , "D'accord , ce est a arrêt mot ." I ne le faites pas vouloir à prendre , fournir , fournir ou peu importe dans [inaudible 00:08:56]. Nous supprimé il . Avec JMP Pro , toi peut gérer tous le arrêt mot sur tous le phrases ici . Comme toi peut voir , tous le arrêt mots sont stockés ici dans locale . Mais si toi vouloir à étude par défaut , nous peut il suffit de le mettre dans l'utilisateur.
I faire pas avoir à exclure que un . Chaque temps I volonté utiliser l'explorateur de texte . I peut aussi exporter et importer tous le mot d'arrêt s, phrases et les enregistrements . Maintenant, le d'abord outil que nous volonté utiliser à analyser brevets et essayer à prédire si les brevets est critique est sélection de termes. Quoi nous vouloir est à prédire si le brevets est critique ou pas . I veux un brevet critique . Ici est quelques paramètres , et ce seulement paramètres que nous volonté changement ici est à utiliser faible fréquence de terme plutôt de [inaudible 00:10:03]. Maintenant, je clique sur Exécuter .
Ici, nous avoir le d'abord modèle . Nulle part est a résultat de le modèle sont ici. Quoi nous peut faire voir est RSquare est pas que mauvais parce que c'est presque plus de cinq. Vous avez classification erronée taux est aussi très Bien . Je suis dans moins que 1% de brevet sont mal classé . Donc c'est plutôt bien. Ici nous avoir tous le terme que le modèle utilisé à prédire brevets est critique ou pas . Nous peut trier il par le la plupart important terme à [inaudible 00:10:50].
Si I cliquez sur polystyrène , lequel est pas surprenant , toi peut voir tous le brevets où le mot polystyrène apparaît avec très utile [inaudible 00:11:04] comment le modèle construit est construit sur le gauche tableau . Quoi nous avoir est le prédiction de le modèle . Ici , nous peut trier par le maximum probabilité de être critique . Alors si I cliquez sur il , I peut lire pourquoi brevets est critique pour nous ou pas et alors peut comparer si c'est en fait critique pour ceux que il y a a probabilité à être critique par [inaudible 00:11:34] est haut . A en fait, il est critique .
T ici est quelques brevets que sont en fait pas critique , mais le modèles , ils peut être pourrait être critique. Nous devrait lire il parce que peut être nous étaient faux quand nous lire le d'abord temps . Par relecture ce brevet , nous peut trouver quelques malentendu que nous ne le faites pas le d'abord temps. Le d'abord deux que nous peut faire pour brevets , classification et prédiction . Mais depuis mon indiquer de voir , ce est pas assez parce que nous sont pas confiant si ce modèle volonté prédire Bien et que [inaudible 00:12:18] si brevets volonté être critique ou pas .
À faire que et à améliorer aussi le RSquare, nous volonté utiliser un autre modèle d'apprentissage automatique. À utiliser machine apprentissage modèle , quoi nous volonté faire est à exporter le Document Terme M atrice lequel contient tous le numérique données et dans ce DTM. Chaque brevet est représenté par tous le fréquence de le terme . I déjà a fait que avant . Nous volonté juste avoir a regarder sur le détails de le abstrait. [inaudible 00:13:04], lequel a quelque chose comme 400 colonnes .
Nous peut juste utiliser a diagramme cellulaire à mieux visualiser quoi il apparence comme le DTM. Enfin, c'est seulement prend le 20 la plupart termes fréquents et ici quand c'est vert , il moyens t son mandat fait pas apparaître dans le brevets . W quand c'est rouge, il apparaît a parcelle de temps . Ici dans bleu , toi avoir le critique brevets . Si I cliquez sur tous le critique boutons , le objectifs de le machine apprentissage modèle volonté être à comprendre lequel brevet conduit à critique brevets. Avant en utilisant modèle d'apprentissage automatique, nous volonté avoir à faire deux des choses lequel sont très important .
Le d'abord chose sont des données de [inaudible 00:14:06]. I signifier , le nombre de critique brevets est très petit comparé à le nombre de brevets que nous avoir. C'est comme recherche pour a aiguille dans a meule de foin. Nous avoir à rééquilibrer tous de le données . À faire que , quoi nous a fait est à utiliser a fréquence critique. Le fréquence critique a a formule lequel est inversement proportionnel de le nombre de temps brevets comme critique ou pas . Alors le deuxième chose qui nous allons faire est à utiliser les étapes de validation. En utilisant validations OMS volonté avoir mieux confiance dans le prévisibilité de le modèle . A aussi , nous ensemble a fréquence dans validation . Maintenant nous avoir joli bien données . Nous choisi [inaudible 00:15:06] validation ensemble .
Maintenant, nous peut apprendre usiner apprentissage modèle . I volonté utiliser d'abord le neural réseau . Qu'est-ce que le d'abord chose que I vouloir est à prédire si le brevet est [inaudible 00:15:23]. I volonté utiliser tous ceux facteurs, le DTM . I faire pas oublier à utiliser le fréquence à équilibre le données et le validation colonne à être bien sûr que le modèle est prévisible ou pas. Allons-y aller .
Maintenant , I volonté juste configurer quelques paramètres et nous volonté utiliser [inaudible 00:15:50]. C'est tout. Maintenant, le modèle est adapté. Nous serait juste attendez [inaudible 00:15:58] à avoir modèle . Ici nous sont. C'est tout pour [inaudible 00:16:08] . Si toi souviens-toi le RS carrés que nous avait sur le première colonne, il était le 0,5 . Maintenant , avec ce neural réseau , nous avoir 0,94 comme RSquare. Pour le côté validation, nous sommes 0,86. Donc grand amélioration.
Ce classification taux est requis le même mais nous avoir rééquilibrer le données. Maintenant, je t est joli chaud . Ici nous de le confusion matrice et toi peut voir que réel brevets sont prédit comme réel. Pour le côté validation, toujours le même . A maintenant a [inaudible 00:16:56]. Maintenant quoi nous peut faire est à sauvegarder le formule de le modèle . I avoir déjà fait que . Ici est le problème . Alors le formule prédit le probabilité à être critique ou pas critique .
Nous peut maintenant r inclure tout le données qui w e exclu à appliquer ce formule modèle , et brevets que nous n'ont pas lire. Nous juste attendez pour eux à calculer probabilité . Ici nous sont . Le prédiction de le neural réseau. Ici est quoi nous sont. Bleu, c'est le brevet que nous avoir lire et [inaudible 00:18:01] les brevets qui sont en fait critique. Je n orange, le brevets que nous n'a pas lire mais [inaudible 00:18:15 ] a travaillé pour nous .
Comme toi peut voir , le probabilité à être critique prédit par le modèle pour tous le critique brevets est joli dur [inaudible 00:18:27] fait ag nourriture emploi . Maintenant , si nous vouloir à savoir lequel brevet à lire , nous juste avoir à sélectionner ceux brevets et prendre a sous-ensemble de il. Ici nous avoir a court liste de très important modèle. Ici , si toi voir lequel gentil de brevet nous avoir , nous avoir a parcelle de brevets que sont important pour nous . Ils [inaudible 00:19:03] parce que styrène purification ou I ne le faites pas savoir .
Peut être celui-ci, il est recyclé , c'est monomère de styrène. C'est breveter notre très important pour nous. Quand toi lire tous de ce brevet , dans fait , nous avait a très bien surprendre. Beaucoup de ceux les brevets sont [inaudible 00:19:29] pour nous maintenant . Mais parfois il pourrait arriver et le modèle est [inaudible 00:19:36] parce que le mot qui était utilisé pour le pour del ne sont pas précis . Peut être a bien chose est à ensemble a différent gentil de modèle. C'est quoi I a fait .
I ensemble a modèle comme Lasso, Arbre boosté ou Réseaux neuronaux que prendre dans compte pas seulement le abstrait mais aussi [inaudible 00:20:07]. Nous peut aussi inclure oculaires . I a fait un ensemble modèle , lequel est un image de tous ceux brevets. Maintenant le sélection est plus précis. Nous peut aussi voir quoi brevets nous avoir dans juste a sous-ensemble . Maintenant il y a a chance à être très critique est très important . Le nombre de critique brevets que nous avoir à lire est plus petit que avec seulement un modèle. Nous augmenter le performance de le apprentissage automatique modèle .
Maintenant allons aller dos à le présentation. Quoi nous a fait est nous importé données depuis tous le intelligence . Nous converti dans textuel données et nous ensemble a correspondant modèle . Ici est a méthode que nous utiliser le [inaudible 00:21:08] méthode. Nous a fait manuel classement de brevets sur le petit corpus par main. Nous nettoyé en haut et importer quelques données dans JMP. Alors nous converti le textuel données dans matrice. Nous créé un ensemble de validation. Nous équilibrons toutes les données en utilisant fréquence champ. Ensuite, nous usinons également apprentissage modèles tel comme Lasso, N eural Réseau, T boosté ree. Nous a fait an ensemble modèle . Il écrase tous le supervisé machine apprentissage modèles que nous ensemble en haut. Que était le d'abord étape.
Le deuxième étape était le production . Nous utiliser que modèle sur a large corpus de brevets que nous avoir dans [inaudible 00:21:56]. Nous peut importer tous de le brevets le même chemin comme le d'abord étape dans conversion. Nous faire quelques prédiction . Maintenant nous sont capable à sélectionner seulement a peu brevets qui sont probablement critique . Le nombre de boutons que nous volonté lire est assez petit , et nous avoir haut chance à lire seulement critique brevets et à dépenser temps sur le bien brevet .
Le conclusion de ce travail est l'apprentissage automatique peut automatiser temps- consommant tâche . C'est un outil qui volonté aide toi , mais sous Non circonstances il volonté réprimer humain temps supplémentaire . Ce pathologie est très utile brevets appliqués et pourrait être probablement appliqué à beaucoup types de textuel données. En utilisant JMP Pro, et ou volonté voir que toi avoir vu que c'est très facile à faire que et JMP Pro est très puissant programme f ou paramètre en haut machine apprendre comme ça.
Quoi nous peut dire est ce apprentissage automatique modèle juste imiter notre choix. I f nous vouloir à aller plus loin ou si nous incluons nouveaux brevets que sont critique soit nous volonté besoin à reconstruire a nouveau modèle ou essayer un autre approche lequel est basé sur déploiement sur peu importe .
I fini le présentation et I espoir toi apprécié il . I espoir il volonté donner inspiration pour avenir travail , peut être sur brevets ou n'importe lequel textuel [inaudible 00:23:48]. N'hésitez pas à contact moi sur le emploi communauté ou à poste quelques commentaires.
Remercier toi pour regarder . Au revoir- au revoir .
