掃除機の検索ですが、IPC：A47L 9/**、出願日：2016年１月1日～で母集団をつくってみました。
ヒット件数としては、1600件くらいとなりました。それを適当にスクリーニング（主に、出願件数の少ない出願人の出願を削除）して1300件くらいの母集団としました。
これをKHcoderに読み込ませて対応分析をしました。
ただ、対応分析をしましても、訳の分からない図となりますので、多少考えてみました。
KHcoderでは、形態素解析により、品詞別の用語が得られます。 ここで、用語の「名詞」は、発明の構成を示し、「サ変名詞」は発明の機能を示すのではないか、と考えてみました。
そこで、「名詞」との対応マップを作りますと以下のようになります。
人間が理解できるように、軸や分類を書き込みますと以下のようになります。なお、以下の軸等は、私の解釈によるものですので、他の方が解釈すれば、当然別の軸や分類となります。
次に、「サ変名詞」の対応マップをつくりますと、以下のようになります。
軸や分類を書き込みますと以下のようになります。
対応マップでは、上記のように、用語と出願人（今回は19社）の対応関係が、なんとなくわかります。集まっているところは対応関係が強い、離れているところでは対応関係が弱いこととなります。
ざっくり分析しますと、日本企業は集まり気味（すなわち、競争が過酷なレッドオーシャン）、外国企業は離れ気味（すなわち、競争が少ないブルーオーシャン）であるような気がします。
機能と構造の対応マップを作りましたので、アンゾフ風なマトリクスに組み合わせますと以下のようになります。
日本企業は、既存構造×既存機能で競争し、外国企業は新規構造×新規機能で競争しているような気がします（新規構造が新規機能を生み出すのはあたりまえですので、上記マトリクスは妥当なのかはよくわかりません。）
やはり、マトリクスにしますと、人間が理解しやすくなるかと思います。対応マップを、プレゼンの最終アウトプットにするのはやめた方がよいかなと思います。
さて、KHcoderを特許分析に使用するメリットですが、上記のように、出願件数の大小が（あまり）影響しないこととなります。
例えば、パナソニックとツインバード工業は、出願件数に圧倒的な差がありますので、通常の特許マップソフトでは直接の比較はできません。
KHcoderは用語の共起確率のみをみますので、件数の大小は（あまり）影響しません。極端に言えば、出願件数1000件の会社と、出願件数10件の会社も比較可能となります。
要は、会社の製品の「質」で比較可能といえます。これが、従来の「量」の比較の分析とは大きく異なるところとなります。
次は、上記マトリクスから適当な会社選んでＱＦＤづくりをしようと思います。選び方は、既存機能×既存構造から１社、既存機能×新規構造から１社、新規機能×新規構造から１社にしようと思います。
