大規模言語モデルを活用したテキスト分類技術に関する3件の特許を取得

【概要】

当社は、大規模言語モデル（LLM）を活用したテキスト分類技術に関する3件の特許出願について、特許庁より特許査定の通知を受けました。 これらの特許は、分類処理特許ポートフォリオとして戦略的に構築されたもので、テキスト分類処理の全工程を包括的にカバーする技術群となっています。

本技術を活用し、様々な業界のパートナー企業様と共に、従来困難であった自然言語による文書の自動分類処理を実現し、日本企業のデータ分析・情報整理業務の革新的な効率化を目指します。

【特許技術の概要】

今回特許査定を受けた3件の特許は、分類処理特許ポートフォリオとして体系的に構築されており、分類カテゴリの生成から実際の分類処理まで、テキスト分類の全工程を網羅的にカバーしています。

1. 分類処理プログラム及び方法（特許第7650476号）

【分類生成技術】 複数の文章を統合し、大規模言語モデルを用いて分類カテゴリを生成する技術

• 実装例：顧客レビューの分類カテゴリ自動生成

レストランに寄せられた1000件の顧客レビューをAIが分析し、「料理の味」「接客サービス」「価格」「雰囲気」「清潔さ」「待ち時間」などの分類カテゴリとその説明を自動で作成。従来は人間が手作業で決めていた分類項目を、AIが文章の内容から自動で見つけ出します。

2. 分類処理プログラム及び方法（特許第7710775号）

【直接分類技術】 大規模言語モデルに直接的な分類指示を与えて文字列を効率的に分類する技術

• 実装例：顧客レビューの自動分類

「料理が美味しかった」→「料理の味」、「店員さんが親切だった」→「接客サービス」、「少し高いと思う」→「価格」 のように、あらかじめ決められた分類カテゴリに対して、個々のレビューを自動で振り分け。大量のレビューを短時間で整理できます。

3. 分類処理プログラム及び方法（特許第7720070号）

【統合分類技術】 大規模言語モデルを用いて分類カテゴリの生成から分類処理まで一貫して行う技術

• 実装例：顧客レビューの完全自動分析

レストランの顧客レビューを入力するだけで、AIが自動的に「どんな観点でレビューを分けるべきか」を判断し、分類カテゴリを作成。その後、全てのレビューを作成した分類に自動で振り分けまで完了。人間の手を一切介さずに、レビュー分析の全工程を自動化できます。

【技術の特徴・優位性】

1. 包括的特許ポートフォリオ

分類処理の全工程を網羅する特許群により、パートナー企業様と共に差別化された製品・サービスの開発が可能

2. 高精度な分類処理

従来のテキストマイニング手法と比較して、大規模言語モデルの活用により格段に高い精度でテキスト分類が可能

3. 柔軟な分類カテゴリ設定

事前に固定された分類カテゴリに依存せず、自然言語による動的な分類カテゴリの生成・適用が可能

4. 多様なデータ対応

アンケート、ユーザーレビュー、特許文書、論文など、様々な種類のテキストデータに対応

【技術デモンストレーション】

本特許技術の実用性を体験いただけるよう、特許文書分析に特化した3つのデモアプリケーションを公開しております。これらのアプリは、実際の特許データを用いて、本技術の効果を即座に確認いただけます。

◆アプリ1：課題・解決手段分類生成アプリ

特許データから、課題・解決手段分類を自動生成するアプリケーションです。

URL: https://patent-classifier-app-7m7kbz9hwmkrhcuhh2laya.streamlit.app/

使用方法:

• Gemini APIキーを入力

• 分析したい特許情報（「要約」列を含む）が記載されたExcelファイルをアップロード

• 生成したい「課題」と「解決手段」の分類数を指定

• AIが特許文書の「課題」と「解決手段」を分析し、指定された数の分類とその説明を自動生成

◆アプリ2：課題・解決手段分類あてはめアプリ

特許データに、課題・解決手段分類を自動的にあてはめるアプリケーションです。

URL: https://patentproblemsolutionclassifier-tgjwlxejynqoiuvsidjcs5.streamlit.app/

使用方法:

• Gemini APIキーを入力

• 課題分類と解決手段分類を入力

• 分析したい特許情報（「要約」列を含む）が記載されたExcelファイルをアップロード

• 「分類処理開始」ボタンをクリックして、分類を実行

• 結果をExcelファイルとしてダウンロード

◆アプリ3：課題・解決手段分類生成・あてはめアプリ

特許データから課題・解決手段分類を自動的に生成し、特許データに課題・解決手段分類を自動的にあてはめるアプリケーションです。

URL: https://integrate-classifier-dnnmvompkftgsrcyvvug7x.streamlit.app/

使用方法:

• Gemini APIキーを入力

• 分析したい特許情報（「要約」列を含む）が記載されたExcelファイルをアップロード

• 「分類処理開始」ボタンをクリックして、分類を実行

• 結果をExcelファイルとしてダウンロード

これらのデモアプリケーションを通じて、大量の文書を効率的に分析・分類できることを実感いただけます。同様の技術を、お客様の業界・業務に応じてカスタマイズすることで、様々な文書分類業務の自動化が可能となります。

【協業・パートナーシップのご提案】

当社では、これらの特許技術を活用し、共に新たな価値を創造していただけるパートナー企業様を募集しております。

私たちは、この技術を単なるツールとしてではなく、皆様のビジネス課題を解決し、新しい可能性を開く「きっかけ」として活用いただきたいと考えています。各業界の知見と私たちの技術を組み合わせることで、これまでにない革新的なソリューションを生み出せると確信しております。

協業をお勧めする企業様

• IT・ソフトウェア開発企業

• データ分析・コンサルティング企業

• 文書管理システム開発企業

• AI・機械学習関連企業

• 各種業界における業務効率化を求める企業

協業形態

• 共同開発：お客様のニーズに合わせた技術の応用・発展

• 技術協力：既存製品・サービスへの技術統合支援

• 事業提携：新規事業・サービスの共同企画・運営

• コンサルティング：技術導入に関する包括的支援

【協業による価値創造の可能性】

• 市場調査・マーケティング：顧客レビューの自動分析ツールの協業開発

• コールセンター業務：問い合わせ内容の自動分類ソリューションの構築

• 人事・採用：履歴書・エントリーシートの自動分類サービスの展開

• 企業の知的財産管理：特許文書の自動分類・整理システムの共同開発

• 学術研究：研究論文の分野別自動分類システムの実現

• 法務・コンプライアンス：契約書・規程の自動分類プラットフォームの創出

【市場への影響と協業のメリット】

デジタル文書の爆発的増加に伴い、効率的な文書管理・分析のニーズが高まる中、本技術を活用した協業により以下の効果が期待されます：

• 業務効率化：手作業による分類作業を大幅に削減し、人材の創造的業務への集中を実現

• コスト削減：人的リソースの最適配分による運営コスト削減を共に実現

• 分析精度向上：客観的・一貫性のある分類による分析品質の向上を達成

• 意思決定支援：迅速で正確な情報整理による経営判断の迅速化を支援

• 新規ビジネス創出：パートナー企業様の既存事業と融合した新たなサービスの開発

【今後の展開】

当社は、今回の分類処理特許ポートフォリオの特許査定を受けて、以下の戦略的展開を予定しております：

• オープンイノベーション推進：様々な業界のパートナー企業様との協業による革新的ソリューションの創出

• 業界別カスタマイズ：各業界の特性に応じた専門的なソリューションの共同開発

• エコシステム構築：技術を核とした企業間連携による新たな価値創造ネットワークの形成

• 社会課題解決：日本企業の生産性向上と働き方改革への貢献

【特許請求の範囲　第1項】

• 特許第7650476号

コンピュータに、 分類対象の内容を記述した複数の分類対象文章を、一つの入力文章に結合する処理と、 大規模言語モデルに、前記入力文章と、前記入力文章から、分類の名称、又は、分類の名称と分類の説明、を含む分類説明文章を生成するための指示情報と、を入力し、前記大規模言語モデルから、前記分類説明文章を出力として得る処理と、 を実行させる分類処理プログラム。

• 特許第7710775号

コンピュータに、 大規模言語モデルに、特定対象に関する複数の文字列の各々と、前記複数の文字列を分析の対象及び目的に応じて設定された複数の自然言語で表現される分類を列挙しいずれかの分類の付与を指示する分類指示情報と、を入力し、前記大規模言語モデルから、前記複数の文字列の各々を、前記自然言語で表現される複数の分類のうちいずれかに分類した分類結果情報を得る処理と、を実行させる分類処理プログラム。

• 特許第7720070号

コンピュータに、 大規模言語モデルに、自然言語による複数の分類を生成する指示を含む分類生成指示情報を入力し、前記大規模言語モデルから、自然言語による複数の分類を含む分類生成結果情報を出力として得る処理と、 前記大規模言語モデルに、複数の分類対象文章の各々と、前記複数の分類対象文章を前記分類生成結果情報に含まれる前記自然言語による複数の分類のうちいずれかに分類する指示を含む分類指示情報と、を入力し、前記大規模言語モデルから、前記複数の分類対象文章の各々を、前記自然言語による複数の分類のうちいずれかに分類した分類結果情報を出力として得る処理と、を実行させる分類処理プログラム。

【お問い合わせ先】

本件に関するお問い合わせ：

株式会社知財デザイン　担当：川上

Email：info@ip-design.co.jp

スプレッドシートだけで特許分析⁉ Google Sheets AI関数を徹底検証した最新ワーキングペーパーを公開しました。

生成AIがついに表計算ソフトのセルまで入り込み、翻訳・要約・分類をワンストップでこなす——。

5月16日に公開された私のワーキングペーパー Vol. 11 No. 11 では、試験運用中の Google スプレッドシート“AI関数” を用いて、50件の掃除機関連特許を**「翻訳 → 要約 → 自動分類」**する一連のプロセスを詳しく実演しています。処理済みデータをそのまま Gemini 分析につなげ、出願年次推移や企業別動向を瞬時に可視化できる点は必見です。

ワーキングペーパーへのリンクはこちらです。

https://www.j-mac.or.jp/wp/dtl.php?wp_id=173

論文では、

• AI関数の基本構文と有効化手順（Workspace Labsへの参加・英語プロンプトのコツ）

• 課題／解決手段の英訳・10語要約・カテゴリ抽出を関数だけで完結させる手順

• Geminiで得られた**「ユーザビリティとデザイン」が最多課題、「集じん・分離」が主要ソリューション**といった洞察例

• 英語限定・機密情報の扱い・結果検証など実務上の留意点

を網羅。従来、外部スクリプトや専門ツールが欠かせなかった特許テキスト解析を、“いつものシート”上で完結させるポテンシャルを示しています。

こんな方にオススメ

• 特許・技術調査をもっとスピーディーに行いたい知財・R&D部門

• 生成AIの“実戦投入”事例を探しているデータ分析担当者

• Google Workspace Labsの最新機能をキャッチアップしたい方

ブログでは、本稿のキーメッセージと実装サンプルをかみ砕いて紹介予定です。
「AI関数 × 特許データ」に興味がある方はぜひチェックしてみてください！

特許文書分類作成アプリを公開しました

 「特許文書分類作成アプリ」を公開しました。

操作画面

URL：https://patent-classifier-app-7m7kbz9hwmkrhcuhh2laya.streamlit.app/

このアプリでは、GoogleのGemini APIを活用して、特許情報（要約）を記載したExcelファイルをアップロードするだけで、自動的に課題と解決手段を分類し、それぞれの分類ごとの分かりやすい説明を生成できます。

アプリでできること：

• Gemini APIキーの設定：Google Geminiを利用してAIによる高度なテキスト分析を行います。

• Excelファイルアップロード：特許文書（要約）をアップロードし、自動で内容を分析します。

• 分類数の指定：特許文書を分類する際のカテゴリー数を自由に指定可能です。

• AIによる自動分類と説明生成：特許の課題と解決手段を分類し、それぞれの内容を短く的確に説明。

使用シーン：

• 特許出願や調査において、大量の文書（1000件が上限の目安です）から課題や解決手段の傾向を短時間で把握できます。

• 研究テーマの方向性や技術課題や解決手段を明確にし、効率的な研究開発活動をサポートします。

利用方法：

1. アプリにアクセス 　URL：https://patent-classifier-app-7m7kbz9hwmkrhcuhh2laya.streamlit.app/

2. Gemini APIキーを入力

3. 要約が含まれるExcelファイルをアップロード

4. 必要な分類数を指定し、「分類を実行」をクリック

ぜひ特許文書分類作成アプリを活用して、特許分析や技術開発の業務効率化にお役立てください！

補足1：

利用は無料です。特許権（特許第7650476号）の関係から個人的な使用に留めていただけますようお願いいたします。アプリの操作感等の体験に使用いただければと思います。

補足2：

使用LLMは、Gemini 2.0 Flashです。当初は、Gemini 2.5 Flashを使う予定でしたが、thnikingモデルに由来する動作不良が解消しませんでしたので、非thinkingモデルとしました（したがって、能力はそれなりです）。

補足3：

GeminiAPIキーは、Google AI Studio　https://aistudio.google.com/prompts/new_chat
から無料で取得できます。（APIも無料で使用できますので、本アプリの使用に際し一切料金は発生しません。）

補足4：

当方アプリづくりは初心者ですので、予期せぬエラーや、管理ミスによるアプリ消滅等の不測の事態が生じる可能性がありますので、あしからずご了解願います。

生成AI関連の特許：「発想支援プログラム及び方法」（特許第7672120号）取得のお知らせ

この度、生成AI関連の特許として、「発想支援プログラム及び方法」（特許第7672120号）を取得しました。

特許の出願は【出願日：2024年9月30日】に行われ、【登録日：2025年4月】に設定登録されました。

特許化の目的としては、

1. 生成AI（大規模言語モデル・埋め込みモデル）を活用し、特定製品に関するユーザーの要求に応じたソリューション案を効率的に生成する技術を権利化すること。

2. 生成AIを活用した発想支援技術の独自性を明確にし、この分野における知的財産権を確立すること。

などが挙げられます。

従来の発想支援技術では、自然言語文の形態素解析によりコンテキストが失われ、その後の関係性再構築を人間が行う必要がありました。本特許技術では、大規模言語モデル（例えばOpenAIのGPTシリーズやGoogleのGemini、AnthropicのClaudeシリーズなど）や埋め込みモデル（例えばOpenAIのtext-embeddingシリーズ）を用いて、特許文書やユーザーレビューなどの情報から高い類似度を持つ文字列を抽出し、これらを組み合わせて具体的で実現可能性の高いソリューションを自動生成します。

今回の特許取得により、この発想支援技術の独自性と実用性が正式に認められ、生成AI技術が急速に発展する現代において意義深い成果となりました。

今後は、企業の研究開発部門やAIソリューション提供企業などを対象に、本特許技術のライセンス提供を積極的に推進する予定です。また、ライセンシーとの協業を通じて得られるフィードバックを技術の更なる改良や発展に活かし、広範な産業分野での応用を目指します。

最後に、本特許の取得にご支援いただいた関係者の皆様に心より感謝申し上げます。これを機に、更なる技術革新と研究開発を続けて参ります。

【特許請求の範囲】

【請求項１】
　コンピュータに、
　大規模言語モデルに、特定製品に関する文書から抽出した複数の情報文字列の各々と、前記複数の情報文字列の各々と前記特定製品に対するユーザーの要求を示す要求文字列との類似度の評価指示を含む類似度評価指示情報とを入力し、前記大規模言語モデルから、前記複数の情報文字列の各々と前記要求文字列との類似度の出力を得る処理と、
　前記複数の情報文字列から所定以上の類似度を有する情報文字列を抽出し、前記抽出された所定以上の類似度を有する情報文字列を一つの入力文字列に結合する処理と、
　前記大規模言語モデルに、前記入力文字列と、前記要求文字列に対応するソリューションの生成を指示するソリューション生成指示情報を入力し、前記大規模言語モデルから、前記要求文字列に対応するソリューションの出力を得る処理と、
を実行させる発想支援プログラム。
【請求項２】
　コンピュータに、
　埋め込みモデルに、特定製品に関する文書から抽出した複数の情報文字列の各々を入力し、前記埋め込みモデルから、前記複数の情報文字列の各々のベクトルの出力を得る処理と、
　前記埋め込みモデルに、前記特定製品に対するユーザーの要求を示す要求文字列を入力し、前記埋め込みモデルから、前記要求文字列のベクトルの出力を得る処理と、
　前記複数の情報文字列の各々のベクトルと前記要求文字列のベクトルとの類似度を算出する処理と、
　前記複数の情報文字列から所定以上の類似度を有する情報文字列を抽出し、前記抽出された所定以上の類似度を有する情報文字列を一つの入力文字列に結合する処理と、
　前記大規模言語モデルに、前記入力文字列と、前記要求文字列に対応するソリューションの生成を指示するソリューション生成指示情報を入力し、前記大規模言語モデルから、前記要求文字列に対応するソリューションの出力を得る処理と、
を実行させる発想支援プログラム。
【請求項３】
　コンピュータが、
　大規模言語モデルに、特定製品に関する文書から抽出した複数の情報文字列の各々と、前記複数の情報文字列の各々と前記特定製品に対するユーザーの要求を示す要求文字列との類似度の評価指示を含む類似度評価指示情報とを入力し、前記大規模言語モデルから、前記複数の情報文字列の各々と前記要求文字列との類似度の出力を得る処理と、
　前記複数の情報文字列から所定以上の類似度を有する情報文字列を抽出し、前記抽出された所定以上の類似度を有する情報文字列を一つの入力文字列に結合する処理と、
　前記大規模言語モデルに、前記入力文字列と、前記要求文字列に対応するソリューションの生成を指示するソリューション生成指示情報を入力し、前記大規模言語モデルから、前記要求文字列に対応するソリューションの出力を得る処理と、
を実行する発想支援方法。

【発明者】川上 成年 【特許出願人】川上 成年

詳細については、J-PlatPatでご確認ください。

（J-PlatPatリンク：https://www.j-platpat.inpit.go.jp/c1801/PU/JP-7672120/15/ja ）