DE102015112101A1 - Method for brainstorming - Google Patents
Method for brainstorming Download PDFInfo
- Publication number
- DE102015112101A1 DE102015112101A1 DE102015112101.8A DE102015112101A DE102015112101A1 DE 102015112101 A1 DE102015112101 A1 DE 102015112101A1 DE 102015112101 A DE102015112101 A DE 102015112101A DE 102015112101 A1 DE102015112101 A1 DE 102015112101A1
- Authority
- DE
- Germany
- Prior art keywords
- documents
- patent documents
- graphics
- text
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Ceased
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Abstract
Zur Entwicklung und Verbesserung von Produkten, insbesondere aus dem Bereich der technischen Konstruktion, wird ein zweistufiges Verfahren zur Ermittlung relevanter Patentdokumente vorgeschlagen, bei dem natürlichen Personen durch die Kombination der dazugehörigen Patentgrafiken (23) zur Ideenfindung angeregt werden. Zur automatischen Auswahl der Patentdokumente wird in einer ersten Stufe eine Textklassifikation und in einer zweiten Stufe eine Bildklassifikation auf eine zuvor zusammengestellte Grundmenge (1) von Patentdokumenten angewandt, wobei die dazugehörigen Text- (3) und Bildklassifikatoren (7) zuvor trainiert werden können. Insbesondere kann der Textklassifikator (3) einen inhaltlichen Schwerpunkt aufweisen. Der Bildklassifikator (7) kann einen stärkeren formalen Charakter haben und sich insbesondere auf die Komplexheit der zu ermittelnden Patentgrafiken (23) beziehen.For the development and improvement of products, in particular in the field of engineering design, a two-stage process for identifying relevant patent documents is proposed, in which natural persons are stimulated by the combination of the associated patent graphics (23) for brainstorming. For the automatic selection of the patent documents, a text classification is applied in a first stage and a picture classification on a previously compiled basic set (1) of patent documents in a second stage, whereby the associated text (3) and image classifiers (7) can be trained beforehand. In particular, the text classifier (3) can have a focus on content. The image classifier (7) may have a more formal character and, in particular, relate to the complexity of the patent graphics (23) to be determined.
Description
Die Erfindung geht aus von einem Verfahren zur Ideenfindung nach dem Oberbegriff des unabhängigen Anspruchs 1.The invention is based on a method for brainstorming according to the preamble of
Derartige Verfahren können insbesondere im industriellen Umfeld verwendet werden, um Ideen zur Entwicklung und Verbesserung von Produkten zu gewinnen. Insbesondere betrifft die Erfindung das Generieren von Innovationen im Bereich der technischen Konstruktion.Such methods can be used especially in the industrial environment to gain ideas for the development and improvement of products. In particular, the invention relates to the generation of innovations in the field of engineering design.
Stand der TechnikState of the art
Es ist beispielsweise aus der Druckschrift
Die Druckschrift
Zur Steigerung der Wettbewerbsfähigkeit sind weiterhin in vielen Unternehmen interne Prozesse zur Entwicklung innovativer Produkte etabliert.In order to increase competitiveness, internal processes for the development of innovative products continue to be established in many companies.
So beschreibt die Druckschrift
Aus der Druckschrift „Ein methodischer Weg zu innovativen Technologien“ (Autor
Nachteilig in diesem Stand der Technik ist, dass die Verfahren zur Innovationsgenerierung insbesondere für den Bereich der klein- und mitteständischen Unternehmen oft zu aufwendig sind und weiterhin vor dem Hintergrund immer kürzer werdender Produktlebenszyklen einen unerwünscht großen Zeitraum in Anspruch nehmen.A disadvantage of this prior art is that the methods for innovation generation, especially in the field of small and medium-sized companies are often too expensive and continue to take against the background of ever-shorter product life cycles an undesirably large period of time.
Aufgabenstellungtask
Die Aufgabe der Erfindung besteht daher darin, ein kostengünstiges und zeitsparendes Verfahren zur Innovationsgenerierung, insbesondere unter Verwendung einer themenbasierten Patentauswahl aus unterschiedlichen technologischen Anwendungsbereichen, zu entwickeln.The object of the invention is therefore to develop a cost-effective and time-saving method for innovation generation, in particular using a topic-based selection of patents from different technological fields of application.
Die Aufgabe wird mit einem Verfahren der eingangs erwähnten Art durch die Merkmale des kennzeichnenden Teils des unabhängigen Anspruchs 1 gelöst.The object is achieved by a method of the type mentioned by the features of the characterizing part of the
Das Verfahren zur Ideenfindung weist folgende Schritte auf:
- a.) automatische Analyse von Patentdokumenten, umfassend Patenttexte und Patentgrafiken, durch einen Computer;
- b.) automatische Auswahl relevanter Patentdokumente durch den Computer;
- c.) Darstellung der Patentgrafiken der ausgewählten Patentdokumente;
- d.) Betrachten und kombinieren von in den dargestellten Patentgrafiken enthaltenen Merkmalen zum Generieren neuer Ideen durch natürliche Personen;
- a.) automatic analysis of patent documents, including patent texts and patent graphics, by a computer;
- b.) automatic selection of relevant patent documents by the computer;
- c.) representation of the patent graphics of the selected patent documents;
- d.) viewing and combining features contained in the illustrated patent graphics to generate new ideas by natural persons;
Vorteilhafterweise kann zur Durchführung des Verfahrens, insbesondere der Schritte a.) und b.), von dem Computer ein in einem dazugehörigen Speicher abgelegtes Programm von einem oder mehreren ebenfalls zum Computer gehörenden Prozessoren, insbesondere einem oder mehreren Mikroprozessoren, ausgeführt werden.Advantageously, in order to carry out the method, in particular steps a.) And b.), The computer executes a program stored in a corresponding memory of one or more processors likewise belonging to the computer, in particular one or more microprocessors.
Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben.Advantageous embodiments of the invention are specified in the subclaims.
Bei dem Verfahren handelt es sich um eine Methode, schnell und preisgünstig Produktideen, insbesondere im Bereich der technischen Konstruktion, zu entwickeln. Weiterhin ist das Verfahren insbesondere zur Verbesserung entsprechender, bereits bestehender Produkte optimiert. The process is a method of quickly and inexpensively developing product ideas, particularly in the field of engineering design. Furthermore, the method is optimized in particular for improving corresponding, already existing products.
Das Verfahren hat den Vorteil, dass auch klein- und mittelständische Unternehmen in ihrer Ideenfindungsphase unterstützt werden, weil dazu lediglich eine kostenfrei oder zumindest sehr kostengünstig erhältliche Grundmenge an Patentdokumenten benötigt wird und weil das Verfahren weiterhin mit nur geringem finanziellem und zeitlichem Aufwand sowie mit vergleichsweise geringem Rechenaufwand verbunden ist.The method has the advantage that even small and medium-sized companies are supported in their brainstorming phase, because this is only a free or at least very inexpensive available basic amount of patent documents is needed and because the process continues with only a small financial and time effort and with comparatively little computational effort is connected.
Das Verfahren hat somit den Vorteil, dass ein solcher Ideenfindungsprozess innerhalb weniger Tage durchgeführt werden kann und somit den gefordert kurzen Entwicklungszeiträumen gerecht wird. Insbesondere wird a.) der Zeitraum der automatischen Analyse der Patentdokumente durch den Computer sowie b.) der Zeitraum der automatischen Auswahl der Patentdokumente insbesondere durch eine geeignete Kombination der Textklassifikation mit der Bildklassifikation extrem verkürzt. The process thus has the advantage that such a brainstorming process can be carried out within a few days and thus meets the demand for short development periods. In particular, a.) The period of automatic analysis of the patent documents by the computer and b.) The period of automatic selection of the patent documents are extremely shortened, in particular by a suitable combination of the text classification with the image classification.
In einer vorteilhaften Ausgestaltung werden die Ergebnisse der besagten beiden Stufen mit dem booleschen Operator „UND“ verknüpft. Dies kann zeitsparend sein, wenn zumindest Teile des Verfahrens, beispielsweise zu Testzwecken, mehrfach durchgeführt werden oder wenn bereits in den Computer eingelesene Dokumente in verschiedenen Analysen mehrfach mit demselben Klassifikator ausgewählt werden. Beispielsweise kann das Ergebnis der Klassifizierung, z.B. der Bildklassifizierung, dann auch als Klassifikationsfunktion zur jeweiligen Dokumentenmenge gespeichert werden oder die Dokumente können beispielsweise mit einem entsprechenden Attribut versehen werden.In an advantageous embodiment, the results of said two stages are linked to the Boolean operator "AND". This can be time-saving if at least parts of the method, for example for test purposes, are performed several times or if documents already read into the computer are repeatedly selected in different analyzes with the same classifier. For example, the result of the classification, e.g. the image classification, then stored as a classification function to the respective document quantity or the documents can be provided for example with a corresponding attribute.
Soll das Verfahren voraussichtlich nur einmalig durchgeführt werden, ist es gemäß einer weiteren Ausgestaltung besonders vorteilhaft, wenn zunächst eine der beiden Stufen von zu untersuchenden Patendokumenten durchlaufen wird, und lediglich die dabei ausgewählten Patentdokumente daraufhin die jeweils andere der beiden Stufen durchlaufen. Auf diese Weise brauchen nicht sämtliche Patentdokumente beide Stufen zu durchlaufen, wodurch Zeit und Rechenkapazität gespart wird. If the method is expected to be carried out only once, it is particularly advantageous according to a further embodiment, when initially one of the two stages of patent documents to be examined is run through, and then only pass through the other of the two stages selected patent documents. In this way, not all patent documents need to go through both stages, saving time and computing capacity.
Da die zweite Stufe die Grafikauswertung betrifft und voraussichtlich zeitaufwendiger ist als die erste Stufe, ist es dabei besonders vorteilhaft, wenn in der zeitlichen Abfolge zunächst die erste Stufe, welche die Textklassifikation betrifft, durchgeführt wird. Since the second stage relates to the graphics evaluation and is likely to be more time-consuming than the first stage, it is particularly advantageous if the first stage, which concerns the text classification, is carried out in chronological order.
Somit ist es also besonders vorteilhaft, wenn zunächst Patentdokumente anhand ihrer Patenttexte mittels der Textklassifikation analysiert und einer Auswahl unterzogen werden, und wenn daraufhin lediglich die Patentgrafiken der dabei ausgewählten Patentdokumente mittels der Bildklassifikation ihrerseits analysiert und einer weiteren Auswahl unterzogen werden.Thus, it is thus particularly advantageous if patent documents are first analyzed on the basis of their patent texts by means of the text classification and subjected to a selection, and then only the patent graphics of the selected patent documents are analyzed by the image classification and subjected to a further selection.
Somit wird nämlich die zweite Stufe lediglich von den Patentgrafiken der in der ersten Stufe gemäß ihrer Patenttexte als relevant ausgewählten Patentdokumenten durchlaufen, wodurch erheblich Rechenkapazität und Zeit eingespart wird. Schließlich muss auf diese Weise nur ein Bruchteil der in der ersten Stufe zu analysierenden Patentdokumente die besonders rechenintensive zweite Stufe durchlaufen. Beispielsweise kann eine Grundmenge 10.000 bis 20.000 zu untersuchende Patentdokumente umfassen. In der Praxis kann es sich bei der Auswahl der ersten Stufe beispielsweise um ca. 5%–10 % der Patentdokumente handeln, also um beispielsweise 1000 Dokumente, so dass in der besonders rechenintensiven zweiten Stufe nur noch diese 1000 Patentdokumente, d.h. mittels der Bildklassifikation deren Patentgrafiken, untersucht werden müssen wodurch in der zweiten Stufe z.B. 90 %–95% des Rechenaufwands eingespart werden kann.Thus, the second stage is only traversed by the patent graphics of the patent documents selected to be relevant in the first stage according to their patent texts, thereby saving considerable computing capacity and time. Finally, in this way, only a fraction of the patent documents to be analyzed in the first stage must pass through the particularly compute-intensive second stage. For example, a basic set may include 10,000 to 20,000 patent documents to be examined. In practice, the selection of the first stage may be, for example, about 5% -10% of the patent documents, ie, for example, 1000 documents, so that in the particularly compute-intensive second stage only these 1000 patent documents, i. by means of the image classification whose patent graphics must be examined, whereby in the second stage e.g. 90% -95% of the computational effort can be saved.
Zur entsprechenden Auswahl werden die Klassifikatoren, d.h. der Text- und der Bildklassifikator, folgendermaßen gebildet:
Bevorzugt wird durch ein sogenanntes „Trainieren“ eines Klassifikators, insbesondere des Textklassifikators, mit manuell ausgewählten Trainingsdokumenten die entsprechende Klassifikationsfunktion, insbesondere die Textklassifikationsfunktion, ermittelt. The classifiers, ie the text and image classifier, are formed as follows:
By means of a so-called "training" of a classifier, in particular of the text classifier, with manually selected training documents, the corresponding classification function, in particular the text classification function, is determined.
In einer bevorzugten Ausführungsform werden daher zum Trainieren zumindest des Textklassifikators für das aktuelle Ideenfindungsprojekt thematisch relevante Patentdokumente z.B. aus einer öffentlichen Datenbank als Trainingsdokumente ermittelt. Dazu kann ein relevantes Recherchekriterium verwendet werden. In empirischen Versuchen hat sich dazu herausgestellt, dass dabei eine technische Funktion, z.B. „Sägen“, „Schrauben“, Schweißen“, gegenüber entsprechenden Vorrichtungen, z.B. „Säge“, „Schraube“, „Schweißgerät“, eine wesentlich bessere Trefferquote erzielt. In a preferred embodiment, therefore, to train at least the text classifier for the current brainstorming project, thematically relevant patent documents, e.g. determined from a public database as training documents. For this purpose, a relevant search criteria can be used. In empirical experiments it has been found that a technical function, e.g. "Sawing", "Screwing", Welding "to corresponding devices, e.g. "Saw", "screw", "welding machine", achieved a much better hit rate.
Aus der Treffermenge können dann in Form einer händischen Endauswahl mit nur geringem manuellem Aufwand geeignete Patentdokumente als Trainingsdokumente ausgewählt werden. From the set of hits, suitable patent documents can then be selected as training documents in the form of a manual final selection with little manual effort.
In einer bevorzugten Ausgestaltung können somit besonders relevante Patentdokumente als relevant gekennzeichnet und als Trainingsdokumente zum Trainieren des Textklassifikators verwendet werden.In a preferred embodiment, therefore, particularly relevant patent documents can be identified as relevant and used as training documents for training the text classifier.
Weiterhin können auch nicht relevante Patentdokumente als nicht relevant gekennzeichnet und ebenfalls als Trainingsdokumente zum Trainieren des Textklassifikators verwendet werden.Furthermore, non-relevant patent documents can also be identified as irrelevant and also used as training documents for training the text classifier.
Dabei kann zur Merkmalsextraktion beispielsweise das dem Fachmann bekannte, sogenannte χ2-Verfahren („Chi-Square-Verfahren“) Verwendung finden, das im Folgenden näher beschrieben wird:
Mittels dem χ2-Verfahren wird im Allgemeinen die Unabhängigkeit zweier Variablen – und im vorliegenden Fall die Abhängigkeit eines Merkmals zu einer Kategorie – in diesem Fall relevant/nichtrelevant – festgestellt. Das χ2-Verfahren ist daher besonders gut dazu geeignet, die aussagekräftigsten Merkmale zu finden.In this case, for example, the feature known to the expert, so-called χ 2 method ("Chi-Square method") Be used, which is described in more detail below:
By means of the χ 2 method, the independence of two variables - and in this case the dependency of a feature on a category - in this case relevant / non-relevant - is generally determined. The χ 2 method is therefore particularly well suited to finding the most meaningful features.
χ2 kann dabei folgendermaßen bestimmt werden: χ 2 can be determined as follows:
In dieser Formel bedeuten:
- A:
- Anzahl der Dokumente aus einer Kategorie c, die ein bestimmtes Merkmal m enthalten;
- B:
- Anzahl der Dokumente, die nicht in der Kategorie c enthalten sind und, die das bestimmte Merkmal m enthalten;
- C:
- Anzahl der Dokumente aus Kategorie c, die das Merkmal m nicht enthalten;
- D:
- Anzahl der Dokumente, die nicht in der Kategorie c enthalten sind und die das Merkmal m nicht enthalten;
- N:
- Gesamtzahl der Dokumente in der dazugehörigen Trainingsmenge.
- A:
- Number of documents from category c containing a specific feature m;
- B:
- Number of documents that are not in category c and that contain the specific feature m;
- C:
- Number of documents from category c that do not contain the characteristic m;
- D:
- Number of documents that are not in category c and that do not contain m;
- N:
- Total number of documents in the corresponding training amount.
Allgemein können die Abhängigkeiten aller verwendeten Merkmale zu allen verwendeten Kategorien berechnet und anschließend gemittelt werden. Die Merkmale können nun für jede Kategorie in eine Reihenfolge (Ranking) gebracht werden. Je abhängiger das Merkmal von dieser Kategorie ist, desto höher steht es im Ranking. In general, the dependencies of all characteristics used can be calculated for all categories used and then averaged. The features can now be ranked for each category. The more dependent the characteristic of this category, the higher it stands in the ranking.
Die Verwendung des χ2-Verfahrens hat weiterhin den Vorteil, dass dadurch bereits eine Normierung auf das Intervall [0, 1] stattfindet, was die Ergebnisse vergleichbar macht. The use of the χ 2 method has the further advantage that this already standardizes the interval [0, 1], which makes the results comparable.
In einer besonders bevorzugten Ausführungsform kann in der zweiten Stufe die Bildklassifikation ein formales Merkmal, insbesondere die Komplexheit der Patentzeichnungen, als Auswahlkriterium verwenden. Dies ist aus mehreren Gründen besonders vorteilhaft:In a particularly preferred embodiment, in the second stage, the image classification may use a formal feature, in particular the complexity of the patent drawings, as a selection criterion. This is particularly advantageous for several reasons:
Zum einen kann eine entsprechende Bildklassifikationsfunktion nach einmaliger Erstellung für sämtliche derartige Verfahren verwendet werden, kann also für derartige Verfahren unabhängig vom jeweiligen Thema des Ideenfindungsprojekts als allgemein vorgegeben angesehen werden. On the one hand, a corresponding image classification function after a single creation can be used for all such methods, and thus can be regarded as generally prescribed for such methods independently of the respective topic of the idea generation project.
Das Trainieren des Bildklassifikators braucht in diesem Fall nur einmalig stattzufinden. Dazu wird einmalig eine Gruppe von Trainingsdokumente mit manuell ausgewählten, komplexen und weniger komplexen Grafiken zusammengestellt, wobei die einzelnen Grafiken zum Trainieren des Bildklassifikators als komplex oder weniger komplex gekennzeichnet werden. Dann kann der Bildklassifikator einmalig, z.B. mit dem besagten χ2-Verfahren, berechnet werden.Training the image classifier in this case only needs to take place once. For this, a set of training documents with manually selected, complex and less complex graphics is assembled once, whereby the individual graphics for training the image classifier are marked as complex or less complex. Then the image classifier can be calculated once, eg with the said χ 2 method.
Zum anderen ist dieses Kriterium der Komplexheit der Grafiken für die natürlichen Personen, also beispielsweise Entwickler, Konstrukteure, potentielle Erfinder, Interessierte Laien, etc., auch bei der Interpretation besonders vorteilhaft, da sich insbesondere die manuelle Erkennbarkeit durch die Auswahl weniger komplexer Grafiken erheblich verbessert und so den manuellen intellektuellen Aufwand bei der Kombination der darin enthaltenen Elemente erheblich verringert.On the other hand, this criterion of the complexity of the graphics for the natural persons, so for example developers, designers, potential inventors, amateurs interested, etc., also particularly advantageous in the interpretation, since in particular the manual recognition by the selection of less complex graphics significantly improved and thus significantly reduces the manual intellectual effort involved in combining the elements contained therein.
Die Komplexheit der Grafiken lässt sich beispielsweise durch das Verhältnis ihrer Linien zur Gesamtfläche der Grafik bestimmen. Dabei ist vorteilhafterweise zu berücksichtigen, dass es sich bei Patentzeichnungen grundsätzlich um Strichzeichnungen handelt, und dass die Stärke der Linien bei einer Vielzahl geeigneter Patentdokumente untereinander vergleichbar ist. Beispielsweise kann die Länge und/oder Fläche der Linien ins Verhältnis zur Größe, d.h. Diagonale oder Fläche, der Gesamtgrafik gesetzt werden. Insbesondere kann dabei die Zahl der entsprechenden Pixel verwendet werden. The complexity of the graphics can be determined, for example, by the ratio of their lines to the total area of the graphic. It is advantageously to be considered that patent drawings are basically line drawings, and that the strength of the lines is comparable among a large number of suitable patent documents. For example, the length and / or area of the lines may be proportionate to the size, i. Diagonal or plane, the overall graphics are set. In particular, the number of corresponding pixels can be used.
Somit kann der Anteil der Linien von aktuellen Analysewerkzeugen, also z.B. Bildanalysesoftware, mit nur geringem Rechenaufwand gut erkannt und bewertet werden. Thus, the proportion of lines of current analysis tools, e.g. Image analysis software, easily recognized and evaluated with low computational effort.
Weiterhin können Patentgrafiken, bei denen der Anteil der Linien an der Gesamtgrafik unterhalb eines bestimmten vorgegebenen Wertes liegt, als wenig komplex angesehen werden. Patentgrafiken, bei denen der Anteil der Linien an der Gesamtgrafik größer ist als der vorgegebene Wert, können als komplex angesehen werden.Furthermore, patent graphics in which the proportion of lines on the overall graphic is below a certain predetermined value can be considered to be less complex. Patent graphics in which the proportion of lines in the overall graphic is greater than the predetermined value can be considered complex.
Der besagte vorgegebene Wert kann in einer vorteilhaften Ausgestaltung auch anhand des gesamten zu untersuchenden Bildmaterials z.B. als Mittelwert bestimmt werden. Dann werden automatisch die im Verhältnis zur Gesamtheit am wenigsten komplexen Grafiken ausgewählt.The said predetermined value can, in an advantageous embodiment, also be determined on the basis of the entire image material to be examined, e.g. be determined as the mean. Then automatically the least complex graphics in relation to the whole are selected.
Der Wert kann aber auch unabhängig vom zu untersuchenden Bildmaterial vom Verfahren fest vorgegeben sein. Beispielsweise kann dieser Wert, z.B. bezogen auf das Verhältnis der Flächen, relativ klein sein und kann bei 0,01 % oder 0,05 % oder 0,1 % liegen, er kann aber auch bei 0,25% oder 0,5%, 1% oder 2,5% oder aber auch bei 5% oder 7,5% oder 10% oder mehr betragen, also z.B. bei 15% oder 20% oder noch darüber, z.B. bei 25%, 30%, 35% oder gar 40% liegen.The value can also be fixed by the method independently of the image material to be examined. For example, this value, for example based on the ratio of the areas, may be relatively small and may be 0.01% or 0.05% or 0.1%. but it can also be at 0.25% or 0.5%, 1% or 2.5% or else at 5% or 7.5% or 10% or more, eg at 15% or 20%. or even above, eg at 25%, 30%, 35% or even 40%.
Über diesen Wert kann vorteilhafterweise auch absolut eingestellt werden, wie komplex das Bildmaterial sein darf, um noch zur Auswahl zu gehören. This value can also be used to set absolutely absolute, how complex the image material may be in order to be part of the selection.
Somit kann die Bildklassifikation die Komplexheit der Patentgrafiken als Auswahlkriterium verwenden, indem diejenigen Patentdokumente ausgewählt werden, in deren Patentgrafiken das Verhältnis von Linien zur Gesamtfläche der Grafik geringer ist als bei denjenigen Patentdokumenten, die nicht ausgewählt werden.Thus, the image classification can use the complexity of the patent graphics as a selection criterion by selecting those patent documents in the patent graphics of which the ratio of lines to the total area of the graphic is less than those patent documents which are not selected.
Auf diese Weise können die weniger komplexen Patentgrafiken automatisch gemäß einem vorgegebenen Kriterium mit nur geringem Rechenaufwand ausgewählt werden.In this way, the less complex patent graphics can be automatically selected according to a predetermined criterion with little computational effort.
In einer weiteren vorteilhaften Ausbildung kann auch der Bildklassifikator, analog zum Textklassifikator, durch eine Auswahl von inhaltlich relevanten und nicht relevanten und entsprechend gekennzeichneten Trainingsdokumenten erzeugt werden. Dies kann sinnvoll sein, wenn die Bilder relevanter Dokumente markante Gemeinsamkeiten aufweisen, die sich, z.B. gemäß der IPC und/oder CPC-Klassifikation oder vergleichbaren weiteren Klassifikationen insbesondere auch Sektionsübergreifend auf den Themenschwerpunkt des Ideenfindungsprojekts beziehen.In a further advantageous embodiment, the image classifier, analogous to the text classifier, can be generated by a selection of content-relevant and non-relevant and appropriately marked training documents. This may be useful if the images of relevant documents have significant similarities, which may be, e.g. refer in particular to the topic focus of the brainstorming project according to the IPC and / or CPC classification or comparable further classifications.
Es ist somit möglich, dass auch der Bildklassifikator in einer besonders vorteilhaften Ausgestaltung ebenfalls inhaltliche Komponenten besitzt, also beispielsweise nach bestimmten geometrischen Formen, z.B. speziellen sogenannten „Steckgesichtern“, Verriegelungsvorrichtungen, Schaltungsanordnungen und dazugehörigen Symbolen, etc. sucht und entsprechende Patentdokumente auswählt. Somit kann die Bildanalyse in einer vorteilhaften Ausgestaltung beispielsweise auch Mustererkennungs- und/oder Musteranalyseverfahren beinhalten.It is thus possible that the image classifier in a particularly advantageous embodiment also has content-related components, that is, for example, for certain geometric shapes, e.g. special so-called "mating faces", locking devices, circuit arrangements and associated symbols, etc. searches and selects corresponding patent documents. Thus, in an advantageous embodiment, the image analysis may also include, for example, pattern recognition and / or pattern analysis methods.
Zum Trainieren und Anwenden des Textklassifikators/der Textklassifikatoren gibt es mehrere Möglichkeiten:
Ein erster Ansatz besteht darin, Patentdokumente verschiedener derartiger Sektionen, insbesondere IPC oder CPC-Sektionen, in der Trainingsphase getrennt voneinander als Trainingsdokumente zu verwenden, um so für jede Sektion einen eigenen Textklassifikator zu erhalten. In der drauf folgenden Auswahlphase können dann Patentdokumente der verschiedenen Sektionen mit einem jeweils dazugehörigen sektionsspezifischen Textklassifikator ausgewählt werden.There are several ways to train and apply the text classifier / classifiers:
A first approach is to use patent documents of various such sections, in particular IPC or CPC sections, separately in the training phase as training documents so as to obtain a separate text classifier for each section. In the subsequent selection phase then patent documents of the various sections can be selected with a respective section-specific text classifier.
Dies bedeutet zwar einen erheblich höheren Konfigurations- und Rechenaufwand, doch es erscheint zunächst durchaus nachvollziehbar, dass sich beispielsweise die sogenannte „Precision“, welche das Verhältnis Anzahl relevanter Dokumente/Anzahl gefundener Dokumente angibt, also in einfachen Worten „die Treffsicherheit“ des jeweiligen Klassifikators angibt, zumindest aufgrund der einheitlichen Wortbedeutungen innerhalb einer Sektion dadurch signifikant verbessern müsste.Although this means a much higher configuration and computational effort, but it seems at first quite understandable that, for example, the so-called "Precision", which specifies the ratio of number of relevant documents / number of documents found, so in simple words "the accuracy" of each classifier indicates that, at least because of the uniform meanings of words within a section, this would have to significantly improve.
Erstaunlicherweise wurde diese These zumindest durch die durchgeführten Versuchsreihen nicht bestätigt. Es konnte also zumindest bei den durchgeführten Untersuchungen kein nennenswerter Einfluss durch die Verwendung IPC-sektionsspezifischer Textklassifikatoren gefunden werden.Surprisingly, this thesis was not confirmed at least by the test series carried out. At least in the investigations carried out no appreciable influence could be found by the use of IPC-section-specific text classifiers.
Als besonders vorteilhaft für die Verringerung des manuellen Aufwands und/oder des insgesamt erheblichen Rechenaufwandes hat es sich daher herausgestellt, einen alternativen Ansatz zu verfolgen, der darin besteht, in der ersten Stufe, d.h. bei der Textklassifikation, Patentdokumente aus verschiedenen IPC-/CPC- oder ggf. auch aus weiteren Patenklassifikations-Sektionen mittels der gleichen Textklassifikationsfunktion auszuwählen. Mit anderen Worten kann ein einziger Klassifikator für Patentdokumente aus verschiedenen Sektionen, z.B. ICP-/PCP-Sektionen, verwendet werden, ohne dass sich dadurch das Ergebnis signifikant verschlechtert. Dadurch kann sowohl der manuelle Aufwand als auch der Rechenaufwand des Computers sowohl beim Konfigurieren des Systems als auch bei der eigentlichen regulären Patentdokumentauswahl erheblich reduziert werden.It has therefore proven to be particularly advantageous for the reduction of the manual effort and / or the overall considerable computational effort to pursue an alternative approach, which consists in, in the first stage, i. in the text classification, to select patent documents from different IPC / CPC or possibly also from other patent classification sections by means of the same text classification function. In other words, a single classifier for patent documents from different sections, e.g. ICP / PCP sections, without significantly degrading the result. As a result, both the manual effort and the computational cost of the computer can be significantly reduced both when configuring the system and during the actual regular choice of patent documents.
Für die Auswahlphase können beim Zusammenstellen der Grundmenge von Patentdokumenten aus einer Datenbank, z.B. aus einer öffentlichen Datenbank, beispielsweise mit dem Begriff „Verriegeln“ nicht nur aus der IPC-Sektion H „Elektrotechnik“ und Sektion F „Maschinenbau“, sondern weiterhin auch in Sektion B „Arbeitsverfahren“ und Sektion A „Täglicher Lebensbedarf“ Patentdokumente zusammengestellt werden. Aus der so zusammengestellten Grundmenge können somit auch Sektionsübergreifend mit dem Text- und/oder mit dem Bildklassifikator relevante Dokumente ausgewählt werden. Dabei kann der Textklassifikator naturgemäß eine stärkere inhaltliche Komponente besitzen und der Bildklassifikator kann bevorzugt formale Kriterien, wie z.B. die besagte Komplexheit bewerten. For the selection phase, when assembling the basic set of patent documents from a database, e.g. from a public database, for example with the term "locking" not only from the IPC section H "electrical engineering" and section F "mechanical engineering", but also in section B "working methods" and section A "Daily life requirement" patent documents are compiled. It is therefore also possible to select documents relevant to the text and / or the image classifier from the basic set composed in this way. The text classifier can of course have a stronger content component and the image classifier can preferably have formal criteria, such as e.g. to evaluate the said complexity.
Die Darstellung der Patentgrafiken zum Betrachten und Kombinieren durch natürliche Personen, also z.B. Entwickler, Konstrukteure, Fachleute, Interessierte Laien, etc., beschränkt sich weiterhin keineswegs auf herkömmliche Ausstellungen in Form von Galerien, in welchen Ausdrucke der Grafiken konventionell ausgehängt werden können. In einer weiteren bevorzugten Ausgestaltung können diese Grafiken, beispielsweise über ein Netzwerk, an Rechner der Teilnehmer, d.h. der besagten natürlichen Personen, verteilt und dort in Form eines Programms, z.B. als eine Slide-Show dargestellt werden. Dabei kann die Reihenfolge der einzelnen Grafiken, z.B. in Abhängigkeit von einem Zufallsgenerator, für verschiedene Teilnehmer variieren. Auch können dieselben Grafiken denselben Teilnehmern mehrfach aber in einer veränderten Reihenfolge präsentiert werden, um unterschiedliche Assoziationen auszulösen und Kombinationen herzustellen. Weiterhin sind Ausgestaltungen denkbar, bei denen die Teilnehmer den Computermonitor durchlaufende Grafiken per Mausklick auswählen oder Teile davon miteinander kombinieren und speichern können.The representation of the patent graphics for viewing and combining by natural persons, eg developers, designers, Experts, interested amateurs, etc., are by no means limited to conventional exhibitions in the form of galleries in which printouts of the graphics can be posted conventionally. In a further preferred embodiment, these graphics can be distributed, for example via a network, to computers of the subscribers, ie the said natural persons, and displayed there in the form of a program, eg as a slide show. The order of the individual graphics, eg depending on a random number generator, can vary for different subscribers. Also, the same graphics may be presented to the same participants multiple times but in a different order to trigger different associations and create combinations. Furthermore, embodiments are conceivable in which the participants can select the computer monitor continuous graphics by mouse click or parts of it can combine and save.
Ausführungsbeispielembodiment
Ein Ausführungsbeispiel der Erfindung ist in den Zeichnungen dargestellt und wird im Folgenden näher erläutert. Es zeigen:An embodiment of the invention is illustrated in the drawings and will be explained in more detail below. Show it:
Die Figuren enthalten teilweise vereinfachte, schematische Darstellungen. The figures contain partially simplified, schematic representations.
Zum Teil werden für gleiche, aber gegebenenfalls nicht identische Elemente identische Bezugszeichen verwendet. Verschiedene Ansichten gleicher Elemente könnten unterschiedlich skaliert sein.In part, identical reference numerals are used for the same but possibly not identical elements. Different views of the same elements could be scaled differently.
Die
Bei dieser zweistufigen Patentklassifikation wird zunächst eine erste Stufe, aufweisend einen Textklassifikator
Die Grundmenge
Zur Gewinnung der Grundmenge
In der ersten Stufe werden die Patenttexte
In der zweiten Stufe werden daraufhin die Patentgrafiken
Die
Im ersten Schritt
Im zweiten Schritt
Bei der Merkmalsgewichtung im dritten Schritt
Entsprechend einem sogenannten „Retrievalmodel“ können diese gewichteten Merkmale analysiert und im vierten Schritt
Als übliche Retrievalmodelle werden in der Praxis meist das sogenannte „Boolsche Model“, das sogenannte „Vektorraummodel“ sowie das sogenannte „probabilistisches Modell“ genutzt:
Diese sind folgendermaßen charakterisiert:
Das Boolsche Modell, auch bekannt als sogenannte „Schlagwortsuche“, basiert auf dem Ansatz, Textdokumente nach dem Vorhandensein oder Fehlen von Stichwörtern zu durchsuchen. Bei der Anwendung wird mittels einzelner Wörter gesucht. Ergebnis dieser Suche ist eine Menge der Dokumente, in der diese Suchwörter enthalten sind. Die Suchbegriffe können durch die logischen Operatoren „UND“, „ODER“ sowie „NOT“ kombiniert werden. Eine Rangfolge der Ergebnismenge ist dabei nicht möglich.The usual retrieval models used in practice are usually the so-called "Boolean model", the so-called "vector space model" and the so-called "probabilistic model":
These are characterized as follows:
The Boolean model, also known as "keyword search", is based on the approach of searching text documents for the presence or absence of keywords. The application searches by means of single words. The result of this search is a set of documents containing these keywords. The search terms can be combined by the logical operators "AND", "OR" and "NOT". A ranking of the result set is not possible.
Das Vektorraummodell basiert darauf, dass sowohl die Suchanfrage als auch die Dokumente der Ergebnismenge als Vektoren in einem hochdimensionalen Raum abgebildet werden. Die Vektoren der Anfrage und jedes Ergebnisses werden miteinander verglichen. Je ähnlicher sich diese Vektoren sind, desto höher wird die Relevanz des betreffenden Dokumentes der Ergebnismenge für die Antwort zur Anfrage eingeschätzt. Dadurch entsteht ein Ranking der Dokumente in der Ergebnismenge. Zur Verwendung des Vektorraum-Models zur Klassifikation der Dokumente kann beispielsweise die sogenannte „Support Vector Machine“ verwendet werden.The vector space model is based on mapping both the query and the documents of the result set as vectors in a high-dimensional space. The vectors of the query and each result are compared. The more similar these vectors are, the more highly the relevancy of the particular document of the result set for the response to the query is estimated. This results in a ranking of the documents in the result set. To use the vector space model for the classification of documents, for example, the so-called "Support Vector Machine" can be used.
Das probabilistische Modell basiert auf Wahrscheinlichkeitswerten. Die größte Herausforderung beim sogenannten „Information Retrieval“ (Informationsgewinnung) in Texten ist schließlich die Vagheit der Sprache. Somit gibt es keine absolute Sicherheit, dass ein Dokument zu einer Anfrage relevant ist. Daher werden Wahrscheinlichkeiten für die Relevanz von Dokumenten berechnet. Hierbei wird die Relevanz als Ähnlichkeitswert angegeben. Die Ähnlichkeit ist hierbei abhängig von der Häufigkeit der Suchbegriffe im Dokument. Je höher die errechnete Wahrscheinlichkeit ist, desto relevanter wird das Dokument für die Anfrage eingeschätzt. Als Wahrscheinlichkeitsbasiertes Klassifikationsverfahren kann beispielsweise das sogenannte „Naive-Bayes-Klassifikationsverfahren“ Verwendung finden.The probabilistic model is based on probability values. The biggest challenge in so-called "information retrieval" in texts is the vagueness of the language. Thus, there is no absolute assurance that a document is relevant to a request. Therefore, probabilities for the relevance of documents are calculated. Here, the relevance is given as a similarity value. The similarity depends on the frequency of search terms in the document. The higher the calculated probability, the more relevant the document is estimated for the query. As a probability-based classification method can For example, the so-called "Naive Bayes classification method" find use.
Entsprechend ihrer Gewichtung können die Patentdokumente durch das im vierten Schritt
Zu den auf diese Weise im sechsten Schritt
Im achten Schritt
Im neunten Schritt
Analog zur Textanalyse können beim Image Mining digitale Bilder, z.B. die Patentgrafiken
So können durch das im elften Schritt
Um derartige Auswahlverfahren durchführen zu können, müssen jedoch zuvor die Textklassifikatonsfunktion γ und der Bildklassifikationsfunktion ε berechnet werden. In order to be able to perform such selection methods, however, the text classification function γ and the image classification function ε must first be calculated.
Die
Dazu werden zum Trainieren des Klassifikators, in diesem Falle des Textklassifikators
Im ersten Schritt
Im zweiten Schritt
Da viele Merkmale das Verfahren sowohl in der Trainingsphase als auch in der Auswahlphase sehr stark verlangsamen würden, daher ist es vorteilhaft, nur die aussagekräftigsten Merkmale zu verwenden, also diejenigen Merkmale, welche die relevanten von den irrelevanten Dokumenten am deutlichsten unterscheiden. Mittels dem χ2-Verfahren wird im Allgemeinen die Unabhängigkeit zweier Variablen – und im vorliegenden Fall die Abhängigkeit eines Merkmals zu einer Kategorie – in diesem Fall relevant/nichtrelevant – festgestellt. Das χ2-Verfahren ist daher besonders gut dazu geeignet, diese aussagekräftigsten Merkmale zu finden.At the second step
Because many features would greatly slow down the process in both the training phase and the selection phase, it is advantageous to use only the most meaningful features, those features that most clearly distinguish the relevant from the irrelevant documents. By means of the χ 2 method, the independence of two variables - and in this case the dependency of a feature on a category - in this case relevant / non-relevant - is generally determined. The χ 2 method is therefore particularly well suited to finding these most meaningful features.
Das χ2-Verfahren kann zur Merkmalsextraktion
Im dritten Schritt
Im vierten Schritt
Das Trainieren des Bildklassifikators
Diese Trainingsdokumente werden im ersten Schritt
Im zweiten Schritt
Alternativ zum Trainieren des Bildklassifikators
Die
In Punkt
In Punkt
In Punkt
In Punkt
In Punkt
In Punkt
In Punkt
in Punkt
In Punkt
In Punkt
In Punkt
In Punkt
Die
In der
Aus den dadurch jeweils ermittelten relevanten Patentdokumenten werden dann jeweils Unterteilmengen
In der
In der Praxis funktioniert diese Auswahl über einen einzigen gemeinsamen Textklassifikator
BezugszeichenlisteLIST OF REFERENCE NUMBERS
- 11
- Grundmenge der Patentdokumente Basic set of patent documents
- 22
- Patenttexte der Patentdokumente der Grundmenge Patent texts of the patent documents of the basic quantity
- 3, 3´, 3´´, 3´´´3, 3', 3'', 3'''
- Textklassifikator, sektionsspezifische Textklassifikatoren Text classifier, section-specific text classifiers
- 44
- erste Teilmenge first subset
- 4´, 4´´, 4´´´ 4', 4'', 4'''
- Unterteilmengen der ersten Teilmenge Subset sets of the first subset
- 5, 5´, 5´´, 5´´´5, 5', 5'', 5'''
- Restmenge(n) Remaining amount (n)
- 66
- Patentgrafiken der zu analysierenden Patentdokumente Patent graphics of the patent documents to be analyzed
- 77
- Bildklassifikator Bildklassifikator
- 88th
- zweite Teilmenge second subset
- 99
- weitere Restmenge further residual quantity
- 1111
- Einlesen der Patenttexte der Grundmenge in den Computer Reading the patent texts of the basic quantity into the computer
- 11´11'
- Einlesen der Trainingsdokumente in den Computer Reading the training documents into the computer
- 12, 12´12, 12'
- Merkmalsextraktion (Text) Feature extraction (text)
- 13, 13´13, 13'
- Merkmalsgewichtung(Text) Feature weighting (Text)
- 1414
- Anwenden der Textklassifikationsfunktion Apply the text classification function
- 14´14'
- Berechnung der Textklassifikationsfunktion Calculation of the text classification function
- 1515
- Zuweisung relevanter Patentdokumente zu der ersten Teilmenge Assignment of relevant patent documents to the first subset
- 1616
- relevante Patenttexte relevant patent texts
- 1717
- Zusammenstellen relevanter Patentgrafiken Compiling relevant patent graphics
- 1818
- Einlesen zu untersuchender Patentgrafiken Reading in for patent graphics
- 18´18'
- Einlesen der Patentgrafiken der Trainingsdokumente Reading the patent graphics of the training documents
- 19, 19´19, 19'
- Merkmalsextraktion (Grafik) Feature extraction (graphic)
- 20, 2120, 21
- Merkmalsgewichtung (Grafik) Feature weighting (graphic)
- 2121
- Anwenden der Bildklassifikationsfunktion Apply the image classification function
- 21´21'
- Berechnung der Bildklassifikationsfunktion Calculation of the image classification function
- 2222
- Zuweisung relevanter Patentgrafiken zu der zweiten Teilmenge Assignment of relevant patent graphics to the second subset
- 2323
- relevante Patentgrafiken relevant patent graphics
- γ, γ1, γ2, γ3 γ, γ 1 , γ 2 , γ 3
- Textklassifikationsfunktion, sektionsspezifische TextklassifikationsfunktionenText classification function, Section-specific text classification functions
- εε
- Bildklassifikationsfunktion Image classification function
- S1, S2, S3S1, S2, S3
- Patentexte einzelner Patentkassifikationssektionen, (z.B. IPC-Sektionen, CPC-Sektionen) Patent texts of individual patent certification sections (e.g., IPC sections, CPC sections)
- I.)–XII.)I) -. XII).
- Verfahrensschritte eines möglichen Gesamtablaufs eines Verfahrens zur IdeenfindungProcess steps of a possible overall sequence of a method for brainstorming
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- US 5774833 A [0003] US 5774833A [0003]
- WO 2008156507 A1 [0004] WO 2008156507 A1 [0004]
- US 20120054281 A1 [0006] US 20120054281 A1 [0006]
Zitierte Nicht-PatentliteraturCited non-patent literature
- Spies, K., Verlag der Augustinus Buchhandlung, Aachen, 1996 [0007] Spies, K., Verlag der Augustinus Buchhandlung, Aachen, 1996 [0007]
Claims (10)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015112101.8A DE102015112101A1 (en) | 2015-07-24 | 2015-07-24 | Method for brainstorming |
PCT/DE2016/100302 WO2017016538A1 (en) | 2015-07-24 | 2016-07-07 | Method for finding ideas |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015112101.8A DE102015112101A1 (en) | 2015-07-24 | 2015-07-24 | Method for brainstorming |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102015112101A1 true DE102015112101A1 (en) | 2017-01-26 |
Family
ID=56567323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102015112101.8A Ceased DE102015112101A1 (en) | 2015-07-24 | 2015-07-24 | Method for brainstorming |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102015112101A1 (en) |
WO (1) | WO2017016538A1 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774833A (en) | 1995-12-08 | 1998-06-30 | Motorola, Inc. | Method for syntactic and semantic analysis of patent text and drawings |
WO2008156507A1 (en) | 2007-06-15 | 2008-12-24 | Patentcafe | System and method for analyzing patent value |
US20120054281A1 (en) | 2010-08-27 | 2012-03-01 | Intercenters, Inc., doing business as nTeams | System And Method For Enhancing Group Innovation Through Teambuilding, Idea Generation, And Collaboration In An Entity Via A Virtual Space |
US20150121185A1 (en) * | 2013-10-28 | 2015-04-30 | Reed Technology And Information Services, Inc. | Portfolio management system |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001009753A2 (en) * | 1999-07-30 | 2001-02-08 | Microsoft Corporation | Method and system for priorotized alerts |
US8478052B1 (en) * | 2009-07-17 | 2013-07-02 | Google Inc. | Image classification |
DE102009050681A1 (en) * | 2009-10-26 | 2011-05-12 | Siemens Aktiengesellschaft | Method and device for recognizing and classifying document parts of a computer-accessible document by step-by-step learning from a plurality of training sets |
-
2015
- 2015-07-24 DE DE102015112101.8A patent/DE102015112101A1/en not_active Ceased
-
2016
- 2016-07-07 WO PCT/DE2016/100302 patent/WO2017016538A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774833A (en) | 1995-12-08 | 1998-06-30 | Motorola, Inc. | Method for syntactic and semantic analysis of patent text and drawings |
WO2008156507A1 (en) | 2007-06-15 | 2008-12-24 | Patentcafe | System and method for analyzing patent value |
US20120054281A1 (en) | 2010-08-27 | 2012-03-01 | Intercenters, Inc., doing business as nTeams | System And Method For Enhancing Group Innovation Through Teambuilding, Idea Generation, And Collaboration In An Entity Via A Virtual Space |
US20150121185A1 (en) * | 2013-10-28 | 2015-04-30 | Reed Technology And Information Services, Inc. | Portfolio management system |
Non-Patent Citations (3)
Title |
---|
ESSER, Daniel: Selbstlernende Typklassifikation von Dokumenten für Information Retrieval im Dokument Management. In: Großer Beleg, Technischen Universität Dresden, eingereicht am 10.09.2010, S. 1 - 131. * |
FINZEN, Jan; KASPER, Harriet; KINTZ, Maximilien: INNOVATION MINING, Effektive Recherche unternehmensstrategisch relevanter Informationen im Internet. In: ISBN: 978-3-8396-0139-6, Veröffentlichungsjahr 2010, vor allem Seiten 47 bis 54. * |
Spies, K., Verlag der Augustinus Buchhandlung, Aachen, 1996 |
Also Published As
Publication number | Publication date |
---|---|
WO2017016538A1 (en) | 2017-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102018111905A1 (en) | Domain-specific language for generating recurrent neural network architectures | |
DE102006040208A1 (en) | Patent-related search procedure and system | |
DE112018005813T5 (en) | FACILITATION OF DOMAIN AND CUSTOMIZED RECOMMENDATIONS FOR APPLICATION PROGRAM INTERFACES | |
EP3973412A1 (en) | Method and device for pre-selecting and determining similar documents | |
DE112010000947T5 (en) | Method for completely modifiable framework data distribution in the data warehouse, taking into account the preliminary etymological separation of said data | |
DE112018001165T5 (en) | AUTOMATED DOCUMENT ANALYSIS FOR DIFFERENT NATURAL LANGUAGES | |
EP3736817A1 (en) | Checking and / or improvement in the consistency of data codes in medical image processing | |
DE112007000051T5 (en) | Three-part model-based method for obtaining and processing information | |
DE60300984T2 (en) | Method and computer system for optimizing a Boolean expression for request processing | |
DE112010002620T5 (en) | ONTOLOGY USE FOR THE ORDER OF DATA RECORDS NACHRELEVANZ | |
DE112018002626T5 (en) | Methods and systems for the optimized visual summary of sequences with time-related event data | |
EP1008067B1 (en) | Method and system for computer assisted determination of the relevance of an electronic document for a predetermined search profile | |
CH712988A1 (en) | A method of searching data to prevent data loss. | |
DE10320419A1 (en) | Database query system and method for computer-aided query of a database | |
WO2010078859A1 (en) | Method and system for detecting a similarity of documents | |
DE102012025350A1 (en) | Processing an electronic document | |
DE102015112101A1 (en) | Method for brainstorming | |
DE19908204A1 (en) | Fractal n-th order network for handling complex structures | |
EP1170678B1 (en) | Method and apparatus for automatically searching for relevant sets of images | |
DE102007044380A1 (en) | Computer-aided studying of probabilistic network from data record of measured, experimentally determined and/or empirical values, comprises studying structure of non-directed graphs having nodes and non-directed edges from the data record | |
WO2012025439A1 (en) | Method for searching in a plurality of data sets and search engine | |
EP3454233A1 (en) | Method for finding technical solution elements for use in the construction of industrial products | |
DE102020208884A1 (en) | Hierarchizing a search on time-series data to speed it up | |
WO2020193591A1 (en) | Method and device for analyzing elements of a text collection, and method and device for searching for information in digital data | |
DE202022101222U1 (en) | An automatically scalable system for optimized work recommendations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R002 | Refusal decision in examination/registration proceedings | ||
R003 | Refusal decision now final | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G06F0017300000 Ipc: G06F0016000000 |