Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
DeEn
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      DeEn
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Nächste Infotage
      Jetzt anmelden:
      →

      Hoch...
      Hochschule für Technik...
      Ins...
      Forschungsprojekt...
      Verbesserung der Überwachung von Drittparteipatenten mit maschinellem Lernen und Natu...

      Verbesserung der Überwachung von Drittparteipatenten mit maschinellem Lernen und Natural Language Processing

      Die Anwendung moderner NLP-Modelle erhöht die Effizienz der Patentüberwachung durch Dritte in der Ernährungs- und Biowissenschaftsindustrie.













      Zielsetzung

      Identifizierung relevanter Patente Dritter mit Hilfe von Transformer-basierten Klassifikationsmodellen.

      Hintergrund

      Jedes Jahr werden weltweit Millionen von Patenten zu einer Vielzahl von Themen veröffentlicht. Patentanmeldungen umfassen in der Regel durchschnittlich etwa 10.000 Wörter und verwenden eine einzigartige, stark kontextabhängige, sorgfältig formulierte Sprache (auch bekannt als «Juristensprache»).
      Die Überwachung von Patenten Dritter ist für viele Unternehmen ein entscheidendes Element für die Geschäftsentwicklung und Innovation.

      Schlüsselwortbasierte Suchstrategien können dazu beitragen, den Aufwand für das Screening durch Fachexperten zu verringern. Allerdings ist es selbst mit einem stark angepassten Regelwerk schwierig, eine Auswahl zu treffen, die hauptsächlich relevante Patente enthält. Dies führt zu einem erheblichen Zeitaufwand für die manuelle Durchsicht irrelevanter Patentdokumente.

      Ergebnisse

      Das Institut für Data Science FHNW entwickelte erfolgreich ein transformer-basiertes Klassifikationsmodell, das auf von DSM-Experten annotierten Drittpatenten trainiert wurde. Eine Feldstudie hat gezeigt, dass dieses Modell ein effizienteres Patentscreening ermöglicht und die Arbeitskosten erheblich reduziert. Darüber hinaus ermöglicht das Modell die Erweiterung des Pools der auf Relevanz geprüften Patente und damit die Identifizierung weiterer potenziell relevanter Patente. Auf der Grundlage des PoC-Erfolgs beabsichtigt DSM, die Lösung in einem nächsten Schritt vor Ort zu implementieren.

      Information

      table_scrollable_animation_gif
      Auftraggeber
      DSM Nutritional Products Ltd.
      Ausführung
      Institut für Data Science FHNW
      Dauer
      6 Monate
      Projektteam
      Prof. Dr. Daniel Perruchoud, Dr. Fernando Benites, Dominik Frefel, Joshua Meier

      Kontakt

      laden

      Die FHNW

      Hochschule für Technik und Umwelt FHNW
      ht_ins_i4ds_zusammenarbeit_industrie

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: