【趣旨】

クラスター分析は、似ているデータどうしを分類しグループ化する統計的な手法です。大量のデータを単純化（要約・可視化）し理解・考察することにより仮説の発見が期待できます。クラスター分析には「階層性クラスター分析」と「非階層性クラスター分析」の２種類の方法があり、クラスター数やデータ数に応じて使い分けることができます。分類したクラスターの特徴をユーザがどのように考察するかが重要です。

特許情報をみることにより、各産業分野での具体的な課題解決においてクラスター分析がどのように役立っているかを知ることができます。

【掲載している特許情報】

発明の特徴にクラスター分析を含む特許情報を調査の対象としました。クラスターの扱い方に着目し、クラスター数、分割方法、クラスター間の距離などの観点に基づいて技術分類を行いました。ただし、クラスター分析として判定できないグループ化や分類を含む特許情報は対象としていません。

明らかなノイズ情報、単なる拡張記載の特許情報は対象外にしています。

■最新の特許情報を俯瞰するパテントガイドブック

技術テーマのプランニングや技術開発において、技術者自身が最新の特許情報を的確に把握することが求められています。しかし、膨大な特許情報の中から必要な情報を抽出するには困難が伴います。そこで、特定の技術テーマにフォーカスし、俯瞰しやすいレベルにまとめたのが本シリーズ「パテントガイドブック」です。

目次／技術分類

クラスター数の決定

クラスター数の自動調整や最適なクラスター数の推定など、クラスター数の決定に特徴がある特許情報を取り上げました。

クラスターの分割

グループのサイズや重心の大きさなど、クラスターの分割方法に特徴がある特許情報を取り上げました。

クラスター情報の提示

クラスターに表れる特性の推定やクラスターの要約の作成など、クラスターに関する情報の提示に特徴がある特許情報を取り上げました。

クラスタリングデータの利用

クラスターの平均値によるデータの補正や同じクラスター内での比較分析など、クラスタリング処理後のデータの利用に特徴がある特許情報を取り上げました。

類似度の検出

データとクラスター間の距離やコサイン類似度を算出することにより類似度を検出する方法に特徴がある特許情報を取り上げました。異常度の検出なども含みます。

その他

上記の技術分類に該当しない特許情報を取り上げました。例えばクラスターに対応した推定モデルの構築に関する技術や画像の処理に関する技術などを含みます。