[作業メモ] なんちゃって言語処理－公開時/登録時の請求項類似度をExcelで計算
こんにちは！ 特許調査の仕事をしてます、酒井と申します。今日は「２つの類似した文章のペア（×複数組）の類似度をExcelでもりもり計算する方法」について書きます。作業メモ回です。
自然言語処理ＡＰＩというものを使うんですが･･･
あっ！まってまって、逃げないでー！ 笑
例題：メルカリの登録特許
公開時の独立請求項と 登録時の独立請求項との類似度比較です。
全く同じ文章なら類似度１、差が大きいほどゼロに近づきます。
クレームの書き出しから違っていて「かなり補正したかな？」という出願でも類似度を計算すると0.998程度。
公開＝登録で、全く補正されていなければ 類似度＝1.00 です。
･･･という具合に、
公開－登録 の請求項比較
国内－海外 の請求項比較 などに使えそうです。
（同じ言語でないと比較できないので、国内－海外の場合には機械翻訳を併用します。）
ーーーーー
上記の類似度計算は、Qiitaのこちらの記事を見て応用しました。
使用方法が詳しく説明されているので、
Excelで関数を使い慣れている方なら、簡単に使えるかと思います。
（マクロはわからなくても、たぶん大丈夫です。）
類似度推定の他に、
キーワード抽出あたりは検索の下処理に応用できるかもしれないですね。
単に「２つの文章を比べる」（文書ペアは１組～少数）だけなら
ユーザーローカルのAIテキストマイニングに貼る、という手がありますが
Qiitaで紹介されている類似度計算は
「大量の文書ペアを一挙に処理できる」のがポイントです。
使用しているCOTOHA API (NTTコミュニケーションズ)は
無料版の場合「各処理１日1000回まで」の制限があり、
使い切ると、翌日まで処理ができません。
（ちなみに処理用のIDが発行され、ID単位で制限されるので
パソコンを変えても上限突破は難しそうです😅）
というわけで、もし「5000件を処理したい」場合には、
５日に分ける事になります。
このような「１件１件、公開－登録を見比べたら、
どの程度請求項が変わっているのか、感覚的には把握できるけど
数十件、数百件となると、面倒だな･･･」という作業、
作業内容によりけり･･･ではありますが、
案外、使うデータと作業手順をしっかり組み立てたら
機械的に処理できるもの、案外たくさんあるかもしれないですね。
以上、今日の作業メモでした。