Разработка нейросетевой модели поиска недостатков запатентованной технологии

1. Разработка нейросетевой модели поиска недостатков запатентованной технологии

модели поиска
недостатков
запатентованной
технологии
Исполнитель: Дятчин
А.С. Студент гр. ИВТ-465
Руководитель практики:
Козина С.А.

2. Актуальность работы.

Я считаю, что моя научно-исследовательская работа (тема диплома)
актуальна, так как растет сложность анализа патентных документов.
Так как растет объём заявок ручной подход становится менее
эффективным.
А применение нейросетевых технологий позволяет автоматизировать
выявление ошибок и недостатков, что значительно повысит точность и
снижает временные затраты.
Я считаю, что разработка такого инструмента может стать важным
вкладом в развитие интеллектуальной собственности.

3. Отобранная литература по теме

В процессе работы я изучил множество источников, посвященных
машинному обучению и обработке текста. Основное внимание уделено
исследованиям по NLP (Natural Language Processing) и их применению в
патентном анализе. Также были рассмотрены публикации о недостатках
существующих систем автоматизации. Анализ этих материалов позволил
определить направления для разработки собственной модели.

4. Цель работы, задачи. 

Цель работы, задачи.
Цель исследования — создать нейросетевую модель, способную
эффективно анализировать патенты и выявлять их потенциальные
недостатки. Для достижения этой цели я поставил перед собой
следующие задачи:
Изучить современные подходы и технологии.
Сформировать архитектуру программного продукта.
Реализовать модель и провести ее тестирование.
Подготовить пользовательский интерфейс и отчётности.
Эти шаги, на мой взгляд, позволят добиться максимально качественного
результата.

5. Сравнительный анализ аналогов и прототипов.

Название
Сравнительный анализ аналогов и
прототипов.
Основной
функционал
Преимущества
Недостатки
Платформа для
анализа патентов и
конкурентной
разведки
Глубокий анализ
патентного
ландшафта,
интеграция с
базами данных
Не выделяет
недостатки,
отсутствует фокус
на деталях текста
Поиск и анализ
патентов
Простота
использования,
бесплатный доступ
Нет анализа текста
на предмет
недостатков
PatentPal
Помощь в
составлении
патентной
документации
Упрощает процесс
подготовки патентов
Не занимается
анализом
существующих
патентов
Innography
Анализ патентов и
рыночных данных
Подробные отчеты
по патентным
семействам
Не анализирует
технические
недостатки
IPlytics
Google Patents

6. Требования пользователя.

Я считаю, что пользователи, которые будут в будущем пользоваться моей
системой хотели бы видеть:
Дружественный интерфейс системы(простая в использовании).
Возможность иметь работы с большими объемами данных.
Быстрая генерация отчетов по найденным недостаткам.
Поддержка различных форматов входных данных(текст, изображения,
графики).
Адаптация модели к новым патентным данным без полной
переработки.

7. Графическое представление ВКР (как черного ящика).

8. Архитектура ПО. 

Архитектура ПО.
Программный продукт будет состоять из нескольких модулей:
Модуль обработки текста, отвечающий за структурирование данных.
Нейросетевой анализатор для выявления недостатков.
Интерфейс пользователя и модуль генерации отчетов.
Такой подход, на мой взгляд, обеспечивает гибкость и
масштабируемость системы.

9. Макеты экранных форм

10. Календарный план работы. Текущее состояние  работы.

Календарный план работы. Текущее
состояние работы.
Календарный план:
Октябрь–Декабрь: сбор данных, формулировка требований.
Январь–Март: разработка и тестирование модели.
Апрель-Май: создание интерфейса.
Май-Июнь: финальная отладка и оформление отчёта.
На данный момент, сделано следующее:
Проанализирована литература, освоен парсер с помощью которого
будет проводиться сбор данных о патентах, модель находится в
разработке (составление базы данных ключевых слов, которые
сигнализируют о том, что в патенте есть недостаток)

11. Планируемые результаты работы 

Планируемые результаты работы
Закончив свою дипломную работу, я ожидаю от разработанной системы:
Рабочую нейросетевую модель, выявляющая недостатки в патентах и
генерации отчетов.
Удобный интерфейс для анализа данных.
Возможность интеграции модели в корпоративные системы.
Повышение точности анализа патентных данных.