図面 (/)

技術 潜在的ニーズ導出装置

出願人 トヨタ自動車株式会社
発明者 玉井雄一朗中野裕一郎石黒陽子
出願日 2014年12月2日 (7年2ヶ月経過) 出願番号 2014-243932
公開日 2016年6月20日 (5年8ヶ月経過) 公開番号 2016-110188
状態 特許登録済
技術分野 検索装置 知識ベースシステム 特定用途計算機
主要キーワード 導出装置 少数意見 四分位点 決定木分析 回収実績 補正計数 一対比較法 ウェイト値
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年6月20日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

予め設定されているニーズ毎に対するアンケート結果から潜在的ニーズを導出し、新たな開発の着眼点を得る、潜在的ニーズ導出装置を提供する。

解決手段

予め設定されたニーズへの選好度解答欄と自由記述欄とを備えたアンケート回答結果から、選好度回答欄の回答結果に基づいてニーズ優先度を算出し、ニーズ毎に回答者の選好度のばらつきの四分位数範囲を算出し、アンケートの自由記述欄に記載された文章形態素解析し、抽出された単語に基づいて回答結果を複数の分類に分け、ニーズ優先度が所定値以下、かつ、選好度のばらつきが所定値以上のニーズについて、ばらつきの第1四分位点から最大値の間の回答者を低ニーズ集団とし、第3四分位点から最大値の間の回答者を高ニーズ集団とした際、複数の分類のそれぞれに対する低ニーズ集団の該当数と高ニーズ集団の該当数とを比較し、該当数の差が大きい分類を抽出する。

概要

背景

例えば特許文献1には、アンケート回答結果から顧客ニーズと、製品機能と、を対応付けることにより、顧客ニーズに正しく対応した製品開発を行うことのできる解析装置が記載されている。この解析装置は、製品に対するニーズと、当該ニーズを満たすべき価値と、当該価値の選択肢である値と、の間の関係を入力するニーズ関係定義部と、入力されたニーズの組み合わせに対する選好順位の選択と、入力された価値に対して満足と判断する値及び不満足と判断する値の選択と、を受け付けるアンケートを生成し、当該アンケートの集計結果からニーズの強さを算出するニーズ評価部と、を備えている。

そして、ニーズ評価部は、アンケートにおいて入力されたニーズの組み合わせに対する選好順位に関して、回帰分析を行ってニーズの強さを算出している。特許文献1に記載された解析装置によると、アンケート結果に基づいて、製品機能に対応付けられた顧客ニーズの強さを算出し、顧客ニーズに対応する製品開発を行うことができる。

概要

予め設定されているニーズ毎に対するアンケート結果から潜在的ニーズを導出し、新たな開発の着眼点を得る、潜在的ニーズ導出装置を提供する。予め設定されたニーズへの選好度解答欄と自由記述欄とを備えたアンケートの回答結果から、選好度回答欄の回答結果に基づいてニーズ優先度を算出し、ニーズ毎に回答者の選好度のばらつきの四分位数範囲を算出し、アンケートの自由記述欄に記載された文章形態素解析し、抽出された単語に基づいて回答結果を複数の分類に分け、ニーズ優先度が所定値以下、かつ、選好度のばらつきが所定値以上のニーズについて、ばらつきの第1四分位点から最大値の間の回答者を低ニーズ集団とし、第3四分位点から最大値の間の回答者を高ニーズ集団とした際、複数の分類のそれぞれに対する低ニーズ集団の該当数と高ニーズ集団の該当数とを比較し、該当数の差が大きい分類を抽出する。

目的

本発明は、予め設定されているニーズ毎に対するアンケート結果から潜在的ニーズを導出し、新たな開発の着眼点を得ることができる潜在的ニーズ導出装置を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

予め設定されたニーズへの選好度解答欄と自由記述欄とを備えたアンケート回答結果から潜在的ニーズを導出して、技術開発に利用される潜在的ニーズ導出装置であって、前記選好度回答欄の回答結果に基づいてニーズ優先度を算出するニーズ優先度算出手段と、前記ニーズ毎に回答者の選好度のばらつきの四分位数範囲を算出するばらつき算出手段と、前記アンケートの前記自由記述欄に記載された文章形態素解析し、抽出された単語に基づいて前記回答結果を複数の分類に分ける分類手段と、前記ニーズ優先度が所定値以下、かつ、前記選好度の前記ばらつきが所定値以上のニーズについて、前記ばらつきの第1四分位点から最大値の間の回答者を低ニーズ集団とし、第3四分位点から最大値の間の回答者を高ニーズ集団とした際、前記複数の分類のそれぞれに対する低ニーズ集団の該当数と高ニーズ集団の該当数とを比較し、前記該当数の差が大きい分類を抽出する抽出手段と、を有する、潜在的ニーズ導出装置。

技術分野

0001

本発明は、アンケート回答結果から潜在的ニーズ導出して、技術開発に利用される潜在的ニーズ導出装置に関するものである。

背景技術

0002

例えば特許文献1には、アンケートの回答結果から顧客ニーズと、製品機能と、を対応付けることにより、顧客ニーズに正しく対応した製品開発を行うことのできる解析装置が記載されている。この解析装置は、製品に対するニーズと、当該ニーズを満たすべき価値と、当該価値の選択肢である値と、の間の関係を入力するニーズ関係定義部と、入力されたニーズの組み合わせに対する選好順位の選択と、入力された価値に対して満足と判断する値及び不満足と判断する値の選択と、を受け付けるアンケートを生成し、当該アンケートの集計結果からニーズの強さを算出するニーズ評価部と、を備えている。

0003

そして、ニーズ評価部は、アンケートにおいて入力されたニーズの組み合わせに対する選好順位に関して、回帰分析を行ってニーズの強さを算出している。特許文献1に記載された解析装置によると、アンケート結果に基づいて、製品機能に対応付けられた顧客ニーズの強さを算出し、顧客ニーズに対応する製品開発を行うことができる。

先行技術

0004

特開2009−80537号公報

発明が解決しようとする課題

0005

特許文献1に記載された解析装置が用いるアンケートは、予め想定された顧客ニーズや製品要素に対して回答者回答する。そのため、この解析装置によると、例えば、機密情報を含むために公開できない新技術に関するアンケートが実施できず、当該新技術と顧客のニーズとの関係を得ることができない。即ち、この解析装置によると、潜在化した顧客のニーズを評価できないという課題がある。

0006

本発明は、予め設定されているニーズ毎に対するアンケート結果から潜在的ニーズを導出し、新たな開発の着眼点を得ることができる潜在的ニーズ導出装置を提供することを目的とする。

課題を解決するための手段

0007

本発明の一態様は、予め設定されたニーズへの選好度解答欄と自由記述欄とを備えたアンケートの回答結果から潜在的ニーズを導出して、技術開発に利用される潜在的ニーズ導出装置であって、
前記選好度回答欄の回答結果に基づいてニーズ優先度を算出するニーズ優先度算出手段と、
前記ニーズ毎に回答者の選好度のばらつきの四分位数範囲を算出するばらつき算出手段と、
前記アンケートの前記自由記述欄に記載された文章形態素解析し、抽出された単語に基づいて前記回答結果を複数の分類に分ける分類手段と、
前記ニーズ優先度が所定値以下、かつ、前記選好度の前記ばらつきが所定値以上のニーズについて、前記ばらつきの第1四分位点から最大値の間の回答者を低ニーズ集団とし、第3四分位点から最大値の間の回答者を高ニーズ集団とした際、前記複数の分類のそれぞれに対する低ニーズ集団の該当数と高ニーズ集団の該当数とを比較し、前記該当数の差が大きい分類を抽出する抽出手段と、を有する、
潜在的ニーズ導出装置である。

0008

本発明はこのような構成により、ニーズ優先度が低いと判断された対象であっても、ばらつきが大きい(ニーズが高いと評価している人と低いと評価している人との差が大きい)ものについて、アンケートの自由記述欄の記載をデータ解析することにより、評価のばらつきの原因を特定できる。そのため、本発明によると、新技術開発のためのブレークスルーを起こす着眼点を抽出することができる。

発明の効果

0009

本発明にかかる潜在的ニーズ導出装置によれば、予め設定されているニーズ毎に対するアンケート結果から潜在的ニーズを導出し、新たな開発の着眼点を得ることができる。

図面の簡単な説明

0010

本発明の実施形態にかかる、アンケートの例を示した図である。
アンケートの回答結果から得られた評価結果を示した図である。
ニーズ要求度を算出するために用いられる説明変数目的変数の対象を示した図である。
ニーズ要求度を算出するための回帰分析方法を示した図である。
回帰分析の結果より得られるニーズ要求度を示した図である。
回答者の属性比率補正を行いニーズ分位点を算出するフローチャートである。
回答者属性比率補正係数の算出例を示した図である。
各回答者のニーズ要求度およびウェイト値の算出例を示した図である。
アンケートの自由記述の例を示した図である。
自由記述データ機械学習用イメージ分類を入力する状態を示した図である。
出現単語共起単語が算出された状態を示した図である。
イメージ分類をする処理を示したフローチャートである。
分類モデル作成方法を示した図である。
未分類データに対して分類モデルを適用して分類した結果を示した図である。
分類モデルに修正を加えた状態を示した図である。
価格評価結果の例を示した図である。
算出された相場感の例を示した図である。
ニーズ要求度の算出例を示した図である。
算出されたニーズ要求度にばらつきを与えた状態を示した図である。
ニーズ要求度にばらつきを与えるための四分位範囲を示した図である。
導出されたポートフォリオを示した図である。
ニーズ優先度指標および相場感を算出する例を示した図である。
ポートフォリオからニーズを選定する状態を示した図である。
高ニーズ集団と低ニーズ集団とを抽出する方法を示した図である。
集団ごとのイメージ分類の集計結果を示した図である。
集団ごとのイメージ分類の集計処理を示した図である。
共起単語および共起頻度の例を示した図である。
単語ネットワーク図を示した図である。
単語ネットワーク図から抽出された新規性のある単語の図である。
開発優先順位を示した図である。
低ニーズ集団と高ニーズ集団との差異を示した図である。
新規性のある単語より得られた着眼点を示した図である。
潜在的ニーズ導出装置の処理を示したフローチャートである。
潜在的ニーズ導出装置の構成を示した図である。

実施例

0011

以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。

0012

図34には、潜在的ニーズ導出装置10の主な構成が示されている。潜在的ニーズ導出装置10は、ニーズ優先度を算出するニーズ優先度算出手段と、ニーズ毎に回答者の選好度のばらつきの四分位数範囲を算出するばらつき算出手段13と、回答結果を複数の分類に分ける分類手段12と、分類のそれぞれに対する低ニーズ集団の該当数と高ニーズ集団の該当数とを比較し、該当数の差が大きい分類を抽出する抽出手段14と、を有している。

0013

図1に示されるように、潜在的ニーズ導出装置10は、予め設定された複数のニーズに対して設けられた回答者の好みの指標を記載する選好度解答欄2aを有するアンケート2を用いている。以下、潜在的ニーズ導出装置10の処理について説明する。選好度解答欄2aは、顧客ニーズの評価をするために用いられる。選好度解答欄2aには、複数のニーズA,B,C,,が予め設定されている。選好度解答欄2aの解答欄には、例えば、一対比較法による評価欄が用いられる。一対比較では、例えば、質問1ではニーズAとニーズBとが左右に配置され、回答者がニーズAとニーズBとの間に配置された複数の回答欄の一つに印を付ける。

0014

この際、回答者がいずれかのニーズに近い位置の回答欄に印を付けるほどいずれかのニーズが好まれているかが把握できる。質問1ではニーズBよりもニーズAがより強く好まれていると評価される。そして、選好度解答欄2aの解答欄は、その位置によって評価値が与えられている。例えば、質問1ではニーズAに最も近い解答欄に評価値「3」が与えられ、ニーズBの方向にいくほど評価値が低くなり、ニーズBに最も近い解答欄では評価値「−3」が与えられている。

0015

図2に示されるように、選好度解答欄2aの回答結果が集計され、評価結果2bが出力される。評価結果2bでは、選好度解答欄2aの各質問の解答欄で各ニーズに対して左側に印が付けられた場合に「1」を、右側に印が付けられた場合は「−1」が記載され、そのときの解答欄の評価値が記載されている。この集計方法によると、例えば、回帰分析により各ニーズに対する顧客の要求の指標となるニーズ要求度VA,VB,,が算出される。

0016

図3に示されるように、回答者ごとの各ニーズに対する「0」、「1」、「−1」で表された評価値は説明変数となる。そして、各質問で与えられた評価値は目的変数となる。図4に示されるように、説明変数は行列式Qで表すことができ、ニーズ要求度VA,VB,,を計数行列として乗算すると目的変数が得られる関係がある。図5に示されるように、行列式Qを逆算すると、回答者ごとのニーズ要求度VA,VB,,を得ることができる。

0017

回答者は年代性別等の属性が異なる。回答者別のニーズ要求度VA,VB,,を算出する際にこれらの属性の比率による補正が必要となる。図6に示されるように、潜在的ニーズ導出装置10において、属性の比率による補正計数(ウェイト値)が統計データから算出される(S100)。そして、潜在的ニーズ導出装置10において、回答者の属性比率による補正の後、ニーズの分布のばらつきを見るための四分位数におけるニーズ分位点が算出される(S101)。

0018

図7に示されるように、例えば、回答者の年代や性別等の属性に対して回収実績RAおよび市場比率RBが与えられている。そして、属性比率補正係数(ウェイト値:W)は、式(1)で算出される。
W=RB/RA 式(1)
ここで、回答者属性比率補正済みのニーズ分位点の算出例を説明する。標本数N=1000の場合のVAの第1四分位点(小さい方から250.75番目の値)は、式(2)で計算される。
(3+N)/4=250.75 式(2)

0019

図8に示されるように、回答者のVAを昇順に配列し、ウェイト値:Wの累計により、250.60と251.20の間に第1四分位点(250.75)がある。従って、第1四分位点におけるVAは、250.60と251.20の間を線形補間して計算すると、VA=−1.175と推定される。

0020

図9に示されるように、潜在的ニーズ導出装置10のアンケート2は、各ニーズに対する回答者の意見を自由に記載することができる自由記述欄2cを有している。潜在的ニーズ導出装置10は、例えば「事故を防ぎたい」というニーズに対する実現イメージとして自由記述欄2cのような自由記述データを収集することができる。

0021

図10に示されるように、収集された自由記述データの一部は、潜在的ニーズ導出装置10の機械学習用イメージ分類のために人間の判断により分類が設定される。100件の自由記述にイメージ分類が行われ、例えば、「絶対に事故を起こさない自動運転を実現してほしい。」という記述に対して、(a)自動運転というイメージ分類がされる。そして、上記100件位外の自由記述データは「未分類」として分類される。

0022

図11に示されるように、自由記述データは更に自然言語処理のための形態素解析が実施される。そして、自由記述データは、出現単語および共起単語が算出される。この処理により、未分類データに対するイメージ分類が機械的に実行される。この処理は、後述する後述する潜在的ニーズ導出装置10が有する分類手段12によって実行される。

0023

これらの一連の処理は図12に示されるフローにより行われる。分類手段12により、自由記述データから出現単語および共起単語が算出される(S200)。同時に機械学習用イメージ分類が入力される(S201)。分類手段12により、回答者ごとの自由記述データに対するイメージ分類と出現単語と共起単語とから分類モデルが作成される(S202)。分類手段12により、未分類データに対して分類結果が算出される(S203)。即ち、分類手段12は、アンケートの自由記述欄2cに記載された文章を形態素解析し、抽出された単語に基づいて回答結果を複数の分類に分ける。

0024

図13に示されるように、未分類データに対して、決定木分析により分類モデルを作成してもよい。これにより未分類データの出現単語および共起単語が機械的に算出される。図14に示されるように、潜在的ニーズ導出装置10において、この分類モデルにより未分類データにもイメージ分類が割り当てられる。分類モデルで「(z)該当なし」と分類された自由記述データに対しては、図15に示されるように人間の判断により修正分類を与える。これにより、潜在的ニーズ導出装置10において、修正分類と前回人間が分類した100件のデータを用いて分類モデルの再作成および再分類が行われる。そして、修正箇所がなくなるまでこの処理を繰り返すことにより、分類精度が向上する。自由記述欄2cの自由記述データに対して、回答者による価格評価が行われる。

0025

図16に示されるように、回答者は自由記述欄2cの自由記述データに対して価格評価を与える。価格評価には、例えば、PSM(Price Sensitivity Measurement)法による評価方法が用いられる。回答者は、自由記述した事項について、安いと感じる価格、あるいは高いと感じる価格の具体的な数値を記載する。図17に示されるように、潜在的ニーズ導出装置10は、これらの価格データからPSM法分析を行い、分類ラベルが同じ回答者についてそれぞれ集計し、下限価格と上限価格を算出する。

0026

次に、潜在的ニーズ導出装置10により、上記で導出した第1四分位点により、回答者の全体の75%の支持を保証するという意味を持ったニーズ優先度が算出される。ニーズ優先度は、潜在的ニーズ導出装置10が有するニーズ優先度算出手段11によって算出される。図18には、ニーズ優先度の算出結果例が示されている。このニーズ優先度に、ばらつきの情報が加えられることで象限毎に開発の方向性示唆される。図19に示されるように、ばらつき算出手段13は、四分位点より図20に示されるような箱ひげ図を作成し、四分位範囲(第1・第3四分位点の差)をばらつきと定義して全ニーズの平均値等により区分することによりポートフォリオを作成する。

0027

図21に示されるように、潜在的ニーズ導出装置10は、ばらつきの種類によってポートフォリオを導出する。ポートフォリオの第1象限に位置するニーズは優先度が高く、かつ、ばらつきが小さい。これは、回答者に共通する高いニーズがあると判断される。このニーズは、例えば車種の開発において全車種の全グレード標準搭載されるべき仕様のニーズであるとして開発の方向性が示唆される。第2象限に位置するニーズは、優先度が高く、かつ、ばらつきが大きい。これは、ニーズはあるが、価格の評価にばらつきがあるため、上位車種の上位グレードに搭載されるべき仕様のニーズであるとして開発の方向性が示唆される。

0028

第3象限に位置するニーズは、優先度が低く、かつ、ばらつきが大きい。これは、ニーズも価格評価もばらつきがあるため、第3象限内の優先度が高いと評価した集団と、優先度が低いと評価した集団との差を考察することで、車種開発の方向性のブレークスルーが示唆される。第4象限に位置するニーズは、優先度が低く、ばらつきも小さい。これは、回答者に共通する低いニーズであると判断される。従って、第4象限に位置するニーズについては車種開発が見直されるべきであることが示唆される。

0029

図22に示されるように、イメージ分類別にニーズ優先度指標と相場感との関連性が算出される。例えば、この導出には、上記で導出された下限価格と上限価格およびイメージ分類毎のニーズ優先度の第1四分位点が用いられる。さらに、導出されたニーズ優先度に原価情報を加えると、ニーズに対する収益性を評価することができる。上限価格以下に原価が収まっていれば収益性があると判断される。これにより、潜在的ニーズ導出装置10において、収益性が不成立となったニーズについては除外され、実現イメージの開発優先順位が算出される。

0030

また、主にニーズがある回答者属性情報を付与することで、ターゲット絞り込んだ場合の実現イメージを検討することができる。例えば、「(a)自動運転<60以上>」のイメージ分類でニーズ優先度の高さからニーズが高いことが評価されるが、価格評価において原価が上限価格を超えているので、収益性が無いと判断することができる。

0031

図23に示されるように、潜在的ニーズ導出装置10が有する抽出手段14において、上述した第3象限に所属するニーズが選定される。抽出手段14により、第3象限における低ニーズ集団と高ニーズ集団とのイメージ分類の差異が抽出される。図24に示されるように、抽出手段14は、ニーズの最小値と第1四分位点の範囲の回答者を低ニーズ集団とし、第3四分位点と最大値の範囲の回答者を高ニーズ集団と判断して抽出する。

0032

図25に示されるように、抽出手段14は、集団ごとに分類ラベルを集計し、イメージ分類該当数を算出する。この結果を用いると、有意差のあるイメージ分類を導出し、自由記述データの原文活用してニーズが低い理由または高い理由の知見を得ることができる。これにより、ブレークスルーを起こす新技術開発の着眼点を得ることができる。

0033

図26に示されるように、上記処理は以下のフローで行われる。抽出手段14は、ポートフォリオの第3象限に所属するニーズを選定する(S300)。抽出手段14は、低ニーズ集団および高ニーズ集団を抽出する(S301)。抽出手段14は、集団毎のイメージ分類のそれぞれに対する低ニーズ集団の該当数と高ニーズ集団の該当数とを比較し、該当数の差が大きいイメージ分類を抽出する(S302)。

0034

潜在的ニーズ導出装置10では、実現イメージに関するそれぞれの単語の関連性を示す単語ネットワークを算出することができる。潜在的ニーズ導出装置10により、図27に示されるような共起単語および共起頻度の関連性と、分類モデルの判定に用いた単語より図28に示されるような単語ネットワーク図が作成される。単語ネットワーク図において、線の有無は共起の有無を表している。線の太さは共起の頻度を表している。単語の色塗りは分類モデルの判定に使用される。ここで、図29に示されるように、単語ネットワーク図で色が塗られていない単語および線の細い繋がりは、少数意見であることを表している。

0035

この少数意見に着目し、新規性のある単語を選定し、該当する単語の出現する自由記述の原文を確認することにより、膨大な自由記述データを一つ一つ調査することに比して効率よく新たな着眼点を探すことができる。この例では、元の自由記述は「人に自車の存在を気づかせてほしい。」である(ただし、この自由記述は一例であるため、新たな着眼点ではない)。

0036

図30に示されるように、上記の導出結果から、潜在的ニーズ導出装置10は、開発優先順位が表示される。開発優先順位では、ニーズがポートフォリオ毎に分類されて順位付けされ、かつ、実現イメージで価格評価が表示される。図31に示されるように、潜在的ニーズ導出装置10では、低ニーズ集団と高ニーズ集団との差異を抽出することで開発の着眼点が表示される。さらに、潜在的ニーズ導出装置10では、図32に示されるように、新規性のある単語から得られた着眼点を表示することができる。上述した潜在的ニーズ導出装置10の各処理をまとめると図33に示されるフローとなる。

0037

上述したように、潜在的ニーズ導出装置10によると、アンケートの回答結果から潜在的なニーズを導出することができる。即ち、潜在的ニーズ導出装置10によると、機密情報があるためにアンケートができない場合でも需要者の潜在的ニーズを導出し、開発の方向性を示す新たな着眼点を得ることができる。

0038

2アンケート
2a選好度解答欄
2b 評価結果
2c 自由記述欄
10 潜在的ニーズ導出装置
11ニーズ優先度算出手段
12分類手段
13 算出手段
14 抽出手段
A,B,C ニーズ
B ニーズ
N標本数
Q行列式
RA回収実績
RB市場比率
VA,VB ニーズ要求度

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 株式会社日立製作所の「 検索支援システム、及び検索支援方法」が 公開されました。( 2021/09/30)

    【課題】ユーザによる情報検索を容易にする検索支援システム及び検索支援方法を提供する。【解決手段】検索支援システム1は、1又は複数の項目と、その項目の内容を示す情報とを対応づけた検索対象情報を作成するデ... 詳細

  • 株式会社日立製作所の「 画像取得装置及び画像取得方法」が 公開されました。( 2021/09/30)

    【課題】パンチアウト先の運用負荷を低減しつつ、認証が必要なWebページからも画像を収集して商品と商品画像との紐づけ精度を向上させる。【解決手段】画像取得装置は、商品を特定する商品特定情報と、商品につい... 詳細

  • カシオ計算機株式会社の「 情報処理装置、表示方法、及びプログラム」が 公開されました。( 2021/09/30)

    【課題】入力された語句と該語句に関する詳細情報とを表示する情報処理装置において、現在表示されている語句と以前に表示されていた語句との対応関係を把握しやすくする。【解決手段】情報処理装置1は、入力情報に... 詳細

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ