Детальная информация

This study explores the development and application of generative artificial intelligence (AI) for technological trend analysis and patent research automation. The research addresses the inefficiencies in traditional patent research, which is labour-intensive and costly, proposing a solution based on AI technologies such as machine learning, natural language processing (NLP), and vector database systems. The proposed solution incorporates MLOps and RAG frameworks for data collection, analysis, and integration, enabling the automation of patent data processing and keyword extraction through modified TF-IDF algorithms and semantic embeddings. The architecture includes tools for clustering patents by thematic and contextual similarities, significantly reducing the time required for research and enhancing accuracy. Experimental results demonstrate the effectiveness of the developed system, achieving significant improvements in the speed of generating patent studies (30-60 minutes) and the precision of information retrieval. The study highlights the transformative potential of generative AI in streamlining intellectual property analysis and fostering technological innovation.

В данной работе исследуются методы интеграции генеративного искусственного интеллекта (ИИ) для анализа технологических трендов и автоматизации патентных исследований. Основное внимание уделено разработке программного продукта, основанного на технологиях машинного обучения, анализа естественного языка (NLP) и векторных баз данных, что позволяет автоматизировать обработку патентных данных и выделение ключевых слов. Предложенная система включает использование MLOps и RAG для автоматизации поиска, анализа и кластеризации данных. Эксперименты продемонстрировали эффективность модифицированного алгоритма TF-IDF для извлечения ключевых слов и применения семантических эмбеддингов для улучшения точности анализа. Разработанная система позволяет уменьшить время генерации патентных исследований до 30-60 минут, значительно повышая производительность и точность. В перспективе рассматривается расширение возможностей системы через интеграцию дополнительных патентных баз и прогнозирование технологических трендов с помощью ИИ.

Technoeconomics: an international journal = Техноэкономика : международный журнал / Санкт-Петербургский политехнический университет Петра Великого. — Санкт-Петербург: СПбПУ, 2022-. — Периодичность: 4 раза в год. — Выходит с 2022 г. — Загл. с титул. экрана. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Электрон. журнал. — Текст: электронный

Technoeconomics: an international journal = Техноэкономика : международный журнал / Санкт-Петербургский политехнический университет Петра Великого. — Санкт-Петербург: СПбПУ, 2022-. Vol. 4, № 2, 2025. — 1 файл (8,09 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — Электрон. журнал. — <URL:http://elib.spbstu.ru/dl/2/j25-213.pdf>.