米国特許審査官のオフィスアクションに記載された科学文献の引用に関するデータセット

日常のイノベーションにおいて特許引用が重要な理由

新しいガジェット、医薬品、あるいはクリーンエネルギー技術の話を聞くと、その背後には通常、多くのアイデアの足跡があります。その多くは特許や特許が参照する文献に記録されています。本稿は、特許審査官が発明を保護すべきか判断する際にどの科学研究を参照しているかを、これまでにない詳細さで明らかにする大規模な新データセットを紹介します。審査過程という隠れた窓を開くことで、著者らは研究者や政策立案者、好奇心ある市民に対して、科学知識が実世界のイノベーションをどのように支えているかを研究する新しい手段を提供します。

特許プロセスに潜むもう一つの層

多くの特許研究は、付与された特許の表紙に印刷された引用だけを対象にしています。これらの一覧は一見単純ですが、出願人と審査官との間の複雑なやり取りの最終結果にすぎません。その過程で、審査官はオフィスアクションと呼ばれる公式文書を発行し、特許を受け入れるべきか却下するべきかの理由を説明し、重要と考える先行文献を参照します。これらの参照項目の多く、特に科学論文は最終的な特許には現れないことが多く、これまで一括でアクセスするのが困難だったため、研究は実際の意思決定がどのようになされているかという豊かな記録をほとんど無視してきました。

オフィスアクションから新たな地図を作る

著者らは米国特許商標庁が公開し、Google Cloud上でホスティングされているオフィスアクションのデータ群に取り組みます。数百万件の参照の中から、約85万件を抽出しました。これらは他の特許ではなく、学術論文、書籍、ウェブサイト、製品マニュアルのような外部情報源を指しています。著者らは書籍や会議録からウェブページや製品ドキュメントまでを含む14の一般的なカテゴリのスキームを設計し、各引用をこれらのタイプのいずれかに分類する機械学習モデルを訓練します。このモデルは、高度な言語システムの助けでラベル付けされた例を用いて精緻化され、ほぼ847,000件の固有の引用文字列を分類します。

雑然とした参照から整った研究記録へ

どの引用が科学的文献であるかを特定することは第一歩にすぎません。実際の参照は雑多で、タイトルが不完全だったり、年が誤記されていたり、ページ番号が入り乱れていたりします。この混乱を利用可能なデータに変えるため、チームは生の文字列を著者、年、ジャーナル、ページ範囲などの要素に分解する専門ツールに通し、慎重なクレンジングルールを適用します。次に、整形された記録を研究出版物の大規模オープンデータベースであるOpenAlexに照合するために二つの戦略を用います。タイトルが利用可能な場合はタイトル検索を行い、高信頼度の一致のみを保持します。タイトルがない場合は、著者名、ジャーナル、年、ページの組み合わせに依拠します。OpenAlexで一致が見つからない場合は、別の主要な出版物識別子ソースであるCrossrefにフォールバックし、見つかったデジタルオブジェクト識別子を使って再度OpenAlexに戻します。

この新しいデータセットはどれほど信頼できるか？

本リソースは今後の研究の基盤となることを意図しているため、著者らは精度検証に多大な努力を割いています。分類器は全体で約92パーセントのケースで参照を正しいタイプに割り当てており、学術論文や特許のような最も一般的なクラスでは特に良好に機能します。照合段階については、手作業による検証で、タイトルベースの検索は一致スコアが上がるほど精度が向上し、最良群では90パーセンタイル台中盤に達することが示されています。詳細なメタデータに基づく検索は、サンプルでは99パーセントの正確さを示しました。Crossrefを経由して回復された記録との相互検証でもほぼ完全な一致が示されています。著者らは、学位論文や技術報告書のような希少カテゴリなど精度が劣る部分についても透明性を保ち、ユーザーに必要に応じてこれらを改良するよう促しています。

科学が技術を駆動する仕組みを研究する新しい手法

完成したデータセットは、オフィスアクションから約26万5,000件の科学的参照を米国特許出願個別およびOpenAlexの充実した出版記録に結びつけます。これにより研究者は新たな問いを投げかけられます：どの審査官グループや技術分野が科学論文にどれほど依拠しているのか？審査過程では重要視されたが最終的な特許から漏れた研究はどれか？却下された出願は成功した出願と比べて科学文献のどの部分を参照しているのか？すべてのコードとデータが公開されているため、他者はツールを適用・拡張し、分類を改良できます。平たく言えば、本研究は分散し、分かりにくかった法的文書群を、特許制度内で科学と技術が出会う様子を示す明瞭で再利用可能な地図に変えたのです。

引用: Higham, K., Kotula, H., Scharfmann, E. et al. A dataset of scientific citations in U.S. patent Office Actions. Sci Data 13, 325 (2026). https://doi.org/10.1038/s41597-026-06720-7

キーワード: 特許引用, オフィスアクション, 科学文献, イノベーションデータ, OpenAlex