Exploring Patent Data Analysis in AI Innovation: Integrating Advanced Methodologies and Large Language Models
Author
Nielsen, Christian
Term
4. semester
Publication year
2024
Abstract
This thesis examines how patent data can be used to map technological trends in artificial intelligence by combining established analytical techniques with large language models. It develops a framework that links descriptive patent analytics (counts by geography, firms, and technological fields, plus time trends) with citation and network analyses to identify relationships, central actors, and the structure of innovation ecosystems. A proof‑of‑concept Retrieval‑Augmented Generation (RAG) system is also evaluated, demonstrating that LLMs can support interpretation by categorizing patent technologies and providing nuanced answers to complex queries. Findings indicate a pronounced increase in AI‑related patenting, clear geographic and organizational concentrations, and evidence consistent with AI acting as a General Purpose Technology with broad applications and complementarity to existing technologies. The network analysis was constrained by a fragmented graph and repeated patents, limiting the robustness of some results. Overall, the study highlights the promise of a multifaceted approach that integrates traditional patent methods with advanced AI tools; the implementation uses a limited patent sample but is designed to scale.
Denne afhandling undersøger, hvordan patentdata kan bruges til at kortlægge teknologiske tendenser inden for kunstig intelligens ved at kombinere klassiske analyseteknikker med store sprogmodeller. Projektet udvikler en ramme, der forbinder deskriptiv patentanalyse (tællinger på tværs af geografi, virksomheder og teknologiske felter samt tidsserier) med citations- og netværksanalyser for at identificere relationer, centrale aktører og strukturer i innovationsøkosystemer. Derudover afprøves en proof‑of‑concept Retrieval‑Augmented Generation (RAG)‑løsning, som viser, at LLM’er kan understøtte fortolkningen ved at kategorisere patentteknologier og give nuancerede svar på komplekse forespørgsler. Resultaterne peger på en markant stigning i AI‑relaterede patenter, en tydelig geografisk og organisatorisk fordeling af aktiviteten og indikationer på, at AI fungerer som en generel formålsteknologi med brede anvendelser og komplementaritet til eksisterende teknologier. Netværksanalysen blev dog begrænset af et fragmenteret grafbillede og gentagne patenter, hvilket påvirkede robustheden af nogle fund. Samlet set fremhæver studiet potentialet i en multifacetteret tilgang, der kombinerer traditionelle patentmetoder med avancerede AI‑værktøjer; implementeringen er baseret på et begrænset udsnit af patenter, men er designet til at kunne skaleres.
[This apstract has been generated with the help of AI directly from the project full text]