mitlabo/claude-code Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

特許データ分析システム (Patent Analysis System)

このシステムは、特許データの高度な分析と可視化を行うための総合的なツールセットです。複数のコンテナとアプリケーションを組み合わせて、さまざまな特許分析機能を提供します。

システム概要

特許データ分析システムは、複数のコンポーネントで構成され、各コンポーネントが特定の役割を果たしています。データの取得・保存から分析、レポート生成まで、特許データを効果的に活用するための総合的なソリューションです。

コンテナとアプリケーション構成

システムは以下の主要なコンテナとアプリケーションで構成されています：

1. データソースコンテナ

Inpit SQLiteコンテナ (container/inpit-sqlite/)

• 機能: 特許データを保存・提供するSQLiteデータベースサービス
• エンドポイント: http://localhost:5001
• 主な機能:
  • 特許データのAPI提供
  • SQLクエリによるデータアクセス
• 起動方法:

  bash
  cd container/inpit-sqlite/
  docker-compose up -d
  

JPLATPATコンテナ (container/jplatpat/)

• 機能: 日本特許情報プラットフォームからのデータアクセス
• 主な機能:
  • 特許データの外部取得と変換
  • SQLクエリツールの提供
• 起動方法:

  bash
  cd container/jplatpat/
  docker-compose up -d
  

2. MCPサーバー

Inpit SQLite MCP サーバー (inpit-sqlite-mcp/)

• 機能: SQLiteデータベースAPIをClaudeなどのAIツールに接続
• エンドポイント: http://localhost:8000
• 提供ツール:
  • 出願番号による特許検索
  • 出願人名による特許検索
  • SQLクエリ実行
• 起動方法:

  bash
  cd inpit-sqlite-mcp/
  ./start_server.sh
  

Patent MCP サーバー (patent-mcp-server/)

• 機能: 高度な特許分析機能をMCPプロトコル経由で提供
• エンドポイント: http://localhost:8000
• 提供ツール:
  • 出願人サマリー生成
  • 視覚的レポート作成
  • 競合他社比較分析
  • 技術分野分析
• 起動方法:

  bash
  cd patent-mcp-server/
  ./start_server.sh
  

3. 分析アプリケーション

GraphRAG システム (app/graphRAG/)

• 機能: グラフベースのRAG（検索拡張生成）システム
• 主な機能:
  • Neo4jデータベースとの連携
  • 特許文書の意味的検索
  • PDFドキュメント分析

Langgraph システム (app/langgraph/)

• 機能: LangChainベースのグラフフロー処理
• 主な機能:
  • 特許分析ワークフローの自動化
  • ドキュメント処理
  • Langfuse統合による分析ログ

特許分析システム (app/patent_system/)

• 機能: コアとなる特許データ分析システム
• 主要コンポーネント:
  • init_db.py: データベース構造初期化
  • inpit_sqlite_connector.py: データ取得・接続管理
  • patent_analyzer_inpit.py: 特許データ分析エンジン
  • mcp_patent_server.py: MCP統合サーバー

4. 補助コンテナとツール

Amazonlinux-Python (container/amazonlinux-python/)

• 機能: Amazon Linux環境でのPython実行環境

Python3.12-AWSCLI (container/python3.12-awscli/)

• 機能: Python 3.12とAWS CLIを含む実行環境

Langfuse (container/langfuse/)

• 機能: LLMアプリケーションのモニタリングと分析

Gemma3 (container/gemma3/)

• 機能: Gemmaモデル実行環境

Bedrock MCP サーバー (bedrock-mcp-server/)

• 機能: AWS Bedrockサービス連携用MCPサーバー

主要機能

• 特許データのクエリと取得: 出願番号、出願人名、SQLクエリなどによる特許データの検索
• 技術トレンド分析: 国際特許分類（IPC）に基づく技術トレンドの時系列分析
• 出願人競合分析: 主要出願者の特許活動と技術的な重複の分析
• 特許ランドスケープ可視化: 技術領域の広がりと集中度の分析
• 包括的レポート生成: Markdown形式の詳細な分析レポート作成
• MCP統合: Claude AIなどのツールとの連携機能
• グラフベース分析: Neo4jを活用した特許関係の視覚化と分析
• AWS連携: Amazon BedrockやAWS CLIとの連携機能

前提条件

• Python 3.8以上
• Docker および Docker Compose
• 必要なPythonパッケージ（各コンポーネントのrequirements.txt参照）
• MCP統合を使用する場合はClaude拡張機能など
• AWS連携機能を使用する場合はAWSアカウントとアクセス権限

インストール方法

1. リポジトリをクローン:

bash
git clone [***]
cd patent-analysis-system

2. 使用するコンポーネントに応じて必要なサービスを起動（以下は例）:

bash
# Inpit SQLiteサービスの起動
cd container/inpit-sqlite/
docker-compose up -d

# Inpit SQLite MCPサーバーの起動
cd inpit-sqlite-mcp/
./start_server.sh

実行方法

1. データベース構造の初期化

最初に、ローカルSQLiteデータベースの構造を初期化します:

bash
python -m app.patent_system.init_db

オプション:

• --skip-init: データベース初期化をスキップ
• --api-url URL: Inpit SQLite APIのURLを指定（デフォルト: http://localhost:5001）

2. 特許データの分析

直接Inpit SQLiteデータを使用した分析を実行:

bash
python -m app.patent_system.patent_analyzer_inpit

3. MCPサーバーの起動

Claude AIなどのツールと連携するためのMCPサーバーを起動:

bash
# 環境変数でInpit SQLite APIのURLを指定（オプション）
export INPIT_API_URL=http://localhost:5001

# MCPサーバーの起動
python -m app.patent_system.mcp_patent_server

4. データアクセス機能の直接利用

コマンドラインからデータにアクセス:

bash
python -m app.patent_system.data_importer

ソースコード構成

下記はシステムの主要ファイルの行数統計です:

API機能一覧

MCPサーバーを通じて以下の機能が利用可能:

Inpit SQLite MCP サーバー

1. query_patents: 出願番号による特許検索
2. search_patents_by_applicant: 出願人名による特許検索
3. execute_sql_query: カスタムSQLクエリによるデータ取得

Patent MCP サーバー

1. get_applicant_summary: 出願人の包括的なサマリーを取得
2. generate_visual_report: 出願人の視覚的レポートを生成
3. analyze_examination_ratio: 出願人の審査比率を分析
4. analyze_technical_fields: 出願人の技術分野を分析
5. compare_with_competitors: 出願人を競合他社と比較

使用例

Pythonコードからの利用例:

python
from app.patent_system.inpit_sqlite_connector import get_connector
from app.patent_system.patent_analyzer_inpit import PatentAnalyzerInpit

# コネクタの初期化
connector = get_connector("http://localhost:5001")

# 特定の出願番号で特許を検索
result = connector.get_patent_by_application_number("特願2020-***")
print(f"Found {len(result.get('results', []))} patents")

# アナライザーの初期化と分析の実行
analyzer = PatentAnalyzerInpit("http://localhost:5001")
trends = analyzer.analyze_technology_trends(years=5, top_n=10)
print(f"Analyzed {len(trends.get('top_technologies', []))} technology trends")

SQLクエリ例:

sql
-- 最近5年間の出願数の推移
SELECT
  SUBSTR(出願日, 1, 4) AS year,
  COUNT(*) AS patent_count
FROM inpit_data
WHERE 出願日 IS NOT NULL
GROUP BY year
ORDER BY year DESC
LIMIT 5;

-- 特定の技術分野（例：AIに関連する）の特許検索
SELECT
  出願番号,
  発明の名称,
  出願人,
  出願日
FROM inpit_data
WHERE 技術概要 LIKE '%人工知能%' OR 技術概要 LIKE '%AI%'
ORDER BY 出願日 DESC
LIMIT 10;

制限事項と注意点

• このシステムは各種コンテナサービスが正常に動作している環境が必要です
• 日本語などの非ASCII文字をAPIで使用する場合は、適切なURLエンコーディングが必要です
• 一度に大量のデータを取得すると、パフォーマンスに影響する可能性があります

トラブルシューティング

• API接続エラー: 各種サービスが実行中で、指定したURLで利用可能であることを確認してください
• データ取得エラー: API接続のタイムアウト値を調整するか、より小さなデータセットで再試行してください
• 分析エラー: SQLクエリ内のカラム名が実際のデータベーススキーマと一致していることを確認してください
• URLエンコーディングエラー: 日本語などの非ASCII文字をAPIで使用する場合は、適切にURLエンコードしてください

ライセンス

Copyright (C) 2025