CN104809142B - 商标查询系统和方法 - Google Patents
商标查询系统和方法 Download PDFInfo
- Publication number
- CN104809142B CN104809142B CN201410043915.0A CN201410043915A CN104809142B CN 104809142 B CN104809142 B CN 104809142B CN 201410043915 A CN201410043915 A CN 201410043915A CN 104809142 B CN104809142 B CN 104809142B
- Authority
- CN
- China
- Prior art keywords
- trade mark
- feature
- checked
- matching
- existing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了商标查询系统和方法,其中商标查询系统包括:查询模块,用于接收待查询商标;特征提取模块,用于提取所述待查询商标的商标特征;索引库,用于存储所提取到的待查询商标的商标特征;商标库,用于存储现有商标;特征库,用于存储所述现有商标的商标特征;检索模块,用于将所述待查询商标的商标特征与所述现有商标的商标特征进行匹配;以及显示模块,用于显示所述匹配的结果。从而降低了审查员的工作量,提高了工作效率,并改善了查询结果的准确度。
Description
技术领域
本发明涉及商标查询系统,具体地,涉及商标查询系统和方法。
背景技术
随着经济快速发展和商标战略的全面实施,商标注册申请量呈现迅猛增长的趋势。2012年,中国商标局全年共受理商标注册申请164.8万件,同比增长16.3%,连续11年位居世界第一;审查商标注册申请122.7万件,同比增长1.8%;裁定异议案件7.3万件,同比增长28.7%;审理完成商标评审案件5.25万件,同比增长50%。我国商标累计申请量突破千万大关,达1136 万件,累计注册量765.6万件,有效注册商标640万件,继续保持世界第一。
2012年,全国工商系统共出动执法人员152.73万人次,检查批发零售市场、集贸市场等各类市场39.45万个,捣毁制假售假窝点7339个,立案查处侵权假冒案件12.04万件、罚没金额8.51亿元。依法向司法机关移送涉嫌犯罪案件1576件,是打击侵权假冒专项行动期间移送案件的2.08倍,涉案金额20.24亿元。
无论是在商标注册还是在侵权处理的过程中,近似商标的认定与裁决都是一大难点,而传统的人工检索方法在判定时需要大量的人力物力,难以应对日益增多的商标申请与侵权案例。
例如,作为近似商标的查询中的难点图形查询,传统的查询方法是,首先通过人工来将图形分解成查询要素,然后查询分解的查询要素所对应的维也纳编码,审查员将查询到的维也纳编码输入至查询系统中,由查询系统来针对编码进行查询。如,以奔驰商标为例,如图1所示,首先审查员按照图 1所示的分解步骤将奔驰商标分解为一个圆和一个三角星,然后查询圆和三角星分别对应的编码26.1.1和A1.1.8,最后将查询的编码输入至系统开始进行查询。对于如图2所示的两个与奔驰商标近似的商标,图2(a)中的商标由正圆和四角星组成,图2(b)中的商标由椭圆和三角星组成,按照上述查询方式,很有可能得出这两个商标与奔驰商标不同的结果。
因此,传统的查询方法,很容易漏掉视觉上相似但编码不同的图案。而且对于图案比较复杂的商标,也很难分解成查询要素,进而就无法用编码进行查询。而且,由于采用人工分解,对于同一个商标的图形,不同的人可能由不同的理解,因而这就可能造成分解之后要素的描述也不同,那么查询的结果就可能是错误的。
而且,由于商标注册量和审查量的持续增长,商标数据库也随之大幅增长,而传统的人工检索方法在判定时需要大量的人力物力,这导致审查难度的加大,审查时间的加长,并且审查准确率和质量都会有明显下降,因此传统的人工方法已经难以应对日益增多的商标申请与侵权案例。
发明内容
本发明的目的是提供一种商标查询系统和方法,通过该系统和方法能够自动提取待查询商标的商标特征来进行商标匹配,从而降低了审查员的工作量,提高了工作效率,并改善了查询结果的准确度。
为了实现上述目的,本发明提供一种商标查询系统,所述商标查询系统包括:查询模块,用于接收待查询商标;特征提取模块,用于提取所述待查询商标的商标特征;索引库,用于存储所提取到的待查询商标的商标特征;商标库,用于存储现有商标;特征库,用于存储所述现有商标的商标特征;检索模块,用于将所述待查询商标的商标特征与所述现有商标的商标特征进行匹配;以及显示模块,用于显示所述匹配的结果。
此外,本发明还提供了一种商标查询方法,所述商标查询方法包括:接收待查询商标;提取所述待查询商标的商标特征;存储所提取到的待查询商标的商标特征;将所述待查询商标的商标特征与所述现有商标的商标特征进行匹配;以及显示所述匹配的结果。
本发明通过提供的商标查询系统提取待查询商标的商标特征,将所提取到的商标特征与存储在特征库中的现有商标的商标特征进行匹配,并显示匹配的结果,如此降低了审查员的工作量,提高了工作效率,并改善了查询结果的准确度。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是针对奔驰商标的现有商标查询方法步骤的示意图;
图2(a)及图2(b)是与奔驰商标视觉类似但编码不同的商标;
图3是根据本发明的商标查询系统的方框图;
图4是根据本发明一种实施方式的商标查询系统的方框图;
图5(a)和(b)分别是“康师傅”和仿冒商标“康帅傅”的示意图;
图6是草书的“历”字商标示意图;
图7是仿冒商标“康大师傅”的示意图;
图8是仿冒商标“肯德起汉堡”的示意图;
图9(a)和(b)分别是正牌“雕”商标和仿冒商标“周佳”的示意图;
图10是根据本发明提供的商标查询方法的流程图;
图11是现有商标查询系统的示意图;
图12是将本发明提供的商标查询系统与现有商标查询系统结合的方案一的示意图;
图13是将本发明提供的商标查询系统与现有商标查询系统结合的方案二的示意图;
图14是将本发明提供的商标查询系统与现有商标查询系统结合的方案三的示意图;
图15是将本发明提供的商标查询系统与现有商标查询系统结合的方案四的示意图;
图16是将与图12-15中现有商标查询系统结合的模块相结合后得到的方案五的商标查询系统的示意图;
图17是使用本发明的商标查询系统进行商标查询的示例一的结果示意图;
图18是使用本发明的商标查询系统进行商标查询的示例二的结果示意图;
图19是使用本发明的商标查询系统进行商标查询的示例三的结果示意图;
图20是使用本发明的商标查询系统进行商标查询的示例四的结果示意图;
图21是使用本发明的商标查询系统进行商标查询的示例五的结果示意图;以及
图22是使用本发明的商标查询系统进行商标查询的示例六的结果示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
图3是根据本发明的商标查询系统的方框图。如图3所示,本发明所提供的商标查询系统可以包括:查询模块101,用于接收待查询商标;特征提取模块102,用于提取所述待查询商标的商标特征;索引库103,用于存储所提取到的待查询商标的商标特征;商标库104,用于存储现有商标;特征库105,用于存储所述现有商标的商标特征;检索模块106,用于将所述待查询商标的商标特征与所述现有商标的商标特征进行匹配;以及显示模块107,用于显示所述匹配的结果。
以下将对上述模块进行更加详细的描述,但是以下描述并不意欲限制本发明。
查询模块101接收并处理用户的检索需求,用户可以通过输入待查询商标,以在商标库中搜索近似商标。该商标查询系统还允许用户以全自动或者半自动(需要用户干预)的方式对图像进行分割,标识出需要的对象或内容关键点并输入至查询模块101中,以便有针对性地对目标进行特征提取。
特征提取模块102主要负责商标特征的提取,商标特征包括了维也纳编码、文字特征、拼音特征、数字特征、图像特征、声音特征和视频特征。特征提取模块102对审查员或系统标明的商标进行特征提取处理。其中,出于与现有系统兼容和准确度的考虑,一部分特征提取可以由审查员完成,这类特征包括维也纳编码、文字特征和数字特征,可以由审查员人工给出描述特征的关键词,例如具体的维也纳编码、文字和数字;而一部分特征可以由相应的特征提取程序自动完成,这类特征包括拼音特征(可以由文字特征自动生成)、图像特征、声音特征和视频特征。应该注意的是,虽然优选地可以由审查员来提供维也纳编码、文字特征和数字特征,但是,本发明提供的商标查询系统可以实现自动提取这些特征。
索引库103可以存储提取到的所有商标特征,为了实现海量商标的快速查询,该索引库103具有一套支持海量的、多数据源、多数据索引模式和结构的统一管理平台,并且可以采用多级索引的方式来加快查询速度,以实现审查员的实时查询,从而大大提高审查员的工作效率。
商标库104可以存储已有的商标资源,而特征库105存储了已有商标的商标特征,这些商标特征可以在预处理过程中被自动提取。
检索模块106主要用于实现检索匹配过程,根据相关度计算方法,实现商标的匹配和筛选,最终将得到符合要求的结果反馈给用户。检索模块106 基于内容的查询向用户提供检索接口,将用户的检索请求转化为可以对数据库进行操作的提问。检索允许可以针对全局对象,如整个商标,也允许针对其中的子对象以及任意组合形式来进行。检索模块106返回的结果可以按照相似程度进行排列输出,显示模块107可以显示经排序的现有商标,而且如果有必要可以基于得到的检索结果进行进一步的查询。由于基于内容的检索实现的是相似性检索,模仿人类的认知过程进行,因此,还需要在与检索用户不断地交互中提炼检索结果。
图4是根据本发明一种实施方式的商标查询系统的方框图。如图4所示,在该实施方式中,商标查询系统还可以包括索引组合模块103,用于将所提取到的待查询商标的所有商标特征或某几个商标特征作为待匹配特征,检索模块106用于将所述待匹配特征与所述现有商标的商标特征进行匹配。索引组合模块103还可以接收待匹配特征的权重分配,并且检索模块106根据权重分配后现有商标的商标特征与待匹配特征的相似度来对相关的现有商标进行排序。例如可以按照图形文字的不同比例进行索引和查询。根据在商标中的视觉显著程度,索引组合模块103对图形和文字赋予不同的权重,并对此做索引和相应的查询。在查询过程中,可以提供多种查询方式,如只基于文字查询,只基于图形查询,文字图形的加权比例查询,比例可以基于被查商标显著程度权重分配,用户可任意选取文字图形权重比例,并藉此查询。
具体地,索引组合模块108根据查询需求对商标特征进行智能组合,从而实现商标的检索匹配,检索模块106根据相关度计算方法,实现提问与记录的匹配和筛选,最终将得到符合要求的结果反馈给用户。基于内容的查询向用户提供检索接口,将用户的检索请求转化为可以对数据库进行操作的提问。检索模块106可以针对所有特征,或者针对其中的某几个特征进行任意组合的形式来进行,查询的方式包括矢量查询、穷举查询和相似度查询等等。
如图4所示,商标查询系统还可以包括:知识库109,用于存储假冒商标中频繁出现或频繁搭配的特征元素;以及知识辅助模块110,用于根据所述知识库中的特征元素对现有商标的商标特征进行变型,以形成该现有商标的与待查询商标的商标特征进行匹配的商标特征。频繁出现或频繁搭配的特征元素可以通过审查员来输入,也可以通过商标查询系统包括的学习模块 111来存储。
学习模块111用于接收对匹配结果的反馈,以便根据所述反馈对所述匹配结果进行修改。如,在基于内容的检索中,由于底层特征与上层理解之间存在差异,底层特征可能不能完全反映或者匹配查询意图,所以通过审查员的反馈可以弥补因此产生的语义鸿沟。按照最初的查询条件,查询系统返回给用户查询结果,用户可以人为介入(或者自动)来选择几个最符合他查询意图的返回结果(正反馈),也可以选择最不符合他查询意图的几个返回结果(负反馈)。这些反馈信息被送入系统用来更新查询条件,重新进行查询,学习模块111可以将之前查询结果中与审查员标识的商标相类似的商标从结果中删除,从而让随后的搜索更符合查询者的真实意图。
学习模块111还可以根据长期的商标查询,将待查询商标中频繁出现的特征元素存储在所述知识库中。如在100次的商标查询过程中,其中有10 次假冒商标将汉字“大”添加至现有商标中以进行混淆,那么学习模块111 能够将该汉字“大”增加至知识库109中,那么,在以后的商标查询中,知识辅助模块110可以将“大”字添加在现有商标的文字特征的各个位置中,以便与待查询商标进行匹配。
以下将针对不同的商标特征来进一步描述本发明提供的商标查询系统和方法。
汉字特征
在商标中使用的汉字,其要素主要由音、形、义三部分组成,分述如下:音,包括了汉字的读音信息;形,包括了汉字的结构、偏旁、笔画等信息;义,包括了汉字的意义信息。
近似商标的判定,主要是根据前两个要素,第三个要素只是作为辅助信息。在判定时,除了要考虑汉字本身承载的信息,还要考虑其在商标中变体、不同汉字组合排列、加字减字混淆之后的效果。
针对汉字商标检索的具体要求,本发明提出以下方法。
基于字形进行文字匹配。例如基于汉字四角号码来进行匹配,但本发明并不限制于四角号码,其它例如五笔字型。四角号码是通过汉字字形来进行编码的一种方法,因此包含了汉字的“形”的信息,因此可以用来在形状上做近似商标的判定。例如5(a)所示,著名商标“康师傅”,其对应的四角号码为“002992102723242”,而图5(b)所示的“康帅傅”为仿冒商标,其对应的四角号码为“002992402723242”,因此,采用这种方式作为汉字形的特征量,可以有效查询到这类近似商标。
对于经字体变形的汉字,可以基于图形特征进行文字匹配。有些汉字,本身的字形不相似,但是采用不同字体,比如草体,或者艺术变形之后,具备了相当的相似性。而有些书写不规范的汉字商标,单纯建立汉字分卡,很难完全体现其全部特征,这种类型的商标申请,只通过字形编码很难查到所有的近似商标,就必须要提取汉字的图形特征向量进行查询。如图6所示的“历”字商标,采用草书之后,其右边部分更像汉字“文”,如果只用汉字分卡“历”,就很难反映其全部特征,从而导致查询错误。对于这种类型的查询可以使用图形特征进行匹配,图形特征匹配将在下文中进行描述。应该理解这还可以针对其他文字特征的查询。
对于三个及以上的汉字或字母,根据所述知识库中的相关特征元素,对所述文字特征进行变型以进行文字匹配,并且对于时间越近的高频出现或高频搭配的特征元素,赋予更高的权重。这种方法可以通过以下两个步骤来实现。精确查询步骤,基于统计学技术和语言学提炼出常用的高频单字和高频搭配。首先通过统计学技术和语言学对中国汉字中的高频单字和高频搭配进行提炼和分析,从而建立知识库。在加字查询中,首先对于高频单字和搭配进行有目的的精确查询。模糊查询步骤,基于模糊查询逻辑技术,一类仿冒商标,是在知名商标的文字上调整汉字顺序或者加字减字的方式来加以混淆,如图7所示的仿冒商标“康大师傅”。对这类商标,要采用模糊查询的方式来加以应对。对于逆序和换序的商标,同样可以通过模糊查询的方式来处理。例如,根据目前的审查标准,在汉字特征匹配中,在任意位置增加一个汉字的方法,优先增加“尔、特、斯、之、儿、大、小、金、银、新、老、王、皇、宝、好”等汉字。
上述汉字是审查员根据长期的使用习惯得到的常用汉字。商标查询系统通过统计学技术和语言学对中国汉字中的高频出现或高频搭配进行提炼和分析,从而存储至知识库109中。知识库109是该项需求中基于审查员经验提出的高频单字的有机补充。该项设计可直接用于加字查询中,可以对经验型单字、统计型高频单字和搭配进行有目的的精确查询。
此外,我们可以用统计方法更新这些常用汉字,根据时间给汉字赋予不同权重,离现在越近的高频汉字赋予更高的权重,这样可以更好的反应商标申请在时间跨度上的差异与变化。
最后,我们可以采用模糊查询的方式来处理加字的商标。当然上述方法同样适用于其他文字。
文字特征匹配的另一种方法是,将汉字转换为拼音以形成拼音特征,根据所述知识库中的相关特征元素,对经转换的拼音进行变型进行文字匹配。
仿冒商标除了以字形相似加以混淆外,还通过读音相近来欺骗消费者。例如,如图8所示的“啃德起汉堡”,明显是仿冒知名商标“肯德基”的,虽然他们在字形上有很大差别,但是读音非常接近,很明显是在误导消费者。针对这一类的汉字商标,除了要提取字形要素外,还必须提取读音要素,也就是每个汉字对应的汉语拼音。“肯德基”的汉语拼音为“KenDeJi”,而“啃德起”的汉语拼音为“KenDeQi”,通过提取读音要素,再配以基于读音相似的模糊查询技术,就很容易对此类仿冒商标加以处理。
文字匹配的又一种方法是,将汉字拆分成多个部分,基于每个部分的字形进行文字匹配。读音相同的商标可以通过对汉语拼音的检索来实现,而要分析字形近似仅偏旁不同的商标则有一定难度,这一类商标的查询可以通过分解汉字,对分解出的每一部分单独编码来实现。除此之外,这种方法对分解汉字加以混淆的近似商标也有很好的效果。
上文所述的四角号码对单纯的汉字可以起到很好的效果,但是对通过变体加以混淆的商标就不能达到预期效果。例如,如图9(a)所示的著名商标“雕”,其四角号码为“70215”,而如图9(b)所示的“周佳”为仿冒商标,其对应的四角号码为“7722024214”,可以看出对单个汉字的编码就不能奏效了。针对这种情况,必须要把单个汉字进行拆分,不但要记录整个汉字的编码,也要记录每个部分的编码,才能够达到理想效果。对于汉字 的拆分方法主要有三类:八分法、六分法和九分法,但本发明并不限制于此,可以根据具体情况来选用。
另外,在自动审查中,本发明优先显示完全相同的商标;在两个汉字的自动审查中,可以优先显示逆序商标。并可以通过学习模块111根据审查员的反馈对排序方式进行修改,以保证和审查员的使用习惯相符合。
对于英文的文字特征,商标近似的判断主观性较强,因此也较难把握。两个英文商标,有部分字母相同,在认定近似方面着重审查哪部分一直成为争论的焦点。英语读音相似的判定算法SOUNDEX可以有效解决这方面的问题。SOUNDEX是一种语音算法,利用英文字的读音计算近似值,值由四个字符构成,第一个字符为英文字母,后三个为数字,对于判定英文发音的相似性有很好的效果。在英文商标在检索时,现有的商标查询系统显示的是商标名称,不易判断商标是否近似,基于本发明的系统,检索出的商标显示的是其所立的英文分卡,以便于审查员判断是否近似。英文商标检索出的结果,基于本发明的系统可以优先显示首字母相同的商标,因为根据商标审查标准,一般首字母不同,英文商标不判近似。
本商标查询系统对英文近似的字母进行定义,比如以下字形相近的字母:C和O、C和G、U和V、U和W、V和W、M和N、I和L、T和I、 E和F、D和O、b和d、g和q、p和q;又比如发音相近的字母:C和K、 A和E、A和I、E和I等,把含有这些近似字母的商标作为检索的重点,可大大减少检出商标的数量。
在本发明的系统设计中,预先设定的规则可以很容易纳入知识库,作为近似商标判定标准,这样的设计易于扩展,有新的规则可以很容易加进来。
此外,前面提到的该系统中的SOUNDEX功能不仅仅局限于简单的读音类似的规则,可以对于英文单词以及词组进行整体的读音类似精准和模糊查询,实现和性能都是极其优越的。
本查询系统具有任意位置加字母的检索功能,并优先显示除首字外任意加一个字母的近似商标。针对该检索功能本发明提供以下两种查询方式:精确查询:基于统计学技术和语言学提炼出常用的高频单字和高频搭配,如上文所述,首先通过统计学技术和语言学对英文字母中的高频单字和高频搭配进行提炼和分析,从而建立知识库109。在加字查询中,首先对于高频单字和搭配进行有目的的精确查询;模糊查询:基于模糊查询逻辑技术,前面提到的该系统中的SOUNDEX功能不仅仅局限于简单的读音类似的规则,可以对于英文单词以及词组进行整体的读音类似精准和模糊查询,可以方便实现加减字母的查询性能,且效果是极其优越的。
数字特征
在商标的数字特征审查中,如果系统接收到完全相同选项,则优先显示该待审商标申请人已注册或在先申请的商标;在接收到完全相同选项时,优先显示纯数字商标。
另外,对于字头商标的查询,如果系统接收到完全相同选项时,则可优先显示该待审商标申请人已注册或在先申请的商标,该功能通过把组合和排序规则加入索引组合模块实现。并且在对字头商标进行审查时,在自动审查条件下,本发明可优先显示单纯由字头组成的商标,该功能通过把组合和排序规则加入索引组合模块实现。
拼音特征
如前所述,拼音是汉字的一个重要要素,也是近似商标判定的一个重要依据。商标的拼音特征相似性判定的重要根据是读音是否相似,在本发明提供的商标查询系统中,根据汉语拼音制定了如下规则来描述发音的相似性。
汉语拼音共有63个,其中声母23个,韵母24个(单韵母6个,复韵母9个,前鼻韵母5个,后鼻韵母4个),整体认读16个。
每个汉字的拼音都可以分解为“声母+韵母”或者“整体认读音节”。下面以两个“声母+韵母”的汉字为例,来说明如何计算两个汉字的发音相似度,该方法可以很容易推广到其他情况。根据拼音的发音习惯,给每两个声母之间设置距离值,距离值的大小和发音的相似度相关,例如,j和q发音相似,设置较小距离1.0,j和y发音不相似,设置较大距离2.0。同样对声母部分也设置类似的距离,则两个汉字的发音相似度为“声母部距离+韵母部距离”。以前述的仿冒商标“啃德起”为例,它与“肯德基”的发音距离值为1.0,而另一个仿冒商标“啃德意”,与“肯德基”的发音距离值为2.0,就可以判定“啃德起”在发音上比“啃德意”更接近“肯德基”。采用这种方法,可以精确衡量两个拼音商标的相似度,只要相似度大于一个事先设定的阈值,就认定为近似商标。
必须说明的是,以上发音距离的设置必须根据实际发音习惯来设定,这些经验可以存入知识库中,作为判定依据,并在实践中不断修订,以达到最佳效果。比如,不同地域方言的发音不同就可以在该系统设计中实现。
图形特征
本商标查询系统具有图形自动对比软件系统,在图形自动对比软件系统中由自动对比软件先对数据库进行初期筛选,按照近似程度进行排序,然后再加以人工判断,由审查员选择确定查询的百分比,精确检索结果,提高图形检索的工作效率。
商标图形特征的自动化处理是商标检索中最大的难点,主要原因是难以弥合人脑与电脑对图片解读方式的巨大鸿沟。
本发明提供的商标图形特征判定的依据为:商标图形的构图和整体外观近似,易使相关公众对商品或者服务的来源产生误认的,判定为近似商标;商标完整地包含他人在先具有一定知名度或者显著性较强的图形商标,易使相关公众认为属于系列商标而对商品或者服务的来源产生误认的,判定为近似商标。
而要实现以上判据的自动化处理,首先必须要能够准确地提取图形商标的图像特征,图形特征包括纹理、形状和颜色等,其中颜色特征量只作为辅助手段使用。
图像特征的提取是目前商标审查系统中的一个难点。智能商标查询系统对此提供了非常灵活的提取方式,提取的特征既可以是全局性的,如整幅图像的颜色分布,也可以是针对某个内部的局部对象,如图像中的子区域,还可以由审查员人工干预来对重点区域进行特殊处理。本系统采用了多种图像特征表示方法,如形状表示法(包括形状矩、形状集、不同方向不同级别的形状分布等),纹理表示法(包括Tramura纹理特征,Hurst纹理特征,以及基于小波变换的纹理特征表示法等),颜色表示法(由于颜色在商标审查中不作为主要特征,因此该特征量只作为辅助使用)。
另外,在涉及图像高级抽象的特征时,还利用了外界知识提供辅助,以使提取出的特征更符合用户的需求。这里所提到的图像高级抽象特征主要指的是商标图像中包含影响商标匹配的特征(例如无效特征),在查询中如果将该特征与上文所述的特征一起作为匹配特征来查询,则查询结果中很可能漏掉相似的商标。例如,商标为一个器物类的图像,其主要特征为器物本身,而其中包括的背景通常为无效特征,如果通过把背景特征和有效特征混合来进行查询,则可能使得有效特征的权重降低,漏掉相似商标,从而导致查询结果的不准确。对于这种情况,本商标查询系统采用外界知识辅助进行处理,即,首先可以利用提取边界的方法将背景去掉,然后再提取匹配特征,如此就可以实现有效特征的提取。
本商标查询系统还可以细化图形要素。发达国家早已采用维也纳分类第六版进行图形要素分类。本发明的商标查询系统不但符合维也纳图形要素分类,并且可以智能化、定制化自动提取图形要素,不但查询更准确,还可以大大提高审查员的工作效率。
本发明提供的商标查询系统可以将现行图形要素检索改为检索图形要素的交集和并集可选。如上所述,通过索引组合模块106,审查员可以针对所有特征,或者针对其中的某几个特征进行任意组合的形式来进行,并可以把以上规则存入知识库,作为索引自由组合的依据。通过这样的设计,可以把审查员的审查经验和电脑的快速查询两大优点紧密结合在一起。
此外,检索图形要素时,优先显示待审商标申请人已注册或在先申请的同一要素的商标,以避免申请人已注册过图形,再引证他人的商标驳回的现象。
在图形自动比对时,商标查询系统可以先预处理去掉图形中的文字信息,以避免文字对图形比对的干扰。这种方式也是利用了外界知识辅助来去掉图像商标的文字的,然后再提取图形特征,其属于上文所述的涉及图像高级抽象的特征的范例。
如上文所述,本发明可以提供灵活的图形文字不同比例的索引和查询。根据在商标中的视觉显著程度,特征库将对于图形和文字赋予不同的权重,并对此做索引和相应的查询。
图10是根据本发明的商标查询方法的流程图。如图10所述,在步骤1001 处,接收待查询商标;在步骤1002处,提取所述待查询商标的商标特征;在步骤1003处,存储所提取到的待查询商标的商标特征;在步骤1004处,将待查询商标的商标特征与现有商标的商标特征进行匹配;在步骤1005处,显示所述匹配的结果。
对于本发明提供的商标查询方法的详细步骤可以从上文的描述中得出,因此不再赘述。
另外,本发明提供的商标查询系统采用全模块化设计,在技术上可以实现与现有系统的无缝对接,包括人机接口的和后台数据库访问的接口。另外,智能商标查询系统采用分级检索的技术,可以大大提高查询速度,在用户提交查询需求后,实时把搜索结果显示出来,从而大大提高工作效率。
现有商标查询系统框图如图11所示。用户通过界面将查询需求转化为维也纳编码,然后输入到查询模块,查询模块根据编码在商标库中找到符合用户要求的商标,最后再通过用户界面将所有符合要求的查询结果返回给用户。
可以采用以下方式将本发明提供商标查询系统与现有系统结合起来。
方案一
将现有系统分解后的编码作为编码矢量,与本发明提供商标查询系统(图中的智能商标查询模块)得到的图形矢量结合,形成复合矢量,用复合矢量进行查询,如图12所示。
方案二
将本发明提供的商标查询系统作为现有系统的编码模块,把待查询商标自动转化为维也纳编码,从而避免了人工分解时因个人理解差异造成的错误,并可有效提高工作效率,如图13所示。
方案三
将本发明提供的商标查询系统作为现有系统的筛选模块,在用现有系统查询之前缩小查询范围,从而提高查询效率,如图14所示。
方案四
将智能商标查询系统作为现有系统的排序模块,在用现有系统得到结果之后,对查询结果进行排序,从而减小工作人员的工作强度,如图15所示。
方案五
由于本发明提供的商标查询系统在图形比对方面有着强大的能力,可以将其作为独立的查询系统,来完成商标侵权的认定与裁决。
以上五种方案中,第一种方案的优点在于可以将本发明的图形查询技术与现有系统紧密结合起来,从而最大限度地提高查询效率,缺点是开发周期比较长,对原有系统改动比较大。而后四种方案的优点是无需对原有系统做大的改动,开发周期短。
另外,根据用户的需求,还可以把这些模块自由组合,为现有系统提供更强大的功能。如图16所示,把编码模块、筛选模块和排序模块组合在一起形成的组合方案。
以下将对使用本发明提供的商标查询系统查询不同类型商标的结果进行展示,以获得对本发明优势的更加全面的理解。
示例一
对于很难分解成传统查询方法所需的要素,很难使用维也纳编码来进行查询,因此使用传统的方法查询有相当的难度。由于本发明提供的商标查询系统具有图像特征提取的功能,其可以对商标的图像特征进行自动匹配,因此可以方便、快捷、准确地找到近似商标,结果如图17所示。
示例二
对于商标在视觉上非常近似,但是维也纳编码差别很大,如果用传统的方法可能会判定为不同商标而产生争议。而采用本发明提供的商标查询系统,通过商标的图像特征的匹配,可以很容易把视觉上相似的商标都找到,从而给审查员提供非常有用的参考依据,查询结果如图18所示。
示例三
如图2所示的两个与“奔驰”相似的商标,采用现有的查询方法很可能漏掉,但是本发明提供的商标查询系统通过图像特征的匹配则可以轻松识别,如图19所示。
示例四
对于恶意注册的近似商标示例,可口可乐的英文商标是“CocaCola”,而“ColaCoca”明显是刻意模仿它设计的近似商标,采用本发明提供的商标查询系统,通过上述英文文字特征的检索方法,可以轻易地把它找出来,如图20所示。
示例五
对于文字不同,但是视觉特征非常相似,如果单纯通过文字分卡来查询,就很可能漏掉。而采用本发明提供的商标查询系统,通过上述文字特征的检索方法就很容易查到,如图21所示。
示例六
采用现有的商标查询方法,通常会得到大量编码相同的商标,而这些商标以随机顺序进行排列,因此需要大量的时间和人力进行识别。而采用本发明提供商标查询系统,会把得到的结果按照相似程度进行排列,如图22所示,从而可以有效提高查询效率。
本发明提供的商标查询系统,基于智能图像检索技术,实现了快速的内容特征提取、文本向量混合检索和智能化自学习功能。该系统采用了面向用户的设计理念,结合了用户的反馈与偏好,先进的自学习算法更可以进一步持续提高和改善系统的性能。
智能商标查询系统通过以下核心技术提供了更多优势:
一套完整的、基于统一搜索引擎的图像搜索系统和高度灵活的附加模块,可以适应快速准确查找商标的需求。
基于图像内容的快速准确的内容特征提取,从而避免了因为人工和个人翻译造成的偏差。
多特征单独提取,交叉查询的组合方式,大大提高了查询的灵活度。
结合了人机互动从而提高了系统的性能,同时也可根据用户的使用习惯来提炼查询结果。
加入了人工智能自学习算法,允许系统根据用户的不同需求提高性能。
与传统的商标查询系统相比,智能商标查询系统还具有如下优势:
可以大大提高审查员的审查效率和审查质量,有效降低人工审查的错误率,最终降低审查人员的工作难度和强度,保证审查员可以快速准确地检索到在类似商品上的相同或近似商标;
可以与现有商标查询系统配合使用,在大量商标申请被人工处理之前,用本系统进行预处理和预筛选,挑出明显的近似商标,从而提高效率。
可以自动提取文字、图形等特征量,辅助审查人员完成分卡工作,降低工作强度。
可以与现有商标查询系统无缝对接,提出了六种与现有系统的组合方案可以根据用户的需求自由配置;
操作非常简便,只要审查员把待审查商标输入系统,系统就会自动查询商标数据库,并把查询结果按相似度排列,最相似的商标排在最前面。
国际领先的基于图像内容的索引和查询技术,可以对复杂难以分解的图形商标进行处理,并且对变形中英文字进行基于图形的查询。
该系统可灵活加入针对中文方块字的字形特征进行索引和查询,从而解决中文字形相似查询的挑战。
该系统可灵活加入针对英文发音的语音特征进行索引和查询,从而解决英文读音相似查询的挑战。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (18)
1.一种商标查询系统,其特征在于,所述商标查询系统包括:
查询模块,用于接收待查询商标;
特征提取模块,用于提取所述待查询商标的商标特征;
索引库,用于存储所提取到的待查询商标的商标特征;
商标库,用于存储现有商标;
知识库,用于存储假冒商标中频繁出现或频繁搭配的特征元素;
知识辅助模块,用于根据所述知识库中的特征元素对现有商标的商标特征进行变型,以形成该现有商标的与待查询商标的商标特征进行匹配的商标特征;
特征库,用于存储所述现有商标的商标特征;
检索模块,用于将所述待查询商标的商标特征与所述现有商标的商标特征进行匹配;
显示模块,用于显示关于所述匹配的匹配结果;
学习模块,用于执行以下操作:
接收用户针对所述匹配结果的反馈信息;以及
当所述反馈信息指示所述匹配结果不符合用户的查询意图时,基于该反馈信息更新所述待查询商标的所述商标特征,并将更新后的所述待查询商标的所述商标特征与所述现有商标的商标特征重新进行匹配。
2.根据权利要求1所述的商标查询系统,其特征在于,所述商标查询系统还包括:
索引组合模块,用于将所提取到的待查询商标的所有商标特征或某几个商标特征作为待匹配特征,
所述检索模块用于将所述待匹配特征与所述现有商标的商标特征进行匹配。
3.根据权利要求2所述的商标查询系统,其特征在于,
所述检索模块还用于根据匹配后的相似度将所述现有商标的商标特征所对应的现有商标进行排序;
所述显示模块还用于显示经排序的现有商标。
4.根据权利要求3所述的商标查询系统,其特征在于,所述索引组合模块还用于接收待匹配特征的权重分配,并且所述检索模块根据权重分配后现有商标的商标特征与待匹配特征的相似度来对相关的现有商标进行排序。
5.根据权利要求1所述的商标查询系统,其特征在于,所述学习模块,还用于根据长期的商标查询,将待查询商标中频繁出现的特征元素存储在所述知识库中。
6.根据权利要求1-5中任一权利要求所述的商标查询系统,其特征在于,特征提取模块所提取的商标特征包括维也纳编码、文字特征、数字特征、拼音特征、图像特征、声音特征和/或视频特征。
7.根据权利要求6所述的商标查询系统,其特征在于,对于所述图像特征的匹配是基于图形的形状、纹理和/或颜色进行匹配的。
8.根据权利要求1所述的商标查询系统,其特征在于,所述查询模块还用于接收待查询商标所对应的维也纳编码、文字特征和/或数字特征。
9.根据权利要求6所述的商标查询系统,其特征在于,对于所述文字特征的匹配包括:
基于字形进行文字匹配;
对于经字体变形的汉字,基于图形特征进行文字匹配;
对于三个及以上的汉字或字母,根据所述知识库中的相关特征元素,对所述文字特征进行变型以进行文字匹配,并且对于时间越近的高频出现或高频搭配的特征元素,赋予更高的权重;
将汉字转换为拼音以形成拼音特征,根据所述知识库中的相关特征元素,对经转换的拼音进行变型进行文字匹配;和/或
将汉字拆分成多个部分,基于每个部分的字形进行文字匹配。
10.一种商标查询方法,其特征在于,所述商标查询方法包括:
接收待查询商标;
提取所述待查询商标的商标特征;
存储所提取到的待查询商标的商标特征;
将假冒商标中频繁出现或频繁搭配的特征元素存储知识库中;以及
根据所述知识库中的特征元素对现有商标的商标特征进行变型,以形成该现有商标的与待查询商标的商标特征进行匹配的商标特征;
存储所述现有商标的商标特征;
将所述待查询商标的商标特征与所述现有商标的商标特征进行匹配;
显示关于所述匹配的匹配结果;以及
接收用户针对所述匹配结果的反馈信息;以及
当所述反馈信息指示所述匹配结果不符合用户的查询意图时,基于该反馈信息更新所述待查询商标的所述商标特征,并将更新后的所述待查询商标的所述商标特征与所述现有商标的商标特征重新进行匹配。
11.根据权利要求10所述的商标查询方法,其特征在于,所述商标查询方法还包括:
将所提取到的待查询商标的所有商标特征或某几个商标特征作为待匹配特征;以及
将所述待匹配特征与所述现有商标的商标特征进行匹配。
12.根据权利要求11所述的商标查询方法,其特征在于,所述商标查询方法还包括:
根据匹配后的相似度将所述现有商标的商标特征所对应的现有商标进行排序;以及
显示经排序的现有商标。
13.根据权利要求10所述的商标查询方法,其特征在于,所述商标查询方法还包括:接收待匹配特征的权重分配,并且根据权重分配后现有商标的商标特征与待匹配特征的相似度来对相关的现有商标进行排序。
14.根据权利要求10所述的商标查询方法,其特征在于,所述商标查询方法还包括:
根据长期的商标查询,将待查询商标中频繁出现的特征元素存储在所述知识库中。
15.根据权利要求10-14中任一权利要求所述的商标查询方法,其特征在于,所提取的所述商标特征包括维也纳编码、文字特征、数字特征、拼音特征、图像特征、声音特征和/或视频特征。
16.根据权利要求15所述的商标查询方法,其特征在于,对于所述图像特征的匹配是基于图形的形状、纹理和/或颜色进行匹配的。
17.根据权利要求10所述的商标查询方法,其特征在于,所述接收待查询商标包括:接收待查询商标所对应的维也纳编码、文字特征和/或数字特征。
18.根据权利要求15所述的商标查询方法,其特征在于,对于所述文字特征的匹配包括:
基于字形进行文字匹配;
对于经字体变形的汉字,基于图形特征进行文字匹配;
对于三个及以上的汉字或字母,根据所述知识库中的相关特征元素,对所述文字特征进行变型以进行文字匹配,并且对于时间越近的高频出现或高频搭配的特征元素,赋予更高的权重;
将汉字转换为拼音以形成拼音特征,根据所述知识库中的相关特征元素,对经转换的拼音进行变型进行文字匹配;和/或
将汉字拆分成多个部分,基于每个部分的字形进行文字匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410043915.0A CN104809142B (zh) | 2014-01-29 | 2014-01-29 | 商标查询系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410043915.0A CN104809142B (zh) | 2014-01-29 | 2014-01-29 | 商标查询系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809142A CN104809142A (zh) | 2015-07-29 |
CN104809142B true CN104809142B (zh) | 2018-03-23 |
Family
ID=53693967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410043915.0A Active CN104809142B (zh) | 2014-01-29 | 2014-01-29 | 商标查询系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809142B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11100124B2 (en) | 2014-05-09 | 2021-08-24 | Camelot Uk Bidco Limited | Systems and methods for similarity and context measures for trademark and service mark analysis and repository searches |
US10565533B2 (en) | 2014-05-09 | 2020-02-18 | Camelot Uk Bidco Limited | Systems and methods for similarity and context measures for trademark and service mark analysis and repository searches |
US9965547B2 (en) | 2014-05-09 | 2018-05-08 | Camelot Uk Bidco Limited | System and methods for automating trademark and service mark searches |
CN105426530B (zh) * | 2015-12-15 | 2017-05-10 | 徐庆 | 一种商标检索方法、装置和系统 |
CN105574161B (zh) | 2015-12-15 | 2017-09-26 | 徐庆 | 一种商标图形要素识别方法、装置和系统 |
CN106257451A (zh) * | 2015-12-18 | 2016-12-28 | 陶德龙 | 网站访问的方法及装置 |
CN106021316A (zh) * | 2016-05-06 | 2016-10-12 | 长沙市麓智信息科技有限公司 | 核心专利判断系统及其判断方法 |
CN106095865B (zh) * | 2016-06-03 | 2019-04-12 | 中细软移动互联科技有限公司 | 一种商标文本相似性评审方法 |
CN106649851A (zh) * | 2016-12-30 | 2017-05-10 | 徐庆 | 近似商标查询结果排序方法、装置及其商标服务器 |
CN107563720A (zh) * | 2017-08-07 | 2018-01-09 | 深圳益强信息科技有限公司 | 基于大数据及人工智能的商标申请的方法 |
CN107609022A (zh) * | 2017-08-07 | 2018-01-19 | 深圳益强信息科技有限公司 | 基于大数据及人工智能的商标申请的系统 |
CN107609057B (zh) * | 2017-08-25 | 2020-12-22 | 百度在线网络技术(北京)有限公司 | 一种获取商标图像的文字数据的方法与装置 |
CN107705347A (zh) * | 2017-09-12 | 2018-02-16 | 方家齐 | 一商标设计辅助系统 |
US20190188729A1 (en) * | 2017-12-18 | 2019-06-20 | Beijing Jingdong Shangke Information Technology Co., Ltd. | System and method for detecting counterfeit product based on deep learning |
CN108897747A (zh) * | 2018-04-03 | 2018-11-27 | 南昌奇眸科技有限公司 | 一种商标图形相似度比对方法 |
CN108763262B (zh) * | 2018-04-03 | 2022-04-29 | 南昌奇眸科技有限公司 | 一种商标图形检索方法 |
CN108764246A (zh) * | 2018-04-03 | 2018-11-06 | 南昌奇眸科技有限公司 | 一种基于多尺度特征提取的图像检索方法 |
CN108198102A (zh) * | 2018-04-09 | 2018-06-22 | 乌鲁木齐凯德道诚信息咨询服务有限公司 | 一种商标查询系统 |
CN110580301A (zh) * | 2018-06-08 | 2019-12-17 | 成都市卓睿科技有限公司 | 一种高效商标检索方法、系统及平台 |
CN108897722A (zh) * | 2018-06-26 | 2018-11-27 | 重庆智荟数创科技有限公司 | 基于笔顺算法的商标近似评估、监控系统及方法 |
CN109472723A (zh) * | 2018-08-30 | 2019-03-15 | 广州企图腾科技有限公司 | 一种基于结构分析的商标预警方法及装置 |
CN109299307B (zh) * | 2018-08-30 | 2022-04-05 | 广州企图腾科技有限公司 | 一种基于结构分析的商标检索预警方法及装置 |
CN110895555B (zh) * | 2018-09-13 | 2022-06-14 | 北京蓝灯鱼智能科技有限公司 | 数据检索方法和装置、存储介质及电子装置 |
CN109493259B (zh) * | 2018-10-18 | 2024-03-05 | 上海右云信息技术有限公司 | 一种用于通过计算设备处理侵权案件的方法与设备 |
CN109857912A (zh) * | 2018-12-20 | 2019-06-07 | 广州企图腾科技有限公司 | 一种字形识别方法、电子设备及存储介质 |
CN109740009A (zh) * | 2019-01-10 | 2019-05-10 | 济南浪潮高新科技投资发展有限公司 | 一种智能商标审核系统及其应用方法 |
CN109800340B (zh) * | 2019-01-24 | 2021-03-19 | 北京梦知网科技有限公司 | 商标注册推荐方法及系统 |
CN109857790A (zh) * | 2019-02-14 | 2019-06-07 | 厦门一品微客知识产权服务有限公司 | 一种商标查询方法、装置、计算机设备及存储介质 |
CN109902196B (zh) * | 2019-02-14 | 2021-12-07 | 厦门一品微客信息科技有限公司 | 一种商标类别推荐方法、装置、计算机设备及存储介质 |
CN110059159A (zh) * | 2019-04-15 | 2019-07-26 | 重庆天蓬网络有限公司 | 一种近似商标实时监控系统 |
CN112256909A (zh) * | 2019-07-22 | 2021-01-22 | 上海著腾信息科技有限公司 | 一种图形商标检索方法、系统、设备及可读存储介质 |
CN112287145A (zh) * | 2019-07-22 | 2021-01-29 | 上海著腾信息科技有限公司 | 一种图形商标检索方法、系统、设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1442805A (zh) * | 2002-03-06 | 2003-09-17 | 昆明利普机器视觉工程有限公司 | 基于彩色数字图像识别的商标图样检索系统 |
CN1581159A (zh) * | 2003-08-04 | 2005-02-16 | 中国科学院自动化研究所 | 商标检索方法 |
CN102122298A (zh) * | 2011-03-07 | 2011-07-13 | 清华大学 | 一种中文相似性匹配方法 |
CN102541954A (zh) * | 2010-12-29 | 2012-07-04 | 北京大学 | 一种商标检索方法及系统 |
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN103428307A (zh) * | 2013-08-09 | 2013-12-04 | 中国科学院计算机网络信息中心 | 仿冒域名检测方法及设备 |
-
2014
- 2014-01-29 CN CN201410043915.0A patent/CN104809142B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1442805A (zh) * | 2002-03-06 | 2003-09-17 | 昆明利普机器视觉工程有限公司 | 基于彩色数字图像识别的商标图样检索系统 |
CN1581159A (zh) * | 2003-08-04 | 2005-02-16 | 中国科学院自动化研究所 | 商标检索方法 |
CN102541954A (zh) * | 2010-12-29 | 2012-07-04 | 北京大学 | 一种商标检索方法及系统 |
CN102122298A (zh) * | 2011-03-07 | 2011-07-13 | 清华大学 | 一种中文相似性匹配方法 |
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN103428307A (zh) * | 2013-08-09 | 2013-12-04 | 中国科学院计算机网络信息中心 | 仿冒域名检测方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104809142A (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809142B (zh) | 商标查询系统和方法 | |
CN103488648B (zh) | 一种多语种混合检索方法和系统 | |
CN105528437B (zh) | 一种基于结构化文本知识提取的问答系统构建方法 | |
CN107609052A (zh) | 一种基于语义三角的领域知识图谱的生成方法及装置 | |
CN110895559B (zh) | 模型训练、文本处理方法、装置以及设备 | |
CN108345686B (zh) | 一种基于搜索引擎技术的数据分析方法及系统 | |
CN106776544A (zh) | 人物关系识别方法及装置和分词方法 | |
CN102043812A (zh) | 一种医疗信息的检索方法及系统 | |
CN107145514B (zh) | 基于决策树和svm混合模型的中文句型分类方法 | |
CN108765383A (zh) | 基于深度迁移学习的视频描述方法 | |
CN106997341A (zh) | 一种创新方案匹配方法、装置、服务器及系统 | |
Labusch et al. | Named Entity Disambiguation and Linking Historic Newspaper OCR with BERT. | |
CN110287482A (zh) | 半自动化分词语料标注训练装置 | |
CN103377451A (zh) | 专利质量评估系统及方法 | |
CN112256845A (zh) | 意图识别方法、装置、电子设备和计算机可读存储介质 | |
CN107301167A (zh) | 一种功性能描述信息识别方法及装置 | |
CN108984521A (zh) | 一种新闻事件中人物观点抽取方法 | |
Zhou et al. | Icdar 2015 text reading in the wild competition | |
Wu et al. | English vocabulary online teaching based on machine learning recognition and target visual detection | |
Hamdelsayed et al. | Islamic applications of automatic question-answering | |
CN110263021A (zh) | 一种基于个性化标签体系的主题库生成方法 | |
Ding et al. | Context-aware semantic type identification for relational attributes | |
CN109766442A (zh) | 一种对用户笔记进行分类的方法及系统 | |
CN110580301A (zh) | 一种高效商标检索方法、系统及平台 | |
Al-Sultany et al. | Enriching tweets for topic modeling via linking to the wikipedia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180929 Address after: 100020 Chaoyang District, Beijing, East Third Ring Road North to two Lane Lane, five rain Lin Building 608 room Patentee after: Beijing Reelsky Data Technology Ltd. Address before: 100085 2 unit 303, 9 building, No. 9 Anning West Road, Haidian District, Beijing. Patentee before: BEIJING RUITIAN TECHNOLOGY CO., LTD. |