CN106844551B - 基于人工智能的商标申请成功率自动分析方法及系统 - Google Patents
基于人工智能的商标申请成功率自动分析方法及系统 Download PDFInfo
- Publication number
- CN106844551B CN106844551B CN201611263450.5A CN201611263450A CN106844551B CN 106844551 B CN106844551 B CN 106844551B CN 201611263450 A CN201611263450 A CN 201611263450A CN 106844551 B CN106844551 B CN 106844551B
- Authority
- CN
- China
- Prior art keywords
- trademark
- information
- pjz
- pjs
- forbidden
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 230000002085 persistent effect Effects 0.000 claims description 15
- 230000005764 inhibitory process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 6
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供基于人工智能的商标申请成功率自动分析方法及系统,包括(1)基于人工智能查询判断待申请商标是否属于商标申请的禁止性条款所规定的内容,并计算近似度,近似度为概率Pjz;(2)基于人工智能检索判断待申请商标与现有已存续商标的近似度,存续商标近似度为概率Pjs;(3)商标申请通过的概率P=(1‑Pjz)+(1‑Pjs)。本发明利用人工智能技术进行商标申请前的成功率分析,可以大幅提高成功商标申请的概率。
Description
技术领域
本发明属于信息智能分析领域,特别是涉及到一种基于人工智能的商标申请成功率自动分析方法及系统。
背景技术
随着知识产权保护意识的日趋增强,通过商标注册已经成为个人或企业进行知识产权保护最为重要的手段。商标的存续数量大幅增加,构成商标的可用图文、数字资源日趋匮乏,由于商标近似度加大造成申请被驳回的几率进一步加大。由人工查询判断商标申请前的近似性或禁止性分析存在较大的主观性,主观性判断偏差较大进一步加剧了商标被驳回的几率。
发明内容
本发明要解决的问题是设计基于人工智能的商标申请成功率自动分析方法及系统,利用人工智能技术进行商标申请前的成功率分析,大幅提高成功商标申请的概率。
为了达到上述目的,本发明采取的技术方案为:基于人工智能的商标申请成功率自动分析方法,包括:
(1)基于人工智能查询判断待申请商标是否属于商标申请的禁止性条款所规定的内容,并计算近似度,近似度为概率Pjz;
(2)基于人工智能检索判断待申请商标与现有已存续商标的近似度,存续商标近似度为概率Pjs;
(3)商标申请通过的概率P=(1-Pjz)+(1-Pjs);并按照由大到小的顺序分别列出Pjz和Pjs所关联的信息库的具体信息数据列表。
进一步的,步骤(1)的具体方法为:
(101)建立商标禁止信息库,信息库内容包括:禁止条款名称、禁止性条款内容、禁止性条款解释、禁止性条款特征、禁止性条款的特征图片、禁止性图元及图元位置参数数据库、禁止性字符串数据库、禁止性声音波形数据库;
(102)根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串和基本构成图元名称、图元组合的行对位置参数;
(103)根据待申请商标的注册类别,系统自动查询商标禁止信息库,对比计算待申请商标与商标禁止信息库内容符合情况,对比维度包括商标名称与禁止性名称对比、商标图片中所包含的字符串及图元数据分别与禁止性字符串数据库和禁止性图元及图元位置参数数据库进行比对并计算近似度Pjz。
更进一步的,所述近似度Pjz的计算方法为:将待申请商标的名称、商标图形所包括的字符串、商标图形的图元及位置关系、声音的特征波形与禁止性条款信息库中的信息做对比,按照符合项的数量进行计算近似概率Pjz;所述字符串包括文字、字母、数字。
进一步的,步骤(2)的具体方法为:
(201)建立存续商标信息库,信息库内容包括:商标名称、注册类别、图样图片、声音文件、字符串、图元(图元组成及位置数据)、声波、商标持有人、有效状态;其中所述字符串即为图样包括的由左到右的字符串组成,所述声波即为声音文件的波形数据;
(202)根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串和基本构成图元名称、图元组合的行对位置参数;
(203)根据待申请商标的注册类别,系统自动查询符合该注册类别的存续商标信息库,并计算出近似度Pjs。
更进一步的,所述近似度Pjs的计算方法为:将待申请商标的商标分类、名称、字符串、图元和声波信息项与存续商标信息库的信息做对比,按照符合项的数量进行计算近似概率Pjs。
本发明的另一方面,还提供了基于人工智能的商标申请成功率自动分析系统,包括:
禁止对比模块,用于基于人工智能查询判断待申请商标是否属于商标申请的禁止性条款所规定的内容,并计算近似度,近似度为概率Pjz;
存续对比模块,用于基于人工智能检索判断待申请商标与现有已存续商标的近似度,存续商标近似度为概率Pjs;
概率模块,用于计算商标申请通过的概率P=(1-Pjz)+(1-Pjs);并按照由大到小的顺序分别列出Pjz和Pjs所关联的信息库的具体信息数据列表。
进一步的,所述禁止对比模块包括:
商标禁止信息库,信息库内容包括:禁止条款名称、禁止性条款内容、禁止性条款解释、禁止性条款特征、禁止性条款的特征图片、声音文件;
商标分析子模块,用于根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串和基本构成图元名称、图元组合的行对位置参数;
近似度Pjz计算子模块;用于根据待申请商标的注册类别,系统自动查询商标禁止信息库,对比计算待申请商标与商标禁止信息库内容符合情况,并计算近似度Pjz。
更进一步的,所述近似度Pjz计算子模块包括禁止库符合项对比单元:用于将待申请商标的名称、商标图形所包括的字符串、商标图形的图元及位置关系、声音的特征波形与禁止性条款信息库中的信息做对比,按照符合项的数量进行计算近似概率Pjz;所述字符串包括文字、字母、数字。
进一步的,所述存续对比模块包括:
存续商标信息库,信息库内容包括:商标名称、注册类别、图样图片、声音文件、字符串、图元(图元组成及位置数据)、声波、商标持有人、有效状态;其中所述字符串即为图样包括的由左到右的字符串组成,所述声波即为声音文件的波形数据;
商标分析子模块,用于根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串和基本构成图元名称、图元组合的行对位置参数;
近似度Pjs计算子模块,用于根据待申请商标的注册类别,系统自动查询符合该注册类别的存续商标信息库,并计算出近似度Pjs。
更进一步的,所述近似度Pjs计算子模块包括存续库符合项对比单元,用于将待申请商标的商标分类、名称、字符串、图元和声波信息项与存续商标信息库的信息做对比,按照符合项的数量进行计算近似概率Pjs。
本发明提出的基于人工智能的商标申请成功率自动分析方法及系统,与现有技术相比,有益效果为:
商标的申请最为重要的要素是商标名称、类别和图样,因此本发明基于人工智能系统的商标申请成功率分析系统解决的是自动检索近似名称、类别和图样的存续商标,自动分析申请商标是否符合商标法相关的禁止性条款,并能够自动计算出近似度、是否违反商标法禁止性条款要求,进一步计算出申请的成功概率。本发明利用人工智能技术进行商标申请前的成功率分析,可以大幅提高成功商标申请的概率。
具体实施方式
下面结合具体实施例对本发明做进一步说明。
本发明首先需要建立存续商标的信息库,信息库需要包括:商标名称、注册类别、图样图片、声音文件、字符串(图样包括的由左到右的字符串组成)、图元(图元组成及位置数据)、声波(声音文件的波形数据)、商标持有人、有效状态。其次需要建立商标禁止信息库,信息库需要包括:禁止条款名称、禁止性条款内容、禁止性条款解释、禁止性条款特征、禁止性条款的特征图片、声音文件。
需要说明的是,商标存续信息库对比现有技术中商标检索平台及商标库的创新是除了现有商标信息的存储而且要存储构成该商标的图元信息数据、字符串信息数据、图元字符串相对位置数据,后面的三个数据项是现有商标存储当中所没有的。现有技术中对于存续商标信息的检索仅仅检索名称、对商标图片的描述信息和商标图片,而本发明新的检索方式则会深入到构成商标图案的图元、字符串和相对位置关系三个重要深度要锁对比。
另外需要说明的是,商标存续信息库还包括了图形的显著性数据库和字符显著性数据库:
1、图形的显著性数据库:按照百科全书的分类方法建立动物、植物、卡通形象、图形数据库,该数据存储的是图案、图元、图元相互之间的位置信息、图案中英文描述、命名。
2、字符显著性数据库:建立中文词典库、英文词典库、常见符号库。
人工智能系统判断商标申请成功率的方法步骤是:1、填写商标名称;2、选择商标注册类别(可以多选);3、上传商标图形图片或声音文件;4、系统自动分析出代申请商标图形中所包括的文字、字母、数字由左到右的字符串和基本构成图元名称、图元组合的行对位置参数;5、系统自动查询商标禁止信息库,对比计算待申请商标与商标禁止信息库内容符合情况,并计算近似度,近似度为概率Pjz,不违背禁止性条款的成功概率P1=1-Pjz;6、系统以商标注册类别为条件,系统自动查询符合该注册类别的存续商标信息库,并计算出近似度,存续商标近似度为概率Pjs,商标不近似的概率为P2=1-Pjs;7、计算商标申请通过的概率P=P1+P2;8、按照有大到小的顺序分别列出Pjz和Pjs所关联的信息库的具体信息数据列表。
禁止性条款库检索对比的是待申请商标的名称、商标图形所包括额字符串(文字、字母、数字)、商标图形的图元及位置关系、声音的特征波形与禁止性条款信息库中的信息做对比,按照符合项的数量进行计算近似概率Pjz。
商标近似度对比的是存续商标信息库,对比的内容包括商标分类、名称、字符串、图元和声波信息项,按照符合项的数量进行计算近似概率Pjs。
以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.基于人工智能的商标申请成功率自动分析方法,其特征在于,包括:
(1)基于人工智能查询判断待申请商标是否属于商标申请的禁止性条款所规定的内容,并计算近似度,近似度为概率Pjz;
(101)建立商标禁止信息库,信息库内容包括:禁止条款名称、禁止性条款内容、禁止性条款解释、禁止性条款特征、禁止性条款的特征图片、禁止性图元及图元位置参数数据库、禁止性字符串数据库、禁止性声音波形数据库;
(102)根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串和基本构成图元名称、图元组合的行对位置参数;
(103)根据待申请商标的注册类别,系统自动查询商标禁止信息库,对比计算待申请商标与商标禁止信息库内容符合情况,对比维度包括商标名称与禁止性名称对比、商标图片中所包含的字符串及图元数据分别与禁止性字符串数据库和禁止性图元及图元位置参数数据库进行比对并计算近似度Pjz;
其中,所述近似度Pjz的计算方法为:将待申请商标的名称、商标图形所包括的字符串、商标图形的图元及位置关系、声音的特征波形与禁止性条款信息库中的信息做对比,按照符合项的数量进行计算近似概率Pjz;所述字符串包括文字、字母、数字;
(2)基于人工智能检索判断待申请商标与现有已存续商标的近似度,存续商标近似度为概率Pjs;
(201)建立存续商标信息库,信息库内容包括:商标名称、注册类别、图样图片、声音文件、字符串、图元、声波、商标持有人、有效状态;其中所述字符串即为图样包括的由左到右的字符串组成,所述声波即为声音文件的波形数据;
(202)根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串和基本构成图元名称、图元组合的行对位置参数;
(203)根据待申请商标的注册类别,系统自动查询符合该注册类别的存续商标信息库,并计算出近似度Pjs;
(3)商标申请通过的概率P=(1-Pjz)+(1-Pjs);并按照由大到小的顺序分别列出Pjz和Pjs所关联的信息库的具体信息数据列表;
其中,所述近似度Pjs的计算方法为:将待申请商标的商标分类、名称、字符串、图元和声波信息项与存续商标信息库的信息做对比,按照符合项的数量进行计算近似概率Pjs。
2.基于人工智能的商标申请成功率自动分析系统,其特征在于,包括:
禁止对比模块,用于基于人工智能查询判断待申请商标是否属于商标申请的禁止性条款所规定的内容,并计算近似度,近似度为概率Pjz;
存续对比模块,用于基于人工智能检索判断待申请商标与现有已存续商标的近似度,存续商标近似度为概率Pjs;
概率模块,用于计算商标申请通过的概率P=(1-Pjz)+(1-Pjs);并按照由大到小的顺序分别列出Pjz和Pjs所关联的信息库的具体信息数据列表;
商标禁止信息库,信息库内容包括:禁止条款名称、禁止性条款内容、禁止性条款解释、禁止性条款特征、禁止性条款的特征图片、声音文件;
商标分析子模块,用于根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串、和基本构成图元名称、图元组合的行对位置参数;
近似度Pjz计算子模块;用于根据待申请商标的注册类别,系统自动查询商标禁止信息库,对比计算待申请商标与商标禁止信息库内容符合情况,并计算近似度Pjz;
所述近似度Pjz计算子模块包括禁止库符合项对比单元:用于将待申请商标的名称、商标图形所包括的字符串、商标图形的图元及位置关系、声音的特征波形与禁止性条款信息库中的信息做对比,按照符合项的数量进行计算近似概率Pjz;所述字符串包括文字、字母、数字;
所述存续对比模块包括:
存续商标信息库,信息库内容包括:商标名称、注册类别、图样图片、声音文件、字符串、图元、声波、商标持有人、有效状态;其中所述字符串即为图样包括的由左到右的字符串组成,所述声波即为声音文件的波形数据;
商标分析子模块,用于根据待申请商标的名称、商标图形图片或声音文件,系统自动分析出待申请商标图形中所包括的文字、字母、数字由左到右的字符串、和基本构成图元名称、图元组合的行对位置参数;
近似度Pjs计算子模块,用于根据待申请商标的注册类别,系统自动查询符合该注册类别的存续商标信息库,并计算出近似度Pjs;
所述近似度Pjs计算子模块包括存续库符合项对比单元,用于将待申请商标的商标分类、名称、字符串、图元和声波信息项与存续商标信息库的信息做对比,按照符合项的数量进行计算近似概率Pjs。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611263450.5A CN106844551B (zh) | 2016-12-30 | 2016-12-30 | 基于人工智能的商标申请成功率自动分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611263450.5A CN106844551B (zh) | 2016-12-30 | 2016-12-30 | 基于人工智能的商标申请成功率自动分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106844551A CN106844551A (zh) | 2017-06-13 |
CN106844551B true CN106844551B (zh) | 2021-04-23 |
Family
ID=59116690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611263450.5A Active CN106844551B (zh) | 2016-12-30 | 2016-12-30 | 基于人工智能的商标申请成功率自动分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106844551B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI673616B (zh) * | 2017-07-07 | 2019-10-01 | 王富民 | 決定及顯示商標類別及品項資訊的方法、計算機裝置、計算機可讀取的儲存媒體與商標資訊的處理系統 |
WO2019028594A1 (zh) * | 2017-08-07 | 2019-02-14 | 深圳益强信息科技有限公司 | 一种基于大数据的文字商标可注册性判断方法及装置 |
CN107704486A (zh) * | 2017-08-07 | 2018-02-16 | 深圳益强信息科技有限公司 | 一种基于人工智能的图形商标可注册性判断的装置 |
CN107578352A (zh) * | 2017-08-07 | 2018-01-12 | 深圳益强信息科技有限公司 | 一种商标监测方法及系统 |
WO2019028599A1 (zh) * | 2017-08-07 | 2019-02-14 | 深圳益强信息科技有限公司 | 基于人工智能的图形商标可注册性判断的方法及装置 |
WO2019028617A1 (zh) * | 2017-08-07 | 2019-02-14 | 深圳益强信息科技有限公司 | 基于大数据的商标布局及监控的方法及系统 |
WO2019028613A1 (zh) * | 2017-08-07 | 2019-02-14 | 深圳益强信息科技有限公司 | 商标监测方法及系统 |
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 |
CN107609023A (zh) * | 2017-08-07 | 2018-01-19 | 深圳益强信息科技有限公司 | 一种基于大数据的文字商标可注册性判断方法及装置 |
WO2019028598A1 (zh) * | 2017-08-07 | 2019-02-14 | 深圳益强信息科技有限公司 | 一种基于人工智能的图形商标可注册性判断的装置 |
WO2019028597A1 (zh) * | 2017-08-07 | 2019-02-14 | 深圳益强信息科技有限公司 | 基于人工智能的图形商标可注册性判断的方法 |
CN107590187A (zh) * | 2017-08-07 | 2018-01-16 | 深圳益强信息科技有限公司 | 基于人工智能的图形商标可注册性判断的方法 |
WO2019028604A1 (zh) * | 2017-08-07 | 2019-02-14 | 深圳益强信息科技有限公司 | 一种商标监测方法及系统 |
CN107391737A (zh) * | 2017-08-07 | 2017-11-24 | 深圳益强信息科技有限公司 | 基于人工智能的图形商标可注册性判断的方法及装置 |
CN107622397A (zh) * | 2017-08-07 | 2018-01-23 | 深圳益强信息科技有限公司 | 商标监测方法及系统 |
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 |
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 |
CN108509597B (zh) * | 2018-04-02 | 2022-01-28 | 浙江知夫子信息科技有限公司 | 文字商标注册成功率评估方法和系统 |
CN108985584A (zh) * | 2018-06-27 | 2018-12-11 | 广州朝舜网络科技有限公司 | 一种商标智能分析方法、装置、终端及存储介质 |
CN109213881A (zh) * | 2018-07-17 | 2019-01-15 | 北京知果科技有限公司 | 一种近似商标查询方法和装置 |
CN109657929A (zh) * | 2018-11-28 | 2019-04-19 | 苏州中知联信息科技有限公司 | 商标注册通过率的评估方法、装置和计算机设备 |
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 |
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 |
CN110069555A (zh) * | 2019-05-06 | 2019-07-30 | 重庆天蓬网络有限公司 | 一种商标注册成功率的确定方法 |
CN112036844A (zh) * | 2020-11-02 | 2020-12-04 | 北京梦知网科技有限公司 | 商标注册的方法及设备 |
CN112733041A (zh) * | 2021-01-29 | 2021-04-30 | 深圳市龙丽宸科技有限公司 | 商标通过率自动审查方法 |
CN114491134B (zh) * | 2022-04-18 | 2022-08-02 | 广东知得失网络科技有限公司 | 一种商标注册成功率分析方法及系统 |
CN116739846A (zh) * | 2023-04-27 | 2023-09-12 | 合肥皖臻科技有限公司 | 基于大数据的商标风险排查方法、系统、装置及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4134024B2 (ja) * | 2004-12-28 | 2008-08-13 | 独立行政法人科学技術振興機構 | 類似画像検索装置、方法およびプログラム |
CN101714158A (zh) * | 2009-12-22 | 2010-05-26 | 苏州两江科技有限公司 | 基于mpeg7标准的图像检索方法 |
US20140181007A1 (en) * | 2012-12-21 | 2014-06-26 | Onomatics Inc | Trademark reservation system |
CN103902988B (zh) * | 2014-04-21 | 2018-01-30 | 梁爽 | 一种基于Modular积图与最大团的草图形状匹配方法 |
CN104462380A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标检索方法 |
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 |
-
2016
- 2016-12-30 CN CN201611263450.5A patent/CN106844551B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (2)
Title |
---|
Semantic Retrieval of Trademarks Based on Conceptual Similarity;Yu-Kun Lai等;《IEEE Transactions on Systems,Man,and Cybernetics:Systems》;20150501;220-230页 * |
基于内容的商标图像检索研究;杜岭;《中国优秀硕士学位论文全文数据库信息科技辑》;20150115;I138-905 * |
Also Published As
Publication number | Publication date |
---|---|
CN106844551A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844551B (zh) | 基于人工智能的商标申请成功率自动分析方法及系统 | |
Mezaris et al. | An ontology approach to object-based image retrieval | |
CA2593377C (en) | Classification of ambiguous geographic references | |
CN103593410B (zh) | 通过替换概念性词语进行搜索推荐的系统 | |
US7590310B2 (en) | Methods and apparatus for automated true object-based image analysis and retrieval | |
CN108388656A (zh) | 一种基于标记相关性的图片搜索方法 | |
CN105678244A (zh) | 一种基于改进编辑距离的近似视频检索方法 | |
CN111309956B (zh) | 一种面向图像检索的提取方法 | |
CN110019637B (zh) | 一种标准文献检索的排序算法 | |
US20120158784A1 (en) | Method and system for image search | |
Kim et al. | Support Vector Machine Learning for Region‐Based Image Retrieval with Relevance Feedback | |
US20160224592A1 (en) | Method and system for image search | |
CN109885646B (zh) | 一种字音识别方法、电子设备及存储介质 | |
Dorado et al. | Semantic labeling of images combining color, texture and keywords | |
Chua et al. | Relevance feedback techniques for image retrieval using multiple attributes | |
Lee | The future of enterprise computing | |
CN111259145A (zh) | 基于情报数据的文本检索分类方法、系统及存储介质 | |
Duarte et al. | Bag of genres for video retrieval | |
Quyng et al. | Combining color and spatial information for retrieving landscape images | |
Keogh et al. | A novel technique for indexing video surveillance data | |
Lei et al. | 72-trees index for image retrieval | |
Murthy et al. | Application of hierarchical and K-means techniques in content based image retrieval | |
CN109522404A (zh) | 一种基于nlp的专利自动识别分类的方法 | |
El Maliki et al. | Efficient indexing and similarity search using the geometric near-neighbor access tree (gnat) for face-images data | |
Karray et al. | An ancient graphic documents indexing method based on spatial similarity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: Room 601-07, Block G, Haitai Green Industry Base, No. 6, Haitai Development 6th Road, Huayuan Industrial Zone, Binhai, Tianjin, 300384 Patentee after: XUANSBA TECHNOLOGY (TIANJIN) CO.,LTD. Address before: Room 402-1, gate 6, block K1, Haitai green industrial base, No.6 Haitai development road, Huayuan Industrial Zone, high tech Zone, Binhai New Area, Tianjin 300384 Patentee before: XUANSBA TECHNOLOGY (TIANJIN) CO.,LTD. |