CN116615723A - 数据提供装置、数据提供系统、数据提供程序、数据提供方法、数据分析设备、数据管理系统、数据管理方法和数据记录介质 - Google Patents
数据提供装置、数据提供系统、数据提供程序、数据提供方法、数据分析设备、数据管理系统、数据管理方法和数据记录介质 Download PDFInfo
- Publication number
- CN116615723A CN116615723A CN202180084854.0A CN202180084854A CN116615723A CN 116615723 A CN116615723 A CN 116615723A CN 202180084854 A CN202180084854 A CN 202180084854A CN 116615723 A CN116615723 A CN 116615723A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- validity
- rights
- vector
- 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.)
- Pending
Links
- 238000013523 data management Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims description 182
- 238000007405 data analysis Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims description 573
- 239000013598 vector Substances 0.000 claims description 218
- 238000011156 evaluation Methods 0.000 claims description 126
- 230000008569 process Effects 0.000 claims description 116
- 230000007547 defect Effects 0.000 claims description 86
- 238000004458 analytical method Methods 0.000 claims description 81
- 238000013519 translation Methods 0.000 claims description 67
- 230000006870 function Effects 0.000 claims description 66
- 238000003058 natural language processing Methods 0.000 claims description 30
- 230000010365 information processing Effects 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 23
- 239000000047 product Substances 0.000 description 73
- 238000012986 modification Methods 0.000 description 49
- 230000004048 modification Effects 0.000 description 49
- 230000009467 reduction Effects 0.000 description 31
- 238000013461 design Methods 0.000 description 30
- 238000000605 extraction Methods 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 18
- 238000010276 construction Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000003672 processing method Methods 0.000 description 12
- 238000012790 confirmation Methods 0.000 description 9
- 239000013589 supplement Substances 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000012552 review Methods 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000003825 pressing Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/11—Patent retrieval
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种数据管理系统,其基于与多项权利相关的信息来构建,并且包括数据提供设备,该数据提供设备从管理每个权利的有效性数据的数据库中提取并提供与外部请求相对应的有效性数据。所述有效性数据包括指示多项权利中的相对有效性的评级分数。该数据管理系统包括用于评估多项权利中的每一项的有效性的数据分析设备。所述数据分析设备能够建立管理多项权利中的每一项权利的评级分数的上述数据库。所述数据提供系统包括例如数据提供设备和一个或多个信息终端。
Description
技术领域
本公开涉及一种数据提供装置、数据提供系统、数据提供程序、数据提供方法、数据分析设备、数据管理系统、数据管理方法和数据记录介质。
背景技术
通过在审查期间对现有技术进行人工检索和可专利性评估,从而授予专利。因此,在对可专利性进行检索时出现疏漏并不罕见,并且专利注册时通常有效性不明确。诸如外观设计权和商标权等其他工业产权也需要进行人工检索,并且与专利一样,同样也存在有效性不确定。
在这样的情况下,工业产权的所有者(受让人)可能关注在对另一公司提起诉讼之前或者在决定是否应当维持权利时确定该权利的客观有效性。另一方面,第三方希望获悉权利的有效性以及存在可能妨碍实施或使用的权利。此外,当第三方接收到来自其他方的警告信时,第三方需要检索无效材料。
顺便提及,可以通过专利代理人的评估来评定权利的有效性。然而,评估是人工执行的,并且在构建检索式和审查现有文献时需要大量时间和精力,导致成本较高。因此,已经开发了可以自动导出权利的有效性的系统(例如,参考专利文件1)。参考专利文件1中的专利有效性评估系统将指定的专利与已知技术进行匹配,并且提取具有与专利中的要素相匹配的要素的已知技术。
参考专利文件1:JP-A-2005-332330
发明内容
要解决的问题
然而,参考专利文件1中的专利有效性评估设备在接收到用户对专利的指定时,启动用于评估所指定的专利的有效性的过程。因此,需要大量时间来向用户提供关于工业产权有效性的信息,因为在每一步骤中都必须利用诸如处理单元(比如CPU和存储器)等资源。因此,需要一种避免处理单元和存储器的不必要使用并且快速地提供关于工业产权有效性的信息的系统。
本公开的目的是解决上述问题。本公开涉及一种数据提供设备、数据提供系统、数据提供程序、数据提供方法、数据分析设备、数据管理系统、数据管理方法和数据记录介质,其避免了处理单元和存储器的不必要使用并且快速地提供关于工业产权有效性的信息。实施例
本发明的一个实施例是一种数据提供设备,该数据提供设备包括数据提供单元,数据提供单元配置为从数据库提取和提供与外部请求相对应的有效性数据,该数据库是基于与多项工业产权相关的信息来构建的,并且管理与多项工业产权中的每一项的有效性有关的有效性数据。有效性数据包括指示多项工业产权之间的相对有效性的评级分数。
本发明的一个实施例是一种数据管理系统,该数据管理系统包括数据分析设备和上述数据提供设备,数据分析设备使用与多项工业产权相关的信息来估计多项工业产权中的每一项的有效性。数据分析装置包括:翻译处理装置,用于通过应用翻译处理将从外部收集的多项工业产权相关信息的每一项中包含的核心数据统一为公共语言来生成翻译数据;以及学习处理装置,用于通过使用基于翻译数据的学习数据进行机器学习来生成用于获得有效性数据的估计模型。
本发明的一个实施例是一种数据分析设备,该数据分析设备包括:匹配处理装置,配置为将待分析的专利或实用新型的权利要求的一个或多个权利要求要素转换成作为含义向量的第一向量、针对每个划分数据将与在权利要求的提交日期之前公布的发明或想法相关的部分或全部在先信息转换成作为含义向量的第二向量、并且通过将第一向量和第二向量相互比较而确定总一致度,总一致度是权利要求的权利要求要素与每个日期在先信息之间的一致度;以及评级处理装置,配置为基于由一致性处理装置获得的总一致性来确定个体分数,个体分数是权利要求有效性的指标。评级处理装置使用所有目标权利的个体分数来确定总体分数,该总体分数指示多项目标权利中的权利的相对有效性。
本发明的一个实施例是一种数据管理系统,该数据管理系统包括上述数据分析设备和数据提供设备,该数据提供设备配置为从数据库中提取并提供与外部请求相对应的个体分数或总体分数中的至少一个,该数据库管理由评级处理装置获得的多项目标权利中的每一项的个体分数和总体分数。
本发明的一个实施例是一种数据提供系统,该数据提供系统包括上述数据提供设备和可以与数据提供设备通信的信息终端。数据提供单元向信息终端提供包括有效性数据的屏幕信息,并且信息终端包括显示单元,该显示单元在由数据提供设备提供的屏幕上示出信息。
本发明的一个实施例是一种数据提供系统,该数据提供系统包括上述数据管理系统和可以与数据提供设备通信的信息终端。数据提供单元向信息终端提供包括有效性数据的屏幕信息,并且信息终端包括显示单元,该显示单元在由数据提供设备提供的屏幕上示出信息。
本发明的一个实施例是一种数据提供程序,该数据提供程序配置为使数据提供器中的计算机作为信息处理装置,以从数据库中提取和提供有效性数据,该数据库是基于与多项工业产权相关的信息而构建的,并且管理有效性数据,有效性数据包括指示与外部请求相对应的多项工业产权中的每一项工业产权之间相对有效性的评级分数。
本发明的一个实施例是一种计算机可读存储介质,其上记录有数据提供程序。数据提供程序配置为使数据提供器中的计算机作为翻译处理装置和学习处理装置,翻译处理装置用于通过应用翻译处理将从外部收集的多个工业产权相关信息中的每一个中包含的核心数据统一为公共语言来生成翻译数据,学习处理装置用于通过使用基于翻译数据的学习数据进行机器学习来生成用于获得有效性数据的估计模型,有效性数据包括指示多项工业产权中的每一项工业产权之间相对有效性的评级分数。
本发明的一个实施例是一种数据提供方法,该数据提供方法包括以下步骤:经由网络从信息终端接受一项或多项工业产权的指定;从管理与多项工业产权中每一项的有效性有关的有效性数据的数据库提取与外部请求相对应的有效性数据;以及将所提取的有效性数据提供给信息终端。
本发明的一个实施例是一种数据管理方法,该数据管理方法包括以下步骤:通过应用翻译处理将从外部收集的多个工业产权相关信息中的每一个中包含的核心数据统一为公共语言来生成翻译数据;以及通过使用基于所生成的翻译数据的训练数据进行机器学习来生成用于获得有效性数据的估计模型,有效性数据包括指示多项工业产权中的每一项工业产权之间相对有效性的评级分数。
发明效果
根据本公开,由于从预先构建的数据库中提取与外部请求相对应的有效性数据,因此当接收到请求时,无需执行任何处理来评估权利的有效性。因此,可以控制处理单元和存储器的不必要使用,并且可以迅速地提供关于工业产权有效性的信息。
附图说明
图1是图示根据本发明的实施例1的数据提供系统及其外围配置的框图。
图2是图示图1的数据管理系统的功能配置的框图。
图3是图示图1的信息终端的功能配置的框图。
图4是在图1中的信息终端上显示的初始屏幕的示意图。
图5是在图1所示的信息终端上显示的用户屏幕的示意图。
图6是在图1所示的信息终端上显示的基本屏幕的示意图。
图7是在图1所示的信息终端上显示的详情屏幕的示意图。
图8是在图1中的信息终端上显示的购买屏幕的示意图。
图9是在图1中的信息终端上显示的列表屏幕的示意图。
图10是在图1的信息终端上显示的基本屏幕的另一示例的示意图。
图11是在图1的信息终端上显示的权利人屏幕的示意图。
图12是在图1的信息终端上显示的权利屏幕的示意性示例。
图13是在图1的信息终端上显示的权利屏幕的另一示例的示意图。
图14是在图1的信息终端上显示的用户屏幕的另一示例的示意图。
图15是在图1的信息终端上显示的ESG总体屏幕的示意图。
图16是在图1的信息终端上显示的ESG个体屏幕的示意图。
图17是在图1所示的信息终端上显示的发明人屏幕的示意图。
图18是图示在图1的数据提供系统的数据提供方法中当用户购买与工业产权相关的产品时的操作的时序图。
图19是图示在图1的数据提供系统的数据提供方法中当用户浏览已经购买的产品时的操作的时序图。
图20是图示根据本发明的实施例1的变型1的数据分析设备的功能配置的框图。
图21是由图20的收集和处理装置生成的用于分类的数据库的概要的图示。
图22是示出与权利要求的权利要求要素相对应的各种数据的表。
图23是图示由图20的评估处理装置确定的每个权利要求要素与多个发明相关信息之间的总一致度的表。
图24是图示由图20的评估处理方法确定的某项权利要求的权利要求要素与多个发明相关信息之间的总一致度的表。
图25是根据是否设立一致性标志而进行组织的图24中的每个总一致度的图示。
图26是图示了图20中的评估处理方法分配对应于“无新颖性”的个体分数的权利要求情况的示例的表。
图27示出了图20中的评估处理方法分配对应于“无创造性”的个体分数的情况的示例。
图28是图示在根据本发明的实施例1的变型1的数据管理方法中生成用于分类的数据库的操作流程的流程图。
图29是图示在根据本发明的实施例1的变型1的数据管理方法中为非专利文件中的信息分配分类数据的操作流程的流程图。
图30是图示在根据本发明的实施例1的变型1的数据管理方法中与计算某个权利要求要素和每个发明关联信息之间的总一致度相关的操作流程的流程图。
图31是图示在根据本发明的实施例1的变型1的数据管理方法中与计算目标权利的总体分数相关的操作流程的流程图。
图32是图示在根据本发明的实施例1的变型1的数据管理方法中由图20的评估处理装置确定一项权利要求的个体分数的操作流程的流程图。
图33是图示根据本发明的实施例1的变型2的数据分析设备的功能配置的框图。
图34是图示根据本发明的实施例1的变型3的数据分析设备的功能配置的框图。
图35是根据本发明的实施例1的变型4的存储在数据提供器等中的成本削减表的图示。
图36是图示根据本发明的实施例2的数据提供系统中的数据管理设备的功能配置的示例的框图。
图37是图示在根据本发明的实施例2的数据提供方法中当用户购买与工业产权相关的产品时的操作的流程图。
图38是图示根据本发明的实施例2的数据提供方法的操作的时序图,其中,在无法购买产品的状态下响应于产品转售请求而向产品销售者的信息终端进行销售许诺以居间转售。
图39是图示根据本发明的实施例2的数据提供方法的操作的时序图,其中数据提供设备响应于来自产品目的端的信息终端的请求而转发产品的转售。
图40是示意性地图示根据本发明的实施例2的数据提供系统中的信息终端上显示的详情屏幕的图示。
具体实施方式
实施例1
参考图1,描述了实施例1中的数据提供系统及其周边环境的配置示例。如图1所示,数据提供系统100配置有数据管理系统10和一个或多个信息终端40。数据管理系统10从数据提供服务器500收集与多项工业产权相关的信息,并且执行计算处理以确定多项工业产权中的每一项的有效性等,从而获得和管理各种重要信息。
在此,工业产权是指知识产权中的专利权、实用新型权、外观设计权和商标权。除了权利的内容、受让人、发明人或创作者等之外,申请过程的信息和指示审查内容的信息等都与工业产权挂钩。指示审查内容等的信息包括例如检索公司的检索报告和指示审查员的检索过程和审查等的信息。换言之,与工业产权相关的信息是上述与工业产权关联的信息。在下文中,与工业产权相关的信息也称为“权利相关信息”,并且工业产权简称为“权利”。
在此,工业产权是指知识产权中的专利权、实用新型权、外观设计权和商标权。除了权利的内容、受让人、发明人或创作者等之外,关于申请过程的信息和指示审查内容的信息等都与工业产权挂钩。指示审查内容等的信息包括例如检索公司的检索报告和指示审查员的检索过程和审查等的信息。在实施例1中,与工业产权相关的信息除了上述与工业产权关联的信息之外,还包括各种技术论文和技术报告、社交网络服务(SNS)以及其他信息。在实施例1中,与工业产权相关的信息不仅包括上述与工业产权关联的信息,而且包括各种技术论文、技术公告、社交网络服务(SNS)以及可以通过网络N获得的并且与工业产权相关的其他信息。在下文中,与工业产权相关的信息也称为“权利相关信息”,并且工业产权简称为“权利”。
数据管理系统10具有数据分析设备20、数据提供设备30等。数据分析设备20、数据提供设备30、信息终端40、信息提供服务器组5和支付服务器600经由诸如因特网等网络N连接。
数据提供服务器500是例如通过API(应用程序接口)提供权利相关信息的世界各地服务器。在组成数据提供服务器500的每个服务器中,权利相关信息与一项权利相关联,权利相关信息是一组数据。支付服务器600是由信用卡或电子货币结算公司等操作的服务器。多个支付服务器600通常连接到网络N。网络N通常连接多个支付服务器600。数据提供设备30与对应于由信息终端40指定的支付方法的支付服务器600通信。数据提供设备30与对应于由信息终端40指定的支付方法的支付服务器600通信,并为信息终端40的用户执行支付处理。
数据分析设备20基于从数据提供服务器500收集的多项权利相关信息来分析每项权利的有效性,并且存储分析结果和得出分析结果的信息、以及分析中涉及的权利。数据分析设备20由基于云计算的云服务器、物理服务器、或将这两者进行组合的系统构成。
数据提供设备30从数据库5a提取并提供诸如与外部请求相对应的有效性数据等信息,该数据库是基于多项权利相关信息构建的并管理关于权利中的每一项的有效性的有效性数据。在实施例1中,“提供”信息是指授权访问数据提供数据库35中的数据库5a的部分或全部信息。
数据提供设备30向请求访问的信息终端40提供公开信息,并且还向已经支付了指定费用的用户的信息终端40提供部分或全部私人信息。在此,公开信息是无论是否支付费用都向公众开放的信息。非公开信息是向已经以公司单位、期限单位或权利单位完成购买过程的用户或者已经完成诸如升级等取消公开披露限制的程序的用户提供的信息。数据提供设备30由基于云计算的云服务器、物理服务器或将这两者进行组合的系统构成。
数据提供系统100可以配置为允许用户将购买的信息下载到信息终端40。在这种情况下,数据提供设备30可以使用散列函数来添加时间戳。另外,数据提供系统100中的用户购买的信息可以是MICROSOFT EXCEL(注册商标)XLS文件和CSV(Common-SeparatedValues:逗号分隔值)文件、文本文件、或其他数据文件,并且可以在纸质媒介上打印出来。
信息终端40响应于用户的请求而与数据提供设备30通信,获得诸如有效性数据等信息并将其提供给用户。信息终端40响应于用户的操作而访问并登录由数据提供设备30提供的网站。信息终端40响应于用户的操作而访问和登录由数据提供设备30提供的网站,显示网站中的各种信息,并执行与权利相关联的信息的交易等相关的处理。
接下来,参考图2,描述了数据管理系统的功能配置的示例。如图2所示,数据分析设备20具有通信单元21、分析处理单元22、存储器单元23、收集数据库部分24和输出数据库部分25。通信单元21是分析处理单元22与连接到网络N的设备等进行有线或无线通信的接口。
存储器单元23存储分析处理单元22的操作程序(比如数据分析程序P1),以及与有效性数据的生成、更新和管理等相关的各种数据。存储器单元还存储与有效性数据和其他数据的生成、更新和管理相关的各种数据。另外,存储器单元23存储通过使用学习数据进行机器学习而生成的估计模型M1。存储器单元23存储RAM(随机存取存储器)和ROM(只读存储器)、PROM(可编程ROM),可以使用比如闪存、SSD(固态驱动器)或HDD(硬盘驱动器)等。
收集数据库部分24是存储由分析处理单元22收集的权利相关信息和其他信息的存储设备。收集数据库部分24由RAM和ROM、PROM(比如闪存、SSD或HDD)组成。输出数据库部分25是存储数据库的存储设备,在该数据库中针对每项权利对有效性数据和其他信息进行组织。输出数据库部分25配置有PROM、SSD、HDD等,比如RAM、ROM、闪存等。
分析处理单元22使用权利相关信息(从外部收集的数据集)生成估计模型M1。在此,权利相关信息包括核心数据和辅助数据,核心数据是生成估计模型M1所必需的,辅助数据是补充数据或偶然数据。当工业产权是专利权时,核心数据包括关于权利要求(权利要求书)、驳回理由通知、来自检索公司的检索报告等信息。分析处理单元22使用核心数据和估计模型M1来生成有效性数据和其他信息,并通过针对每项权利对有效性数据和其他信息进行组织而在输出数据库部分25中建立数据库。分析处理单元22使用权利相关信息中所包括的核心数据作为学习阶段期间要学习的数据,并使用权利相关信息中所包括的核心数据作为估计阶段期间要分析的数据。
更具体地,分析处理单元22具有收集处理装置22a、估计处理装置22b和构建装置22c。收集处理装置22a通过API等来周期性地收集权利相关信息。收集处理装置22a从世界各地的专利文件、设计公报、商标公报和非专利文件收集数据。非专利文献包括各种技术论文和期刊、技术标准、公司、研究所、大学等的网站、网络上的文章和目录、博客、SNS等、博客,社交网络服务、YouTube(注册商标)等,以及不限于在驳回理由通知书等中引用的内容。收集处理装置22a收集的数据包括多项权利相关信息。收集处理装置22a具有通过组织分隔信息和保持文件格式来对包括所收集的多项权利相关信息的各种数据中的部分或全部进行标准化的功能。
评估处理装置22b评估与工业产权的有效性相关的事项。评估处理装置22b可以使用由收集处理装置22a收集的除权利相关信息之外的数据作为要学习或分析的数据。该数据可以用作目标数据。评估处理装置22b具有翻译处理装置121、预处理装置122、学习处理装置123和估计处理装置124。翻译处理装置121将要学习或分析的数据统一为预定公共语言。在下文中,在无差别地使用学习目标数据和分析目标数据的情况下,将其统称为“目标数据”。换言之,翻译处理装置121提取每项权利相关信息的目标数据,并且如果所提取的目标数据由除公共语言之外的语言组成,则翻译处理装置将目标数据翻译成公共语言以生成翻译数据。即使目标数据包含公共语言,但如果目标数据的一部分包含除公共语言之外的语言,则翻译处理装置121对目标数据应用翻译处理以生成翻译数据。另一方面,当从权利相关信息提取的目标数据全部都是公共语言时,翻译处理装置121不对目标数据应用任何处理。在下文中,将被标准化为公共语言的目标数据称为“训练翻译数据”,以及将被标准化为公共语言的目标数据称为“分析翻译数据”,将其统称为“翻译数据”。在实施例1中,采用英语作为公共语言,但是也可以采用其他语言作为公共语言。
预处理装置122通过对训练翻译数据应用分析处理来生成用于训练估计模型M1的训练数据。预处理装置122对分析翻译数据应用分析处理来生成分析数据,该数据用作估计模型M1的输入,以估计权利评级等。
更具体地,预处理装置122具有对翻译数据执行诸如形态分析等自然语言处理的文本分析功能。形态分析是将以自然语言写入的翻译数据划分(或拆分)为作为最小语言单位的语素,并识别每个语素的相应词性、变化等的过程。换言之,预处理装置122通过将诸如动词、名词和形容词等词性信息附加到每个语素而将从翻译数据划分的每个语素转换为分布式表达,从而生成用于学习和分析的数据,然后生成存储在存储器单元23中的训练数据和分析数据。当对每个语素应用转换过程时,预处理装置122可以提取作为机器学习的关键的关键信息,并且可以进一步对所提取的关键信息执行加权或其他处理。
特别地,当工业产权是专利权时,预处理装置122对关于权利要求的翻译数据进行分解以生成用于学习和分析的数据,并且学习处理装置123可以使用训练数据来生成并更新估计模型M1。这使得估计模型M1成为准确地提取包括与每个分解措辞匹配或近似的措辞的技术信息的经过学习的模型。学习处理装置123用于从关于权利要求的翻译数据中提取通过分解而细分的措辞,并且从由估计处理装置124提取的翻译数据中提取估计模型M1。与技术信息组合的信息可以用作教导者数据,以生成和更新估计模型M1。
预处理装置122可以生成将句子进行组合的短语模式,并将技术信息链接到每个生成的短语模式。然后,学习处理装置123可以通过使用将短语模式和技术信息进行组合的信息作为教导者数据来执行生成和更新估计模型M1的过程。然后,可以生成和更新估计模型M1。通过这种方式,估计模型M1成为经过学习的模型,其可以准确地执行诸如提取与技术信息相关的短语模式或提取与短语模式相关的技术信息等过程。
预处理装置122可以通过诸如从翻译数据中删除不必要的数据等相对简单的分析过程来生成用于训练或分析的数据。不必要的数据例如是数值、换行符、或符号,比如对于估计模型M1的训练和使用该模型的计算而言重要性较低的字符。
顺便提及,当工业产权是外观设计权或商标权时,核心数据中通常包括图像数据。因此,预处理装置122可以具有对核心数据中包括的图像数据执行分析处理以生成学习数据或分析数据的图像分析功能。在这种情况下,预处理装置122对例如作为图像数据的外观设计附图信息、商标标识信息、以及商标字符信息应用图像分析处理。然而,即使在专利权和实用新型权的情况下,附图的相似性也可以用作确定权利的有效性的材料。换言之,预处理装置122可以具有文本分析功能和图像分析功能两者,或者具有文本分析功能和图像分析功能中的任一者。
学习处理装置123基于学习数据通过机器学习生成估计模型M1。估计模型M1是用于输出关于权利有效性的有效性数据的经过学习的模型。实施例1中的有效性数据包括指示用作权利有效性指标的评级的评级分数,以及用作生成评级分数的基础的信息。评级分数是权利有效性的数值或编码值,并且是用作权利有效性指标的信息。实施例1的评级分数指示多项工业产权中的每一项的各工业产权之间相对有效性。估计模型M1配置为输出单项分数和总分数中的至少一个作为评级分数,其中单项分数是权利要求书中的权利要求有效性的指标,总分数是工业产权有效性的指标。
有效性数据可以包括年费成本信息,该年费成本信息指示维护权利的成本合理性。当工业产权是专利权时,有效性数据包括与专利权的有效性相关的技术信息。在下文中,与专利权的有效性相关的技术信息也简称为“技术信息”。技术信息包括得出评级分数的技术信息和专利权的无效性数据。当工业产权是专利权或外观设计权时,有效性数据是从ESG角度评估的专利权、实用新型权或外观设计权的指标值,可以包括ESG分数。
当工业产权是商标权时,有效性数据包括在先商标数据,在先商标数据是与和该商标权有关的商标的相似度大于预定阈值的在先商标的信息。在先商标不仅包括在先注册商标,还包括在先申请商标。当工业产权是外观设计权时,有效性数据包括已知外观设计的数据,该数据是与和该外观设计权有关的外观设计的相似度超过预定阈值的已知外观设计的信息。
在此简要描述学习处理装置123对估计模型M1的更新过程。即,收集处理装置22a连续地或以预定时间从数据提供服务器500收集来自世界各国的权利相关信息,并将收集的权利相关信息存储在存储器单元23或收集数据库部分24中。翻译处理装置121对添加到存储器单元23等中的权利相关信息的核心数据应用翻译处理以生成翻译数据,并连续地或以预定时间将生成的翻译数据存储在存储器单元23等中。预处理装置122连续地或以预定时间对翻译数据应用上述分析处理以生成学习数据,并将生成的分析数据存储在存储器单元23等中。然后,学习处理装置123以设定时间通过适当地使用存储器单元23等中新积累的学习数据调整估计模型M1的参数等而执行估计模型M1的更新过程。学习处理装置123可以与上述装置中的每-个协作,以诸如每天或每周等任意更新时间段执行估计模型M1的更新过程。
在实施例1中,学习处理装置123设计成通过使用DNN(深度神经网络)的监督式学习来生成估计模型M1。学习处理装置123可以通过非监督式学习或半监督式学习来生成估计模型M1。学习处理装置123可以通过使用GBDT(梯度提升决策树)进行机器学习来生成估计模型M1。学习处理装置123可以通过使用字符级CNN进行机器学习来生成估计模型M1。另外,学习处理装置123可以通过诸如线性回归、逻辑回归或决策树等回归方法来生成估计模型M1。此外,学习处理装置123可以通过诸如随机森林或支持向量机等分类技术来生成估计模型M1。此外,学习处理装置123可以通过将上述多种机器学习方法进行组合的方法来生成估计模型M1。
估计处理装置124使用分析数据作为估计模型M1的输入,以获得诸如与分析数据对应的有效性数据等信息。估计处理装置124获得指示多项工业产权中的每一项的各工业产权之间相对有效性的有效性数据。例如,对于多项工业产权中的每一项估计处理装置124获得各工业产权之间相对评级分数。在这种情况下,估计处理装置124将关于获得的有效性数据等信息与权利相关信息相关联地存储在存储器单元23或输出数据库部分25中,权利相关信息是用作估计模型M1的输入的分析数据的原始数据。
另外,估计处理装置124还提供除了有效性数据之外的信息,比如总时间段、第一时间段、第二时间段、第三时间段和用户时间段,如下文所描述的。可以获得每个时间段(比如指定时间段)的评级分数、ESG分数、年费信息等。可以在输出数据库部分25和数据提供数据库35中获得估计处理装置124等所需的信息。所存储的部分或全部信息可以出售或提供给用户。因此,在下文中,存储在输出数据库部分25和数据提供数据库35中的可以出售或提供给用户的信息(比如有效性数据)称为工业产权,也称为权利相关产品或简称为“产品”。产品的价格是例如一项权利的信息单价乘以权利的数量。然而,单价可以针对每个司法管辖区域而改变,或者单价可以根据评级分数等而改变。
构建装置22c基于存储在存储器单元23和收集数据库部分24中的信息在输出数据库部分25中构建数据库。存储在存储器单元23中的信息还包括由收集处理装置22a、翻译处理装置121、预处理装置122、学习处理装置123和估计处理装置124存储的信息。
在实施例1中,输出数据库部分25的数据库由帐户表、权利人表(例如,公司表)、人员表(例如,发明人表)、权利表(例如,专利表、外观设计表、商标表)、统计表和财务表组成。
帐户表包括每个用户的电子邮件地址、ID、密码、购买历史、活动日志和个人信息。个人信息包括国籍、公司名称、地址、姓名、联系信息和电话号码。受让人表包括基本信息、相关人员信息、历史信息、诸如评级分数和ESG分数等分数信息、以及每个受让人的统计信息。相关人员信息包括关于受让人、发明人、代理人等的信息。历史信息包括诸如申请日期、各个程序的申请日期、注册日期和争议日期等信息。统计信息包括按时间顺序组织的分数信息的历史。
人员表包括诸如发明人等每个人的基本信息、历史信息、分数信息和统计信息。权利表包括所有权利的基本信息、历史信息、分数信息、统计数据、翻译数据、相关信息等。权利表包括以下中的至少一个:用于管理专利权的专利表、用于管理实用新型权的实用新型表、用于管理外观设计权的外观设计表、以及用于管理商标权的商标表。专利表中的相关信息包括关于类似技术和无效材料的信息。
统计表包括诸如所获得的权利的数量、每个受让人的评级分数和ESG分数、以及每项权利的评级分数和ESG分数等排名信息。统计表还包括关于每项权利的前景的知识产权(IP)态势信息。IP态势信息包括指示维护权利的成本合理性的年费信息。财务表包含结算相关信息。
分析处理单元22可以由诸如CPU(中央处理单元)或GPU(图形处理单元)等运算设备和与这样的运算设备一起工作以实现上述各种功能的数据分析程序P1构成。换言之,数据分析程序P1是使作为计算机的分析处理单元22和存储器单元23充当收集处理装置22a、评估处理装置22b和构建装置22c的程序。
数据提供设备30包括通信单元31、数据提供单元32、存储器单元33和数据提供数据库35。通信单元31是数据提供单元32与连接到网络N的设备等进行有线或无线通信的接口。存储器单元33包含数据提供单元32的操作程序(比如数据提供程序P2),以及与提供有效性数据有关的各种数据等。存储器单元23已经配置有PROM、SSD或HDD,比如RAM、ROM、闪存等。
数据提供单元32响应于来自信息终端40的请求而向信息终端40提供数据库35中的信息。数据提供单元32从数据库5a中提取与外部请求相对应的有效性数据,该数据库是基于多项权利相关信息构建的并包含关于权利中的每一项的有效性的有效性数据,并且数据提供单元配备有数据处理装置32a以提供有效性数据。
数据处理装置32a执行输出数据库部分25与数据提供部分35之间的同步过程。在实施例1中,数据提供部分35的数据库5a由帐户表、权利人表、人员表、权利表、统计表、财务表、以及输出数据库部分25的数据库组成。数据处理装置32a具有对数据库5a进行优化的功能。
当在信息终端40指定一项或多项权利时,数据处理装置32a向信息终端40提供与权利相对应的有效性数据。当在信息终端40指定基于评级分数的布置以及多项工业产权时,数据处理装置32a根据指定的布置来组织并提供与每项工业产权相对应的有效性数据。
当在信息终端40指定受让人和期限时,数据处理装置32a向信息终端40提供与受让人的期限内的权利相对应的有效性数据。当在信息终端40指定基于评级分数的布置以及受让人和时间段时,并且当在该时间段内包括多项工业产权时,数据处理装置32a以指定的布置来组织并提供与在受让人的时间段内的每项工业产权相对应的有效性数据。
当在信息终端40指定评级分数中的至少一个以及受让人和时间段时,数据处理装置32a提供与在受让人时间段内分配了指定评级分数的工业产权相对应的有效性数据。当在信息终端40指定评级分数中的至少一个以及受让人时,数据处理装置32a可以选择性地提供关于受让人的指定评级分数所分配的一项或多项工业产权的信息。
当在信息终端40指定受让人时,数据处理装置32a可以向信息终端40提供第一源数据,该第一源数据以第二时间段组织受让人在第一时间段中的权利,第二时间段比第一时间段短。当在信息终端40指定第二时间段时,数据处理装置32a可以向信息终端40提供第二源数据,该第二源数据以第三时间段组织受让人在第二时间段中的权利,第三时间段比第二时间段短。然后,当在信息终端40指定第三时间段时,数据处理装置32a可以向信息终端40提供与在第三时间段中的权利相对应的有效性数据。
第一源数据可以包括整个第二时间段的评级分数。第一源数据可以包括整个第二时间段的ESG分数和年费信息中的至少一个。第二源数据可以包括整个第三时间段的评级分数。第二源数据可以包括整个第三时间段的ESG分数和年费信息中的至少一者。
当在信息终端40指定发明人时,数据处理装置32a向信息终端40提供关于发明人的评估指标的信息。数据处理装置32a具有针对包含多个技术信息的有效性数据按照与关于有效性数据的专利权的关联度的顺序将数据库5a中的每个技术信息进行排序的功能。对于包括多个在先商标数据的有效性数据,数据处理装置32a具有按照与关于有效性数据的商标的相似度的顺序将数据库5a中的每个在先商标数据进行排序的功能。数据处理装置32a具有针对包括多个已知外观设计数据的有效性数据按照与关于有效性数据的外观设计的相似性的顺序将数据库5a中的每个已知外观设计数据进行排序的功能。
数据提供单元32可以由计算设备(比如CPU或GPU)和与计算设备一起工作以实现上述各种功能的数据提供程序P2构成。换言之,数据提供程序P2是使作为计算机的数据提供单元32和存储器单元33作为数据处理装置32a的程序。
数据提供数据库35是存储数据库5a的存储设备,在该数据库中针对每项权利对有效性数据和其他信息进行组织。在实施例1中,数据提供数据库35中的数据库5a是与输出数据库部分25的数据库相比经过了优化和其他规定处理的数据库。数据库5a可以与输出数据库部分25中的数据库相同。数据提供数据库35由PROM、SSD或HDD(比如RAM、ROM和闪存)构成。
在此,对数据库更新进行说明。收集处理装置22a连续地或以预定时间从世界上每个国家的数据提供服务器500收集权利相关信息,并且将收集的权利相关信息存储在存储器单元23或收集数据库部分24中。具体地,收集处理装置22a将世界上每个国家的权利相关信息的差异(即,自前一次收集以来增加的信息和自前一次收集以来改变的信息)存储在存储器单元23等中。收集处理装置22a将世界上每个国家的权利相关信息的差异存储在存储器单元23中。评估处理装置22b使用上述差异来附加地获得或更新诸如有效性数据等信息。构建装置22c基于由评估处理装置22b添加或更新的有效性数据等信息来更新输出数据库部分25中的数据库。数据处理装置32a基于输出数据库部分25中的数据库更新数据库5a。
接下来,在图3中描述了信息终端40的功能配置的示例。如图3所示,信息终端40具有终端通信单元41、终端处理单元42、终端存储器单元43、终端输入单元46和终端显示单元47。终端通信单元41是终端处理单元42与连接到网络N的设备和其他设施进行有线或无线通信的接口。终端存储器单元43存储各种信息以及终端处理单元42的操作程序。终端存储器单元43包含PROM、SSD或HDD(比如RAM、ROM和闪存)。
当终端处理单元42经由终端输入单元46接收到显示或切换数据的请求时,或者当数据提供设备30提供信息时,终端处理单元在终端显示单元47上显示文本、图像等,或者在终端显示单元47上切换部分或全部显示的信息。终端处理单元42可以由诸如CPU或GPU等运算设备和与这样的运算设备一起工作以实现上述各种功能的操作程序构成。
终端输入单元46包括例如键盘和诸如鼠标或跟踪球等定点设备。终端输入单元46接受用户的输入操作,并响应于所接受的输入操作而向终端处理单元42发送操作信号。终端显示单元47包括例如液晶显示器(LCD:Liquid Crystal Display),并且通过来自终端处理单元42的指令来显示各种信息。信息终端40可以具有包括显示文字或图像等的显示面板的触摸面板,和层压到显示面板并检测触摸操作的检测单元,而不是终端输入单元46和终端显示单元47。信息终端40可以具有触摸面板以及鼠标或键盘等。信息终端40可以具有报告声音或语音的报告部分、包括发光元件的发光部分等。
[产品购买]
参考图4至图10,下文描述了与用户购买产品相关的配置和显示屏幕。对于各附图中共同的配置,使用相同的附图标记,并省略多余的说明。当用户经由信息终端40访问数据提供设备30的网站时,信息终端40的终端显示单元47显示初始屏幕G1,例如如图4所示。
图4展示的初始屏幕G1具有登录按钮L、注册按钮X、检索部分A和排名指令部分B。注册按钮X是响应于用户操作而显示用于注册用户信息的注册屏幕(未示出)的虚拟按钮。登录按钮L是响应于用户操作而显示登录屏幕(未示出)的虚拟按钮。换言之,终端处理单元42具有与数据提供设备30协作在终端显示单元47上显示注册屏幕和登录屏幕并且接受与用户注册和登录相关的操作的功能。
检索部分A具有输入窗口A1和检索按钮A2。输入窗口A1是用于经由键盘或其他装置输入文本等的框。在输入窗口A1中,输入诸如公司名称或个人名称等组织名称。检索按钮A2是用于请求数据提供设备30检索在输入窗口A1中输入的信息的虚拟按钮。虽然图4示出了检索部分47a的一个示例,其中显示的字符“公司名称”(company name)指示输入目标的,但并不限于此,检索部分47a可以显示“权利人”(right holder)等而不是“公司名称”。
排名指令部分B由用于响应于用户操作而转换屏幕或显示子窗口的一个或多个虚拟按钮组成。图4示出了一个示例,其中排名指令部分B包括用于显示示出受让人的评级分数排名的评级屏幕(未示出)的评级按钮B1,以及用于显示示出受让人的ESG(环境、社会、公司治理)分数排名的ESG屏幕(比如下文的图15)的ESG按钮B2。换言之,终端处理单元42具有与数据提供设备30协作在终端显示单元47上显示评级屏幕和ESG屏幕的功能。
当用户经由登录屏幕完成登录过程时,终端处理单元42与数据提供设备30协作在终端显示单元47上显示用户屏幕G2,例如,如图5所示。类似于初始屏幕G1,用户屏幕G2具有检索部分A和排名指令部分B。用户屏幕G2还具有用户名显示部分U和登出按钮Y。用户名显示部分U显示指示登录用户的信息。退出按钮Y是用于用户登出的虚拟按钮。
用户屏幕G2具有用于回顾已经购买的产品的调用部分Z1。图5示出了调用部分Z1的下拉或组合框型UI(用户界面)的示例。即,图5中的调用部分Z1具有显示用户选择或输入的产品的显示部分Za、用于显示权利人或权利的列表的扩展按钮Zb,以及用于示出权利人或权利的列表的列表部分Zc。调用部分Z1可以是如下形式:当将鼠标光标等应用于列表部分Zc时,选择性地显示权利列表。然而,调用部分Z1的模式不限于图5中示出的示例。例如,调用部分Z1可以在列表部分Zc中显示已经购买的产品的列表。调用部分Z1还可以具有允许依次选择受让人以及选择权利的功能。此外,调用部分Z1可以简单地显示权利人、产品、权利等的列表,而不是下拉类型等。
图5中展示的用户屏幕G2具有仪表板部分C。仪表板部分C由将各种数据可视化的信息组成,比如图表。终端处理单元42可以与数据提供设备30协作在仪表板部分C中显示与登录用户的偏好匹配的信息。另外,
图5展示的用户屏幕G2具有公告部分J1,在公告部分中显示基于用户的个人信息、检索历史和购买历史生成的信息。
当在输入窗口A1中输入受让人的姓名,并且在如图4中的初始屏幕G1中或在如图5中的用户屏幕G2中按下检索按钮A2时,终端处理单元42与数据提供设备30协作在例如终端显示单元47上显示如图6中的基本屏幕G3。基本屏幕G3由第一数据K1组成,第一数据以第二时间段来组织受让人在第一时间段中的注册权利的数量,第二时间段比第一时间段短。第一数据K1是终端处理单元42基于第一原始数据显示的信息。
图6展示的第一数据K1具有条形图,其中水平轴为西方日历,竖直轴为注册数量。图6示出了从受让人首次获得权利的年份起至现在的时间段(整个时间段)用作第一时间段的示例。然而,第一时间段不限于整个时间段,而可以是任何预定时间段。类似地,图6示出了第二时间段是一年的示例,但是第二时间段不限于此,并且可以是任何预定时间段。
实施例1的第一数据K1具有指示每个第二时间段的评级分数的第一排名部分D1。如果第一时间段中的最后一个第二时间段尚未结束,则终端处理单元42可以指示该第二时间段的估计的最终注册数量,如图6中的虚线所示。终端处理单元42经由终端输入单元46接受一个或多个第二时间段的选择和指定。图6示出了将年份2012选择为第二时间段的示例。然而,指定第二时间段的方法和如何显示所指定的第二时间段不限于图6中的示例,而是可以根据需要改变。图6中的基本屏幕G3还具有用于接受对一个或多个第二时间段的指定的指定按钮E1。
当在如图6所示的基本屏幕G3上选择一个或多个第二时间段并通过按下指定按钮E1而指定时,终端处理单元42与数据提供设备30协作在例如终端显示单元47上显示如图7所示的详情屏幕G4。详情屏幕G4包括第二数据K2,第二数据以第三时间段来组织受让人在第二时间段中的注册权利的数量,第三时间段比第二时间段短。第二数据K2是终端处理单元42基于第二原始数据显示的信息。
图7展示的第二数据K2具有条形图,其中水平轴为月份,竖直轴为注册数量。图7示出了第二时间段是一年(对应于图6)并且第三时间段是一个月的示例。然而,第三时间段不限于一个月,而可以是任何预定时间段。
这种形式1的第二数据K2具有指示每个第三时间段的评级分数的第二排名部分D2。终端处理单元42经由终端输入单元46接受一个或多个第二时间段的选择和指定。图7示出了将六月指定为第二时间段的示例。然而,指定第三时间段的方法和如何显示所指定的第三时间段不限于图7中的示例,而是可以根据需要改变。图7中的详情屏幕G4还具有确认按钮E2,以接受一个或多个第三时间段的指定。
当例如在如图7所示的详情屏幕G4中的图中选择一个或多个第三时间段并通过按下确认按钮E2而指定时,终端处理单元42与数据提供设备30协作在例如终端显示单元47上显示如图8所示的购买屏幕Gx。购买屏幕Gx具有指示要购买的信息的内容的内容部分P和指示购买金额的金额栏Q。购买屏幕Gx还具有用于进行支付的购买按钮E3。购买屏幕Gx可以具有指示一种或多种支付方法的支付方法部分H。
当在详情屏幕G4上选择一个或多个第三时间段并按下确认按钮E2时,终端处理单元42可以与数据提供设备30协作显示如图9所示的列表屏幕G5。图9展示的列表屏幕G5具有示出用户选择的时间段的时间段显示部分T。列表屏幕G5还具有列表显示部分K3,列表显示部分包括选择框S1和专利号部分S2的组合。列表显示部分K3用于供用户通过将光标置于选择框S1中并点击鼠标等来选择或取消专利号部分S2中列出的权利。图9示出了列表显示部分K3包括显示关于权利的补充信息的备注部分S3的示例。当列表显示部分K3中要显示的权利的数量大于设定数量时,终端处理单元42可以以滚动或其他格式显示列表显示部分K3。
以上说明示出了从详情屏幕G4转换到列表屏幕G5的示例,但不限于此。例如,终端处理器42可以从基本屏幕G3转换到列表屏幕G5。用户屏幕G2还可以具有用于指定时间段的时间段指定窗口K4,如图10所示。在这种情况下,当在输入窗口A1中输入受让人姓名,在时间段指定窗口K4中输入时间段信息,并按下检索按钮A2时,终端处理单元42可以与数据提供设备30协作在终端显示单元47上显示列表屏幕G5。终端处理单元42还可以在终端显示单元47上显示基本屏幕G3或详情屏幕G4,其中图形等根据指定时间段的长度而调整。
[订阅购买功能和按顺序购买功能]
在上文中已经示出了用户根据具体情况购买产品的示例,但是不限于此。数据提供设备30可以具有按时间段购买功能和按顺序购买功能中的至少一个。订阅购买功能是向已经申请了每任意时间段(比如一周、10天、一个月、六个月或一年)的订阅购买的用户提供产品的功能。按顺序购买功能是当已注册了工业产权并且与该工业产权对应的有效性数据等存储在数据库5a中时,向已经申请了按顺序购买的用户提供关于申请的产品的功能。
[浏览所购买的产品]
参考图5和图11至图14,现在将描述与用户查看所购买的产品有关的配置和显示屏幕。对于与上述附图中相同的配置,使用相同的附图标记,并省略说明。当用户经由如图5所示的用户屏幕G2的调用部分Z1指定“受让人”时,终端处理部分42与数据提供设备30协作在例如终端显示单元47上显示如图11所示的受让人屏幕G6。
图11展示的权利人屏幕G6具有总体评估部分Lo、个体评级部分L1和排序指定部分L2。总体评估部分Lo显示受让人对所有权利的总体评估。图11示出了在总体评估部分Lo和个体评级部分L1中显示受让人的评级分数、ESG分数和年费信息的示例。在图11和其他地方,年费信息表示为年费。排序指定部分L2具有与个体评估部分L1的各个项目对应的虚拟按钮。即,排序指定部分L2具有按照评级分数的顺序对个体评级部分L1排序的评级优先级键La、按照ESG分数的顺序对个体评级部分L1排序的ESG优先键Lb,以及按照年费信息的顺序对单各评级部分L1排序的年费优先键Lc。图11示出了按照评级分数的顺序排序的个体评级部分L1的示例。
当在如图11所示的受让人屏幕G6上指定“权利”(rights)时,例如通过点击附加有链接的权利号,终端处理单元42与数据提供设备30协作在终端显示单元47上显示如图12所示的权利屏幕G7。当用户经由如图5中的用户屏幕G2的调用部分Z1指定“权利”(rights)时,终端处理单元42使得如图12中的权利屏幕G7显示在终端显示单元47上,而不经过如图11中的受让人屏幕G6。
图12展示的权利屏幕G7具有公布文件按钮L3、列表部分L4、文件部分L5、进展信息部分L6和发明人信息部分L7。公布文件按钮L3是用于显示示出权利内容的公报的虚拟按钮。列表部分L4是示出权利分数以及个体评级部分L1的部分。文件部分L5是示出与评级分数的计算相关的文献信息的部分。进展信息部分L6是指示与权利的获取和维护等相关的失效信息的部分。发明人信息部分L7是示出关于本专利权的发明的发明人信息的部分。
当用户经由如图5所示的用户屏幕G2的调用部分Z1指定“权利人”(right holder)时,终端处理部分42可以与数据提供设备30协作在例如终端显示单元47上显示如图13所示的受让人屏幕G6。图13中的受让人屏幕G6具有公布文件部分Q1、详细列表部分Q2和选择部分Q3。公布文件部分Q1充当用于显示示出权利内容的公报的虚拟按钮,并且当鼠标光标在该部分上移动时还显示详细列表部分Q2。选择部分Q3用于允许选择要优先在详细列表部分Q2中显示的分数。图13示出了为下拉UI的选择部分Q3的示例。即,选择部分Q3由显示选择Qa和扩展按钮Qb组成,在显示选择Qa中显示由用户选择的分数,在扩展按钮Qb中显示要在详细列表部分Q2中显示的分数。选择部分具有用于显示分数列表的扩展按钮Qb、和示出分数列表的列表部分Qc。详细列表部分Q2具有用于显示在选择部分Q3中选择的分数的分数部分Qx、用于示出相关文献列表的文献列表部分Qy,以及用于示出该权利与相关文献之间的关联度的相关性显示部分Qz。
当用户经由登录屏幕完成登录过程时,终端处理单元42可以与数据提供设备30协作在终端显示单元47上显示例如如图14所示的用户屏幕G2。图14展示的用户屏幕G2具有缩小部分Az,该缩小部分由输入窗口A1、检索按钮A2、分数指定部分Z2、顺序指定部分Z3和文件数量部分Zo构成。分数指定部分Z2用于选择评级分数、ESG分数和年费信息中的一个,并且具有显示部分Zd、扩展按钮Ze和列表部分Zf。扩展按钮ze是用于显示列表部分Zf的虚拟按钮,并且列表部分Zf结合对扩展按钮ze的操作而显示用于用户进行选择的信息。显示部分Zd示出从列表部分Zf选择的字符等。
顺序指定部分Z3用于指定在分数指定部分Z2中选择的信息是否应从最高到最低排序,并且具有显示部分Zk、扩展按钮Zm和列表部分Zn。扩展按钮Zm是用于显示列表部分Zn的虚拟按钮,并且结合对扩展按钮Zm的操作而在列表部分Zn中显示用于用户进行选择的信息。显示部分Zk显示从列表部分Zn中选择的字符等。文件数量部分Zo是用于输入与条目数量相对应的数值的栏。
在此,在分数指定部分Z2中选择评级分数并且在顺序指定部分Z3中指定“较高”或“较低”的操作对应于指定基于评级分数的顺序的操作。例如,假设在输入窗口A1中指定“公司Z”,在分数指定部分Z2中选择“评级分数”,在顺序指定部分Z3中指定“较高”,在文件数量部分Zo中输入“15”,并且按下检索按钮A2。然后,终端处理单元42与数据提供设备30协作按照从评级分数的最高分数开始的顺序显示15条关于公司X的工业产权的信息的列表。
收缩部分Az可以具有时间段指定字段(未示出),其代替文件数量部分或与文件数量部分Zo一起接受时间段指定。该时间段指定栏可以类似于图10中的时间段指定窗口K4。然而,筛选部分Az可以配置为不具有顺序指定部分Z3和文件数量部分Zo中的至少一个。
收缩部分Az可以具有用于选择评级分数中的至少一个的分数选择部分(未示出)而非顺序指定部分Z3。例如,假设在输入窗口A1中指定了“受让人”,并且在分数选择部分中选择了评级分数中的至少一个。在这种情况下,终端处理单元42可以与数据提供设备30协作在终端显示单元47上以可选择的方式显示关于分配了选择的评级分数的指定受让人的一项或多项工业产权的信息。例如,假设评级分数从高到低设定为七个级别:“AAA”、“AA”、“A”、“BB”、“B”、“CC”和“C”。在这样的设定中,用户可以选择上述七个评级分数中的至少一个。当用户选择至少一个评级分数时,终端处理单元42与数据提供设备30协作以可选择的方式在终端显示单元47上显示关于具有所选择的一个或多个评级分数的一项或多项工业产权的信息。
[ESG屏幕]
参考图15和图16,接下来说明与用户确认关于ESG的信息相关的配置和显示屏幕。对于与上述附图中相同的配置,使用相同的附图标记,并省略说明。例如,当用户按下图4中的初始屏幕G1或图5或图10中的用户屏幕上的ESG按钮B2时,终端处理单元42可以与数据提供设备30协作在终端显示单元47上显示如图15所示的ESG总体屏幕G8。当用户选择至少一个评级分数时,终端处理单元42与数据提供设备30协作以可选择的方式在终端显示单元47上显示关于具有所选择的一个或多个评级分数的一项或多项工业产权的信息。
图15中的ESG总体屏幕G8具有比较数据R1和排名部分R2,在比较数据中,ESG相关专利的数量每周按受让人来累计和图示,排名部分示出了关于ESG相关专利的数量的排名。例如基于专利公报的公开日期来组织比较数据R1。例如,排名部分R2中的每一栏用作接受对受让人的选择的虚拟按钮。当用户点击排名部分R2的一栏等时,终端处理单元42可以与数据提供设备30协作在终端显示单元47上显示如图16所示的ESG个体屏幕G9。
图16展示的ESG个体屏幕G9具有详细分析部分R3,详细分析部分示出了与ESG分数的计算相关的多个指标的个体评估。在图16中,与ESG分数的计算相关的多个指标为环境、社会、公司治理。与ESG分数的计算相关的多个指标可以适当地进行选择和舍弃。
[发明人信息]
参考图17,接下来说明与用户确认发明人信息相关的配置和显示屏幕。对于与上述附图中相同的配置,使用相同的附图标记,并省略说明。当用户请求发明人信息时,终端处理单元42可以与数据提供设备30协作在终端显示单元47上显示如图17所示的发明人屏幕G10。例如,终端处理单元42可以在如图5所示的用户屏幕G2上显示发明人检索框,以用于输入发明人的姓名并请求发明人信息。此外,可以将链接附加到在图12中的发明人信息部分L7中列出的发明人的姓名,并且当用户点击发明人的姓名时,终端处理单元42可以在终端显示单元47上显示与该发明人相对应的发明人屏幕G10。
图17展示的发明人屏幕G10具有列出关于发明人已经参与的专利权的信息的列表显示部分V1、示出发明人的总体评估的评估部分V2,以及示出发明人的历史及其他信息的特定信息部分J2。图17中的列表显示部分V1设计成显示每项专利权的关系信息、评级分数、年费信息和ESG分数。关系信息包括指示对权利的贡献程度的信息,比如发明人是否是第一发明人等。评估部分V2显示诸如具有高有效性的专利的比例、专利申请数量、专利注册数量,以及发明人的申请在驳回理由通知等中被引用的次数(引用次数)等信息。评估部分V2可以显示列表显示部分V1中每一项的发明人总体评估。
接下来,参考图18中的序列图,描述了当用户购买与工业产权相关的产品时提供数据的该方法的操作的示例。在此,假设用户已经通过初始屏幕G1等登录数据提供设备30的系统。
在信息终端40,终端处理单元42经由终端输入单元46接收用于访问由数据提供设备30提供的网站的指令(步骤S 101),并且向数据提供设备30发送对网站的访问请求(步骤S 102)。在数据提供设备30中,数据提供单元32向信息终端40提供用户屏幕信息(步骤S103),并且终端处理单元42在终端显示单元47上显示例如如图5所示的用户屏幕G2(步骤S104)。
当终端处理部分42通过用户屏幕G2接收到受让人的指定时(步骤S105),终端处理部分向数据提供设备30发送指定受让人的信息(步骤S106)。数据提供单元32向信息终端40提供与受让人信息相对应的基本屏幕上的信息(步骤S107)。然后,终端处理部分42在终端显示单元47上显示例如如图6所示的基本屏幕G3(步骤S108)。
当终端处理部分42通过基本屏幕G3接收到第二时间段的指定(步骤S109)并向数据提供设备30发送指示所指定的一个或多个第二时间段的指定信息时(步骤S110),数据提供单元32向信息终端40提供与指定信息相对应的详情屏幕的信息(步骤S111)。然后,终端处理部分42在终端显示单元47上显示例如如图7所示的详情屏幕G4。当指示多个第二时间段的指定信息被传输时,数据提供单元32可以可切换地显示对应于每个第二时间段的详情屏幕G4。详情屏幕G4中可以包括与所有指定第二时间段对应的图像数据(步骤S112)。
当终端处理部分42通过详情屏幕G4接收到第三时间段的指定时(步骤S113),终端处理单元42向数据提供设备30发送指示指定的一个或多个第三时间段的最终指定信息(步骤S114)。数据提供单元32向信息终端40提供反映最终指定信息的购买屏幕的信息(步骤S115)。然后,终端处理部分42在终端显示单元47上显示例如如图8所示的购买屏幕Gx(步骤S116)。
当终端处理部分42接收到来自用户的购买指令,比如通过按下购买按钮E3(步骤S117),终端处理部分向数据提供设备30发送购买请求(步骤S118)。然后,数据提供单元32请求支付服务器600进行支付(步骤S119)。支付服务器600向信息终端40发送包括要购买的产品的内容和要支付的金额的确认信息(步骤S120)。终端处理部分42基于确认信息在终端显示单元47上显示确认屏幕(未示出)(步骤S121)。
当终端处理部分42通过确认屏幕接收到支付指令时(步骤S122),终端处理单元向支付服务器600请求支付(步骤S123)。支付服务器600执行支付过程,并向数据提供设备30发送指示支付完成的支付通知(步骤S124)。然后,数据提供设备30向信息终端40提供用户购买的产品(步骤S125)。换言之,通过上述一系列过程中的每一个,用户获得了访问所购买的产品的信息的权限,因此用户能够随时经由信息终端40查看产品的信息。
接下来,参考图19的序列图,描述了当用户浏览已购买的产品时实施例1的数据提供方法的操作的示例。在此,假设用户已经通过初始屏幕G1等登录了数据提供设备30的系统。对于与图18中相同的过程,使用相同的步骤编号,并省略说明。
实施数据提供设备30和信息终端40执行步骤S 101至S 104。接下来,当用户经由例如图5的调用部分Z指示调用购买的产品时(步骤S201),终端处理部分42向数据提供设备30发送关于该指令的调用产品的请求(步骤S202)。
在此,为了方便起见,我们假设用户在步骤S201中指定了受让人的情况。在这种情况下,数据提供单元32向信息终端40发送关于指定受让人的受让人屏幕的信息(步骤S203)。然后,终端处理部分42显示在终端单元47上显示的例如如图11或图13所示的受让人屏幕G6(步骤S204)。
当终端处理部分42通过受让人屏幕G6接收到权利的指定时(步骤S205),终端处理部分向数据提供设备30发送指示指定权利的权利信息(步骤S206)。数据提供单元32向信息终端40提供与权利信息相对应的权利屏幕的信息(步骤S207)。这使得终端处理部分42在终端显示部分4上显示例如如图12所示的权利屏幕G7(步骤S208)。
如上所述,实施例1的数据提供设备30设计成从预先建立的数据库5a中提取与外部请求相对应的有效性数据。因此,数据提供设备30不需要在接收到对数据的请求时执行评估权利的有效性的处理,从而避免了浪费处理单元和存储器的使用,并且使得能够及时提供关于工业产权有效性的信息。此外,有效性数据包括指示多项工业产权的相对有效性的评级分数。换言之,数据提供数据库35中的数据库5a包括由估计处理装置124确定的评级分数。换言之,数据提供数据库35中的数据库5a存储包括由估计处理装置124确定的评级分数的有效性数据。因此,用户可以通过在例如图11至图13所示的屏幕上查看与每项权利相关联的评级分数来快速而准确地选择满足其需求的权利。
顺便提及,正确评估工业产权的有效性需要高水平的专业知识。在这方面,数据提供系统100具有数据提供设备30和信息终端40。数据提供单元32向信息终端40提供包括有效性数据的屏幕信息,并且信息终端40提供由数据提供设备30提供的屏幕信息。信息终端40具有显示由数据提供设备30提供的屏幕信息的终端显示单元47。因此,使用信息终端40的用户可以获得关于工业产权的有用信息而不需要专业知识。
估计处理装置124可以用于以时间段(比如整个时间段、第一时间段、第二时间段、第三时间段等等)为单位确定每个受让人的评级分数。然后,构建装置22c可以在数据库中反映与每个时间段相对应的评级分数。通过这种方式,数据处理装置32a可以向信息终端40提供与每个时间段相对应的评级分数。因此,由于用户可以在比如图6、图7、图11和图13中的屏幕上检查与每个时间段相对应的评级分数,所以用户可以快速而准确地选择受让人和时间段。
当工业产权是专利权时,有效性数据可以包括与专利权的有效性相关的技术信息。在这种情况下,具有与评级分数相关联的一个或多个技术信息的有效性数据存储在数据库5a中。通过这种方式,信息终端40例如可以通过将与专利权相关的技术信息链接到评级分数而在如图12或图13所示的屏幕上指示该技术信息。因此,用户可以快速地检查评级分数所基于的文献等。
顺便提及,近年来,世界各地已经开展努力在管理中运用ESG视角并且实现公司稳定长期增长。知识产权策略中也采用了ESG视角。在这方面,有效性数据的构成可以包括ESG分数,ESG分数是从ESG视角评估专利权的指标值。因此,用户可以在例如图11至图17所示的屏幕上检查每项权利的ESG分数。因此,用户可以在例如如图11至图17所示的屏幕上检查每项权利的ESG分数,并且可以一目了然地掌握聚焦于ESG的公司等,并利用该分数来选择产品。估计处理装置124设计成以时间段为单位确定每个受让人的ESG分数,时间段为比如整个时间段、第一时间段、第二时间段和第三时间段。然后,构建装置22c可以在数据库中反映与每个时间段相对应的ESG分数。通过这种方式,数据处理装置32a可以针对每个时间段向信息终端40提供与每个时间段相对应的ESG分数。因此,用户可以在例如如图11、图13至图17所示的屏幕上检查与每个时间段相对应的ESG分数,并且利用该分数来选择受让人。
有效性数据可以包括指示用于维护权利的高成本合理性的年费信息。通过这种方式,例如,用户可以在图11至图13所示的屏幕上看到工业产权的年费信息,从而用户可以容易地确定是否应该维护该权利。用户可以容易地确定是否应该维护该权利。估计处理装置124可以以时间段为单位计算每个受让人的年费信息,时间段为比如整个时间段、第一时间段、第二时间段和第三时间段。然后,构建装置22c可以在数据库中反映与每个时间段相对应的年费信息。通过这种方式,数据处理装置32a可以向信息终端40提供与每个时间段相对应的年费信息。因此,用户可以在例如图11至13所示的屏幕上检查与每个时间段相对应的年费信息,并利用该信息来评估和选择受让人。
有效性数据可以包括在先商标数据,在先商标数据是与关于本商标权的商标的相似度大于阈值的在先商标的信息。通过这种方式,如在专利权的情况下,与商标权相关的在先商标数据可以连同评级分数在例如如图12或图13所示的屏幕上示出。因此,用户可以快速确认评级分数所基于的在先商标数据,并且可以确认商标权的无效性。
有效性数据可以包括已知外观设计数据,已知外观设计数据是与关于外观设计权的外观设计的相似度超过阈值的已知外观设计的信息。通过这种方式,如在专利权的情况下,与外观设计权相关的公开外观设计数据可以连同评级分数在例如图12或图13所示的屏幕上示出。因此,用户可以快速检查评级分数所基于的已知外观设计数据,并且审查外观设计权的有效性。
数据提供单元32具有针对包含多个技术信息的有效性数据按照与关于有效性数据的专利权的关联度的顺序将数据库5a中的每个技术信息进行排序的功能。相关度是指示关于专利权的权利要求的措辞与技术信息的措辞匹配或近似的程度的指标值。数据提供单元32具有针对包含多个在先商标数据的有效性数据按照与关于有效性数据的商标的相似度的顺序将数据库5a中的每个在先商标数据进行排序的功能。数据提供单元32具有针对包含多个公开外观设计数据的有效性数据按照与关于有效性数据的外观设计的相似度的顺序将数据库5a中的每个公开外观设计数据进行排序的功能。通过这种方式,信息终端40可以在如图11至图13所示的屏幕上显示排序后的数据,而无需执行单独的数据排序过程,从而提高了用户确认过程的效率。
当在信息终端40指定一项或多项权利时,数据提供单元32提供与权利相对应的有效性数据。因此,用户可以基于每个条目选择和购买工业产权相关产品,并且可以获得必要且充分的数据。当在信息终端40指定受让人和时间段时,数据提供单元32提供与受让人的所述时间段内的权利相对应的有效性数据。因此,用户可以以满足其需求的时间段单位快速购买产品,而无需进行详细的选择。
当在信息终端40指定发明人时,数据提供单元32可以提供关于发明人的评估指标的信息。通过这种方式,用户可以在例如图17所示的屏幕上检查发明人的评级和贡献度,并且将该信息用于猎头。另外,当在信息终端40指定发明人时,数据提供单元32可以提供发明人的独特信息。通过这种方式,用户通过检查例如图17所示的屏幕上的特定信息部分J2,可以知道发明人的职业、共同发明人等,并且可以利用该信息来找到人力资源。
当在信息终端40指定一项或多项权利时,数据提供单元32提供与权利相对应的有效性数据。因此,用户可以基于每个条目选择和购买工业产权相关产品,并且可以获得必要且充分的数据。当在信息终端40指定受让人和时间段时,数据提供单元32提供与受让人的所述时间段内的权利相对应的有效性数据。因此,用户可以以满足其需求的时间段单位快速购买产品,而无需进行详细的选择。
当在信息终端40指定受让人时,数据提供单元32可以提供第一原始数据,该第一原始数据以第二时间段组织受让人在第一时间段内的权利。第一原始数据作为第一数据K1在信息终端40显示。另外,当在信息终端40指定第二时间段时,数据提供单元32可以提供第二原始数据,该第二原始数据以第三时间段组织受让人在第二时间段内的权利。第二原始数据作为第一数据K2在信息终端40显示。此外,当在信息终端40指定第三时间段时,数据提供单元32可以提供与在第三时间段内的权利相对应的有效性数据。通过这种方式,用户可以使用信息终端40。通过这种方式,用户可以通过直观且简单的操作来选择满足其需求的时间段,同时缩小选择时间段,从而提高易用性。例如,如图6或图7所示,如果信息终端40配置为显示与每个时间段相对应的评级分数和其他信息,则可以提高用户选择时间段的便利性。
当在信息终端40指定发明人时,数据提供单元32可以提供关于发明人的评估指标的信息。通过这种方式,用户可以在例如图17所示的屏幕上检查发明人的评级和贡献度,并且将该信息用于猎头。另外,当在信息终端40指定发明人时,数据提供单元32可以提供发明人的独特信息。通过这种方式,用户通过检查例如图17所示的屏幕上的特定信息部分J2,可以知道发明人的职业、共同发明人等,并且可以利用该信息来找到人力资源。
在数据管理系统10中,数据分析器20具有翻译处理装置121和学习处理装置123,翻译处理装置对权利相关信息中包括的核心数据执行翻译处理以生成翻译数据,学习处理装置通过使用基于翻译数据的学习数据进行机器学习来生成估计模型M1。因此,可以防止估计准确性由于语言的差异而下降,并且通过统一语言可以大大增加用于机器学习的数据量。因此,可以提高评级分数等的准确性,以及增加诸如有效性数据等的产品可靠性。换言之,根据数据管理系统10,可以以高准确性指示世界各地存在什么样的专利及其他权利的相关材料。
数据分析装置20还包括预处理装置122,预处理装置对翻译数据应用分析处理以生成学习数据。因此,可以以高准确性分析核心数据的特征。另外,预处理装置122对翻译数据应用分析处理以生成分析数据。此外,数据分析装置20具有估计处理装置124,估计处理装置使用预处理装置122中生成的分析数据作为估计模型M1的输入,以确定有效性数据等。因此,估计模型M1可以获得准确的估计结果等。
<变型>
现在参考图20至图32,描述了本发明实施例1的变型1中的数据提供系统100的配置和操作。变型1的数据提供系统100是用于提供工业产权中的专利和实用新型的数据的系统。变型1的数据提供系统100配置为对工业产权中的专利权和实用新型权进行专门处理,并且包括数据分析设备20A,该数据分析设备配备有对从外部收集的数据中的自然语言进行向量化和分析的功能。数据提供系统100的整体配置和操作与根据图1至图19描述的上述示例中的相同。因此,对于具有相同附图标记的相同配置,省略了说明。
参考图20,描述了数据分析设备20A的功能配置。数据分析设备20A对作为分析对象的权利进行评级处理。要分析的权利在下文中也称为“目标权利”。换言之,数据分析设备20A通过分析每个对象权利(subject right)的权利要求的范围(例如,专利权利要求的范围或实用新型权利要求的范围)来对每项权利要求和每个对象权利的有效性进行评级。在变型1中,通过分析每个对象权利的权利要求(例如,专利权利要求或实用新型权利要求)的范围,对每项权利要求和每个对象权利的有效性进行评级。在变型1中,对世界上所有专利权和实用新型权进行分析。通常,在续订期结束时分析目标的数量增加。数据分析设备20A还对随着续订期结束而增加的对象权利实施连续分级过程。数据分析设备20A具有对多项目标权利中的每一项的有效性进行分析的分析处理单元22A。
分析处理部分22A具有通过自然语言分析来对句子进行向量化而生成含义向量的功能。例如,分析处理单元22A基于诸如BERT(来自Transformer的双向编码器表示)等基于transformer的编码器,通过自然语言处理将句子向量化为含义向量。在实施例1中,分析处理部分22A配置为生成32维含义向量。分析处理单元22A可以使用经过学习的模型来进行自然语言处理,该模型已经进行了预学习和微调两个阶段的训练。尽管分析处理单元22A处理“信息”,但是词语“信息”在本文件中可以省略,并且可以表示为例如“权利要求”、“权利要求要素”等。
分析处理单元22A通过使用余弦相似度来确定要生成的各个含义向量之间在0到1的范围内的一致度。更具体地,分析处理单元22A通过从1中减去两个向量之间的余弦相似度来获得两个向量之间的一致度。(当两个向量之间的余弦相似度是“cosθ”时,可以表示为“一致度=1-cosθ”)在此,由于由向量形成的角度的接近度体现在余弦相似度中,因此两个向量越相似,它们之间的余弦相似度越接近1。因此,关于变型1中的一致度,一致度越接近0,向量彼此越相似,并且一致度越接近1,向量彼此越不相似。在此,由向量形成的角度的接近度体现在余弦相似度中。因此,两个向量越相似,它们之间的余弦相似度越接近1。因此,一致度越接近0,向量彼此越相似,并且一致度越接近1,向量彼此越不相似。换言之,一致度越接近0,向量的含义越难以区分,一致度越接近1,向量的含义越区别明显。特别地,当一致度为0时,这意味着两个含义向量完全一致。
分析处理单元22A具有收集处理装置122a、评估处理装置122B和构建处理装置22C。收集处理装置122a通过API或其他装置周期性地收集关于目标权利的权利相关信息。另外,收集处理装置122a从外部收集与世界各地的发明或设备相关的信息,作为用于分析每项权利的有效性的信息。与发明或设备相关的信息不仅包括关于专利或实用新型的公开内容,而且包括关于非专利文件的信息。如上所述,非专利文献包括各种技术论文和期刊,技术标准,公司、研究机构、大学等的网站,网络文章和目录,博客,SNS,YouTube(注册商标)等。在下文中,与发明或设备相关的信息还称为“发明相关信息”。在发明相关信息中,已经分配了专利分类的专利或实用新型公开内容中的信息也称为“分类信息”。另一方面,在发明相关信息中,关于未分配专利分类的非专利文件的信息也称为“未分类信息”。收集处理装置122a将收集的发明相关信息存储在收集数据库部分24等中。
收集处理装置122a具有收集关于专利分类(比如CPC或IPC)的信息并基于所收集的关于专利分类的信息在存储器部分23或收集数据库部分24中构建用于分类的数据库4a的功能。图20示出了在收集数据库部分24中构建分类数据库4a的示例。专利分类由多个分类代码的层次结构进行组织,并且每个分类代码均附有描述。更具体地,分类代码与层次数据和说明数据相关联,层次数据是关于分类代码的层次的信息,说明数据是关于分类代码的说明文本的信息。
图21示出了由收集处理装置122a生成的分类数据库4a的示例表。收集处理装置122a从信息提供服务器300等收集关于专利分类的信息。专利分类信息是与分类代码、层次数据和说明数据相关联的信息,如图21中的粗体框中的示例所示出的。层次数据可以是要从外部收集的每个分类代码的层次的转换信息,该信息转换成易于由收集处理装置122a处理的信息。在图21中,分类代码被示为P1至PM(M是专利分类中的分类代码的总数量),数据的层次由数字表示,说明数据的字符由多个白色圆圈表示。注意,分类代码的层次结构不限于三个级别,而是可以根据专利分类来设定任意数量的级别。
收集处理装置122a通过对要利用自然语言处理从外部收集的专利分类信息中所包括的每个说明数据进行向量化来生成分类向量,分类向量是与每个说明数据相对应的含义向量。然后,收集处理装置122a通过将层次数据与专利分类信息中所包括的每个分类代码的分类向量相链接来生成分类数据库4a。图21示出了分类数据库4a包括用于分类代码中的每一个代码的说明数据的示例,但是不限于此。收集处理装置122a可以删除已经完成到分类向量的转换过程的说明数据,并且生成用于分类的数据库4a,该数据库由分类代码、层次数据和分类向量构成。
收集处理装置122a可以具有将与分类代码相对应的分类数据分配给每个未分类信息的分类分配功能。在这种情况下,收集处理装置122a通过利用自然语言处理对部分或全部未分类信息进行向量化来生成未知向量,未知向量是与未分类信息相对应的含义向量。在非专利文献的未分类信息中,要由收集处理装置122a进行向量化的数据根据非专利文献的类型和内容进行调整,并且可以相应地改变。
收集处理装置122a将所生成的未知向量与分类数据库4a中的每个分类向量进行比较,并且识别与未知向量具有最高语义相似度的分类向量。然后,收集处理装置122a将分类数据关联到与所生成的未知向量相对应的未分类信息并存储分类数据,其中分类数据是所识别的分类向量和与该分类向量相对应的分类代码中的至少一个。换言之,例如,收集处理装置122a可以存储与对应于所生成的未知向量的未分类信息相关联的所识别的分类向量。通过这种方式,有效地为未分类信息分配分类代码。替代性地,收集处理装置122a可以将与所生成的未知向量相对应的未分类信息和与所识别的分类向量相对应的分类代码一起存储。替代性地,收集处理装置122a可以将与所生成的未知向量相对应的未分类信息与所识别的分类向量和与该分类向量相对应的分类代码两者一起存储。
评估处理装置122b具有翻译处理装置221、提取处理装置225、匹配处理装置226和评级处理装置227。翻译处理装置221对权利相关信息和发明相关信息执行翻译处理。类似于上述翻译处理装置121,翻译处理装置221执行翻译处理以标准化为公共语言。
提取处理装置225从收集处理装置122a收集的多个发明相关信息中提取在对象权利的提交日期之前公开的发明相关信息。在下文中,在对象权利的提交日期之前公开的与发明或设备相关的信息也称为“日期在先信息”(prior-date information)。在对象权利的申请人等适用发明相关信息的新颖性未因发明相关信息的公开而被视为丧失这一规定的情况下(例如丧失新颖性规定的例外情况),优选地,日期在先信息中不包括与在提交日期之前公开的对象权利有关的发明相关信息。在这种情况下,提取处理装置225配置为通过将发明相关信息与对象权利的申请过程信息中对应于上述规定的文件进行匹配,而从日期在先信息中排除上述规定所适用的发明相关信息。提取处理装置225可以具有基于预定条件进一步细化日期在先信息的功能。即,针对每个对象权利,提取处理装置225可以配置为从所有日期在先信息中提取用于分析对象权利的有效性的多个日期在先信息。
[通过将句子向量与分类向量进行比较来细化日期在先信息]
例如,提取处理装置225使用自然语言处理来对权利要求、权利要求1、部分或全部说明书、摘要、或对象权利的全文进行向量化,并且生成句子向量,句子向量是含义向量。将所生成的句子向量与对象权利相关联并且存储。提取处理装置225实施生成和链接所有目标权利(被进行分析的所有权利)的句子向量的过程。另外,提取处理装置225从每个分类信息中获得分类代码,并且通过将所获得的分类代码参考分类数据库4a来获得与分类代码相对应的分类向量。然后,提取处理装置225将与附加到每个分类信息的分类代码相对应的分类向量相关联,并且存储分类向量。通过这种方式,句子向量与每个目标权利相关联,并且分类向量与每个分类信息相关联。
提取处理装置225将与目标权利相关联的句子向量和与每个分类信息相关联的分类向量进行比较,并提取句子一致性小于或等于句子阈值的分类信息作为用于权利的有效性分析的日期在先信息,其中句子一致性是句子之间的一致度。在收集处理装置122a通过分类分配功能将分类向量等链接到每个未分类信息的情况下,提取处理装置225将链接到目标权利的句子向量与链接到每个未分类信息的分类向量进行比较,并提取句子一致性小于或等于句子阈值的未分类信息作为用于分析目标权利的有效性的日期在先信息,其中句子一致性是句子之间的一致度。句子阈值是预定的,并且可以根据需要改变。
[通过将分类向量进行比较来细化日期在先信息]
提取处理装置225获取分配给对象权利的分类代码,并且通过将所获取的分类代码与分类数据库4a进行比较来获得与该分类代码相对应的分类向量。提取处理装置225将与附加到目标权利的分类代码相对应的分类向量相关联,并且存储分类向量。收集处理装置122a获取并链接所有目标权利的分类向量。提取处理装置225以与上述相同的方式执行将分类向量链接到多个分类信息中的每一个的过程。
然后,提取处理装置225将与目标权利相关联的分类向量和与每个分类信息相关联的分类向量进行比较,并提取分类一致性小于或等于分类阈值的分类信息作为用于目标权利的有效性分析的日期在先信息,其中分类一致性是分类信息之间的一致度。
匹配处理装置226将所分析的专利或实用新型的对象权利中的权利要求的一个或多个权利要求要素(在日语中称为构成要求、构成要素、发明主题等)转换成第一向量,第一向量是含义向量。即,匹配处理装置226将每个对象权利的权利要求范围内的一项或多项权利要求划分为权利要求要素。然后,匹配处理装置226通过利用自然语言处理将权利要求要素转换成向量,来为每个权利要求要素生成第一向量并存储第一向量。根据权利要求的结构或划分方法,一项权利要求可能仅存在一个权利要求要素。匹配处理装置226划分所有的权利要求并为所有目标权利生成第一向量,并且通过将生成的第一向量与每个权利要求要素相关联来存储生成的第一向量。
另外,匹配处理装置226将由提取处理装置225提取的多个日期在先信息中的部分或全部转换成第二向量,第二向量是每个划分数据的含义向量。换言之,匹配处理装置226根据预定条件将作为部分或全部日期在先信息的分割目标信息划分成多个分割数据,并且通过利用自然语言处理对每个分割数据进行向量化来为每个分割数据生成第二向量并存储第二向量。在日期在先信息是专利文件等的情况下,匹配处理装置226可以例如使用日期在先信息的专利说明书作为要分割的信息。由于专利说明书通常包括其他来源(权利要求、摘要等)的内容,因此使用专利说明书作为要划分的信息可以使该过程更高效。对于划分日期在先信息的条件,例如,可以适当地采用“按每个句子划分”。在这种情况下,划分后的数据对应于句子(在日语的情况下从开头到标点符号)。通过这种方式,通过使用基于两个向量之间的余弦相似度的一致度,可以识别说明书的日期在先信息中与权利要求要素具有相对较高语义相关性的位置。
匹配处理装置226通过将第一向量和第二向量进行比较,获得总匹配度,该总匹配度是对象权利中的权利要求要素与每个日期在先信息之间的匹配度。更具体地,匹配处理装置226将第一向量与目标权利的每个日期在先信息的多个第二向量进行比较,并获得分割匹配度,分割匹配度是第一向量与每个第二向量之间的匹配度。当匹配度小于或等于对比阈值时,匹配处理装置226可以设定关联标志,该关联标志指示权利要求要素与分割数据之间具有相对较高的相关性并且与匹配度相关联。
然后,匹配处理装置226根据第一向量和与日期在先信息相对应的所有第二向量中的每一个之间的分割一致度来确定总一致度,总一致度是与第一向量相对应的权利要求要素和日期在先信息之间的一致度。当确定的总一致度小于或等于总阈值时,匹配处理装置226可以与总一致度相关联,并且设定指示权利要求要素与日期在先信息之间的相关性相对高的匹配标志。
图22示出了与权利要求中的权利要求要素相对应的各种数据的示例性表。在图22中,假设提取处理装置225已经提取了N(N是任意自然数)个日期在先信息,并且为这些日期在先信息分配了标记D1至DN。D1至DN对应于日期在先信息的识别号。指示分割数据的附在“d”后的“k”和“j”是为了方便起见而采用的标记。指示分割数据的附在“d”后的“k”和“j”是为了方便起见而采用的标记,并不意味着将要分割的信息分割成相同数量的分割数据。关联标志栏仅仅是示例,用于示出存在一些具有关联标志(附图中的白色圆圈)的分割匹配和一些没有关联标志(附图中的X)的分割匹配,并且白色圆圈和X的位置没有意义。同样的情况适用于匹配标志栏。对于在对象权利的权利要求范围内的所有权利要求要素,匹配处理装置226获得或计算如图22所示的各种信息,并将其存储在存储器部分23或输出数据库部分25等中。
图23是展示每个权利要求要素与多个日期在先信息的总一致度的表,该表是一致性数据库的一部分的示例,该一致性数据库将对象权利的权利要求要素与多个日期在先信息之间的总一致度进行组织。匹配处理装置226具有构建匹配数据库的功能,该匹配数据库对所有对象权利的权利要求要素与相应的日期在先信息之间的总匹配度进行组织。图23示出了对象权利的权利要求范围具有六项权利要求的示例。
对于图23中展示的每项权利要求,权利要求1被分成七个权利要求要素,权利要求2至5被处理为由一个权利要求要素组成的权利要求,并且权利要求6被分成五个权利要求要素。在图23中,假设总阈值为“0.20”,并且满足要设立匹配标志的条件(即,总匹配值为0.20或更小)的框示出为粗线。在图23中,仅展示了D1至D7作为多个日期在先信息,然而,原则上,匹配处理装置226确定所有日期在先信息的总匹配度。
基于为每个日期在先信息获得的总一致度,匹配处理装置226识别主相关信息Da,该主相关信息是与目标权利具有最高语义相似性的日期在先信息。例如,对于某项权利要求,匹配处理装置226将总一致度小于或等于总阈值的具有最高数量的权利要求要素的日期在先信息识别为主相关信息Da。当总一致度小于总阈值的具有最高数量的权利要求要素的日期在先信息多于一个时,可以基于总一致度和一致性标志的状态等从多个日期在先信息中识别一个主相关信息Da,或者可以识别多个主相关信息Da。
匹配处理装置226可以选择一个或多个日期在先信息作为与所识别的主相关信息Da具有相对较高语义相关性的子相关信息。更具体地,匹配处理装置226可以选择一个或多个与分类向量相关联的日期在先信息Db,其中该分类向量和与主相关信息Da相关联的分类向量的匹配度小于子阈值。子阈值是预先确定的,并且可以适当地改变。在此,当主相关信息Da是分类信息时,与主相关信息Da相关联的分类向量是与分配给主相关信息Da的分类代码相对应的分类向量。另一方面,当主相关信息Da是未分类信息时,与主相关信息Da相关联的分类向量是对应于与主相关信息Da相关联的分类代码的分类向量或直接与主相关信息Da相关联的分类向量。
在此,主引用和子引用之间的“技术领域的相关性”称为在驳回创造性(非显而易见性)的方向上起作用的因素(启发因素)。在这方面,如上所述,如果将分类向量中具有相对较高语义相关性的日期在先信息提取作为对于主相关信息Da的子相关信息Db,则增强了将子相关信息Db与主相关信息Da组合的容易度。因此,增加了基于主相关信息Da和一个或多个子相关信息Db的评级分数(个体分数和总体分数)的可靠性。此外,通过调整分类向量和子阈值,使得主相关信息Da和子相关信息Db之间在某种程度上近似专利分类层级,从而可以进一步增强评级分数的准确性。
评级处理装置227基于由匹配处理装置226确定的每个总一致度而确定评级分数,评级分数是多项目标权利中的每一项的有效性的指标。变型1的评级处理装置227配置为将作为权利要求的有效性的指标的每项权利要求的个体分数和作为对象权利的有效性的指标的每个对象权利的总分数确定为评级分数。更具体地,评级处理装置227通过使用权利要求中的一个或多个权利要求要素与主相关信息Da和一个或多个子相关信息Db之间的总一致度来确定每项权利要求的个体分数和每个对象权利的总体分数。
评级处理装置227可以将总体排名、在本发明或设备所属技术领域中的排名、或者在申请日期所属特定时间段中的排名确定为总体分数。固定时间段可以根据需要设定。评级处理装置227使用上述排名等来确定指示逐步式评估的总体分数,例如“AAA”、“AA”、“A”、“BBB”、“BB”、“B”、“CCC”、“CC”、“C”以及“D”。评级处理装置227将诸如个体分数和总体分数等信息与对象权利关联地存储在存储部分23或输出数据库部25中。
[基于总一致度的平均值或标准差的计算]
评级处理装置227可以使用与权利要求相关联的所有总一致度来确定个体分数。与权利要求相关联的所有总一致度例如是权利要求的一个或多个权利要求要素与主相关信息Da和所有子相关信息Db中的每一者之间的总一致度。评级处理装置227可以计算与权利要求相关联的所有总一致度的平均值作为个体评估值,并且基于所获得的个体评估值来确定个体分数。此外,评级处理装置227可以计算与权利要求相关联的所有总一致度的标准差作为个体评估值,并且基于所获得的个体评估值来确定个体分数。例如,评级处理装置227可以通过将个体评估值与多个阈值进行比较来逐步地确定个体分数。
当与某一权利要求相对应的所指定数量的子相关信息Db超过一个指定数量时,评级处理装置227可以根据预定选择条件来选择指定数量的子相关信息Db。
该特定数量设定为要用于计算个体分数的子相关信息Db的数量。选择条件可以包括如下条件:匹配标志的数量很大;在权利要求要素中存在匹配标志,其中在主相关信息Da中不存在匹配标志;或这些条件的组合。在这种情况下,评级处理装置227可以为每项权利要求确定与通过选择条件细化的日期在先信息(主相关信息Da和特定数量的子相关信息Db)相关联的总一致度的平均值作为个体评估值,并基于所确定的个体评估值确定个体分数。评级处理装置227可以为每项权利要求计算与通过选择条件细化的日期在先信息相关联的总一致度的标准差作为个体评估值,并且可以基于所获得的个体评估值来确定个体分数。
现在参考图24,呈现了对日期在先信息进行细化的可视化说明。图24示出了在指定数目是“4”并且总阈值是“0.18”的假设下,某项权利要求的权利要求要素与多个所选择的日期在先信息之间的总一致程度的示例。在图24中,展示了被划分成七个权利要求要素的“权利要求1”、作为主相关信息Da的“D1”、以及作为子相关信息Db的“D2”至“D5”。在图24中,满足设立一致性标志的条件的框,即,总一致度为0.18或更小的框,被示出为粗线。通过这种方式,基于选择条件,通过根据计算而排除与缺少否定新颖性或创造性的要素的在先日期文件相关的文件,并且通过获得与细化后的日期在先信息相关联的总一致度的平均值或标准差,可以提高个体分数的准确性。
[基于匹配标志百分比的计算]
对于某个权利要求,评级处理装置227可以计算匹配标志的数量与权利要求要素的数量和由提取处理装置225提取的日期在先信息的总数的乘积的比率作为个体评估值,并且基于计算出的个体评估值确定个体分数。当与某一项权利要求相对应的子相关信息Db多于指定数量时,评级处理装置227可以根据选择条件选择指定数量的子相关信息Db。然后,评级处理装置227可以获得匹配标志的数量与权利要求要素的数量和权利要求的主相关信息Da和每个子相关信息Db的总数的乘积的比率作为个体评估值,并且基于获得的个体评估值来获得个体分数。
参考图25,更详细地说明了基于一致性标志的百分比的个体评估值的计算过程。图25是根据是否存在一致性标志进行组织的图24中的总一致度的图示,并且各种设定与图24中的相同。在图25中,对于每个权利要求要素,将具有匹配标志的日期在先信息栏画圈,并且用X标记不具有匹配标志的在先日期相关文件栏。
在图25展示的权利要求的情况下,权利要求要素的数量与主相关信息Da和每个子相关信息Db的总数的乘积是35(“白色圆圈的总数”+“x的总数”=7x5),并且匹配标志的数量是15(白色圆圈的总数)。因此,个体评估值是“3/7”。
[通过对新颖性和创造性进行逐步评估来计算个体分数]
评级处理装置227可以通过以逐步方式执行与是否具有新颖性有关的判断过程和与是否具有创造性有关的判断过程来计算每项权利要求的个体分数。在这种配置中,假设无新颖性的权利要求比无创造性的权利要求具有更低的有效性。另外,假设收集处理装置122a生成分类数据库4a,并且匹配处理装置226识别主相关信息Da并提取子相关信息Db。在下文中,将某个权利要求要素与日期在先信息之间的总一致度小于或等于总阈值的情况表述为“日期在先信息满足权利要求要素”。此外,将一个权利要求要素与日期在先信息之间的总一致度大于总阈值的情况表述为“该权利要求要素具有新颖性”。将参考图24和图26对此进行适当说明。
评级处理装置227配置为基于诸如“有多少日期在先信息满足所有权利要求要素”、“当不存在满足所有权利要求要素的日期在先信息时,有多少其他日期在先信息满足未满足的权利要求要素,或者有多少其他日期在先信息不能满足未满足的权利要求要素”等判断标准来确定给定权利要求的个体分数。在下文中,分别从新颖性和创造性的角度进行说明。
<新颖性的判断过程>
对于某项权利要求,如果日期在先信息中的至少一个满足所有权利要求要素,即,如果该权利要求的所有权利要求要素与日期在先信息之间的总一致度小于或等于总阈值,则评级处理装置227将与无新颖性相对应的个体分数分配给该权利要求。在这种情况下,可以在与以下条件(例如,如下文所示出的)相对应的步骤中设定个体分数。
条件(1):存在多于一个满足一个给定权利要求的所有权利要求要素的日期在先信息。条件(2):仅存在一个满足一个给定权利要求的所有权利要求要素的日期在先信息。
图24展示了满足条件(2)的情况。即,图24展示的日期在先信息D1满足单项权利要求的所有权利要求要素。在非新颖性权利要求中,满足条件(2)的权利要求被赋予相对较高的个体分数。满足条件(1)的权利要求被赋予比满足条件(2)的权利要求低的个体分数。可以为满足条件(1)的权利要求全部分配相同的个体分数,或者可以随着满足所有权利要求要素的日期在先信息的数量增加而分配较低的个体分数。
当获得个体分数时,评级处理装置227可以例如使用满足所有权利要求要素的与日期在先信息相关联的总一致度来获得指示权利要求有效性的个体评估值。假定该个体评估值为总一致度的平均值或标准差。通常,即使在具有相等个体分数的权利要求之间,这样的个体评估值也存在差异。因此,在总体分数等的计算中使用个体评估值可以提高有效性评级的准确性。
<确定创造性的判断方法>
当不存在满足一个权利要求的所有权利要求要素的日期在先信息时,即,当任一日期在先信息与该权利要求的至少一个权利要求要素之间的总一致程度大于总阈值时,由评级处理装置227为该权利要求分配与新颖性相对应的个体分数。在这种情况下,可以以例如对应于以下条件的逐步方式设定个体分数。
(当权利要求的有效性相对较低时:非创造性)
条件(3):权利要求要素之一具有新颖性,并且存在多于一个的日期在先信息对其进行补充。
条件(4):权利要求要素之一具有新颖性,并且仅存在一个日期在先信息对其进行补充。
条件(5):多于一个权利要求要素具有新颖性,并且存在多于一个日期在先信息单独地对其进行补充。
条件(6):多于一个权利要求要素具有新颖性,并且仅存在一个日期在先信息独立地对其进行补充。
条件(7):多于一个权利要求要素具有新颖性,并且可以由日期在先信息的组合对其进行补充。
(当权利要求的有效性相对较高时:涉及创造性]
条件(8):权利要求要素之一具有新颖性,并且没有日期在先信息对其进行补充。
条件(9):权利要求要素之一具有新颖性,并且没有补充的日期在先信息。
对于上述条件中的每一个,理想的是所述条件所附的数字越大,要分配的个体分数越高。但是,对于条件(5)至条件(7),可以基于新的权利要求要素的数量、可以补充权利要求要素的日期在先信息的数量、总一致度等来适当地切换要分配的个体分数的数值。
图26展示了满足条件(3)的情况。即,图26展示的日期在先信息D1不只满足权利要求中的一个权利要求要素(1e)。然而,权利要求要素(1e)由日期在先信息D2或D3补充。因此,权利要求要素(1e)与日期在先信息D2和D3之间的总一致度小于0.18。
图27展示了满足条件(7)的情况。即,图27中所示的日期在先信息D1不满足权利要求要素(1d)和(1f),但是权利要求要素(1d)由日期在先信息D3或D5补充,并且权利要求要素(1f)由日期在先信息D2补充。上述条件(1)至(9)仅仅是示例,并且可以基于新颖的权利要求要素的数量、可以补充权利要求要素的日期在先信息的数量以及总一致度来进一步细分个体分数。
在计算个体分数时,评级处理装置227例如可以计算与用于计算个体分数的日期在先信息相关联的总一致度的平均值或标准差,作为个体评估值。通常,即使在具有相等个体分数的权利要求之间,个体评估值也存在差异。因此,通过在计算总分数时使用个体评估值,可以提高有效性评级的准确性。
变型1的构建处理装置22c基于存储在存储器部分23和收集数据库部分24中的信息构建数据库5a,该数据库管理用于输出的数据库部分25中的多项目标权利中的每一项的个体分数和总体分数。存储器部分中的信息包括由收集处理装置22a和评估处理装置122存储的信息。在变型1中,收集处理装置122a将世界各国的权利相关信息的差异存储在存储器部分等中。权利相关信息包括目标权利。评估处理装置122b使用上述差异来获得所添加的目标权利的评级分数等,并将其存储在存储器23等中。此外,评估处理装置122b基于上述差异来更新权利要求已修改或受让人已改变的对象权利的评级分数等。构建处理装置22c基于由评估处理装置122b添加或更新的信息来更新输出数据库部分25中的数据库。基于由评估处理装置122b添加或更新的信息,构建处理装置22c更新数据库部分25中的数据库,并且基于该数据库,信息处理装置32a更新数据库5a。数据提供设备30从管理由评级处理装置227获得的多项目标权利中的每一项的个体分数和总体分数的数据库5a中提取并提供与外部请求相对应的评级分数(即,个体分数和总体分数)中的至少一个。
分析处理部分22A可以由诸如CPU或GPU等运算设备以及与运算设备一起工作以实现上述和下列各种功能的数据分析程序P10组成。即,数据分析程序P10是使作为计算机的分析处理单元22A和存储单元23充当收集处理装置122a、评估处理装置122b和构建处理装置22C的程序。
参考图28,描述了在变型1中生成用于数据管理装置中的分类的数据库4a的操作示例。首先,收集处理装置122a从外部收集关于专利分类的信息,并建立包含例如图21中粗体框所示的每个数据的基本数据库(步骤S11)。接下来,收集处理装置122a读取基本数据库中的描述数据,并通过自然语言处理从读取的描述数据中生成分类向量。然后,收集处理装置122a通过将生成的分类向量与对应于说明性数据的分类代码相关联而存储分类向量(步骤S12)。
收集处理装置122a对基本数据库中的所有说明数据执行步骤S12的过程(步骤S13/否,步骤S12)。收集处理装置122a通过对所有说明数据执行步骤S12的处理来构建用于分类的数据库4a(步骤S13/是)。收集处理装置122a可以并行地执行步骤S 11的处理和步骤S12和S13的处理。
参考图29,描述了变型1中的数据管理装置的操作流程,该数据管理装置将分类数据分配给非专利文件的信息。首先,收集处理装置122a获取未分类信息,即日期在先信息中的非专利文件的信息(步骤S21)。接下来,收集处理装置122a从未分类信息中提取要分类的数据(步骤S22)。接下来,收集处理装置122a通过将要分类的数据转换成含义向量来生成未知向量(步骤S23)。如果收集处理装置122a将通过自然语言处理对所有未分类信息进行向量化作为目标,则步骤S22是不必要的。
接下来,收集处理装置122a将所生成的未知向量与分类用数据库4a中的每个分类向量进行比较,并确定未知一致度,未知一致度是未知向量与每个分类向量之间的一致度(步骤S24)。收集处理装置122a识别与未知向量具有最小一致未知度的分类向量(步骤S25)。然后,收集处理装置122a将在步骤S25中识别的分类向量与分类数据关联到对应于未知向量的未分类信息并将其存储,其中分类数据是对应于分类向量的分类代码中的至少一个(步骤S26)。这样,可以以与分类信息相同的方式处理未分类信息。换言之,通过将分类数据进行链接的过程,可以使未分类信息成为主相关信息Da和子相关信息Db的目标。
接下来,参考图30和图31,说明了在变型1的数据管理方法中获得每项目标权利的评级分数的操作流程。在本部分中,示出了以一个句子为单位将日期在先信息中的分割目标信息进行向量化的示例。
首先,匹配处理装置226从对象权利中提取权利要求(步骤S31)。匹配处理装置226从提取的权利要求中提取权利要求1,并对权利要求1进行划分。即,匹配处理单元226根据预先设定的划分条件将权利要求1划分成权利要求要素。可以根据权利要求的上位性质、权利要求的类别等为每项权利要求单独设置划分条件(步骤S32)。
接下来,匹配处理装置226将一个权利要求要素转换成第一向量(步骤S33)。此外,匹配处理装置226获得一个日期在先信息(步骤S34)。然后,匹配处理装置226以一个句子为单位对诸如日期在先信息中的描述等要分割的信息进行向量化,并且针对各句子生成作为含义向量的第二向量。
接下来,匹配处理装置226确定分割一致度,分割一致度是第一向量与每个第二向量之间的一致度,并且存储所获得的与每个第二向量对应的句子相关的分割一致度(步骤S36)。然后,匹配处理单元226针对所获得的全部分割一致度,判断分割一致度是否小于或等于对比阈值(步骤S37)。如果划分一致度小于或等于对比阈值(步骤S37/是),则匹配处理装置226设立指示与划分一致度有关的权利要求要素与句子之间存在高语义关联的关联标志(步骤S38)。另一方面,如果划分一致度大于对比阈值(步骤S37/否),则匹配处理装置226转移到步骤S39的过程。
在完成了第一向量与日期在先信息的所有第二向量之间的分割一致性的计算以及所有分割一致性的判断过程(步骤S36至S38)之后,匹配处理装置226基于所有获得的分割一致性来确定权利要求要素与日期在先信息之间的总一致度。例如,匹配处理装置226可以使用低于对比阈值的分割一致度的平均值或标准差作为总一致度。匹配处理装置226可以从低于对比阈值的分割一致度中提取指定数量的分割一致度,并且使用所提取的分割一致度的平均值或标准差作为总一致度。匹配处理装置226可以使用低于对比阈值的分割一致度中的最小一个作为总一致度。然后,匹配处理装置226通过将确定的总的一致度与权利要求要素和日期在先信息相关联来存储确定的总一致度(步骤S39)。
接下来,匹配处理装置226确定所获得的总一致度是否小于或等于总阈值(步骤S40)。如果总一致度小于或等于总阈值(步骤S40/是),则匹配处理装置226设立指示权利要求要素和与总一致度有关的日期在先信息之间存在高语义相关性的匹配标志(步骤S41)。另一方面,如果总一致度大于总阈值(步骤S40/否),则匹配处理装置226转到步骤S42的过程。
如果在由提取处理装置225提取的多个日期在先信息中存在任何未处理的日期在先信息(步骤S42/是),则匹配处理装置226转到步骤S34。即,匹配处理装置226对所有的日期在先信息执行从步骤S34到步骤S41的一系列过程。
在完成对所有日期在先信息的比较判断过程(步骤S42/否)之后,匹配处理装置226判断权利要求1中是否存在未处理的权利要求要素,即,权利要求1是否存在未处理的第一向量(步骤S43)。比较判断过程是指图30的一系列步骤S36至S41,或者与所述过程类似的过程。如果没有未处理的第一向量(步骤S43/否),则匹配处理装置226转到步骤S45的过程。另一方面,如果存在未处理的第一向量(步骤S43/是),则匹配处理装置226在第一向量和所有日期在先信息的每一个的多个第二向量之间执行比较判断过程。如果存在多个未处理的第一向量,则匹配处理单元226对所有的第一向量执行比较判断过程。由此,匹配处理装置226完成与权利要求1的所有权利要求要素和所有日期在先信息的每个组合相关联的总匹配度的推导(步骤S44)。
接下来,匹配处理装置226识别主相关信息Da,主相关信息是被假定为最接近权利要求1的日期在先信息。主相关信息Da是作为确立驳回新颖性或创造性逻辑的主要部分的日期在先信息,并且对应于在日本称为“主引用发明”和在欧洲称为“最接近的现有技术”的信息。匹配处理装置226例如将具有最多匹配标志数量的日期在先信息指定为主相关信息Da(步骤S45)。
接下来,匹配处理装置226判断在目标权利中是否存在任何未处理的权利要求(步骤S46),如果不存在未处理的权利要求(步骤S46/否),则转到步骤S49的过程。另一方面,如果存在未处理的权利要求(步骤S46/是),则匹配处理装置226对未处理的权利要求应用划分处理,并将权利要求要素转换成第一向量(步骤S47)。然后,匹配处理装置226对全部生成的第一向量与主相关信息Da的每个第二向量进行比较判断过程(步骤S48),并且转到步骤S46的过程。
在完成所有权利要求的比较判断过程(步骤S46/否)之后,匹配处理装置226从所有日期在先信息中选择与主相关信息Da语义相关的一个或多个子相关信息Db。子相关信息Db可以与主相关信息Da组合使用,以构建用于驳回创造性的逻辑。例如,匹配处理装置226获得附加到主相关信息Da的分类向量和附加到日期在先信息的分类向量之间的一致度,并且选择获得的一致度小于或等于子阈值的日期在先信息作为子相关信息Db。
匹配处理装置226可以选择多达预定指定数量的子相关信息Db。在这种情况下,匹配处理装置226可以从子相关信息Db按顺序选择子相关信息Db,其中假定子相关信息Db在驳回创造性方面更有用。例如,对于权利要求1的每个权利要求要素,匹配处理装置226可以优先选择这样的日期在先信息作为子相关信息Db,即对于主相关信息Da不具有匹配标志的权利要求要素,所述日期在先信息对于所述权利要求要素具有匹配标志。或者,对于所有权利要求的每个权利要求要素,匹配处理装置226可以优先选择这样的日期在先信息作为子相关信息Db,即对于在主相关信息Da中不具有匹配标志的权利要求要素,该日期在先信息对于该权利要求要素具有匹配标志(步骤S49)。
接下来,匹配处理装置226分别执行从属权利要求(权利要求2及之后的权利要求)的所有第一向量与每个子相关信息Db的多个第二向量之间的比较判断过程。如此完成了对象权利中的每个权利要求要素与主相关信息Da和所有子相关信息Db之间的总一致度的计算,并且创建了如图23所示的一致性数据库(步骤S50)。
评级处理装置227基于对象权利中的每个权利要求要素与主相关信息Da和全部子相关信息Db之间的总一致度,来确定每项权利要求的个体分数。评级处理装置227可以通过上述方法中的任何一种来确定权利要求的个体评估值,并且根据所确定的个体评估值来确定个体分数(指的是“基于总一致度的平均值或标准差的计算”和“基于一致性标志的百分比的计算”)。在这种情况下,例如,可以将使对应于个体评估值的多个数值范围与多个个体分数相关联的分数表存储在存储器单元23等中。然后,评级处理装置227可以通过将获得的个体评估值参考分数表来确定个体分数。替代性地,可以将分级设置的多个个体分数和与个体分数之间的数值边界相对应的多个阈值存储在存储器单元23等中,并且评价处理装置227可以从所获得的个体评级值与阈值之间的比较过程获得个体分数。评级处理装置227可以直接确定个体分数,如在上文描述的“通过对新颖性和创造性进行逐步评估来计算个体分数”中(步骤S51)。
接下来,评级处理装置227确定临时分数、临时总体分数。例如,当在权利要求部分中仅存在一项权利要求时,评级处理装置227可以使用个体分数作为临时分数。当在权利要求部分中存在多项权利要求时,评级处理装置227可以使用最高的个体分数作为临时分数。另外,当在权利要求部分中存在多个权利要求时,评级处理装置227可以将所有的个体分数转换成数值,并且通过使用每个转换后的数值进行计算来获得临时分数。在这种情况下,优选地,为分级设定的个体分数中的每一个分配用于转换的数值。然后,可以通过对从所有数字转换的个体分数的每个值中获得的计算值进行阈值处理等来获得临时分数(步骤S52)。
只要存在未处理的目标权利(步骤S53/是),评估处理装置122b就对这些目标权利执行步骤S31至S52的一系列过程。换言之,匹配处理装置226对所有目标权利执行一系列步骤S31至S52,并且获得和存储所有目标权利的每一项的个体分数和临时分数。当完成了为所有目标权利中的每一项确定个体分数和临时分数的过程时(步骤S53/否),评级处理方法227通过将每个目标权利的临时分数等彼此进行比较来调整每个目标权利的临时分数,并确定指示目标权利中的相对有效性的总分数。
评级处理装置227根据需要对临时分数进行校正,然而,临时分数和总体分数可以是相同的。评级处理装置227可以确定指示根据预定条件分类的组中的所有对象权利的相对有效性的总体分数。例如,总体分数可以表示在对象权利的发明或装置所属技术领域中的相对有效性,也可以表示在对象权利的提交日期所属任何时间段中的相对有效性(步骤S54)。
之后,在针对每个更新周期更新数据库5a时,评估处理装置122b基于世界各国的权利相关信息的差异,计算已为其修正权利要求等的对象权利和已经添加的对象权利的评级分数等。此时,评估处理装置122b基于改变执行最小更新过程,比如仅更新已经进行修改的权利要求的个体分数等。然后,评估处理装置122b对每个总体分数执行相对调整,以实现所有对象权利之间的一致性或基于预定分类的多个对象权利之间的一致性。接下来,构建处理装置22c基于由评估处理装置122b添加或改变的信息更新输出数据库部分25中的数据库,并且信息处理装置32a基于该数据库更新数据库5a。
以上对操作的说明是按照图30和图31所附的步骤编号的顺序给出的,但是不限于此。例如,可以按顺序交换或者并行执行对权利要求的处理(步骤S31至S33)和对日期在先信息的处理(步骤S34和S35)。另外,尽管上文示出了以单个句子为单位对要划分成日期在先信息的信息进行向量化的示例,但是匹配处理装置226可以将两个或更多个句子一起转换成单个第二向量。对于每个日期在先信息,要向量化的句子的数量不必是一致的,并且例如可以根据句子的长度来确定要组合的句子的数量。然而,为了以高准确性识别高度相关的描述部分,基于逐句的向量化是优选的。通过在经由数据提供设备30提供给诸如信息终端40等外部设备的数据中包括关于与每个句子相对应的关联标志的信息以及每个目标权利的评级分数,可以清楚地指示在哪里描述了与权利要求要素具有相对较高相关性的内容,从而提升了易用性。匹配处理装置226可以仅设立关联标志和匹配标志中的一个,或者可以两者都不设立。
评级处理装置227可以省略确定临时分数的步骤S52的处理。在这种情况下,评级处理装置227基于由匹配处理装置226获得的每个总一致度,确定作为目标权利的有效性的指标的总体评估值。评级处理装置227可以通过使用个体评估值的操作、通过使用总一致度的操作、或者通过使用个体评估值和总一致度两者的操作来确定总体分数。如果权利要求部分中仅存在一项权利要求,则可以使用个体评估值作为总体评估值。即使存在多项权利要求,也可以使用与每项权利要求相对应的个体评估值之一作为总体评估值。即,变型1的分析处理部分22A的目的在于确定每项权利要求的个体分数和每个对象权利的总体分数。只要能够实现该目的,可以适当地改变配置和处理过程。
参考图32,说明了变型1的数据管理方法中的从新颖性和创造性的角度导出个体分数的操作的示例。图32是展示导出作为分析对象的权利要求的个体分数的过程的流程图。下面是过程的示例,其中个体分数按从高到低的顺序设定为“AAA”、“AA”、“A”、“BBB”、“BB”、“B”、“CCC”、“CC”、“C”和“D”。评估处理装置122b从在图31的步骤S45中识别的主相关信息Da和在图31的步骤S49中选择的子相关信息Db中提取每个日期在先信息,并执行以下过程。
评估处理装置122b确定是否请求对要分析的权利要求进行无效审判。由收集处理装置122a预先从外部收集指示已经请求对该权利要求进行无效审判的信息作为权利相关信息或发明相关信息,并将其存储在收集数据库部分24等中(步骤S61)。如果请求对该权利要求进行无效审判(步骤S61/是),则评估处理装置122b将该权利要求的个体分数设置为“D”(步骤S62)。如果没有要求对该权利要求进行无效审判(步骤S61/否),则评估处理装置122b确定是否存在满足所有权利要求要素的日期在先信息,即,是否至少一个日期在先信息满足所有权利要求要素(步骤S63)。
如果存在满足所有权利要求要素的日期在先信息(步骤S63/是),则评估处理装置122b根据满足所有权利要求要素的日期在先信息的数量确定个体分数(步骤S64)。在图32的示例中,当存在满足所有权利要求要素的日期在先信息时,评级处理方法227为权利要求分配“CCC”或更低的个体分数。在变型1中,“CCC”或更低的分数不与新颖性相关联。更具体地,当存在三个或更多个日期在先信息满足全部权利要求要素时,评估处理装置122b将权利要求的个体分数设定为“C”(步骤S65)。当存在两个日期在先信息满足全部权利要求要素时,评估处理装置122b将权利要求的个体分数设定为“CC”(步骤S66)。当仅存在一个日期在先信息满足所有权利要求要素时,评估处理方法122b将权利要求的个体分数设定为“CCC”(步骤S67)。然后,评估处理装置122b例如基于与满足全部权利要求要素的日期在先信息相关联的总一致度和日期在先信息的数量确定个体评估值(步骤S68)。
如果没有满足所有权利要求要素的日期在先信息(步骤S63/否),则评估处理装置122b确定是否存在仅不满足一个权利要求要素的日期在先信息,即,对于仅一个权利要求要素具有新颖性的日期在先信息(步骤S69)。如果存在仅不满足一个权利要求要素的日期在先信息(步骤S69/是),则评估处理装置122b确定是否存在可以补充该日期在先信息的日期在先信息,即,满足该日期在先信息不满足的权利要求要素的日期在先信息(步骤S70)。在此,仅不满足一个权利要求要素的日期在先信息称为“主相关信息”。
如果存在主相关信息不满足但满足其一个权利要求要素的日期在先信息(步骤S70/是),则评估处理装置122b将权利要求的个体分数设定为“B”(步骤S71)。然后,例如,评估处理装置122b使用与一个或多个主相关信息相关联的总一致度和可以补充主相关信息的与一个或多个日期在先信息相关联的总一致度来确定个体评估值(步骤S68)。如果不存在主相关信息不满足但满足权利要求要素这样的日期在先信息(步骤S70/否),则评估处理方法122b为权利要求分配“A”或更高的个体分数。在变型1中,存在创造性时分配“A”或更高的分数。在图32中,示出了为权利要求分配个体分数“A”的示例(步骤S70)。然后,评估处理装置122b使用例如与一个或多个主相关信息相关联的总一致度来确定个体评估值(步骤S68)。
如果没有仅不满足一个权利要求要素的日期在先信息(步骤S69/否),则评估处理装置122b提取具有最少数量的不满足的权利要求要素的日期在先信息。在此要提取的日期在先信息称为“主相关信息”。评估处理装置122b判断是否存在能够单独地补充主相关信息的日期在先信息,即,是否存在主相关信息不满足但单独地满足所有多个权利要求要素的任一日期在先信息(步骤S73)。如果存在多个能够单独地补充主相关信息的日期在先信息(步骤S73/是,步骤S74/是),则评估处理装置122b为权利要求分配个体分数“BB”(步骤S75)。如果仅存在一个可以单独地补充主相关信息的日期在先信息(步骤S74/否),则评估处理装置122b为权利要求分配个体分数“BBB”(步骤S76)。然后,评估处理装置122b使用例如与主相关信息相关联的总一致度和可以单独地补充主相关信息的日期在先信息来确定个体评估值(步骤S68)。
如果没有可以单独地补充主相关信息的日期在先信息(步骤S73/否),则评估处理装置122b确定是否可以由多个日期在先信息补充主相关信息。在此,主相关信息可以由多个日期在先信息补充的情况意味着存在主相关信息不满足但满足多个权利要求要素中的至少一个权利要求要素的日期在先信息,并且这样的日期在先信息的组合满足主相关信息不满足的多个权利要求要素中的全部(步骤S77)。如果主相关信息可以由多个日期在先信息补充(步骤S77/是),则评估处理装置122b为权利要求分配个体分数“BBB”(步骤S78)。然后,评估处理装置122b使用例如与主相关信息相关联的总一致度和可以补充主相关信息的多个日期在先信息来确定个体评估值(步骤S68)。
在即使将多个日期在先信息进行组合也不能补充主相关信息的情况下(步骤S77/否),评估处理装置122b为权利要求分配“A”或更高的个体分数。在即使将多个日期在先信息进行组合也不能补充主相关信息的情况下,例如,通过以下条件来确定要分配的个体分数“A”、“AA”或“AAA”。
条件(a):其他日期在先信息满足主相关信息不满足的多个权利要求要素中的至少一个。条件(b):不存在其他日期在先信息满足主相关信息不满足的多个权利要求要素。
在满足条件(a)的情况下,可以为权利要求分配“A”或“AA”。可以根据主相关信息所不满足的权利要求要素的数量、可以通过将多个日期在先信息进行组合来补充的权利要求要素的数量等来判断使用“A”还是“AA”。在满足条件(b)的情况下,可以为权利要求分配“AAA”。
对于某一个权利要求,评级处理装置227可以使用与主相关信息相关联的总一致度和与该权利要求相关联的全部或部分日期在先信息相关联的总一致度来确定该权利要求的个体分数。例如,当通过选择条件缩小子相关信息Db的范围时,评级处理装置227可以将个体评级值确定为匹配标志的数量与权利要求要素的数量和由提取处理装置225提取的日期在先信息的总数的乘积的比率。在这种情况下,可以将作为“A”与“AA”之间的边界的第一阈值和作为“AA”与“AAA”之间的边界的第二阈值保存在存储器23等中。然后,评级处理装置227可以通过将获得的个体评级值与第一阈值和第二阈值中的至少一个进行比较来确定个体分数(步骤S79)。
评估处理装置122b通过如上所述的一系列步骤S61至S79获得每个对象权利中所包括的一项或多项权利要求的个体分数。以上对操作的说明是按照图32所附的步骤编号的顺序给出,然而,只要能够实现获得每项权利要求的个体分数的目的,每个过程的顺序可以改变。
如上所述,变型1中的数据分析设备20A包括匹配处理装置226,匹配处理装置将对象权利中的权利要求的一个或多个权利要求要素转换成第一向量(是含义向量),并且还将多个日期在先信息中的每一个的部分或全部转换成第二向量(是每个划分后的数据的含义向量)。匹配处理装置226通过将第一向量和第二向量相互比较来确定总匹配度,总匹配度是对象权利中的权利要素与每个日期在先信息之间的匹配度。数据分析设备20A还包括评级处理装置227,评级处理装置基于由匹配处理装置226确定的每个总一致度来确定个体分数,个体分数是权利要求的有效性的指标。评级处理装置227利用所有目标权利的个体分数来确定总分数,该总分数指示多个目标权利中的权利的相对有效性。这里,由于基于含义向量比较的总一致度反映权利要求要素和日期在先信息的语义相关性,所以基于总一致度获得个体分数和总分数使得能够以高精确度进行评级。
评级处理装置227可以基于由匹配处理装置226确定的每个总一致度来确定总体评级值,并且还可以通过对多项目标权利中的每一个的总评级值进行相对比较来确定指示多项目标权利中的权利的相对有效性的总体分数。通过这种方式,可以实现具有高准确性的评级。在这种配置中,评级处理装置227可以基于由匹配处理装置226确定的每个总一致度来确定个体分数。可以对每项权利要求请求无效审判或异议。换言之,权利有效还是无效是基于逐个权利要求来确定的。因此,不仅对每项对象权利的有效性有一定的要求,而且对每项权利要求的有效性也有一定的要求。在此,评级处理装置227具有获得某个对象权利的每项权利要求的个体分数的功能。这使得能够提供更真实的信息。
另外,匹配处理装置226根据与对象权利的权利要求相关联的权利要求要素和日期在先信息之间的总匹配度,识别作为与权利要求具有最高语义相似性的日期在先信息的主相关信息Da。然后,匹配处理装置226选择与识别的主相关信息Da具有相对较高的语义相关性的一个或多个日期在先信息Db作为子相关信息Db。即,匹配处理装置226从除主相关信息Da以外的每个子相关信息Db中选择与和主相关信息Da相关联的分类向量的一致度小于或等于子阈值的分类向量相关联的子相关信息Db作为子相关信息Da。评级处理装置227通过使用总一致度来确定权利要求的个体分数,总一致度是权利要求与主相关信息Da和一个或多个子相关信息Db之间的一致度。由于子相关信息Db是相对容易与主相关信息Da组合的日期在先信息,所以基于总一致度的个体分数等的准确性提高,并且因此可以提供高度可靠的关于对象权利的有效性的信息。
数据分析设备20A包括收集处理装置122a,该收集处理装置通过利用自然语言处理而将专利分类信息中包括的分类代码的每个说明数据向量化,来生成与每个说明数据相对应的分类向量。收集处理装置122a通过将层次数据与每个分类代码的所生成的分类向量相关联来生成分类数据库4a。因此,提取处理装置225可以利用分类数据库4a来细化日期在先信息。此外,匹配处理装置226可以利用分类数据库4a来识别主相关信息Da并选择子相关信息Db。
收集处理装置122a可以通过使用自然语言处理将日期在先信息中的部分或全部未分类信息进行向量化,来生成与未分类信息相对应的未知向量。收集处理装置122a可以将所生成的未知向量与分类数据库4a中的每个分类向量进行比较,并选择与未知向量具有最高语义相似度的向量。然后,收集处理装置122a可以通过将识别的分类向量中的至少一个与对应于分类向量的分类代码相关联来存储对应于生成的未知向量的未分类信息。通过这种方式,可以以与分类信息相同的方式处理未分类信息,即非专利文件中的信息。通过提取处理方法225和由匹配处理装置226对子相关信息Db的选择过程,可以扩展日期在先信息的缩小过程的范围。换言之,可以以高准确性扩大用于与权利要求要素进行对比的日期在先信息的范围,从而实现每项对象权利的高准确性有效性评级。例如,匹配处理装置226通过将分配给主相关信息Da的分类代码与分类数据库4a进行比较,来获得与分类代码相对应的分类向量。通过这种方式,匹配处理装置226可以从除主相关信息Da之外的每个日期在先信息中选择与主相关信息Da的分类向量的匹配度小于子阈值的分类向量相关联的日期在先信息作为子相关信息Da。
匹配处理装置226基于Transformer系统编码器通过自然语言处理来从权利要求要素生成第一向量,并从分割数据生成第二向量。对于由匹配处理装置226进行的自然语言处理,可以使用采用形态分析的方法。然而,通过使用基于用于转换到含义向量的Transformer系统编码器的自然语言处理,可以以更高准确性获得两个向量之间的语义相似度。与上述类似,从自然语言处理的准确性方面来看,收集处理装置122a可以通过基于变换器系统编码器的自然语言处理来生成分类向量和未知向量。
变型1的数据管理系统10包括:数据分析设备20A,该数据分析设备包括匹配处理装置226和评级处理装置227:以及数据提供设备30,该数据提供设备从数据库5a提取并提供与外部请求相对应的个体分数和总体分数中的至少一个,该数据库管理由评级处理装置227获得的多项目标权利中的每一项的个体分数和总体分数。这意味着数据提供装置30在接收到对数据的请求时不需要执行任何处理来评估权利的有效性,从而避免了处理单元和存储器的不必要使用,并快速地提供关于对象权利的有效性的信息。另外,数据库5a包含诸如由评级处理装置227获得的评级分数等信息。因此,用户可以通过在诸如在图11到图13所示出的屏幕上查看与每项权利相关联的评级分数来快速且准确地选择满足其需求的权利。
<变型2>参考图25,描述了变型2中的数据提供系统100的配置和操作。变型2的数据提供系统100具有与上述变型1类似的配置。该系统的特征在于,数据分析部分20B的分析处理部分22B具有基于公开可用的检索报告而单独地提取日期在先信息的功能。由于数据提供系统100的整体配置和操作与参考图1至图19描述的上述示例和变型1的配置和操作相同,因此省略了对这些等效配置的说明,并且使用相同的附图标记。
变型2的分析处理部分22B的评估处理装置222b具有检索学习装置328、文献估计装置329、评级处理装置327,以及变型1的评估处理装置122b所具有的每个功能配置。检索学习装置328通过基于包括在每个权利相关信息中的检索报告的机器学习来生成文献估计模型M11。文献估计模型M11是用于将基于目标权利的权利要求范围的数据作为输入并且输出与目标权利具有相对较高语义相关性的日期在先信息的经过学习的模型。由于文献估计模型M11是基于检索报告生成的,因此由文献估计模型M11输出的日期在先信息是检索报告中描述的专利文件和非专利文件。
例如,检索学习装置328通过使用多个检索报告中的所谓X文件或Y文件的识别号(申请号或公开号等)以及X文件或Y文件所关联的一个或多个权利要求作为教导数据来生成并更新文献估计模型M11。在此,X文件是与相应的权利要求特别相关的参考文献,并且单独地否认了该权利要求的新颖性或创造性。文件Y是与相应的权利要求特别相关的参考文献,并且该参考文献和一个或多个其他参考文献的组合否认创造性,这对于本领域技术人员是显而易见的。即,检索学习装置328通过将权利要求或权利要求要素用作学习数据(训练数据)并且将X文件或Y文件的识别号用作正确答案标签来进行机器学习,从而构建文献估计模型M11。更具体地,检索学习装置328利用通过对权利要求或权利要求要素应用自然语言处理而获得的信息作为学习数据。对于自然语言处理,可以使用诸如转换成含义向量的方法和使用形态分析的方法。
文献估计装置329将对象权利的基于权利要求范围的信息输入到基于权利要求范围的信息和检索报告中包括的被认为是驳回参考文献的文献信息而生成的文献估计模型M11中,并且对被认为是驳回对象权利的参考文献进行评估。文献估计装置329通过对目标权利的权利要求或权利要求要素应用自然语言处理来生成多项预定目标权利的输入数据。然后,文献估计装置329通过将生成的输入数据输入到文献估计模型M11中,来输出一个或多个日期在先信息的识别号或指示没有相关文献的信息。优选地,文献估计装置329对于目标权利中的所有权利要求或所有权利要求要素通过文献估计模型M11执行相关文献的输出。文献估计方法329可以对所有目标权利通过文献估计模型M11执行相关文献的输出,或者可以对满足预定条件的目标权利通过文献估计模型M11执行相关文献的输出。
评级处理装置327将由文献估计装置329估计的文献信息反映到个体分数和总体分数中的至少一个。评级处理装置327可以基于所有目标权利的总体评估值和文献估计装置329的输出结果来获得每个目标权利的总体分数。例如,如果由文献估计装置329确定的日期在先信息存在于所提取作为主相关信息Da或子相关信息Db的日期在先信息中,则评级处理装置327可以通过加权等来调整日期在先信息,使得日期在先信息的总一致度降低,然后再次确定对象权利的总体评级值。如果在提取为主相关信息Da或子相关信息Db的日期在先信息中没有发现由文献估计装置329获得的日期在先信息,则评级处理装置327可以添加日期在先信息作为子相关信息Db。在这种情况下,评级处理装置327使用由文献估计装置329确定的日期在先信息的总一致度来确定对象权利的新的总体评级值。评级处理装置327可以基于每项权利要求的个体评估值和文献估计装置329的输出结果来确定权利要求中的每一项的个体分数。在这种情况下,评级处理装置327可以使用与总体评估值相同的方法来确定个体评估值。
分析处理部分22B可以由诸如CPU或GPU等运算设备和与运算设备协作以实现上述和下述各种功能的数据分析程序P11组成。即,数据分析程序P11是使作为计算机的分析处理装置22B和存储单元23能够执行收集处理装置122A和存储单元23的程序。其他配置、替代性配置和操作与上述变体1中的相同。
如上所述,变体2中的数据分析设备20B具有文献估计装置329,文献估计装置将基于对象权利的权利要求范围的输入数据输入到基于检索报告中包括的被视为驳回权利要求的引用的参考文献的信息而生成的文献估计模型M11中,并且对被视为驳回对象权利的引用的参考文献进行估计。评级处理装置327将由文献估计装置329估计的文献信息反映到个体分数或总体分数中的至少一者。
<变型3>
参考图26,描述了变型3中的数据提供系统100的配置和操作。变型3的数据提供系统100具有与上述变型1相同的配置。数据分析设备20C的分析处理部分22C具有如下功能:基于公开披露的关于驳回原因的文件(驳回理由通知、驳回决定等)来估计每个对象权利包括因缺陷描述而导致无效的可能性。由于数据提供系统100的整体配置和操作与参考图1至图19描述的上述示例和变型1的配置和操作相同,因此对于等效配置,省略了说明,并使用相同的附图标记。
变型3的分析处理部分22C的评估处理装置322b包括缺陷描述学习装置428、缺陷估计装置429、评级处理装置427,以及变型1的评估处理装置122b的每个功能配置功能。缺陷描述学习装置428通过机器学习而生成缺陷估计模型M21,该机器学习是基于与缺陷描述相关的驳回理由通知和驳回理由通知所告知的申请的权利要求。在变型3中,缺陷描述是指违背了支持性要求、清楚性要求、可实施性要求等。
包含违背了支持性要求的驳回理由通知可以包括例如字母和数字的组合,比如日本的“第36.6.1条”、欧洲的“第84条”和美国的第“112(a)条”。包含违背了清楚性要求的驳回理由通知包括例如字母和数字的组合,比如日本的“第36.6.2条”、欧洲的“第84条”和美国的第“112(b)条”。包含违背了可实施性要求的驳回理由通知包括例如字母和数字的组合,比如日本的“第36.4.1条”、欧洲的“第83条”和美国的第“112(a)条”。这种指示与不完整描述相对应的条款编号的信息称为“不完整条款数据”。
缺陷描述学习装置428提取包括缺陷条款数据的多个驳回理由通知,并从每个提取的驳回理由通知中提取申请的识别号。而且,缺陷描述学习装置428基于所提取的识别号来获得该申请的权利要求。然后,缺陷描述学习装置428通过使用权利要求或权利要求要素作为训练数据以及使用关于描述不完整的信息作为正确答案标签来进行机器学习,从而生成并更新缺陷描述估计模型M21。更具体地,缺陷描述学习装置428利用通过对权利要求或权利要求要素应用自然语言处理而获得的信息作为学习数据。对于自然语言处理,可采用诸如转换成含义向量或使用形态分析的方法。在处理准确性方面,优选基于Transformer编码器的自然语言处理。缺陷描述估计模型M21是用于基于对象权利的权利要求而输入数据并输出缺陷百分比的学习模型,该缺陷百分比是对象权利导致与描述中的缺陷相关的无效原因的百分比。缺陷描述估计模型M21具有输出每项权利要求的缺陷率的功能。
缺陷估计装置429将基于对象权利中的权利要求范围的信息输入到缺陷描述估计模型M21中,该缺陷描述估计模型是基于与驳回理由相关的文件中包含的申请识别号和指示与描述中的缺陷相对应的条款号的缺陷条款数据而生成的。然后,缺陷估计装置确定缺陷率,该缺陷率是目标权利导致与缺陷描述相关的无效原因的比率。缺陷估计装置429通过对预先设定的多项目标权利的目标权利的权利要求或权利要求要素应用自然语言处理来生成输入数据。在处理准确性方面,缺陷估计装置429可以基于Transformer编码器执行自然语言处理。然后,缺陷估计装置429通过将所生成的输入数据输入到缺陷描述估计模型M21中来确定并存储对象权利及其权利要求的缺陷率。缺陷估计装置429可以通过缺陷描述估计模型M21对对象权利中的全部权利要求或全部权利要求要素执行缺陷率估计处理。缺陷估计装置429可以通过缺陷描述估计模型M21对全部对象权利执行缺陷率估计处理。
评级处理装置427将由缺陷估计装置429确定的缺陷率反映到个体分数和总体分数中的至少一个。例如,评级处理装置427可以将基于缺陷率的总调整值加到每个目标权利的总评估值上。在这种情况下,可以将使缺陷百分比与总调整值相关联的总调整表存储在存储器单元23等中。可以以缺陷率越高总调整值越小的方式形成总调整表。总调整值可以是正值、负值、或这些值的组合。可以使用将缺陷百分比与总调整值相关联的曲线图或函数来代替总调整表。根据该配置,评级处理装置427可以通过参考由缺陷估计装置429确定的缺陷百分比与总调整表等来确定总调整值。可以仅针对其缺陷率等于或大于预定缺陷阈值的目标权利将总调整值加到总体评估值上。
评级处理装置327可以将基于缺陷率的个体调整值加到每项权利要求的个体评估值上。例如,评级处理装置427可以将基于缺陷率的个体调整值加到每项权利要求的个体评估值上。在这种情况下,可以将使缺陷率和个体调整值相关联的个体调整表存储在存储器单元23等中。可以以缺陷率越高个体调整值越小的方式形成个体调整表。个体调整值可以是正值、负值、或这些值的组合。可以使用将缺陷百分比与个体调整值相关联的曲线图或函数来代替个体调整表。根据该配置,评级处理装置427可以通过参考由缺陷估计装置429确定的缺陷率的个体调整表等来确定个体调整值。可以仅针对缺陷率大于或等于预定缺陷阈值的权利要求将个体调整值加到个体评级值上。
分析处理单元22C可以由诸如CPU或GPU等运算设备和与运算设备协作以实现上述和下述各种功能的数据分析程序P21构成。换言之,数据分析程序P21是使作为计算机的分析处理单元22C和存储器单元23充当收集处理装置122a、评估处理装置322b和构建处理装置22c的程序。其他配置、替代性配置和操作与上述变型1中的相同。
如上所述,变型3中的数据分析设备20C包括缺陷估计装置429,缺陷估计装置通过将基于对象权利中的权利要求的信息输入到缺陷描述估计模型M21中来确定有关对象权利的缺陷率,该缺陷描述估计模型是基于包括在与驳回理由相关的文件中的申请的识别号和指示与缺陷相对应的条款号的缺陷条款数据而生成的。如上所述,变型3中的数据分析设备20C包括缺陷估计装置429,缺陷估计装置通过将基于对象权利中的权利要求的信息输入到缺陷描述估计模型M21中来确定有关对象权利的缺陷率,该缺陷描述估计模型是基于包括在与驳回理由相关的文件中的申请的识别号和指示与缺陷相对应的条款号的缺陷条款数据而生成的。然后,评级处理装置327配置为在个体分数和总体分数中的至少一个中反映缺陷估计装置429获得的缺陷率。因此,根据数据分析设备20C,在对对象权利的有效性进行评级时,不仅可以考虑违背新颖性和违背创造性,而且还可以考虑与描述缺陷有关的无效性原因,比如违背清楚性,从而提高了作为评级分数的个体分数和总体分数的准确性和可靠性。
评级处理装置327可以基于由缺陷估计装置429确定的缺陷率来确定与对象权利和权利要求中的至少一个相对应的缺陷分数作为评级分数之一,并将其存储在输出数据库部分25中。可以将缺陷分数作为指示关于描述中的缺陷的有效性的信息提供给公众。这满足了将新颖性和创造性与描述中的缺陷分开的需求。分析处理部分22C可以配置为不具有缺陷描述学习装置428,并且缺陷估计装置429可以使用外部生成的缺陷描述估计模型M21。其他效果等与上述变型1相同。
数据分析设备20C可以包括变型2的特征配置。即,评估处理装置322B可以配置为具有文献估计装置329。在这种情况下,文献估计模型M11存储在存储器23中或其他地方。评级处理装置327可以将由文献估计装置329估计出的文献的信息,以及由缺陷估计装置429确定的缺陷百分比反映到每个对象权利的评级分数中。评级处理装置322b可以配置为具有检索学习装置328。
<变型4>参考图35,描述了实施例1的变型4中的数据提供系统100的配置和操作。变型4的提供处理单元32的信息处理装置32a对于每个受让人具有计算成本削减估计金额的功能。成本削减估计金额是基于评级分数的计算金额,并且是如果放弃现有权利中的部分或全部而能够减少的年费估计金额。
图35示出了将评级分数与权重系数相对应的成本削减表的示例。成本削减表配置为使得权重系数随着评级分数从高到低而逐渐增加。成本削减表是存储在存储器部分33等中的表信息,并且评级分数和权重系数可以根据需要改变。例如,在存储器33中针对每个法律区域存储不同的成本削减表。在图35中,评级分数按从最高到最低的顺序为九个等级的示例:“AAA”、“AA”、“A”、“BBB”、“BB”、“B”、“CCC”、“CC”和“C”。图35中的权重系数仅仅是示例。即,可以根据需要设定和调整权重系数。
对于受让人的所有权利,信息处理方法32a通过将一项权利的剩余时间段的年费乘以与分配给该权利的评级分数相对应的权重因数,再将结果相加,来确定成本削减估计金额。信息处理装置32a通过将分配给权利的评级分数与成本削减表进行比较来确定与评级分数相对应的权重系数。信息处理装置32a将所获得的成本削减估计金额以及用于减少成本削减估计金额的信息存储在提供数据库部分35的数据库中。用于减少成本削减估计金额的信息包括关于要放弃的权利的信息。
在此,成本削减估计金额和用于减少成本削减估计金额的信息的组合称为成本削减信息。当用户经由信息终端40请求某个受让人的成本削减信息时,信息处理装置32a从提供数据库部分35中的数据库读取与请求有关的成本削减信息,并将其提供给用户。信息处理装置32a可以将成本削减信息存储在存储部分23中。
信息处理方法32a还可以基于预定较低等级的一个或多个评级分数来确定假设的成本削减金额。即,对于多项权利,信息处理装置32a可以通过根据已经被授予例如“C”或“CC”或“C”的某个受让人的权利的剩余时间段合计年费的总和来获得成本削减估计金额。信息处理方法32a可以使用关于自权利提交之日起经过的时间的信息来执行成本削减估计金额的计算。例如,信息处理方法32a可以使用上述方法中的每一种来计算自申请提交之日起经过的预定时间段的权利(比如自申请提交之日起已经超过10年的权利)的成本削减估计金额。
信息处理装置32a可以响应于用户的指令,通过上述方法中的每一种来确定成本削减估计金额。即,当用户经由信息终端40指定受让人和评级分数中的至少一个时,信息处理装置32a可以通过上述方法中的每一种来确定成本削减估计金额。当用户经由信息终端40指定受让人、评级分数中的至少一个,和从提交之日起经过的时间时,信息处理装置32a也可以通过上述方法中的每一种来获得成本削减估计金额。
如上所述,变型4的信息处理方法32a通过上述方法中的至少一种确定成本削减估计金额,并经由信息终端40向用户提供成本削减信息。因此,用户可以快速地获悉成本削减方法和成本削减金额,而无需执行任何专门的计算,因此可以执行经济实用的IP管理。例如,可以将用于计算估计金额的功能分配给分析处理部分22的构建处理装置22c。在这种情况下,构建处理装置22c可以将获得的成本削减信息存储在输出数据库部分25中的数据库中。由此,信息处理装置32a可以将成本削减信息存储在提供数据库部分35中的数据库中,并且可以适当地向用户提供成本削减信息。变型4的配置可以适用于上述变型1至变型3的配置。
实施例2
参考图36至图40,描述了与实施例2中的数据提供系统及其周围环境有关的配置等的示例,特别是与上述实施例1的不同。实施例2中的数据提供系统的特征在于,对所销售的产品的数量设定限制。对于与上述实施例1的数据提供系统中相同的配置,使用相同的附图标记,并且省略说明。
如图36所示,数据提供设备130具有通信单元31、数据提供单元132、存储器单元33和数据提供数据库35。存储器单元33存储与提供相关的各种数据(比如有效性数据)、以及数据提供单元132的操作程序(比如数据提供程序P20)。数据提供程序P20用于使安装在数据提供设备130中的计算机作为下文描述的数据处理装置132a、判定处理装置132b和选择处理装置132c。
提供处理部分132具有数据处理装置132a、判定处理装置132b和选择处理装置132c。判定处理装置132b判断所提供的权利的数量是否小于与已经提供的有效性数据有关的权利的预设限制。限制数被设定为大于或等于1的自然数,并且存储在存储器单元33等中。由于有效性数据也是可供买卖的商品,所以在下文中提供内容的数量也称为“销售数量”。选择处理装置132c响应于有效性数据的转售请求而从注册用户中选择一个或多个转售目的端。
数据处理装置132a是基于与多项工业产权相关的信息来构建的,并且从包含与多项工业产权中的每一项的有效性有关的有效性数据的数据库中提取和提供与外部请求相对应的有效性数据。当判断处理装置132a通过判定处理装置132b确定销售数量大于限制数量时,数据处理装置132a向信息终端40发送关于无法提供对应于与所述评定相关的工业产权的有效性数据。数据处理装置132a具有通过执行在存储器单元33中增加或减少销售数量的过程来管理销售数量的功能。
另外,数据处理装置132a具有如下功能:当接收到有效性数据转售申请时,向与有效性数据的销售目的端有关的信息终端40发送转售询问信息。此外,数据处理装置132a具有如下功能:当存在来自与有效性数据的销售目的端有关的信息终端40的关于处理购买的有效性数据转售请求时,数据处理装置向与由选择处理装置132c选择的一个或多个转售目的端相对应的信息终端40发送销售推广信息。信息处理装置132a的其他配置与前述实施例1中的数据处理装置32a的配置相同。
接下来,参考图37的流程图,描述了当用户处理产品购买时实施例2的数据提供方法的操作的示例。本部分集中于数据提供设备30的操作,并假定用户已经通过初始屏幕G1等登录数据提供设备30的系统。
当判定处理装置132b从信息终端40接收到购买产品的请求时(步骤S301),判定处理装置判断所销售的产品的数量是否小于限制(步骤S302)。如果所销售的商品数量大于限制(步骤S302/否),则数据提供单元32向信息终端40发送无法购买通知。信息终端40从而经由终端显示单元47或通知部分通知用户无法购买所指定的产品(步骤S303)。另一方面,如果所销售的产品数量小于限制(步骤S302/是),则数据提供单元32向信息终端40发送可购买的通知(步骤S304)。
数据提供单元32等待来自信息终端40的购买请求,直到允许时间结束(步骤S305/否,步骤S306/否),并且当有购买请求从信息终端40发送时(步骤S305/是),数据提供单元向支付服务器600发送支付请求(步骤S307)。另一方面,如果数据提供单元32直到允许时间结束都没有接受到来自信息终端40的购买请求(步骤S305/否,步骤S306/是),则数据提供单元向信息终端40发送错误信号。然后,信息终端40经由终端显示单元47或通知部分来通知用户超时(步骤S308)。
数据提供单元32等待来自支付服务器600的支付通知,直到等待时间结束(步骤S309/否,步骤S310/否),并且当有支付通知从支付服务器600发送时(步骤S309/是),数据提供单元向信息终端40提供与购买有关的产品(步骤S311)。然后,数据提供单元32增加产品的销售数量(步骤S312)。
另一方面,如果直到等待时间结束都没有从支付服务器600发送支付通知(步骤S309/否,步骤S310/是),则数据提供单元32向信息终端40发送错误信号。然后,信息终端40经由终端显示单元47或通知部分通知用户超时(步骤S313)。
接下来,参考图38的时序图,描述了当用户申请产品转售时实施例2的数据提供方法的操作的示例。在图38中,假定信息终端40A是已经购买了待转售商品的用户所使用的信息终端40,而信息终端40B是尚未购买待转售商品的用户所使用的信息终端40。在此假定每个信息终端40的用户已经通过初始屏幕G1等登录数据提供设备30的系统。
信息终端40B的终端处理单元42在接收到用户的转售申请时(步骤S401),向数据提供设备30发送转售申请信息(步骤S402)。选择处理装置132c基于转售申请信息选择一个或多个交易对象(步骤S403)。然后,选择处理装置132c向是所选择的待处理对象的信息终端40A发送转售申请信息(步骤S404)。
信息终端40A的终端处理单元42使转售许诺的通知显示在终端显示单元47上,或者向报告单元报告(步骤S405)。终端处理单元42响应于用户操作而使关于转售通知的详细信息显示在终端显示单元47上(步骤S406)。当终端处理单元42接收到用户的接受转售许诺的指令时(步骤S407),终端处理单元42向数据提供设备30发送接受信息(步骤S408)。
数据处理装置132A在接收到接受信息时向信息终端40B发送转售确认信息(步骤S409)。信息终端40B的终端处理单元42在接收到用户的购买指令时(步骤S410)向数据提供设备30发送购买请求(步骤S411)。数据处理装置132A实施如图18的步骤S 119至S 124中的结算过程(步骤S412)。然后,数据提供设备30向信息终端40提供与用户购买相关的产品(步骤S413)。
接下来,参考图39的时序图,描述了当用户请求产品转售时实施例2的数据提供方法的操作的示例。图39中的信息终端40A和40B的假设与图38中的相同。假定每个信息终端40的用户已经通过初始屏幕G1等登录数据提供设备30的系统。
信息终端40A的终端处理单元42在接收到用户的转售请求指令时(步骤S501)向数据提供设备30发送转售请求信息(步骤S502)。选择处理装置132c根据转售请求信息从注册用户中选择一个或多个转售目的端(步骤S503)。数据处理装置132a向与由选择处理装置132c选择的一个或多个转售目的端相对应的信息终端40B发送销售推广信息(步骤S504)。
信息终端40B的终端处理单元42使推广的通知显示在终端显示单元47上,或者向报告单元报告(步骤S505)。终端处理单元42响应于用户操作而使关于转售请求的详细信息显示在终端显示单元47上(步骤S506)。终端处理单元42在接收到用户的购买指令时(步骤S507)向数据提供设备30发送购买请求通知(步骤S508),并且数据处理装置132a向信息终端40A发送可转售通知(步骤S509)。
信息终端40A的终端处理单元42在接受了用户的转售指令时(步骤S510)向数据提供设备30发送转售实施请求(步骤S511),并且选择处理装置132c向信息终端40B发送转售确认信息(步骤S512)。信息终端40B的终端处理单元42在接收到用户的购买指令时(步骤S513)向数据提供设备30发送购买请求(步骤S514)。数据处理装置132a以与图18中的步骤S119至S 124相同的方式实施结算过程(步骤S515)。然后,数据提供设备30向信息终端40提供用户购买的产品(步骤S516)。其他操作与实施例1的情况相同。
顺便提及,图37示出了当从信息终端40接收到产品的购买请求时,判定处理装置132b确定所销售的产品的数量是否小于限制的示例。在购买产品时,由数据处理装置132a增加所销售的产品的数量。此时,判定处理装置132b可以确定商品的销售数量是否小于限制数。如果判断处理装置132a确定销售数量大于限制,则判定处理装置132b可以向信息终端40提供关于无法提供对应于判断相关的权利的产品的信息。替代性地,数据处理装置132a可以在产品购买相关的屏幕(用户屏幕G2、基本屏幕G3、详情屏幕G4、列表屏幕G5等)上的信息中包括关于特定产品不可销售的信息。
通过这种方式,信息终端40的终端处理单元42可以在终端显示单元47上指示无法提供一些产品,例如,如图40所示出的。在图40中,作为示例示出了将条形图的形式更改为关于产品无法购买的信息的方法(参见图40中的七月到九月),但是不限于此方法,可以由文本或图标来指示产品无法购买。终端处理单元42可以在终端显示单元47的显示屏幕上显示例如用于申请产品转售的报价按钮W,以及产品不可购买的信息。
如上所述,实施例2的数据提供设备130设计成从预先建立的数据库中提取与外部请求相对应的有效性数据。因此,数据提供设备130在接收到数据请求时无需执行处理来评估权利的有效性,从而减少了处理部分和存储器的使用浪费,并且使得能够迅速地提供关于工业产权有效性的信息。
数据提供单元132具有判定处理装置132b,判定处理装置132b确定提供有有效性数据的权利的数量(销售数量)是否小于限制。当判定处理装置132b确定提供内容的数量大于限制数量时,数据处理装置132a向信息终端40发送无法提供的信息。因此,信息终端40可以借助于终端显示单元47(参见图40)或通知部分来预先告知用户无法购买特定产品。
当在信息终端40指定了权利时,判定处理装置132b可以确定与所提供的权利相对应的有效性数据的数量是否小于限制。如果判断处理装置132a确定提供内容的数量大于限制,则判定处理装置132b可以向信息终端40发送声明无法提供对应于与该评定相关的权利的有效性数据的信息。通过这种方式,信息终端40仍然可以借助于终端显示单元47或通知部分来通知用户无法购买指定相关的产品。
顺便提及,由于诸如随着时间的推移已经实现了其预期用途等原因,诸如有效性数据等与工业产权相关的产品可能对于购买产品的用户而言变得不太必要。就此而言,数据处理装置132a具有如下功能:当接收到有效性数据转售申请时,向与有效性数据的销售目的端有关的信息终端40发送转售询问信息。因此,通过向用户和具有多余产品的其他人推广转售,可以有效地利用信息资源。在此,当存在多个产品销售者时,选择处理装置132c可以选择所有销售者作为发送转售建议信息的目的端,或者可以基于产品的所有权期限、操作历史和其他因素来选择发送转售建议信息的目的端。
选择处理装置132c具有响应于有效性数据的转售请求而从注册用户中选择一个或多个转售者的功能。数据处理装置132a在从与有效性数据的转售者相关联的信息终端40接收到有效性数据的转售请求时,向与转售目的端相对应的信息终端40发送与处理由选择处理装置132c选择的一个或多个转售目的端有关的推广信息。因此,可以满足转售源的用户和转售目的端的用户两者的需求,并且可以实现信息资源的有效使用。尽管实施例2中的描述集中于有效性数据的转售处理,但是不限于此,数据提供设备130还可以以与上述相同的方式执行与工业产权相关的其他产品的转售处理。其他效果和替代配置与实施例1中相同。变型1至4的上述配置中的每一种也可以应用于实施例2的数据提供系统100。
上述实施例中的每一个是数据提供设备、数据管理系统、数据提供系统、数据提供程序、数据分析程序、记录有数据提供程序或数据分析程序的计算机可读记录介质、数据提供方法,以及数据管理方法的特定示例,本发明的技术范围并不限制于这些方面。例如,图2示出了数据提供系统100由数据分析设备20、数据提供设备30和一个或多个信息终端40构成的示例,但不限于此。数据提供系统100可以由数据提供设备30和一个或多个信息终端40构成,并且可以不包括数据分析设备20。图2还示出了数据管理系统10配置有两个服务器的示例,但不限于此。数据管理系统10可以配置有具有数据分析设备20的配置和功能以及数据提供设备30的配置和功能的单个服务器。在这种情况下,数据管理系统10可以配置为不具有输出数据库部分25和数据提供数据库35中的任何一个。
此外,分析处理单元22也可以配置为不具有翻译处理装置121。然而,最好使用翻译处理装置121来统一核心数据的语言,然后实施学习和估计阶段来确保可以构建准确性高且多样的数据管理系统10。分析处理单元22可以配置为不具有预处理装置122。然而,如果提供了预处理装置122,则可以提高机器学习的准确性,并且可以提供可靠性高的产品。在上述实施例中的每一个中,示出了将评级分数设定为7级或9级的示例,但评级分数不限于此,可以对评级分数进行任意级数的设定。
在上文中,图4至图17以及图40是终端显示单元47的显示屏幕的示例。然而,每个显示屏幕的模式不限于上述图中所示的模式,并且可以适当地选择和舍弃显示屏幕的各个部分。另外,每个显示屏幕可以采用下拉UI而非手动输入框、滚动式UI而非下拉UI等等。数据提供系统100还可以提供付费用户与未付费用户之间所提供的信息量的差异。可以任意地设定和改变要付费的信息。
变型1示出了分析处理单元22A生成32维语义向量的示例,但是语义向量的维度不限于此。变型1描述了从1减去余弦相似度来确定一致度的方法。然而,该方法不限于此,可以直接将余弦相似度用作一致度。然而,从计算准确性的角度来看,优选地使用从1减去余弦相似度而确定的一致度。
附图标记
4a:分类数据库
5a:数据库
10:数据管理系统
20、20A-20C:数据分析设备
21:通信单元
22、22A-22C:分析处理单元
22a、122a:收集处理装置
22b、122b、222b、322b:评估处理装置
22c:构建装置
23:存储器单元
24:收集数据库部分
25:输出数据库部分
30、130:数据提供设备
31:通信单元
32、132:数据提供单元
32a、132a:数据处理装置
33:存储器单元
35:数据提供数据库
40、40A、40B:信息终端
41:终端通信单元
42:终端处理单元
43:终端存储器单元
46:终端输入单元
47:终端显示单元
46a:检索部分
100:数据提供系统
121、221:翻译处理装置
122:预处理装置
123:学习处理装置
124:估计处理装置
132b:判定处理装置
132c:选择处理装置
225:提取处理装置
226:匹配处理装置
227、327、427:评级处理装置
328:检索学习装置
329:文献估计装置
428:缺陷描述学习装置
429:缺陷估计装置
500:数据提供服务器
600:支付服务器
A:检索部分
A1:输入窗口
A2:检索按钮
B:排名指令部分
B1:排名按钮
B2:ESG按钮
C:仪表板部分
D1:第一排名部分
D2:第二排名部分
E1:指定按钮
E2:确认按钮
E3:购买按钮
G1:初始屏幕
G2:用户屏幕
G3:基本屏幕
G4:详情屏幕
G5:列表屏幕
G6:受让人屏幕
G7:权利屏幕
G8:ESG总体屏幕
G9:ESG个体屏幕
G10:发明人屏幕
Gx:购买屏幕
H:支付方法部分
J1:公告部分
J2:特定信息部分
K1:第一数据
K2:第二数据
K3:列表显示部分
K4:时间段指定窗口
L:登录按钮
L1:个体评级部分
L2:排序指定部分
L3:公开文件按钮
L4:列表部分
L5:文件部分
L6:进展信息部分
L7:发明人信息部分
La:排名优先键
Lb:ESG优先键
LC:年费优先键
Lo:总体评估部分
M1:估计模型
M11:文献估计模型
M21:缺陷描述估计模型
N:网络
P:内容部分
P1、P11、P21:数据分析程序
P2、P20:数据提供程序
Q:金额栏
Q1:公开文件部分
Q2:详细列表部分
Q3:选择部分
Qa、Za、Zd、Zk:显示部分
Qb、Zb、Ze、Zm:扩展按钮
Qc、Zc、Zf、Zn:列表部分
Qx:分数部分
Qy:文件列表部分
Qz:相关性显示部分
R1:比较数据
R2:排名部分
R3:详细分析部分
S1:选择框
S2:专利号部分
S3:备注部分
T:时间段显示部分
U:用户名显示部分
V1:列表显示部分
V2:评估部分
W:报价按钮
X:注册按钮
Y:登出按钮
Z1:调用部分
Z2:分数指定部分
Z3:顺序指定部分
Zo:文件号部分。
Claims (39)
1.一种数据提供设备,包括:
数据提供单元,配置为从数据库提取和提供与外部请求相对应的有效性数据,所述数据库是基于与多项工业产权相关的信息来构建的,并且管理与所述多项工业产权中的每一项的有效性有关的有效性数据,并且
其中,所述有效性数据包括指示所述多项工业产权中的相对有效性的评级分数。
2.根据权利要求1所述的数据提供设备,
其中,所述评级分数是所述工业产权中的专利权的有效性的指标,并且
其中,所述有效性数据包括与所述专利权的有效性相关的技术信息。
3.根据权利要求2所述的数据提供设备,其中,所述数据提供单元针对包含多个技术信息的所述有效性数据,按照与所述有效性数据相关的所述专利权的关联度的顺序将所述数据库中的每个技术信息进行排序。
4.根据权利要求2或3所述的数据提供设备,其中,所述有效性数据包括ESG分数,所述ESG分数是从ESG角度来评估专利权的指标值。
5.根据权利要求2至4中任一项所述的数据提供设备,其中,当在能够经由网络进行通信的信息终端中指定发明人时,所述数据提供单元提供关于所述发明人的评估指标的信息。
6.根据权利要求1至5中任一项所述的数据提供设备,其中,当在能够经由网络进行通信的所述信息终端中指定一项或多项工业产权时,所述数据提供单元提供与所述工业产权相对应的有效性数据。
7.根据权利要求1至6中任一项所述的数据提供设备,其中,当在能够经由网络进行通信的所述信息终端中指定基于评级分数的排列顺序以及所述多项工业产权时,所述数据提供单元提供与以所述排列顺序进行组织的每项工业产权相对应的有效性数据。
8.根据权利要求1至7中任一项所述的数据提供设备,其中,当在能够经由网络进行通信的所述信息终端中指定受让人和时间段时,所述数据单元提供在所述时间段内与所述受让人的工业产权相对应的有效性数据。
9.根据权利要求1至8中任一项所述的数据提供设备,其中,当在能够经由网络进行通信的所述信息终端中指定受让人、时间段和基于所述评级分数的排列顺序并且所述多项工业产权包括在所述时间段中时,所述数据提供单元以所述排列顺序提供在所述时间段内的与所述受让人的每项工业产权相对应的有效性数据。
10.根据权利要求1至9中任一项所述的数据提供设备,其中,当在能够经由网络进行通信的所述信息终端中指定受让人、时间段和所述至少一个评级分数时,所述数据提供单元提供与所述受让人的在所述时间段内的具有指定评级分数的工业产权相对应的有效性数据。
11.根据权利要求1至10中任一项所述的数据提供设备,
其中,当在能够经由网络进行通信的所述信息终端中指定受让人时,所述数据提供单元提供第一原始数据,所述第一原始数据以第二时间段组织所述受让人在第一时间段内的工业产权,所述第二时间段比所述第一时间段短,
其中,当在所述信息终端中指定所述第二时间段时,所述数据提供单元提供第二原始数据,所述第二原始数据以第三时间段组织所述受让人在所述第二时间段内的工业产权,所述第三时间段比所述第二时间段短,并且
其中,当在所述信息终端中指定所述第三时间段时,所述数据提供单元提供与所述第三时间段内的工业产权相对应的有效性数据。
12.根据权利要求1至11中任一项所述的数据提供设备,其中,所述有效性数据包括关于年费的信息,所述关于年费的信息指示用于维护权利的成本合理度。
13.根据权利要求1至12中任一项所述的数据提供设备,
其中,所述数据提供单元包括:
判断处理装置,配置为确定提供有所述有效性数据的工业产权的数量是否小于预设限制,以及
信息处理装置,配置为当所述判断处理装置确定所述数量大于所述预设限制时,发送无法提供对应于与所述判断有关的所述工业产权的有效性数据的信息。
14.根据权利要求1至12中任一项所述的数据提供设备,
其中,所述数据提供单元包括:
判断处理装置,配置为在能够经由网络进行通信的所述信息终端中指定工业产权时、确定与所述工业产权相对应的有效性数据的提供数量是否小于预设限制,以及
信息处理装置,配置为当所述判断处理装置确定所述数量大于所述预设限制时,发送无法提供对应于与所述判断有关的所述工业产权的有效性数据的信息。
15.根据权利要求13或14所述的数据提供设备,其中,所述数据提供单元配置为当存在有效性数据转售申请时,向与所述有效性数据的销售目的端有关的所述信息终端发送转售询问信息。
16.根据权利要求13至15中任一项所述的数据提供设备,
其中,所述数据提供单元包括选择处理装置,所述选择处理装置响应于所述有效性数据的转售请求而从注册用户中选择一个或多个转售者,并且
其中,所述信息处理装置配置为具有如下功能:当从与所述有效性数据的销售目的端有关的所述信息终端接收到所述有效性数据的转售请求时,向与由所述选择处理装置选择的所述一个或多个转售目的端相对应的信息终端发送销售推广信息。
17.一种数据分析设备,包括:
匹配处理装置,配置为:
将待分析的专利或实用新型的一个权利要求的一个或多个权利要求元素转换成第一向量,所述第一向量是含义向量,
针对每个划分数据将与在所述权利要求的提交日期之前公布的发明或想法相关的部分或全部日期在先信息转换成第二向量,所述第二向量是含义矢量,以及
通过将所述第一向量和所述第二向量相互比较而确定总一致度,所述总一致度是所述权利要求的权利要求要素与每一个所述日期在先信息之间的一致度;以及
评级处理装置,配置为基于由一致性处理装置获得的总一致性来确定个体分数,所述个体分数是权利要求有效性的指标,其中,所述评级处理装置使用所有对象权利的个体分数来确定总体分数,所述总体分数指示所述多项对象权利中的权利的相对有效性。
18.一种数据分析设备,包括:
匹配处理装置,配置为:
将待分析的专利或实用新型的一个权利要求的一个或多个权利要求元素转换成第一向量,所述第一向量是含义向量,
将与在所述权利要求的提交日期之前公布的发明或想法相关的部分或全部日期在先信息转换成第二向量,所述第二向量是含义矢量,以及
通过将所述第一向量和所述第二向量相互比较而确定总一致度,所述总一致度是所述权利要求要素与每一个所述日期在先信息之间的一致度;以及
评级处理装置,配置为确定用作所述对象权利的有效性的指标的总体评估值,并且通过对所述对象权利中的每一项的总体评估值的相对比较来确定指示所述多项对象权利中的权利的相对有效性的总体分数。
19.根据权利要求18所述的数据分析设备,其中,所述评级处理装置配置为基于由所述匹配处理装置获得的总一致性来确定个体分数,所述个体分数是所述权利要求的有效性的指标。
20.根据权利要求17或19所述的数据分析设备,还包括收集处理装置,所述收集处理装置配置为通过使用自然语言处理将专利分类信息中包括的分类代码的说明文本的信息数据向量化,来生成分类向量,所述分类向量是与每一个所述说明数据相对应的含义向量,并且通过将关于所述分类代码的层次信息的层次数据与所述生成的分类向量链接,来生成分类数据库。
21.根据权利要求20所述的数据分析设备,
其中,所述收集处理装置配置为:
通过使用自然语言处理对所述日期在先信息中的非专利文献中的部分或全部信息进行向量化来生成未知向量,所述未知向量是与所述非专利文件中的信息相对应的含义向量,
将所述生成的未知向量与所述分类数据库中的每个分类向量进行比较,并且识别与所述未知向量具有最高语义相似度的分类向量,以及
存储所述识别的分类向量和与所述生成的未知向量对应的非专利文献的信息相关联的分类向量所对应的所述分类代码中的至少一个。
22.根据权利要求20或21所述的数据分析装置,
其中,所述匹配处理装置配置为:
基于与对象权利的权利要求相关联的权利要求要素与所述日期在先信息之间的总一致度来识别主相关信息,所述主相关信息是具有最高语义相似性的日期在先信息,以及
识别子相关信息,所述子相关信息是在除所述主相关信息之外的所述日期在先信息中与和所述主相关信息相关联的所述分类向量的一致度小于所述子阈值的所述分类向量所针对的日期在先信息;并且
其中,所述评级处理装置基于所述总一致性来确定所述权利要求的个体分数,所述总一致性是所述权利要求与所述主相关信息和所述一个或多个子相关信息中的每一个之间的一致度。
23.根据权利要求17、19至22中任一项所述的数据分析设备,其中,所述评级处理装置配置为基于由所述匹配处理装置获得的每个总一致度来确定作为权利要求的有效性的指标的个体评估值,并且通过比较每个权利要求的个体评级的相对值来确定每个权利要求的个体分数。
24.根据权利要求22所述的数据分析设备,其中,所述评级处理装置配置为基于以下判断标准中的至少一个来确定给定权利要求的个体分数:
满足所有权利要求要素的日期在先信息的数量,
在没有满足所有权利要求要素的日期在先信息时,
满足未满足的权利要求要素的其他日期在先信息的数量,或者不能满足所述未满足的权利要求要素的其他日期在先信息的数量。
25.根据权利要求17、19至24中任一项所述的数据分析设备,还包括,
文献估计装置,配置为通过将基于所述对象权利的权利要求的信息输入到文献估计模型中来估计用于驳回的引用文献,所述文献估计模型是基于所述权利要求信息和检索报告中的所述引用参考文献的信息而生成的;并且
其中所述评级处理装置配置为将由所述文献估计装置估计的文献信息反映到个体分数和总体分数中的至少一个。
26.根据权利要求17、19至25中任一项所述的数据分析设备,还包括,
缺陷估计装置,通过将基于对象权利的权利要求的信息输入到缺陷估计模型中,从而确定所述对象权利具有所述缺陷描述的无效理由的缺陷率,所述缺陷估计模型是基于申请的识别号和指示与缺陷描述对应的条款号的缺陷条款数据生成的;并且
其中,所述评级处理装置配置为在所述个体分数和所述总体分数中的至少一个中反映由所述缺陷估计装置计算的所述缺陷率。
27.根据权利要求17、19至25中任一项所述的数据分析设备,其中,所述匹配处理装置配置为基于Transformer系统的编码器通过自然语言处理从所述权利要求要素生成所述第一向量,并且根据所述分割数据生成所述第二向量。
28.一种数据管理系统,包括:
根据权利要求17、19至25中任一项所述的数据分析设备,以及
数据提供设备,配置为从数据库中提取并提供与外部请求相对应的个体分数或总体分数中的至少一个,所述数据库管理由所述评级处理装置获得的所述多项对象权利中的每一项的个体分数和总体分数。
29.一种数据管理系统,包括:
数据分析设备,使用与多项工业产权相关的信息来估计所述多项工业产权中的每一项的有效性,以及
根据权利要求1至16中任一项所述的数据提供设备,
其中,所述数据分析设备包括:
翻译处理装置,用于通过应用翻译处理将从外部收集的所述多个工业产权相关信息中的每一个中包含的核心数据统一为公共语言来生成翻译数据,以及
学习处理装置,通过使用基于所述翻译数据的学习数据进行机器学习来生成用于获得所述有效性数据的估计模型。
30.根据权利要求29所述的数据管理系统,其中,所述数据分析设备包括预处理装置,所述预处理装置对所述翻译数据应用分析处理以生成学习数据。
31.根据权利要求30所述的数据管理系统,
其中,所述预处理装置具有对所述翻译数据应用分析处理以生成分析数据的功能,并且
其中,所述数据分析设备包括估计处理装置,所述估计处理装置使用由所述预处理装置生成的所述分析数据作为所述估计模型的输入,以获得所述有效性数据。
32.一种数据提供系统,包括:
根据权利要求1至16中任一项所述的数据提供设备,以及
能够与所述数据提供设备通信的信息终端,
其中,所述数据提供单元向所述信息终端提供包括所述有效性数据的屏幕信息,并且
其中,所述信息终端包括显示单元,所述显示单元在由所述数据提供设备提供的屏幕上显示所述信息。
33.一种数据提供系统,包括:
根据权利要求29至31中任一项所述的数据管理系统,以及
能够与所述数据提供设备通信的信息终端,
其中,所述数据提供单元向所述信息终端提供包括所述有效性数据的屏幕信息,并且
其中,所述信息终端包括显示单元,所述显示单元在由所述数据提供设备提供的屏幕上显示所述信息。
34.一种数据提供程序,所述数据提供程序配置为使数据提供器中的计算机作为信息处理装置,以从数据库中提取和提供有效性数据,所述数据库是基于与多项工业产权相关的信息而构建的,并且管理所述有效性数据,所述有效性数据包括指示与外部请求相对应的所述多项工业产权中的每一项工业产权之间相对有效性的评级分数。
35.一种计算机可读存储介质,其记录有根据权利要求34所述的数据提供程序。
36.一种计算机可读存储介质,其记录有数据提供程序,其中,所述数据提供程序配置为使数据提供器中的计算机作为翻译处理装置和学习处理装置,所述翻译处理装置用于通过应用翻译处理将从外部收集的多个工业产权相关信息中的每一个中包含的核心数据统一为公共语言来生成翻译数据,所述学习处理装置用于通过使用基于所述翻译数据的学习数据进行机器学习来生成用于获得有效性数据的估计模型,所述有效性数据包括指示所述多项工业产权中的每一项工业产权之间相对有效性的评级分数。
37.一种计算机可读存储介质,其记录有数据提供程序,
其中,所述数据提供程序配置为使数据提供器中的计算机充当收集处理装置,并且
其中,所述收集处理装置:
通过使用自然语言处理将专利分类信息中包括的分类代码的说明文本的信息数据向量化来生成分类向量,所述分类向量是与所述描述数据中的每一个相对应的含义向量,并且
通过使用自然语言处理对所述日期在先信息中的非专利文献中的部分或全部信息进行向量化来生成未知向量,所述未知向量是与所述非专利文件中的信息相对应的含义向量,
将所述生成的未知向量与所述分类数据库中的每个分类向量进行比较,并且识别与所述未知向量具有最高语义相似度的分类向量,以及
存储所述识别的分类向量和与所述生成的未知向量对应的非专利文献的信息相关联的分类向量所对应的所述分类代码中的至少一个。
38.一种数据提供方法,包括:
经由网络从信息终端接受工业产权的一个或多个指定,
从数据库中提取与外部请求相对应的有效性数据,所述数据库管理与所述多项工业产权中的每一项的有效性有关的有效性数据,以及
向所述信息终端提供所述提取的有效性数据。
39.一种数据管理方法,包括:
通过应用翻译处理将从外部收集的所述多个工业产权相关信息中的每一个中包含的核心数据统一为公共语言来生成翻译数据,以及
通过使用基于所述所生成的翻译数据的训练数据进行机器学习来生成用于获得有效性数据的估计模型,所述有效性数据包括指示所述多项工业产权中的每一项工业产权之间相对有效性的评级分数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021004599A JP2024065118A (ja) | 2021-01-15 | 2021-01-15 | データ提供装置、データ管理システム、データ提供システム、データ提供プログラム、データ分析プログラム、記録媒体、データ提供方法、及びデータ管理方法 |
JP2021-004599 | 2021-01-15 | ||
PCT/JP2021/035544 WO2022153613A1 (ja) | 2021-01-15 | 2021-09-28 | データ提供装置、システム、プログラム、方法、データ分析装置、データ管理システム、方法、及び記録媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116615723A true CN116615723A (zh) | 2023-08-18 |
Family
ID=82448126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180084854.0A Pending CN116615723A (zh) | 2021-01-15 | 2021-09-28 | 数据提供装置、数据提供系统、数据提供程序、数据提供方法、数据分析设备、数据管理系统、数据管理方法和数据记录介质 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4280151A1 (zh) |
JP (1) | JP2024065118A (zh) |
CN (1) | CN116615723A (zh) |
WO (1) | WO2022153613A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005332330A (ja) | 2004-05-21 | 2005-12-02 | Shigematsu:Kk | 特許有効性評価装置および特許有効性評価方法 |
JPWO2014118861A1 (ja) * | 2013-01-31 | 2017-01-26 | アスタミューゼ株式会社 | 情報提示装置及び情報提示システム |
JP6799235B2 (ja) * | 2016-10-21 | 2020-12-16 | 株式会社Ipam Japan | 特許価値評価装置及び特許価値評価方法 |
JP6308706B1 (ja) * | 2017-03-30 | 2018-04-11 | 和之 白井 | 特許要件適否予測装置および特許要件適否予測プログラム |
JP6457058B1 (ja) * | 2017-12-06 | 2019-01-23 | 株式会社ゴールドアイピー | 知的財産システム、知的財産支援方法および知的財産支援プログラム |
JP2020149658A (ja) * | 2019-03-07 | 2020-09-17 | 株式会社鈴康 | 情報処理方法、プログラム及び情報処理装置 |
JP6953026B2 (ja) * | 2019-03-19 | 2021-10-27 | ジャングルX株式会社 | ゲームサービス提供装置、ゲームサービス提供方法及びゲームサービス提供プログラム |
-
2021
- 2021-01-15 JP JP2021004599A patent/JP2024065118A/ja active Pending
- 2021-09-28 WO PCT/JP2021/035544 patent/WO2022153613A1/ja active Application Filing
- 2021-09-28 EP EP21919504.7A patent/EP4280151A1/en active Pending
- 2021-09-28 CN CN202180084854.0A patent/CN116615723A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4280151A1 (en) | 2023-11-22 |
WO2022153613A1 (ja) | 2022-07-21 |
JP2024065118A (ja) | 2024-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10262283B2 (en) | Methods and systems for generating supply chain representations | |
CN104115178A (zh) | 基于新闻和情绪分析来预测市场行为的方法和系统 | |
US20210004921A1 (en) | Analysis Of Intellectual-Property Data In Relation To Products And Services | |
US11887201B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US11263523B1 (en) | System and method for organizational health analysis | |
CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
US11348195B2 (en) | Analysis of intellectual-property data in relation to products and services | |
KR102121901B1 (ko) | 정책자금 온라인 심사평가 시스템 | |
US20210004919A1 (en) | Analysis Of Intellectual-Property Data In Relation To Products And Services | |
US20210004918A1 (en) | Analysis Of Intellectual-Property Data In Relation To Products And Services | |
Amin et al. | Application of optimistic and pessimistic OWA and DEA methods in stock selection | |
CN111666413B (zh) | 基于评论者可信赖度回归预测的商品评论推荐方法 | |
CN114860916A (zh) | 知识检索方法及装置 | |
KR20220034134A (ko) | 제품들 및 서비스들에 관한 지적 재산 데이터의 분석 | |
CN115310722A (zh) | 一种基于数据统计的农产品价格预测方法 | |
Joshi et al. | Forecasting in service supply chain systems: A state-of-the-art review using latent semantic analysis | |
CN114969498A (zh) | 一种行业龙头信息的推荐方法及装置 | |
CN117235264A (zh) | 文本处理方法、装置、设备和计算机可读存储介质 | |
CN115982429A (zh) | 一种基于流程控制的知识管理方法及系统 | |
KR101853555B1 (ko) | Sw 시장 정보 서비스 시스템 | |
CN116615723A (zh) | 数据提供装置、数据提供系统、数据提供程序、数据提供方法、数据分析设备、数据管理系统、数据管理方法和数据记录介质 | |
US20240177255A1 (en) | A data providing device, a data providing system, a data providing program, a data providing method, a data analysis device, a data management system, a data management method, and a data recording medium | |
KR101886418B1 (ko) | Gpu를 활용한 주가 예측 시뮬레이션 제공 시스템 | |
CN112860878A (zh) | 业务数据推荐方法、存储介质及设备 | |
Krassowska et al. | Multi-criteria evaluation of financial and accounting systems intended for small and medium-sized enterprises |
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 |