JP2007241900A - ネーミングシステム及びネーミング自動化方法 - Google Patents
ネーミングシステム及びネーミング自動化方法 Download PDFInfo
- Publication number
- JP2007241900A JP2007241900A JP2006066714A JP2006066714A JP2007241900A JP 2007241900 A JP2007241900 A JP 2007241900A JP 2006066714 A JP2006066714 A JP 2006066714A JP 2006066714 A JP2006066714 A JP 2006066714A JP 2007241900 A JP2007241900 A JP 2007241900A
- Authority
- JP
- Japan
- Prior art keywords
- naming
- evaluation
- word
- keyword
- words
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】ネーミング対象の少なくともカテゴリ及び特徴テキストの入力を受けて、それに関連する複数の用語、人名、知識又は言葉等の関連用語を出力するデータベースと、前記データベースにアクセスして前記ネーミング対象のカテゴリと特徴テキスト及び前記関連用語に基づいて、当該ネーミング対象に関連する複数のキーワードを収集し作成するキーワード収集手段と、前記複数のキーワードに基づいて前記ネーミング対象の複数のネーミング案を生成するネーミング案生成手段と、予め設定された複数の評価モデルに基づいて前記複数のネーミング案の夫々を評価するネーミング案評価手段と、の各手段を有する。
【選択図】図1
Description
「頭字語」に対して、「響きの良さ」、「読みやすさ」、「覚えやすさ」という観点に基づいて妥当性を定量化する。
図3は、「キーワード収集部」の構成を示す。「キーワード抽出」では、特徴テキストからキーワードとして用いない不要語を削除し、活用形を原形に復元するなどの語尾処理を行いながらキーワードを抽出する。また、「カテゴリ」によってネーミング対象に相応しいキーワードを追加する。抽出したキーワード群とカテゴリによって追加されたキーワード群を「一次キーワード群」とする。「キーワード拡張」では、同義語データベースを用いて一次キーワード群の各キーワードについて同義語を検索し、キーワードとする。これらを「二次キーワード群」として使用する。
(1)キーワード抽出
まず、ユーザが入力した特徴テキストから、造語に用いるキーワードを抽出する。特徴テキストが日本語の場合は既存の機械翻訳システムを用いて英語に翻訳する、特徴テキストが英語の場合はそのまま用いる。
一次キーワード群の各単語に関して、同義語辞書から同義語を検索し、一次キーワードと重複しない単語の集合を「二次キーワード群」とする。WordNetでは同義語のグループを「synset」として体系化している。WordNetの同義語辞書では複数のsynsetに属する単語について、その語から各synsetへの参照が示されている。複数のsynsetに属する単語は、複数の意味を持つ多義語である。そこで、特徴テキストにおいて多義語がどのような意味で使われているのかを特定する必要がある。この処理を「多義性解消(Word Sense Disambiguation)」と呼ぶ。本来は本システムにおいて多義性解消が必要である。しかし、多義性解消の精度は100%でないため、本システムでは使用しない。その代わりに、N個の意味を持つ単語の各意味は等確率で使用されると仮定する。すなわち、多義語から二次キーワードを拡張する場合は、各sysnsetの出現確率を1/Nとする。
(1)フレーズ生成
一次キーワード群と二次キーワード群を用いて、3〜5語の順列によってフレーズを生成する。フレーズ生成の際に、各キーワードに付与された品詞タグを参照して、文法的に不適な語の並びを削除する。複数の品詞を持つ多品詞キーワードの場合は、禁止する並びに当てはまらない品詞が1つでもあればよい。キーワード収集の対象にしたのは名詞、形容詞、副詞の3つである。例えば、副詞「sweetly(魅惑的に)」、形容詞「operatic(オペラ風の)」、名詞「mood(雰囲気)」の3語があった場合、これらの語順について不適切な語順は以下の場合である。
・副詞、名詞の語順になる場合
「operatic sweetly mood」、「sweetly mood operatic」
・副詞がフレーズ末になる場合
「operatic mood sweetly」、「mood operatic sweetly」
・形容詞がフレーズ末になる場合
「mood sweetly operatic」、「sweetly mood operatic」
それぞれ下線部が文法的に不適切であり、この3語の場合、適切な語順は「sweetly operatic mood(魅惑的にオペラ風の雰囲気)」だけである。
生成された各フレーズから頭字語を生成する。フレーズが3〜5語で構成されていることから、頭字語は3〜5文字の文字列となる。頭字語の形式には以下に示すような種類がある。
1.既存の語と表記も発音も同じ
例:Web-based Inquiry Science Environment → WISE(ワイズ)
2.既存の語と表記は同じで、アルファベットを一文字ずつ読む
例:World Health Organization → WHO(ダブリューエイチオー)
3.既存の語ではなく、アルファベットを一文字ずつ読む
例:Japan Railways → JR(ジェイアール)
4.既存の語ではなく、単語として綴り読みをする
例:Japan Air Lines → JAL(ジャル)
5.頭文字以外の文字で構成する
例:eXtensible Markup Language → XML
6.単語の先頭から二文字以上を用いる
例:Automated MEteorological Data Acquisition System → AMEDAS
7.文字の繰り返しを数字で表記する
例:World Wide Web Consortium → W3C
本ネーミングシステムでは、「2.既存の語と表記は同じで、アルファベットを一文字ずつ読む」、「3.既存の語ではなく、アルファベットを一文字ずつ読む」、「4.既存の語ではなく、単語として綴り読みをする」、「5.頭文字以外の文字で構成する」を対象とする。
(1)フレーズモデル
フレーズの評価に用いる観点は「文法的な正しさ」と「情報の凝縮」である。「文法的な正しさ」は文法規則によって検査しているので、ここではNグラムモデルを用いたフレーズの生起確率によるスコア付けを行う。Nグラムモデルとは確率的言語モデルで、ある単語の生起確率が直前のN個にある単語にのみ依存する言語モデルである。具体的には単語列(数1)
「ネーミング対象の特徴を表すかどうか」を評価するために、特徴テキストを用いてフレーズの生起確率を計算する。各フレーズ構成語の特徴テキストにおける生起確率を掛け合わせた値をフレーズの生起確率とする。数5によってフレーズ(数4)
印象モデルは、頭字語の評価における「響きの良さ」という観点をモデル化する。本ネーミングシステムでは「音の持つイメージの良さ」に限定して、母音・子音などの音素とイメージキーワードの対応表(表11と表12)を用いる(非特許文献1)。本ネーミングシステムで用いる「イメージキーワード」とは「明るい」、「強い」、「大きい」、「重い」、「軽い」、「鋭い」、「柔らかい」、「元気」、「男性的」、「女性的」、「格調ある」、「知的」、「情感ある」の13イメージキーワードである。
発音モデルは、頭字語の「呼びやすさ」をモデル化する。筆者が知る限り「呼びやすさ」の度合いを数値的に測ることを試みた先行研究はない。
本ネーミングシステムではNグラムモデルを用いた音素の生起確率による「呼びやすさ」の評価方法を提案する。具体的には、ローマ字表記のカタカナ語110,521語を用いて学習した音素のトライグラムモデルを作成した。カタカナ語を用いる理由は、源言語の発音を簡略化したカタカナのまま日本語に移入された語に頻出する音素配列は発音しやすいという仮説に基づいている。
単語モデルは、頭字語の評価における「覚えやすさ」という観点をモデル化する。本ネーミングシステムでは「覚えやすい語」を「既存の語または既存の語と類似する語」と定義した。これは、「有意味語は無意味語より記憶に残りやすい」という仮定に基づいている。そこで、WordNetを有意味語の知識ベースとして、頭字語の既存の語との一致を真(1)又は偽(0)でスコア付けする。ただし、既存の頭字語(図7)は既存の語として扱わない。既存の語との一致や類似を用いる利点は、頭字語にフレーズの省略形として以上の意味を込めることができることである。それに対して、既存の頭字語と一致しても、新たな頭字語としての面白みに欠ける。
(1)英語で記述された特徴テキストの場合
「WHO:World Health Organization」の説明文(http://www.who.int/en/;図8)を特徴テキストとした場合の実行結果を示す。
ネーミング対象のカテゴリは「組織」、イメージキーワードは「大きい」、頭字語の形式は「既存の語」と「アルファベット読み」とした。表16はキーワード抽出、ネーミング案生成結果によって得られたキーワード、フレーズ、頭字語の件数である。得られたネーミング案の順位付リスト上位20件を表17に示す。
organization:WHO(世界 健康 組織:誰)」、「level established organization:LEO(レベル 確立された 組織:獅子座)」のように、フレーズと頭字語の両方に意味のあるネーミング案が上位にある。
20位以内には入らなかったネーミング案について、123位に「state level objective policy:SLOP(状態 レベル 目的 方針:汚水)」や、206位「main
object disease:MOD(メイン 目的 病気:前衛的な)」と言ったネーミング案がある。4位は「world health organization:WHO」に実際の名称と一致している。
日本語で記述された「エネルゲン(登録商標)」(http://www.otsuka.co.jp/)の説明文(図9)を特徴テキストとする場合について実行結果を示す。特徴テキストをPAT−Transer(http://www.crosslanguage.co.jp/)を用いて英語に機械翻訳した結果は図10である。「エネルゲン」という固有名詞は辞書に登録されておらず、そのため翻訳されなかった。ネーミング対象のカテゴリは「食品(飲み物)」、イメージキーワードは「元気」と「軽い」、頭字語の形式は「既存の語でない」と「綴り読み」とした。表18はキーワード抽出、ネーミング案生成結果によって得られたキーワード、フレーズ、頭字語の件数である。得られたネーミング案の順位付リスト上位20件を表19に示す。
water:EEW(エネルギー 効率 水:意味無し)」というフレーズは特徴テキスト(図9)に記述されたネーミング対象の特徴をよく表している。頭字語に意味はない。20位以内に出現しなかったネーミング案については、155位に「purpose
energy efficiency electrolyte:PEEE(目的 エネルギー 効率 電解質:意味無し)」の様なフレーズが生成された。頭字語に意味はない。
以下、本ネーミングシステムにおける発音モデルと単語モデルの評価実験について説明する。
(1)発音モデルの評価実験
a)実験方法
発音モデルは対象文字列の音素綴りに対して、音素のトライグラムモデルによって「呼びやすさ」を定量化する。発音モデルの評価実験では、発音モデルが呼びやすい音素配列を人間と同じように判定できるかどうかを検証した。
2名の被験者をそれぞれ被験者A、被験者Bとし、各被験者の実験結果に関するグラフを図11と図12に示す。各被験者につき、8つの観点でグラフを作成した。左側のグラフは、モデル適用前の結果である。上から、全文字数、3文字の文字列、4文字の文字列、5文字の文字列に対する結果である。右側のグラフは、発音モデルを適用して文字列をソートした結果である。左右で隣に並んでいる同士のグラフは同じデータに関するモデル適用前と適用後の結果を表している。
3〜5文字を総合した結果を見ると、どちらの被験者の場合も上位に行くほど「呼びやすい」という判定が多くなった。この傾向は、被験者Bにおいて顕著であった。
a)実験方法
単語モデルの評価実験では、有意味語と無意味語の違いが人間の記憶に与える影響について、被験者を用いた認知心理学的手法で実験する。
認知心理学的手法とは、「覚える材料(刺激)を学習して覚え(記銘)、そしてそれらを一定の時間覚えておき(保持)、後に記憶テストを行って刺激を思い出す(再生)」という手法である。
・無意味語のみ3語
・綴り読み語のみ3語
・有意味語のみ3語
・無意味語、綴り読み語、有意味語の3種類による順列組み合わせの3語(6通り)
以上の単語組を用いて次の手順で実験を行った。図13は、各手順で被験者へ提示する画面の例を示す。
1.文字列が表示される中心部分の点を注視する。ただし、2秒で自動的に次の画面へ替わる。
2.被験者は提示された単語組を記憶する。ただし、3文字の場合は3秒、4文字の場合は6秒で自動的に次の画面へ替わる。
3.文字列の残像を消すための画面を表示し、被験者に記憶を保持させる。1秒で自動的に次の画面へ替わる。
4.被験者に記憶した文字列を紙に書き取らせる。書き取りが終わったら被験者が自分で画面を切り替える。
「無意味語」、「綴り読み語」、「有意味語」、「全記憶対象語」のそれぞれについて、被験者5名から得られた平均正解数、平均語数、正解率を表21に示す。表中の「無」、「綴」、「有」は、それぞれ「無意味語」、「綴り読み語」、「有意味語」を表す。この表記は、被験者に対して一度に提示される3語の語順を表している。
11:入力手段
12:キーワード収集手段
13:ネーミング案生成手段
14:ネーミング案評価手段
15:データベースサーバ
16:ウェブサーバ
17:ゲートウェイサーバ
18:ファイヤーウォール
19:データ項目データ記憶部
20:印象モデル記憶部
21:発音モデル記憶部
22:単語モデル記憶部
23:フレーズモデル
24:WWWインターネット
25:コンセプト評価モデル
Claims (14)
- 商品又はサービス、企業又は団体若しくは施設又はイベント等のあらゆる事物に対する名前付け(以下、「ネーミング」という)を支援及び自動化するネーミングシステムであって、
ネーミング対象の少なくともカテゴリ及び特徴テキストを含む複数のデータ項目をそのデータ項目毎に分類してこれを格納しておく格納手段と、
前記ネーミング対象の少なくとも前記カテゴリ及び特徴テキストの入力を受けて、それに関連する複数の用語、人名、知識又は言葉等(以下、「関連用語」という)を出力するデータベースと、
前記データベースにアクセスして前記ネーミング対象のカテゴリと特徴テキスト及び前記関連用語に基づいて、当該ネーミング対象に関連する複数のキーワードを収集し作成するキーワード収集手段と、
前記複数のキーワードに基づいて前記ネーミング対象の複数のネーミング案を生成するネーミング案生成手段と、
予め設定された複数の評価モデルに基づいて前記複数のネーミング案の夫々を評価するネーミング案評価手段と、
の各手段を有することを特徴とするネーミングシステム。 - 前記データベースは、インターネットに接続されたウェブサーバと当該ウェブサーバと連携するデータベースサーバとにより構成され、前記データベースサーバは、インターネットウェブ上に用いられている前記関連用語を累積的に記憶するようにしたことを特徴とする請求項1に記載のネーミングシステム。
- 前記キーワード収集手段は、日本語による前記関連用語を英語及び他の周知の外国語に翻訳する翻訳手段を備えることを特徴とする請求項1に記載のネーミングシステム。
- 前記キーワード収集手段は、前記ネーミング対象のカテゴリに基づいて第1次キーワード群を収集し、当該第1次キーワード群を構成する各キーワードの概念に基づいて拡張された概念に係る第2次キーワード群を収集し、前記前記第1次キーワード群及び前記第2次キーワード群の中から、当該ネーミング対象に係る前記複数のキーワードを収集することを特徴とする請求項1に記載のネーミングシステム。
- 前記ネーミング案生成手段は、
前記ネーミング対象に関連する複数のフレーズを生成するフレーズ生成手段と、
生成された前記複数のフレーズの頭字語を生成する頭字語生成手段と、
を含むことを特徴とする請求項1又は4に記載のネーミングシステム。 - 前記複数のデータ項目は、前記ネーミング対象が属するカテゴリ及び前記ネーミング対象の特徴を記載した特徴テキストの他に、ネーミング対象のイメージを規定するイメージキーワードに関する項目と前記頭字語の形式を規定する項目とを含むことを特徴とする請求項5に記載のネーミングシステム。
- 前記ネーミング案評価手段における前記複数の評価モデルは、
前記イメージキーワードが有する印象の観点に基づいて評価する印象評価モデルと、
前記頭字語の発音の観点に基づいて評価する発音評価モデルと、
前記頭字語が単語を形成する場合、当該単語の観点に基づいて評価する単語評価モデルと、
前記フレーズがある意義を生じさせる場合に、当該フレーズの意義の観点に基づいて評価するフレーズ評価モデルと、
前記フレーズがある意義を生じさせる場合に、ネーミング対象の特徴を表す程度を評価するコンセプト評価モデルと、
の各評価モデルの中の何れか一つ又は複数の評価モデルにより構成されていることを特徴とする請求項6に記載のネーミングシステム。 - 前記ネーミング案評価手段は、前記複数の評価モデルにおいてスコアリングされたポイントの総合ポイントに基づいて、前記複数のネーミング案の夫々を評価するようにした請求項7に記載のネーミングシステム。
- 商品又はサービス、企業又は団体若しくは施設又はイベント等のあらゆる事物に対するネーミングを自動化する方法であって、
(a)ネーミング対象の少なくともカテゴリ及び特徴テキストを含む複数のデータ項目をそのデータ項目毎に分類してこれを予め格納しておくステップと、
(b)前記ネーミング対象の少なくとも前記カテゴリ及び特徴テキストの入力を受けて、それに関連する複数の用語、人名、知識又は言葉等(以下、「関連用語」という)を出力するステップと、
(c)前記データベースにアクセスして前記ネーミング対象のカテゴリと特徴テキスト及び前記関連用語に基づいて、当該ネーミング対象に関連する複数のキーワードを収集し作成するステップと、
(d)前記複数のキーワードに基づいて前記ネーミング対象の複数のネーミング案を生成するステップと、
(e)予め設定された複数の評価モデルに基づいて前記複数のネーミング案の夫々を評価するステップと、
の各ステップを有することを特徴とするネーミング自動化方法。 - 前記ステップ(c)は、
(c−1)前記ネーミング対象のカテゴリに基づいて第1次キーワード群を収集するステップと、
(c−2)当該第1次キーワード群を構成する各キーワードの概念に基づいて拡張された概念に係る第2次キーワード群を収集するステップと、
(c−3)前記前記第1次キーワード群及び前記第2次キーワード群の中から、当該ネーミング対象に係る前記複数のキーワードを収集するステップと、
の各ステップとを有することを特徴とする請求項9に記載のネーミング自動化方法。 - 前記ステップ(d)は、
(d−1)前記ネーミング対象に関連する複数のフレーズを生成するステップと、
(d−2)前記生成された前記複数のフレーズの頭字語を生成するステップと、頭字語生成手段を、
の各ステップとを有することを特徴とする請求項9又は10に記載のネーミング自動化方法。 - 前記複数のデータ項目は、前記ネーミング対象が属するカテゴリ及び前記ネーミング対象の特徴を記載した特徴テキストの他に、ネーミング対象のイメージを規定するイメージキーワードに関する項目と前記頭字語の形式を規定する項目とを含むことを特徴とする請求項11に記載のネーミング自動化方法。
- 前記複数の評価モデルは、
前記イメージキーワードが有する印象の観点に基づいて評価する印象評価モデルと、
前記頭字語の発音の観点に基づいて評価する発音評価モデルと、
前記頭字語が単語を形成する場合、当該単語の観点に基づいて評価する単語評価モデルと、
前記フレーズがある意義を生じさせる場合に、当該フレーズの意義の観点に基づいて評価するフレーズ評価モデルと、
前記フレーズがある意義を生じさせる場合に、ネーミング対象の特徴を表す程度を評価するコンセプト評価モデルと、
の各評価モデルの中の何れか一つ又は複数の評価モデルにより構成されていることを特徴とする請求項12に記載のネーミング自動化方法。 - 前記ステップ(e)は、前記複数の評価モデルにおいてスコアリングされたポイントの総合ポイントに基づいて前記複数のネーミング案の夫々を評価するようにした請求項13に記載のネーミング自動化システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006066714A JP2007241900A (ja) | 2006-03-10 | 2006-03-10 | ネーミングシステム及びネーミング自動化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006066714A JP2007241900A (ja) | 2006-03-10 | 2006-03-10 | ネーミングシステム及びネーミング自動化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007241900A true JP2007241900A (ja) | 2007-09-20 |
Family
ID=38587340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006066714A Pending JP2007241900A (ja) | 2006-03-10 | 2006-03-10 | ネーミングシステム及びネーミング自動化方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007241900A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020222515A1 (ko) * | 2019-04-30 | 2020-11-05 | 정철환 | 작명을 지원하는 전자 장치, 방법, 및 컴퓨터 프로그램 |
KR102282636B1 (ko) * | 2021-02-17 | 2021-07-28 | 조민정 | 인공지능을 이용하여 브랜드 네임을 생성하는 방법 및 장치 |
KR20240068215A (ko) * | 2022-11-10 | 2024-05-17 | (주)비엔에스브랜딩 | 상표 제작 서비스 제공 방법, 장치 및 컴퓨터-판독가능 기록매체 |
-
2006
- 2006-03-10 JP JP2006066714A patent/JP2007241900A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020222515A1 (ko) * | 2019-04-30 | 2020-11-05 | 정철환 | 작명을 지원하는 전자 장치, 방법, 및 컴퓨터 프로그램 |
US11481556B2 (en) | 2019-04-30 | 2022-10-25 | Chul Hwan Jung | Electronic device, method, and computer program which support naming |
KR102282636B1 (ko) * | 2021-02-17 | 2021-07-28 | 조민정 | 인공지능을 이용하여 브랜드 네임을 생성하는 방법 및 장치 |
KR20240068215A (ko) * | 2022-11-10 | 2024-05-17 | (주)비엔에스브랜딩 | 상표 제작 서비스 제공 방법, 장치 및 컴퓨터-판독가능 기록매체 |
KR102671016B1 (ko) * | 2022-11-10 | 2024-05-31 | (주)비엔에스브랜딩 | 상표 제작 서비스 제공 방법, 장치 및 컴퓨터-판독가능 기록매체 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schroeder et al. | childLex: A lexical database of German read by children | |
Baker | Glossary of corpus linguistics | |
Rayson | Matrix: A statistical method and software tool for linguistic analysis through corpus comparison | |
Heilman | Automatic factual question generation from text | |
Benajiba et al. | Arabic named entity recognition: A feature-driven study | |
CA2938064C (en) | Method for automatically detecting meaning and measuring the univocality of text | |
JP4347226B2 (ja) | 情報抽出プログラムおよびその記録媒体、情報抽出装置ならびに情報抽出規則作成方法 | |
Sawalha | Open-source resources and standards for Arabic word structure analysis: Fine grained morphological analysis of Arabic text corpora | |
WO2007105202A2 (en) | Automatic reusable definitions identification (rdi) method | |
Mohammed | Using machine learning to build POS tagger for under-resourced language: the case of Somali | |
KR101333485B1 (ko) | 온라인 사전을 이용한 개체명 사전 구축 방법 및 이를 실행하는 장치 | |
Shukla et al. | Natural Language Processing: Unlocking the Power of Text and Speech Data | |
Malhar et al. | Deep learning based Answering Questions using T5 and Structured Question Generation System’ | |
Lahbari et al. | A rule-based method for Arabic question classification | |
JP2007241900A (ja) | ネーミングシステム及びネーミング自動化方法 | |
Mohamed | Morphological segmentation and part-of-speech tagging for the arabic heritage | |
Hirpassa | Information extraction system for Amharic text | |
Asahiah | Development of a Standard Yorùbá digital text automatic diacritic restoration system | |
Asker et al. | Applying machine learning to Amharic text classification | |
Luong et al. | Assessing vietnamese text readability using multi-level linguistic features | |
Kuo | The Handbook of NLP with Gensim: Leverage topic modeling to uncover hidden patterns, themes, and valuable insights within textual data | |
Pinney et al. | Incorporating Word-level Phonemic Decoding into Readability Assessment | |
Reddy et al. | Text Summarization of Telugu Scripts | |
Abdelkader et al. | How Existing NLP Tools of Arabic Language Can Serve Hadith Processing | |
Algarni | Light morphology and arabic information retrieval. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090901 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091102 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091104 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091118 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091124 |
|
A072 | Dismissal of procedure |
Free format text: JAPANESE INTERMEDIATE CODE: A072 Effective date: 20100303 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100326 |