JP2009238074A - 特許性予測装置 - Google Patents

Abstract

【課題】特許可能性を予測する。
【解決手段】特許性予測装置は、特許データベース２００と接続されている。特許性予測装置は、まず、審査結果通知済みの特許出願（既通知出願）を特許データベース２００から取得し（Ｓ１）、既通知出願についての所定請求項の情報量（先行情報量）と既通知出願と類似する先行出願の数（先行類似数）をそれぞれ検出する（Ｓ２）。そして、複数の既通知出願を対象として回帰分析を実行し、先行類似数、先行情報量および結果指標値の相関関係を示す登録予見式を算出する（Ｓ３）。次に、特許可能性を予測すべき特許出願（検証出願）についての所定請求項の情報量（検証情報量）と検証出願と類似する先行出願の数（検証類似数）をそれぞれ検出する（Ｓ４）。そして、検証情報量、検証類似数および登録予見式から、検証出願の特許可能性を示す予測値を算出する（Ｓ５）。
【選択図】図２

Description

この発明は、特許関連業務を支援するための技術、に関する。

日本で特許を取得するためには、出願日から３年以内に出願審査の請求をしなければならない（特４８条の３）。出願審査の請求がなされると、金銭的・人的コストが発生する。このため、出願人はコストに見合うリターンが見込めるか否かを慎重に判断する必要がある。出願人のビジネスと特許出願との関連性だけではなく、特許化を期待できそうかという予測も重要な判断基準となる。
特開２００７−２６５０３９号公報 特開２００７−２６５０４０号公報 特開２００２−１５００１号公報

現状、知財担当者が自らの経験に基づいて特許可能性を予測することが多い。また、特許可能性についてほとんど予測することなく、一律に出願審査の請求がなされることも少なくないのではないかと推測される。

また、予測が必要とされる場面は、出願審査の請求時に限られない。たとえば、拒絶査定となったとき拒絶査定不服審判を請求すべきか、そもそも特許出願をすべきか、といったさまざまな場面で「特許可能性」の予測が必要となる。
特許可能性の予測は重要でありながら、特許可能性を予測するための提案はあまりなされていないのが現状である。

本発明は、上記課題に基づいて完成された発明であり、その主たる目的は、特許可能性を合理的・定量的に予測するための技術、を提供することにある。

本発明のある態様は、特許データベースと接続される特許性予測装置に関する。
この装置は、まず、審査結果通知済みの特許出願（既通知出願）を特許データベースから取得し、既通知出願についての所定請求項の情報量（先行情報量）と既通知出願と類似する先行出願の数（先行類似数）をそれぞれ検出する。そして、複数の既通知出願を対象として回帰分析を実行し、先行類似数、先行情報量および結果指標値の相関関係を示す登録予見式を算出する。
次に、特許可能性を予測すべき特許出願（検証出願）についての所定請求項の情報量（検証情報量）と検証出願と類似する先行出願の数（検証類似数）をそれぞれ検出する。そして、検証情報量、検証類似数および登録予見式から、検証出願の特許可能性を示す予測値を算出する。

なお、以上に示した各構成要素の任意の組み合わせ、本発明を方法、システム、記録媒体、コンピュータプログラムにより表現したものもまた、本発明の態様として有効である。

本発明によれば、特許可能性を合理的・定量的に予測しやすくなる。

図１は、特許性予測装置１００とクライアント端末２１０、特許データベース２００の関係を示すハードウェア構成図である。
特許性予測装置１００は、特許可能性を予測するための装置である。以下、特許性予測装置１００により特許可能性の予測対象となる特許出願のことを、「検証出願」とよぶ。検証出願は出願前の特許原稿であってもよい。

特許性予測装置１００は、インターネット２０２等を介してクライアント端末２１０ａ、２１０ｂ、・・・２１０ｃ（以下、単に「クライアント端末２１０」とよぶ）と接続される。クライアント端末２１０は、ウェブブラウザを搭載した一般的な端末である。ユーザは、クライアント端末２１０を介して特許性予測装置１００にアクセスする。特許性予測装置１００は、ウェブページを介してクライアント端末２１０に各種ユーザインタフェースを提供する。

特許性予測装置１００は、インターネット２０２に限らず、ＬＡＮ（Local Area Network）などの他の通信回線を介してクライアント端末２１０と接続されてもよい。あるいは、特許性予測装置１００自身がスタンド・アロンにてユーザインタフェースを提供してもよい。

特許性予測装置１００やクライアント端末２１０は、特許データベース２００とも接続される。特許データベース２００は、出願公開済みの特許出願の文献データを格納する。ここでいう文献データとは、特許原稿そのものに限らず、経過情報等の付随的な書誌情報も含まれる。特許データベース２００は、「特許電子図書館」などの既存データベースであってもよい。

特許データベース２００は、特許または拒絶として審査結果が確定している特許出願（以下、「既通知出願」とよぶ）と、審査結果が未確定の特許出願（以下、「未通知出願」とよぶ）の両者を格納する。特許性予測装置１００は、既通知出願について申請内容と審査結果の因果関係を分析し、その分析結果に基づいて検証出願の特許可能性を予測する。

図２は、特許性予測装置１００による処理の流れを示す模式図である。
特許性予測装置１００の処理は、「分析フェーズ」と「予測フェーズ」に大別される。分析フェーズの目的は、既通知出願について申請内容と審査結果の因果関係を分析し、後述する「登録予見式」を算出することである。予測フェーズの目的は、検証出願の申請内容と登録予見式から、検証出願の特許可能性を示す「特許予測値」を算出することである。まず、予測の前提となる理論的背景について説明する。その後、分析フェーズと予測フェーズのそれぞれについて順次説明する。

Ｐ１．理論的背景
特許出願の権利は「特許請求の範囲」によって確定される。請求項の広狭が権利の広さを定める。請求項が広いほど好ましいといえるが、開発競争の激しい技術分野（以下、「密な技術分野」とよぶ）において広い請求項で特許を取るのは一般的には困難である。一方、競争相手の少ない技術分野（以下、「疎な技術分野」とよぶ）においては、広い請求項での特許取得は比較的容易である。本発明者は、このような経験則に基づき、技術分野の疎密、請求項の広狭および特許可能性の間には統計的な相関関係が見いだせるのではないかと仮説を立てた。

類似数（ｘ）：技術分野の疎密
技術分野の疎密を示す指標値として「類似数（ｘ）」を定義する。まず、ある特許出願Ａよりも先に出願されている特許出願のうち、特許出願Ａと内容において類似する特許出願を「（特許出願Ａの）類似出願」と特定する。類似出願の数を「（特許出願Ａの）類似数（ｘ）」として特定する。類似数が多いほど、いいかえれば、特許出願Ａの特許性を否定する根拠となりかねない文献が多いほど、特許出願Ａの属する技術分野は密であると想定する。

類否の判定は、既知の自然言語処理技術の応用にて実現されればよい。たとえば、特許出願Ａの請求項１に含まれる形態素群のうち所定割合以上の形態素が、別の特許出願Ｂの明細書にも含まれているときには、特許出願Ｂは特許出願Ａに類似すると判定してもよい。ＴＦ（Term Frequency）・ＩＤＦ（Inverse Document Frequency）法のように、形態素ごとの重要性を加味した上で類否を判定してもよい。既に実用化されている概念検索技術により、類似度が所定の閾値以上となるか否かにより類否を判定してもよい（概念検索の詳細については、特許文献３参照）。

情報量（ｙ）：請求項の広狭
請求項の広狭を示す指標値として「情報量（ｙ）」を定義する。本実施例においては、特許出願Ａの所定請求項、たとえば、請求項１に含まれる形態素の数を「（特許出願Ａの）情報量（ｙ）」として特定する。情報量が多いほど、権利範囲が狭いと想定する。
以上の前提に基づいて、分析フェーズと予測フェーズのそれぞれについて説明する。

Ｐ２．分析フェーズ
分析フェーズは、収集処理（Ｓ１）、抽出処理（Ｓ２）および分析処理（Ｓ３）の３つの処理に分けることができる。

Ｓ１．収集処理：
特許性予測装置１００は、特許データベース２００から既通知出願の文献データを取得する。必要時に適宜取得してもよいし、バッチ処理により定期的に取得してもよい。ユーザは、クライアント端末２１０を介して、分析対象とすべき既通知出願を特定するための「検索条件」を入力する。出願日、出願人、ＩＰＣ（International Patent Classification）、審査官、代理人など、さまざまな検索条件を任意に設定できる。「出願日」は、たとえば、「１９９７／４／１〜２００８／３／３１」のように期間として設定されればよい。あるいは、分析対象としたい特許出願の出願番号や公開番号の一覧を入力してもよい。検索条件の設定は必須ではない。検索条件が設定されないときには、特許データベース２００から取得された全ての既通知出願が分析対象となる。
以下においては、「既通知出願」というときには、特に断らない限り、「分析対象となった既通知出願」のこという。

Ｓ２．抽出処理：
既通知出願のそれぞれについて類似数と情報量を特定する。たとえば、既通知出願Ｄの場合、既通知出願Ｄより先に出願されている特許出願であって、かつ、既通知出願Ｄと類似する特許出願を「（既通知出願Ｄの）類似出願」として特定する。そして、類似出願の数を「（既通知出願Ｂの）類似数（ｘ_１）」として特定する。以下においては、既通知出願の類似出願および類似数のことを、特に、「先行類似出願」および「先行類似数（ｘ_１）」とよぶ。次に、既通知出願Ｄの情報量を特定する。以下においては、既通知出願の情報量のことを、特に、「先行情報量（ｙ_１）」とよぶ。

最後に、既通知出願Ｄの審査結果を「結果指標値（ｚ）」として指標化する。本実施例においては、特許確定となっている既通知出願（以下、「既通知出願（特許）」と表記する）の結果指標値ｚを「１」、拒絶確定となっている既通知出願（以下、「既通知出願（拒絶）」と表記する）の結果指標値ｚを「０」に設定する。

こうして、既通知出願Ｄについて、先行類似数（ｘ_１）、先行情報量（ｙ_１）および結果指標値（ｚ）がワンセットとして抽出される。他の既通知出願についても、先行類似数、先行情報量、結果指標値をそれぞれ抽出する。複数の既通知出願それぞれについて、「先行類似数（ｘ_１）、先行情報量（ｙ_１）および結果指標値（ｚ）」のセットが抽出される。

Ｓ３．分析処理：
先行類似数（ｘ_１）と先行情報量（ｙ_１）を説明変量、結果指標値（ｚ）を目的変量として重回帰分析を実行する。ｚ＝ａ・ｘ＋ｂ・ｙ＋ｃを設定し、重回帰分析により係数ａ、ｂ、ｃを算出する。こうして特定された先行類似数（ｘ_１）、先行情報量（ｙ_１）を説明変量、結果指標値（ｚ）を目的変量とする回帰式として「登録予見式」が算出される。また、登録予見式と共に、重相関係数等も算出してもよい。重相関係数が大きい登録予見式ほど、信頼性が高い。ａ＜０、ｂ＞０、ｃ＞０となる登録予見式は、先行類似数（ｘ_１）が少なく、先行情報量（ｙ_１）が大きいほど、特許となりやすい（結果指標値（ｚ）が大きい）という経験則と一致することになる。

分析処理の完了後、先行類似数（ｘ_１）をｘ軸、先行情報量（ｙ_１）をｙ軸として、各既通知出願をプロットしたグラフを表示してもよい。グラフについては、図６や図７に関連して詳述する。なお、分析フェーズについては、図９に関連して更に詳述する。

Ｐ３．予測フェーズ：
予測フェーズは、取得処理（Ｓ４）と判定処理（Ｓ５）の２つの処理に分けることができる。

Ｓ４．取得処理：
ユーザは、クライアント端末２１０を介して、検証出願の文献データを特許性予測装置１００に入力する。検証出願の文献データ全体を入力する必要はない。たとえば、検証出願の請求項１や要約など、文献データの一部のみの入力であってもよい。検証出願が出願公開済みであるならば、特許性予測装置１００に特許データベース２００から検証出願の文献データを取得させてもよい。

次に、検証出願の類似数（以下、「検証類似数（ｘ_２）」とよぶ）と情報量（以下、「検証情報量（ｙ_２）」とよぶ）を抽出する。たとえば、ある検証出願Ｅの場合、検証出願Ｅよりも先に出願されている特許出願であって、検証出願Ｅと類似する特許出願を「（検証出願Ｅの）類似出願」として特定し、この類似出願の数を「（検証出願Ｅの）類似数」、すなわち、「検証類似数（ｘ_２）」として特定する。検証出願Ｅの情報量を検証情報量（ｙ_２）として特定する。

Ｓ５．判定処理：
分析フェーズで得られた登録予見式ｚ＝ａ・ｘ＋ｂ・ｙ＋ｃの変数ｘとｙに、検証類似数（ｘ_２）、検証情報量（ｙ_２）をそれぞれ代入し、結果指標値ｚを求める。ここで算出される結果指標値ｚは、検証出願の特許可能性を定量的に示す「特許予測値」である。特許予測値は、既通知出願群について申請内容と審査結果の因果関係を分析した結果に基づいて、検証出願の特許可能性を定量的に示す値である。特許予測値が大きいほど、すなわち、特許予測値が１．０に近いほど、検証出願が特許となる可能性が高いと予測される。最終的に、図３に示す分析結果画面１８０が表示され、検証出願の登録可能性（特許予測値）、先行出願数（検証類似数）、重相関係数、検証類似数や検証情報量のＰ値等がユーザに示される。ユーザは、重相関係数値を参照しつつ、検索条件を変更することにより、重相関係数が高い登録予見式、いいかえれば、信頼性の高い登録予見式を求めることができる。
このような処理方法により、技術分野の疎密と請求項の広狭および過去の審査結果に基づき、未審査の検証出願の特許可能性を合理的・定量的に示すことができる。

判定処理の完了後、先行類似数（ｘ_１）をｘ軸、先行情報量（ｙ_１）をｙ軸とするグラフ上に検証出願の位置をプロットしてもよい。なお、予測フェーズについては、図１０に関連して更に詳述する。

図４は、特許性予測装置１００の機能ブロック図である。
ここに示す各ブロックは、ハードウェア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウェア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組み合わせによっていろいろなかたちで実現できることは、当業者には理解されるところである。

特許性予測装置１００は、ＩＦ（インタフェース）部１１０、データ処理部１３０およびデータ保持部１５０を含む。
ＩＦ部１１０は、クライアント端末２１０や特許データベース２００とのインタフェースを担当する。ＩＦ部１１０は、クライアント端末２１０にウェブページ形式にて各種画面を表示させる。データ処理部１３０は、ＩＦ部１１０やデータ保持部１５０から取得されたデータを元にして各種のデータ処理を実行する。データ処理部１３０は、ＩＦ部１１０とデータ保持部１５０との間のインタフェースの役割も果たす。データ保持部１５０は、各種データを保持するための記憶領域である。

ＩＦ部１１０：
ＩＦ部１１０は、入力部１１２と出力部１２０を含む。入力部１１２は、クライアント端末２１０に対するユーザの各種入力を検出する。また、特許データベース２００から各種データを取得する。出力部１２０は、クライアント端末２１０に対して各種情報を出力する。

入力部１１２は、既通知出願取得部１１４、検索条件入力部１１８および検証出願取得部１１６を含む。既通知出願取得部１１４は、特許データベース２００から既通知出願を取得する。検索条件入力部１１８は、検索条件の入力を検出する。検証出願取得部１１６は、検証出願の文献データを取得する。

出力部１２０は、グラフ表示部１２２と予測結果通知部１２４を含む。グラフ表示部１２２は、類似数（ｘ）、情報量（ｙ）および特許／拒絶の相関関係をグラフ表示する。詳細については図６、図７に関連して後述する。予測結果通知部１２４は、特許予測値をクライアント端末２１０に送信する。本実施例においては、予測結果通知部１２４は、結果表示部として機能し、図３に示した分析結果画面１８０をクライアント端末２１０の画面に表示させる。

データ保持部１５０：
データ保持部１５０は、特性情報保持部１５２を含む。特性情報保持部１５２は、既通知出願のＩＰＣ、公開番号、先行情報量などの各種情報を特性情報として保持する。特性情報保持部１５２のデータ構造については次の図５に関連して詳述する。

データ処理部１３０：
データ処理部１３０は、分析部１３２、予測部１４０および分類部１４８を含む。分類部１４８は、既通知出願や検証出願を類似数に応じてグループ分けする。分類部１４８によるグループ分けについては、図７に関連して詳述する。

分析部１３２は、主として分析フェーズに関わるブロックであり、先行情報量検出部１３４、先行類似数検出部１３６および登録予見式算出部１３８を含む。先行情報量検出部１３４は、既通知出願の先行情報量（ｙ_１）を検出する。先行類似数検出部１３６は、既通知出願の先行類似数（ｘ_１）を検出する。登録予見式算出部１３８は、複数の既通知出願についての先行類似数（ｘ_１）、先行情報量（ｙ_１）および結果指標値（ｚ）に基づき、登録予見式を算出する。

予測部１４０は、主として予測フェーズに関わるブロックであり、検証情報量検出部１４２、検証類似数検出部１４４および特許性予測部１４６を含む。検証情報量検出部１４２は、検証出願の検証情報量（ｙ_２）を検出する。検証類似数検出部１４４は、検証出願の検証類似数（ｘ_２）を検出する。特許性予測部１４６は、検証類似数（ｘ_２）、検証情報量（ｙ_２）および登録予見式から、検証出願の特許予測値を算出する。

図５は、特性情報保持部１５２のデータ構造図である。
既通知出願取得部１１４は、既通知出願の文献データを取得後、特性情報保持部１５２に既通知出願の特性情報を登録する。ＩＰＣ欄１６０は既通知出願のＩＰＣ、公開番号欄１６２は公開番号、出願日欄１６４は出願日または優先日、公開日欄１６６は出願公開日、出願人欄１６８は出願人名を示す。先行情報量欄１７０は既通知出願の先行情報量（ｙ_１）、先行類似数欄１７２は先行類似数（ｘ_１）、最先類似出願日欄１７４は、先行類似出願のうち最先の出願日（または最先の優先日）を示す。審査結果欄１７６は、既通知出願の審査結果を示す。丸印は特許、バツ印は拒絶を示す。このほかにも、出願番号、発明者氏名、発明名称、請求項１、要約などが特性情報として含まれてもよい。

同図によれば、特開２００８−０５４３２４Ｘ号公報は、２００６年８月２４日を優先日として２００７年８月２４日に出願された既通知出願である。この既通知出願は、先行情報量（ｙ_１）＝５１、先行類似数（ｘ_１）＝１０４であり、特許されていることがわかる。

本実施例においては、類似数（ｘ）そのものではなく、類似数（ｘ）の対数値を登録予見式の変数として取り扱う。本発明者による調査の結果、特許出願ごとに類似数のばらつきが非常に大きいことが判明したためである。以下、登録予見式は、ｚ＝ａ・log(ｘ)＋ｂ・ｙ＋ｃであるとする。対数の底は「１０」である。なお、対数以外の任意の単調増加関数により類似数（ｘ）や情報量（ｙ）を変換した値を、登録予見式の変数としてもよい。たとえば、類似数（ｘ）の平方根や立方根を登録予見式の変数としてもよい。

図６は、グループを考慮しないときの先行類似数（ｘ_１）、先行情報量（ｙ_１）および審査結果との関係を示すグラフである。
横軸は先行類似数（ｘ_１）の対数値、縦軸は先行情報量（ｙ_１）を示す。丸印は既通知出願（特許）、バツ印は既通知出願（拒絶）を示す。同図は、本発明者の調査結果に基づいて、先行類似数（ｘ_１）、先行情報量（ｙ_１）および審査結果の関係を模式的に示すために作成したグラフである。本発明者の調査の結果、先行情報量（ｙ_１）が多いほど、すなわち、権利範囲が狭い既通知出願ほど特許となりやすいという統計的傾向を読み取ることができた。また、先行類似数が少ないほど、いいかえれば、疎な技術分野ほど特許となりやすいという統計的傾向を読み取ることができた。

登録予見式ｚ＝ａ・log(ｘ)＋ｂ・ｙ＋ｃをｙについて変形すると、ｙ＝−（ａ／ｂ）・log(ｘ)＋（ｚ−ｃ）／ｂとなる。分析フェーズにより、ａ、ｂ、ｃは既に特定されているので、特許予想値（ｚ）が０．５以上となるｙは、
ｙ≧−（ａ／ｂ）・log(ｘ)＋（０．５−ｃ）／ｂ
となる領域に存在する。この領域は、５０％以上の確率で特許化を見込める領域であり、以下、「Ａ（Allowance）領域」とよぶ。一方、特許予想値（ｚ）が０．５未満となるｙは、
ｙ＜−（ａ／ｂ）・log(ｘ)＋（０．５−ｃ）／ｂ
となる領域に存在する。この領域は、５０％未満の確率でしか特許化を見込めない領域であり、以下、「Ｒ（Rejection）領域」とよぶ。また、Ａ領域とＲ領域の境界線を示すｙ＝−（ａ／ｂ）・log(ｘ)＋（０．５−ｃ）／ｂを「Ｂ（Boundary）直線」とよぶ。

出力部１２０は、分析フェーズ完了後、Ａ領域、Ｒ領域およびＢ直線を識別可能な態様にて、クライアント端末２１０にグラフを画面表示させる。たとえば、Ａ領域を青色、Ｒ領域を赤色にて着色してもよい。

このような態様によれば、ユーザは、類似数と情報量および特許可能性の相関関係を視覚的に把握しやすくなる。さまざまな検索条件の設定により、技術分野、出願人、代理人、審査官、期間別の特許化傾向を可視化できる。なお、Ｂ直線を決定づける特許予想値（ｚ）の閾値は、０．５に限られるものではなく、ユーザが任意に設定可能である。

本発明者は、実際に、所定の条件で抽出した１１件の既通知出願について上記登録予見式の妥当性を検証してみた。１１件中８件は特許、３件は拒絶となっている。まず、各既通知出願の先行類似数（ｘ_１）と先行情報量（ｙ_１）を上記登録予見式に代入し、特許予測値ｚを算出してみる。この結果、特許予測値ｚ≧０．５となった既特許出願は７件(特許：７件、拒絶：０件)となり、特許予想値＜０．５となった既特許出願は４件(特許：１件、拒絶：３件)となった。すなわち、１１件中１件の既通知出願（特許）が登録予見式により「特許可能性が低い（特許予測値ｚ＝０．４２５）」と判定されたものの実際には特許になっていることになるが、それ以外は予測と結果が一致した。登録予見式による予測結果と実際の審査結果の整合性が確かめられた。

実際には、ある特許出願Ａの正確な類似数を、特許出願Ａの出願時に把握することはできない。特許出願Ａの類似出願の一部は特許出願Ａの出願後に出願公開されるためである。以下、このような出願時に未公開の類似出願を「未公開類似出願」とよび、出願時に既に公開されている類似出願を「公開類似出願」とよぶ。

未公開類似出願も特許法第２９条の２の規定、いわゆる「拡大された先願の地位」に関する規定により、特許出願Ａの特許可能性に影響を及ぼす。したがって、類似数は、厳密には、公開類似出願と未公開類似出願の合計値であるべきである。そこで、本発明者は、特許出願Ａの出願後に公開される未公開類似出願数の推移を調査した。

出願後、未公開類似出願も随時出願公開されるため、時間経過とともに類似数は増加する。より正確にいえば、時間経過とともに真の類似数が判明する。本発明者は、公開類似出願の数に基づいて、特許出願を４つのグループＧ１〜Ｇ４に分類した。各グループについては以下の傾向が確認された。

Ｇ１：特許出願時（ｔ＝０）において「公開類似出願数＜所定値Ｖ_１」のグループである。公開類似出願数が特に少ないグループの場合、未公開類似出願もほとんど存在しない。このため、特許出願後も類似数はほとんど増加しない。Ｇ１に分類される特許出願は、特に先駆的な発明に関する出願であることが多いと考えられ、未公開類似出願の存在が特許化の障害となることはほとんどないと考えられる。

Ｇ２：特許出願時（ｔ＝０）において「Ｖ_１≦公開類似出願数＜所定値Ｖ_２」となるグループである。このグループの場合、未公開類似出願がある程度存在しているため、特許出願後に類似数が徐々に増加する。Ｇ２に分類される特許出願は、比較的先駆的な発明に関する出願であることが多いと考えられ、未公開類似出願の存在が特許化の障害となる可能性がある。

Ｇ３：特許出願時（ｔ＝０）において「Ｖ_２≦公開類似出願数＜所定値Ｖ_３」となるグループである。このグループの場合、未公開類似出願が多く存在しているため、特許出願後に類似数が大きく増加する。Ｇ２に分類される特許出願は、比較的改良的な発明に関する出願が多いと考えられ、未公開類似出願の存在が特許化の障害となりやすい。

Ｇ４：特許出願時（ｔ＝０）において「Ｖ_３≦公開類似出願数」となるグループである。このグループの場合、未公開類似出願が特に多いため、特許出願後に類似数が急増している。Ｇ４に分類される特許出願は、特に改良的な発明に関する出願が多いと考えられ、特許化に際しては未公開類似出願の存在が大きな障害となりかねない。

このように、特許出願をＧ１〜Ｇ４に分類すると、グループごとに未公開類似出願の数が大きく異なることがわかった。本発明者は、公開類似出願数の桁数に基づいてグループ分類することにより、特許予測の精度が向上すると考えた。たとえば、Ｖ_１＝９９、Ｖ_２＝９９９、Ｖ_３＝９９９としてもよい。このような考えから、本発明者は、類似数に関わらず単一の登録予見式を算出するよりも、Ｇ１〜Ｇ４のそれぞれのグループについて別々の登録予見式を算出する方が登録予見式の精度をいっそう向上させることができるのではないかと考えた。

図７は、グループを考慮した上で、先行類似数（ｘ_１）、先行情報量（ｙ_１）および審査結果との関係を示すグラフである。
分類部１４８は、公開類似出願数に基づいて、既通知出願をＧ１〜Ｇ４の４つのグループに分類する。登録予見式算出部１３８は、グループごとに別々の登録予見式を算出する。横軸は先行類似数（ｘ_１）の対数値、縦軸は先行情報量（ｙ_１）を示す。丸印は既通知出願（特許）、バツ印は既通知出願（拒絶）を示す。同図も、本発明者の調査結果に基づいて、先行類似数（ｘ_１）、先行情報量（ｙ_１）および審査結果の関係を模式的に示すために作成したグラフである。

Ｇ１、Ｇ２、Ｇ３、Ｇ４のそれぞれにおいて算出された別々の登録予見式をつなぎ合わせると、同図に示すような曲線（以下、「Ｂ曲線」とよぶ）が現れたと仮定する。特許予想値（ｚ）が０．５以上となる「Ａ（Allowance）領域」は、同図においてＢ曲線よりも上方の領域であり、「Ｒ（Rejection）領域」はＢ曲線の下方の領域となる。

グループに関わらず、分析対象となった既通知出願全てから単一の登録予見式を算出するときには、同図に示すＢ直線が得られる。Ｂ曲線とＢ直線では、Ａ領域とＲ領域の範囲が異なる。Ｂ曲線に基づくＡ領域とＲ領域を参照すると、Ｇ１においては、先行情報量（ｙ_１）が相当小さくても特許となっている。いいかえれば、特に疎な技術分野に属する特許出願の場合、シンプルな請求項でも充分に特許となる可能性が高い。一方、Ｇ２においては、先行類似数（ｘ_１）に対する先行情報量（ｙ_１）の増加率が高い。このため、Ｇ２の場合、先行類似数が増加するほど、急速に特許化が難しくなっている。また、Ｇ３やＧ４においては、先行情報量（ｙ_１）が最低でも６０以上なければ、ほとんど特許化は不可能となっている。

同図に示す三角印は、検証出願Ｆを示す。検証出願Ｆは、Ｂ直線に基づくならばＲ領域に存在するが、Ｂ曲線に基づくならばＲ領域に存在している。このようにＢ直線を採用するかＢ曲線を採用するかに応じて検証出願Ｆの特許予測値は変化する。Ｂ曲線の方がＢ直線よりもいっそう高い精度にて特許可能性を予測しやすい。

なお、同図に示す既通知出願Ｈ（特許）は、先行類似数（ｘ_１）が非常に多く、かつ、先行情報量（ｙ_１）が少ないにも関わらず特許となっている。したがって、既通知出願Ｈは無効理由を含む瑕疵ある権利かもしれないし、密な技術分野にて広い権利範囲を確保している強力な特許なのかもしれない。このように、図７に示すグラフを参照することにより、「統計的傾向からみて特異な特許出願」を視覚的に見つけ出しやすくなる。

図８は、未公開類似出願と公開類似出願の関係を示すグラフである。
横軸は時間、縦軸は出願数を示す。ある検証出願Ｊの出願日をＴ２とする。検証出願Ｊについての検証類似出願の一部は、Ｔ２において出願公開されているが一部は未公開の状態にある。Ｔ２において公開されている検証類似出願の数をＳとする。ここでは、未公開の検証類似出願も含めた、検証類似出願の総数Ｓ’を求める方法を説明する。

最先の検証類似出願Ｋの出願日をＴ１とする。検証類似出願Ｋは、Ｔ１から１．５年後のＴ３に出願公開される。したがって、Ｔ３＝Ｔ１＋１．５である。検証類似出願Ｋの出願日以降に出願された他の検証類似出願は、Ｔ３以降に出願公開される。図８に示すグラフＣ_１は、検証類似出願の数を示す。一方、グラフＣ_２はそのうち出願公開された検証類似出願の数を示す。時間経過と共に検証類似出願の数が増加し、１．５年のタイムラグをおいて出願公開数も増加している。グラフＣ_２は、グラフＣ_１を１．５年分右に平行移動させたかたちとなる。したがって、
（Ｔ２−Ｔ３）：Ｓ＝（Ｔ２−Ｔ１）：Ｓ’
という関係が成立し、
Ｓ’＝｛（Ｔ２−Ｔ１）／（Ｔ２−Ｔ３）｝・Ｓ
となる。こうして、検証類似出願の総数Ｓ’を求めることができる。

このような処理方法により、先行類似数検出部１３６は、未公開類似出願も含めた正味の類似数を算出してもよい。そして、分類部１４８は、未公開類似出願も含めて、既通知出願や検証出願のグループ分けしてもよい。登録予見式算出部１３８は、未公開の先行類似出願を含めた先行類似数に基づいて登録予見式を算出してもよい。特許性予測部１４６は、未公開の検証類似出願を含めた検証類似数に基づいて、特許予測値を算出してもよい。

図９は、分析フェーズの処理過程を示すフローチャートである。
既通知出願取得部１１４は、特許データベース２００から定期的に既通知出願の文献データを取得する。既通知出願の文献データはデータ保持部１５０に格納される。検索条件入力部１１８は、ユーザから検索条件の入力を受け付ける（Ｓ１０）。分析部１３２は、特性情報等を参照し、検索条件に合致する既通知出願の文献データをデータ保持部１５０から取得する（Ｓ１２）。先行情報量検出部１３４は先行情報量（ｙ_１）を特定する（Ｓ１４）。先行類似数検出部１３６は先行類似数（ｘ_１）を特定する（Ｓ１６）。先行類似数検出部１３６は、図８に関連して説明した方法により、未公開の先行類似出願の数も含めて先行類似数を特定してもよい。分類部１４８は、既通知出願をＧ１〜Ｇ４のいずれかのグループに分類する（Ｓ１８）。

検索条件に合致する既通知出願が残っていれば（Ｓ２０のＹ）、処理はＳ１２に戻る。残っていなければ（Ｓ２０のＮ）、登録予見式算出部１３８は、Ｇ１〜Ｇ４の各グループについて別々の登録予見式を算出する（Ｓ２２）。グラフ表示部１２２は、図７に示したようにＡ領域、Ｒ領域およびＢ曲線を視認可能な態様にて、各既通知出願をプロットしたグラフを表示させる（Ｓ２４）。

図２との関連でいえば、Ｓ１０、Ｓ１２は収集処理（Ｓ１）、Ｓ１４、Ｓ１６、Ｓ１８は抽出処理（Ｓ２）、Ｓ２２、Ｓ２４は分析処理（Ｓ３）に対応する。

Ｓ１２においては、検索条件に合致する文献データのうち、特許法第３６条（記載要件）や第２９条１項柱書（発明要件）などの特定の拒絶理由を含む既通知出願（拒絶）を除外してもよい。いいかえれば、記載要件等の特定の拒絶理由を含まない既通知出願（拒絶）および既通知出願（特許）のみを取得の対象としてもよい。このような処理方法によれば、記載要件のように先行類似数（ｘ_１）とは関係のない拒絶理由を含む既通知出願（拒絶）の特性が登録予見式に反映されないように処置できる。この結果、先行類似数（ｘ_１）、先行情報量（ｙ_１）および審査結果の関係をより正確に表す登録予見式を算出できる。
このほか、拒絶理由通知を受けた後、出願人が未対応のまま拒絶確定となった既通知出願を除外してもよい。出願人の事情により拒絶確定となった既通知出願（拒絶）の特性が登録予見式に反映されるのを防ぐことにより、より確度の高い登録予見式を算出できる。

図１０は、予測フェーズにおける処理過程を示すフローチャートである。
検証出願取得部１１６は、検証出願の文献データを取得する（Ｓ３０）。ここでは、検証出願の請求項１のテキストデータを取得したとする。検証情報量検出部１４２は、検証情報量（ｙ_２）を特定する（Ｓ３２）。検証類似数検出部１４４は、検証類似数（ｘ_２）を特定する（Ｓ３４）。検証類似数検出部１４４は、検証出願についての請求項１のテキストデータと、検証出願よりも先に出願された特許出願の全文データとの類似度を比較する。そして、この類似度が所定の閾値以上となるときには、この特許出願を検証類似出願として特定する。検証類似数検出部１４４は、未公開の検証類似出願の数も含めて検証類似数（ｘ_２）を算出してもよい。分類部１４８は、検証出願をＧ１〜Ｇ４のいずれかのグループに分類する（Ｓ３６）。

特許性予測部１４６は、分類先のグループと対応づけられている登録予見式に基づいて、特許予想値を算出する（Ｓ４０）。予測結果通知部１２４は特許予想値をクライアント端末２１０に通知し、グラフ表示部１２２は図７に示したグラフ上に検証出願の位置をプロットして表示させる（Ｓ４２）。

図２との関連でいえば、Ｓ３０、Ｓ３２、Ｓ３４、Ｓ３６は取得処理（Ｓ４）、Ｓ３８、Ｓ４０、Ｓ４２は判定処理（Ｓ５）に対応する。

検証出願は、特許明細書として完成する前の原稿であってもよい。たとえば、請求項１のみを作成した段階で、Ｓ３０において請求項１のデータを入力すれば、検証出願の特許予測値を取得できる。このため、特許明細書完成前であっても、請求項１を仮作成することにより、特許化を期待できる請求項となっている否かを合理的かつ定量的に判断しやすくなる。

以上、実施例に基づいて、特許性予測装置１００を説明した。
特許出願後に限らず、特許出願前においても、特許可能性を予測する必要に迫られることは多い。たとえば、拒絶理由通知を受領したときには、どの程度の補正をする必要があるかを判断する必要がある。拒絶査定となったときには、拒絶査定不服審判を請求するか特許化を断念すべきか判断する必要がある。こういった判断は、知財担当者の経験や性格といった属人的要素に影響されることが多い。特許性予測装置１００は、過去の既通知出願の申請内容と審査結果の因果関係という客観的なデータに基づき、検証出願の特許可能性を合理的に示すことができる。これにより、特許性予測装置１００は、知財担当者による判断を支援できる。

検索条件により、既通知出願を絞り込むことにより、さまざまな登録予見式を作成可能である。たとえば、出願人ごとに登録予見式を作成すれば、出願人ごとの出願戦略の巧拙を客観的に評価しやすくなる。出願時期ごとに登録予見式を作成すれば、審査傾向の経時的な変化を把握しやすくなる。国ごとに登録予見式を作成すれば、国ごとの審査傾向を把握しやすくなる。また、ソフトウェア系の特許出願と電気系の特許出願では、請求項の情報量が大きく異なるかもしれない。また、同じソフトウェア系であっても、ビジネス方法に関する特許出願と機器制御に関する特許出願では、請求項の情報量が大きく異なるかもしれない。技術分野ごとに登録予見式を作成することにより、各技術分野にとって妥当な登録予見式を導出できる。更に、分析結果画面１８０にて重相関係数を確認しつつ、検索条件を操作することにより、適切な登録予見式を求めることもできる。

また、本発明者の調査によれば、公開類似出願数に応じて特許可能性が非線形的に変化することが判明した。そこで、類似数に応じて特許出願をグループ分けし、グループごとに登録予見式を算出することによりＢ曲線を得られた。Ｂ曲線によれば、特許予測値の精度をいっそう向上させることができる。

特許性予測装置１００は、特許出願、出願審査の請求、拒絶理由対応などのさまざまな場面において、知財担当者の判断を支援することにより、質の高い発明がいっそう保護されやすくなるものと期待される。また、類似数に鑑みて、過度に広い請求項や過度に狭い請求項となっていないかを注意・確認する上でも、特許性予測装置１００は知財担当者の判断を支援できる。

以上、本発明について実施例をもとに説明した。実施の形態は例示であり、それらの各構成要素や各処理プロセスの組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

本実施例においては、審査結果値ｚは、０（拒絶）または１（特許）の２値であるとして説明した。変形例として、審査結果値ｚを、０．１（拒絶審決）、０．２（拒絶査定）、０．７（特許審決）、１．０（特許査定）のように３値以上を割り当ててもよい。特許審決となった既通知出願は、拒絶査定不服審判が請求されていなければ拒絶査定となっていた特許出願である。このような考え方に基づき、特許審決については特許査定よりも低い審査結果値を付与してもよい。

一方、拒絶査定となった既通知出願は、拒絶査定不服審判を請求していれば特許化に成功していたかもしれない。このような考え方に基づき、拒絶査定となった既通知出願については拒絶審決となった既通知出願よりも高い審査結果値を付与してもよい。審査結果値は、多くの既通知出願を分析することにより最適値を求めればよい。
なお、本実施例においては、既通知出願とは特許または拒絶が確定した特許出願であるとして説明したが、必ずしも確定している必要はない。たとえば、新規性に基づく拒絶理由の対象となっている特許出願は、将来的に拒絶確定となるとみなして登録予見式に反映させてもよい。また、拒絶査定不服審判中の特許出願も拒絶確定とみなして登録予見式に反映させてもよい。

本実施例においては、請求項１に含まれる形態素の数が「情報量」であるとして説明した。変形例として、請求項１に含まれる文字数や行数を「情報量」とみなしてもよい。あるいは、「前記」や「装置」、「ステップ」のような、一般的な形態素を対象外として情報量を特定してもよい。こういった一般的な形態素は、発明の権利範囲を特定する上で情報価値が低いと考えられるためである。請求項１に同一形態素が複数回現れているときには、１回分としてカウントしてもよい。たとえば、「・・・第１の特許出願と第２の特許出願に共通して含まれる形態素の数に応じて、前記第１の特許出願と前記第２の特許出願との類否を判定する・・・」という文言を含む請求項においては、「特許」という形態素は４回出現している。このとき、「特許」という形態素を１回分としてカウントする。請求項には、同一形態素が繰り返し現れることも多いため、このような処理方法によれば、請求項の実質的な情報の量を特定しやすくなる。

本実施例においては、検証出願の請求項１に基づいて、先行類似数や検証類似数を特定するとして説明した。変形例として、請求項ごとに検証類似数を特定してもよい。請求項１に従属する請求項２の場合、請求項１の形態素数＋請求項２の形態素数を請求項２の情報量として特定した上で予測フェーズを実行してもよい。このような態様によれば、検証出願について請求項ごとに特許可能性を判断できる。

特許性予測装置とクライアント端末、特許データベースの関係を示すハードウェア構成図である。 特許性予測装置による処理の流れを示す模式図である。 分析結果画面の画面図である。 特許性予測装置の機能ブロック図である。 特性情報保持部のデータ構造図である。 グループを考慮しないときの先行類似数（ｘ_１）、先行情報量（ｙ_１）および審査結果との関係を示すグラフである。 グループを考慮した上で、先行類似数（ｘ_１）、先行情報量（ｙ_１）および審査結果との関係を示すグラフである。 未公開類似出願と公開類似出願の関係を示すグラフである。 分析フェーズの処理過程を示すフローチャートである。 予測フェーズにおける処理過程を示すフローチャートである。

符号の説明

１００ 特許性予測装置、 １１０ ＩＦ部、 １１２ 入力部、 １１４ 既通知出願取得部、 １１６ 検証出願取得部、 １１８ 検索条件入力部、 １２０ 出力部、 １２２ グラフ表示部、 １２４ 予測結果通知部、 １３０ データ処理部、 １３２ 分析部、 １３４ 先行情報量検出部、 １３６ 先行類似数検出部、 １３８ 登録予見式算出部、 １４０ 予測部、 １４２ 検証情報量検出部、 １４４ 検証類似数検出部、 １４６ 特許性予測部、 １４８ 分類部、 １５０ データ保持部、 １５２ 特性情報保持部、１８０ 分析結果画面、 ２００ 特許データベース、 ２０２ インターネット、 ２１０ クライアント端末。

Claims (8)

1. 特許出願の文献データを格納する特許データベースと接続され、
   審査結果通知済みの特許出願を既通知出願として、前記既通知出願の文献データを前記特許データベースから取得する既通知出願取得部と、
   前記既通知出願の文献データを参照し、前記既通知出願における所定請求項の情報量を先行情報量として検出する先行情報量検出部と、
   前記既通知出願よりも先に出願され、かつ、前記既通知出願と内容において類似する特許出願の数を先行類似数として検出する先行類似数検出部と、
   前記既通知出願の審査結果を示す結果指標値を目的変量、前記先行情報量および前記先行類似数を説明変量とし、複数の既通知出願を対象として回帰分析を実行することにより、先行類似数、先行情報量および結果指標値の相関関係を示す登録予見式を算出する登録予見式算出部と、
   特許可能性を予測すべき特許出願を検証出願として、前記検証出願の文献データを取得する検証出願取得部と、
   前記検証出願の文献データを参照し、前記検証出願における所定請求項の情報量を検証情報量として検出する検証情報量検出部と、
   前記検証出願よりも先に出願され、かつ、前記検証出願と内容において類似する特許出願の数を検証類似数として検出する検証類似数検出部と、
   前記検証情報量、前記検証類似数および前記登録予見式から、前記検証出願の特許可能性を示す予測値として前記検証出願についての結果指標値を算出する特許性予測部と、
   を備えることを特徴とする特許性予測装置。
2. 前記特許データベースに格納されている既通知出願のうち回帰分析の対象となる既通知出願が満たすべき条件を検索条件として、ユーザによる前記検索条件の入力を検出する検索条件入力部、を更に備え、
   前記登録予見式算出部は、前記検索条件に合致する既通知出願を対象として回帰分析を実行することにより前記登録予見式を算出することを特徴とする請求項１に記載の特許性予測装置。
3. 前記先行類似数検出部および前記検証類似数検出部は、第１の特許出願と第２の特許出願に共通して含まれる形態素の数に応じて、前記第１の特許出願と前記第２の特許出願との類否を判定することを特徴とする請求項１または２に記載の特許性予測装置。
4. 先行情報量と先行類似数を座標軸とする２次元グラフを画面表示させるグラフ表示部、を更に備え、
   前記グラフ表示部は、前記登録予見式により予測値として算出される前記結果指標値が所定の閾値以上となる領域と前記閾値未満となる領域を視認可能な態様にて、前記２次元グラフを画面表示させることを特徴とする請求項１から３のいずれかに記載の特許性予測装置。
5. 前記既通知出願を先行類似数に応じて複数のグループに分類する分類部、を更に備え、
   前記登録予見式算出部は、前記複数のグループそれぞれを対象として複数の前記登録予見式を算出し、
   前記分類部は、前記検証類似数に応じて前記複数のグループのいずれかに前記検証出願を分類し、
   前記特許性予測部は、前記検証出願の分類先となるグループと対応づけられる登録予見式に基づいて、前記検証出願についての結果指標値を算出することを特徴とする請求項１から４のいずれかに記載の特許性予測装置。
6. 前記登録予見式算出部は、形式または記載に関する所定の特許要件に基づく否定的見解を示された既通知出願を除外して、前記登録予見式を算出することを特徴とする請求項１から５のいずれかに記載の特許性予測装置。
7. 前記登録予見式の重相関係数を画面表示させる相関係数表示部、を更に備えることを特徴とする請求項１から６のいずれかに記載の特許性予測装置。
8. 審査結果通知済みの特許出願を既通知出願として、特許出願の文献データを格納する特許データベースから前記既通知出願の文献データを取得する機能と、
   前記既通知出願の文献データを参照し、前記既通知出願における所定請求項の情報量を先行情報量として検出する機能と、
   前記既通知出願よりも先に出願され、かつ、前記既通知出願と内容において類似する特許出願の数を先行類似数として検出する機能と、
   前記既通知出願の審査結果を示す結果指標値を目的変量、前記先行情報量および前記先行類似数を説明変量とし、複数の既通知出願を対象として回帰分析を実行することにより、先行類似数、先行情報量および結果指標値の相関関係を示す登録予見式を算出する機能と、
   特許可能性を予測すべき特許出願を検証出願として、前記検証出願の文献データを取得する機能と、
   前記検証出願の文献データを参照し、前記検証出願における所定請求項の情報量を検証情報量として検出する機能と、
   前記検証出願よりも先に出願され、かつ、前記検証出願と内容において類似する特許出願の数を検証類似数として検出する機能と、
   前記検証情報量、前記検証類似数および前記登録予見式から、前記検証出願の特許可能性を示す予測値として前記検証出願についての結果指標値を算出する機能と、
   をコンピュータに発揮させることを特徴とする特許性予測プログラム。

Images