JP2020086658A - 情報処理装置、情報処理システム、情報処理方法および類否判断方法 - Google Patents
情報処理装置、情報処理システム、情報処理方法および類否判断方法 Download PDFInfo
- Publication number
- JP2020086658A JP2020086658A JP2018216674A JP2018216674A JP2020086658A JP 2020086658 A JP2020086658 A JP 2020086658A JP 2018216674 A JP2018216674 A JP 2018216674A JP 2018216674 A JP2018216674 A JP 2018216674A JP 2020086658 A JP2020086658 A JP 2020086658A
- Authority
- JP
- Japan
- Prior art keywords
- mark
- similarity
- trademark
- determination
- unit
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims description 19
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000010801 machine learning Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 abstract description 52
- 230000000052 comparative effect Effects 0.000 description 91
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000000470 constituent Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 3
- 238000012559 user support system Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Library & Information Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】標章の類否判断の精度を高める。【解決手段】侵害検知装置12は、情報処理装置である。侵害検知装置12は、標章の類否判断が示された複数の事例をもとに機械学習により作成された類否判定モデルを記憶部に記憶する。侵害検知装置12は、基準となる第1の標章と比較されるべき第2の標章の入力をユーザ端末14から受け付ける。侵害検知装置12は、記憶部に記憶された類否判定モデルを用いて、第1の標章と第2の標章との類否を判断する。【選択図】図1
Description
この発明は、データ処理技術に関し、特に情報処理装置、情報処理システム、情報処理方法および類否判断方法に関する。
日本特許庁の商標審査で用いられる商標審査基準に例示された基準に基づいて、対象の標章に類似する類似標章を生成し、類似標章を用いてウェブ検索を行い、その検索結果を用いて商標権侵害に関する情報を取得する技術が提案されている(例えば特許文献1参照)。
上記特許文献1に記載の技術は、類似標章がウェブ上で使用されていた場合に侵害の可能性を検出するものだが、類似標章は、画一的な商標審査のために定められた商標審査基準に例示された類否判断基準をもとに生成したものである。商標審査のために画一的に定められたものであるため、必ずしも現実の商標権等侵害事案の検出には適していないと本発明者は考えた。
本発明は本発明者の上記課題認識にもとづきなされたものであり、1つの目的は、商標権侵害事案に対応した標章の類否判断の精度を高めることにある。
上記課題を解決するために、本発明のある態様の情報処理装置は、標章の類否判断が示された複数の事例をもとに機械学習により作成された類否判定モデルを記憶する記憶部と、基準となる第1の標章と比較されるべき第2の標章の入力を受け付ける受付部と、記憶部に記憶された類否判定モデルを用いて、第1の標章と第2の標章との類否を判断する判断部とを備える。
本発明の別の態様もまた、情報処理装置である。この装置は、基準となる第1の商標の指定商品または指定役務と同じであって当該商標の形態が異なる第2の商標を取得する第1取得部と、外部のデータソースから、第2の商標と同じ形態の標章が使用されている商品である実商品または第2の商標と同じ形態の標章が使用されている役務である実役務を取得する第2取得部と、指定商品または指定役務と実商品または実役務との関連付けを行う関連付け部とを備える。
本発明のさらに別の態様もまた、情報処理装置である。この装置は、標章の類否が示された事例をもとに機械学習により作成されたモデルを用いて第1の標章と第2の標章との類否を判断する場合に、判断の時期を示す情報の入力を受け付ける受付部と、判断の時期を加味して、第1の標章と第2の標章との類否を判断する判断部とを備える。
本発明のさらに別の態様は、情報処理システムである。この情報処理システムは、特定の国における標章の類否が示された事例をもとに機械学習により作成された類否判定モデルが国毎に記憶されネットワークを介してアクセス可能な記憶装置と、基準となる第1の標章と比較されるべき第2の標章の入力を受け付ける受付部と、判断対象国の指定を受付け、当該指定に基づいて当該判断対象国の類否判定モデルを用いて第1の標章と第2の標章との類否の判断結果を取得する判断部とを備える。
本発明のさらに別の態様は、情報処理方法である。この方法は、基準となる第1の商標の指定商品または指定役務と同じであって当該商標の形態が異なる第2の商標を取得するステップと、外部のデータソースから、第2の商標と同じ形態の標章が使用されている商品である実商品または第2の商標と同じ形態の標章が使用されている役務である実役務を取得するステップと、指定商品または指定役務と実商品または実役務との関連付けを行うステップとをコンピュータが実行する。
本発明のさらに別の態様は、類否判断方法である。この方法は、標章の類否が示された事例をもとに機械学習により作成されたモデルを用いて第1の標章と第2の標章との類否を判断する場合に、判断の時期を示す情報の入力を受け付けるステップと、判断の時期を加味して、第1の標章と第2の標章との類否を判断するステップとをコンピュータが実行する。
なお、以上の構成要素の任意の組合せ、本発明の表現を、方法、コンピュータプログラム、コンピュータプログラムを格納した記録媒体などの間で変換したものもまた、本発明の態様として有効である。
本発明によれば、標章の類否判断の精度を高めることができる。
本明細書では、標章が類似するか否か(すなわち類否)の判断が示された様々な事例をもとに機械学習により構築したモデルに基づいて、基準となる標章と収集した標章との類否を判断する技術を提案する。標章は、商標(動き商標、ホログラム商標、色彩のみからなる商標、音商標、位置商標を含む)として保護されうる複数種類の形態、態様、意匠を含む。具体的には、人の知覚によって認識することができるもののうち、文字、図形、記号、立体的形状若しくは色彩又はこれらの結合、音を含む。また、事例は、商標に関する審査例、審判例、裁判例、および不正競争防止法に関する裁判例の一種類以上の例を含む。更に事例は日本のものに限らず外国のものを含んでも良く。更に商標や不正競争行為に関する国内外の政府又は司法機関が開示している指針を含んでも良い。
(第1実施例)
図1は、第1実施例の情報処理システム10の構成を示す。情報処理システム10は、複数のユーザ端末14と、侵害検知装置12とを備える。複数のユーザ端末14と、侵害検知装置12は、LAN・WAN・インターネット等を含む通信網16を介して接続される。
図1は、第1実施例の情報処理システム10の構成を示す。情報処理システム10は、複数のユーザ端末14と、侵害検知装置12とを備える。複数のユーザ端末14と、侵害検知装置12は、LAN・WAN・インターネット等を含む通信網16を介して接続される。
侵害検知装置12は、標章の類否判断を支援する情報処理装置であり、実施例では、商標の侵害有無の判断を支援するサービスをユーザに提供する情報処理装置である。侵害検知装置12は、上記のサービスをいわゆるクラウドサービスとして、様々なロケーションに存在する複数のユーザ端末14に提供する。侵害検知装置12の機能の詳細は後述する。なお、侵害検知装置12の物理的な構成に制限はない。例えば、侵害検知装置12は、ウェブサーバ、アプリケーションサーバ、データベースサーバ等、複数の装置が連携することにより実現されてもよい。
ユーザ端末14は、侵害検知装置12のサービスを利用するユーザにより操作される情報処理装置である。ユーザ端末14は、ウェブブラウザを備えるPC、タブレット端末またはスマートフォンであってもよい。ユーザは、ユーザ端末14でウェブブラウザを起動し、ウェブブラウザを介して侵害検知装置12のサービスを利用してもよい。
データソース20は、情報処理システム10の外部に設けられた、種々の情報を提供可能な複数の情報処理装置の総称である。データソース20は、複数のウェブサイトを提供する複数のウェブサーバを含む。また、データソース20は、標章の類否が判断された事例のデータを蓄積および提供する情報提供装置を含み、例えば、各国の特許庁や裁判所のデータベースサーバを含む。更にデータソース20は、ショッピングモールサイト、インターネットニュースサイト、各種SNSサイト、企業・団体・大学・研究機関・政府等のホームページ、データベースや電子データが保存されているアクセス可能なサーバを含む。
図2は、第1実施例の侵害検知装置12の機能ブロックを示すブロック図である。本明細書のブロック図で示す各ブロックは、ハードウェア的には、コンピュータのプロセッサ、CPU、メモリをはじめとする素子や電子回路、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、ソフトウェアの組合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。
侵害検知装置12は、制御部30、記憶部32、通信部34を備える。制御部30は、標章の侵害判断に関わる種々のデータ処理を実行する。記憶部32は、制御部30により参照または更新されるデータを記憶する。通信部34は、所定の通信プロトコルにしたがって外部装置と通信する。制御部30は、通信部34を介して、ユーザ端末14およびデータソース20と種々のデータを送受信する。
記憶部32は、モデル記憶部36を含む。モデル記憶部36は、標章の類否が示された複数の事例をもとに公知の機械学習により作成されたモデルであって、標章の類否を判定する類否判定モデルを記憶する。類否判定モデルは、入力および出力のデータ形式が予め定められた関数とも言える。実施例の類否判定モデルには、基準となる標章(「基準標章」とも呼ぶ。)に関するデータと、基準標章と比較されるべき標章(「比較標章」とも呼ぶ)に関するデータとが入力される。また、実施例の類否判定モデルは、基準標章と比較標章の類似の度合いを示す類否判定結果を出力する。
モデル記憶部36は、複数の国における事例をもとに作成された、複数の国に対応する複数の類否判定モデルを記憶する。言い換えれば、類否判定モデルは各国の事例に基づいて国毎に作成され、モデル記憶部36は、各国用の類否判定モデルを記憶する。或る国用の類否判定モデルは、その国における標章の類否を判定するために使用される。なお、類否判定モデルの作成手法については後述する。
制御部30は、基準データ受付部38、比較データ受付部40、使用状況収集部42、模倣状況収集部44、判断部46、提示部48、生成部50を含む。これら複数の機能ブロックに対応する複数のモジュールが実装されたアプリケーションプログラムが、侵害検知装置12のストレージ(例えば記憶部32)にインストールされてもよい。侵害検知装置12のプロセッサ(例えばCPU)は、そのアプリケーションプログラムをメインメモリに読み出して実行することにより各機能ブロックの機能を発揮してもよい。
基準データ受付部38は、基準となる商標(以下「基準商標」とも呼ぶ。)に関するデータの入力を受け付ける。基準商標に関するデータは、標章(上記の基準標章)のデータと、基準標章が使用されている商品または役務を示すデータ(実施例では指定商品または指定役務のデータ)を含む。
比較データ受付部40は、基準商標と比較すべき商標(以下「比較商標」とも呼ぶ。)に関するデータの入力を受け付ける。比較商標に関するデータは、標章(上記の比較標章)のデータと、比較標章が使用されている商品または役務を示すデータを含む。
使用状況収集部42は、基準商標の使用状況をデータソース20から収集する。例えば、使用状況収集部42は、インターネット上の複数のウェブサイト(販売サイトやニュースサイト等)を巡回して、基準商標が実際に使用されている商品または役務の情報や、商標掲載の回数・日時等を収集する。使用状況収集部42は、基準商標の使用状況を示す情報を基準データ受付部38、判断部46に渡す。
模倣状況収集部44は、比較商標に関するデータをデータソース20から収集する。例えば、模倣状況収集部44は、インターネット上の複数のウェブサイト(販売サイトやニュースサイト等)を巡回して、比較商標を取得してもよい。もちろん正規に使用されている基準商標は比較商標から除外されることになる。そして模倣状況収集部44は、収集した比較商標のデータを比較データ受付部40に入力する。
模倣状況収集部44は、ウェブサイトが提供する文書(ウェブページ等)のデータから以下の手法で比較商標を取得してもよい。(1)文書における所定位置(例えば右上隅や右下隅)に記載された文字や図形を比較商標として取得してもよい。(2)文書内に会社名等の所定のキーワード(ユーザにより指定されたキーワードでもよい)が存在する場合、そのキーワードの近傍にある文字や図形を比較商標として取得してもよい。(3)文書内に商標を示す所定の記号(「TM」「R」等)が存在する場合、その記号の近傍にある文字や図形を比較商標として取得してもよい。(4)XML等の構造化文書の場合、商標を示すタグが存在すれば、そのタグ内のデータを比較商標として取得してもよい。
また、模倣状況収集部44は、公知の画像解析技術を用いて、動画共有サイトにアップロードされた動画の再生画像から比較商標を抽出してもよい。例えば、模倣状況収集部44は、文書に対する上記(1)〜(3)の手法を再生画像に適用し、再生画像から比較商標を抽出してもよい。
比較商標の抽出対象、例えば、どの会社が使用している商標を比較商標として抽出するかは、ユーザにより指定されてもよい。ユーザは、自社に対する競合他社を比較商標の抽出対象として指定してもよい。なお、比較商標そのものがユーザにより指定されてもよく、比較データ受付部40は、ユーザ端末14から送信された比較商標のデータを受け付けてもよい。
また、模倣状況収集部44は、比較商標の使用状況をデータソース20から収集する。例えば、模倣状況収集部44は、インターネット上の複数のウェブサイト(販売サイトやニュースサイト等)を巡回して、比較商標が使用されている商品または役務の情報や、商標掲載の回数、日時等を収集する。模倣状況収集部44は、比較商標の使用状況を示す情報を比較データ受付部40、判断部46に渡す。
判断部46は、モデル記憶部36に記憶された類否判断モデルを用いて、基準商標の形態、つまり標章である基準標章と、比較商標の形態、つまり標章である比較標章との類否を判断する。具体的には、判断部46は、基準データ受付部38が受け付けた基準標章のデータと、比較データ受付部40が受け付けた比較標章のデータとを類否判断モデルへ入力する。判断部46は、類否判定モデルから出力された、基準標章と比較標章の類似度合いを含む類否判定結果を取得する。
判断部46は、類否判定モデルから出力された類否判定結果に応じて、基準標章と比較標章が類似するか否かを判断する。判断部46は、類否判定結果が示す類似度合いが相対的に高い場合に、基準標章と比較標章とが類似すると判断する。実施例では、類否判定モデルは、類似度合いとして0〜1の値(大きいほど類似度合いが高いことを示す)を出力する。判断部46は、類似度合いが予め定められた閾値(例えば0.6)以上の場合に、基準標章と比較標章とが類似すると判断してもよい。この閾値は、開発者の知見や侵害検知装置12を用いた実験の結果をもとに適切な値に設定されてよい。
判断部46は、基準標章と比較標章とが同一または類似し、かつ、基準商標の指定商品または指定役務が、比較商標が使用されている商品または役務と同一または類似する場合、比較商標が基準商標に抵触すると判断する。基準商標が登録商標の場合、判断部46は、比較商標が基準商標の商標権を侵害すると判断する。一方、判断部46は、基準標章と比較標章とが非類似(類似度合いが閾値未満)であり、または、基準商標の指定商品または指定役務が、比較商標が使用されている商品または役務を含まない場合、比較商標が基準商標に抵触しないと判断する。判断部46は、判断結果を提示部48に渡す。
なお、判断部46は、ユーザ端末14から送信された、ユーザにより指定された判断対象国を示すデータを受け付ける。判断部46は、モデル記憶部36に記憶された各国用の類否判定モデルのうち判断対象国の類否判定モデルを使用して、基準標章と比較標章との類否を判断し、言い換えれば、比較商標が基準商標に抵触するか否かを判断する。
提示部48は、判断部46による判断結果を含むユーザ支援情報をユーザ端末14へ送信して表示させることにより、判断部46による判断結果をユーザに提示する。ユーザ支援情報は以下の項目を含む。(1)判断部46による判断結果であり、比較商標が基準商標に抵触するか否か、言い換えれば、比較商標が基準商標の商標権を侵害するか否かを示す情報。(2)抵触有無の判断理由。実施例では、基準商標と比較商標の類似度合いを示す情報や類似度を判断するうえで所定の特徴が無いことを示す情報。(3)使用状況収集部42により収集された基準商標の使用状況に関する情報。(4)模倣状況収集部44により収集された比較商標の使用状況に関する情報。
なお、基準商標と比較商標の少なくとも一方が複数存在する場合、判断部46は、1つの基準商標と1つの比較商標の組合せ毎に抵触有無を判断する。提示部48は、1つの基準商標と1つの比較商標の組合せ毎に、判断部46による判断結果を含むユーザ支援情報をユーザ端末14に送信して表示させる。
生成部50は、標章の類否が示された複数の事例をもとに類否判定モデルを生成し、生成した類否判定モデルをモデル記憶部36に格納する。また、生成部50は、標章の類否が示された新たな事例をもとに、モデル記憶部36に記憶された類否判定モデルを更新し、言い換えれば、それまでの類否判定モデルとは異なる新たな類否判定モデルを生成する更新部としても機能する。
生成部50は、事例取得部52とモデル生成部54を含む。事例取得部52は、日本、米国、ドイツ等の複数の国における標章の類否が示された事例であって、審査・審判・裁判例等の複数の事例に関するデータをデータソース20から取得する。ここでのデータソース20は、複数の国の事例を保持する複数のデータベースであってもよい。各事例のデータは、互いに比較された第1の標章と第2の標章のデータ(外観や称呼、観念等を示すデータ)を含み、両者の標章が類似するか否かの判断結果を含む。
モデル生成部54は、事例取得部52により取得された複数の事例に関するデータを複数の教師データとして用いて、複数の国に対応する複数の類否判定モデルを生成する。例えば、日本に対応する類否判定モデル、米国に対応する類否判定モデル、ドイツに対応する類否判定モデル、・・・を生成する。実施例のモデル生成部54は、第1の標章と第2の標章のデータおよび類否判断結果を教師データとして機械学習(教師有り学習)により類否判定モデルを生成する。モデル生成部54は、サポートベクターマシン、ニューラルネットワーク(ディープラーニングを含む)、ランダムフォレスト等、公知の機械学習手法を用いて類否判定モデルを生成してもよい。
教師データにおける類否判断結果は、同一または類似と判断された場合「1」、非類似と判断された場合「0」に設定されてもよい。また、教師データにおける類否判断結果は、同一と判断された場合「1」、類似と判断された場合「0.7」、非類似と判断された場合「0」に設定されてもよい。すなわち、類似と判断された場合、同一と判断された場合より小さい値であり、かつ、非類似と判断された場合より大きい値に設定されてもよい。この場合、類否判定モデルは、基準標章と比較標章との類似度合いを0〜1(1に近いほど類似度が高い)の範囲で出力する。
なお、事例取得部52は、定期的に、複数のデータソース20から複数の国の事例データ(ここでは新たな事例データ)を取得する。モデル生成部54は、定期的に、事例取得部52により取得された新たな事例データにもとづいて、複数の国に対応する複数の類否判定モデルを更新する。
以上の構成による情報処理システム10の動作を説明する。
図3は、侵害検知装置12の動作を示すフローチャートである。同図は、類否判定モデルの作成に関する動作を示している。予め定められたモデル生成タイミングまたはモデル更新タイミングに至ると(S10のY)、侵害検知装置12の事例取得部52は、標章の類否判断が示された各国の事例をデータソース20から取得する(S12)。モデル生成部54は、各国の事例をもとに機械学習により各国用の類否判定モデルを生成し、モデル記憶部36に格納する(S14)。
図3は、侵害検知装置12の動作を示すフローチャートである。同図は、類否判定モデルの作成に関する動作を示している。予め定められたモデル生成タイミングまたはモデル更新タイミングに至ると(S10のY)、侵害検知装置12の事例取得部52は、標章の類否判断が示された各国の事例をデータソース20から取得する(S12)。モデル生成部54は、各国の事例をもとに機械学習により各国用の類否判定モデルを生成し、モデル記憶部36に格納する(S14)。
モデル生成タイミングまたはモデル更新タイミングに至らなければ(S10のN)、S12およびS14をスキップする。モデル作成タイミングまたはモデル更新タイミングは、侵害検知装置12の管理者によりモデル更新の指示が入力されたときでもよい。また、モデル更新タイミングは、先の類否判定モデルが生成されてから所定時間(例えば3ヶ月)が経過したことを検出したときでもよい。侵害検知装置12は、図3に示す処理を繰り返し実行してもよい。
図4も、侵害検知装置12の動作を示すフローチャートである。同図は、侵害検知に関する動作を示している。ユーザは、基準商標に関する情報として、基準商標の標章(基準標章)と指定商品または指定役務を示す情報をユーザ端末14へ入力する。ユーザ端末14は、基準商標に関する情報を含む侵害判断指示を侵害検知装置12へ送信する。侵害検知装置12の基準データ受付部38は、ユーザ端末14から送信された基準商標に関する情報の入力を受け付ける(S20)。ここでの基準商標は、ユーザの所属企業が有する登録商標(言い換えれば真正品の商標)とする。
使用状況収集部42は、基準商標の使用状況をデータソース20から収集する(S22)。例えば、使用状況収集部42は、ユーザが所属する会社や販売する商品とともに基準商標が使用されているか否かを示すデータや、ウェブサイト(自社サイトや外部販売サイト、ニュースサイト等)でどれだけ使用されているかを示すデータを収集する。
模倣状況収集部44は、比較商標の情報をデータソース20から収集する(S24)。例えば、模倣状況収集部44は、複数のウェブサイト(ユーザにより指定された企業やドメイン等のウェブサイトでもよい)に掲載された商標であり、基準商標とは異なる1つ以上の商標を比較商標として収集する。比較データ受付部40は、模倣状況収集部44により収集された比較商標の入力を受け付ける(S26)。なお、比較商標は、基準商標と同様に、ユーザにより指定されてよく、すなわちユーザ端末14から入力されてもよい。
また、情報処理システム10は、カメラを搭載したドローン(言い換えれば無人航空機)を備えてもよい。ドローンは、現実世界の様子を撮像し、現実世界で使用されている商標の情報を収集してもよい。模倣状況収集部44は、ドローンによる撮像画像から、その中に映る商標を比較商標として抽出してもよい。
以降の処理は、1つの基準商標と1つの比較商標の組合せ毎に実行する。判断部46は、S20で入力された基準商標の標章(すなわち基準標章)と、S26で入力された比較商標の標章(すなわち比較標章)とをモデル記憶部36に記憶された類否判定モデルへ入力し、類否判定モデルから出力された類否判定結果を取得する。判断部46は、類否判定結果が示す基準標章と比較標章の類似度合いが所定の閾値以上であり、かつ、基準商標の指定商品が比較商標の使用態様を含む場合、比較商標が基準商標に抵触すると判断する(S28)。
S28において、判断部46は、ユーザにより指定されて、ユーザ端末14から通知された判断対象国の類否判定モデルを使用する。また、判断対象国が複数指定された場合、判断部46は、国毎の類否判定モデルを使用して、国毎の類否判定結果を得る。また、基準商標と比較商標の少なくとも一方が複数存在する場合、判断部46は、1つの基準商標と1つの比較商標の組合せ毎に抵触有無を判断する。
判断部46による判断結果が、比較商標が基準商標に抵触しないことを示す場合(S30のN)、提示部48は、判断部46による抵触有無の判断結果をユーザ端末14へ送信して表示させる(S32)。判断結果は、基準商標の標章、比較商標の標章、類否判定結果(ここでは非類似)、判断理由(ここでは閾値以下の類似度)を含んでもよい。
一方、判断部46による判断結果が、比較商標が基準商標に抵触することを示す場合(S30のY)、模倣状況収集部44は、抵触すると判断された比較商標(以下「抵触商標」とも呼ぶ。)の使用状況を示す情報をデータソース20から収集する(S34)。模倣状況収集部44は、複数のウェブページの記載をもとに抵触商標が使用されている商品・役務の情報や、使用場所の情報(URL等)を取得してもよい。また、模倣状況収集部44は、ウェブページを提供するサーバのインターネットアドレスに基づくサーバ所在地や管理者の情報をWHOISサーバ等から取得してもよい。
また既述したように、情報処理システム10は、カメラを搭載したドローンを備えてもよい。ドローンは、現実世界の様子を撮像し、現実世界で使用されている抵触商標の情報を収集してもよい。模倣状況収集部44は、複数の撮像画像と、各画像が撮像された位置情報(GPS等による測位情報)をドローンから取得してもよい。判断部46は、ドローンから入力された位置情報と地図情報とをもとに、各画像が撮像された住所や店舗名等を特定してもよい。
また、模倣状況収集部44は、データソース20(例えば各国特許庁のデータベース)を検索し、抵触商標が公的機関に登録されているか否か、言い換えれば、抵触商標が登録商標か否かを確認する。抵触商標が登録商標である場合、模倣状況収集部44は、抵触商標の登録に関する情報(出願日、登録日、指定商品、指定役務等)をデータソース20から取得する(S36)。
判断部46は、模倣状況収集部44により収集された抵触商標に関する情報に基づいて、抵触商標の使用開始時期を推定する(S38)。判断部46は、抵触商標を含むウェブページがウェブサイトに掲載または登録された日時をウェブページのデータから抽出し、その掲載日時または登録日時を、抵触商標の使用開始時期として推定してもよい。
また、判断部46は、ドローン等による撮像画像に映る店舗や看板等の劣化具合をもとに、当該画像に映る抵触商標の使用開始時期を推定してもよい。例えば、判断部46は、店舗や看板等の劣化具合と、その劣化を生じさせた期間との対応関係を予め記憶し、現時点から、撮像画像に映る店舗や看板等の劣化具合に対応する期間遡った時期を、抵触商標の使用開始時期として推定してもよい。
提示部48は、判断部46による抵触有無の判断結果をユーザ端末14へ送信して表示させる(S40)。それとともに、提示部48は、付加情報として、S22で取得された基準商標の使用状況を示す情報、S34で取得された抵触商標の使用状況を示す情報、S36で取得された抵触商標の登録情報、およびS38で推定された抵触商標の使用開始時期をユーザ端末14へ送信して表示させる(S42)。
このように、基準商標と比較商標とが抵触する場合、ユーザに対して多くの付加情報を提供することで、ユーザによる対応内容の検討を支援できる。また、基準商標と比較商標とが抵触する場合に付加情報を収集することにより、侵害検知装置12におけるデータ処理量の増加を抑制できる。なお、S22で示した基準商標の使用状況を取得する処理も、基準商標と比較商標とが抵触する場合にのみ実行してもよい。
第1実施例の侵害検知装置12によると、標章の類否が示された様々な事例をもとに機械学習により作成されたモデルを使用して標章の類否を判断することにより、様々な態様の標章(文字だけでなく図形、音等)の類否判断の精度を高めることができる。例えば、抵触・侵害の可能性が高いものが漏れてしまうことを抑制でき、また、抵触・侵害の可能性が低いものを抵触・侵害するものと誤認定することを抑制できる。
また、侵害検知装置12によると、標章の類否判断に各国用の類否判定モデルを用いることにより、各国の知財制度および類否判断傾向を反映し、国毎の類否判断精度を高めることができる。また、侵害検知装置12によると、侵害検知装置12による判断理由として、基準標章と比較標章との類似の度合いをユーザに提示することにより、ユーザが対応を検討する上での参考情報を提供することができる。
また、侵害検知装置12によると、新たな事例をもとに類否判定モデルを更新することにより、最新の基準や傾向に基づいて標章の類否を判断できる。また、侵害検知装置12によると、インターネットを含む仮想世界と現実世界の両方で使用されている比較商標および抵触商標の情報を取得でき、抵触・侵害判断の網羅性を高めることができる。
上記実施例では、基準商標のデータは、ユーザ端末14から侵害検知装置12へ入力されることとしたが、変形例として、侵害検知装置12の記憶部32に予め記憶されてもよい。侵害検知装置12が自社商標に抵触する他社商標を検知するものである場合、自社商標に関するデータ(基準標章を含む)が記憶部32に予め記憶されてもよい。また、侵害検知装置12の判断部46がコンピュータプログラムにより実現される場合、そのコンピュータプログラムに基準商標のデータが静的に設定されてもよい。
上記実施例では言及していないが、判断部46は、複数の国に対応する複数の類否判定モデルを使用して、比較商標が基準商標に抵触するかを国毎に判断してもよい。提示部48は、国毎の抵触有無判断結果をユーザ端末14に一覧表示させてもよい。また、判断部46は、模倣状況収集部44により取得された比較商標の使用状況をもとに比較商標が1つ以上の国(「使用国」と呼ぶ。)で使用されていることが判明した場合、各使用国の類否判定モデルを使用して、比較商標が基準商標に抵触するか否かを使用国毎に判断してもよい。提示部48は、使用国毎の抵触有無判断結果をユーザ端末14に一覧表示させてもよい。
なお、国毎に別個の類否判定モデルが設けられてもよいが、類否判定モデルは1つだけ設けられてもよい。後者の場合、判断部46は、ユーザにより指定された判断対象国の識別コードをパラメータとして類否判定モデルに入力することにより、判断対象国における抵触有無を判断してもよい。
また、国毎に別個の類否判定モデルが設けられる場合、それぞれの類否判定モデルは、特定の国における事例(審査例、審判例、裁判例等)のみに基づいて作成されてもよい。この態様によると、特定の国の判断に合致した抵触有無判断を実現できる。
上記実施例の類否判定モデルは、基準標章と比較標章との類似度合いを出力することとしたが、変形例として、類否判定モデルは、基準標章と比較標章との類似度合いに代えて、または類似度合いとともに、基準標章と比較標章とが類似するか否かの結論を示すデータを出力してもよい。判断部46は、その結論を示すデータにしたがって、基準標章と比較標章とが類似するか否かを判断してもよい。
上記実施例の判断部46および提示部48は、類否判定モデルから出力された基準標章と比較標章との類似度合いを判断理由としてユーザに提示したが、変形例として、他の判断理由をユーザに提示してもよい。他の判断理由は、類否判定モデルが、基準標章と比較標章が類似する(または非類似)と結論した理由を説明する内容であってもよく、言い換えれば、類否判定の結論に至る論理を説明する内容であってもよい。
他の判断理由は、公知の手法により生成されてもよい。例えば、判断部46は、「https://forbesjapan.com/articles/detail/21330」に記載されたように、基準標章と比較標章が類似する(または非類似)と類否判定モデルが結論した要因である「欠けている情報」を判断理由として抽出し、提示部48は、「欠けている情報」を判断理由としてユーザに提示してもよい。
上記実施例では言及していないが、モデル生成部54は、下級審の判断を示す事例よりも上級審の判断を示す事例を優先した機械学習により類否判定モデルを生成してもよい。また、モデル生成部54は、古い判断を示す事例よりも新しい判断を示す事例を優先した機械学習により類否判定モデルを生成してもよい。例えば、モデル生成部54は、審査の事例<審判の事例<地方裁判所の裁判例<高等裁判所の裁判例<最高裁判所の裁判例の順に教師データを重く重み付けして類否判定モデルを生成してもよい。また、モデル生成部54は、新しい事例に基づく教師データほど重く重み付けをして類否判定モデルを生成してもよい。
上記実施例では、教師有り学習により類否判定モデルを生成することとしたが、教師無し学習により類否判定モデルを生成してもよい。モデル生成部54は、公知のクラスター分析手法を用いて、事例で比較された第1の標章と第2の標章の組を、第1群と第2群のいずれかに分類するように類否判定モデルを生成してもよい。続いて、機械学習によらない方法(例えば人手)にて、第1群と第2群のいずれが類似する群であり、いずれが非類似の群かを確認してもよい。第1群が類似する群であり、第2群が非類似の群である場合、判断部46は、基準標章と比較標章の組を類否判定モデルに入力し、この組が第1群と第2群のいずれに分類されるかを類否判定モデルから取得してもよい。判断部46は、基準標章と比較標章の組が第1群に分類された場合、基準標章と比較標章が類似すると判断し、第2群に分類された場合、基準標章と比較標章が非類似と判断してもよい。
(第2実施例)
第2実施例では、基準商標の指定商品および/または指定役務に含まれる実際の商品および/または役務の範囲を加味して、抵触・侵害有無を判断する。以下、指定商品および/または指定役務を総称して「指定商品等」とも呼ぶ。
第2実施例では、基準商標の指定商品および/または指定役務に含まれる実際の商品および/または役務の範囲を加味して、抵触・侵害有無を判断する。以下、指定商品および/または指定役務を総称して「指定商品等」とも呼ぶ。
第2実施例の情報処理システムを構成する要素のうち第1実施例の要素と同一または対応する要素には、第1実施例と同一の符号を付して説明する。また、第1実施例で説明済みの内容は再度の説明を適宜省略し、主に第1実施例と異なる点を説明する。
第2実施例の情報処理システムの構成は、第1実施例と同様である(図1)。図5は、第2実施例の侵害検知装置12の機能ブロックを示すブロック図である。第2実施例の侵害検知装置12は、第1実施例の機能ブロックに加えて、範囲特定部56を備える。
基準データ受付部38は、ユーザ端末14から入力された基準商標(例えば自社の登録商標)の指定商品等を受け付ける。範囲特定部56は、基準商標の指定商品等を指定して公的機関に登録された、基準商標とは異なる商標(以下「参考商標」と呼ぶ。)のデータをデータソース20から取得する。参考商標のデータは、少なくとも参考商標の標章を含む。ここでのデータソース20は、侵害有無の判断対象となる国における特許庁データベースや、民間の商標データベースであってもよい。
範囲特定部56は、参考商標の標章が実際に使用されている商品(「実商品」とも呼ぶ。)または役務(「実役務」とも呼ぶ。)に関するデータ(例えば実商品の名称、実役務の名称)をデータソース20から取得する。例えば参考商標の商標権者である企業のホームページから参考商標の標章を使用している実際の商品等の情報を取得する。このとき、当該商品等のカタログから当該商品等の一般名称や当該商品等の需要者の範囲、当該商品等の用途や機能も情報として可能な限り取得する。そして取得した情報に基づいて商品等の範囲を確定する。なお、これらの情報は当該企業のホームページではなく、ショッピングモールサイトから収集しても良く、更に当該商品等のカタログに掲載された当該商品等の画像や説明文をもとにデータソース20内を検索し、当該商品等の一般名称や当該商品等の需要者の範囲、当該商品等の用途や機能に関する情報を取得しても良い。更に範囲特定部56は、第1実施例の模倣状況収集部44と同様に、インターネット上の複数のウェブサイトにおける参考商標の使用状況を取得してもよい。また、範囲特定部56は、ドローン等による撮像画像に基づいて現実世界における参考商標の使用状況を取得してもよい。例えば当該撮像画像を画像処理により分析し、当該商品等を利用している需要者に関する情報(性別や大人か子供かやどのように広告宣伝されているか等)や当該商品等の用途や機能(いつ、どこで、どのように消費されているか等)に関する情報を取得することができる。
範囲特定部56は、基準商標の指定商品または指定役務と、参考商標が実際に使用されている商品および役務(すなわち実商品および実役務)とを関連付ける。第2実施例では、範囲特定部56は、実商品および実役務を、基準商標の指定商品等に含まれるものとして出力する。第2実施例では、範囲特定部56は、参考商標が実際に使用されている商品および役務を示す情報を判断部46に入力する。判断部46は、ユーザ端末14から入力された、基準商標が実際に使用されている商品および役務と、範囲特定部56から入力された、参考商標が実際に使用されている商品および役務の集合を、基準商標の指定商品等の範囲(指定商品又は役務と同一又は類似する範囲に含まれる商品又は役務)として、基準商標と比較商標との抵触有無を判断する。すなわち、判断部46は、類否判定モデルにより基準商標の標章と比較商標の標章が類似すると判定され、かつ、比較商標が使用されている商品または役務が上記集合に含まれる場合、つまり、指定商品又は役務と同一又は類似と判定される場合、比較商標が基準商標に抵触すると判断する。
提示部48は、第1実施例での提示内容に加えて、範囲特定部56により特定された、基準商標の指定商品等に含まれる商品および/または役務の情報をユーザ端末14に表示させてもよい。第2実施例の侵害検知装置12によると、ユーザにより指定された基準商標の指定商品および指定役務に含まれる実際の商品・役務の範囲を加味して、基準商標と比較商標との抵触有無を判断することができる。また、基準商標の指定商品および指定役務に含まれる実際の商品・役務の範囲をユーザが把握できるよう支援できる。
変形例として、第2実施例に記載の技術を適用した情報処理装置として、商標の抵触判断は行わず、範囲特定部56により特定された、基準商標の指定商品および指定役務に含まれる商品等の情報をユーザ端末14に表示させる情報処理装置が実現されてもよい。
(第3実施例)
第3実施例では、複数の国に対応する複数の類否判定モデルを複数の国で分散して管理する。第3実施例の情報処理システムを構成する要素のうち第1実施例の要素と同一または対応する要素には、第1実施例と同一の符号を付して説明する。また、第1実施例で説明済みの内容は再度の説明を適宜省略し、主に第1実施例と異なる点を説明する。
第3実施例では、複数の国に対応する複数の類否判定モデルを複数の国で分散して管理する。第3実施例の情報処理システムを構成する要素のうち第1実施例の要素と同一または対応する要素には、第1実施例と同一の符号を付して説明する。また、第1実施例で説明済みの内容は再度の説明を適宜省略し、主に第1実施例と異なる点を説明する。
図6は、第3実施例の情報処理システム10の構成を示す。第3実施例の情報処理システム10は、第1実施例の要素に加えて、日本モデル記憶装置18a、米国モデル記憶装置18b、ドイツモデル記憶装置18c、中国モデル記憶装置18dを含む複数のモデル記憶装置18を備える。侵害検知装置12は、インターネットを含む通信網16を介して複数のモデル記憶装置18にアクセス可能に構成される。
複数のモデル記憶装置18は、複数の国に対応する記憶装置(例えば記憶部を備える情報処理装置)である。日本モデル記憶装置18aは、日本の事例をもとに機械学習により作成された日本用の類否判定モデルを記憶し、米国モデル記憶装置18bは、米国の事例をもとに機械学習により作成された米国用の類否判定モデルを記憶する。ドイツモデル記憶装置18cは、ドイツの事例をもとに機械学習により作成されたドイツ用の類否判定モデルを記憶し、中国モデル記憶装置18dは、中国の事例をもとに機械学習により作成された中国用の類否判定モデルを記憶する。
複数のモデル記憶装置18が設置される場所に制限は無く、1か所にまとめて配置されていても、世界各地に分散配置されていても構わない。例えば、日本モデル記憶装置18aは、日本に設置されてもよく、日本用の類否判定モデルは、日本の特許事務所により作成、更新および保守されてもよい。同様に、米国モデル記憶装置18b、ドイツモデル記憶装置18c、中国モデル記憶装置18dは、それぞれ米国、ドイツ、中国に設置されてもよく、各国用の類否判定モデルは、各国の特許事務所により作成、更新および保守されてもよい。
侵害検知装置12の判断部46は、ユーザにより指定された判断対象国を示すデータをユーザ端末14から受け付ける。判断部46は、複数のモデル記憶装置18のうち判断対象国に対応するモデル記憶装置18にアクセスし、そのモデル記憶装置18に記憶された類否判定モデルを用いて、基準標章と比較標章との類否判定結果を取得する。
例えば、判断部46は、基準標章のデータと比較標章のデータとを判断対象国に対応するモデル記憶装置18へ送信し、類否判定モデルによる判定結果をそのモデル記憶装置18から取得してもよい。または、判断部46は、判断対象国に対応するモデル記憶装置18から類否判定モデルをダウンロードして、その類否判定モデルに基準標章のデータと比較標章のデータとを入力し、類否判定モデルによる判定結果を取得してもよい。以降の侵害検知装置12の処理は、第1実施例と同様である。
第3実施例の情報処理システム10によると、標章の類否判断に各国用の類否判定モデルを用いることにより、各国の知財制度および類否判断傾向を加味し、国毎の類否判断精度を高めることができる。また、各国用の類否判定モデルが各国で分散して管理されることにより、各国の専門家によるモデルの生成、更新、保守を実現できる。
(第4実施例)
第4実施例では、ユーザにより指定された時期を加味して標章の類否を判断する。第4実施例の侵害検知装置12を構成する要素のうち第1実施例の要素と同一または対応する要素には、第1実施例と同一の符号を付して説明する。また、第1実施例で説明済みの内容は再度の説明を適宜省略し、主に第1実施例と異なる点を説明する。
第4実施例では、ユーザにより指定された時期を加味して標章の類否を判断する。第4実施例の侵害検知装置12を構成する要素のうち第1実施例の要素と同一または対応する要素には、第1実施例と同一の符号を付して説明する。また、第1実施例で説明済みの内容は再度の説明を適宜省略し、主に第1実施例と異なる点を説明する。
侵害検知装置12のモデル記憶部36は、ユーザにより選択されうる複数の類否判断時期に対応する複数の類否判定モデルを記憶する。例えば、モデル記憶部36は、2009〜2011年に対応する類否判定モデル、2012〜2014年に対応する類否判定モデル、2015〜2017年に対応する類否判定モデル等、3年を単位とする各時期の類否判定モデルを記憶してもよい。なお、モデル記憶部36は、国と類否判断時期との組合せ毎に複数の類否判定モデルを記憶してもよい。
特定の類否判断時期(例えば上記のように3年間とする)に対応する類否判定モデルを生成する場合、事例取得部52は、特定の類否判断時期の間に標章の類否判断が示された事例(審査、審判、裁判等)をデータソース20から収集する。モデル生成部54は、事例取得部52により収集された事例をもとに、特定の類否判断時期に対応する類否判定モデルを生成して、モデル記憶部36に格納する。類否判断時期の期間は、開発者の知見や侵害検知装置12を用いた実験の結果等をもとに適切な長さに設定されてよい。
基準データ受付部38は、基準商標に関するデータをユーザ端末14から受け付けるとともに、ユーザにより指定された類否判断時期を示すデータをユーザ端末14から受け付ける。
判断部46は、ユーザにより指定された類否判断時期を加味して、基準標章と比較標章との類否を判断する。具体的には、判断部46は、モデル記憶部36に記憶された複数の類否判定モデルのうちユーザにより指定された類否判断時期に対応する類否判定モデルを使用して、基準標章と比較標章との類否を判断する。
標章の類否判断の傾向は、判断の時期により異なることがあり、また、損害賠償請求は、過去の侵害が問題になるため、時期を加味した標章の類否判断は有用である。第4実施例の侵害検知装置12によると、ユーザにより指定された時期における標章の類否判断結果をユーザに提供でき、商標権の侵害等に関するユーザの検討を一層効果的に支援することができる。
変形例として、モデル生成部54は、類否判定モデルを生成する際に、各事例における標章の類否判断時期を示す情報を教師データに含めてもよい。すなわち、モデル生成部54は、標章の類否判断時期を加味した類否判定モデルを生成してもよい。類否判断時期は、例えば、審査・審判・裁判が行われた時期であってもよく、より具体的には、各事例において結論が出された時期であってもよい。判断部46は、基準標章のデータと比較標章のデータに加えて、類否判断時期を類否判定モデルに入力することにより、類否判断時期を加味した類否判定結果を類否判定モデルから取得してもよい。
以上、本発明を第1〜第4実施例をもとに説明した。これら実施例は例示であり、実施例に記載の各構成要素や各処理プロセスの組合せには既述の変形例以外にも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。
上述した実施例および変形例の任意の組み合わせもまた本発明の実施の形態として有用である。組み合わせによって生じる新たな実施の形態は、組み合わされる実施例および変形例それぞれの効果をあわせもつ。また、請求項に記載の各構成要件が果たすべき機能は、実施例および変形例において示された各構成要素の単体もしくはそれらの連携によって実現されることも当業者には理解されるところである。
10 情報処理システム、 12 侵害検知装置、 18 モデル記憶装置、 20 データソース、 36 モデル記憶部、 38 基準データ受付部、 40 比較データ受付部、 42 使用状況収集部、 44 模倣状況収集部、 46 判断部、 48 提示部、 52 事例取得部、 54 モデル生成部、 56 範囲特定部。
Claims (15)
- 標章の類否判断が示された複数の事例をもとに機械学習により作成された類否判定モデルを記憶する記憶部と、
基準となる第1の標章と比較されるべき第2の標章の入力を受け付ける受付部と、
前記記憶部に記憶された類否判定モデルを用いて、前記第1の標章と前記第2の標章との類否を判断する判断部と
を備えることを特徴とする情報処理装置。 - 前記複数の事例は複数の国の事例を含み、前記類否判定モデルは当該複数の国毎に作成されており、
前記判断部は、判断対象国の指定を受け付け、当該指定に基づいて当該判断対象国の類否判定モデルを用いること
を特徴とする請求項1に記載の情報処理装置。 - 前記類否判定モデルは、特定の国における事例のみに基づいて作成されていること
を特徴とする請求項1に記載の情報処理装置。 - 前記判断部における前記類否の判断は、前記第1の標章と前記第2の標章との類否に加えて類似の度合いを判断するものであり、
前記類似の度合いを提示する提示部を備えること
を特徴とする請求項1から3のいずれかに記載の情報処理装置。 - 標章の類否が示された新たな事例をもとに、前記記憶部に記憶された類否判定モデルを更新する更新部をさらに備えること
を特徴とする請求項1から4のいずれかに記載の情報処理装置。 - 複数のウェブサイトを巡回して前記第2の標章を収集する収集部をさらに備え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情報処理装置。
- 基準となる第1の商標の指定商品または指定役務と同じであって当該商標の形態が異なる第2の商標を取得する第1取得部と、
外部のデータソースから、前記第2の商標と同じ形態の標章が使用されている商品である実商品または前記第2の商標と同じ形態の標章が使用されている役務である実役務を取得する第2取得部と、
前記指定商品または指定役務と前記実商品または実役務との関連付けを行う関連付け部と
を備えることを特徴とする情報処理装置。 - 標章の類否が示された事例をもとに機械学習により作成されたモデルを用いて第1の標章と第2の標章との類否を判断する場合に、判断の時期を示す情報の入力を受け付ける受付部と、
前記判断の時期を加味して、前記第1の標章と前記第2の標章との類否を判断する判断部と
を備えることを特徴とする情報処理装置。 - 特定の国における標章の類否が示された事例をもとに機械学習により作成された類否判定モデルが国毎に記憶されネットワークを介してアクセス可能な記憶装置と、
基準となる第1の標章と比較されるべき第2の標章の入力を受け付ける受付部と、
判断対象国の指定を受付け、当該指定に基づいて当該判断対象国の類否判定モデルを用いて前記第1の標章と前記第2の標章との類否の判断結果を取得する判断部と
を備えることを特徴とする情報処理システム。 - 基準となる第1の商標の指定商品または指定役務と同じであって当該商標の形態が異なる第2の商標を取得するステップと、
外部のデータソースから、前記第2の商標と同じ形態の標章が使用されている商品である実商品または前記第2の商標と同じ形態の標章が使用されている役務である実役務を取得するステップと、
前記指定商品または指定役務と前記実商品または実役務との関連付けを行うステップと
をコンピュータが実行すること
を特徴とする情報処理方法。 - 標章の類否が示された事例をもとに機械学習により作成されたモデルを用いて第1の標章と第2の標章との類否を判断する場合に、判断の時期を示す情報の入力を受け付けるステップと、
前記判断の時期を加味して、前記第1の標章と前記第2の標章との類否を判断するステップと
をコンピュータが実行すること
を特徴とする類否判断方法。 - 標章の類否判断が示された複数の事例をもとに機械学習により作成された類否判定モデルを記憶する機能と、
基準となる第1の標章と比較されるべき第2の標章の入力を受け付ける機能と、
記憶された類否判定モデルを用いて、前記第1の標章と前記第2の標章との類否を判断する機能と
をコンピュータに実現させるためのコンピュータプログラム。 - 基準となる第1の商標の指定商品または指定役務と同じであって当該商標の形態が異なる第2の商標を取得する機能と、
外部のデータソースから、前記第2の商標と同じ形態の標章が使用されている商品である実商品または前記第2の商標と同じ形態の標章が使用されている役務である実役務を取得する機能と、
前記指定商品または指定役務と前記実商品または実役務との関連付けを行う機能と
をコンピュータに実現させるためのコンピュータプログラム。 - 標章の類否が示された事例をもとに機械学習により作成されたモデルを用いて第1の標章と第2の標章との類否を判断する場合に、判断の時期を示す情報の入力を受け付ける機能と、
前記判断の時期を加味して、前記第1の標章と前記第2の標章との類否を判断する機能と
をコンピュータに実現させるためのコンピュータプログラム。 - 特定の国における標章の類否が示された事例をもとに機械学習により作成された類否判定モデルが国毎に記憶されネットワークを介してアクセス可能な記憶装置を備える情報処理システムに、
基準となる第1の標章と比較されるべき第2の標章の入力を受け付ける機能と、
判断対象国の指定を受付け、当該指定に基づいて当該判断対象国の類否判定モデルを用いて前記第1の標章と前記第2の標章との類否の判断結果を取得する機能と
を実現させるためのコンピュータプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018216674A JP2020086658A (ja) | 2018-11-19 | 2018-11-19 | 情報処理装置、情報処理システム、情報処理方法および類否判断方法 |
US16/570,215 US20200159784A1 (en) | 2018-11-19 | 2019-09-13 | Information processing apparatus, information processing system, information processing method, and method of determining similarity/dissimilarity |
CN201910995083.5A CN111198962A (zh) | 2018-11-19 | 2019-10-18 | 信息处理装置、系统、方法、类似与否判断方法以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018216674A JP2020086658A (ja) | 2018-11-19 | 2018-11-19 | 情報処理装置、情報処理システム、情報処理方法および類否判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020086658A true JP2020086658A (ja) | 2020-06-04 |
Family
ID=70727672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018216674A Pending JP2020086658A (ja) | 2018-11-19 | 2018-11-19 | 情報処理装置、情報処理システム、情報処理方法および類否判断方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200159784A1 (ja) |
JP (1) | JP2020086658A (ja) |
CN (1) | CN111198962A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7037788B1 (ja) | 2021-08-23 | 2022-03-17 | 株式会社Toreru | 情報処理装置、学習済みモデルの作成方法、情報処理方法及び情報処理プログラム |
JP2023015800A (ja) * | 2021-07-20 | 2023-02-01 | 株式会社Toreru | 情報処理装置、情報処理方法及び情報処理プログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112037088A (zh) * | 2020-11-02 | 2020-12-04 | 北京梦知网科技有限公司 | 商标侵权确定方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN104462382B (zh) * | 2014-12-11 | 2018-03-20 | 中细软移动互联科技有限公司 | 商标图像查询方法 |
CN108009560B (zh) * | 2016-11-02 | 2021-05-11 | 广州图普网络科技有限公司 | 商品图像相似类别判定方法及装置 |
CN107578352A (zh) * | 2017-08-07 | 2018-01-12 | 深圳益强信息科技有限公司 | 一种商标监测方法及系统 |
CN108810406B (zh) * | 2018-05-23 | 2021-03-02 | Oppo广东移动通信有限公司 | 人像光效处理方法、装置、终端及计算机可读存储介质 |
CN108827338B (zh) * | 2018-06-06 | 2021-06-25 | Oppo广东移动通信有限公司 | 语音导航方法及相关产品 |
-
2018
- 2018-11-19 JP JP2018216674A patent/JP2020086658A/ja active Pending
-
2019
- 2019-09-13 US US16/570,215 patent/US20200159784A1/en not_active Abandoned
- 2019-10-18 CN CN201910995083.5A patent/CN111198962A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023015800A (ja) * | 2021-07-20 | 2023-02-01 | 株式会社Toreru | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7037788B1 (ja) | 2021-08-23 | 2022-03-17 | 株式会社Toreru | 情報処理装置、学習済みモデルの作成方法、情報処理方法及び情報処理プログラム |
JP2023030308A (ja) * | 2021-08-23 | 2023-03-08 | 株式会社Toreru | 情報処理装置、学習済みモデルの作成方法、情報処理方法及び情報処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
CN111198962A (zh) | 2020-05-26 |
US20200159784A1 (en) | 2020-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107690657B (zh) | 根据影像发现商户 | |
JP6759844B2 (ja) | 画像を施設に対して関連付けるシステム、方法、プログラム及び装置 | |
KR100692209B1 (ko) | 맞춤형 상품 정보 제공 방법 및 그 시스템 | |
KR20180100159A (ko) | 스팸 게시물을 검출하는 기법 | |
CN103988202A (zh) | 基于索引和搜索的图像吸引力 | |
US9141729B2 (en) | Display-data generating apparatus and display-data generating method | |
CN107784059A (zh) | 用于搜索和选择图像的方法和系统以及机器可读媒体 | |
CN109325179A (zh) | 一种内容推广的方法及装置 | |
JP2020086658A (ja) | 情報処理装置、情報処理システム、情報処理方法および類否判断方法 | |
CN104050243B (zh) | 一种将搜索与社交相结合的网络搜索方法及其系统 | |
CN110352427A (zh) | 用于收集与网络化环境中的欺诈性内容相关联的数据的系统和方法 | |
JP2014203442A (ja) | レコメンド情報生成装置及びレコメンド情報生成方法 | |
JP6494799B2 (ja) | ジオロケーションを使用して位置決めされた画像を用いた施設の固定 | |
JP7040535B2 (ja) | セキュリティ情報処理装置、情報処理方法及びプログラム | |
CN112989824A (zh) | 信息推送方法及装置、电子设备及存储介质 | |
JP6168192B2 (ja) | 情報提供方法及び情報提供システム | |
CN114331698A (zh) | 风险画像的生成方法、装置、终端及存储介质 | |
JP5767413B1 (ja) | 情報処理システム、情報処理方法、および情報処理プログラム | |
CN111444447A (zh) | 内容推荐页面的展现方法及装置 | |
US20190318386A1 (en) | Information processing method, program, information processing system, and information processing apparatus | |
WO2020240834A1 (ja) | 不正推定システム、不正推定方法、及びプログラム | |
JP2018128925A (ja) | 情報出力プログラム、情報出力方法及び情報出力装置 | |
JP2013033320A (ja) | インターネット電子商取引ミドルウエアサービスシステム | |
JP6780548B2 (ja) | 特徴語分類プログラム、特徴語分類方法および情報処理装置 | |
JP2009054079A (ja) | 情報検索システム及び情報検索プログラム |