JP2021082177A - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP2021082177A JP2021082177A JP2019211131A JP2019211131A JP2021082177A JP 2021082177 A JP2021082177 A JP 2021082177A JP 2019211131 A JP2019211131 A JP 2019211131A JP 2019211131 A JP2019211131 A JP 2019211131A JP 2021082177 A JP2021082177 A JP 2021082177A
- Authority
- JP
- Japan
- Prior art keywords
- refusal
- reasons
- learning
- information processing
- notice
- 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 54
- 238000003672 processing method Methods 0.000 title claims description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012854 evaluation process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 拒絶理由通知における拒絶理由を解消できるか否かを評価することが可能な情報処理装置を提供すること。【解決手段】 拒絶理由通知における拒絶理由を解消できるか否かを評価する情報処理装置であって、拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、拒絶理由通知の引用文献における明細書中の記載を示す情報、及び拒絶理由通知に対する応答の結果として特許査定を受けたか否かを示す情報を含む学習データを用いた学習により取得された学習モデルを用いて、拒絶理由通知における拒絶理由を解消できるか否かを示す評価データを取得する評価部を有する。【選択図】 図５
Description
本発明は、情報処理装置、情報処理方法、及びプログラムに関する。
特許権を取得しようとする特許出願人が特許庁に対して特許出願を行い、特許庁において願書に添付した特許請求の範囲に記載の発明について審査がなされた結果、特許することができない旨の拒絶理由が記載された拒絶理由通知を受けることがある。
このような場合、拒絶理由を解消するために特許出願人は、特許庁より指定された期間内に願書に添付した特許請求の範囲を補正した補正書、及び補正により拒絶理由が解消した旨を記載した意見書を特許庁に提出することができる。
ここで、特許庁においてなされる審査の結果を通知されるまでは、特許出願人は拒絶理由が解消されるか否かを知ることはできない。また、拒絶理由が解消しない場合は、再度の拒絶理由通知、又は拒絶査定を受け、特許権の取得までに時間がかかる、又は特許権を取得できないおそれがある。
拒絶理由通知を受けた段階で、当該特許出願に対して特許査定を受けられる可能性を見積もることができれば、例えば、拒絶理由通知に対する応答方針を検討するための無駄な時間を削減することができる可能性がある。
特許文献１は、特許出願を行った出願明細書についての評価を行う評価装置が開示されている。
特許文献１においては、評価対象の特許出願が他の特許出願の権利化阻止に貢献しているかという観点で特許出願の評価を行う。しかしながら、特許文献１に記載の技術では、評価対象の特許出願における拒絶理由通知への応答によって特許査定を受けられるか否かという観点での評価を行うことは困難である。
本発明は、拒絶理由通知における拒絶理由を解消できるか否かを評価することが可能な情報処理装置、情報処理方法、及びプログラムを提供することを目的とする。
上記課題を解決する本発明の一側面としての情報処理装置は、拒絶理由通知における拒絶理由を解消できるか否かを評価する情報処理装置であって、前記拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、前記拒絶理由通知の引用文献における明細書中の記載を示す情報、及び前記拒絶理由通知に対する応答の結果として特許査定を受けたか否かを示す情報を含む学習データを用いた学習により取得された学習モデルを用いて、前記拒絶理由通知における拒絶理由を解消できるか否かを示す評価データを取得する評価部を有することを特徴とする。
本発明によれば、拒絶理由通知における拒絶理由を解消できるか否かを評価することが可能な情報処理装置、情報処理方法、及びプログラムが得られる。
以下に、本発明の好ましい実施形態について図面を参照して詳細に説明する。各図において、同一の部材については、同一の参照番号を付し、重複する説明は省略する。
＜第１実施形態＞
図１は、情報処理装置１０の構成を示す図である。処理部１０１は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）及び各種アプリケーションプログラムを実行する中央演算処理装置（ＣＰＵ）である。また、処理部１０１は中央演算処理装置に限られず、マイクロプロセッシングユニット（ＭＰＵ）、グラフィクスプロセッシングユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）等のプロセッサ又は回路であってもよい。また、処理部１０１は、デジタルシグナルプロセッサ（ＤＳＰ）、データフロープロセッサ（ＤＦＰ）、またはニューラルプロセッシングユニット（ＮＰＵ）等のプロセッサ又は回路であってもよい。また、処理部１０１は、それらのプロセッサ又は回路のいずれかの組合せであってもよい。
図１は、情報処理装置１０の構成を示す図である。処理部１０１は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）及び各種アプリケーションプログラムを実行する中央演算処理装置（ＣＰＵ）である。また、処理部１０１は中央演算処理装置に限られず、マイクロプロセッシングユニット（ＭＰＵ）、グラフィクスプロセッシングユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）等のプロセッサ又は回路であってもよい。また、処理部１０１は、デジタルシグナルプロセッサ（ＤＳＰ）、データフロープロセッサ（ＤＦＰ）、またはニューラルプロセッシングユニット（ＮＰＵ）等のプロセッサ又は回路であってもよい。また、処理部１０１は、それらのプロセッサ又は回路のいずれかの組合せであってもよい。
ＲＯＭ１０２は、処理部１０１が実行するプログラムや演算用のパラメータのうちの固定的なデータを格納するメモリである。ＲＡＭ１０３は、処理部１０１の作業領域やデータの一時記憶領域を提供するメモリである。入力部１０５はマウス、キーボードなどを含む入力装置、表示部１０６はＣＲＴや液晶ディスプレイなどの表示装置である。また、入力部１０５及び表示部１０６は、タッチパネル等の一体型の装置であってもよい。また、入力部１０５及び表示部１０６は、コンピュータとは別体の装置として構成されてもよい。
記憶部１０４は、ハードディスク装置、ＣＤ、ＤＶＤ、メモリカード等の記憶装置であり、各種プログラムや各種データ等を記憶する。通信部１０７は、ネットワークに接続して通信を行う。通信部１０７は、例えばＬＡＮに接続してＴＣＰ／ＩＰ等の通信プロトコルによるデータ通信を行い、他の通信装置と相互に通信を行う場合に使用される。バス１０８は、処理部１０１、ＲＯＭ１０２、ＲＡＭ１０３、記憶部１０４、入力部１０５、表示部１０６、及び通信部１０７などの情報処理装置１０内の各部に接続して、各部間でデータ通信を行う場合に使用される。例えば、通信部１０７が、他の通信装置から受信したデータが、バス１０８を介して記憶部１０４に送信されて記憶される。
また、情報処理装置１０は、ワークステーション（ＷＳ）、パーソナルコンピュータ（ＰＣ）などの据置型のコンピュータでもよいし、ノートＰＣ、スマートフォンなどの携帯型のコンピュータであってもよい。
図２は、情報処理装置における処理を示す図である。処理部１０１は、学習部２０１、評価部２０２から構成される。学習部２０１は、記憶部１０４から取得した学習データ２１１を用いた学習により学習モデル２１３を取得する。
ここで、学習データ２１１は、入力データ２２１として、拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、及び拒絶理由通知書に記載された引用文献における明細書中の記載を示す情報を含む。また、学習データ２１１は、教師データ２２２として、拒絶理由通知に対する応答の結果として特許査定を受けたか否かを示す情報を含む。入力データ２２１と教師データ２２２との複数の組み合わせを含む情報を学習データ２１１とする。また、学習データ２１１は、既に審査を受けて査定が確定した特許出願における明細書中の記載を示す情報、及び当該特許出願の拒絶理由通知における引用文献の明細書中の記載を示す情報とから収集することができる。
特許査定を受けたか否かを示す情報には、例えば、特許査定を受けた場合は１、特許査定を受けなかった場合は０とする値を含む情報とすることができる。また、特許査定を受けたか否かを示す情報には、例えば、特許査定を受けた場合は１００％、特許査定を受けなかった場合は０％とする値を含むことができる。
学習モデル２１３は、例えば、ニューラルネットワークにより構成することができる。図３は、評価部２０２における学習モデル２１３を示す図である。ここで、ニューラルネットワークとは、入力層、中間層、出力層といった多層のネットワーク構造を有するモデルである。入力データと教師データとの関係を示す学習データを用いて、誤差逆伝播法等のアルゴリズムでニューラルネットワーク内部の結合重み付け係数等が最適化されることにより、学習モデル２１３を取得することができる。誤差逆伝播法は、出力データと教師データとの誤差が小さくなるように、各ニューラルネットワークのノード間の結合重み付け係数等を調整する手法である。
ここで、ニューラルネットワークにより構成される学習モデル２１３を取得する例を説明したが、ニューラルネットワークに限られない。例えば、サポートベクターマシン、決定木など他のモデルにより構成されてもよい。また、学習モデル２１３は、入力データ２２１と評価データ２１４の関係を示すテーブルや多項式等を用いて入力データ２２１と評価データ２１４を取得するモデルを含んでも良い。そして、取得した学習モデル２１３に新たな入力データ２２１を入力することにより、出力として評価データ２１４が出力される。
次に、学習部２０１による学習処理について説明する。図４は、学習部２０１による学習処理を示すフローチャートである。Ｓ４０１において、学習部２０１は、記憶部１０４から学習データ２１１を取得する。ここで、学習部２０１は、ＲＡＭ１０３や外部の記憶装置に保存された学習データ２１１を取得してもよい。
Ｓ４０２において、学習部２０１は、学習により学習モデル２１３を取得する。例えば、学習モデル２１３がニューラルネットワークにより構成される場合、学習部２０１は、誤差検出部（不図示）と、更新部（不図示）と、を備えてもよい。誤差検出部は、入力層に入力される入力データ２１２に応じてニューラルネットワークの出力層から出力される評価データ２１４と、教師データとの誤差を得る。誤差検出部は、損失関数を用いて、ニューラルネットワークからの評価データ２１４と教師データとの誤差を計算するようにしてもよい。更新部は、誤差検出部で得られた誤差に基づいて、その誤差が小さくなるように、ニューラルネットワークのノード間の結合重み付け係数等を更新する。この更新部は、例えば、誤差逆伝播法を用いて、結合重み付け係数等を更新する。
学習部２０１は、拒絶理由通知の対象である特許出願における明細書と、当該拒絶理由通知書に記載された引用文献における明細書の双方に記載された単語を抽出し、抽出された単語の数を含む情報に基づいて学習モデル２１３を取得し得る。抽出された単語の数が多いほど、拒絶理由通知の対象である特許出願と、拒絶理由通知において引用された文献との類似度が高くなり、拒絶理由を解消できる可能性が低くなる。
また、学習部２０１は、拒絶理由通知の対象である特許出願の特許請求の範囲と、引用文献における明細書の双方に記載された単語を抽出し、抽出された単語の数を含む情報に基づいて学習モデル２１３を取得し得る。特許請求の範囲に記載された単語のうち、引用文献に記載された単語の割合が多いほど、拒絶理由を解消できる可能性が低くなる。
なお、特許請求の範囲は、発明の技術分野や用途等を示す前段部と、発明の特徴部を示す後段部に分けられることがある。このように分けたとき、特許請求の範囲の後段部に記載された単語のうち、引用文献に記載された単語の割合が多いほど、拒絶理由を解消できる可能性が低くなるといえる。
Ｓ４０２において学習モデル２１３が取得された後、Ｓ４０３において、学習部２０１は、Ｓ４０２で取得した学習モデル２１３を評価部２０２に出力する。ここで、学習部２０１は、学習モデル２１３を記憶部１０４に保存し、評価部２０２は保存された学習モデル２１３を取得してもよい。また、学習モデル２１３はＲＡＭ１０３や通信部１０７を介して外部の記憶装置に保存されてもよい。
次に、評価部２０２による評価処理について説明する。図５は、評価部２０２による評価処理を示すフローチャートである。Ｓ５０１において、評価部２０２は、記憶部１０４から入力データ２１２を取得する。ここで、評価部２０２は、ＲＡＭ１０３や外部の記憶部１０４に保存された入力データ２１２を取得してもよい。また、評価部２０２は、入力部１０５を介して入力された入力データ２１２を取得してもよい。
ここで、入力データ２１２は、拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、及び拒絶理由通知書に記載された引用文献における明細書中の記載を示す情報等を含む。詳細については、学習データ２１１に含まれる入力データ２２１と同様である。
Ｓ５０２において、評価部２０２は、学習部２０１から学習モデル２１３を取得する。ここで、評価部２０２は、ＲＡＭ１０３や外部の記憶装置に保存された学習モデル２１３を取得してもよい。
Ｓ５０３において、評価部２０２は、Ｓ５０１で取得した入力データ２１２を、Ｓ５０２で取得した学習モデル２１３に入力して、学習モデル２１３から出力される評価データ２１４を取得する。
ここで、評価データ２１４は、例えば、拒絶理由通知への応答後の特許出願が特許査定を受けることができる場合は１、特許査定を受けることができない場合は０とする値を含む情報とすることができる。また、評価データ２１４は、拒絶理由通知への応答後の特許出願が特許査定を受けることができる確率として、例えば、０％から１００％の間の値を含む情報とすることができる。
Ｓ５０４において、評価部２０２は、Ｓ５０３で取得した評価データ２１４を表示部１０６に出力する。ここで、評価部２０２は、評価データ２１４を記憶部１０４に保存し、表示部１０６は保存された評価データ２１４を表示してもよい。また、評価データ２１４はＲＡＭ１０３や通信部１０７を介して外部の記憶装置に保存されてもよい。
表示部１０６は、評価部２０２により出力された評価データ２１４を画面に表示する。図６は、表示装置により表示された画面を示す図である。画面６００には、特許請求の範囲の記載を表示する表示領域６０１、拒絶理由通知の概要を表示する表示領域６０２、及び評価データ２１４を表示する表示領域６０３が表示される。
以上、本実施形態の情報処理装置によれば、学習により取得された学習モデルを用いて拒絶理由通知における拒絶理由を解消できるか否かを示す評価データを取得することができる。
＜第２実施形態＞
次に、第２実施形態に係る情報処理装置について説明する。なお、ここで言及しない事項は、第１実施形態に従いうる。本実施形態では、異なる情報処理装置において学習部２０１による学習処理と評価部２０２による評価処理が行われる形態について説明する。本実施形態では、例えば、より高い処理能力が必要な学習処理を据置型のコンピュータで行い、学習処理ほど高い処理能力が必要でない評価処理を携帯型のコンピュータで行うといった形態を実現できる。
次に、第２実施形態に係る情報処理装置について説明する。なお、ここで言及しない事項は、第１実施形態に従いうる。本実施形態では、異なる情報処理装置において学習部２０１による学習処理と評価部２０２による評価処理が行われる形態について説明する。本実施形態では、例えば、より高い処理能力が必要な学習処理を据置型のコンピュータで行い、学習処理ほど高い処理能力が必要でない評価処理を携帯型のコンピュータで行うといった形態を実現できる。
図７は、複数の情報処理装置からなる構成を示す図である。本実施形態に係る情報処理装置は、第１情報処理装置７１と第２情報処理装置７２を含む。第１情報処理装置７１と第２情報処理装置７２は、第１実施形態で説明した情報処理装置１０と同様の構成からなる情報処理装置である。また、第１情報処理装置７１と第２情報処理装置７２は、ＬＡＮなどのネットワークに接続して、互いの通信部１０７（図７では不図示）を介してデータの送受信を行うことができる。また、ネットワークは有線によって第１情報処理装置７１と第２情報処理装置７２を接続するだけでなく、無線ＬＡＮなどにより無線で第１情報処理装置７１と第２情報処理装置７２を接続してもよい。
第１情報処理装置７１における処理部１０１は、学習部２０１から構成される。また、第２情報処理装置７２における処理部１０１は、評価部２０２から構成される。第１情報処理装置７１における処理部１０１は、学習部２０１により学習処理を行い、取得された学習モデル２１３に関する情報を第２情報処理装置７２に送信する。ここで、学習モデル２１３に関する情報には、例えば、ニューラルネットワークの構造を定めるパラメータとして、各層のノードの数、中間層の数、ノード間の結合重み付け係数などのデータを含む。
第２情報処理装置７２における処理部１０１は、評価部２０２により評価処理を行い、評価データ２１４を出力して、記憶部１０４に保存される。また、評価データ２１４は、ＲＡＭ１０３や通信部１０７を介して外部の記憶装置に保存されてもよく、表示部１０６により画面に表示されてもよい。
以上、本実施形態の情報処理装置によれば、学習により取得された学習モデルを用いて拒絶理由通知における拒絶理由を解消できるか否かを示す評価データを取得することができる。また、本実施形態の情報処理装置によれば、より高い処理能力が必要な学習処理を据置型のコンピュータで行い、学習処理ほど高い処理能力が必要でない評価処理を携帯型のコンピュータで行うといった形態を実現できる。
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワークまたは記憶媒体を介してシステムまたは装置に供給し、そのシステムまたは装置のコンピュータがプログラムを読出し実行する処理でも実現可能である。コンピュータは、１または複数のプロセッサまたは回路を有し、コンピュータ実行可能命令を読み出し実行するために、分離した複数のコンピュータまたは分離した複数のプロセッサまたは回路のネットワークを含みうる。
Claims (8)
- 拒絶理由通知における拒絶理由を解消できるか否かを評価する情報処理装置であって、
前記拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、前記拒絶理由通知の引用文献における明細書中の記載を示す情報、及び前記拒絶理由通知に対する応答の結果として特許査定を受けたか否かを示す情報を含む学習データを用いた学習により取得された学習モデルを用いて、前記拒絶理由通知における拒絶理由を解消できるか否かを示す評価データを取得する評価部を有することを特徴とする情報処理装置。 - 前記学習データを用いた学習により前記学習モデルを取得する学習部を有することを特徴とする請求項１に記載の情報処理装置。
- 前記学習部は、前記特許出願の明細書と前記引用文献における明細書の双方に記載された単語を抽出し、抽出された単語の数を含む情報に基づいて前記学習モデルを取得することを特徴とする請求項２に記載の情報処理装置。
- 前記学習部は、前記特許出願の特許請求の範囲と前記引用文献における明細書の双方に記載された単語を抽出し、抽出された単語の数を含む情報に基づいて前記学習モデルを取得することを特徴とする請求項２または３に記載の情報処理装置。
- 前記学習部は、前記特許請求の範囲における特徴部と前記引用文献における明細書の双方に記載された単語を抽出し、抽出された単語の数を含む情報に基づいて前記学習モデルを取得することを特徴とする請求項４に記載の情報処理装置。
- 前記評価部は、前記拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、前記拒絶理由通知の引用文献における明細書中の記載を示す情報を前記学習モデルに入力することにより、前記評価データを取得することを特徴とする請求項１乃至５のいずれか１項に記載の情報処理装置。
- 拒絶理由通知における拒絶理由を解消できるか否かを評価する情報処理方法であって、
前記拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、前記拒絶理由通知の引用文献における明細書中の記載を示す情報、及び前記拒絶理由通知に対する応答の結果として特許査定を受けたか否かを示す情報を含む学習データを用いた学習により取得された学習モデルを用いて、前記拒絶理由通知における拒絶理由を解消できるか否かを評価する評価工程を有することを特徴とする情報処理方法。 - 拒絶理由通知における拒絶理由を解消できるか否かを評価する情報処理方法をコンピュータに実行させるプログラムであって、
前記処理方法は、前記拒絶理由通知の対象である特許出願における明細書中の記載を示す情報、前記拒絶理由通知の引用文献における明細書中の記載を示す情報、及び前記拒絶理由通知に対する応答の結果として特許査定を受けたか否かを示す情報を含む学習データを用いた学習により取得された学習モデルを用いて、前記拒絶理由通知における拒絶理由を解消できるか否かを評価する評価工程を有することを特徴とするプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019211131A JP2021082177A (ja) | 2019-11-22 | 2019-11-22 | 情報処理装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019211131A JP2021082177A (ja) | 2019-11-22 | 2019-11-22 | 情報処理装置、情報処理方法、及びプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2021082177A true JP2021082177A (ja) | 2021-05-27 |
Family
ID=75963398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019211131A Pending JP2021082177A (ja) | 2019-11-22 | 2019-11-22 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2021082177A (ja) |
-
2019
- 2019-11-22 JP JP2019211131A patent/JP2021082177A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3550568B1 (en) | Graph convolution based gene prioritization on heterogeneous networks | |
| JP6616893B2 (ja) | ネットワークトポロジー自己適応性データ可視化方法及び装置 | |
| JP6516025B2 (ja) | 情報処理方法および情報処理装置 | |
| US8990128B2 (en) | Graph-based framework for multi-task multi-view learning | |
| US10574616B2 (en) | Processing messages input from a plurality of clients | |
| CN109074368B (zh) | 使用异构社交网络的图形框架 | |
| US11115359B2 (en) | Method and apparatus for importance filtering a plurality of messages | |
| JP6060298B1 (ja) | 情報配信装置、情報配信方法および情報配信プログラム | |
| JP2014048798A (ja) | 医療診断支援装置、医療診断支援方法及びプログラム | |
| KR20200054360A (ko) | 전자 장치 및 그 제어 방법 | |
| JP2019061503A (ja) | サーバー装置、情報処理装置、及びプログラム | |
| WO2022227171A1 (zh) | 关键信息提取方法、装置、电子设备及介质 | |
| JP7451157B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| WO2021135322A1 (zh) | 一种自动出题方法、装置及系统 | |
| JP2021082177A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| JP2019067214A (ja) | 判定プログラム、判定方法、端末装置、学習データ、及びモデル | |
| JP2020035000A (ja) | 機械学習システムおよびボルツマンマシンの計算方法 | |
| US11470098B2 (en) | Terminal device and controlling method thereof | |
| JP7033646B1 (ja) | 評価装置、評価方法、および、評価プログラム | |
| JP7387329B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| JP7224315B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
| WO2017200586A1 (en) | Prioritizing topics of interest determined from product evaluations | |
| US20240232721A1 (en) | Information processing apparatus, information processing server, information processing method, and non-transitory computer-readable storage medium | |
| JP2021077206A (ja) | 学習方法、評価装置、及び評価システム | |
| JP2021068111A (ja) | 電子機器、電子機器の制御方法、および制御プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221107 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230913 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230926 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20231213 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240319 |