JP2023029604A - 特許情報処理装置、特許情報処理方法、およびプログラム - Google Patents
特許情報処理装置、特許情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2023029604A JP2023029604A JP2023003093A JP2023003093A JP2023029604A JP 2023029604 A JP2023029604 A JP 2023029604A JP 2023003093 A JP2023003093 A JP 2023003093A JP 2023003093 A JP2023003093 A JP 2023003093A JP 2023029604 A JP2023029604 A JP 2023029604A
- Authority
- JP
- Japan
- Prior art keywords
- information
- score
- group
- document
- 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
- 238000012545 processing Methods 0.000 title abstract description 21
- 238000000034 method Methods 0.000 title description 62
- 230000009471 action Effects 0.000 claims abstract description 46
- 238000009825 accumulation Methods 0.000 claims abstract description 25
- 230000010365 information processing Effects 0.000 claims description 59
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000014509 gene expression Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000012827 research and development Methods 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 101000911753 Homo sapiens Protein FAM107B Proteins 0.000 description 2
- 102100026983 Protein FAM107B Human genes 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001744 unit root test Methods 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 241000728173 Sarima Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】従来の特許情報処理装置においては、特許の適切な評価が困難であったという課題があった。【解決手段】特許の書類である特許書類から取得され得るパラメータである1以上の書類パラメータまたは特許に対するアクションに関する1以上のアクション情報または1以上の書類パラメータと1以上のアクション情報である1以上の共通情報、および特許に対するユーザ固有の情報である1以上の固有情報を有する特許情報が格納される特許情報格納部と、特許情報を用いて、特許のスコアを取得するスコア取得部と、スコアを蓄積するスコア蓄積部とを具備する特許情報処理装置により、特許の適切な評価ができる。【選択図】図1
Description
本発明は、特許のスコアを算出する特許評価装置等に関するものである。
従来の特許情報処理装置において、多角的に特許書類(特許請求の範囲、明細書)を評価する特許価値算出装置があった(例えば、特許文献1参照)。
しかしながら、「特許の価値」は、ユーザごとに異なる。例えば、ユーザが情報分野の企業の場合、化学分野の特許の価値は他の業種に比べて低くなる。また、例えば、技術内容が同じであっても、その権利を持つものがユーザのグループ企業の場合と、ライバル企業の場合では、その特許の価値は異なる。さらに、「特許の価値」は時間の経過によって刻一刻と変化する。例えば、ある特定の素材Aに関する特許が存在した場合、その特許の価値は、素材Aの需要によって変化する。このように、従来の特許価値算出装置においては、ユーザや時間ごとに異なる特許の価値を適切に評価することが困難であったという課題があった。
本願にかかる第一の発明である特許情報処理装置は、特許の書類である特許書類から取得され得るパラメータである1以上の書類パラメータまたは特許に対するアクションに関する1以上のアクション情報または1以上の書類パラメータと1以上のアクション情報である1以上の共通情報、および特許に対するユーザ固有の情報である1以上の固有情報を有する特許情報が格納される特許情報格納部と、特許情報を用いて、特許のスコアを取得するスコア取得部と、スコアを蓄積するスコア蓄積部とを具備する。
かかる構成により、特許を適切に評価できる。
また、本願にかかる第二の発明である特許情報処理装置は、第一の発明に対して、スコア取得部は、一の特許に対して、特許の状態が異なる2以上の各時点でスコアを取得し、スコア蓄積部は、2以上の各時点に対応づけて、スコア取得部が取得したスコアを蓄積する。
かかる構成により、2以上の時点で、特許を適切に評価できる。
また、本願にかかる第三の発明である特許情報処理装置は、第二の発明に対して、スコア取得部は、一の特許に対して、2以上の各時点で、異なる方法でスコアを取得する。
かかる構成により、2以上の時点で、特許を適切に評価できる。
また、本願にかかる第四の発明である特許情報処理装置は、第三の発明に対して、スコアの取得のために使用する情報に関する使用パラメータ情報またはスコアの取得のために使用する演算式である元情報が、2以上の各時点に対応付けて格納される取得元情報格納部をさらに具備し、スコア取得部は、2以上の各時点において、各時点に対応付いている元情報を用いて、特許のスコアを取得する。
かかる構成により、2以上の時点で、特許をより適切に評価できる。
また、本願にかかる第五の発明である特許情報処理装置は、第一から第四いずれか1つの発明に対して、特許情報格納部には、2以上の特許情報を有するグループ情報が格納され、スコア取得部は、グループ情報を用いて、2以上の特許により構成されるグループのスコアであるグループスコアを取得し、スコア蓄積部は、グループスコアを蓄積する。
かかる構成により、特許群を適切に評価できる。
また、本願にかかる第六の発明である特許情報処理装置は、第一から第五いずれか1つの発明に対して、特許情報格納部には、2以上のグループのグループ情報が格納され、スコア取得部は、2以上のグループ情報を用いて、一のグループの他のグループに対応する相対的なスコアである相対グループスコアを取得し、スコア蓄積部は、相対グループスコアを蓄積する。
かかる構成により、特許群の適切な相対評価ができる。
また、本願にかかる第七の発明である特許情報処理装置は、第二から第六いずれか1つの発明に対して、スコア取得部は、2以上の時点のうち、前の時点の共通情報、前の時点の固有情報、前の時点のスコアのうち、1種類以上の情報を用いて、後の時点のスコアを推定するスコア推定手段と、スコア推定手段が推定したスコアを用いて、特許のスコアまたはグループスコアまたは相対グループスコアを取得するスコア取得手段とを具備する。
かかる構成により、特許のより適切な評価ができる。
また、本願にかかる第八の発明である特許情報処理装置は、第一から第七いずれか1つの発明に対して、1以上の共通情報と1以上の固有情報とが、異なる装置に存在する。
かかる構成により、複数の組織で、特許の適切な評価ができる。
また、本願にかかる第九の発明である特許情報処理装置は、第一から第八いずれか1つの発明に対して、1以上の固有情報は、特許に対する契約に関する契約情報、特許に関連する商品の売り上げに関する売上情報、特許に関連する研究に対する研究開発投資に関する研究開発投資情報、特許を保有する企業の株価に関する株価情報のうちの1以上の情報を含む。
かかる構成により、特許のより適切な評価ができる。
本発明による特許情報処理装置によれば、特許を適切に評価できる。
以下、特許情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
(実施の形態1)
本実施の形態において、書類パラメータ、アクション情報、またはその組み合わせである共通情報と、固有情報を用いて特許のスコアを取得する特許情報処理装置1について説明する。
図1は、本実施の形態における特許情報処理装置1のブロック図である。
特許情報処理装置1は、格納部11、スコア取得部12、およびスコア蓄積部13を備える。
また、格納部11は、特許情報格納部111と取得元情報格納部112とを備える。
格納部11には、各種の情報が格納される。各種の情報とは、例えば、後述する特許情報、後述する取得元情報、特許書類である。特許書類は、特許の出願~登録後に発生する諸書類である。特許書類は、特許請求の範囲、明細書、図面、要約書、願書のうち、1または2以上の書類である。特許書類には、補正書、意見書、拒絶査定不服審判請求書、異議申立書、無効審判請求書等を含むと考えても良い。
特許情報格納部111には、1または2以上の特許情報が格納される。特許情報は、1以上の共通情報であり、および1以上の固有情報を有する共通情報は、書類パラメータ、またはアクション情報である。書類パラメータ、アクション情報、共通情報に関しては、各々の意味するところを以下で説明する。
書類パラメータとは、特許の書類である特許書類から取得され得るパラメータである。書類パラメータは、例えば、全請求項の数、独立請求項の数、特許請求の範囲の構造(例えば、木構造やネットワーク構造)の深さであるネストレベル、請求項の従属関係の数、明細書の文字数、明細書中の実施の形態の数、明細書中の文字数、明細書中の文の数、明細書中の段落数、明細書中の例示文の数、図面の数、図面中に現れる記号の数等、特許書類から人手または自然言語処理技術等を利用して取得される数値である。特許情報格納部111は、通常、書類パラメータが定量的でない場合、当該書類パラメータを定量化して格納する。例えば、マーカッシュ形式請求項の有無等といった書類パラメータの場合、当該請求項が有る場合を1、無い場合を0といったように定量化して、かかるデータを格納する。定性的なデータを定量化する方法については、公知の技術であるため説明を省略する。なお、特許書類から自然言語処理技術等を用いて、書類パラメータを取得する技術は公知技術であるので、詳細な説明を省略する。
アクション情報とは、特許に対するアクションに関する情報である。特許に対するアクションは、例えば、出願人のアクション、特許庁(審査官または審判官を含む)のアクション、裁判所のアクション、第三者のアクションである。アクション情報は、例えば、PCT出願か否か、パテントファミリーの有無、審査請求の有無、特許査定の有無、拒絶査定の有無、情報提供の有無、情報提供の件数、異議申立の有無、異議申立の回数または件数、無効審判の有無、無効審判の回数、包袋の取り寄せの件数などである。
アクション情報も、書類パラメータと同様に、通常、定量化された情報である。アクション情報は、通常、特許庁から共有されるデータ(日本では「整理標準化データ」と称する)から取得される。
アクション情報も、書類パラメータと同様に、通常、定量化された情報である。アクション情報は、通常、特許庁から共有されるデータ(日本では「整理標準化データ」と称する)から取得される。
共通情報とは、例えば、1以上の書類パラメータと1以上のアクション情報を含む情報である。つまり、2以上の共通情報は、1以上の書類パラメータと1以上のアクション情報との両方を含むことが好適である。ただし、2以上の共通情報は、書類パラメータのみ、アクション情報のみでも良い。
固有情報とは、特許に対するユーザ固有の情報である。固有情報は、例えば、契約情報、売上情報、研究開発投資情報のうちの1以上の情報を含む。ここで、契約情報とは、特許が対象になっている契約に対する情報であり、ライセンス契約の有無や、ライセンス料、不実施補償額、特許を譲渡された際の特許の購入額等の情報である。
売上情報とは、特許に関連する商品の売上に関する情報である。売上情報は、例えば、特許に関連する商品の総売上額や、前記総売上額を「関連する特許」の数で割った額、また、総売上額を特許の貢献度や持ち分によって重み付けした額といった情報である。
研究開発投資情報とは、特許に関連する研究に対する研究開発投資に関する情報である。例えば、研究開発投資情報とは、特許を出願するまでに要した発明者の人件費や設備費の合計額や、前記合計額に特許取得までにかかった費用を加えた額等の情報である。
売上情報とは、特許に関連する商品の売上に関する情報である。売上情報は、例えば、特許に関連する商品の総売上額や、前記総売上額を「関連する特許」の数で割った額、また、総売上額を特許の貢献度や持ち分によって重み付けした額といった情報である。
研究開発投資情報とは、特許に関連する研究に対する研究開発投資に関する情報である。例えば、研究開発投資情報とは、特許を出願するまでに要した発明者の人件費や設備費の合計額や、前記合計額に特許取得までにかかった費用を加えた額等の情報である。
共通情報および前記固有情報は、通常、同一の特許であっても時点が異なる場合、異なる情報として格納される。すなわち、共通情報、固有情報と、時間情報とが対応づけて格納されることが好適である。
ここで、時間情報とは、日時などの具体的な時間に関する情報であって良い。また、時間情報は、「出願時」や「登録時」といったアクション情報から取得可能な相対的な時点を表す情報であっても良い。これは、各情報が時点によって値が変化する可能性があるためである。例えば、同一の特許であっても、手続補正がされた場合、通常、その前後では書類パラメータやアクション情報や固有情報は異なる。
ここで、時間情報とは、日時などの具体的な時間に関する情報であって良い。また、時間情報は、「出願時」や「登録時」といったアクション情報から取得可能な相対的な時点を表す情報であっても良い。これは、各情報が時点によって値が変化する可能性があるためである。例えば、同一の特許であっても、手続補正がされた場合、通常、その前後では書類パラメータやアクション情報や固有情報は異なる。
取得元情報格納部112には、1または2以上の元情報が格納される。具体的には、取得元情報格納部112には、2以上の各時点に対応づけて、元情報が格納される。元情報は、スコアを取得するための情報である。元情報は、例えば、使用パラメータ情報または演算式である。
使用パラメータ情報は、スコアの取得のために使用する情報である。使用パラメータ情報は、例えば、パラメータを特定する属性識別子(素性識別子と言っても良い)である。属性識別子または素性識別子は、例えば、属性名、素性名、属性を識別するID、素性を識別するID等である。例えば、後述するスコア取得部12がニューラルネットワークを用いる場合、使用パラメータ情報は、当該ネットワークの構造(各エッジの重みや活性化関数等も含む)の情報である。また、使用パラメータ情報は、学習した情報(以下、「学習情報」と言う)を特定する情報を含んでも良い。
学習情報を特定する情報とは、例えば、学習情報が格納されたファイル名、学習情報が格納されたデータベースを特定する情報などである。
後述するスコア取得部12が、SVM(サポートベクターマシン)を用いる場合、使用パラメータ情報は、例えば、カーネル関数を特定する情報と、サポートベクトルと、その重みとを含む情報である。
学習情報を特定する情報とは、例えば、学習情報が格納されたファイル名、学習情報が格納されたデータベースを特定する情報などである。
後述するスコア取得部12が、SVM(サポートベクターマシン)を用いる場合、使用パラメータ情報は、例えば、カーネル関数を特定する情報と、サポートベクトルと、その重みとを含む情報である。
演算式とは、共通情報、固有情報のうちの1以上を変数とした、スコアを取得するための関数である。演算式は、例えば、「スコア=[発明を実施するための形態]の総文字数/[特許請求の範囲]の総文字数」のような式である。演算式は種々考えられる。演算式は、例えば、請求項の数、独立請求項の数、ネストレベル、請求項の従属関係の数、明細書の文字数、明細書中の実施の形態の数、明細書中の文字数、明細書中の文の数、明細書中の段落数、明細書中の例示文の数、図面の数をパラメータとする増加関数である。
また、演算式は、例えば、情報提供の件数、異議申立の回数または件数、無効審判の回数、包袋の取り寄せの件数をパラメータとする増加関数である。そして、演算式は、例えば、PCT出願か否かが「PCT出願である」、パテントファミリーの有無が「有」、審査請求の有無が「有」、特許査定の有無が「有」、拒絶査定の有無が「有」、情報提供の有無が「有」、異議申立の有無が「有」、無効審判の有無が「有」の方が、「無」よりも大きい値を算出するとしている。
また、演算式は、例えば、情報提供の件数、異議申立の回数または件数、無効審判の回数、包袋の取り寄せの件数をパラメータとする増加関数である。そして、演算式は、例えば、PCT出願か否かが「PCT出願である」、パテントファミリーの有無が「有」、審査請求の有無が「有」、特許査定の有無が「有」、拒絶査定の有無が「有」、情報提供の有無が「有」、異議申立の有無が「有」、無効審判の有無が「有」の方が、「無」よりも大きい値を算出するとしている。
特許の状態とは、例えば、アクション情報から決定され得る。すなわち、取得元情報格納部112には、例えば、特許出願時、審査請求時、拒絶査定不服審判請求時、特許査定(登録査定)時といった特許の状態に対応付けて元情報(使用パラメータ情報または演算式)を格納する。また、取得元情報格納部112は、特許の状態以外にも、固有情報の変化に対応付けて使用パラメータ情報または演算式を格納しても良い。例えば、本件特許の契約の有無により、異なる使用パラメータ情報または演算式を格納しても良い。ここで、ニューラルネットワークやSVMについては公知の技術であるため説明を省略する。
なお、スコアは、特許の評価に関する情報であり、例えば、特許の価値を表す値である。
スコア取得部12は、特許情報を用いて、特許のスコアを取得する。スコア取得部12は、ここでは、一の特許に対して、特許の状態が異なる2以上の各時点でスコアを取得しても良い。この際、スコア取得部12は、一の特許に対して、2以上の各時点で、異なる方法でスコアを取得するは好適である。
なお、異なる方法とは、例えば、アルゴリズムが異なること、使用する情報が異なることである。
スコア取得部12は、格納部11に格納された特許情報または特許書類のいずれかに変化があった場合に、格納部11に格納されたすべての特許のスコアを取得しても良く、当該『特許情報または特許書類に「関連する特許」』のスコアを取得しても良い。ここで、変化した『特許情報または特許書類に「関連する特許」』とは、当該特許情報または特許書類の変化によってスコアが変動する可能性のある特許である。
ここで、スコア取得部12は、ユーザが指定した特許についてのスコアを取得しても良い。この方法については、詳細を後述する。
スコア取得部12は、取得元情報格納部112が存在しない場合、予め定められたスコア取得方法でスコアを取得する。
スコア取得方法は、例えば、共通情報、固有情報の各値を変数とした関数で表される演算式を用いる方法である。この時、なお、演算式は、必ずしも全ての情報をパラメータとする演算式である必要はない。
ここで、スコア取得方法は、例えば、機械学習を用いた方法であっても良い。この場合、機械学習を用いた方法とは、はじめに、ある時点における特許の共通情報および固有情報と、同時点における特許のスコアの情報を2以上用意する。次に、ニューラルネットワークやSVRやSVMや決定木等のモデルを用い、共通情報および固有情報を入力、スコアを出力としてモデルに必要なパラメータを学習する。その後、スコア取得部12は、学習したパラメータを用いたモデルを用いてスコアを取得する。なお、ニューラルネットワークやSVRやSVM等の機械学習を行い、モデルを取得する技術は公知技術である。
スコア取得部12は、取得元情報格納部112が存在する場合、例えば、一の特許に対して、異なる状態ごとに、異なる方法でスコアを算出する。ここで、異なる方法とは、上述したように、機械学習のモデルやパラメータ、または演算式が異なるなどアルゴリズムやパラメータが異なることを意味する。
なお、スコア取得部12は、取得元情報格納部112は存在するが、対応する状態が存在しない特許のスコアを取得する場合、例えば、予め定めたデフォルトのスコア取得方法を用いてスコアを取得する。前記デフォルトのスコア取得方法は、前述した取得元情報格納部112が存在しない場合と同様である。
また、スコア取得部12は、ある時点における特許のスコアを取得する際、共通情報および固有情報の一部が欠損していた場合、欠損したデータを推定した上でスコアを取得しても良い。例えば、ある特定の特許について現在のスコアを取得する場合において、特許の売上情報が不明な場合、過去の売上情報から現在の売上情報を推定してスコアの取得に用いても良い。各種情報の推定は、情報の種類に応じて、回帰分析や機械学習など何を用いても良い。回帰分析や機械学習などの欠損値の補完については公知の技術のため説明は省略する。
スコア蓄積部13は、スコア取得部12が取得したスコアを蓄積する。スコア蓄積部13は、スコア取得部12が2以上の各時点に対応付けて特許のスコアを取得した場合、当該2以上の各時点に対応付けて、各時点のスコアを蓄積する。なお、スコアの蓄積先は、格納部11や外部の装置等であればよく、その種類は問わないものとする。
本実施の形態および以降の実施の形態において、格納部11、格納部21、および格納部41は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
さらに、格納部11、格納部21、および格納部41に前記各情報が記憶される過程は問わない。例えば、記録媒体を介して前記各情報が格納部11で記憶されるようになってもよく、通信回線等を介して送信された前記各情報が格納部11、格納部21、格納部41で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された前記各情報が格納部11、格納部21、格納部41で記憶されるようになってもよい。
また、スコア取得部12、スコア取得部22、スコア取得部32、スコア取得部42、スコア蓄積部13、およびスコア蓄積部23は、通常、MPUやメモリ等から実現され得る。前記スコア取得部12、22、32、42の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはROM等の記録媒体に記録されている。但し、ハードウェア(専用回路)で実現しても良い。
次に、特許情報処理装置1の動作について図2のフローチャートを用いて説明する。以下、所定の情報におけるi番目の情報は、「情報[i]」と記載するものとする。
(ステップS201)スコア取得部12は、特許情報格納部111に格納される共通情報または固有情報、または格納部11の特許書類のいずれかが、追加、削除もしくは変更された場合、ステップS202へ進む。そうでない場合、ステップS201へ戻る。
(ステップS202)スコア取得部12は、ステップS201で追加、削除、もしくは変更された情報と「関連する特許」(以下、「関連特許」と記す)の情報を取得する。ここで、関連特許とは、ここでは、例えば、ステップS201で検知した変更によってスコアが変動する可能性のあるすべての特許である。取得元情報格納部112に格納されたスコア取得方法のすべてが、一の特許のスコアを取得するために当該一の特許の情報しか用いない場合において、通常、共通情報が追加/削除/変更された場合、前記追加/削除/変更された前記情報に対応する特許群が関連特許であり、固有情報が追加/削除/変更された場合は、当該固有情報を出願人とする特許が関連特許となる。
(ステップS203)スコア取得部12は、ステップS202で特定した特許について、特許情報格納部111に格納された特許に関する情報を取得する。この処理を特許情報取得処理と呼び、詳細は後述する。ここで、特許に関する情報とは、スコア算出に利用する情報である。
(ステップS204)スコア取得部12は、ステップS203で取得した情報を用いて各特許のスコアを算出する。当該処理をスコア取得処理と呼び、詳細は後述する。
(ステップS205)スコア蓄積部13は、ステップS204で取得された各特許のスコアを蓄積する。なお、スコア蓄積部13は、ステップS204で取得された各特許のスコアを、スコアの時点を特定する情報と対応付けて蓄積することは好適である。
なお、図2のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
次に、ステップS203の特許情報取得処理の詳細について、図3のフローチャートを用いて説明する。
(ステップS301)スコア取得部12は、カウンタiに1を代入する。
(ステップS302)スコア取得部12は、i番目の関連特許が存在する場合はステップS303へ進む。そうでない場合は、上位処理へリターンする。
(ステップS303)スコア取得部12は、特許情報格納部111から関連特許[i]に対応するすべての書類パラメータ、アクション情報を取得する。ここで、複数の時点における同一の書類パラメータが存在する場合、例えば、最新の書類パラメータを取得する。また、アクション情報についても最新の情報を取得することは好適である。すなわち、排他的なアクション情報などについては、矛盾が発生しないように情報を取得する。例えば、先の時点と対応付けられた「審査請求無し」というアクション情報が存在した上で、後の時点と対応付けられた「特許査定有り」というアクション情報が存在した場合、「審査請求無し」というアクション情報は「審査請求有り」に変更する。
また、特許情報格納部111に共通情報が存在しない場合、スコア取得部12は、例えば、格納部11の特許書類に対して自然言語処理し、書類パラメータを取得する。また、スコア取得部12は、例えば、外部の装置から、関連特許[i]のアクション情報を取得する。
(ステップS304)スコア取得部12は、特許情報格納部111から関連特許[i]に対応するすべての固有情報を取得する。固有情報についてもステップS303と同様に、例えば、最新の情報を取得する。
(ステップS305)スコア取得部12は、カウンタiを1だけ増加させステップS302へ戻る。
なお、図3のフローチャートにおいて、取得された共通情報および固有情報は、通常、関連特許[i]を識別する特許識別子(例えば、特許出願番号、特許番号など)に対応付けて蓄積される。
次に、ステップS204のスコア取得処理について、図4のフローチャートを用いて説明する。
(ステップS401)スコア取得部12は、カウンタiに1を代入する。
(ステップS402)スコア取得部12は、関連特許のうち、i番目の特許情報が存在する場合はステップS403へ進む。そうでない場合は、上位処理へリターンする。
(ステップS403)ステップS203で取得した特許情報に対応する時点に対応する元情報を取得元情報格納部112から取得する。
(ステップS404)ステップS203で取得した特許情報と、ステップS403で取得した元情報とを用いて、関連特許[i]のスコアを取得する。
(ステップS405)スコア取得部12は、カウンタiを1だけ増加させ、ステップS402へ戻る。
以上、本実施の形態によれば、特許を適切に評価できる。また、本実施の形態によれば、各時点における特許のスコアを適切に取得できる。
なお、本実施の形態によれば、特許情報処理装置1は、例えば、格納部11に情報が格納された際に、格納された情報に関連特許のスコアを全て取得し、蓄積している。しかしながら、特許情報処理装置1は、特定の特許のスコアを取得し、出力するようにしても良い。
上記の場合、具体的には、特許情報処理装置1に、例えば、図示しない受付部と出力部をさらに具備させる。受付部は、特許識別子(例えば、特許出願番号または特許番号など)を有する1以上の指定情報を受け付ける。そして、出力部は、受付部が受け付けた1以上の各指定情報に対応する特許のスコアを出力する。なお、受付部は、特許識別子と時点情報とを有する1以上の指定情報を受け付けても良い。かかる場合、出力部は、受付部が受け付けた指定情報に対応する特許のスコアであり、受付部が受け付けた指定情報に対応する時点のスコアを出力する。
また、時点情報とは、特許識別子で識別される特許のスコアを取得する時点に関する情報である。時点情報は、特許の状態を特定することができる情報ならば、どのような情報であっても良い。例えば、「出願時」や「登録時」といった特許ごとに異なる時点の指定であっても良く、「2017年10月6日」といった日時による指定であっても良い。
また、受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。
また、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念である。
なお、前記受付部の入力手段は、テンキーやキーボードやマウスやメニュー画面によるもの等、何でも良い。前記受付部は、テンキーやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。
また、前記出力部は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。出力部は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをCD-ROMなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、特許の書類である特許書類から取得され得るパラメータである1以上の書類パラメータまたは特許に対するアクションに関する1以上のアクション情報または1以上の書類パラメータと1以上のアクション情報である1以上の共通情報、および当該特許に対するユーザ固有の情報である1以上の固有情報を有する特許情報が格納される特許情報格納部を具備する記録媒体にアクセス可能なコンピュータを、前記特許情報を用いて、特許のスコアを取得するスコア取得部と、前記スコアを蓄積するスコア蓄積部として機能させるためのプログラムである。
(実施の形態2)
本実施の形態において、複数の特許で構成される特許群のスコアを算出する特許情報処理装置2について説明する。
図5は、本実施の形態における特許情報処理装置2のブロック図である。
特許情報処理装置2は、格納部21、スコア取得部22、およびスコア蓄積部23を備える。
格納部21は、特許情報格納部211、および取得元情報格納部112を備える。
格納部21には、各種の情報が格納される。各種の情報とは、例えば、後述するグループ情報、前述した取得元情報である。各種の情報は、例えば、1または2以上の特許書類である。また、各種の情報は、例えば、グループ特定情報である。グループ特定情報とは、2以上の特許を特定する情報である。グループ特定情報は、例えば、グループを識別するグループ識別子、2以上の各特許を識別する特許識別子の集合、特許を検索するための検索式等である。
特許情報格納部211には、グループ情報が格納される。
ここで、グループ情報は、2以上の特許情報を有する情報である。特許情報は、共通情報、または固有情報である。また、グループ情報の形式は問わない。グループ情報に、グループ特定情報が対応付いていても良い。
スコア取得部22は、グループ情報を用いてグループのスコアであるグループスコアを取得する。
スコア取得部22は、例えば、特許群を構成する特許の数と状態を考慮したグループスコアを計算する。
例えば、グループスコアは、グループを構成する各特許のスコアの統計値である。統計値とは、例えば、合計値、平均値、中央値等である。例えば、グループスコアは、グループを構成する各特許のスコアの合計値である。また、例えば、グループスコアは、グループを構成する各特許のスコアの平均値である。また、例えば、グループスコアは、グループがポートフォリオを構成すると仮定して、グループを構成する特許のスコアを算出することもできる。具体的には、はじめに、グループを構成する特許のスコアを算出後、そのスコアを各特許の初期値として、引用・被引用関係に基づくHITSなどのアルゴリズムを用いてスコアを補正する。最後に、補正したスコアの合計値や平均値をグループのスコアとする。また、ポートフォリオを仮定する別の方法としては、はじめに、各特許のスコアを計算した後、各特許の内容であるテキストを図示しない特許テキスト格納部より取得し、前記テキストに基づいて特許を2次元(または3次元)に配置する(例えば、テキストに含まれる単語をベクトルとして多次元尺度構成法を適用する)。その後、各特許について、前記配置した座標を中心として、面積(または体積)がスコアと比例するように円(または球)をプロットする。最後に、プロットされた円(または球)の重複する部分を除いた総面積(または総体積)をグループスコアとする。このような方法を用いることで、グループを構成する特許の重複する部分の価値を適切に評価することができる。HITSや多次元尺度構成法については公知の技術であるため説明を省略する。
スコア取得部22は、グループ特定情報により特定される2以上の特許の特許書類を取得し、当該2以上の各特許書類から、自然言語処理により、1以上の書類パラメータを取得する。そして、スコア取得部22は、グループ特定情報により特定される2以上の特許の1以上のアクション情報を格納部または図示しない装置から取得する。また、スコア取得部22は、グループ特定情報により特定される2以上の特許の固有情報を格納部または図示しない装置から取得する。そして、スコア取得部22は、取得した1以上の書類パラメータ、1以上のアクション情報、および1以上の固有情報を用いて、グループを構成する各特許のスコアを算出しても良い。かかる各特許のスコアの算出処理は、スコア取得部12の処理と同様である。そして、スコア取得部22は、各特許のスコアの統計値であるグループスコアを取得する。
ここで、スコア取得部22は、2以上の各グループのグループ情報を用いて、一のグループの他のグループに対応する相対的なスコアである相対グループスコアを取得しても良い。なお、相対グループスコアは、一のグループの他のグループに対応する相対的なスコアである。通常、相対グループスコアは、グループスコアをもとに算出されるものである。
例えば、相対グループスコアは、後述するスコア蓄積部23により蓄積された全てのグループスコアと、スコア取得部22が取得しようとしているグループのスコア(以下、これらを「全グループスコア」と記す)の分布を求めた後、対象のグループの偏差値を相対グループスコアとしても良い。また、例えば、相対グループスコアは、全グループスコアの平均値を1としたときの倍率を相対グループスコアとしても良い(対象グループのスコア/全グループスコアの平均値)。
スコア蓄積部23は、スコア取得部22が取得したスコアを蓄積する。ここで、スコアは、一の特許のスコアでも良く、グループスコアでも良く、相対グループスコアでも良い。また、スコア蓄積部23は、通常、実施の形態1のスコア蓄積部13と同様に、各スコアとそのスコアを取得した時点を対応付けて蓄積する。なお、グループスコアの蓄積先は、格納部21や外部の装置等、問わない。
次に、特許情報処理装置2の動作についてフローチャートを用いて説明する。
特許情報処理装置2の基本的な動作は、特許情報処理装置1と同様である(図2のフローチャート)。ただし、スコアの取得方法が特許情報処理装置1の場合と異なる。特許情報処理装置2におけるスコアの取得方法について、図6のフローチャートを用いて説明する。
(ステップS601)スコア取得部12は、カウンタiに1を代入する。
(ステップS602)スコア取得部12は、関連特許のうち、i番目の特許情報が存在する場合はステップS602へ進む。そうでない場合は、ステップS610へ進む。
(ステップS603)スコア取得部12は、特許情報[i]がグループの特許情報である場合はステップS604へ進む。そうでない場合は、ステップS611へ進む。
(ステップS604)スコア取得部12は、カウンタjに1を代入する。
(ステップS605)スコア取得部12は、特許情報[i]に対応するグループを構成するj番目の特許が存在する場合、ステップS606へ進む。そうでない場合、ステップS608へ進む。
(ステップS606)グループを構成するj番目の特許について、実施の形態1と同様の方法(図4のステップS403からステップS404の手順)を用いて特許のスコアを取得する。
(ステップS607)スコア取得部12は、カウンタjを1だけ増加させ、ステップS605へ戻る。
(ステップS608)スコア取得部12は、ステップS606で取得された2以上の各特許のスコアを用いて、グループスコアを計算する。
(ステップS609)スコア取得部12は、カウンタiを1だけ増加させ、ステップS602へ戻る。
(ステップS610)スコア取得部12は、各グループのスコアを取得後、各グループの相対グループスコアを取得する。この処理を相対グループスコア取得処理と呼び、詳細は後述する。
(ステップS611)特許情報[i]がグループでない場合、実施の形態1と同様の方法(図4のステップS403からステップS404の手順)を用いて特許情報[i]に対応する特許のスコアを取得する。
次に、ステップS610の相対グループスコア取得処理について、図7のフローチャートを用いて説明する。
(ステップS701)スコア取得部12は、相対グループスコアを取得するために必要な情報を、ステップS608で取得した各グループスコアを用いて取得する。例えば、相対グループスコアを一のグループの偏差値とした場合、スコア取得部12は、すべてのグループスコアの平均と分散を算出する。
(ステップS702)スコア取得部12は、カウンタiに1を代入する。
(ステップS703)スコア取得部12は、関連特許のうち、i番目の特許情報が存在する場合はステップS704へ進む。そうでない場合は、上位処理へとスコアの取得方法はリターンする。
(ステップS704)スコア取得部12は、特許情報[i]がグループの場合、ステップS705へ進む。そうで無い場合、ステップS703へ戻る。
(ステップS705)スコア取得部12は、ステップS701で取得した情報を用いて、特許情報[i]に対応するグループの相対グループスコアを取得する。
(ステップS706)スコア取得部12は、カウンタiを1だけ増加させステップS704へ戻る。
(ステップS701)スコア取得部12は、相対グループスコアを取得するために必要な情報を、ステップS608で取得した各グループスコアを用いて取得する。例えば、相対グループスコアを一のグループの偏差値とした場合、スコア取得部12は、すべてのグループスコアの平均と分散を算出する。
(ステップS702)スコア取得部12は、カウンタiに1を代入する。
(ステップS703)スコア取得部12は、関連特許のうち、i番目の特許情報が存在する場合はステップS704へ進む。そうでない場合は、上位処理へとスコアの取得方法はリターンする。
(ステップS704)スコア取得部12は、特許情報[i]がグループの場合、ステップS705へ進む。そうで無い場合、ステップS703へ戻る。
(ステップS705)スコア取得部12は、ステップS701で取得した情報を用いて、特許情報[i]に対応するグループの相対グループスコアを取得する。
(ステップS706)スコア取得部12は、カウンタiを1だけ増加させステップS704へ戻る。
以上、本実施の形態によれば、特許群を評価できる。
また、本実施の形態によれば、特許群を相対的に評価できる。
本実施の形態によれば、例えば、格納部21が更新されたときにスコアを算出している。しかしながら、本実施の形態も実施の形態1と同様に、受付部と出力部を具備させることで、ユーザが指定した特許もしくは特許群のスコアを取得することができる。
本実施の形態において、特許情報処理装置2は、例えば、図示しない出力部をさらに具備しても良い。ここで、出力部は、例えば、2以上のグループの特許群のグループスコアの時系列の情報を出力しても良い。かかる出力例は、図8である。図8において、自社の特許群のグループスコアと、ライバルである他社(A社)の特許群のグループスコアの時間的な推移を示すグラフである。
加えて、出力部は、例えば、固有情報または共有情報のうちの1以上の情報と、グループスコアとを出力しても良い。そして、出力部は、例えば、固有情報または共有情報のうちの1以上の情報の推移を示す情報と、グループスコアの推移を示す情報とを出力しても良い。かかる出力例は、図9で、投資額とグループスコアとを出力しているグラフである。図9において、投資額の推移は棒グラフで示されている。また、グループスコアの推移は折れ線グラフで出力されている。
なお、図8、図9のグラフは、経営判断のために用いられることが可能である。例えば、図8によれば、A社と競い合っている技術領域または製品領域において、特許群のグループスコアがA社によって追い上げられている状況が分かり、さらに特許活動に力を入れなければならないことを経営者に示すことができる。また、例えば、図9によれば、ある技術領域または製品領域における特許群のグループスコアの推移と、当該技術領域または製品領域への投資額の推移とを対比して見ることにより、経営者は、当該技術領域または製品領域への今後の投資について検討できる。
(実施の形態3)
本実施の形態において、2以上の時点のうち、前の時点の情報もしくはスコアを用いて後の時点のスコアを推定する特許情報処理装置3について説明する。
図10は、本実施の形態における特許情報処理装置3のブロック図である。
特許情報処理装置3は、格納部11、スコア取得部32、およびスコア蓄積部23を備える。
スコア取得部32は、スコア推定手段321、およびスコア取得手段322を備える。
スコア取得部32を構成するスコア推定手段321は、各特許のスコアもしくは、各特許のスコアを算出するために必要な情報を推定する。その後、スコア取得手段322は、スコア推定手段321が推定したデータを用いて、一の特許のスコアまたはグループスコアまたは相対グループスコアを取得する。
スコア推定手段321は、前の時点の情報もしくは前の時点のスコアを用いて、後の時点の情報もしくは後の時点のスコアを推定する。ここで、前の時点の情報とは、前の時点の共通情報、または前の時点の固有情報の少なくとも何れか1つである。なお、ここで、前の時点の情報と前の時点スコアは、必ずしも後の時点の情報および後の時点のスコアと同一の特許のものである必要はない。すなわち、他の特許の情報を用いて一の特許のスコアを推定しても良い。
例えば、スコア推定手段321は、前の時点の共通情報から後の時点の共通情報を推定しても良く、前の時点の固有情報から後の時点の固有情報を推定しても良い。また、スコア推定手段321は、前の時点の共通情報と前の時点の固有情報から後の時点の共通情報または固有情報を推定しても良い。また、スコア推定手段321は、前の時点のスコアから後の時点のスコアを予測しても良い。また、スコア推定手段321は、前の時点の共通情報、前の時点の固有情報、前の時点のスコアから後の時点のスコアを推定しても良い。
このとき、推定方法は、時系列を解析できる方法ならば、どのような方法を用いても良い。例えば、一の情報から同じ一の情報を推定する時系列解析モデルを用いても良い。具体的には、自己相関モデル(ARモデル)、移動平均モデル(MAモデル)、自己回帰移動平均モデル(ARMAモデル)、自己回帰和分移動平均モデル(ARIMAモデル)、季節的自己回帰和分移動平均モデル(SARIMAモデル)などを用いても良い。また、複数の情報から一の情報を推定する多変量自己回帰モデル(VARモデル)を用いても良い。また、ニューラルネットワーク(例えば、RNNやLSTM)やSVR(Support Vector Regression)等の機械学習を用いて、複数の情報から一の情報を推定しても良い。なお、本段落において、情報とは、共通情報と固有情報に加えスコアも含まれる。上記で挙げた時系列解析モデルおよび時系列を解析するための機械学習については、公知の技術であるため説明を省略する。
スコア取得手段322は、スコア推定手段321が推定した情報を用いて、特許のスコアまたはグループスコアまたは相対グループスコアを取得する。なお、スコア推定手段321が推定した情報とは、共通情報または固有情報である。スコア取得手段322の処理は、スコア取得部12またはスコア取得部22と同様の処理である。
また、スコア取得手段322は、スコア推定手段321が推定したスコアを用いて、グループスコアまたは相対グループスコアを取得しても良い。スコア取得手段322は、スコア取得部22と同様の方法で、グループスコアまたは相対グループスコアを取得する。
次に、特許情報処理装置3の動作についてフローチャートを用いて説明する。
特許情報処理装置3の基本的な動作は、特許情報処理装置1と同様である(図2のフローチャート)。ただし、スコアの取得方法が特許情報処理装置1の場合と異なる。特許情報処理装置3におけるスコア取得方法について、図11のフローチャートを用いて説明する。
(ステップS1101)スコア取得部32は、カウンタiに1を代入する。
(ステップS1102)スコア取得部32は、関連特許のうち、i番目の特許情報が存在する場合はステップS1103へ進む。そうでない場合は、上位処理へリターンする。
(ステップS1103)スコア推定手段321は、関連特許[i]に対応する情報であり、スコアの推定のために必要な情報(例えば、前の時点の情報)を取得する。なお、スコアの推定のために必要な情報は、前の時点のスコアでも良い。
(ステップS1104)スコア取得手段322は、スコア推定手段321が推定した情報を用いて、関連特許[i]のスコアを取得する。なお、スコア取得手段322は、例えば、関連特許[i]を特定する特許識別子に対応付けて、スコアをバッファに蓄積する。
(ステップS1105)スコア取得部32は、カウンタiを1だけ増加させステップS402へ戻る。
なお、図11のフローチャートにおいて、各特許のスコアを算出した。しかし、スコア取得手段322は、グループスコア、相対スコア等も取得しても良い。
以上、本実施の形態によれば、より適切な特許の評価を行うことができる。
また、本実施の形態によれば、将来の特許のスコアを予測することができる。
なお、本実施の形態において、時系列解析による情報もしくは推定を行う前に、単位根検定などを行い、推定を行っても良いか否かの妥当性を検定しても良い。特許情報処理装置3によって推定が妥当で無いと判定された場合は、対数差分化などを数値の変換を行っても良いし、推定自体を行わなくても良い。ここで、単位根検定については公知の技術のため説明を省略する。
(実施の形態4)
本実施の形態において、共通情報と固有情報とが異なる装置に存在する特許情報システム4について説明する。
図12は、特許情報システムAの概念図である。特許情報システムAは、特許情報処理装置4と1または2以上の固有情報管理装置5とを有する。特許情報処理装置4は、固有情報管理装置から固有情報を取得し、特許のスコア、グループスコア、相対スコアのうちの1以上のスコアを取得する。固有情報管理装置5は、固有情報を管理している装置である。固有情報管理装置5は、例えば、企業毎に存在する。
図13は、本実施の形態における特許情報処理装置4のブロック図である。
特許情報処理装置4は、格納部41、スコア取得部22、スコア蓄積部23を備える。
格納部41は、共通情報格納部411取得元情報格納部112を備える。
固有情報管理装置5は、固有情報格納部51を備える。 共通情報格納部411には、1以上の各特許の共通情報が格納される。
固有情報格納部51には、1以上の各特許の固有情報が格納される。
スコア取得部22は、スコア算出対象の特許の1以上の固有情報を、固有情報管理装置5から取得する。また、スコア取得部22は、スコア算出対象の特許の1以上の共通情報を、共通情報格納部411から取得する。そして、スコア取得部22は、かかる1以上の固有情報と1以上の共通情報とを用いて、上述したようにスコアを取得する。
なお、特許情報処理装置4の動作については、ネットワーク等を介して、固有情報を取得する点以外は特許情報処理装置1と同様であるので説明を省略する。
以上、本実施の形態によれば、複数の組織で、別途、管理されている固有情報を用いて、複数の組織の特許の適切な評価を行うことができる。
また、以上、本実施の形態によれば、複数の組織で効率的に特許の評価を行うことができる。
また、以上、本実施の形態によれば、複数の組織の間で特許の評価を行うことだけではなく、その結果を比較することができる。
なお、本実施の形態において、共通情報も特許情報処理装置4とは異なる装置で管理されていても良い。かかる装置は、例えば、共通情報管理装置である。
(実施の形態1~4を実現するコンピュータシステム)
(実施の形態1~4を実現するコンピュータシステム)
ここで、図14~図15には、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の特許情報処理装置1等を実現するコンピュータシステムを説明する。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図14は、このコンピュータシステム900の概観図であり、図15は、コンピュータシステム900のブロック図である。
図14において、コンピュータシステム900は、CD-ROMドライブ905を含むコンピュータ901と、キーボード902と、マウス903と、モニタ904とを含む。
図15において、コンピュータ901は、CD-ROMドライブ905に加えて、MPU911と、CD-ROMドライブ905等に接続されたバス915と、ブートアッププログラム等のプログラムを記憶するためのROM912と、MPU911に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのRAM912と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク914とを含む。ここでは、図示しないが、コンピュータ901は、さらに、LANへの接続を提供するネットワークカードを含んでも良い。
コンピュータシステム900に、上述した実施の形態における特許情報処理装置1等の機能を実行させるプログラムは、CD-ROM921に記憶されて、CD-ROMドライブ905に挿入され、さらにハードディスク914に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ901に送信され、ハードディスク914に記憶されても良い。プログラムは実行の際にRAM913にロードされる。プログラムは、CD-ROM921またはネットワークから直接、ロードされても良い。
プログラムは、コンピュータ901に、上述した実施の形態における特許情報処理装置1等の機能を実行させるオペレーティングシステム(OS)、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能(モジュール)を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム900がどのように動作するかは周知であり、詳細な説明は省略する。
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
また、上記各実施の形態において、一の装置に存在する2以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。
また、上記各実施の形態において、各処理(各機能)は、単一の装置(システム)によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
以上のように、本発明にかかる特許情報処理装置は、特許の適切な評価ができるという効果を有し、特許情報処理装置等として有用である。
1、2、3、4 特許情報処理装置
4 特許情報システム
5 固有情報管理装置
11、21、41 格納部
12、22、32、42 スコア取得部
13、23 スコア蓄積部
51 固有情報格納部
111、211 特許情報格納部
112 取得元情報格納部
321 スコア推定手段
322 スコア取得手段
411 共通情報格納部
前記スコアを蓄積するスコア蓄積部として機能させるためのプログラム。
4 特許情報システム
5 固有情報管理装置
11、21、41 格納部
12、22、32、42 スコア取得部
13、23 スコア蓄積部
51 固有情報格納部
111、211 特許情報格納部
112 取得元情報格納部
321 スコア推定手段
322 スコア取得手段
411 共通情報格納部
前記スコアを蓄積するスコア蓄積部として機能させるためのプログラム。
Claims (3)
- 一の特許の書類である特許書類から取得され得るパラメータである1以上の書類パラメータまたは特許に対するアクションに関する1以上のアクション情報または1以上の書類パラメータと1以上のアクション情報である1以上の共通情報を有する特許情報が格納される特許情報格納部と、
スコアの取得のために使用する機械学習のモデルが、特許の状態が異なる2以上の各時点に対応付けて格納される取得元情報格納部と、
前記一の特許に対して、前記2以上の各時点において、各時点に対応付いている前記機械学習のモデルと前記特許情報とを用いて、機械学習のアルゴリズムにより、特許のスコアを取得するスコア取得部と、
前記スコアを蓄積するスコア蓄積部とを具備する特許情報処理装置。 - 一の特許の書類である特許書類から取得され得るパラメータである1以上の書類パラメータまたは特許に対するアクションに関する1以上のアクション情報または1以上の書類パラメータと1以上のアクション情報である1以上の共通情報を有する特許情報が格納される特許情報格納部と、スコアの取得のために使用する機械学習のモデルが、特許の状態が異なる2以上の各時点に対応付けて格納される取得元情報格納部と、スコア取得部と、スコア蓄積部とにより実現される特許情報処理方法であって、
前記スコア取得部が、前記一の特許に対して、前記2以上の各時点において、各時点に対応付いている前記機械学習のモデルと前記特許情報とを用いて、機械学習のアルゴリズムにより、特許のスコアを取得するスコア取得ステップと、
前記スコア蓄積部が、前記スコアを蓄積するスコア蓄積ステップとを具備する特許情報処理方法。 - 一の特許の書類である特許書類から取得され得るパラメータである1以上の書類パラメータまたは特許に対するアクションに関する1以上のアクション情報または1以上の書類パラメータと1以上のアクション情報である1以上の共通情報を有する特許情報が格納される特許情報格納部と、スコアの取得のために使用する機械学習のモデルが、特許の状態が異なる2以上の各時点に対応付けて格納される取得元情報格納部とにアクセス可能なコンピュータを、
前記一の特許に対して、前記2以上の各時点において、各時点に対応付いている前記機械学習のモデルと前記特許情報とを用いて、機械学習のアルゴリズムにより、特許のスコアを取得するスコア取得部と、
前記スコアを蓄積するスコア蓄積部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023003093A JP2023029604A (ja) | 2017-11-06 | 2023-01-12 | 特許情報処理装置、特許情報処理方法、およびプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017213830A JP7384345B2 (ja) | 2017-11-06 | 2017-11-06 | 特許情報処理装置、特許情報処理方法、およびプログラム |
JP2023003093A JP2023029604A (ja) | 2017-11-06 | 2023-01-12 | 特許情報処理装置、特許情報処理方法、およびプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017213830A Division JP7384345B2 (ja) | 2017-11-06 | 2017-11-06 | 特許情報処理装置、特許情報処理方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023029604A true JP2023029604A (ja) | 2023-03-03 |
Family
ID=66764206
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017213830A Active JP7384345B2 (ja) | 2017-11-06 | 2017-11-06 | 特許情報処理装置、特許情報処理方法、およびプログラム |
JP2022062284A Active JP7450190B2 (ja) | 2017-11-06 | 2022-04-04 | 特許情報処理装置、特許情報処理方法、およびプログラム |
JP2023003093A Pending JP2023029604A (ja) | 2017-11-06 | 2023-01-12 | 特許情報処理装置、特許情報処理方法、およびプログラム |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017213830A Active JP7384345B2 (ja) | 2017-11-06 | 2017-11-06 | 特許情報処理装置、特許情報処理方法、およびプログラム |
JP2022062284A Active JP7450190B2 (ja) | 2017-11-06 | 2022-04-04 | 特許情報処理装置、特許情報処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (3) | JP7384345B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102502271B1 (ko) * | 2021-01-18 | 2023-02-21 | (주) 애니파이브 | 인공지능을 기반으로 한 특허 평가 방법 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004500617A (ja) | 1999-06-04 | 2004-01-08 | ストック−プリセプレディクター ドットコム,エルエルシー | 特許を評価するためのシステムおよび方法 |
US7676375B1 (en) | 1999-06-04 | 2010-03-09 | Stockpricepredictor.Com, Llc | System and method for valuing patents |
JP2004234233A (ja) | 2003-01-29 | 2004-08-19 | Alps Electric Co Ltd | 知的財産評価装置及び知的財産評価プログラム |
JP2004310722A (ja) | 2003-04-08 | 2004-11-04 | Yuzo Shibata | 特許の価値評価システム |
JP2005174313A (ja) | 2003-11-18 | 2005-06-30 | Shinko Res Kk | 特許又は技術の経済価値算出方法及び装置 |
US7657476B2 (en) | 2005-12-28 | 2010-02-02 | Patentratings, Llc | Method and system for valuing intangible assets |
AU2007314921A1 (en) | 2006-11-02 | 2008-05-08 | Intellectual Property Bank Corp. | Patent evaluating device |
JP2008123362A (ja) | 2006-11-14 | 2008-05-29 | Takenaka Komuten Co Ltd | 特許の経済価値を評価するためのシステム、方法及びプログラム |
KR101118057B1 (ko) * | 2009-12-15 | 2012-02-24 | 한국발명진흥회 | 특허 자동 평가 시스템 및 상기 시스템에서의 평가 요소 정보 처리 방법 |
US20140156544A1 (en) | 2012-11-30 | 2014-06-05 | Matteo Sabattini | Non-Tangible Assets Valuation Tool |
JP2015125484A (ja) | 2013-12-25 | 2015-07-06 | 株式会社レイテック | パテントポートフォリオ管理装置および方法 |
US20150199781A1 (en) | 2014-01-14 | 2015-07-16 | Wisdomain Inc. | Patent Valuation System |
JP6448078B2 (ja) | 2014-05-26 | 2019-01-09 | 一郎 工藤 | 株式上場企業特許力成長率評価装置、株式上場企業特許力成長率評価装置の動作方法及び株式上場企業特許力成長率評価プログラム |
JP6065297B2 (ja) | 2015-06-10 | 2017-01-25 | 株式会社フォーカルワークス | 特許評価装置および発明者評価装置 |
-
2017
- 2017-11-06 JP JP2017213830A patent/JP7384345B2/ja active Active
-
2022
- 2022-04-04 JP JP2022062284A patent/JP7450190B2/ja active Active
-
2023
- 2023-01-12 JP JP2023003093A patent/JP2023029604A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7384345B2 (ja) | 2023-11-21 |
JP2019086960A (ja) | 2019-06-06 |
JP7450190B2 (ja) | 2024-03-15 |
JP2022079755A (ja) | 2022-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210326729A1 (en) | Recommendation Model Training Method and Related Apparatus | |
JP4739472B2 (ja) | 性能予測装置および方法、記録媒体 | |
US8756178B1 (en) | Automatic event categorization for event ticket network systems | |
US20090105984A1 (en) | Methods and Apparatus for Dynamic Data Transformation for Visualization | |
JP2008117010A (ja) | 文書作成支援装置、文書作成支援システム | |
JP6094593B2 (ja) | 情報システム構築装置、情報システム構築方法および情報システム構築プログラム | |
CN113268403B (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
Kläs et al. | Quality evaluation for big data: a scalable assessment approach and first evaluation results | |
CN113656686A (zh) | 一种基于产教融合的任务报告的生成方法及服务系统 | |
JP2023029604A (ja) | 特許情報処理装置、特許情報処理方法、およびプログラム | |
Iutzeler et al. | Asynchronous level bundle methods | |
US11295325B2 (en) | Benefit surrender prediction | |
CN103902380B (zh) | 一种利用沙箱来确定资源分配的方法、装置和设备 | |
US10824976B2 (en) | Infeasibility management in e-sourcing systems | |
Li et al. | Optimizing ml inference queries under constraints | |
CN111191999A (zh) | 产品研发管理方法、装置、计算机设备及存储介质 | |
WO2022267364A1 (zh) | 一种信息推荐方法、设备及存储介质 | |
CN113298120B (zh) | 基于融合模型的用户风险预测方法、系统和计算机设备 | |
WO2020188043A1 (en) | Method and system to deliver time-driven activity-based-costing in a healthcare setting in an efficient and scalable manner | |
CN113762675A (zh) | 信息生成方法、装置、服务器、系统和存储介质 | |
Orekhov et al. | A New Method of Search Engine Optimization Based on Semantic Kernel Idea | |
CN117555428B (zh) | 一种人工智能交互方法、系统、计算机设备及其存储介质 | |
CN112307019B (zh) | 数据处理方法、装置及非瞬时性计算机可读存储介质 | |
Tiwari et al. | Result prediction system for Multi-Tenant database of University | |
CN114862482B (zh) | 一种基于大数据预测产品需求的数据处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240625 |