JP5551187B2 - 文献分析システム - Google Patents

Description

本発明は，文献の特徴を用いて当該文献を評価し，評価結果を用いて特許の技術開発傾向を確認し，ユーザに特許文献の相互関係，又は特許文献の間接引用関係を提供することができるシステムに関する。

また，本発明の実施例は，文献の間接引用関係を用いて複数の特許文献をクラスタ化し，自動的に分類し，分類された文献を分析及び評価するシステムを提供する。

特許を取得しようとする特許出願人は，所定の要件に合致する書類を用意して提出することが望ましい。特許庁に提出された特許出願書類は，所定の時間が経過したとき，又は所定の要件に合致したとき公開される。これらの書類は，特許文献と呼ばれる。

一般に，特許を出願しようとする人は，先行技術が存在するかどうかを確認するために，これらの特許文献を検索する。ほとんどの場合，特許文献検索は，キーワードを入力することによって行われる。

最近，企業，国又は大学のような研究機関の技術レベルを測る基準として用いることができるこれら特許文献についての評価の重要性が，徐々に増加しつつある。例えば，特許レベル又は企業の方向性，等の正確な評価は，企業の技術戦略，投資家の投資判断，及び研究者の能力に関する判断に不可欠であり，これは，国又は大学のような研究機関にも同様に当てはまる。

最近の技術開発に伴って，特許出願数が増加し，したがって特許文献の量もまた増加している。したがって，重複研究を回避し，権利侵害を確認し，特許出願前に先行技術を検索し，他社の技術開発を調査し，又は研究開発を促進するために行われる特許文献検索が困難になっている。

これらの特許文献を検索又は調査するための関連技術検索システムにおいては，不適当なキーワードを選択すると，大量の不必要な情報が含まれることがある。このような場合，調査を行うために長い時間が掛かる。

ユーザが入力した検索クエリによって，膨大な量の特許文献の中から検索された特許文献の評価値を内部基準に従って得ることができ，得られた評価値を検索結果としてユーザに表示することができるならば，ユーザにとっての特許文献の検索効率は向上するであろう。

この点について，本発明の実施例は，特許文献の特徴に応じて評価因子を設定し，設定された評価因子を用いて当該特許文献を評価し，評価結果値をユーザインタフェースを介して表示し，それによって特許文献の検索効率を向上させるシステムを提供する。

さらに，本発明の実施例は，特許文献から特徴を得て，得られた特徴を用いて特許文献を評価し，評価値を用いて特許文献を時間的に分析することができるシステムを提供する。

さらに，本発明の実施例は，引用文献若しくは複数の特許文献間の引用関係を読み出すことによって，又はたとえ直接の引用関係ではなくても，間接引用関係を読み出すことによって，特許文献についてより効率的に分類及びクラスタ化を行うことができ，ユーザに文献の分類及びクラスタ化の結果をより効率的に提供することができるシステムを提供する。

本発明の一実施例において，文献分析システムは，文献を記憶するデータベースと，文献の特徴を用いて当該文献を評価する文献評価モジュールと，文献が呼び出されたとき，文献評価モジュールによって生成される当該文献の評価結果を提供するユーザインタフェース（ＵＩ）出力ユニットと，を含む。

別の実施例においては，文献分析システムは，文献を記憶するデータベースと，文献の特徴を用いて当該文献を評価する文献評価モジュールと，文献評価モジュールによって得られた文献の評価結果である評価値を用いて，分析すべき文献を時間的に分析する予測モジュールと，予測モジュールによって生成された時間的分析結果をユーザに提供するＵＩ出力ユニットと，を含む。

更に別の実施例においては，文献分析システムは，特許文献を記憶するデータベースと，文献が呼び出されたとき，文献評価モジュールによって生成された当該文献の評価結果を提供するＵＩ出力ユニットと，特許文献間の間接引用関係を読み出し，読み出された間接引用関係を用いて第１グループの特許文献をクラスタ化する文献分類モジュールと，を含む。

提案システムによれば，ユーザは，検索された文献のリストと同様，検索された文献に関するシステムの評価値を確認することができ，それによって文献検索効率を向上させることができる。

また，このシステムは，予め設定された因子を用いて，特許文献を評価し，評価された特許文献を時間的に分析して，ユーザに傾向情報を提供する。

さらに，システムは，たとえユーザの要求がなくても事前に対応する特許文献を評価し，ユーザが傾向分析をより簡単に行うことができるように，新規の特許文献がデータベースに記憶されたとき，評価値を処理する。

さらに，システムは，引用文献若しくは複数の特許文献間の引用関係を読み出すことによって，又は，たとえ直接の引用関係ではなくても，間接引用関係を読み出すことによって，特許文献をより効率的に分類することができる。

さらに，効率的な特許文献の分類が行われるため，特許文献によって特許開発が効率的に達成できる。

さらに，種々のＵＩを介して効率的な文献分類及びクラスタ化の結果がユーザに提供されるため，ユーザは特許文献の分析を容易に行うことができる。

実施例による文献分析システムの構造を例示する図である。 特許文献の評価因子の構造を示す図である。 実施例による文献検索及び評価結果を例示する図である。 ユーザに提供される特許文献分析ＵＩの例を示す図である。 ユーザが評価因子を確認し，評価因子又は指定された評価値の項目を編集する場合を示すフローチャートである。 実施例による文献分析システムによって分析すべき特許文献を用いて生成された傾向情報の例を示す図である。 変化期間を設定するＵＩの例を示す図である。 実施例による変化期間内の特許文献分析ＵＩの例を示す図である。 実施例による変化期間内の特許文献分析ＵＩの例を示す図である。 実施例による文献分類モジュールの文献クラスタ化ユニットの例を示す図である。 実施例による文献分類モジュールによって間接引用関係を得る構造を示す図である。 実施例による文献分類モジュールによって類似文献を分類されたグループにクラスタ化する構造を示す図である。 実施例による，範ちゅう文献の属性情報又は第２グループの文献の属性情報の例を示す図である。 実施例による，範ちゅう文献又は第２グループの文献から得られる特徴ベクトルの例を示す図である。 実施例による文献検索及び評価結果を例示する図である。 実施例による文献分類又はクラスタ化結果としてユーザに提供されるＵＩの例を示す図である。 実施例による文献分類又はクラスタ化結果としてユーザに提供されるＵＩの例を示す図である。 実施例による文献分類又はクラスタ化結果としてユーザに提供される種々のＵＩを示す図である。 実施例による文献分類又はクラスタ化結果としてユーザに提供される種々のＵＩを示す図である。 実施例による文献分類又はクラスタ化結果としてユーザに提供される種々のＵＩを示す図である。 実施例による文献分類又はクラスタ化結果としてユーザに提供される種々のＵＩを示す図である。 実施例による文献分類又はクラスタ化結果としてユーザに提供される種々のＵＩを示す図である。

図１は，実施例による文献分析システムの構造を例示する図である。

図１を参照すると，この実施例によるシステムは，サーバ又は計算機内に実現され，入出力（ｉｎｐｕｔ／ｏｕｔｐｕｔ）モジュール１１０と，文献検索モジュール１２０と，データベース１３０と，文献評価モジュール１４０と，文献分類モジュール１５０と，予測モジュール１６０と，文献分析モジュール１７０と，を含んでもよい。

入出力モジュール１１０のクエリ受信ユニット１１１は，文献の検索又は分析を行うために，キーボード又はマウスによってユーザが入力したクエリを受信するように構成される。ユーザが入力したクエリは，データベース１３０に記憶された（又は通信網を介して利用可能な）特許文献に記載されたキーワードであってよい。キーワードは文字だけではなく，特許文献を構成する出願番号又は公開番号のような番号も含む。

入出力モジュール１１０のユーザインタフェース（ＵＩ）出力ユニット１１２は，文献検索モジュール１２０，文献評価モジュール１４０，文献分類モジュール１５０，予測モジュール１６０，又は文献分析モジュール１７０によって処理又は抽出される情報をユーザに提供する。以下，ＵＩ出力ユニット１１２は種々のＵＩを提供するデバイスであることを説明するが，ＵＩ出力ユニット１１２は，実施例による文献分析システムのほかのコンポーネント内で提供してもよいことは明らかである。

文献検索モジュール１２０は，ユーザが入力したクエリに基づいて，データベース１３０内に記憶された特許文献の中から，呼び出されるべき特許文献を検索する。文献検索モジュール１２０の検索操作は次のとおりである。

特許文献検索は，ユーザが入力したキーワード又は入力されたキーワードに類似のキーワードを用いて，データベース１３０内に記憶された特許文献に関して行うことができる。

文献検索モジュール１２０は，ユーザが入力したクエリに基づいて，データベース１３０内に記憶された特許文献の中から，呼び出されるべき特許文献を検索する。文献検索モジュール１２０による特許文献検索において，文献特徴生成モジュール１８０及び文献特徴ＤＢ１９０を用いてもよい。

文献特徴生成モジュール１８０は，データベース１３０に記憶された文献からテキストを抽出し，キーワードごとの頻度に関する指標情報を，文献特徴ＤＢ１９０に提供してもよい。クエリ受信ユニット１１１によって所定のクエリが受信されたとき，文献検索モジュール１２０は，文献特徴ＤＢ１９０に記憶されている文献の指標ファイルを用いて，クエリを含む文献を検索することができる。

文献検索モジュール１２０によって検索された文献は，図３に示すように，ＵＩ出力ユニット１１２を介してＵＩによってユーザに提供してもよい。

クエリ受信ユニット１１１によって所定のクエリが受信されたとき，又はウェブロボットによって新規の文献がデータベース１３０に記憶されたとき，文献特徴生成モジュール１８０は対応する文献の指標ファイルを生成し，指標ファイルを用いて文献の特徴ベクトルを決定することができる。これについては，図１３を参照して次に説明する。

図１３は，文献の属性情報を示している。図１３に示した文献の属性情報は，文献特徴生成モジュール１８０によって，指標ファイル形式で生成することができ，生成された指標ファイルは，文献特徴ＤＢ１９０に記憶される。

文献特徴生成モジュール１８０は，文献特徴ＤＢ１９０に記憶された指標ファイルを用いて文献の特徴ベクトルを決定することができ，この特徴ベクトルもまた，文献特徴ＤＢ１９０に記憶することができる。

文献内のキーワード（Ａ，Ｂ，Ｃ，Ｄ，Ｍ，Ｉ，Ｋ，Ｏ，Ｐ，Ｑ，Ｚ）ごとの生起頻度に関する情報が図１３に示されている。例えば最初の文献には，キーワードＡ（ここで，Ａはアルファベットではなく，名詞，固有名詞及び複合名詞のような語を表す。），キーワードＢ，キーワードＣ及びキーワードＤが，それぞれ３５回，１９回，１５回，１３回含まれている。

図１３に示すように，文献内に含まれるキーワードごとの生起頻度テーブルは，キーワードが高頻度から低頻度へ降順で順に並ぶように生成してもよい。

例えば，キーワードＡ，キーワードＢ，キーワードＣ，キーワードＤが，文献１内でそれぞれ４．５％，２．４％，１．９％，１．７％であることを表すために，文献１の指標ファイルは，（Ａ，Ｂ，Ｃ，Ｄ）（４．５％，２．４％，１．９％，１．７％）の意味を含むように生成してもよい。

このようにして，文献の指標ファイルは種々の方法で生成することができ，文献の特徴ベクトルは生成された指標ファイルを用いて抽出することができる。

具体的には，文献特徴生成モジュール１８０は，文献内のキーワードごとの生起頻度に基づいてテーブルを生成し，また生成されたテーブルを用いて当該文献の特徴ベクトルも生成する。

文献特徴生成モジュール１８０によって決定された特徴ベクトルは，文献に関するキーワードの評価値を含む。例えば，文献に含まれるキーワードの合計がｎであるとき，その文献の特徴ベクトルは次の式１のようにｎ次元空間のベクトルで表すことができる。

特徴ベクトル＝（キーワードＡの評価値ｗ１，キーワードＢの評価値ｗ２，…，ワードｎの評価値ｗｎ） ・・・（１）

評価値は，文献（Salton, G., Automatic Text Processing: The Transformation, Analysis and Retrieval of Information by Computer, Addison-Wesley）に開示されているｔｆ・ｉｄｆ法を用いて計算してもよい。ｔｆ・ｉｄｆ法によれば，第１文献のｎ次元特徴ベクトルのうち，第１文献に含まれるキーワードに対応する成分の評価値として，０以外の値が得られ，第１文献に含まれないキーワード（頻度が０の語）に対応する成分の評価値として０が得られる。

この点について，特徴ベクトルの１成分としてのキーワードの評価値は，文献内に含まれるキーワードの頻度であってよい。例えば，第１文献のキーワードＡ，キーワードＢ及びキーワードＣは，文献検索モジュール１２０によって類似語としてクラスタ化することができ，クラスタ化された類似語は，類似語ＤＢに別個に記憶される。

すなわち，所定のキーワードＡ及びＢは文献検索モジュール１２０によってクラスタ化され，クラスタ化されたキーワードＡ及びＢは類似語ＤＢに記憶される。

キーワードＡ及びＢのうち一つが抽出されたキーワードに含まれるときは，文献検索モジュール１２０は残りのキーワードを含む類似文献を検索する。

検索は抽出されたキーワードに限定されず，特許文献の属性に基づいて，類似文献の検索も行ってよい。

キーワードＡがクエリ受信ユニット１１１によって受信されたクエリに含まれるときは，類似文献検索の際に，キーワードＡ，Ｂ及びＣを含む文献の検索を行ってもよい。

さらに，本実施例によれば，特許文献データはデータベース１３０に記憶され，特許文献データグループは，電子特許出願又は特許に関係する明細書の文献データを記憶するように構成されたデータベースである。特許文献データは，明細書の内容を文字符号によって記述したテキストデータを含むデータである。ほかのプレインテキストデータ，例えば，標準一般化マーク付け言語（ＳＧＭＬ），ハイパテキストマーク付け言語（ＨＴＭＬ），又は拡張可能マーク付け言語（ＸＭＬ）のようなはん用タグ付け言語による記述を含む文献データも利用可能である。テキストデータが抽出可能であるときは，可搬文書形式（ＰＤＦ），はん用ワードプロセッサの文書形式，又はリッチテキスト形式（ＲＴＦ）などほかの形式もまた利用可能である。

特許文献データベース１３０は，文献分析システムの外部に設けてもよい。この場合は，文献分析システムは通信網を介してデータベースを利用し，特許文献の文献データを取得する。

本実施例による文献評価モジュール１４０は，特許文献の属性情報を用いて，データベース１３０に記憶された特許文献，又は通信網を介して利用可能な特許文献を評価し，また評価結果をユーザに表示するために，ＵＩ出力ユニット１１２に供給する。ＵＩ出力ユニット１１２は，検索された特許文献の評価値に関する情報を，特許文献の検索結果リストと共にユーザに提供する。特許文献の評価値に関する情報は，ポップアップウィンドウ又は画面重畳表示（ＯＳＤ）によって，検索結果リストとは別に提供することができる。

文献評価モジュール１４０は，データベース１３０に記憶された特許文献又は通信網を介して利用可能な特許文献に関して設定された評価項目を用いて，評価項目テーブルを生成する。このような評価作業はデータベース１３０に新規の特許文献が記憶されたときに行ってもよい。

文献評価モジュール１４０による特許文献の評価作業は，ユーザが文献検索を要求し，文献が検索されたときに行ってもよい。以降の説明は，このような評価作業が行われる時点の制限なしに行われることに注意されたい。

文献評価モジュール１４０は，評価因子として，特許文献の特徴を管理する評価因子管理ユニット１４１と，評価因子を用いて，データベース１３０に記憶された特許文献を評価する文献評価ユニット１４２と，文献評価ユニット１４２による，特許文献に対応する文献評価結果である評価値を生成するＤＢ文献管理ユニット１４３と，を含んでもよい。

評価因子管理ユニット１４１は，データベース１３０に記憶された特許文献の内部特徴及び外部特徴の項目を管理し，これらの特徴はユーザが編集することができる。

すなわち，評価因子管理ユニット１４１による，特許文献の内部特徴及び外部特徴の評価因子の構造は，図２に示すとおりである。図２は，特許文献の評価因子の構造を示す。

図２に示すように，評価因子管理ユニット１４１によって記述された特許の属性テーブルは国ごとに整理してもよく，このテーブルは特許文献に記載された内容から得られた内部特徴と，特許文献によって引用された文献の特徴を考慮して得られた外部特徴とを含む。

特許文献に記載された内容から得られた内部特徴とは，当該特許文献に記載された内容に関するテキストマイニング作業によって抽出することができる，対応する特許文献についてのキーワード又は情報を指す。

例えば，特許文献に記録されている登録日から現在の日付までによって計算される維持期間は，特許文献に記載された内容から得ることができる。このように，維持期間は特許文献の内部特徴になり得る。

また，特許文献に記載された出願日から現在の日付までによって計算される経過情報，特許文献内の独立請求項の数，特定の独立請求項に関するテキストマイニングから得られるキーワードの数に応じて決定することができる請求項の長さ，

すなわち「請求項１に記載の」のような特定の句から特定することができる従属請求項の数，もまた特許文献の内部特徴になり得る。

さらに，特許文献に記載された発明者の数もまた，特許文献の内部特徴になり得る。

しかし，第１特許文献に発明者として記録された“Ａ”によって出願された特許の数は，“Ａ”が発明者として記録されているほかの特許文献を検索しなければならないため，当該特許文献の外部特徴である。

対応する特許文献において引用されているほかの特許文献があるときは，引用された特許文献の数及び引用された又は引用している期間は，当該特許文献の外部特徴である。

特許文献を評定（ｇｒａｄｉｎｇ）するための評価値を計算するために，特許文献の評価因子を定義しなければならない。そして，対応する特許の評価値は，定義された評価因子の重み値を計算することによって計算することができる。

したがって，図２に例示したテーブルを用いて，評価因子管理ユニット１４１は，データベース１３０に記憶された特許文献の評価因子項目を生成する。図２において，内部特徴及び外部特徴は無作為に並んでいるが，特許文献の内部から抽出された情報から得ることができる内部特徴の評価値と，対応する特許文献とほかの特許文献（検索結果内のほかの特許文献及びデータベース内に記憶された，同一の技術分野を有するほかの特許文献があり得る）との関係から計算される評価値とは，別個の項目として区別してもよい。

特許文献から読み出された特徴の値は，図２に示すテーブルに記録され，特許文献の評価値は文献評価ユニット１４２によって計算される。

例えば重み値は，評価因子に予め指定されている。この場合，重み値は内部特徴及び特許文献から抽出された外部特徴から計算されるため，評価因子の評点（ｓｃｏｒｅ）合計は，対応する特許文献の評価値になり得る。

このようにして計算された特許文献の評価値は，ＤＢ文献管理ユニット１４３によって別個に管理してもよく，検索結果に含まれる特許文献の評価値もまた，特許文献検索結果と共にユーザに表示される。

したがって，入出力モジュール１１０のＵＩ出力ユニット１２１は，評価因子又はテーブルの項目をユーザに提供し，それらは評価因子管理ユニット１４１によって管理される。そして，ユーザによって追加，編集，削除された評価因子の内容は，評価因子管理ユニット１４１によって記憶され，管理される。

ユーザの計算機又はサーバに提供された文献検索結果のリストが図３に示されている。例えば，文献検索モジュール１２０が，ユーザの入力したクエリに関してデータベース１３０から７個の特許文献を検索して読み出したとき，特許文献の評価値が検索された特許文献の書誌情報(例えば，特許番号，状況，出願日，発行日，発明の名称，ＩＰＣ）と共に表示される。

さらに，文献評価ユニット１４２は，特許文献の評価値をＵＩ出力ユニット１１２に供給し，それによってユーザは，検索された特許文献うちのほかの特許と，最も価値のある特許とを迅速に区別することができる。特許文献の評価値だけでなく，検索された特許文献の平均評価値が計算される。計算された平均評価値もまた，ＵＩ出力ユニット１１２に供給することができる。

検索された特許文献の平均評価値を同時に表示すれば，ユーザは検索された特許文献の優性及び劣性を容易に判断することができる。この実施例によれば，ユーザはまず高評価値を有する特許文献を確認することによって，検索効率を向上させることができる。

この点について，文献評価ユニット１４２は，検索された特許文献が属する技術分野における平均評価値を計算することができる。そしてＵＩ出力ユニット１１２もまた，検索された特許文献それぞれの評価値と共に，対応する特許文献が属する技術分野における平均評価値を供給することができる。

この場合，検索された特許文献の技術分野が共通かどうかは，国際分類体系であるＩＰＣ又は日本国特許庁が開発した分類体系であるＦタームによって判断することができる。また，別の技術分野として分類された特許文献を検索結果として表示しなければならないときは，検索結果中，大多数を占める特許文献が属する技術分野の評価値の平均値が提供される。

この場合，ユーザは，検索された特許文献に指定された評価値と，対応する技術分野に属する特許文献の平均評価値とを比較することによって，検索された特許文献の重要性を容易に把握することができる。

一方，ユーザが検索結果リストを選択的にダウンロードできるようにする機能を提供することができる。検索結果リストをダウンロードしたとき，文献評価モジュール１４０によって計算された評価値についての情報もまた，ユーザの計算機又はサーバに提供することができる。

さらに，図３に示した検索結果のＵＩにおいて，ユーザが特許文献に指定された評価値の詳細を確認するために特定の重み値をクリックしたとき，別のＵＩを提供して，ユーザが，評価値を構成する評価因子及びその評価因子に関係する対応する特許文献に指定された評点の詳細を確認することができるようにしてもよい。

さらに，図３に示した検索結果のＵＩにおいて，ユーザが特定の特許文献を選択したとき，別のウィンドウ（ＵＩ）を生成して，対応する特許文献の要約を表示してもよい。すなわち，図４に示すように，特許文献分析ＵＩをユーザに提供してもよく，対応する特許文献の評価値についての情報が特許文献分析ＵＩに供給される。

例えば，対応する特許文献に適用される評価因子の項目と，当該項目の評点に関する情報とを，選択された特許文献の発明の名称，選択図及び要約と共に提供することができる。上述のとおり，選択された特許文献又は対応する特許と同一の技術分野に属する特許文献の平均評価値もまた，提供することができる。

ユーザは，自己のサーバ又は計算機を操作することによって表示された評価因子項目を修正及び編集することができ，また指定された評点を別個に編集することができる。このため，評価因子管理ユニット１４１及び文献評価モジュール１４０のＤＢ文献管理ユニット１４３は，項目及びユーザによって修正された評価因子の評点に応じて対応する特許文献についての情報を変更する。

図５は，ユーザが評価因子を確認し，評価因子又は評価因子に指定された評価値の項目を編集する場合を示すフローチャートである。

ユーザの検索要求に応答して，出力される特許文献についての文献評価が，文献評価モジュール１４０によって行われ，文献評価モジュール１４０によって計算された評価値が，個別評価項目と共にユーザに提供される（Ｓ１０１）。

ユーザが，評価項目及び検索結果リストと共に提供された評価値を選択したとき，又は検索された特許文献を選択したとき，評価項目及び評価値を編集することができる（Ｓ１０２）。評価項目を追加選択し，又は選択した項目を削除する編集操作と，文献評価モジュール１４０によって指定された評価値を直接修正する操作とを行うことができる。

この場合，ユーザによって編集された内容は，検索された特許文献又は対応する特許と同一の技術分野に属するほかの特許文献だけに反映されるように設定される。文献評価モジュール１４０は，修正された内容に基づいて，評価項目の評価値を再生成する（Ｓ１０３）。

そして，文献評価モジュール１４０によって再生成された評価値を，ＵＩ出力ユニット１１２による別のＵＩを介してユーザに提供してもよい（Ｓ１０４）。

特許文献を評価するための評価因子の修正は，評価因子の項目の追加，削除及び編集を含むと解釈してもよく，ユーザによって修正された評価因子又は評点を，データベース１３０に記憶されているすべての特許文献に適用するかどうか，又は図３のように検索された特許文献だけに適用するかどうかは，適用するシステムの実施例に応じて適宜変更してもよい。

次に，予測モジュール１６０を用いて特許文献の傾向情報を取得する構造又は方法を，以下に説明する。

再度図１を参照すると，文献は文献評価モジュール１４０によって評価され，重み値が文献評価モジュール１４０によって評価値が指定されているとき，予測モジュール１６０が得られた結果を用いて特許文献に関する時間評価を行う。

上述のとおり，評価値が，文献評価モジュール１４０によって特許文献に指定されているとき，予測１６０モジュールは，評価値が指定されている特許文献について，時間分析を行う。

予測モジュール１６０は，年又は月のような時間順に分析される特許文献を分類し，文献評価モジュール１４０によって指定された，特許文献の評価値を用いて傾向情報を生成する。

具体的には，予測モジュール１６０は特許文献を分類する予測情報生成ユニット１６１を含み，特許文献は，当該特許文献に記載された出願日又は公開日（若しくは登録日）に基づいて，時間順に分析される。予測情報生成ユニット１６１は，予め設定された分類期間によって分類された特許文献の数と，分類された特許文献の評価値とを，傾向情報として生成する。

さらに，予測モジュール１６０は，予測情報生成ユニット１６１が傾向情報を生成したとき，特許文献の分類基準として用いることができる分類期間を設定する予測情報管理ユニット１６２を含む。予測情報管理ユニット１６２は，傾向情報から自動的に変化期間（ｉｎｆｌｅｃｔｉｏｎ ｐｅｒｉｏｄ）を設定し，又はユーザが変化期間を設定できるようにする。

予測情報管理ユニット１６２は，予測情報生成ユニット１６１によって供給された時間順に従う特許文献の評価値の変化情報（ｃｈａｎｇｅ ｉｎｆｏｒｍａｔｉｏｎ）から，自動的に変化期間を設定するか，又はユーザが直接変化期間を設定できるようにする。ユーザが変化期間を設定する場合は，予測モジュール１６０に接続された入出力モジュール１１０のＵＩ出力ユニット１１２が，ユーザの計算機に変化期間を設定するためのＵＩを提供する。

予測モジュール１６０によって傾向分析が行われる特許文献は，ユーザが選択した特許文献であってもよいし，文献検索モジュール１２０の検索結果に対応する特許文献であってもよい。したがって，予測モジュール１６０によって傾向分析が行われる特許文献は，ＩＰＣ又はＦタームに関係する特許文献であってもよいし，技術分野，発明が解決しようとする課題又は発明の効果が類似する特許文献であってもよい。

以降，予測モジュール１６０による特許文献の分析操作を，図６を参照して説明する。

図６は，本実施例による文献分析システムによって分析される特許文献を用いて生成される傾向情報の例を示す。

図６の場合のように，予測モジュール１６０によって生成された傾向情報は，時間軸並びに特許文献数及び評価値を表す別の軸を有するグラフの形態でユーザに提供することができる。参考までに，「傾向情報」という用語は，特許文献の数，特許文献に指定された評価値の合計及び特許文献当たり平均評価値についての情報がユーザに提供されるという意味で用いられる。傾向情報に関して，特許文献の数が急速に変化する期間，特許文献の評価値が急速に変化する期間，又は特許文献当たり平均評価値が急速に変化する期間を変化期間と呼ぶことがある。

変化期間の定義は実施例ごとに変わるか，又は種々の方法で適用されるため，本明細書においては，期間内の特許文献の平均値の合計，又は対応する期間内の特許文献当たり平均評価値の変化幅が比較的大きい期間を，変化期間と呼ぶことができる。

しかし，ユーザが，図６に示された傾向情報を見ながら変化期間を直接設定できるため，変化期間の意味についての上記の特定の定義は，必ずしも必要ではない。ユーザが，文献分析システムによって提供される，図６の傾向情報を見ながら特定の期間内の特許文献について詳細な分析を行う期間を変化期間と呼んでもよい。

ユーザは，予測モジュール１６０によって提供される傾向情報から，時間軸に関して変化期間を設定することができる。そして，変化期間は，対応する期間内の特許文献の更に詳細な分析のために設定される。

ユーザが，傾向情報から変化期間を設定できるようにする設定ＵＩが図７に示されている。図７を参照すると，変化期間を設定するＵＩは，時間種別を決定するために，特許文献に記載されている出願年又は公開年を設定する年設定タグ４０１と，選択された基準に従って分析期間を設定するために開始年及び終了年を設定するタグ４０２及び４０３と，設定された変化期間内で分析すべき特許文献の数を設定するタグ４０４と，を含んでもよい。

変化期間を設定するＵＩにおいて，特許文献の数を設定するタグ４０４によって設定された特許文献の数が，対応する変化期間に含まれる特許文献の合計数よりも小さいときは，指定された評価値が高い特許文献を当該変化期間内で分析することが望ましい。例えば，ユーザが設定した変化期間が図６の変化期間＃１であり，対応する変化期間内に含まれる特許文献の数が２００であり，ユーザが設定ＵＩの設定タグ４０４によって設定した特許文献の数が１００であるときは，変化期間内の２００件の特許文献の中から，文献分析モジュール１４０によって指定された評価値の降順で１００件の特許文献を分析することにしてもよい。

一方，設定ＵＩの中に，高評価値を有する特許文献又は低評価値を有する特許文献に注目して分析を実行するかどうかを決定できるタグを更に形成することもできる。

ユーザが設定したか，自動的に設定された変化期間が図６に示されている。変化期間＃１は，特許文献の数がおおむね減少しており，特許文献の評価値の合計ＷＦが急速に増加及び減少しており，特許文献の平均評価値が減少増加を繰り返している期間である。

変化期間＃１において，特許文献の数が減少しているにもかかわらず，評価値の合計が増加している期間があるため，変化期間＃１は技術開発の方向（傾向）が変化している期間である。このような期間は，ゆるやかな（ｇｒａｄｕａｌ）変化を有する期間と呼んでもよい。

一方，変化期間＃２においては，特許文献の定常的な増加に伴って，評価値の合計も定常的に増加しているが，特許文献当たり平均評価値が減少している期間が含まれる。平均評価値が減少しているため，このような期間は技術の進歩性の観点で，多くの小さな発明が研究されている期間と考えてもよい。このような期間は，減少傾向を有する変化期間と考えてもよい。

ユーザは，図６の傾向情報から判断して，設定ＵＩによって適切な期間を変化期間として設定することができる。そして，設定された変化期間の詳細な分析のために，図８又は９に示したＵＩをユーザに提供してもよい。このようなＵＩもまた，予測モジュール１６０及び入出力モジュール１１０によって，ユーザのサーバ又は計算機に提供される。

図８及び９は，実施例による変化期間内の特許文献分析ＵＩの例を示す。

まず図８は，ユーザが設定した変化期間又は文献分析システムの所定の基準に従って設定された変化期間内の特許文献を分析するＵＩを示す。例として，ＵＩは時間を表すｘ軸と，技術分類（ＩＰＣ又はＦターム）を表すｙ軸とを有する。

選択された変化期間内の特許文献の分析は，予測モジュール１６０によって行ってもよい。ｘ軸が「年ごと」を表すときは，図８又は９の詳細分析ＵＩは図３の傾向情報を月ごと又は年ごとに表示することができる。

図８を参照すると，特許文献についての情報が技術分類及び時間ごとに表示される。そしてこれらの特許文献についての情報は，アイコンの形態で表示してもよい。例えば，第１アイコン５１０が２００７年の技術分類Ａに属する特許文献を表すように表示され，第２アイコン５２０が２００７年の技術分類Ｂに属する特許文献を表すように表示されてもよい。

アイコン５１０及び５２０を，対応する年（２００７年）内の技術分類Ａ又はＢに属する特許文献の評価値合計の大小を相対比較できるように，別個の色又はサイズで表示してもよい。さらに，これらのアイコンを，特許文献当たり平均評価値の大小を相対比較できるように，別様に表示してもよい。

このようにして，ユーザは，図８の傾向情報によって提供される情報だけでなく，年及び技術分類ごとに特許技術傾向を確認することができる。また，技術開発傾向を，これらのアイコンによって，評価値（又は特許文献当たり平均評価値）の表示だけでなく，図９の表によって確認することができる。

すなわち，図９に示すように，選択された変化期間内の詳細文献分析ＵＩは，年及び技術分類ごとの代表特許文献についての情報を含んでもよい。例えば，２００２年の技術分類Ｈ０４Ｍに属する特許文献のうち，最高の評価値が指定されている特許文献（米国特許出願第２００２‐２１５８７２号）についての情報を表示することができる。ユーザが表示されている特許文献についての情報を選択（クリック又はドラッグ）したとき，実施例によるシステムは書誌情報又は対応する特許文献の原文献を表示する別のＵＩを提供してもよい。

変化期間内の詳細文献分析ＵＩを図８及び９を参照して説明したが，本実施例によるシステムはまた，技術分類の代わりに，発明者，出願人，出願人の国又は出願国，のような特許文献に記載されているほかの内容に基づいて，変化期間内の文献分析ＵＩを提供することもできる。

さらに，変化期間内の文献分析ＵＩをグラフ又は一覧表の形態で示したが，本実施例によるシステムはまた，変化期間内の評価値を用いた画像又は別のグラフの形態の文献分析ＵＩをユーザに提供するように構成することもできる。

次に，文献分類モジュール１５０を用いて，特許文献の傾向情報を取得する構造及びその方法を説明する。

再度図１を参照すると，文献分析システムは，ユーザが指定した特許文献又はデータベースに記憶された特許文献の直接又は間接の引用関係を得て，その特許文献を分類し，クラスタ化する文献分類モジュール１５０を含む。

ここで，文献検索モジュール１２０，文献特徴生成モジュール１８０及び文献特徴ＤＢ１９０に関する上述の説明を考慮する必要がある。

すなわち，上述のとおり，文献検索モジュール１２０，文献特徴生成モジュール１８０及び文献特徴ＤＢ１９０による類似文献の検索は文献のクラスタ化に関係しているため，引用関係分析によって特許文献が分類された後の文献をクラスタ化する操作について，更に詳細に説明する。また，特許文献を評価する操作，間接引用関係によってユーザが選択した特許文献を分類する操作及び文献の分類後にほかの文献をクラスタ化する操作についても説明する。

まず，本実施例による文献分類モジュール１５０による分類結果がユーザに表示されたとき，特許文献リストをクラスタ化の結果として，図３又は１５の形態でユーザに提供してもよい。しかし，図１６又は１７に示したグラフ又はマトリクスマップの形態で表示するときは，最高の評価値が指定された特許文献（代表文献）を表示してもよい。

ここで，本実施例による文献検索モジュール１２０，文献評価モジュール１４０及び文献分類モジュール１５０は，より効果的な文献の検索，分類及びクラスタ化を達成するために，別々に動作するのではなく協同して動作することが分かる。

以降，所定の特許文献が，文献検索モジュール１２０及び文献特徴生成モジュール１８０によって，ユーザが入力したクエリに関して検索されて，図３に示すリスト形態で表示される場合について，類似の発明が解決しようとする課題（関連技術の課題）又は技術的解決策（課題を解決するための手段）に基づいて，検索された特許文献を分類する操作を説明する。

すなわち，文献は間接引用関係を用いて分類してもよく，そのような引用関係を有する特許文献は共通の発明が解決しようとする課題又は課題を解決するための手段を有する傾向があるため，データベース１３０内に記憶されたすべての特許文献を分類するよりも，ユーザが入力したクエリに関して，文献検索（類似検索）として与えられる特許文献を分類する方がより有利である。

この点に関して，文献分類モジュール１５０の操作を，所定の類似範囲に属する特許文献を例として説明する。文献評価モジュール１４０は，分類の後の文献のクラスタ化においても動作するが，図３及び図１５に示すような指定された評価値についての情報もまた，これらの文献の分類及びクラスタ化に先立つ文献検索動作においても提供してもよい。

一方，ＵＩ出力ユニット１１２は，ユーザが検索された特許文献のリストのうちいくつかの特許文献又はすべての検索された特許文献の分類及びクラスタ化に役立つように導くタグ（図３の３４を参照）を提供してもよい。

文献を分類し，クラスタ化することを要求するキーが入力されたとき，文献分類モジュールは選択された特許の間接引用関係を得て，得られた間接引用関係を用いて文献分類を行う。例えば，第２特許文献において第１特許文献が引用され，第２特許文献が第３特許文献において引用されている場合，第１特許文献と第３特許文献とは間接引用関係を有する。したがって，文献分析モジュール１５０は，第２特許文献と共に，第１及び第３の特許文献を同一範ちゅうに分類する。

次に，本実施例による引用関係，すなわち間接引用関係を説明する。特許文献内で関連技術の課題を説明するために記載される，ほかの特許文献の参照文献番号（特許出願番号，特許公開番号，登録番号，等）があるとき，引用関係は，引用している特許文献と引用された特許文献との関係を形成する。

さらに，特許文献内で言及された，すなわち記載された特許文献だけを引用文献として限定する必要はない。審査手続，特許査定に対する異議申し立て，又は対応する特許文献の無効審判における先行技術又は引用発明として参照された文献もまた，引用関係を有すると考えることができる。したがって，対応する特許文献内においてほかの特許文献についての書誌情報が記載されている場合だけでなく，審判官又は第三者による審査手続において間接的に用いられることがあるほかの特許文献もまた，引用関係を有すると考えることができる。

このような引用関係を拡張するために，データベース１３０に特許文献が引用されているかどうかについての情報を記憶するための引用及び参照文献記憶ユニットを提供してもよい。この場合，特許文献の記載から引用関係を読み出す読み出しユニットだけでなく，特許庁によって提供された文献のうち，審査手続又は登録後の手続の際に用いられた文献から引用関係を読み出す読み出しユニットを提供してもよい。

例えば，ほかの特許文献Ｂの審査済み特許公開が特許文献Ａ内に記載されているとき，特許文献Ａと特許文献Ｂとの直接引用関係を読み出すことができる。特許文献Ａの審査の際に，審査官が特許文献Ｃを引用発明として示唆したとき，特許文献Ｃもまた特許文献Ａと引用関係を有すると考えてよい。

さらに，請求項に記載された内容に第１グループの特許文献及び第２グループの特許文献があるとき，第１グループは，ユーザが間接引用関係を用いて文献検索を行った後で，検索された特許文献について文献分類を行うことによって形成された文献グループと考えてもよい。第２グループは，ユーザが指定したほかの特許文献又はデータベース１３０に記憶されたほかの特許文献を表し，本実施例による文献分類モジュール１５０による文献分類が行われなかった特許文献のグループと考えてもよい。

したがって，ユーザが検索された特許文献を分類する要求をしたとき，文献分類モジュール１５０によって文献分類が行われた後に，第１グループのような少なくとも一つのグループが生成される。ユーザが，文献分類の後でほかの特許文献（第２グループ）を分類又はクラスタ化しようとしたとき，未分類か，クラスタ化されていない第２グループに属する文献は，第１グループの特徴（代表文献又は代表ベクトル）を用いて，第１グループに属する分類として，分類又はクラスタ化してもよい。

理解を促進するために，以上，第１グループに属する文献は間接引用関係を用いて分類されると定義され，第２グループに属する文献はまだ分類又はクラスタ化されていないと考えられることを説明した。しかし，第２グループに属する文献が既に分類され，又はクラスタ化されているときは，それらは第１グループの分類基準に従って再度分類又はクラスタ化しなければならない。このように，必ずしもこれらの定義に限定されない。

さらに，データベース１３０に新規に供給された特許文献もまた，ユーザの設定に応じて上述の操作によって自動的にクラスタ化又は分類することができる。すなわち，データベース１３０に新規に供給された文献の文献特徴は，文献特徴生成モジュール１８０によって生成してもよく，文献評価モジュール１４０によって評価値がその特許文献に指定され，そしてその文献は，文献分類モジュール１５０によって適切なグループにクラスタ化される。これら一連の操作は，自動分類又は自動クラスタ化と考えてもよい。

本発明の詳細な説明において，「分類」という用語と，「クラスタ化」という用語が混合して用いられているが，文献分類モジュール１５０の操作，又は文献検索モジュール１２０の操作と関連して解釈すれば十分である。

一方，本実施例によれば，特許文献はまた，引用関係を読み出すことに加えて，間接引用関係を用いて分類することもできる。この操作については，以降，図１０〜１３を参照して説明する。

図１０は本実施例による文献分類モジュールの文献クラスタ化ユニットの例を示し，図１１は本実施例による文献分類モジュールによって間接引用関係を得る構造を示し，図１２は本実施例による文献分類モジュールによって類似文献を分類されたグループにクラスタ化する構造を示す。

まず，本実施例による文献分類モジュール１５０によって間接引用関係を得る構造を，図１１を参照して以下に説明する。

ユーザは，文献分類モジュール１５０によって，検索された文献又は直接指定された文献の間接引用関係についての情報を得ることができる。図１１に示すように，ユーザは，分類する文献に関して期間（期間Ａ及びＢ）を設定することができる。この場合，分類は，分類する特許文献のうち，設定された期間に属する文献について行われる。

すなわち，間接引用関係は，設定された期間に属する特許文献（文献内の書誌情報を読み出すことによって形成された引用関係，又は審査官等によって参照されることによって形成された引用関係）間には形成されないが，引用している特許文献又は引用された特許文献の間に引用関係があるとき，これらの特許文献は，間接引用関係の観点で同一の範ちゅうに分類してもよい。

一つの例として，ユーザが文献分析及び文献分類のために設定した期間が期間Ａ及び期間Ｂであり，これらの期間の間に属する特許文献（基本特許，特許５，特許６，特許７，特許８，特許９）は間接引用関係になく，設定した期間のうち第１特許文献（特許１）が第５特許文献において引用されているとき，第５特許文献（特許５）と基本特許文献（基本特許）とは，双方の間に間接引用関係を形成する。

別の例として，第３特許文献（特許３）が期間内の第７特許文献（特許７）及び基本特許文献（基本特許）を直接引用しているときは，第３特許文献（特許３）と第７特許文献（特許７）とは，双方の間に間接引用関係を形成し，本実施例によれば同一範ちゅうに分類される。

このようにして，基本特許文献（基本特許）は，図１１の場合，第５特許文献から第９特許文献まで（特許５から特許９まで）と間接引用関係を形成し，基本特許文献は代表文献又は基本特許文献になり得る。

特許文献の内容を容易に把握できるように，ユーザはこのようにして分類された特許文献の範ちゅう単位に関して，直接分類名を生成することができる。例えば図１６に示すように，分類された範ちゅうの特許文献が「ノイズ除去」という共通の発明が解決しようとする課題を有するときは，範ちゅう名として「ノイズ除去（例えば発明が解決しようとする課題１）」を書き込んでもよい。

このようにして分類された範ちゅうは，図１６のツリー形態，グラフ形態又は一覧表の形態でユーザに表示してもよい。範ちゅうはまた，バブルチャートで表示してもよいことは明白である。

図１７を参照すると，ユーザが分類した範ちゅうが，発明が解決しようとする課題１，２及び３並びに技術的解決方法１，２及び３と命名されているとき，画像４１０及び４２０をそれぞれの発明が解決しようとする課題及び技術的解決方法に対応する範ちゅうを示すために表示してもよい。この場合，グラフ内の画像は，それぞれの範ちゅうに含まれる特許文献の量に応じて，異なる色又はサイズで表示してもよいし，それぞれの範ちゅうに含まれる特許文献の評価値の合計（又は平均評価値）の大小に応じて，異なる色又はサイズで表示してもよい。

データが，文献分類又は文献クラスタ化の結果として，図１６又は１７の形態でユーザに提供される場合，ユーザが特定の範ちゅう（技術的解決方法１，技術的解決方法２，技術的解決方法３，発明が解決しようとする課題１，発明が解決しようとする課題２，発明が解決しようとする課題３）を選択したときは，上述の代表特許文献（基本特許文献）についての情報，又は文献評価モジュールによって最高の評価値が指定された特許文献についての情報がユーザに提供される。

これらの手続によって，ユーザは検索された文献を分類することができる。さらに，間接引用関係を用いた文献分類の後で，第２グループに属すると考えてもよい未分類又はほかの間接引用関係に分類された特許文献を分類し，クラスタ化することができる。

文献クラスタ化操作において，文献分類モジュール１５０による文献間の類似度判定を用いてもよい。そして文献分類モジュール１５０は，既に分類されている第２グラフの特許文献に基づいて，第２グループの特許文献を分類し，クラスタ化する。文献分類モジュール１５０の文献クラスタ化ユニット１５２は，第１グループの第１範ちゅうに属する特許文献（第１範ちゅうの代表文献であってよい）と，第２グループの特許文献との類似性を測定し，第１グループのどの範ちゅうに第２グループに属する特許文献を分類するかを決定する。

文献分類ユニット１５２は，分類された範ちゅう内の代表文献，又は対応する範ちゅうに属する複数の文献を用いて，クラスタ化に必要な代表ベクトルを計算する代表ベクトル計算ユニット１５２１を含んでもよい。

さらに，文献分類ユニット１５２はまた，特許文献を構成する分野（又は識別項目）別に類似文献をクラスタ化する分野別（ｂｙ−ｆｉｅｌｄ）クラスタ化ユニット１５２２を含んでもよい。

代表ベクトル計算ユニット１５２１は，既に形成された範ちゅう内の代表文献（基本特許文献又は評価値を用いて選択された特許文献）又は同一範ちゅうに属する文献から得たキーワードごとの生起頻度に基づいて，文献特徴生成モジュール１８０によって生成された指標ファイルを用いる。例えば，代表ベクトル計算ユニット１５２１は，代表文献のキーワードのうち頻度の高い代表キーワードを抽出することができ，また，代表文献の指標ファイルからいくつかの高位キーワードを，生起頻度の降順に選択することができる。

図１４に示す文献の特徴ベクトルは，図１３に示すキーワード分布に関する，上述の選択操作によって形成することができる。

代表ベクトル計算ユニット１５２１は，生起頻度の降順に選択されたキーワードに関する文献の割合を，計算することができる。例えば文献１の場合，キーワードＡ，Ｂ，Ｅ及びＤの生起頻度の割合は，それぞれ４．５％，２．４％。１．９％及び１．７％である。

これらの手続によって，キーワードごとの生起頻度の割合が，対応する範ちゅう内の文献又は代表文献（以降，範ちゅう文献と呼ぶ）に関して計算できる。

図１３及び１４を参照すると，これらの手続が範ちゅう文献について行われた後，すべての範ちゅう文献に関するキーワードの割合が合計され，所定の数の特定キーワードを代表キーワードとして，キーワードの合計割合の降順に選択することができる。

例えば，図１３に示されたキーワードのうち，１０件の範ちゅう文献におけるキーワードの割合の合計が，キーワードＢ，Ａ，Ｅ，Ｄ，Ｏ，Ｃ及びＫの順に高いとき，選択された文献をクラスタ化するための代表キーワードとして，キーワードＢ，Ａ，Ｅ及びＤを選択してもよい。代表文献の特徴ベクトルは，代表ベクトルの成分として選択された代表キーワードを用いて計算される。すなわち，選択された代表キーワードは，確率分布の降順に並べられ，代表ベクトルの成分として選択される。文献の特徴ベクトルを生成する操作は，文献の指標ファイルのうち，４個の高位キーワード，すなわちキーワードＢ，Ａ，Ｅ及びＤに関して行われる。以上，代表ベクトルの成分を構成する代表キーワードとして４個のキーワードが選択され，文献のうち，高生起頻度を有する４個のキーワードを比較することによって，文献の特徴ベクトルが生成されることを説明したが，これは単に例示であり，システム管理者が修正することができる。

選択されたキーワードが代表文献に含まれる場合，ベクトル成分を“１”に設定してもよい。それ以外の場合は，ベクトル成分を“０”に設定してもよい。

しかし，“１”及び“０”の代わりに，重み値をキーワードに指定することによって与えられる値によって，ベクトル成分を生成してもよい。

図１４に示すように，このようにして生成された文献の特徴ベクトルは，代表キーワードが含まれるとき“１”に設定し，代表キーワードが含まれていないとき“０”に設定することによって完成する。

これらの手続によって，文献１の特徴ベクトルは（１，１，１，１）になり，文献２の特徴ベクトルは（１，１，０，１）になる。代表ベクトルの成分は“１”及び“０”によって生成されるが，キーワードの生起頻度に応じて異なる値を指定してもよい。

複数の範ちゅう文献を用いるとき，これら文献の特徴ベクトルを用いて代表ベクトル（又は中央ベクトル）を選択する操作が行われる。このとき，特徴ベクトルのうち，最大の大きさを有するベクトルを，クラスタ化のための代表ベクトルとして選択してもよい。

この場合，図１４に示した特徴ベクトルのうち，文献１の特徴ベクトル（１，１，１，１）を代表ベクトルとして選択してもよい。そして，未分類の第２グループの特許文献を，選択された代表ベクトルを用いてクラスタ化することができる。

範ちゅう文献から得られた代表ベクトルを用いることによって，特定の範ちゅうに対して所定の類似度を有する特許文献が，第２グループに含まれるかどうかを確かめることができる。上述のように，このような類似度もまた，第２グループの特許文献についての特徴ベクトル又は代表ベクトルによって決定することができる。

すなわち，第１グループの所定の範ちゅうに属する範ちゅう文献と，第２グループの未分類文献との類似度は，特徴ベクトル又は代表ベクトルの点乗積（内積）を用いて計算することができる。例えば，範ちゅう文献の代表ベクトルと，第２グループの特許文献の特徴ベクトルとの点乗積によって得られる値が予め設定した範囲内にあるとき，この特許文献は代表ベクトルと一緒にクラスタ化することができる。すなわち，この特許文献は，代表ベクトルが属している範ちゅうに分類し，クラスタ化することができる。

代表ベクトルをＡとし，類似性比較を行う文献の特徴ベクトルをＢとしたとき，文献クラスタ化ユニット１５２は，ベクトルＡに対応する文献と，ベクトルＢに対応する文献との類似性を，ベクトルＡとベクトルＢとの点乗積を，｜Ａ｜^２で除して得られる値が，“１”からどれだけ離れているかに応じて判定する。

しかし，代表ベクトルと第２グループの文献の特徴ベクトルとの点乗積が参照値外である場合は，この文献は代表ベクトルと一緒にクラスタ化されず，ほかのクラスタ化のための文献として用いられる。

図１２に示すように，範ちゅうの代表ベクトルと，第２グループの文献の特徴ベクトルとの類似性の計算及び判定に応じて，第２グループに属する第２０文献Ｐ２０は第１グループの分類Ａにクラスタ化され，第２グループの第２１文献Ｐ２１は第１グループの分類Ｂにクラスタ化されることがある。

上述の実施例に加えて，文献分類モジュール１５０によって文献分類を行うとき，文献分類モジュール１５０は，範ちゅうを表す技術分類コード（ＩＰＣ又はＦターム）を選択することができる。この場合，文献クラスタ化ユニット１５２は上述の類似性判定に加えて，技術分類コードを用いて第２グループの文献を分類し，クラスタ化する。

例えば，文献クラスタ化ユニット１５２は，間接引用関係を用いてクラスタ化した結果である範ちゅうに関して高頻度を有するＦタームを用いて，第２グループの文献のＦタームに対する類似性を判定することができる。

Ｆタームは，発明が解決しようとする課題又は課題を解決するための手段に応じて文献を分類するため，文献のベクトル化を用いた類似性判定を一緒に用いたとき，より効率よく文献のクラスタ化を行うことができる。

したがって，本実施例によって特許文献の分類及び分類結果を用いてクラスタ化を行った後，文献分類モジュール１５０及びＵＩ出力ユニット１１２は，図１８〜２２に示した種々の情報を有するＵＩをユーザに提供することができる。

図１８は，文献の分類及びクラスタ化によって得ることができる情報のための第１ＵＩを示す。

この特許文献は，本実施例による文献分析システムによって分類され，ほかの特許文献はその分類結果を用いてクラスタ化される。その後，ユーザの期間設定又は出願人（又は特許権者）設定に応じて，図８に示すような特許文献分析ＵＩをユーザに提供することができる。

例えば，ユーザが自分の会社を“ＬＧＥ”（代表名を含む）と設定し，競合社を“Ａ社”と設定したとき，クラスタ化結果の範囲内の対応する文献の国別出願数及び評価値を，一覧表の形態で表示することができる。特に，文献評価モジュール１４０が指定した評価値を含めてもよく，対応する項目に含まれる文献の評価値の合計を表示してもよい。又は対応する項目に含まれる文献の平均評価値を表示してもよい。

この情報に加えて，特許当たり引用数（ＣＰＰ）と，当座影響指標（current impact index）（ＣＩＩ）と，技術的強み（ＴＳ）と，技術的影響指標（ＴＩＩ）と，技術サイクル時間（ＴＣＴ）と，技術的独立性（ＴＩ）とを表示してもよい。

ＣＰＰは，ある会社が所有する特許の引用数を示す指標であって，その会社の技術先行性（ｐｒｏｇｒｅｓｓ）を評価するために用いられる。ＣＰＰは，対応する特許文献の引用数を特許総数で除すことによって計算することができる。ＣＩＩは，例えば過去５年間の，ある会社の特許の引用についての情報を示す指標であって，その会社の最近の技術的影響度についての情報を評価するために用いられる。ＣＩＩは，ＣＩＩ＝（年別ＣＰＰ×年別特許総数／前年特許総数）によって計算することができる。

ＴＳは，ある会社の技術的強みを定量的に評価するための指標であって，（ＣＩＩ×特許数）によって計算することができる。ＴＩＩは，特定技術分野において，対応する技術分野の総引用数に関して上位１０％又はそれ以上引用された特許が占める割合を示す指標である。会社ごとの当該技術分野への影響度を評価するために，ＴＩＩは（引用の上位１０％又はそれ以上に属する特許の引用数／総引用数）によって計算することができる。

ＴＩＩは，ある会社の技術的進行（ｐｒｏｃｅｓｓ）速度を評価する指標であって，引用された特許の年差の直接値（immediate value）に対応する平均年差を表す。ＴＩＩは，（引用された特許の年差の合計／特許数）によって計算することができる。ＴＩは，自社の依存度を評価する指標である。自社の引用の程度を得るために，ＴＩは（ある会社が所有する特許の引用数／引用総数）によって計算することができる。

文献を分類し，クラスタ化した後，文献分類モジュール１５０によって種々の指標を計算することができる。計算結果は，ＵＩ出力ユニット１１２によって，図１８〜２２に示したような一覧表又はグラフによって表示してもよい。

図１９は，文献の分類及びクラスタ化によって得ることができる情報のための第２ＵＩを示す。第２ＵＩの場合，設定された期間内の出願人ごとの特許文献の数が一覧表の形態で表示され，対応する出願人はユーザが選択してもよい。

下記期間内の特許文献の平均評価値はＷ／Ｆによって表してもよい。そしてユーザは，第２ＵＩと共に表示されるＷ／Ｆ項目によって，技術開発の変化点の可能性がある位置を確認することができる。さらに，ユーザが，平均評価値Ｗ／Ｆが高い時点を選択したとき，本実施例による文献分類モジュール１５０及びＵＩ出力ユニット１１２は，別個のＵＩによって対応する時点の特許文献についての情報を提供してもよいし，別個のＵＩによって対応する時点における最高の評価値を有する文献，すなわち代表文献を提供してもよい。

図２０は，文献の分類及びクラスタ化によって得ることができる情報のための第３ＵＩを示す。図２０には，ユーザが設定した期間と，出願人別ＣＰＰ及びＣＩＩと，ＣＰＰ及びＣＩＩについての情報を含むＵＩとが示されている。期間ごとの出願人別ＣＰＰを示すグラフを更にＵＩに含めてもよい。

すなわち，図２０の下側のＵＩから，Samsung（登録商標）Electronics及びSharp（登録商標）のような出願人が高いＣＰＰを有することが分かる。

さらに，技術分野別特許活性度（ａｃｔｉｖｉｔｙ）評価と，活性度指標（ＡＩ）と，特許ポートフォリオ分析指標（ＨＨＩ）と，特許分散（ｄｉｖｅｒｓｉｆｉｃａｔｉｏｎ）指標（ＰＤＩ）とを更に提供してもよい。技術分野別特許活性度評価は，選択した期間内の分野別特許活性度を定量的に比較するものであって，技術分野別の出願された文献（又は公開された文献）を比較することによって得ることができる。

ＡＩは，特定技術分野を占める比率を示す指標であって，｛（特定分野の総特許数／当該国の総特許数）／（当該社の総特許数／全技術分野の総特許数）｝によって計算することができる。

特許ポートフォリオ分析指標（ＨＨＩ）は，市場における会社間の競合の様相を確認する指標である。特許ポートフォリオ分析指標（ＨＨＩ）は，各社の最高位ＩＰＣの分野を取得し，各社の占める技術分野と競合する技術分野を取得することができる。例えば，発明者当たり出願数は，発明者当たり出願数の相対評価指標（総出願数／当該会社の発明者数）を示し，発明者当たり請求項数は，発明者当たり獲得請求項の相対評価指標（総請求項数／当該会社の発明者数）を示す。有効特許の平均残期間は，所有する特許の平均残期間の指標（有効特許の残期間の合計／有効特許総数）を示すことができる。

共同出願比は共同研究活動の程度を評価する指標であって，（共同出願数／総特許数）によって計算することができる。

図２１及び２２は，文献の分類及びクラスタ化によって得ることができる情報のための第４及び第５のＵＩを示す。

特定期間内の会社別引用数のグラフと，引用数が多い特許文献の一覧表を有するＵＩが図２１及び２２に示されている。引用数が多い特許文献を表示するとき，文献評価モジュール１４０によって指定された評価値もまた表示してよい。

さらに，ユーザが，引用数が降順で並べられている一覧表を見ながら，特定特許文献の番号（出願番号，登録番号，等）を選択するとき，対応する特許文献，すなわち対応する明細書についての追加情報をユーザに提供してもよい。

システム設定に応じて，本実施例による上述の文献分析システムによって提供される文献分類結果又は文献クラスタ化結果を記憶して，ほかのユーザと共有することができる。特に，このケースは特許開発を勧奨している会社又はチームに非常に有利である。

本発明は，通信網を介して利用可能なサーバ及び記録媒体において利用できるため，産業上の利用可能性を有する。

Claims (14)

1. 文献分析システムであって，
   文献を記憶するデータベースと，
   前記文献の特徴を用いて前記文献を評価する文献評価モジュールと，
   前記文献が呼び出されたとき，前記文献評価モジュールによって生成される，前記文献の評価結果を提供するユーザインタフェース（ＵＩ）出力ユニットと，を備え，
   前記文献評価モジュールは，前記文献の特徴を評価因子として管理する評価因子管理ユニットと，前記評価因子を用いて前記データベース内に記憶されている前記文献を評価する文献評価ユニットと，前記文献に対応し，前記文献評価ユニットから得られる前記文献の評価結果である評価値を管理するデータベース文献管理ユニットと，
   傾向情報を生成するために，前記文献の評価結果である評価値を用いて前記文献の時間的分析を行う予測モジュールと，を備え，
   前記ユーザインタフェース出力ユニットは，前記傾向情報にユーザが設定するか，又は前記文献分析システムの所定の基準に従って設定される変化期間に属する文献についての情報を表示する，文献分析システム。
2. 前記文献の特徴は，前記文献に記載された内容から得られる内部特徴と，前記文献が引用する文献の特徴を考慮して得られる外部特徴とを有する，請求項１に記載の文献分析システム。
3. 前記内部特徴は，維持期間情報若しくは前記文献に記録されている日付情報から得られる経過情報，前記文献を構成する請求項の長さ，独立請求項の数，従属請求項の数，又は前記文献に記録されている発明者の数を有する，請求項２に記載の文献分析システム。
4. 前記外部特徴は，前記文献と引用関係にある引用文献の数又は前記引用文献の維持期間を有する，請求項３に記載の文献分析システム。
5. 前記外部特徴は，発明者引用情報を有する，請求項４に記載の文献分析システム。
6. 前記評価因子管理ユニットは，前記評価因子を構成する項目に事前設定の重み値を指定し，前記ユーザインタフェース出力ユニットは，ユーザが前記評価因子を構成する項目又は前記重み値を変更できるようにするユーザインタフェースを提供する，請求項５に記載の文献分析システム。
7. 前記評価因子を構成する項目又は前記重み値が変更されたとき，前記文献評価ユニットは，前記の変更された項目又は重み値を用いて，前記データベース内に記憶された文献を再評価する，請求項６に記載の文献分析システム。
8. 前記ユーザインタフェース出力ユニットは前記予測モジュールによって生成される時間的分析結果を前記ユーザに提供し，
   前記予測モジュールは，前記文献の出願日又は公開日を用いて前記分析すべき文献を時間順に分類し，事前設定された分類期間及び前記の分類された文献の評価値に基づいて分類された文献の数を用いて傾向情報を生成する予測情報生成ユニットと，前記文献分類の基準として用いられた前記分類期間を設定するか，前記傾向情報が前記予測情報生成ユニットによって生成されたとき，前記傾向情報から得られる変化期間を設定する予測情報管理ユニットと，を備える，請求項１に記載の文献分析システム。
9. 前記ユーザインタフェース出力ユニットは，前記分類期間設定のためのユーザインタフェース，又は前記ユーザが前記分類期間又は前記変化期間を設定できるようにするために，前記変化期間を設定するためのユーザインタフェースを提供する，請求項８に記載の文献分析システム。
10. 前記予測情報管理ユニットは，該予測情報管理ユニットによって生成された前記傾向情報を，前記分類された文献の時間順序及び前記評価値の合計に応じて分類された前記文献の数によって整理し，前記ユーザインタフェース出力ユニットは，前記予測情報管理ユニットによって分類された文献の数と，前記対応する文献の評価値の合計とを前記ユーザに時間軸を有するグラフ又は一覧表によって提供する，請求項９に記載の文献分析システム。
11. 前記予測情報生成ユニットは，前記傾向情報として，文献当たり評価値の期間ごとの平均値と，期間ごとの前記文献の数と，前記分類された文献の評価値の合計とを用いる，請求項９に記載の文献分析システム。
12. 前記特許文献間の間接引用関係を読み出し，前記の読み出した間接引用関係を用いて第１グループの特許文献をクラスタ化する文献分類モジュールを更に備える，請求項１に記載の文献分析システム。
13. 第１特許文献が第２特許文献を引用し，該第２特許文献が第３特許文献を引用するとき，前記文献分類モジュールは，前記第１特許文献から前記第３特許文献までを同一グループに分類する，請求項１２に記載の文献分析システム。
14. 前記文献分類モジュールは，
    前記読み出された間接引用関係を用いて，前記第１グループの特許文献をクラスタ化する文献クラスタ化ユニットと，
    前記文献クラスタ化ユニットが生成したクラスタ化結果についての情報を用いて，第２グループの特許文献を分類する文献分類ユニットと，
    を備える，請求項１３に記載の文献分析システム。

Images