JP7037788B1 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7037788B1 JP7037788B1 JP2021135365A JP2021135365A JP7037788B1 JP 7037788 B1 JP7037788 B1 JP 7037788B1 JP 2021135365 A JP2021135365 A JP 2021135365A JP 2021135365 A JP2021135365 A JP 2021135365A JP 7037788 B1 JP7037788 B1 JP 7037788B1
- Authority
- JP
- Japan
- Prior art keywords
- trademark
- discriminating power
- group
- model
- goods
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims description 124
- 238000003672 processing method Methods 0.000 title claims description 13
- 238000010801 machine learning Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 abstract description 10
- 239000000047 product Substances 0.000 description 47
- 238000003860 storage Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000344 soap Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000004278 EU approved seasoning Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000010970 precious metal Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
特許文献1では、商標出願され拒絶された拒絶例を格納する拒絶データベースと、商標出願され登録された登録例を格納する登録データベースと、前記拒絶データベースに格納されている拒絶例及び前記登録データベースに格納されている登録例に基づいて商標を構成する語又は語の結合の識別力を点数化し、類似群コード毎に格納する識別力データベースとを有する記憶手段が開示されており、前記識別力データベースに格納された商標を構成する語又は語の結合の識別力の点数に基づいて商標の登録性を判断することが開示されている。
特許文献1によれば、商標登録性の自動判断において、経験則のような恣意的ではない客観的で専門家並みの判断を行うことができるとしている。
文字を含む商標と、商品又は役務とを受け付ける受付部と、
前記商標に含まれる文字を学習済みモデルに入力して、該学習済みモデルが出力した数値が閾値を超えたかどうかを判定することにより前記商標の識別力を判断する識別力判断部と、
前記識別力判断部の判断の結果を出力する出力部と、を有する情報処理装置であって、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものであるとともに、前記グループ間で共通のモデルとなる共通モデルであるか、又は、前記グループ1つにつき1つのモデルとなる複数の個別モデルであり、
前記識別力判断部は、受け付けた前記商品又は役務が属するグループ(1)を取得し、
(i)前記共通モデルを使用する場合、前記商標に含まれる文字及び前記グループ(1)を前記共通モデルに入力し、
(ii)前記個別モデルを使用する場合、前記グループ(1)に対応する前記個別モデルを選択し、該選択された個別モデルに前記商標に含まれる文字を入力する
ことを特徴とする。
まず、本発明に係る情報処理装置の基本構成の一例について説明する。
図1は、本実施形態の情報処理装置を説明するための図である。図中、情報処理装置10、記憶手段31、ユーザー40、端末41が図示されている。なお、図中の矢印はデータの流れや指示等を模式的に示している。また、図1は本実施形態の情報処理装置を説明するための図であるが、本実施形態のシステムを説明するための図と称してもよい。本発明よれば、商標の識別力の有無を判断できる装置だけでなく、商標の識別力の有無を判断できるシステムも提供可能である。
出力の方法としては、適宜選択することができる。例えば、ユーザー40の端末41に検索結果が表示されるようにしてもよい。その他にも、ユーザー40の端末41にメッセージを送信するようにしてもよいし、API(アプリケーションインターフェース)に送信してもよい。例えば、端末41の画面に表示するようにしてもよいし、push通知を行うようにしてもよい。
画像から文字を抽出する方法としては、特に制限されるものではなく、例えば公知の画像認識の技術を用いることができる。
次に、本発明に係る一実施形態について説明する。
本実施形態の情報処理装置は、
文字を含む商標と、商品又は役務を受け付ける受付部と、
前記商標に含まれる文字及び前記商品又は役務を学習済みモデルに入力して、前記商標に含まれる文字が前記商品又は役務に使用されたときの識別力の度合いを算出し、前記商標の識別力の有無を判断する識別力判断部と、
前記識別力判断部の判断の結果を出力する出力部と、を有する情報処理装置であって、
前記学習済みモデルは、ある商標に含まれる文字及びある商品又は役務を入力としたときに、前記ある商標に含まれる文字が前記ある商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものである
ことを特徴とする。
識別力判断部12が識別力の度合いを算出すること、又は、識別力判断部12が識別力の度合いを算出し、商標の識別力を判断することを「推定」と称する。もしくは「推論」と称してもよい。
機械学習を行うこと、又は、機械学習を行い、学習済みモデルを作成することを「学習」と称する。
受付部11が受け付けた商標を「受付商標」と称し、受付部11が受け付けた商品及び役務を「受付商品役務」と称する。
また、学習済みモデルを単に「モデル」と称することがある。
また、受付商標に含まれる文字が受付商品役務に使用されたときの識別力の度合いを単に「識別力の度合い」と称することがある。
本実施形態では、商品又は役務(受付商品役務)を受け付け、学習済みモデルに商標と受付商品役務を入力する。すなわち、商標と受付商品役務を用いて推定を行う。そのため、本実施形態では、このような推定が行えるように学習を行い、学習済みモデルを作成しておく。以下の説明では、どのように学習を行うか、学習によって得られたモデルを用いて、どのように推定を行うかを説明する。
まず説明の観点から、本実施形態における学習について、推定より先に説明する。
本実施形態における学習用データは、ある商標に含まれる文字と、ある商品又は役務と、前記ある商標に含まれる文字が前記ある商品又は役務に使用されたときの識別力の有無と、をセットにしたものである。
[商標、商品役務、識別力の有無]
とも表記する。
上記データにおける「商標」は文字データであり、「商品役務」は任意の商品又は任意の役務を表す。また、「識別力の有無」は、ある商標に含まれる文字がある商品又は役務に使用されたときの識別力の有無である。「識別力の有無」は、単に0か1でもよいし、その他にも「あり」か「なし」でもよいし、「識別力あり」か「識別力なし」でもよいし、その他であってもよい。
<<学習用データの具体例(1)>>
[ABC、被服、識別力なし]
[大阪ソックス、靴下、識別力なし]
[東京スカート、洋服、識別力なし]
[東京スカート、せっけん、識別力あり]
[大阪ソックス、靴下、識別力なし]
という学習用データにおいて、商標を2つの単語に分解し、
[大阪、靴下、識別力なし]
[ソックス、靴下、識別力なし]
というように学習用データを生成してもよい。このように学習用データを生成することで、学習用データの数が増え、より精度の高いモデルを作成することができる。
次に、本実施形態における推定について説明する。
本実施形態では、識別力を判断したい商標(受付商標)と、商品又は役務(受付商品役務)とを受け付け、これらを学習済みモデルに入力する。これにより、受付商標に含まれる文字が受付商品役務に使用されたときの識別力の度合いを算出し、受付商標の識別力の有無を判断する。
[商標、商品役務]
とも表記する。例えば、
[大阪アパレルシャツ、洋服]
などのデータを学習済みモデルに入力する。
図2は、入力画面の一例であり、図示される入力画面50の商標入力欄51に商標を入力し、商品役務入力欄52に商品又は役務を入力する。次いで、実行ボタン53を押下することで、受付部11が受付商標と受付商品役務を受け付ける。
本実施形態によれば、上述のように、学習済みモデルの作成方法が提供される。
本実施形態の学習済みモデルの作成方法は、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字がある商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習を行い、学習済みモデルを作成する
ことを特徴とする。
本実施形態の情報処理方法は、
コンピュータが行う情報処理方法であって、
文字を含む商標と、商品又は役務を受け付ける受付工程と、
前記商標に含まれる文字及び前記商品又は役務を学習済みモデルに入力して、前記商標に含まれる文字が前記商品又は役務に使用されたときの識別力の度合いを算出し、前記商標の識別力の有無を判断する識別力判断工程と、
前記識別力判断工程の判断の結果を出力する出力工程と、を含み、
前記学習済みモデルは、ある商標に含まれる文字及びある商品又は役務を入力としたときに、前記ある商標に含まれる文字が前記ある商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものである
ことを特徴とする。
本実施形態の情報処理プログラムは、コンピュータに情報処理を実行させる情報処理プログラムであって、
文字を含む商標と、商品又は役務を受け付ける受付処理と、
前記商標に含まれる文字及び前記商品又は役務を学習済みモデルに入力して、前記商標に含まれる文字が前記商品又は役務に使用されたときの識別力の度合いを算出し、前記商標の識別力の有無を判断する識別力判断処理と、
前記識別力判断処理の判断の結果を出力する出力処理と、を含み、
前記学習済みモデルは、ある商標に含まれる文字及びある商品又は役務を入力としたときに、前記ある商標に含まれる文字が前記ある商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものである
ことを特徴とする。
次に、本発明に係る他の実施形態について説明する。上記実施形態と同様の事項や本実施形態でも適用可能な構成については説明を省略する。
一方、本実施形態では、学習済みモデルに入力するデータが異なり、商品や役務を学習済みモデルに入力しない。本実施形態では、「グループ」の考え方を用い、グループを用いて学習や推定を行う。
識別力判断部12が識別力の度合いを算出すること、又は、識別力判断部12が識別力の度合いを算出し、商標の識別力を判断することを「推定」と称する。もしくは「推論」と称してもよい。
機械学習を行うこと、又は、機械学習を行い、学習済みモデルを作成することを「学習」と称する。
受付部11が受け付けた商標を「受付商標」と称する。
また、学習済みモデルを単に「モデル」と称することがある。
また、商標に含まれる文字の識別力の度合いを単に「識別力の度合い」と称することがある。
前記商標に含まれる文字を学習済みモデルに入力して、前記商標に含まれる文字の識別力の度合いを算出し、前記商標の識別力の有無を判断する識別力判断部と、
前記識別力判断部の判断の結果を出力する出力部と、を有する情報処理装置であって、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものである
ことを特徴とする。
以下の説明では、共通モデルを使用する場合を「方式1」と称し、個別モデルを使用する場合を「方式2」と称する。
まず、方式1の学習について説明する。
方式1における学習用データは、前記ある商標に含まれる文字と、前記ある商品又は役務が属するグループと、前記ある商標に含まれる文字が前記ある商品又は役務に使用されたときの識別力の有無と、をセットにしたものである。
[商標、グループ、識別力の有無]
とも表記する。上記データにおける「商標」は文字データであり、「グループ」は任意の商品又は任意の役務が属するグループの名称である。また、「識別力の有無」は、ある商標に含まれる文字が任意の商品又は任意の役務に使用されたときの識別力の有無である。
[大阪スカート、アパレル、識別力なし]
[大阪ABC、アパレル、識別力なし]
[東京サンダル、アパレル、識別力なし]
[東京CDE、アパレル、識別力あり]
[東京PC、IT、識別力なし]
[東京マウス、IT、識別力なし]
[PCABC、IT、識別力あり]
[大阪フルート、楽器、識別力なし]
[ピアノCDE、楽器、識別力あり]
[大阪スカート、25類、識別力なし]
[大阪ABC、25類、識別力なし]
[東京サンダル、25類、識別力なし]
[東京CDE、25類、識別力あり]
[東京PC、9類、識別力なし]
[東京マウス、9類、識別力なし]
[PCABC、9類、識別力あり]
[大阪フルート、15類、識別力なし]
[ピアノCDE、15類、識別力あり]
[大阪スカート、17A01、識別力なし]
[大阪ABC、17A01、識別力なし]
[東京サンダル、22A01、識別力なし]
[東京CDE、17A01、識別力あり]
[東京PC、11B01、識別力なし]
[東京マウス、11C01、識別力なし]
[PCABC、11B01、識別力あり]
[大阪フルート、24E01、識別力なし]
[ピアノCDE、24E01、識別力あり]
[商標、グループ、識別力の有無]
としている。ここで識別力の有無とあるのは、グループに属する商品又は役務に対して商標が使用されたときの識別力の有無である。例えば、
[大阪スカート、アパレル、識別力なし]
というデータは、例えば、アパレルグループに属する商品「洋服」に商標「大阪スカート」が使用されたときに、識別力がないと判断されたデータにより作成される。
方式1の利点、すなわち共通モデルを作成及び使用する利点としては、例えば、モデルが1つですむため、管理しやすいことが挙げられる。また、1つのモデルであるため、学習の手間が低減されることや、推定の際にモデルを選択する処理を省けることも利点となる。
[商標、商品役務、識別力の有無]
というデータについて、
[東京アパレル、洋服、識別力なし]
[メンズアパレル、洋服、識別力なし]
[大阪ソックス、靴下、識別力なし]
[ABC靴下、靴下、識別力あり]
というデータを例に挙げる。このようなデータの例において、商品や役務ごとに学習するという考え方の場合、商品「洋服」では2つのデータとなり、商品「靴下」では2つのデータとなる。この場合でも学習を行うことはできるが、1つの商品におけるデータ数は多い方が好ましい。
[商標、グループ、識別力の有無]
というデータとした場合について説明する。上記のデータの例では、
[東京アパレル、アパレル、識別力なし]
[メンズアパレル、アパレル、識別力なし]
[大阪ソックス、アパレル、識別力なし]
[ABC靴下、アパレル、識別力あり]
といった具合にグループに関するデータにできる。このように、異なる商品が1つのグループにまとめられ、アパレルグループでは4つのデータとなる。このため、1つのグループにおけるデータ数を上記よりも多く確保することができる。
[大阪ソックス、アパレル、識別力なし]
という学習用データにおいて、商標を2つの単語に分解し、
[大阪、アパレル、識別力なし]
[ソックス、アパレル、識別力なし]
というように学習用データを生成してもよい。このように学習用データを生成することで、学習用データの数が増え、より精度の高いモデルを作成することができる。
ここでは、方式1の学習の変形例を説明する。
上述のように、方式1における学習用データは、前記ある商標に含まれる文字と、前記ある商品又は役務が属するグループと、前記ある商標に含まれる文字が前記ある商品又は役務に使用されたときの識別力の有無と、をセットにしたものである。
[商標、グループ、識別力の有無]
と表記した。
[グループ+商標、識別力の有無]
と表記する。「グループ+商標」は、換言すると、グループの名称と商標に含まれる文字を組み合わせたものである。
下記に、本例における学習用データの具体例を示す。
[アパレル大阪スカート、識別力なし]
[アパレル大阪ABC、識別力なし]
[アパレル東京サンダル、識別力なし]
[アパレル東京CDE、識別力あり]
[IT東京PC、識別力なし]
[IT東京マウス、識別力なし]
[ITPCABC、識別力あり]
[楽器大阪フルート、識別力なし]
[楽器ピアノCDE、識別力あり]
[”アパレル、大阪スカート”、識別力なし]
といったような形式にすることができる。この場合、データの項目が2つであるといえる。
次に、方式1における推定について説明する。
方式1では、用いる学習済みモデルは1つであり、すなわち共通モデルを用いる。共通モデルには受付商標とグループを入力する必要があるが、入力するグループを取得する方法は複数ある。例えば下記の(A)~(C)が挙げられるが、これに限られるものではない。
(B)グループを受け付ける方法
(C)グループごとにサイトを設ける方法
[商標、グループ]
とも表記する。例えば、
[大阪アパレルシャツ、アパレル]
[東京PC、IT]
[東京ピアノ、楽器]
[大阪アパレルシャツ、25類]
[大阪アパレルシャツ、17A01]
などのデータを共通モデルに入力する。
[大阪アパレルシャツ、アパレル]
を入力したときに、識別力の度合いが算出され、「識別力なし」と判断されたとする。この場合、グループであるアパレルに属する商品や役務に受付商標「大阪アパレルシャツ」が使用されたときに識別力がないと判断されたことになる。例えばアパレルグループに商品「洋服」、商品「靴」が属しているとした場合、受付商標「大阪アパレルシャツ」が商品「洋服」に使用されたときに識別力がないと判断されたことになり、また、受付商標「大阪アパレルシャツ」が商品「靴」に使用されたときに識別力がないと判断されたことになる。
次に、方式2の学習について説明する。方式1の学習と同様の事項や好適に適用される事項等は説明を省略する。
[商標、識別力の有無]
とも表記する。
なお、かっこ内はグループを表す。
[大阪スカート、識別力なし] (アパレル)
[大阪ABC、識別力なし] (アパレル)
[東京サンダル、識別力なし] (アパレル)
[東京CDE、アパレル、識別力あり] (アパレル)
[東京PC、識別力なし] (IT)
[東京マウス、識別力なし] (IT)
[PCABC、識別力あり] (IT)
[大阪フルート、識別力なし] (楽器)
[ピアノCDE、識別力あり] (楽器)
[商標、識別力の有無]
としている。ただし、どのグループで学習を行っているかを把握しておく必要がある。ここで識別力の有無とあるのは、グループに属する商品又は役務に対して商標が使用されたときの識別力の有無である。例えば、
[大阪スカート、識別力なし] (アパレル)
というデータは、例えば、アパレルグループに属する商品「洋服」に商標「大阪スカート」が使用されたときに、識別力がないと判断されたデータにより作成される。
次に、方式2における推定について説明する。
方式2では、用いる学習済みモデルはグループごとに異なり、すなわちグループごとに作成された個別モデルを選択して使用する。まずグループを把握して、それに対応する個別モデルを選択し、個別モデルに受付商標を入力する。グループを把握する方法は複数ある。例えば上記の方式1と同様に下記の(A)~(C)が挙げられるが、これに限られるものではない。
(B)グループを受け付ける方法
(C)グループごとにサイトを設ける方法
方式2(A)~(C)は、上記の方式1(A)~(C)と同様にすることができるため、ここでは説明を省略する。
[商標]
とも表記する。例えば、
[大阪アパレルシャツ] (アパレル)
[東京PC] (IT)
[東京ピアノ] (楽器)
[大阪アパレルシャツ] (25類)
[大阪アパレルシャツ] (17A01)
などのデータを個別モデルに入力する。
以下、本実施形態における方式1及び方式2の実行例を説明する。ここでは、上記方式1(A)~(C)及び上記方式2(A)~(C)について画面の一例を用いて説明する。
図5は、入力画面の一例を示す図である。例えば、入力画面50の商標入力欄51に商標を入力し、商品役務入力欄52に商品又は役務を入力して実行ボタン53を押下する。
図6は、出力画面の一例を示す図であり、図5の判断結果を示す図である。出力画面60には、識別力の度合い(ここでは80%)が図示され、ランク(ここではA~CのうちのC)が図示されている。また、出力画面60には、受付商品役務が属するグループにおいて受付商標に識別力があると判断したことが表示されている。
なお、グループの取得方法としては、適宜選択することができ、例えば記憶手段31を用いる方法等が挙げられる。
上記方式2(A)においては、識別力判断部12は取得したグループの個別モデルを選択し、選択した個別モデルに受付商標を入力して受付商標の識別力の度合いを算出する。
次いで、上記方式1(A)及び上記方式2(A)において、算出した識別力の度合いに基づいて受付商標の識別力の有無を判断する。
図7は、入力画面の一例を示す図である。例えば、入力画面50の商標入力欄51に商標を入力し、グループ入力欄54に商品又は役務を入力して実行ボタン53を押下する。
図8は、出力画面の一例を示す図であり、図7の判断結果を示す図である。出力画面60には、識別力の度合い(ここでは80%)が図示され、ランク(ここではA~CのうちのC)が図示されている。また、出力画面60には、入力したグループにおいて受付商標に識別力があると判断したことが表示されている。
次いで、上記方式1(B)において、識別力判断部12は受付商標(ここでは「トレル」)と受け付けたグループ(ここでは「アパレル」)を共通モデルに入力して受付商標の識別力の度合いを算出する。
上記方式2(B)においては、識別力判断部12は受け付けたグループの個別モデルを選択し、選択した個別モデルに受付商標を入力して受付商標の識別力の度合いを算出する。
次いで、上記方式1(B)及び上記方式2(B)において、算出した識別力の度合いに基づいて受付商標の識別力の有無を判断する。
図9は、入力画面の一例であり、ここでは例えばアパレルグループのサイトの例を示す。入力画面72には、アパレル分野(アパレルグループ)について識別力を判定する旨が表示されている。商標入力欄73に商標を入力して実行ボタン74を押下すると、入力した商標の識別力が判断され、出力画面75が表示される(図10)。出力画面では、識別力を判断した理由を表示してもよい。理由を表示することでユーザーがより理解しやすくなる。また、ランク付けした結果(この例ではA~CのうちのC)を表示してもよい。
本実施形態によれば、上述のように、学習済みモデルの作成方法が提供される。
本実施形態の学習済みモデルの作成方法は、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習を行い、学習済みモデルを作成する
ことを特徴とする。
本実施形態の情報処理方法は、コンピュータが行う情報処理方法であって、
文字を含む商標を受け付ける受付工程と、
前記商標に含まれる文字を学習済みモデルに入力して、前記商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを算出し、前記商標の識別力の有無を判断する識別力判断工程と、
前記識別力判断工程の判断の結果を出力する出力工程と、を含み、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものである
ことを特徴とする。
本実施形態の情報処理プログラムは、コンピュータに情報処理を実行させる情報処理プログラムであって、
文字を含む商標を受け付ける受付処理と、
前記商標に含まれる文字を学習済みモデルに入力して、前記商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを算出し、前記商標の識別力の有無を判断する識別力判断処理と、
前記識別力判断処理の判断の結果を出力する出力処理と、を含み、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものである
ことを特徴とする。
11 受付部
12 識別力判断部
13 出力部
14 抽出部
31 記憶手段
40 ユーザー
41 端末
50 入力画面
51 商標入力欄
52 商品役務入力欄
53 実行ボタン
54 グループ入力欄
60 出力画面
72 入力画面
73 商標入力欄
74 実行ボタン
75 出力画面
Claims (10)
- 文字を含む商標と、商品又は役務とを受け付ける受付部と、
前記商標に含まれる文字を学習済みモデルに入力して、該学習済みモデルが出力した数値が閾値を超えたかどうかを判定することにより前記商標の識別力の有無を判断する識別力判断部と、
前記識別力判断部の判断の結果を出力する出力部と、を有する情報処理装置であって、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものであるとともに、前記グループ間で共通のモデルとなる共通モデルであるか、又は、前記グループ1つにつき1つのモデルとなる複数の個別モデルであり、
前記識別力判断部は、受け付けた前記商品又は役務が属するグループ(1)を取得し、
(i)前記共通モデルを使用する場合、前記商標に含まれる文字及び前記グループ(1)を前記共通モデルに入力し、
(ii)前記個別モデルを使用する場合、前記グループ(1)に対応する前記個別モデルを選択し、該選択された個別モデルに前記商標に含まれる文字を入力する
ことを特徴とする情報処理装置。 - 文字を含む商標と、グループ(2)とを受け付ける受付部と、
前記商標に含まれる文字を学習済みモデルに入力して、該学習済みモデルが出力した数値が閾値を超えたかどうかを判定することにより前記商標の識別力の有無を判断する識別力判断部と、
前記識別力判断部の判断の結果を出力する出力部と、を有する情報処理装置であって、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものであるとともに、前記グループ間で共通のモデルとなる共通モデルであるか、又は、前記グループ1つにつき1つのモデルとなる複数の個別モデルであり、
前記識別力判断部は、
(i)前記共通モデルを使用する場合、前記商標に含まれる文字及び前記グループ(2)を前記共通モデルに入力し、
(ii)前記個別モデルを使用する場合、前記グループ(2)に対応する前記個別モデルを選択し、該選択された個別モデルに前記商標に含まれる文字を入力する
ことを特徴とする情報処理装置。 - (i)前記共通モデルは、
前記ある商標に含まれる文字と、
前記ある商品又は役務が属するグループと、
前記ある商標に含まれる文字が前記ある商品又は役務に使用されたときの識別力の有無と、をセットにした学習用データにより機械学習が行われて得られたものである、
又は、
(ii)前記個別モデルは、
前記ある商標に含まれる文字と、
前記ある商標に含まれる文字がある商品又は役務に使用されたときの識別力の有無と、をセットにした学習用データにより、前記ある商品又は役務が属するグループごとに機械学習が行われて得られたものである
ことを特徴とする請求項1又は2に記載の情報処理装置。 - 前記グループは、区分、類似群コード、外国の特許庁でなされた分類、又は、日本国もしくは外国の特許庁でなされた分類とは異なる独自の分類である
ことを特徴とする請求項1~3のいずれかに記載の情報処理装置。 - 前記機械学習の学習用データは、日本国又は外国の特許庁でなされた過去の審査の結果、日本国又は外国の特許庁でなされた過去の審判の結果、及び、日本国又は外国の特許庁で定められている審査又は審判の基準から選ばれた1つ以上の結果又は基準に基づいて作成されたものである
ことを特徴とする請求項1~4のいずれかに記載の情報処理装置。 - 前記識別力判断部は、前記商標に含まれる文字が単語に分解され、各単語及び/又は各単語の組合せについて識別力の度合いを算出する
ことを特徴とする請求項1~5のいずれかに記載の情報処理装置。 - 前記識別力判断部は、算出した前記識別力の度合いに応じてランク付けを行う
ことを特徴とする請求項1~6のいずれかに記載の情報処理装置。 - 前記商標は画像であり、
前記画像に含まれる文字を抽出する抽出部を更に有し、
前記識別力判断部は、前記抽出部によって抽出された文字について前記商標の識別力を判断する
ことを特徴とする請求項1~7のいずれかに記載の情報処理装置。 - コンピュータが行う情報処理方法であって、
文字を含む商標と、商品又は役務とを受け付ける受付工程と、
前記商標に含まれる文字を学習済みモデルに入力して、該学習済みモデルが出力した数値が閾値を超えたかどうかを判定することにより前記商標の識別力の有無を判断する識別力判断工程と、
前記識別力判断工程の判断の結果を出力する出力工程と、を含み、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものであるとともに、前記グループ間で共通のモデルとなる共通モデルであるか、又は、前記グループ1つにつき1つのモデルとなる複数の個別モデルであり、
前記識別力判断工程は、受け付けた前記商品又は役務が属するグループ(1)を取得し、
(i)前記共通モデルを使用する場合、前記商標に含まれる文字及び前記グループ(1)を前記共通モデルに入力し、
(ii)前記個別モデルを使用する場合、前記グループ(1)に対応する前記個別モデルを選択し、該選択された個別モデルに前記商標に含まれる文字を入力する
ことを特徴とする情報処理方法。 - コンピュータに情報処理を実行させる情報処理プログラムであって、
文字を含む商標と、商品又は役務とを受け付ける受付処理と、
前記商標に含まれる文字を学習済みモデルに入力して、該学習済みモデルが出力した数値が閾値を超えたかどうかを判定することにより前記商標の識別力の有無を判断する識別力判断処理と、
前記識別力判断処理の判断の結果を出力する出力処理と、を含み、
前記学習済みモデルは、複数の商品及び/又は役務が属するグループにおいて、ある商標に含まれる文字を入力としたときに、前記ある商標に含まれる文字があるグループに属する商品又は役務に使用されたときの識別力の度合いを出力するよう機械学習が行われて得られたものであるとともに、前記グループ間で共通のモデルとなる共通モデルであるか、又は、前記グループ1つにつき1つのモデルとなる複数の個別モデルであり、
前記識別力判断処理は、受け付けた前記商品又は役務が属するグループ(1)を取得し、
(i)前記共通モデルを使用する場合、前記商標に含まれる文字及び前記グループ(1)を前記共通モデルに入力し、
(ii)前記個別モデルを使用する場合、前記グループ(1)に対応する前記個別モデルを選択し、該選択された個別モデルに前記商標に含まれる文字を入力する
ことを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021135365A JP7037788B1 (ja) | 2021-08-23 | 2021-08-23 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021135365A JP7037788B1 (ja) | 2021-08-23 | 2021-08-23 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7037788B1 true JP7037788B1 (ja) | 2022-03-17 |
JP2023030308A JP2023030308A (ja) | 2023-03-08 |
Family
ID=81213631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021135365A Active JP7037788B1 (ja) | 2021-08-23 | 2021-08-23 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7037788B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011198307A (ja) | 2010-03-24 | 2011-10-06 | Nomura Research Institute Ltd | 商標権更新価値算出システムおよび商標権更新価値算出プログラム |
WO2019235554A1 (ja) | 2018-06-07 | 2019-12-12 | 株式会社資生堂 | 商品特定装置、プログラム及び学習方法 |
JP2020086658A (ja) | 2018-11-19 | 2020-06-04 | ナブテスコ株式会社 | 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 |
JP2020135630A (ja) | 2019-02-22 | 2020-08-31 | 三井化学株式会社 | 情報処理装置及びプログラム |
-
2021
- 2021-08-23 JP JP2021135365A patent/JP7037788B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011198307A (ja) | 2010-03-24 | 2011-10-06 | Nomura Research Institute Ltd | 商標権更新価値算出システムおよび商標権更新価値算出プログラム |
WO2019235554A1 (ja) | 2018-06-07 | 2019-12-12 | 株式会社資生堂 | 商品特定装置、プログラム及び学習方法 |
JP2020086658A (ja) | 2018-11-19 | 2020-06-04 | ナブテスコ株式会社 | 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 |
JP2020135630A (ja) | 2019-02-22 | 2020-08-31 | 三井化学株式会社 | 情報処理装置及びプログラム |
Non-Patent Citations (1)
Title |
---|
AI結合商標判定機能で商標調査業務の劇的な改善を実現するIP-RoBo,[online],2021年04月27日,[令和3年12月1日検索], インターネット<URL:https://ai-market.jp/interview/ip-robo_interview/> |
Also Published As
Publication number | Publication date |
---|---|
JP2023030308A (ja) | 2023-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khudhair et al. | A review and bibliometric analysis of service quality and customer satisfaction by using Scopus database | |
CN109146626B (zh) | 一种基于用户动态兴趣分析的时尚服装搭配推荐方法 | |
KR101426765B1 (ko) | 협업 파트너 검색 서비스를 제공하는 시스템 및 방법 | |
CN108628833A (zh) | 原创内容摘要确定方法及装置,原创内容推荐方法及装置 | |
JP6370434B1 (ja) | 企業情報提供システムおよびプログラム | |
JPWO2018221119A1 (ja) | 検索用資料情報記憶装置 | |
Sygkounas et al. | Sentiment polarity detection from amazon reviews: an experimental study | |
WO2012121055A1 (ja) | 情報提供装置、情報提供方法、および、記憶媒体 | |
JP7037788B1 (ja) | 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 | |
JP6043460B2 (ja) | データ分析システム、データ分析方法、およびデータ分析プログラム | |
JP2012256283A (ja) | 感性分析システム及びプログラム | |
JP2019057255A (ja) | 顧客服飾品マッチングシステム | |
US20230119422A1 (en) | Cluster analysis method, cluster analysis system, and cluster analysis program | |
JP2016162357A (ja) | 商品に対するユーザの感情分析装置及びプログラム | |
JP6178480B1 (ja) | データ分析システム、その制御方法、プログラム、及び、記録媒体 | |
KR100852543B1 (ko) | 상품개발방법, 상품개발 시스템, 상품개발 프로그램 및상품개발 프로그램을 기록한 기록매체 | |
JP7427510B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP3365407B2 (ja) | データ処理装置及び方法 | |
JP2018036756A (ja) | メッセージ分類システム、メッセージ分類方法及びプログラム | |
Venugopal et al. | Revisiting the role of classical readability formulae parameters in complex word identification (Part 2) | |
Hou et al. | DARC: A Visual Analytics System for Multivariate Applicant Data Aggregation, Reasoning and Comparison. | |
JP2023015800A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Lin | Sustainability in transforming cultural feature into cultural creative product design (Case study of Malangan mask) | |
JP7215038B2 (ja) | 情報処理装置及び情報処理プログラム | |
JP6646014B2 (ja) | 類似文書検索装置、類似性計算装置、これらの方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210823 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210823 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211208 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220210 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220224 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220225 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7037788 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |