JP7303614B2 - making device - Google Patents
making device Download PDFInfo
- Publication number
- JP7303614B2 JP7303614B2 JP2018131800A JP2018131800A JP7303614B2 JP 7303614 B2 JP7303614 B2 JP 7303614B2 JP 2018131800 A JP2018131800 A JP 2018131800A JP 2018131800 A JP2018131800 A JP 2018131800A JP 7303614 B2 JP7303614 B2 JP 7303614B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- screen
- creation
- user
- information
- 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
- 238000004519 manufacturing process Methods 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 description 68
- 238000010586 diagram Methods 0.000 description 60
- 238000012937 correction Methods 0.000 description 56
- 238000000605 extraction Methods 0.000 description 44
- 238000012986 modification Methods 0.000 description 36
- 230000004048 modification Effects 0.000 description 36
- 238000000034 method Methods 0.000 description 22
- 230000007704 transition Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 239000000470 constituent Substances 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 230000015654 memory Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、作成装置に関する。 The present invention relates to a production device .
特許出願は、国により多少の違いはあるが、基本的に明細書と特許請求の範囲と要約と図面とから構成される。これまで一般に、特許出願の特許請求の範囲(クレームとも称す)は弁理士により作成され、または企業の知的財産部の者により作成されてきた。 Although there are some differences depending on the country, a patent application basically consists of a specification, claims, an abstract, and drawings. Traditionally, the claims (also referred to as claims) of a patent application have been drafted by patent attorneys or by members of a company's intellectual property department.
近年、「人工知能(AI、Artificial Intelligence)」という言葉をよく目にするようになった(例えば、非特許文献1参照)。実際、AIは著しく進化しており、人間の脳のように、たくさんの画像や音声を認識して特定のパターンを見つけ出す認知機能を持つものも登場している。例えば、Google社はコンピュータに猫の画像を判別させることに成功した。このようにAIの性能が向上するにつれて、その適用範囲も広がってきている。 In recent years, the term "artificial intelligence (AI)" has become common (see, for example, Non-Patent Document 1). In fact, AI has evolved remarkably, and some have a cognitive function that recognizes many images and sounds and finds specific patterns, like the human brain. For example, Google succeeded in getting computers to recognize images of cats. As the performance of AI improves in this way, its application range is also expanding.
従来のクレーム作成手法では、クレーム作成のための知識や経験が担当者により異なるため、作成されるクレームの品質もまちまちとなることが多かった。また、手作業で作成するため、比較的時間がかかっていた。 In the conventional complaint preparation method, the quality of the prepared complaints often varied because the knowledge and experience required for preparing complaints differed depending on the person in charge. In addition, it took a relatively long time because it was created manually.
本発明はこうした課題に鑑みてなされたものであり、その目的は、クレーム作成の際の品質のばらつきを抑えることができる、またはクレーム作成にかかる時間を低減できる技術の提供にある。 SUMMARY OF THE INVENTION The present invention has been made in view of these problems, and its object is to provide a technique capable of suppressing variations in quality when creating claims or reducing the time required to create claims.
本発明のある態様は、作成装置に関する。この作成装置は、情報を受け付ける受付手段と、異なるクレーム構造に対応する複数のクレーム作成モデルであって、各々が過去の出願から抽出された情報と該出願の請求の範囲とを機械学習することにより生成されたモデルである前記複数のクレーム作成モデルのうちで、ユーザ入力に基づいて選択されるモデルに、受け付けた情報を適用する適用手段と、適用の結果得られた請求の範囲を提供する提供手段と、を備える。 One aspect of the present invention relates to a creation device. This drafting device includes receiving means for receiving information, and a plurality of claim drafting models corresponding to different claim structures, each of which is extracted from a past application and machine-learning the scope of claims of that application. applying means for applying the received information to a model selected based on user input from among the plurality of claim creation models , which are models generated by and providing means for providing.
なお、以上の構成要素の任意の組み合わせや、本発明の構成要素や表現を装置、方法、システム、コンピュータプログラム、コンピュータプログラムを格納した記録媒体などの間で相互に置換したものもまた、本発明の態様として有効である。 It should be noted that any combination of the above constituent elements, or any mutual replacement of the constituent elements or expressions of the present invention with devices, methods, systems, computer programs, recording media storing computer programs, etc., also constitutes the present invention. It is effective as an aspect of
本発明によれば、クレーム作成の際の品質のばらつきを抑えることができる、またはクレーム作成にかかる時間を低減できる。 Advantageous Effects of Invention According to the present invention, it is possible to suppress variations in quality when writing a claim, or to reduce the time required to write a claim.
以下、各図面に示される同一または同等の構成要素、部材、処理には、同一の符号を付するものとし、適宜重複した説明は省略する。また、各図面において説明上重要ではない部材の一部は省略して表示する。 Hereinafter, the same or equivalent constituent elements, members, and processes shown in each drawing are denoted by the same reference numerals, and duplication of description will be omitted as appropriate. Also, in each drawing, some members that are not important for explanation are omitted.
(第1の実施の形態)
図1は、第1の実施の形態に係る作成サーバにより実現される画面の遷移を示す模式図である。作成サーバはまずユーザの端末のディスプレイ100に、クレームを生成するための条件の入力を受け付ける生成条件入力画面102を表示させる。生成条件入力画面102は、キーワード入力領域104と、追加ボタン106と、イメージアップロード領域105と、クレーム数入力領域108と、課題入力領域110と、参考出願入力領域107と、オートボックス109と、分野入力領域112と、生成ボタン114と、を有する。
(First embodiment)
FIG. 1 is a schematic diagram showing transition of screens realized by the creation server according to the first embodiment. The creation server first causes the
作成サーバのユーザとしては、例えば企業の知的財産部の者が想定される。ユーザは、研究開発部門から提出された発明提案書などの技術文書を検討し、それに含まれる発明や技術的思想のエッセンス(または要諦、特徴、本質的部分)をキーワードとして抽出する。併せて可能であればユーザは発明や技術的思想に係る課題を抽出し、発明や技術的思想の属する技術分野を決定する。ユーザは、抽出したキーワードを生成条件入力画面102のキーワード入力領域104に入力する。ユーザは、追加ボタン106をクリック(押下)することで、キーワード入力領域104で入力できるキーワードを増やすことができる。キーワード入力領域104の各キーワードには重要度103が関連付けて表示される。ユーザは、入力したキーワードの重要度103を「H」(高)、「M」(中)、「L」(低)のなかから選択する。他の実施の形態では重要度としてより多くのレベルが用いられてもよいし、連続的な値が用いられてもよい。
A user of the production server is assumed to be, for example, a person in an intellectual property department of a company. A user examines a technical document such as an invention proposal submitted by a research and development department, and extracts the essence (or key point, feature, or essential part) of an invention or technical idea contained therein as a keyword. In addition, if possible, the user extracts problems related to inventions and technical ideas, and determines the technical field to which the inventions and technical ideas belong. The user inputs the extracted keyword into the
ユーザは、キーワードに代えてまた加えて、発明提案書などの技術文書や、技術図面その他写真等の静止画や、動画等の各種ファイル(以下、文書等と称す)をアップロードすることができる。ユーザは、ユーザの端末内の文書等を参照することにより対象のファイルのパスをイメージアップロード領域105に入力する。または、ユーザは、対象のファイルのパスを直接イメージアップロード領域105に入力してもよい。あるいはまた、ユーザは、文書等の代わりに発明提案書などの技術文書の画像のファイルをアップロードしてもよい。
Instead of or in addition to keywords, users can upload technical documents such as invention proposals, technical drawings, still images such as photographs, and various files such as moving images (hereinafter referred to as documents). The user inputs the path of the target file in the
ユーザは、作成する特許請求の範囲のクレーム数を決めてクレーム数入力領域108に入力する。ユーザは、もし発明の課題や技術分野が決まっていれば、それぞれを課題入力領域110、分野入力領域112に入力する。課題入力領域110において、課題はフリーテキスト形式で入力されてもよい。ユーザは、お手本とするクレームを有する特許出願(以下、お手本出願という)が決まっていればその特許出願の番号を参考出願入力領域107に入力する。あるいはまた、お手本出願を自動で選択する場合は、オートボックス109にチェックを入れる。お手本出願を用いない場合は、参考出願入力領域107を空欄とし、オートボックス109のチェックを外す。分野入力領域112において、技術分野はIPC(International Patent Classification)、Fターム、FI、CPC等の分類により指定されてもよいし、テキストで指定されてもよい。
The user determines the number of claims to be created and inputs it in the claim
ユーザが必要な情報を入力した後、生成ボタン114をクリックすると、作成サーバは入力された情報を取得する。作成サーバは、過去の特許出願の情報をAIに学習させることで生成、更新されるクレーム生成AIエンジンを実装している。作成サーバは、入力された情報をこのクレーム生成AIエンジンで処理することで、入力されたキーワードに対応する特許請求の範囲を自動的に生成する。作成サーバは、生成された特許請求の範囲を表示する生成結果表示画面116をディスプレイ100に表示させる。生成結果表示画面116には、生成された特許請求の範囲がテキストで表示されると共に、OKボタン118と、修正ボタン120と、が表示される。
After the user has entered the necessary information, when the create
ユーザは、生成された特許請求の範囲に満足する場合、OKボタン118をクリックして処理を終了する。ユーザは、生成された特許請求の範囲の修正を望む場合、修正ボタン120をクリックする。作成サーバは、修正ボタン120がクリックされると、ユーザによる特許請求の範囲の修正を受け付けるための編集画面122をディスプレイ100に表示させる。
If the user is satisfied with the generated claims, he clicks the
編集画面122には、特許請求の範囲が編集可能な態様で表示されると共に、反映ボタン124が表示される。編集画面122でなされた特許請求の範囲への修正は、修正履歴が分かる形で表示される。ユーザが所望の修正を施した後、反映ボタン124をクリックすると、作成サーバは修正を反映した特許請求の範囲を表示する修正結果表示画面126をディスプレイ100に表示させる。併せて、作成サーバは修正前の特許請求の範囲および修正内容を取得し、取得された情報でクレーム生成AIエンジンを更新する。
On the
このように、作成サーバが提供するクレーム作成支援サービスによると、クレーム生成AIエンジンを用いるので、クレーム作成の際の属人的要素を低減または排除することができ、品質の均一化を図ることができる。また、クレーム作成にかかる時間を低減することができる。 In this way, according to the complaint creation support service provided by the creation server, since the complaint creation AI engine is used, it is possible to reduce or eliminate individual factors when creating complaints, and it is possible to achieve uniform quality. can. Also, it is possible to reduce the time required to create a complaint.
図2は、第1の実施の形態に係るクレーム作成支援システム2の構成を示す模式図である。クレーム作成支援システム2は、作成サーバ4と、ユーザ端末8と、を備える。作成サーバ4とユーザ端末8とはインターネットなどのネットワーク6を介して通信可能に接続されている。作成サーバ4は、過去の特許出願の情報を保持する特許情報保持部42を備え、また上述の通りクレーム作成AIエンジンを実装している。ユーザ端末8は、ユーザが用いる端末であり、例えばデスクトップPC、ラップトップPC、携帯端末などであってもよい。
FIG. 2 is a schematic diagram showing the configuration of the complaint drafting
本実施の形態では、ユーザがユーザ端末8に情報を入力し、ユーザ端末8が該情報をネットワーク6を介して作成サーバ4に送信し、作成サーバ4が該情報を処理し、処理結果をネットワーク6を介してユーザ端末8に返し、ユーザ端末8が処理結果を表示する、いわゆるASP(Application Service Provider)を想定する。しかしながら、本実施の形態の技術的思想は、スタンドアローンの端末にクレーム作成AIエンジンを実装し、ユーザがその端末に情報を入力し、処理結果を得る場合など、ASP以外のシステムにも適用可能である。
In this embodiment, the user inputs information to the
図3は、図2の作成サーバ4のハードウエア構成図である。ユーザ端末8は図3に記載のハードウエア構成と同様のハードウエア構成を有してもよい。作成サーバ4は、メモリ130と、プロセッサ132と、通信インタフェース134と、ディスプレイ136と、入力インタフェース138と、を含む。これらの要素はそれぞれバス140に接続され、バス140を介して互いに通信する。
FIG. 3 is a hardware configuration diagram of the
メモリ130は、データやプログラムを記憶するための記憶領域である。データやプログラムは、メモリ130に恒久的に記憶されてもよいし、一時的に記憶されてもよい。特にメモリ130は特許情報保持部42として割り当てられた領域を有する。プロセッサ132は、メモリ130に記憶されているプログラムを実行することにより、作成サーバ4における各種機能を実現する。通信インタフェース134は、作成サーバ4の外部との間でデータの送受信を行うためのインタフェースである。例えば、通信インタフェース134はネットワーク6にアクセスするためのインタフェースを含む。ディスプレイ136は、各種情報を表示するためのデバイスであり、例えば、液晶ディスプレイや有機EL(Electroluminescence)ディスプレイなどである。入力インタフェース138は、ユーザからの入力を受け付けるためのデバイスである。入力インタフェース138は、例えば、マウスやキーボードやディスプレイ138上に設けられたタッチパネルを含む。
The
図4は、図2の作成サーバ4の機能および構成を示すブロック図である。ここに示す各ブロックは、ハードウエア的には、コンピュータのCPUをはじめとする素子や機械装置で実現でき、ソフトウエア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウエア、ソフトウエアの組合せによっていろいろなかたちで実現できることは、本明細書に触れた当業者には理解されるところである。
FIG. 4 is a block diagram showing the functions and configuration of the
作成サーバ4は、特許情報保持部42と、学習部402と、生成条件取得部404と、クレーム生成AIエンジン406と、結果出力部408と、修正受付部410と、を備える。
The
図5は、特許情報保持部42の一例を示すデータ構造図である。特許情報保持部42は、過去の特許出願の情報を保持する。特許情報保持部42は、特許出願を特定する特許IDと、該特許出願の出願番号と、該特許出願に付された筆頭IPCと、該特許出願の特許強度値と、該特許出願に付された審査官フリーワードと、該特許出願に付されたフリーキーワードと、該特許出願の特許請求の範囲と、該特許出願の課題と、該特許出願の審査の際に引用された文献と、該特許出願の図面(不図示)と、該特許出願の文書等(不図示)と、を対応付けて保持する。特許出願の文書等は、自社の先願の発明提案書関連の文書など、入手可能な場合にのみ登録されてもよい。
FIG. 5 is a data structure diagram showing an example of the patent
特許強度値は、特許出願の質を示す指標のひとつである。特許強度値は、例えばNRIサイバーパテント株式会社が提供するTS(Technology Size)値であってもよい。あるいはまた、他の指標が用いられてもよい。 The patent strength value is one of the indicators of the quality of patent applications. The patent strength value may be, for example, a TS (Technology Size) value provided by NRI Cyber Patent Co., Ltd. Alternatively, other indicators may be used.
フリーキーワードは、対象の特許出願を人が読むことにより設定されるキーワードであり、特にその人が対象の特許出願のポイントとして抽出したキーワードであってもよい。フリーキーワードは、例えばNRIサイバーパテント株式会社が提供するPATOLISキーワードであってもよい。 A free keyword is a keyword set by a person reading the target patent application, and may be a keyword particularly extracted by the person as a point of the target patent application. A free keyword may be, for example, a PATOLIS keyword provided by NRI Cyber Patent Co., Ltd.
図4に戻り、学習部402は、特許情報保持部42を参照し、過去の特許出願から抽出された情報と該特許出願の特許請求の範囲とを機械的に学習することによりクレーム作成モデルを生成する。その際、学習部402は、特許情報保持部42に保持される過去の特許出願の情報うち、質に関する所定の基準を満たさない過去の特許出願の情報は参照しないようにしてもよい。
Returning to FIG. 4, the
学習部402は、特許情報保持部42に保持される特許出願のうち、特許強度値がしきい値以上となる特許出願を特定してもよい。言い換えると、学習部402は特許強度値がしきい値未満の特許出願を学習の対象から外してもよい。なお、本実施の形態では質に関する所定の基準としてしきい値との大小関係を用いるが、これに限られず、例えばしきい値の代わりに特許強度値の範囲が用いられてもよい。
The
学習部402は、特定された特許出願のフリーキーワードと特許請求の範囲と課題と筆頭IPCと文書等と図面とを特許情報保持部42から取得し、取得した情報を機械的に学習することにより、クレーム作成モデルを生成する。学習部402におけるクレーム作成モデルの生成は、公知の機械学習、人工知能に関する技術を用いて実現されてもよい。課題の学習および筆頭IPCの学習はいずれもオプションであり、学習の対象とされなくてもよい。
The
クレーム作成モデルは、キーワードまたは文書等を必須の入力、課題および技術分野をオプションの入力とし、処理の結果として特許請求の範囲を出力するモデルである。課題および技術分野はいずれも、出力結果の精度を高めるために用いられる。なお、各キーワードに対して指定される重要度をクレーム生成モデルの入力とする場合、学習部402は、フリーキーワードをその重要度と併せて学習する。フリーキーワードの重要度は、予め人が決めて特許情報保持部42に登録しておいてもよいし、後述のキーワード抽出モデルで実現されるように自動的に付与されてもよい。
The claim creation model is a model that takes keywords or documents as mandatory inputs, issues and technical fields as optional inputs, and outputs claims as a result of processing. Both issues and technical areas are used to improve the accuracy of the output results. When the importance level specified for each keyword is used as an input for the complaint generation model, the
図10は、お手本出願を指定する場合のクレーム生成モデルを説明する模式図である。学習部402はまず特許情報保持部42に保持されている過去の特許出願の情報を、クレームの構造に応じて分割する。具体的には、学習部402は、クレームの構造をいくつかの種類(例えば、クレーム構造A、B、C)に分け、特許情報保持部42に保持される特許出願のクレームの構造がどの種類に属するか判定する。学習部402は、この構造の種類で特許情報保持部42に保持される特許出願をグループ分けする(例えば、クレーム構造:Aに属するグループ、クレーム構造:Bに属するグループ、クレーム構造:Cに属するグループ)。学習部402は、グループごと(すなわち、クレーム構造の種類ごと)にクレーム作成モデルを生成する。その結果、例えば、クレーム構造Aに対応するクレーム作成モデルA、クレーム構造Bに対応するクレーム作成モデルB、クレーム構造Cに対応するクレーム作成モデルC、が生成される。
FIG. 10 is a schematic diagram for explaining a claim generation model when designating a model application. The
図4に戻り、学習部402は、上記のように生成されたクレーム作成モデルをクレーム生成AIエンジン406に設定する。学習部402で生成されるクレーム作成モデルの種類は、クレーム作成の条件としてどのような入力を想定するかに応じて決定されてもよいし、想定される入力のパターンに応じて複数種類のクレーム作成モデルを生成しておいてもよい。例えば、クレーム作成の条件としてキーワードを必須とし、課題をオプションとするのであれば、学習部402は、特定された特許出願のフリーキーワードと特許請求の範囲と課題とを特許情報保持部42から取得し、取得した情報を機械的に学習することにより、クレーム作成モデルを生成する。あるいはまた、例えば、クレーム作成の条件としてキーワードを必須とし、重要度をオプションとするのであれば、学習部402は、特定された特許出願のフリーキーワードと特許請求の範囲とフリーキーワードごとの重要度とを特許情報保持部42から取得し、取得した情報を機械的に学習することにより、クレーム作成モデルを生成する。あるいはまた、例えば、クレーム作成の条件として文書等を必須とし、オプション情報は無しとするのであれば、学習部402は、特定された特許出願の特許請求の範囲と文書等と図面とを特許情報保持部42から取得し、取得した情報を機械的に学習することにより、クレーム作成モデルを生成する。あるいはまた、クレーム作成の条件としてお手本出願の指定を可能とするのであれば、図10に示されるようにクレームの構造に応じて複数のクレーム作成モデルを用意する。
Returning to FIG. 4 , the
生成条件取得部404は、生成条件入力画面102を表示するための画面情報を生成し、ネットワーク6を介してユーザ端末8に送信する。生成条件取得部404は、ユーザ端末8のディスプレイ100に表示された生成条件入力画面102に対してユーザが入力した情報を、ネットワーク6を介してユーザ端末8から受信する。ユーザが入力した情報は、キーワードの集合または文書等と、クレームの数と、を含み、オプションでキーワード毎の重要度と、課題と、お手本出願の出願番号と、技術分野と、を含む。
The generation
オートボックス109がチェックされている場合、生成条件取得部404は、外部または内部の特許出願のデータベースに対して、受信したキーワードの集合をキーとした検索を行い、検索結果のうち最も一致スコアの高い出願をお手本出願に設定する。
When the
クレーム生成AIエンジン406は、学習部402により生成されたクレーム作成モデルに、生成条件取得部404がユーザ端末8から受け付けたキーワードの集合または文書等と、クレームの数と、を適用する。クレーム生成AIエンジン406は、生成条件取得部404がユーザ端末8からキーワードの重要度を受け付けていれば、それもクレーム作成モデルに適用する。クレーム生成AIエンジン406は、生成条件取得部404がユーザ端末8から課題を受け付けていれば、それもクレーム作成モデルに適用する。クレーム生成AIエンジン406は、生成条件取得部404がユーザ端末8から技術分野を受け付けていれば、それもクレーム作成モデルに適用する。クレーム生成AIエンジン406は、生成条件取得部404がお手本出願を取得していれば、お手本出願のクレームの構造に対応するクレーム作成モデルを選択して用いる。クレーム生成AIエンジン406は、適用の結果クレーム作成モデルが出力する特許請求の範囲を取得する。
The complaint
結果出力部408は、クレーム生成AIエンジン406において得られた特許請求の範囲を、ユーザ端末8のユーザに提供する。結果出力部408は、得られた特許請求の範囲を含む生成結果表示画面116を表示するための画面情報を生成し、ネットワーク6を介してユーザ端末8に送信する。ユーザ端末8はその画面情報を受信し、受信した画面情報に基づいて生成結果表示画面116をディスプレイ100に表示させる。
The
ユーザ端末8は、生成結果表示画面116の修正ボタン120がクリックされると、修正要求情報を生成し、ネットワーク6を介して作成サーバ4に送信する。修正受付部410は、ユーザ端末8から修正要求情報を受信すると、編集画面122を表示するための画面情報を生成し、ネットワーク6を介してユーザ端末8に送信する。ユーザ端末8は、その画面情報を受信し、受信した画面情報に基づいて編集画面122をディスプレイ100に表示させる。
When the
ユーザ端末8は、編集画面122の反映ボタン124がクリックされると、その時点の修正内容を含む修正完了情報を生成し、ネットワーク6を介して作成サーバ4に送信する。修正受付部410は、ユーザ端末8から修正完了情報を受信すると、修正結果表示画面126を表示するための画面情報を生成し、ネットワーク6を介してユーザ端末8に送信する。ユーザ端末8は、その画面情報を受信し、受信した画面情報に基づいて修正結果表示画面126をディスプレイ100に表示させる。
When the
修正受付部410は、修正完了情報を受信すると、修正の対象となった特許請求の範囲について、(1)ユーザにより入力されたキーワードの集合、(2)入力された課題(あれば)、(3)入力された技術分野(あれば)、(4)クレーム作成モデルにより生成されたままの(すなわち、修正前の)特許請求の範囲、および(5)修正後の特許請求の範囲、を学習部402に渡す。学習部402は、上記(1)~(5)の情報に基づいてクレーム作成モデルを更新する。
Upon receiving the correction completion information, the
以上の構成による作成サーバ4の動作を説明する。
図6は、図2の作成サーバ4における一連の処理の流れを示すフローチャートである。図6の例では、クレーム作成の条件としてキーワードとお手本出願とが与えられる場合を想定する。作成サーバ4は、ユーザ端末8のディスプレイ100に生成条件入力画面102を表示させる(S602)。作成サーバ4は、生成条件入力画面102を介してユーザから技術的思想に係るキーワードの集合およびお手本出願の出願番号を受け付ける(S604)。作成サーバ4は、お手本出願の出願番号を基にお手本出願のクレームを外部または内部の特許出願データベース(例えば、J-Platなど)から取得し、取得されたクレームの構造を特定する(S6051)。作成支援サーバ4は、特定された構造に対応するクレーム作成モデルを選択する(S6052)。作成サーバ4は、ステップS604で受け付けたキーワードの集合を入力として、ステップS6052で選択されたクレーム作成モデルを用いた、AIによるクレーム生成を実行する(S606)。作成サーバ4は、ユーザ端末8のディスプレイ100に生成結果表示画面116を表示させることで生成されたクレームを表示させる(S608)。ユーザによるクレームの修正がない場合(S610のNO)、処理は終了する。ユーザによるクレームの修正がある場合(S610のYES)、作成サーバ4は修正の内容を受け付ける(S612)。作成サーバ4は、ユーザ端末8のディスプレイ100に修正結果表示画面126を表示させることで修正されたクレームを表示させる(S614)。作成サーバ4は、修正前のクレームおよび修正内容に基づき、クレーム生成AIエンジン406のクレーム作成モデルを更新する(S616)。
The operation of the
FIG. 6 is a flow chart showing a series of processes in the
上述の実施の形態において、保持部の例は、ハードディスクや半導体メモリである。また、本明細書の記載に基づき、各部を、図示しないCPUや、インストールされたアプリケーションプログラムのモジュールや、システムプログラムのモジュールや、ハードディスクから読み出したデータの内容を一時的に記憶する半導体メモリなどにより実現できることは本明細書に触れた当業者には理解される。 In the above-described embodiments, examples of holding units are hard disks and semiconductor memories. In addition, based on the description of this specification, each part is implemented by a CPU (not shown), an installed application program module, a system program module, a semiconductor memory that temporarily stores the contents of data read from the hard disk, etc. Those skilled in the art who have access to this specification will understand what is possible.
本実施の形態に係る作成サーバ4によると、比較的質の高い過去の特許出願の情報を機械的に学習することにより、クレーム生成AIエンジンのクレーム作成モデルが生成される。このクレーム作成モデルに、ユーザが抽出したキーワードを適用することで特許請求の範囲が自動的に生成される。このように、従来、弁理士や企業の知的財産部に属人的に帰属していたクレーム作成の知識、経験をAIに移し、そのAIを用いてクレーム作成を行うことで、作成されるクレームの質を均一化し、かつ、クレーム作成にかかる時間を低減することができる。
According to the
以上、第1の実施の形態に係るクレーム作成支援システム2の構成と動作について説明した。この実施の形態は例示であり、各構成要素や各処理の組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解される。
The configuration and operation of the complaint drafting
第1の実施の形態では、学習部402で学習させるキーワードとして特許情報保持部42のフリーキーワードを用いる場合を説明したが、これに限られない。例えば、審査官フリーワードが用いられてもよい。
In the first embodiment, the free keyword stored in the patent
(第1変形例)
特許情報保持部42に保持される特許出願のうち、フリーキーワードがない特許出願については、フリーキーワードを設定するためにAIが用いられてもよい。第1変形例では、学習部402は、特許情報保持部42に保持される特許出願のうち、特許強度値がしきい値以上となる特許出願を特定する。学習部402は、特定された特許出願のフリーキーワードと特許請求の範囲と課題とに加えて、該特許出願の審査の際に引用された文献のフリーキーワードを機械的に学習することにより、キーワード抽出モデルを生成する。
(First modification)
Of the patent applications held in the patent
機械的な学習における、学習対象の特許出願のフリーキーワードと、引用された文献のフリーキーワードと、の関係を説明する。図7は、学習対象の文献のフリーキーワードと引用された文献のフリーキーワードとの関係の一例を示す模式図である。図7の例では、学習対象の文献750の審査時に、第1文献752と、第2文献754と、が引用された。この引用関係を示すために、特許情報保持部42において、学習対象の文献750の特許IDに対応する引用文献の欄に、第1文献752の公報の番号と、第2文献754の公報の番号と、が登録されている。学習部402は、その引用文献の欄を参照することで、学習対象の文献750の引用文献を特定する。図7の例では、第1文献752のフリーキーワードは「AAA」、「BBB」の二つ、第2文献754のフリーキーワードは「AAA」、「CCC」、「DDD」の三つ、学習対象の文献750のフリーキーワードは「AAA」、「BBB」、「EEE」の三つである。これらのフリーキーワードはすべて特許情報保持部42に保持されており、学習部402により参照可能となっている。
The relationship between the free keywords of patent applications to be learned and the free keywords of cited documents in machine learning will be explained. FIG. 7 is a schematic diagram showing an example of the relationship between the free keywords of the document to be learned and the free keywords of the cited document. In the example of FIG. 7, a
学習部402は、学習対象の文献750を機械的に学習する際、学習対象の文献750の引用文献である第1文献752および第2文献754のフリーキーワードを参照する。学習部402は、引用文献のフリーキーワードに基づいて、学習対象の文献750のフリーキーワードに重要度を設定する。特に学習部402は、引用文献のフリーキーワードとの被りが少ないほど重要度を高く設定する。例えば、学習対象の文献750のフリーキーワード「AAA」は、第1文献752および第2文献754の両方のフリーキーワードでもあるから、最も低い重要度が割り当てられる。学習対象の文献750のフリーキーワード「EEE」は、第1文献752、第2文献754のいずれのフリーキーワードでもないから、最も高い重要度が割り当てられる。学習対象の文献750のフリーキーワード「BBB」は、第1文献752のフリーキーワードではあるが第2文献754のフリーキーワードではないから、中間の重要度が割り当てられる。学習部402は、このように設定された重要度を含めて学習対象の文献750を学習し、キーワード抽出モデルを生成する。
When the
図8は、第1変形例に係るキーワード抽出処理の流れを示すフローチャートである。作成サーバ4は、特許情報保持部42に保持される特許出願のなかでフリーキーワードが付されていない特許出願をキーワード抽出の対象とする文献として受け付ける(S702)。作成サーバ4は、ステップS702で受け付けた対象文献の情報(本文テキスト等)を入力として、AIによる構成要素(キーワード)の抽出を実行する(S704)。特に、作成サーバ4は、学習部402により生成されたキーワード抽出モデルに、ステップS702で受け付けた対象文献の情報を適用し、該キーワード抽出モデルが出力するキーワードを取得する。作成サーバ4は、ユーザ端末8のディスプレイ100に、抽出されたキーワードを表示させる(S706)。ユーザによるキーワードの修正がない場合(S708のNO)、作成サーバ4は抽出されたキーワードを、対象文献に対応するフリーキーワードとして特許情報保持部42に登録し、処理を終了する。
FIG. 8 is a flowchart showing the flow of keyword extraction processing according to the first modification. The
ユーザによるキーワードの修正がある場合(S708のYES)、作成サーバ4は修正の内容を受け付ける(S710)。作成サーバ4は、修正前のキーワードおよび修正内容に基づき、キーワード抽出モデルを更新する(S712)。作成サーバ4は修正されたキーワードを、対象文献に対応するフリーキーワードとして特許情報保持部42に登録し、処理を終了する。
If there is a keyword correction by the user (YES in S708), the
作成サーバ4は、ステップS706において、抽出されたキーワードを表示する抽出結果表示画面902をディスプレイ100に表示させる。図9は、抽出結果表示画面902の代表画面図である。抽出結果表示画面902には、抽出されたキーワードが表示されると共に、OKボタン118と、修正ボタン120と、が表示される。抽出結果表示画面902に表示されるキーワードには、重要度「高」、「中」、「低」のランクが付されている。
The
上記第1変形例では、フリーキーワードが付されていない特許出願について適切なキーワードを抽出して登録するためにキーワード抽出モデルを用いる場合について説明したが、これに限られない。例えば、作成サーバ4は、ユーザによってアップロードされた文献をキーワード抽出の対象とする文献として受け付けてもよい。この場合、ユーザは図9に示される抽出結果表示画面902を見ることで、自分がアップロードした文献から抽出されたキーワードを、そのランクと共に確認することができる。
In the above-described first modification, a case has been described in which a keyword extraction model is used to extract and register appropriate keywords for patent applications to which free keywords are not attached, but the present invention is not limited to this. For example, the
上記第1変形例では、特許情報保持部42に保持される情報からキーワード抽出モデルを生成する場合について説明したが、これに限られず、例えば学術論文の情報から同様の学習手法によりキーワード抽出モデルを生成してもよい。特許文献と同様に、学術論文にも、課題と、人手で選ばれたキーワードと、特許請求の範囲に対応する要約と、論文間の引用・被引用関係と、が関連付けられている。
In the above-described first modification, the case where a keyword extraction model is generated from the information held in the patent
(第2変形例)
第1の実施の形態ではユーザにキーワードまたは画像ファイルの入力を求める場合について説明したが、これに限られない。第2変形例に係る作成サーバ4は、ユーザから発明提案書などの技術文書そのものを取得し、キーワード抽出モデルと、技術分類付与モデルと、類似文献抽出モデルと、クレーム作成モデルと、を用いて必要な情報を自動的に取得し、クレームを生成する。なお、本変形例では技術分類付与モデルを使用する場合を説明するが、これに限られず、技術分類の代わりに、出願人や代理人など、母集団となる文献を限定できる情報であればいかなる情報が用いられてもよい。また、本変形例ではキーワードを抽出して用いる場合を説明するが、これに限られず、キーワードの代わりに主語と動詞の組や主語と動詞を含む文を抽出して用いてもよい。
(Second modification)
In the first embodiment, the case where the user is requested to input a keyword or an image file has been described, but the present invention is not limited to this. The
図11は、第2変形例に係る作成サーバ4におけるクレーム生成の流れを示す模式図である。ユーザ302はユーザ端末8から作成サーバ4に発明提案書304をアップロードする。作成サーバ4は、受信した発明提案書304にキーワード自動抽出AIモデル306および技術分類自動付与AIモデル308を適用する。キーワード自動抽出AIモデル306はクレームに必要なキーワード310を、技術分類自動付与AIモデル308は技術分類を、それぞれ出力する。ユーザ302はユーザ端末8のディスプレイ100を介してキーワード310および技術分類312を確認し、必要であればユーザ端末8の入力手段(マウス、キーボード、タッチパネルなど)を介して修正する。作成サーバ4はキーワード310に対する修正を受け付けて修正済みキーワード314を生成する。なお、この修正ステップは省略されてもよい。この際、作成サーバ4は各キーワードに対する重要度をユーザ302に指定させ、指定された重要度を取得してもよい。作成サーバ4は、修正前のキーワード310と修正済みキーワード314との組を、キーワード自動抽出AIモデル306の更新のために後述の学習フェーズに渡す。なお、作成サーバ4は、修正前のキーワード310のみ、または修正済みキーワード314のみを、キーワード自動抽出AIモデル306の更新のために後述の学習フェーズに渡してもよい。作成サーバ4は技術分類312に対する修正を受け付けて修正済み技術分類316を生成する。この際、作成サーバ4は各技術分類に対する重要度をユーザ302に指定させ、指定された重要度を取得してもよい。作成サーバ4は、修正前の技術分類312と修正済み技術分類316との組を、技術分類自動付与AIモデル308の更新のために後述の学習フェーズに渡す。
FIG. 11 is a schematic diagram showing the flow of complaint generation in the
作成サーバ4は、修正済みキーワード314および修正済み技術分類316に類似文献自動抽出AIモデル318を適用する。類似文献自動抽出AIモデル318は類似文献320を出力する。ユーザ302はユーザ端末8のディスプレイ100を介して類似文献320を確認し、必要であればユーザ端末8の入力手段を介して修正する。なお、この類似文献を確認・修正するステップは省略されてもよい。作成サーバ4は類似文献320に対する修正を受け付けて修正済み類似文献322を生成する。作成サーバ4は、修正前の類似文献320と修正済み類似文献322との組を、類似文献自動抽出AIモデル318の更新のために後述の学習フェーズに渡す。なお、作成サーバ4は、修正前の類似文献320のみ、または修正済み類似文献322のみを、類似文献自動抽出AIモデル318の更新のために後述の学習フェーズに渡してもよい。
The
作成サーバ4は、修正済みキーワード314、修正済み技術分類316および修正済み類似文献322にクレーム自動生成AIモデル324を適用する。なお、作成サーバ4は、修正前のキーワードや修正前の技術分類や修正前の類似文献にクレーム自動生成AIモデル324を適用してもよい。クレーム自動生成AIモデル324はクレーム326を出力する。ユーザ302はユーザ端末8のディスプレイ100を介してクレーム326を確認し、必要であればユーザ端末8の入力手段を介して修正する。なお、このクレームを修正するステップは省略されてもよい。作成サーバ4はクレーム326に対する修正を受け付けて修正済みクレーム328を生成する。作成サーバ4は、修正前のクレーム326と修正済みクレーム328との組を、クレーム自動生成AIモデル324の更新のために後述の学習フェーズに渡す。
The
図12は、第2変形例に係る作成サーバ4におけるAIモデルの学習を説明する模式図である。作成サーバ4は、キーワード自動抽出学習AI330と、技術分類自動付与学習AI332と、類似文献自動抽出学習AI334と、クレーム自動生成学習AI336と、を備える。
FIG. 12 is a schematic diagram for explaining AI model learning in the
キーワード自動抽出学習AI330は、特許情報保持部42を参照し、過去の特許出願の(1)課題、(2)要約、(3)審査過程で引用された文献の要約およびキーワード、(4)クレーム(独立項)を入力として取得し、当該過去の特許出願の(5)キーワード、(6)審査官キーワードを出力として取得する。なお、キーワード自動抽出学習AI330は、過去の特許出願の(1)課題、(2)要約、(3)審査過程で引用された文献の要約およびキーワード、(4)クレーム(独立項)のうちの一部または全部を入力として取得してもよい。その際、(2)要約および(3)審査過程で引用された文献の要約およびキーワードは外部の商用データベースなどから取得されてもよい。また、キーワード自動抽出学習AI330は、過去の特許出願の(5)キーワードまたは(6)審査官キーワードのいずれかを出力として取得してもよい。その際、(5)キーワードは外部の商用データベースなどから取得されてもよい。キーワード自動抽出学習AI330は、図11の生成フェーズから渡される修正前のキーワード310と修正済みキーワード314との組を取得する。キーワード自動抽出学習AI330は取得した情報を基に学習を行い、キーワード自動抽出AIモデル306を生成する。
The keyword automatic
技術分類自動付与学習AI332は、特許情報保持部42を参照し、過去の特許出願の(1)課題、(2)解決手段、(3)要約を入力として取得し、当該過去の特許出願の(4)付与済み技術分類を出力として取得する。なお、技術分類自動付与学習AI332は、過去の特許出願の(1)課題、(2)解決手段、(3)要約のうちの一部または全部を入力として取得してもよい。技術分類自動付与学習AI332は、図11の生成フェーズから渡される修正前の技術分類312と修正済み技術分類316との組を取得する。技術分類自動付与学習AI332は取得した情報を基に学習を行い、技術分類自動付与AIモデル308を生成する。
The technology classification automatic
類似文献自動抽出学習AI334は、特許情報保持部42を参照し、過去の特許出願の(1)全文、(2)技術分類、(3)キーワード、(4)審査官キーワードを入力として取得し、当該過去の特許出願の(5)審査官に引用された文献を出力として取得する。類似文献自動抽出学習AI334は、図11の生成フェーズから渡される修正前の類似文献320と修正済み類似文献322との組を取得する。類似文献自動抽出学習AI334は取得した情報を基に学習を行い、類似文献自動抽出AIモデル318を生成する。
あるいはまた、上記の構成の代わりに、クレームまたはクレームの一部を入力として、ELASTICSEARCH(https://www.elastic.co/jp/products/elasticsearch)など、周知の検索エンジン技術を用いて、類似するクレームまたはクレームの一部を出力するよう類似文献自動抽出学習AIを構成してもよい。
The similar document automatic
Alternatively, instead of the above structure, similar The similar document automatic extraction learning AI may be configured to output the claims or part of the claims.
クレーム自動生成学習AI336は、特許情報保持部42を参照し、過去の特許出願の(1)キーワード、(2)審査官キーワード、(3)技術分類、(4)審査官に引用された文献、(5)課題、(6)解決手段を入力として取得し、当該過去の特許出願の(7)クレーム(独立項)を出力として取得する。なお、クレーム自動生成学習AI336は、過去の特許出願の(1)キーワード、(2)審査官キーワード、(3)技術分類、(4)審査官に引用された文献、(5)課題、(6)解決手段のうちの一部または全部を入力として取得してもよい。また、クレーム自動生成学習AI336は、(1)キーワードの代わりに、主語と動詞の組や、主語と動詞を含む文を取得してもよい。クレーム自動生成学習AI336は、図11の生成フェーズから渡される修正前のクレーム326と修正済みクレーム328との組を取得する。クレーム自動生成学習AI336は取得した情報を基に学習を行い、クレーム自動生成AIモデル324を生成する。
The claim automatic
(第3変形例)
図13a、図13bは、第3変形例に係る作成サーバ4におけるクレーム生成の流れを示す模式図である。ユーザ302はユーザ端末8から作成サーバ4に発明提案書304および先行特許公報338をアップロードしてもよい。併せてユーザ302は、ユーザ端末8を介してクレーム要素(主体)を入力する。作成サーバ4は、ユーザ端末8のディスプレイ100に作成表340を表示させる。作成サーバ4は、まず入力されたクレーム要素をそのまま作成表340に設定する。作成サーバ4は、設定されたクレーム要素のそれぞれについて、動詞の候補を自動的に補充する。
(Third modification)
13a and 13b are schematic diagrams showing the flow of complaint generation in the
ユーザ302はユーザ端末8のディスプレイ100に表示される作成表340を見ることで動詞の候補を確認してもよい。ユーザ302は、必要であればユーザ端末8の入力手段を介して修正してもよい。作成サーバ4は動詞に対する修正を受け付けた(修正はオプション)後、動詞のそれぞれについて、格成分の候補を自動的に補充する。ユーザ302はユーザ端末8のディスプレイ100に表示される作成表340を見ることで格成分の候補を確認してもよい。ユーザ302は、必要であればユーザ端末8の入力手段を介して修正してもよい。ユーザ302は区分を併せて入力してもよい。
The
作成サーバ4は、格成分に対する修正を反映した後、入力された区分をそのまま設定する。ユーザ302が作成表340を見て最終確認を行ってもよい。ユーザ302がクレーム生成の指示を出すと、作成サーバ4は格成分の単語を自動でつなぎ合わせることで格成分テーブルを生成する。作成サーバ4は、生成された格成分テーブルから、クレームと、格成分モデル(第2の実施の形態で後述)と、を生成する。ユーザ302は生成されたクレームおよび格成分モデルを確認し、必要に応じて修正する。
The
(第4変形例)
図14は、第4変形例に係る作成サーバ4におけるクレーム生成の流れを示す模式図である。ユーザ302はユーザ端末8から作成サーバ4に発明提案書304をアップロードする。発明提案書304は発明の課題および特徴を含む。併せてユーザ302は、ユーザ端末8を介して、基本特許となる類似文献342の番号と、その他の類似公開公報である類似文献344の番号と、を入力する。
(Fourth modification)
FIG. 14 is a schematic diagram showing the flow of complaint generation in the
作成サーバ4は、基本特許となる類似文献342の格成分分析を行う(2-1)。作成サーバ4は、発明提案書304から抽出された発明の特徴の記載内容から、クレームに記載する「動詞が係り受けする主体」、「動詞」、「格成分」(以下、格情報という)に編集する(2-2)。作成サーバ4は、(2-2)で編集された格情報と、類似公開公報である類似文献344の詳細な説明部分とを比較し、格情報を再編集する(2-3)。この際、作成サーバ4は、類似度が低くなるように再編集する。
The
作成サーバ4は、(2-1)で得られる格情報および(2-3)で得られる格情報から発明提案書304に係る発明の格情報を生成する(2-4)。作成サーバ4は、この生成の際、(1)外的付加、(2)内的付加、(3)置換の三つのパターンに応じる。作成サーバ4は、(2-4)で生成された発明の格情報から、クレームと、格成分モデル(概要版、詳細版、第2の実施の形態で後述)と、を生成する(3)。ユーザ302は生成されたクレームおよび格成分モデルを確認し、必要に応じて修正・評価する(4)。
The
図15は、第4変形例に係る作成サーバ4におけるAIモデルの学習を説明する模式図である。第4変形例に係る作成サーバ4で用いられるクレーム作成モデルは、クレームの生成時、発明提案書304から抽出される課題および発明の特徴と、基本特許となる類似文献342の課題およびクレームと、その他の類似公開公報である類似文献344の課題、クレームおよび詳細な説明と、を入力とし、クレームを出力とする。学習フェーズにおいては、過去の特許出願から抽出される課題および発明の特徴と、該特許出願の審査過程で引用された主引例の課題およびクレームと、副引例の課題、クレームおよび詳細な説明と、を入力とし、該特許出願のクレームを出力とする学習により、クレーム作成モデルが生成される。
FIG. 15 is a schematic diagram illustrating AI model learning in the
(第2の実施の形態)
第1の実施の形態では、いったんユーザから最初の情報(発明提案書、キーワード等)を取得すると、基本的にユーザの介入無しで自動的にクレームを生成する場合を説明した。第2の実施の形態では、ユーザによるクレームの生成を支援する場合を説明する。第2の実施の形態に係る作成支援サーバは、自動生成キーワードまたは手動で類似先願を見つけ(自動生成キーワードの場合はそのキーワードをキーにして特許検索し、結果のうち一致度の最も高いものを選択、等)、見つけた先願のクレームを図形表示し、ユーザに図形を操作させ、変更後の図形を文章に戻すことで、ユーザによる新たなクレームの作成を支援する。なお、別の実施の形態では、発明提案書から、自身でクレーム設計のために、最初から図形を作成させてもよい。
(Second embodiment)
In the first embodiment, once the first information (invention proposal, keywords, etc.) is obtained from the user, a complaint is basically generated automatically without user intervention. In the second embodiment, a case of assisting the user in creating complaints will be described. The creation support server according to the second embodiment finds similar prior applications by automatically generated keywords or manually (in the case of automatically generated keywords, the keyword is used as a key to perform a patent search, and the result with the highest degree of matching is , etc.), the found claim of the prior application is displayed graphically, the user manipulates the graphical representation, and the modified graphical representation is returned to the text, thereby assisting the user in creating a new complaint. It should be noted that in another embodiment, from the invention proposal, the figure may be created from the beginning for claim design by oneself.
第2の実施の形態に係る作成支援サーバ14を備えるクレーム作成支援システムの構成は、図1に記載の構成に準じる。
図16は、第2の実施の形態に係る作成支援サーバ14の機能および構成を示すブロック図である。ここに示す各ブロックは、ハードウエア的には、コンピュータのCPUをはじめとする素子や機械装置で実現でき、ソフトウエア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウエア、ソフトウエアの組合せによっていろいろなかたちで実現できることは、本明細書に触れた当業者には理解されるところである。
The configuration of the complaint drafting support system including the
FIG. 16 is a block diagram showing the functions and configuration of the
作成支援サーバ14は、ユーザから受け付けた発明提案書からキーワードを自動生成し、自動生成したキーワードをキーとして特許文献を検索し、検索の結果のうち最も一致スコアの高い特許文献を先行文献として特定し、特定された先行文献のクレームをベースとする新クレーム作成用のUIをユーザ端末8のディスプレイ100に表示させ、該UIにおいてクレームの要素に対する変更を受け付け、変更を反映した新たなクレームを文章化することにより生成する。作成支援サーバ14は、特許情報保持部42と、案件情報保持部16と、キーワード生成部420と、先行文献取得部422と、表示制御部424と、入力受付部426と、クレーム生成部428と、を備える。案件情報保持部16は、作成支援サーバ14を用いて生成される案件の情報を保持する。なお、先行文献を用いることなく、ディスプレイ100に対して、ユーザが図形を新規に入力してもよい。
The
ユーザはクレーム作成の対象とする発明提案書を、ユーザ端末8から作成支援サーバ14へアップロードする。キーワード生成部420は、アップロードされた発明提案書を取得し、上記第1変形例や第2変形例に係るキーワード抽出モデルに、取得された発明提案書に記載の発明の課題や特徴を適用することにより、キーワードを生成する。
The user uploads the invention proposal for which a claim is to be created from the
先行文献取得部422は、キーワード生成部420によって生成されたキーワードをキーとして外部または内部の特許文献のデータベースを検索する。先行文献取得部422は、検索結果のうち一致スコアの最も高い特許文献を先行文献として取得する。あるいはまた、先行文献取得部422は一致スコアが高い複数の特許文献を先行文献として特定してもよい。あるいはまた、先行文献取得部422は、ユーザから直接、先行文献の指定を(例えば、出願番号や公開番号、特許番号等により)受け付けてもよい。
The prior
表示制御部424は、先行文献取得部422によって特定された先行文献の請求の範囲に含まれるクレームを、ユーザ端末8のディスプレイ100にネットワーク6を介して図形表示させる。
入力受付部426は、ネットワーク6を介して、表示された図形に対する変更を受け付ける。なお、入力受付部426は新規で図形の入力を受け付けてもよい。
クレーム生成部428は、変更された図形に基づいて新たなクレームをテキスト形式で生成する。
The
The
A
以下、表示制御部424、入力受付部426、クレーム生成部428の機能を画面の遷移を参照してより詳細に説明する。表示制御部424は、後述の各画面をユーザ端末8のディスプレイ100に、ネットワーク6を介して表示させる。入力受付部426は、後述の修正内容やユーザからの指示を、ユーザ端末8からネットワーク6を介して受け付ける。クレーム生成部428は、後述の特許請求の範囲の生成指示を受け付けると、修正後の図形に基づきクレームをテキスト形式で生成する。
The functions of the
図17は、図16の作成支援サーバ14によってユーザ端末8のディスプレイ100に表示される画面の遷移の概要を示す模式図である。ユーザが作成支援サーバ14にアクセスすると、まずログイン画面502が表示される。ユーザがログイン画面502にIDおよびパスワードなどの認証情報を入力すると、作成支援サーバ14はユーザ認証を行う。ユーザ認証に成功すると、ディスプレイ100に表示される画面は、ログイン画面502から自己案件一覧画面504に遷移する。ログイン画面502は公知のユーザ認証技術を用いて実現されてもよい。
FIG. 17 is a schematic diagram showing an overview of transition of screens displayed on the
ユーザが自己案件一覧画面504において新規作成を指示すると画面は案件新規作成画面506に遷移し、案件検索を指示すると画面は自社案件検索一覧画面508に遷移し、案件番号リンクを指定すると画面は対応する案件の案件詳細画面512に遷移する。ユーザが案件新規作成画面506において必要な情報を入力して特許請求の範囲生成を指示すると画面は新規特許請求の範囲作成画面510に遷移する。新規特許請求の範囲作成画面510において登録が指示されると、画面は案件詳細画面512に遷移する。
When the user instructs to create a new item on the own
ユーザが自社案件検索一覧画面508において案件番号リンクを指定すると画面は対応する案件の案件詳細画面512に遷移し、IPC分野一覧リンクを指定すると画面はIPC分野一覧画面514に遷移する。IPC分野一覧画面514としては、例えばNRIサイバーパテント株式会社が提供するNRIサイバーパテントデスク2のIPC分野一覧の画面が採用されてもよい。
When the user designates a project number link on the own project
ユーザが案件詳細画面512において案件を修正すると画面は案件修正画面516に遷移し、案件コピーを指定すると画面は案件新規作成画面506に遷移する。ユーザが案件修正画面516において特許請求の範囲を修正すると画面は特許請求の範囲修正画面518に遷移する。特許請求の範囲修正画面518において修正の反映が指示されると、画面は案件詳細画面512に遷移する。
When the user corrects the matter on the matter details
図18は、自己案件一覧画面504の代表画面図である。ユーザは自己案件一覧画面504の検索キー入力領域520に情報を入力し、検索ボタン522をクリックする。入力受付部426は検索キー入力領域520に入力された情報を取得し、取得された情報をキーとして案件情報保持部16を検索し、ログインしたユーザが属する企業の案件のうちキーに合致する案件を検索結果として生成する。表示制御部424は、自己案件一覧画面504の自己案件一覧表示領域524に、入力受付部426が取得した検索結果を表示する。
FIG. 18 is a representative screen diagram of the self-
ユーザが自己案件一覧表示領域524に表示された案件の案件番号リンク526をクリックすると、画面はクリックされた案件番号リンク526に対応する案件の案件詳細画面512へ遷移する。ユーザが案件検索ボタン528をクリックすると、画面は自社案件検索一覧画面508へ遷移する。ユーザが新規作成ボタン530をクリックすると、画面は案件新規作成画面506へ遷移する。
When the user clicks the case number link 526 of the case displayed in the own case
図19は、案件新規作成画面506の代表画面図である。案件新規作成画面506は、自動的に付与される案件番号を表示する案件番号表示領域532と、発明の名称入力領域534と、先行文献入力領域536と、提案書アップロードボタン538と、要素モデル編集領域540と、モデルボタン542と、関係性表現生成ボタン544と、特許請求の範囲編集領域546と、特許請求の範囲生成ボタン548と、を有する。
FIG. 19 is a representative screen diagram of the new
ユーザは、発明の名称入力領域534に発明の名称を入力する。ユーザは、先行文献入力領域536にクレーム生成の基とする先行文献の番号(出願番号、公開番号、特許番号等)を入力する。あるいはまた、先行文献の自動的な選択を望む場合、ユーザは提案書アップロードボタン538をクリックすることでファイルをアップロードするためのダイアログ(不図示)を表示させ、そのダイアログで発明提案書のファイルを指定する。ユーザ端末8は指定された発明提案書のファイルを作成支援サーバ14に送信する。作成支援サーバ14は、発明提案書のファイルを受信し、上述の通りキーワード作成、特許文献検索、先行文献特定を行う。表示制御部424は、特定された先行文献の番号を先行文献入力領域536に表示させる。
The user enters the title of the invention in the invention
ユーザがモデルボタン542をクリックするとモデル図が出力される。ユーザが要素モデル自動生成ボタン541をクリックすると、入力受付部426は、先行文献入力領域536に入力されている先行文献の番号をキーとして外部または内部の特許文献のデータベースから先行文献を取得する。表示制御部424は、要素モデル編集領域540において、フローチャートモデルに基づき先行文献のクレームを図形表示させる。
When the user clicks
要素モデル編集領域540に表示されるフローチャートモデルは、クレームの全体像を、インプット→処理(構成要件)→アウトプットで表現したものであり、インプット/アウトプット要素550と、構成要件552と、その他要件554と、を含む。ユーザは、要素モデル編集領域540に表示されているフローチャートモデルの要素に対して選択、移動、削除、追加等を行うことにより、新たな所望のモデルを生成する。
The flow chart model displayed in the element model editing area 540 expresses the overall picture of the claim in the order of input→processing (constituent feature)→output, and includes input/
図20は、構成要件モデル画面556の代表画面図である。ユーザが要素モデル編集領域540に表示される構成要件552をクリックすると、表示制御部424はクリックされた構成要件552に対応する構成要件モデル画面556を別画面のポップアップでディスプレイ100に表示させる。ユーザは構成要件モデル画面556において各構成要件を定義することができる。構成要件モデル画面556は、図解編集領域558と、構成要件詳細表示領域560と、生成テキスト表示領域562と、OKボタン564と、を有する。
FIG. 20 is a representative screen diagram of the configuration
図解編集領域558は、構成要件を処理とデータとに分けて図により表示する。処理の流れは実線で、データ間の関係性は破線で、それぞれ記載される。構成要件詳細表示領域560には、図解編集領域558に表示される図に対応するデータが表示されている。構成要件詳細表示領域560は、構成要件を「主体」、「データ」、「処理」、「部品」に分解した結果を表示する。ユーザが、図解編集領域558の要素に対して所望の編集を行うと、編集の結果が構成要件詳細表示領域560に反映される。このとき、「関連性」、「処理内容」については、確率言語モデル(Long Short-Term Memory, LSTM)を用いて、自動で推定し、自動補完を行う。その後、ユーザが手で修正することも可能である。このときその他の項目についても確率言語モデルを用いて候補を提示する。部品について、クレーム特有の言葉は、辞書として用意しておいてもよい。生成テキスト表示領域562は、構成要件詳細表示領域560に表示されるデータを用いて自動生成されたクレーム文言(構成要件に対応する文章)を表示する。OKボタン564がクリックされると画面は案件新規作成画面506に戻る。
The
図19に戻り、ユーザが要素モデル編集領域540において所望の編集を行い、関係性表現生成ボタン544をクリックすると、行われた編集が特許請求の範囲編集領域546に反映される。具体的には、入力受付部426は要素モデル編集領域540に表示されているフローチャートモデルの要素に対する変更を受け付ける。クレーム生成部428は、変更されたフローチャートモデルに基づいて新たなクレームの骨格(固定部)を生成する。表示制御部424は、案件新規作成画面506の特許請求の範囲編集領域546に、生成された固定部を表示する。クレーム生成部428は、過去の出現頻度情報から各固定部に対応する入力部の想定候補を補完する。ここで、確率言語モデルが用いられてもよい。ユーザは、特許請求の範囲編集領域546に表示される固定部および入力部を確認し、入力部に修正が必要な場合は入力支援機能を用いて修正する。
Returning to FIG. 19 , when the user performs desired editing in the element model editing area 540 and clicks the relationship
図21は、入力支援機能を説明するための模式図である。ユーザが特許請求の範囲編集領域546に表示される入力部のうちのひとつのセル566をクリックすると、過去の学習データから選択された複数のオートコンプリート候補568が表示される。ユーザが複数のオートコンプリート候補568のうちのひとつを選択すると、選択されたオートコンプリート候補568に対応するさらなる複数のオートコンプリート候補570が表示される。このように、連続でオートコンプリート候補を提案することで、入力を簡単化することができ、かつ、生成されるクレームを標準化することができる。
FIG. 21 is a schematic diagram for explaining the input support function. When the user clicks one
図19に戻り、ユーザが特許請求の範囲生成ボタン548をクリックすると、クレーム生成部428は特許請求の範囲編集領域546で編集された情報に基づいて新たなクレームを生成する。このクレームは、特許請求の範囲編集領域546で編集が行われない場合は、要素モデル編集領域540で編集されたフローチャートから生成されるクレームと同じである。表示制御部424は生成された新たなクレームを含む新規特許請求の範囲作成画面510をディスプレイ100に表示させる。
Returning to FIG. 19 , when the user clicks the
図22は、新規特許請求の範囲作成画面510の代表画面図である。新規特許請求の範囲作成画面510は、比較領域572と、可能性表示領域574と、戻るボタン576と、登録ボタン578と、を有する。比較領域572は、生成されたクレームと先行文献とを構成要件単位で比較した結果を表示する。比較領域572には、構成要件ごとに、クレームと各先行文献との類似度および類似箇所が表示される。可能性表示領域574は、特許を取得できる可能性を数値で表示する。ユーザが戻るボタン576をクリックすると画面は案件新規作成画面506に戻る。ユーザが登録ボタン578をクリックすると、入力受付部426は案件番号と発明の名称と先行文献と生成されたクレームとを対応付けて案件情報保持部16に登録する。併せて表示制御部424は、登録した内容を示す案件詳細画面512をディスプレイ100に表示させる。
FIG. 22 is a representative screen diagram of the new
図23は、自社案件検索一覧画面508の代表画面図である。ユーザは自社案件検索一覧画面508の検索キー入力領域580に情報を入力し、検索ボタン582をクリックする。入力受付部426は検索キー入力領域580に入力された情報を取得し、取得された情報をキーとして案件情報保持部16を検索し、検索結果を生成する。表示制御部424は、自社案件検索一覧画面508の検索結果一覧表示領域586に、入力受付部426が生成した検索結果を表示する。ユーザがIPC一覧ボタン584をクリックすると、画面はIPC分野一覧画面514に遷移する。
FIG. 23 is a diagram of a representative screen of the company case
ユーザが検索結果一覧表示領域586に表示された案件の案件番号リンク588をクリックすると、画面はクリックされた案件番号リンク588に対応する案件の案件詳細画面512へ遷移する。
When the user clicks the case number link 588 of the case displayed in the search result
図24は、案件詳細画面512の代表画面図である。表示制御部424は案件情報保持部16を参照して案件詳細画面512を生成し、ディスプレイ100に表示させる。案件詳細画面512は、案件番号を表示する案件番号表示領域590と、発明の名称を表示する発明の名称表示領域592と、先行文献の番号を表示する先行文献表示領域594と、クレームのフローチャートモデルを表示する要素モデル表示領域596と、クレームの固定部および入力部を表示する特許請求の範囲表示領域598と、案件コピーボタン802と、案件修正ボタン804と、を有する。ユーザが案件コピーボタン802をクリックすると、画面は、案件詳細画面512に表示される案件をコピーした案件新規作成画面506に遷移する。ユーザが案件修正ボタン804をクリックすると、画面は、案件詳細画面512に表示される案件の修正を受け付ける案件修正画面516に遷移する。
FIG. 24 is a representative screen diagram of the item details
図25は、案件修正画面516の代表画面図である。案件修正画面516の構成および修正処理の流れは、図19を参照して説明した案件新規作成画面506の構成および作成処理の流れと同様である。図25の例では、ユーザは要素モデル編集領域806において破線の円で囲った部分を修正し、関係性表現生成ボタン808をクリックする。すると、特許請求の範囲編集領域810の情報が更新されるので、ユーザは入力支援機能を用いながら必要に応じて特許請求の範囲編集領域810の入力部を調整する。調整後、ユーザが特許請求の範囲生成ボタン812をクリックすると、クレーム生成部428は特許請求の範囲編集領域810で編集された情報に基づいてクレームを修正する。表示制御部424は修正されたクレームを含む特許請求の範囲修正画面518をディスプレイ100に表示させる。
FIG. 25 is a representative screen diagram of the
図26は、特許請求の範囲修正画面518の代表画面図である。特許請求の範囲修正画面518の構成は、図22を参照して説明した新規特許請求の範囲作成画面510の構成と同様である。ユーザが戻るボタン814をクリックすると画面は案件修正画面516に戻る。ユーザが登録ボタン816をクリックすると、入力受付部426は案件番号と発明の名称と先行文献と修正されたクレームとを対応付けて案件情報保持部16に登録する。併せて表示制御部424は、修正内容が反映された案件詳細画面512をディスプレイ100に表示させる。
FIG. 26 is a representative screen diagram of the
以上の構成による作成支援サーバ14の動作を説明する。
図27は、図16の作成支援サーバ14における一連の処理の流れを示すフローチャートである。作成支援サーバ14は、ユーザのユーザ端末8からネットワーク6を介して発明提案書を受け付ける(S650)。作成支援サーバ14は、受け付けた発明提案書にキーワード抽出モデルを適用することで、キーワードを生成する(S652)。作成支援サーバ14は、生成されたキーワードに基づいて特許文献を検索する(S654)。作成支援サーバ14は、検索結果から先行文献を特定する(S656)。なお、ステップS650、S652、S654に加えてまたはその代わりに、ステップS656で、作成支援サーバ14はユーザ端末8から先行文献の番号を受信してもよい。作成支援サーバ14は、特定された先行文献のクレームを、ユーザ端末8のディスプレイ100に図形表示する(S658)。なお、ユーザに新規に一から図形を描かせてもよい。作成支援サーバ14は、表示された図形に対してユーザが行った変更を受け付ける(S660)。作成支援サーバ14は、変更された図形に基づく新たなクレームを生成する(S662)。
The operation of the
FIG. 27 is a flow chart showing a series of processes in the
上述の実施の形態において、保持部の例は、ハードディスクや半導体メモリである。また、本明細書の記載に基づき、各部を、図示しないCPUや、インストールされたアプリケーションプログラムのモジュールや、システムプログラムのモジュールや、ハードディスクから読み出したデータの内容を一時的に記憶する半導体メモリなどにより実現できることは本明細書に触れた当業者には理解される。 In the above-described embodiments, examples of holding units are hard disks and semiconductor memories. In addition, based on the description of this specification, each part is implemented by a CPU (not shown), an installed application program module, a system program module, a semiconductor memory that temporarily stores the contents of data read from the hard disk, etc. Those skilled in the art who have access to this specification will understand what is possible.
本実施の形態に係る作成支援サーバ14によると、ユーザはフローチャートモデルなどの図形を操作することで、所望のクレームを生成することができる。したがって、文章を直接操作するよりも直感的な操作が可能となり、ユーザ利便性が向上する。
According to the
また、本実施の形態に係る作成支援サーバ14では、特定された先行文献のクレームを修正するまたは変更する形で新たなクレームを生成する。したがって、一からクレームを生成する場合と比べてクレーム生成にかかる時間を短縮することができる。また、クレームの品質の均一化を図ることができる。
Moreover, the
以上、第2の実施の形態に係るクレーム作成支援システムの構成と動作について説明した。この実施の形態は例示であり、各構成要素や各処理の組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解される。 The configuration and operation of the claim drafting support system according to the second embodiment have been described above. Those skilled in the art will understand that this embodiment is merely an example, and that various modifications are possible in combination of each component and each process, and that such modifications are within the scope of the present invention.
(第5変形例)
第2の実施の形態では図形表示としてフローチャートモデルを採用する場合を説明したが、これに限られない。例えば、図形表示として格成分モデルを採用してもよい。
図28は、第5変形例に係る作成支援サーバ14が備える格成分テーブル818の一例を示すデータ構造図である。格成分テーブル818は、先行文献のクレームを格成分分析することで、または、新たなクレームを格成分分析することで、生成される。格成分分析は、例えば特開2015-072573号公報に記載される技術を用いて実現されてもよい。
(Fifth modification)
In the second embodiment, a case where a flowchart model is adopted as graphic display has been described, but the present invention is not limited to this. For example, a class component model may be employed as a graphic representation.
FIG. 28 is a data structure diagram showing an example of the constituent table 818 provided in the
作成支援サーバ14は、格成分テーブル818に登録されている単語を以下の三種類に分類する。
(1)クレームを構成する上で必要な単語
先行文献のクレームに登場し、かつ、先行文献のキーワードであるかそれに含まれ、かつ、先行文献の審査過程で引用された文献のキーワードに登場する。
(2)クレームを特徴付ける単語
先行文献のクレームに登場し、かつ、先行文献のキーワードであるかそれに含まれ、かつ、先行文献の審査過程で引用された文献のキーワードに登場しない。
(3)その他
The
(1) Words necessary for composing a claim Appearing in a claim of a prior art document and being or included in a keyword of the prior art document and appearing in a keyword of a document cited in the examination process of the prior art document .
(2) Words that characterize the claims appear in the claims of the prior art documents and are or are included in the keywords of the prior art documents and do not appear in the keywords of the documents cited during the examination of the prior art documents.
(3) Others
図29は、例示的な格成分モデル820を示す模式図である。表示制御部424は格成分テーブル818を参照して格成分モデル820を生成し、ユーザ端末8のディスプレイ100に表示させる。図19の案件新規作成画面506の要素モデル編集領域540の代わりに格成分モデル820が表示されてもよい。格成分モデル820において、主体は下向き矢印を伴う矩形で表示される。例えば主体「移動体」は矩形822で表示される。動詞は下向き矢印を受ける楕円で表示される。例えば動詞「有する」は楕円824で表示される。格成分は左向き矢印を伴う矩形で表示される。例えば格成分「画像処理装置を」は矩形826で表示される。
FIG. 29 is a schematic diagram illustrating an exemplary
格成分モデル820において、単語が属する種類に応じて単語の表示色が異なる。例えば、単語「移動体」は「(1)クレームを構成する上で必要な単語」に属するので青色で表示され、単語「搭乗席」は「(2)クレームを特徴付ける単語」に属するので赤色で表示され、単語「有する」は「(3)その他」に属するので黒色で表示される。
In the
図29に示される格成分モデル820の状態は、最もコンパクトな状態または最も折り畳まれた状態である。ユーザはプラスボタン828をクリックすることで、折り畳まれて見えなくなっている部分を表示させることができる。
The state of the
図30は、プラスボタン828をクリックした後の格成分モデル820の要部を示す模式図である。プラスボタンがクリックされると、対応する要素について隠されていた下位の階層やつながりが表示される。「つながり」とは、クレームで「前記」と表現されている部分のつながりを破線で表現したものである。図30の例では、格成分「画像処理装置を」に対応する矩形832には、図29の格成分モデル820では隠されていた下位の階層が表示される。特に、矩形832の内部で、主体「画像取得装置」は矩形834で表示され、動詞「取得する」は楕円836で表示され、格成分「搭乗者の体験に応じた体験画像を」は矩形838で表示される。
FIG. 30 is a schematic diagram showing the main part of the
図29のプラスボタン828は図30ではマイナスボタン830で置き換えられ、ユーザがマイナスボタン830をクリックすると表示は図29の格成分モデル820の状態に戻る。ユーザが、単語「搭乗者」に関連付けて表示されるプラスボタン840をクリックすると、単語「搭乗者」に関するより下位の階層やつながりが表示される。
The
図31は、プラスボタン840をクリックした後の格成分モデル820の要部を示す模式図である。単語「搭乗者」に関連付けられたプラスボタン840のクリックにより、クレームで「前記」されている複数の単語「搭乗者」の間が破線842でつながれる。図30のプラスボタン840は図30ではマイナスボタン844で置き換えられ、ユーザがマイナスボタン844をクリックすると表示は図30の格成分モデル820の状態に戻る。
FIG. 31 is a schematic diagram showing the main part of the
図19の案件新規作成画面506の要素モデル編集領域540と同様に、格成分モデル820は表示される要素に対する編集を受け付け可能に構成される。特にユーザは格成分モデル820に対して以下の三つの編集を行うことができる。
(1)要素の文言の修正
(2)格成分の削除
(3)格成分の追加
Similar to the element model editing area 540 of the item
(1) Modification of element wording (2) Deletion of case components (3) Addition of case components
図32は、図29の格成分モデル820を修正することによって得られた格成分モデル850を示す模式図である。ユーザは、図29の格成分モデル820に表示されている格成分「把持対象のステレオ画像を撮像するよう」の矩形846に対して、単語「ステレオ画像」を単語「取手部分」に修正する。またユーザは、図29の格成分モデル820に表示されている格成分「撮像範囲が重複するように」の矩形848を削除する。その結果、図30に示される格成分モデル850において、格成分「把持対象のステレオ画像を撮像するよう」の矩形846は格成分「把持対象の取手部分を撮像するように」の矩形852に置き換えられ、格成分「撮像範囲が重複するように」の矩形848は表示されなくなる。
FIG. 32 is a schematic diagram showing a
作成支援サーバ14は、修正された格成分モデル850に従って、再度、格成分テーブル818を更新し、クレーム(文章)を生成する。なお、図形と生成された特許請求の範囲との、どちらからでも、文言の修正を可能とし、常に同期をとるようにする。
The
第1の実施の形態および関連する変形例に係る技術的思想は以下の項目により表されてもよい。
(項目1)
情報を受け付ける受付手段と、
過去の出願から抽出された情報と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた情報を適用する適用手段と、
適用の結果得られた請求の範囲を提供する提供手段と、を備える作成装置。
(項目2)
提供された前記請求の範囲に対する修正を受け付ける修正手段をさらに備え、
前記提供手段は、受け付けた修正が反映された請求の範囲を提供する項目1に記載の作成装置。
(項目3)
受け付けた修正に基づいて前記モデルを更新する更新手段をさらに備える項目2に記載の作成装置。
(項目4)
前記受付手段は、課題を受け付け、
前記モデルは、過去の出願から抽出された情報と該出願の課題と該出願の請求の範囲とを機械的に学習することにより生成され、
前記適用手段は、前記モデルに、受け付けた情報と課題とを適用する項目1から3のいずれか一項に記載の作成装置。
(項目5)
過去の出願の情報を保持する保持手段と、
前記保持手段を参照することで前記モデルを生成する学習手段と、をさらに備える項目1から4のいずれか一項に記載の作成装置。
(項目6)
前記学習手段は、前記保持手段に保持される過去の出願の情報うち、質に関する所定の基準を満たさない過去の出願の情報は参照しない項目5に記載の作成装置。
(項目7)
情報はキーワードまたは画像である項目1から6のいずれか一項に記載の作成装置。
(項目8)
情報を受け付けることと、
過去の出願から抽出された情報と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた情報を適用することと、
適用の結果得られた請求の範囲を提供することと、を含む作成方法。
(項目9)
情報を受け付ける機能と、
過去の出願から抽出された情報と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた情報を適用することで得られた請求の範囲を、提供する機能と、をコンピュータに実現させるためのコンピュータプログラム。
Technical ideas according to the first embodiment and related modifications may be expressed by the following items.
(Item 1)
a receiving means for receiving information;
applying means for applying received information to a model generated by mechanically learning information extracted from a past application and the claims of the application;
and a providing means for providing claims resulting from the application.
(Item 2)
further comprising an amendment means for accepting amendments to the provided claims;
2. The creating apparatus according to
(Item 3)
3. The production device according to
(Item 4)
The reception means receives an assignment,
The model is generated by mechanically learning information extracted from past applications, issues of the applications, and claims of the applications,
4. The creating apparatus according to any one of
(Item 5)
a holding means for holding information of past applications;
5. The creation device according to any one of
(Item 6)
6. The creation apparatus according to
(Item 7)
7. A production device according to any one of
(Item 8)
receiving information; and
Applying the received information to a model generated by machine-learning information extracted from a previous application and the claims of that application;
providing a claim resulting from the application.
(Item 9)
the ability to receive information;
A function that provides claims obtained by applying received information to a model generated by mechanical learning of information extracted from past applications and the claims of the said applications. A computer program for realizing , on a computer.
第2の実施の形態および関連する変形例に係る技術的思想は以下の項目により表されてもよい。
(項目10)
過去の出願の請求の範囲に含まれる請求項をディスプレイに図形表示させる表示制御手段と、
表示された図形に対する変更を受け付ける受付手段と、
変更された図形に基づいて新たな請求項をテキスト形式で生成する生成手段と、を備える作成支援装置。
(項目11)
前記表示制御手段は、フローチャートモデルに基づき請求項を図形表示させ、
前記受付手段は、フローチャートの要素に対する変更を受け付ける項目10に記載の作成支援装置。
(項目12)
前記表示制御手段は、格成分モデルに基づき請求項を図形表示させ、
前記受付手段は、格成分に対する変更を受け付ける項目10に記載の作成支援装置。
(項目13)
技術文献の情報を受け付ける手段と、
過去の出願から抽出されたキーワードと該出願の課題と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた前記技術文献の情報を適用する適用手段と、
適用の結果得られたキーワードを用いて、前記過去の出願を特定する特定手段と、をさらに備える項目10から12のいずれか一項に記載の作成支援装置。
(項目14)
過去の出願の請求の範囲に含まれる請求項をディスプレイに図形表示させることと、
表示された図形に対する変更を受け付けることと、
変更された図形に基づいて新たな請求項をテキスト形式で生成することと、を含む作成支援方法。
(項目15)
過去の出願の請求の範囲に含まれる請求項をディスプレイに図形表示させる機能と、
表示された図形に対する変更を受け付ける機能と、
変更された図形に基づいて新たな請求項をテキスト形式で生成する機能と、をコンピュータに実現させるためのコンピュータプログラム。
Technical ideas according to the second embodiment and related modifications may be expressed by the following items.
(Item 10)
Display control means for graphically displaying the claims included in the claims of the past application on a display;
receiving means for receiving changes to the displayed figure;
A creation support device, comprising a creation means for creating a new claim in text format based on the changed figure.
(Item 11)
The display control means graphically displays the claims based on the flowchart model,
11. The creation support device according to
(Item 12)
The display control means graphically displays the claims based on the case component model,
11. The creation support device according to
(Item 13)
means for receiving information in technical literature;
Application means for applying information of the received technical document to a model generated by mechanically learning keywords extracted from past applications, problems of the applications, and claims of the applications;
13. The creation support apparatus according to any one of
(Item 14)
Graphically presenting on a display claims included in the claims of the prior application;
accepting changes to the displayed geometry;
generating a new claim in text form based on the modified figure.
(Item 15)
A function to graphically display the claims included in the claims of the past application on the display;
the ability to accept changes to the displayed figure;
A computer program for causing a computer to implement a function of generating a new claim in a text format based on a modified figure.
2 クレーム作成支援システム、 4 作成サーバ、 6 ネットワーク、 8 ユーザ端末。
2 Complaint
Claims (3)
異なるクレーム構造に対応する複数のクレーム作成モデルであって、各々が過去の出願から抽出された情報と該出願の請求の範囲とを機械学習することにより生成されたモデルである前記複数のクレーム作成モデルのうちで、ユーザ入力に基づいて選択されるモデルに、受け付けた情報を適用する適用手段と、
適用の結果得られた請求の範囲を提供する提供手段と、を備える作成装置。 a receiving means for receiving information;
A plurality of claim drafting models corresponding to different claim structures, each of which is a model generated by machine learning of information extracted from a previous application and the claims of the previous application. means for applying the received information to one of the models selected based on user input;
and a providing means for providing claims resulting from the application.
前記適用手段は、選択した前記お手本出願のクレームの構造に対応するクレーム作成モデルを、前記受け付けた情報を適用すべきモデルとして選択する、
請求項1に記載の作成装置。 The receiving means selects a model application based on the user input,
The applying means selects a claim drafting model corresponding to the structure of the claims of the selected model application as a model to which the received information should be applied.
The production device according to claim 1.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018131800A JP7303614B2 (en) | 2018-07-11 | 2018-07-11 | making device |
JP2023103543A JP7522267B2 (en) | 2018-07-11 | 2023-06-23 | Creation support device, creation support method, and computer program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018131800A JP7303614B2 (en) | 2018-07-11 | 2018-07-11 | making device |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023103543A Division JP7522267B2 (en) | 2018-07-11 | 2023-06-23 | Creation support device, creation support method, and computer program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020009330A JP2020009330A (en) | 2020-01-16 |
JP7303614B2 true JP7303614B2 (en) | 2023-07-05 |
Family
ID=69151959
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018131800A Active JP7303614B2 (en) | 2018-07-11 | 2018-07-11 | making device |
JP2023103543A Active JP7522267B2 (en) | 2018-07-11 | 2023-06-23 | Creation support device, creation support method, and computer program |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023103543A Active JP7522267B2 (en) | 2018-07-11 | 2023-06-23 | Creation support device, creation support method, and computer program |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7303614B2 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USD929184S1 (en) | 2019-11-15 | 2021-08-31 | Pacific Market International, Llc | Beverage container |
JP7438769B2 (en) * | 2020-01-30 | 2024-02-27 | 株式会社野村総合研究所 | Sentence structure drawing device |
JP7564914B1 (en) | 2023-06-13 | 2024-10-09 | 楽天グループ株式会社 | Intellectual property management support system, method, and program using large-scale language model |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003242146A (en) | 2002-02-15 | 2003-08-29 | Hidekazu Tanigawa | Specification preparation support device and program therefor |
US20030196173A1 (en) | 2002-02-18 | 2003-10-16 | Petruzzi James D. | Machine for drafting a patent application and process for doing same |
JP2005528672A (en) | 2001-08-31 | 2005-09-22 | ジナン グラスゴー, | Automated systems and methods for patent drafting and technical evaluation |
WO2006033210A1 (en) | 2004-08-19 | 2006-03-30 | Kenji Sato | Claim creation assisting method and application examination assisting methods |
US20130198092A1 (en) | 2012-02-01 | 2013-08-01 | Benedict R. Dugan | Computer-assisted patent application preparation |
JP2016091078A (en) | 2014-10-30 | 2016-05-23 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | Generation apparatus, generation method, and program |
JP2018045531A (en) | 2016-09-15 | 2018-03-22 | ヤフー株式会社 | Information processing device, information processing method, and program |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09153033A (en) * | 1995-11-29 | 1997-06-10 | Toshiba Corp | Method and device for document preparation |
JP4102897B2 (en) | 2002-08-14 | 2008-06-18 | 正敏 渋谷 | Patent specification debugging tool and patent specification debugging tool program |
JP6006023B2 (en) | 2012-07-01 | 2016-10-12 | 技術経営ソリューション株式会社 | Patent specification analysis display device |
JP6232736B2 (en) | 2013-05-08 | 2017-11-22 | 株式会社リコー | Document reading support device, document reading support system, document reading support method and program |
JP6206874B2 (en) | 2013-10-02 | 2017-10-04 | 株式会社野村総合研究所 | Case component extraction program |
US10417341B2 (en) * | 2017-02-15 | 2019-09-17 | Specifio, Inc. | Systems and methods for using machine learning and rules-based algorithms to create a patent specification based on human-provided patent claims such that the patent specification is created without human intervention |
JP2018205945A (en) * | 2017-06-01 | 2018-12-27 | 株式会社Personal AI | Automatic dialogue response document creation artificial intelligence device |
JP6306786B1 (en) | 2017-08-17 | 2018-04-04 | 株式会社ゴールドアイピー | Intellectual property support apparatus, intellectual property support method, and intellectual property support program |
JP6506439B1 (en) * | 2018-03-30 | 2019-04-24 | 株式会社AI Samurai | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM |
-
2018
- 2018-07-11 JP JP2018131800A patent/JP7303614B2/en active Active
-
2023
- 2023-06-23 JP JP2023103543A patent/JP7522267B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005528672A (en) | 2001-08-31 | 2005-09-22 | ジナン グラスゴー, | Automated systems and methods for patent drafting and technical evaluation |
JP2003242146A (en) | 2002-02-15 | 2003-08-29 | Hidekazu Tanigawa | Specification preparation support device and program therefor |
US20030196173A1 (en) | 2002-02-18 | 2003-10-16 | Petruzzi James D. | Machine for drafting a patent application and process for doing same |
WO2006033210A1 (en) | 2004-08-19 | 2006-03-30 | Kenji Sato | Claim creation assisting method and application examination assisting methods |
US20130198092A1 (en) | 2012-02-01 | 2013-08-01 | Benedict R. Dugan | Computer-assisted patent application preparation |
JP2016091078A (en) | 2014-10-30 | 2016-05-23 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | Generation apparatus, generation method, and program |
JP2018045531A (en) | 2016-09-15 | 2018-03-22 | ヤフー株式会社 | Information processing device, information processing method, and program |
Non-Patent Citations (1)
Title |
---|
谷川英和、田中克己,3種類の特許部品データベースに基づく特許明細書自動生成エンジンの構築,情報処理学会論文誌,日本,社団法人情報処理学会,2006年06月15日,第47巻,No.SIG8(TOD30),pp.90-104,ISSN 0387-5806 |
Also Published As
Publication number | Publication date |
---|---|
JP2020009330A (en) | 2020-01-16 |
JP7522267B2 (en) | 2024-07-24 |
JP2023112150A (en) | 2023-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ravindran | Data analysis in qualitative research | |
JP7522267B2 (en) | Creation support device, creation support method, and computer program | |
JP7496205B2 (en) | Creation support device and program | |
US8520978B2 (en) | Methods, computer program products, apparatuses, and systems for facilitating viewing and manipulation of an image on a client device | |
US9928242B2 (en) | Managing the content of shared slide presentations | |
EP3857484A1 (en) | Document contribution management system | |
US9507758B2 (en) | Collaborative matter management and analysis | |
US9251130B1 (en) | Tagging annotations of electronic books | |
US11900046B2 (en) | Intelligent feature identification and presentation | |
US20220414317A1 (en) | Method and System for Intelligently Detecting and Modifying Unoriginal Content | |
US20160259781A1 (en) | Language translation for multi-function peripherals | |
CN109960721A (en) | Multiple Compression based on source contents constructs content | |
US20220083617A1 (en) | Systems and methods for enhanced online research | |
JP2019101944A (en) | Intellectual Property System, Intellectual Property Support Method and Intellectual Property Support Program | |
JP5835224B2 (en) | Input support program, input support apparatus, and input support method | |
US20230143597A1 (en) | Methods to infer content relationships from user actions and system automations | |
JP2019114308A (en) | Intellectual Property System, Intellectual Property Support Method and Intellectual Property Support Program | |
JP7438769B2 (en) | Sentence structure drawing device | |
US20230351091A1 (en) | Presenting Intelligently Suggested Content Enhancements | |
JP6531302B1 (en) | Intellectual Property System, Intellectual Property Support Method and Intellectual Property Support Program | |
US20230161949A1 (en) | Intelligent content identification and transformation | |
US11790019B2 (en) | Searching and sharing content with an overlaid interface | |
CN118154726B (en) | Resource processing design method and device based on large language model and computer equipment | |
US11914581B2 (en) | Graphic search bar with responsive results | |
US20240161217A1 (en) | Method For Managing Testimony in Legal Proceedings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210706 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220916 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230303 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230418 |
|
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: 20230526 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230623 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7303614 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |