WO2008075744A1 - 情報処理装置、提携先を選定するための情報を生成する方法、およびプログラム - Google Patents

情報処理装置、提携先を選定するための情報を生成する方法、およびプログラム Download PDF

Info

Publication number
WO2008075744A1
WO2008075744A1 PCT/JP2007/074570 JP2007074570W WO2008075744A1 WO 2008075744 A1 WO2008075744 A1 WO 2008075744A1 JP 2007074570 W JP2007074570 W JP 2007074570W WO 2008075744 A1 WO2008075744 A1 WO 2008075744A1
Authority
WO
WIPO (PCT)
Prior art keywords
holder
class
information
patent data
evaluation
Prior art date
Application number
PCT/JP2007/074570
Other languages
English (en)
French (fr)
Inventor
Hiroaki Masuyama
Norio Araki
Kazumi Hasuko
Toshiro Ohsaki
Original Assignee
Intellectual Property Bank Corp.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Intellectual Property Bank Corp. filed Critical Intellectual Property Bank Corp.
Priority to JP2008550185A priority Critical patent/JPWO2008075744A1/ja
Publication of WO2008075744A1 publication Critical patent/WO2008075744A1/ja

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management

Definitions

  • Information processing apparatus method for generating information for selecting partner, and program
  • the present invention relates to an information processing technique for analyzing a plurality of technical documents, and more particularly to a technique for selecting an optimal alliance destination between companies using the technical documents.
  • Patent Document 1 discloses a merger / acquisition support system for searching for M & A partners. Specifically, the merger / acquisition support system described in Patent Document 1 provides information indicating the contents of the seller company (information on company size, industry, financial status, products handled, etc.) and the conditions of the company that the buyer company wishes to acquire ( It has a database that stores information such as company size, industry, financial status, and products handled. When the above merger / acquisition support system accepts the conditions of a buyer company from a buyer company, it searches the database according to the condition and outputs information of a seller company that meets the above conditions to the buyer company.
  • the above merger / acquisition support system accepts the conditions of a buyer company from a buyer company, it searches the database according to the condition and outputs information of a seller company that meets the above conditions to the buyer company.
  • Patent Document 1 Japanese Patent Application Laid-Open No. 2004-318379
  • Patent Document 1 is a database search technology that searches for seller companies registered in a database using the company size of the acquisition destination and the products handled as keywords. In consideration of technical characteristics (strengths and weaknesses), this is not to select the optimal alliance destination.
  • the present invention has been made in view of the above circumstances, and an object of the present invention is to make it possible to efficiently select an optimal alliance destination using technical information such as a patent gazette. It is in.
  • the first aspect of the present invention is applied to an information processing apparatus that acquires a plurality of patent data and performs various information processing using the acquired patent data.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • the information processing apparatus uses the means for classifying the acquired patent data into classes for each predetermined technical field and the attribute information of the patent data belonging to each class, and evaluates each class for each class.
  • a partner selection information generating means for generating information for selecting the partner of the received target holder using the obtained overall distribution tendency and each of the above-mentioned created holder evaluation information.
  • the information generation means includes combined evaluation information obtained by adding, for each class, nominee evaluation information of a candidate nominee who is each nominee other than the subject nominee, and nominee evaluation information of the nominee for each subject. Obtained for each candidate holder, for each of the obtained composite evaluation information, obtain a composite distribution tendency indicating the distribution tendency of the value for each class, and indicate the degree of approximation of the obtained composite distribution tendency with respect to the overall distribution tendency Find the combined approximation.
  • the distribution tendency of the value for each class of the composite evaluation information obtained by adding the holder evaluation information of the target holder and the holder evaluation information of the candidate holder Get The degree of approximation (composite approximation) with the distribution tendency of the evaluation value for each class of the entire patent data is obtained.
  • This composite approximation indicates how similar the distribution tendency of the value for each class of the composite evaluation information is to the distribution tendency of the evaluation value for each class of the acquired patent data! .
  • the distribution tendency of the evaluation value for each class of the acquired patent data indicates the social technology distribution of the entire technical area related to the acquired patent data. It is desirable for each company to have a technology portfolio that approximates the above social technology allocation. Therefore, by referring to each synthetic approximation, it is possible to determine which candidate nominee can hold a technology portfolio that approximates the above social technology allocation by making a technical alliance. In other words, according to the first aspect, it becomes possible to efficiently select an optimal alliance destination.
  • the partner selection information generation means obtains a nominee distribution tendency indicating a distribution tendency of values for each class of the nominee evaluation information of the subject nominee, and the obtained nominee A target holder approximation degree indicating an approximation degree of the cloth tendency to the overall distribution tendency is obtained, and a higher one than the target holder approximation degree is selected from the obtained synthetic approximation degrees, and the selected synthetic approximation degree is possessed.
  • the composite evaluation information may be specified, and a candidate holder corresponding to the holder evaluation information used for calculating the specified composite evaluation information may be selected as a recommended partner.
  • a second aspect of the present invention for solving the above-described problem is that an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data Applies to
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • the information processing apparatus uses the means for classifying the acquired patent data into classes for each predetermined technical field and the attribute information of the patent data belonging to each class, and evaluates each class for each class. And calculate the patent data for each class and belonging to the class.
  • a means for calculating an evaluation value for each holder for each name of the data, and a complementary reference vector having the evaluation value for each class as an element, and for each holder, for each holder of the holder Means for generating a nominee evaluation vector having an evaluation value for each lath as an element, means for accepting designation of a target nominee who is the subject of analysis, the generated complementary reference vector, and each of the generated nominee evaluations
  • a partner selection information generating means for generating information for selecting a partner of the received target holder using the vector, the partner selection information generating means other than the target holder
  • a combined evaluation vector obtained by adding the holder evaluation vector of the candidate holder who is each holder and the holder evaluation vector of the target holder is obtained for each of the combined evaluation vectors. Comment Calcul
  • a complementary reference vector having the evaluation value for each class of the entire patent data as elements is obtained, and each of the candidate holder's holder evaluation vectors and the target holder's A composite evaluation vector obtained by adding the nominee evaluation vector is obtained.
  • the cosine (combined cosine) of the composite evaluation vector and the complementary reference vector is calculated.
  • the spatial distance between the composite evaluation vector and the complementary reference vector can be quantitatively grasped. Therefore, the analyst can grasp the tie-up effect for each candidate holder numerically by using this synthetic cosine.
  • the partner selection information generation means calculates a target holder cosine that is a cosine of the target holder evaluation vector of the target holder and the complementary reference vector, and generates the composite cosine.
  • a string higher than the target holder cosine is selected from the strings, the combined evaluation vector used for calculating the selected combined cosine is specified, and the specified person evaluation vector used for calculating the specified combined evaluation vector is identified.
  • the candidate holder may be selected as a recommended partner.
  • the evaluation value for each class is the evaluation value for each class for each holder. It is assumed that the evaluation value for each class of each holder is a value normalized using the evaluation value for each class.
  • a third aspect of the present invention for solving the above problem is an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • the information processing apparatus uses the means for classifying the acquired patent data into classes for each predetermined technical field and the attribute information of the patent data belonging to each class, to each class and to the class.
  • Means for calculating an evaluation value for each holder of patent data to which the data belongs means for receiving designation of a target holder who is the holder of the analysis target, and using the calculated evaluation value,
  • a recommended partner selection means for selecting a partner for each class wherein the recommended partner selection means is each holder other than the target holder for at least one of the classified classes.
  • a total value obtained by adding the evaluation value in the class of the candidate holder and the evaluation value in the class of the target holder is obtained for each candidate holder, and the candidate holder obtained using the total value is obtained. Guess in the class Selected as a partner.
  • the third aspect for each classified technical field, for example, it is possible to select a partner that can improve the technical capability of a predetermined level or more. For this reason, the third mode is effective when, for example, a technical field in which an alliance is to be established is assumed.
  • a fourth aspect of the present invention for solving the above problem is an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • the information processing apparatus uses the means for classifying the acquired patent data into classes for each predetermined technical field and the attribute information of the patent data belonging to each class.
  • a class-by-class evaluation value is calculated for each class
  • a class-by-class evaluation value is calculated for each class and for each holder of patent data belonging to the class
  • the calculated class-by-name class A means for calculating the evaluation value for each standardized holder for each standardized value using the evaluation value for each class, and the evaluation value for each standardized holder for each class
  • a partner selection information generating unit that generates information for selecting a partner of the received target holder using the evaluation information, and the partner selection information generating unit includes the target holder Nominee evaluation information and the subject nominee
  • a fifth aspect of the present invention for solving the above problem is an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • the information processing apparatus uses the means for classifying the acquired patent data into classes for each predetermined technical field and the sex information of the patent data belonging to each class, and evaluates the evaluation value for each class. And an evaluation value for each class for each holder and for each holder of patent data belonging to the class, and for each calculated class for each holder.
  • a means for calculating an evaluation value for each standardized holder for each class obtained by standardizing an evaluation value for each class using the evaluation value for each class, and for each class using the evaluation value for each class of the standardized holder Means for generating information in which an evaluation value for each class of standardized name holders belonging to the class is associated, processing the generated information into information that can be visualized, and outputting the information.
  • the standardized evaluation value indicating the technical capability of each holder is visualized and output for each technical field.
  • This configuration enables relative comparisons between technical fields that are difficult to compare directly due to differing absolute value criteria. For example, it is possible to grasp the strengths and weaknesses of the technology owned by the company based on a relative comparison with other companies. As a result, the analyst can select the alliance destination after understanding the balance of the technical capabilities of the company and other companies by viewing the output information.
  • the partner selection information generation method including the same steps as the method executed by each of the above devices, and the same processing as the processing executed by each of the above devices Is a partner selection information generation program that can be executed by a computer.
  • This program may be recorded on a recording medium such as an FD, CDROM, or DVD, or may be transmitted / received over a network.
  • a sixth aspect of the present invention for solving the above problem is an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data. Applicable.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • Means for classifying each acquired patent data into a class for each predetermined technical field means for receiving designation of a target holder who is a holder of an analysis target;
  • the evaluation value for each class is calculated for each class, and among the patent data belonging to each class, the candidate nominee who is each nominee other than the subject nominee Means for calculating a composite evaluation value for each of the classes and for each candidate holder using the attribute information of the patent data and the attribute information of the patent data of the subject holder; Obtaining an overall distribution tendency indicating a distribution tendency of the evaluation value for each class, obtaining a composite distribution tendency indicating a distribution tendency of the composite evaluation value for each class for each candidate holder; And an alliance partner selection information generating means for generating information for selecting the alliance partner of the received target holder using the obtained composite distribution tendency,
  • the partner selection information generating means is
  • a seventh aspect of the present invention for solving the above problem is an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data. Applicable.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • Means for classifying each acquired patent data into a class for each predetermined technical field means for receiving designation of a target holder who is a holder of an analysis target;
  • the evaluation value for each class is calculated for each class, and among the patent data belonging to each class, the candidate nominee who is each nominee other than the subject nominee Means for calculating a composite evaluation value for each of the classes and for each candidate holder using the attribute information of the patent data and the attribute information of the patent data of the subject holder;
  • the partner selection information generating means is
  • a composite cosine that is a cosine of the composite evaluation vector and the complementary reference vector is calculated.
  • the spatial distance between the composite evaluation vector and the complementary reference vector can be quantitatively grasped. . Therefore, the analyst can use this synthetic cosine to determine the tie-up effect of each candidate holder with numerical values.
  • An eighth aspect of the present invention for solving the above problem is an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data. Applicable.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • Means for classifying each acquired patent data into a class for each predetermined technical field means for receiving designation of a target holder who is a holder of an analysis target;
  • the attribute information of the patent data of the candidate holders who are holders other than the target holder For at least one of the classified classes, among the patent data belonging to the class, the attribute information of the patent data of the candidate holders who are holders other than the target holder
  • a recommended partner selection means for selecting a candidate holder obtained using the calculated composite evaluation value as a partner for each class of the received target holder.
  • the eighth aspect for each classified technical field, for example, it is possible to select an alliance partner capable of improving the technical ability at a predetermined level or higher. Therefore, the eighth aspect is effective when, for example, a technical field in which an alliance is to be established can be assumed.
  • a ninth aspect of the present invention for solving the above problem is an information processing apparatus that acquires a plurality of patent data and performs various types of information processing using the acquired patent data.
  • the patent data includes information indicating the owner of the patent data and attribute information of the patent data.
  • Means for classifying each acquired patent data into a class for each predetermined technical field means for receiving designation of a target holder who is a holder of an analysis target;
  • the evaluation value for each class and the evaluation value for each class of the subject holder are calculated, and among the patent data belonging to each class, The attribute information of the patent data of the candidate holder who is each holder other than the target holder and the attribute information of the patent data of the target holder are used for each class and the candidate holder.
  • a composite evaluation value is calculated for each class, and further, the standardized evaluation value for each class of holders and the standardized synthesis value are standardized using the class-specific evaluation values.
  • the target holder's holder evaluation information is created, and for each candidate holder using the standardized composite evaluation value, Information for selecting a partner of the received target holder using the means for generating the composite evaluation information in which the standardized composite evaluation value of the person is associated, and the created right holder evaluation information and the composite evaluation information.
  • the partner selection information generating means is
  • the ninth aspect when a technical tie-up is made for each holder of an alliance candidate, it is possible to identify a technical field that can most effectively obtain the technical tie-up. For this reason, for example, when a nominee (for example, a company) that can form an alliance is narrowed down due to a competitive relationship with the company, the technical alliance is established for each narrowed-down company by using the ninth mode. Can understand the technical fields where It is also possible to use the ninth aspect. Thus, for example, it is possible to obtain a local alliance effect after identifying a technical field where the effect of the technical alliance is large even with companies that cannot obtain a comprehensive alliance effect.
  • the composite evaluation value calculation means includes:
  • a patent score that is equal to or higher than a predetermined threshold value is selected from among the patent scores of patent data belonging to the class, and a value obtained by adding the selected patent scores is calculated as the combined evaluation value.
  • the patent score may be a value standardized in a patent group of a population including a class for which the composite evaluation value is calculated.
  • the patent score is a classification of the patent data into groups for each technical field and every predetermined period, and for each classified group, information on the progress of patent data belonging to the group is obtained. And the calculated value for each patent data. May be.
  • FIG. 1 is a functional block diagram of an information processing apparatus to which an embodiment of the present invention is applied.
  • FIG. 2 is a hardware configuration diagram of the information processing apparatus 1 according to the embodiment.
  • FIG. 3 is a diagram schematically illustrating a data structure of patent data stored in a storage device.
  • FIG. 4 is a flow chart showing partner selection information generation processing of the information processing apparatus of the embodiment.
  • FIG. 5 A conceptual diagram for explaining the outline of the degree of technical complementation and the level of technical plowing.
  • FIG. 6 is a conceptual diagram showing an example of patent data acquisition processing.
  • FIG. 7 is a conceptual diagram showing an example of cluster analysis results and classification for each applicant.
  • FIG. 8 A bar graph showing evaluation values for each class for each holder.
  • FIG. 9 A bar graph showing the evaluation value for each class for each standardized holder.
  • FIG. 10 is a flowchart for explaining the details of the processing for calculating the degree of technical complement in FIG.
  • FIG. 11 is a table exemplifying the calculation result of the technology complementation degree calculation process according to this embodiment.
  • FIG. 12 is a flowchart for explaining the details of the processing for calculating the technical depth in FIG.
  • FIG. 13 is a table exemplifying calculation results of technical deep plowing calculation processing according to this embodiment.
  • FIG. 14 is a table exemplifying the calculation results of the technical plowing degree and technical complementation degree calculation processing according to this embodiment.
  • FIG. 15 is an example of an alliance distribution diagram output according to an embodiment of the present invention.
  • FIG. 16 is a flowchart for explaining processing for generating the graph of FIG.
  • FIG. 17 is a flowchart showing partner selection information generation processing of the information processing apparatus of Modification 8.
  • FIG. 18 Distribution of evaluation values for each class using the patent score of Modification 8 and evaluation values for each class using the patent impact index and progress information index of the above embodiment. Is shown in relation to the number of publications.
  • FIG. 19 is a diagram schematically showing an example of the data structure of content information used in Modification 8.
  • FIG. 20 is a diagram schematically showing an example of the data structure of progress information used in Modification 8.
  • FIG. 21 is a flowchart showing the procedure of a patent score calculation process in Modification 8.
  • FIG. 22 is a flowchart showing details of a process for calculating a patent score of Modification 8.
  • Data acquisition unit 110: Cluster analysis unit, 120: Evaluation value calculation unit, 125: Technical complement calculation unit, 130: Technical deep-plow calculation unit, 135: Output unit
  • FIG. 1 is a functional block diagram of an information processing apparatus to which an embodiment of the present invention is applied.
  • the information processing apparatus 1 that generates information for selecting a partner is the patent data of the holder of the analysis target (target holder) and the holder of the holder other than the target holder (candidate holder).
  • a storage device 2 that stores various information such as 200, an input device 3 that receives various requests from analysts, and an output device 4 that outputs partner selection information generated by the information processing device 1 are connected to each other. Yes.
  • the information processing device 1 and the storage device 2 are taken as an example when they are connected via a network such as a LAN (Local Area Network). Further, the information processing device 1 and the input device 3 are locally connected, and the information processing device 1 and the output device 4 are locally connected.
  • a network such as a LAN (Local Area Network).
  • the information processing apparatus 1 includes a control unit 100, a data acquisition unit 105, a cluster analysis unit 110, an evaluation value calculation unit 120, a technology complementation degree calculation unit 125, a technology plowing degree calculation unit 130, and an output unit 135.
  • the control unit 100 controls the overall operation of the information processing apparatus 1.
  • the control unit 100 receives various requests from the analyst via the input device 3.
  • the control unit 100 can analyze The information that specifies the technical domain of the patent data to be analyzed and the information to specify the holder of the analysis target (target holder) are received.
  • the data acquisition unit 105 accesses the storage device 2, stores various data in the storage device 2, and reads out data stored in the storage device 2. For example, the data acquisition unit 105 receives the technical area of the patent data to be analyzed requested by the user (analyzer) via the control unit 100. Then, the data acquisition unit 105 accesses the storage device 2 and reads out patent data belonging to the accepted technical field from the patent data 200 stored in the storage device 2. In addition, the data acquisition unit 105 reads information indicating the owner of the read patent data and attribute information (content information, progress information, etc.). Details of the information to be read will be described later.
  • the cluster analysis unit 110 classifies the plurality of patent data acquired by the data acquisition unit 105 into classes for each predetermined technical field. For example, the cluster analysis unit 110 generates a document vector based on each piece of content information of patent data, and performs cluster analysis based on the similarity between the document vectors, thereby obtaining a plurality of patent data. Classify into classes for specific technical fields. When the classification by cluster analysis takes a hierarchical structure, whether to use a lower cluster or a higher cluster depends on the ability to arbitrarily select a partner in accordance with the technical scope to be considered.
  • the evaluation value calculation unit 120 calculates the evaluation value for each class for each class using the attribute information of the patent data belonging to each class classified by the cluster analysis unit 110, and for each class and each holder.
  • the evaluation value for each class is calculated.
  • the evaluation value calculation unit 120 creates, for each holder, nominee evaluation information in which an evaluation value for each class of the holder of each holder is associated.
  • the technical complement degree calculation unit 125 uses the overall distribution tendency indicating the distribution tendency of the evaluation value for each class and the holder evaluation information in which the evaluation value for each class for each holder is associated with each other.
  • the technical complement is calculated as selection information.
  • the technical plow level calculation unit 130 associates standardized evaluation values for each holder for each holder. Using the nominee evaluation information, calculate the technical depth as partner selection information.
  • the output unit 135 outputs the degree of technical complementation and the technical depth as the partner selection information obtained above to the output device 4, or generates and outputs information indicating a recommended partner as the partner selection information. Output to device 4. For example, when the output device 4 is a display, the output unit 135 generates image data indicating partner selection information and outputs the generated image data to the output device 4. Further, when the output device 4 is a printer, the output unit 135 generates print data indicating partner selection information, and outputs the generated print data to the output device 4.
  • the storage device 2 is a unit that stores patent data 200 such as a patent gazette.
  • FIG. 3 is a diagram schematically illustrating a data structure of patent data stored in the storage device.
  • patent data ID 210 In the storage device 2, patent data ID 210, bibliographic information 220, content information 230, and progress information 240 are stored in association with each other for a large number of patent data 200.
  • the patent data ID 210 for example, the number of the published patent gazette, the number of the patent publication gazette, etc. are stored. Not limited to this, an application number or a unique reference number may be assigned.
  • the bibliographic information 220 includes nominee information indicating the applicant and the patentee. In addition, information such as the filing date and the number of claims may be included.
  • the classifier information is particularly referred to in the process of classifying each class for each holder.
  • the content information 230 preferably includes text data such as a description, claims, abstract, and image data such as drawings.
  • text data such as a description, claims, abstract, and image data such as drawings.
  • the progress information 240 includes data on request for accelerated examination, data on trial for maintaining an invalid trial, citation count data, and the like.
  • the progress information is referred to in calculating the evaluation value for each class for each holder.
  • the input device 3 is used to select various functions of the information processing device 1, to analyze patent data to be analyzed, and to analyze This unit accepts an instruction to identify the elephant's holder, and is composed of hard switches such as scroll keys and scale change keys, and joysticks.
  • the output device 4 is a unit for receiving and outputting data from the information processing device 1.
  • the output device 4 is composed of, for example, a liquid crystal display or a printer.
  • FIG. 2 is a hardware configuration diagram of the information processing apparatus 1 according to the present embodiment.
  • the information processing device 1 includes a CPU (Central Processing Unit) 10, a main storage device 11 such as a RAM (Random Access Memory), an auxiliary storage device 12 such as an HDD, and a peripheral device (here, Data transmission / reception between the IO interface 13 that controls transmission / reception of data performed between the input device 3 and output device 4) and a device (here, storage device 2) connected to the network And a network interface 14 for controlling the network.
  • a CPU Central Processing Unit
  • main storage device 11 such as a RAM (Random Access Memory)
  • auxiliary storage device 12 such as an HDD
  • a peripheral device here, Data transmission / reception between the IO interface 13 that controls transmission / reception of data performed between the input device 3 and output device
  • a device here, storage device 2
  • a network interface 14 for controlling the network.
  • the auxiliary storage device 12 includes each unit (control unit 100, data acquisition unit 105, cluster analysis unit 110, evaluation value calculation unit 120, technology complementation degree calculation unit 125, technical depth of each unit illustrated in FIG. It is assumed that a program (partner partner selection information generation program) for realizing the functions of the calculation unit 130 and the output unit 135) is stored.
  • each unit shown in FIG. 1 control unit 100, data acquisition unit 105, cluster analysis unit 110, evaluation value calculation unit 120, technology complementation degree calculation unit 125, technology plowing degree calculation unit 130, and output unit 135) ) Is realized by the CPU 10 loading the partner selection information generation program stored in the auxiliary storage device 12 to the main storage device 11 and executing it.
  • FIG. 4 is a flowchart showing the partner selection information generation process of the information processing apparatus of this embodiment.
  • the information processing apparatus of the present embodiment performs processing for calculating the degree of technical complementation between the company and each other company as the partner selection information, or recommends based on the calculated degree of technical complementation, etc.
  • a process of selecting a partner company is performed (S100 to S160). Ma
  • the information processing apparatus according to the present embodiment performs processing for calculating the technical depth of the company and each other company as the partner selection information, or based on the calculated technical depth, etc.
  • the process which selects the recommended partner company in is performed (S200-S260).
  • the information processing apparatus according to the present embodiment generates an alliance distribution map based on the degree of technical complementation and the level of technical deepening as partner selection information (S400).
  • Fig. 5 is a conceptual diagram for explaining the outline of the degree of technical complementation and the level of technical plowing.
  • a plurality of patent data is classified into classes for each predetermined technical field, here 6 classes.
  • Each class is further classified by name holder, here ⁇ company, / 3 company, and ⁇ company, and the evaluation value for each class is calculated based on the patent data for each class.
  • the vertical axis represents each class
  • the horizontal axis represents the evaluation value for each class per holder.
  • Fig. 5 (B) shows only the evaluation values for each class of company ⁇ and / 3 in Fig. 5 (A). Since the evaluation values for each class of the ⁇ company and 13 companies are displayed side by side, 2 companies The combined evaluation information of the two companies can be read from the sum of the evaluation values for each class in each class. In Fig. 5 (B), the weak areas of Company ⁇ and Company / 3 are mutually supplemented, and it is estimated that the degree of technical complementation is high.
  • Fig. 5 (C) shows only the evaluation values for each class of company ⁇ and ⁇ from Fig. 5 (A). Considering this together with Fig. 5 (B), it can be seen that for ⁇ company, the alliance effect with / 3 company is higher than the alliance with ⁇ company. However, FIG. 5 (B), the When I watch FIG. 5 (C) for each class, class 6 Nitsu! /, Les, has an evaluation value ⁇ the company is greater than the ⁇ Inc. Te Ru. Therefore, if company ⁇ collaborates with company ⁇ , it will be possible to deepen class 6 (that is, it will be possible to enhance the technical capabilities of the technical fields classified as class 6). It has the potential to hope for further breakthroughs. The technical plowing level quantifies this plowing level. This technical depth is also calculated by adding the evaluation value for each class of the two companies to each class.
  • the data acquisition unit 105 of the information processing apparatus acquires specific information of the patent data input by the analyst from the input device 3, and acquires the patent data 200 from the storage device 2 according to the specific information (S100).
  • the patent data specifying information may be any information as long as it is information for specifying a plurality of patent data, such as an IPC code.
  • the data acquired in the following procedure Is the specific information of patent data.
  • FIG. 6 is a conceptual diagram showing an example of patent data acquisition processing.
  • the data acquisition unit 105 performs a process of selecting the technology of interest from the patent data of the target holder. Specifically, the data acquisition unit 105 receives the designation of the target holder and acquires the patent data of the target holder from the storage device 2. In addition, the cluster analysis unit 1 10 performs cluster analysis on the acquired patent data of the target holder to obtain a plurality of clusters (target company clusters) (cluster analysis will be described later). Then, the data acquisition unit 105 selects a specific target company cluster as a noticeable technology from among a plurality of target company clusters (FIG. 6 (A)).
  • target company clusters cluster analysis will be described later
  • the target technology may be selected according to the target company cluster selection conditions separately input by the analyst, or each target company may be selected by the evaluation value calculation unit 120.
  • a cluster evaluation value may be calculated (evaluation value will be described later), and based on this evaluation value, for example, the target company cluster with the largest evaluation value may be selected as the technology of interest.
  • the data acquisition unit 105 obtains the attention technology and the attention technology from all patent data (self-other patent document group) including the gazette of the right holder and the right holder (candidate right holder) other than the right holder.
  • a document group similar to is extracted.
  • the similarity calculation module included in the cluster analysis unit 110 or the like is used to calculate the similarity between each of the other patent document groups and the technology of interest, and the predetermined number of patent data with the highest similarity is automatically calculated. It is extracted as a group of other patent specific fields (Fig. 6 (B)).
  • the cluster analysis unit 110 classifies the patent data into classes for each predetermined technical field (S110).
  • the classification method is, for example, to classify patent data for each technical field, such as an IPC code (if the patent data is identified using an IPC code in S100, the lower-level IPC code here). Any method can be used. However, in the present embodiment, a document such as a description and claims included in the patent data is expressed as a vector, and cluster analysis is performed.
  • the vector representation of the document can be performed by a known method.
  • index words are extracted by performing word segmentation processing from the description, claims, etc. included in the content information 230 of each patent data, and each index word is weighted based on its appearance frequency. . weight
  • TF number of occurrences of the index word in the document
  • DF number of documents in the document group where the index word appears
  • TFID F the index word frequency
  • IDF the document frequency
  • a multidimensional vector number of dimensions is the number of index words with this weighting as a vector element becomes a vector expressing each patent data.
  • Cluster analysis can also be performed by a known method. For example, the degree of similarity between vectors (inner product value, correlation coefficient, etc.) is calculated, and similar patent data are grouped together into a cluster. In the hierarchical cluster analysis, not only the lower cluster but also the upper cluster in which the lower clusters having a high degree of similarity with each other and the middle cluster in between are generated.
  • FIG. 7 is a conceptual diagram showing an example of cluster analysis results and classification for each applicant.
  • Figure 7 (A) shows an example in which 59 lower clusters, 8 middle clusters, and 4 upper clusters are generated.
  • the lower cluster is a cluster indicated by a solid rectangle in Fig. 7 (A).
  • the middle clusters 711, 721 to 723, 731, and 741 to 743 are clusters shown in each column of FIG. 7A.
  • the upper clusters 710, 720, 730, and 740 are clusters generated by the first branch in FIG.
  • the power to use the lower cluster as the “class”, which is the analysis unit in this embodiment, and whether to use the middle or upper cluster may be selected according to the purpose of the analysis. An analysis example for 8 classes is shown.
  • the cluster analysis unit 110 further classifies each class for each nominee. Specifically, information on the applicant or patentee is extracted from the bibliographic information 220 of the patent data belonging to each class, and is classified according to the holder based on this (Fig. 7 (B)).
  • the evaluation value calculation unit 120 calculates the evaluation value for each class for each holder.
  • the "patent impact index” and the “progress information index” are calculated (S120).
  • the evaluation value calculation unit 120 determines the number N of patent data documents for each class for each holder.
  • the number of documents for the patent application should be counted as two.
  • the data acquisition unit 105 reads the progress information of each patent data for each class for each holder from the storage device 2. Examples of progress information to be read out include “number of times other companies cited” (0 or positive integer),
  • the evaluation value calculation unit 120 calculates a plurality of indices based on the read progress information for each class for each holder.
  • this indicator examples include: “Total number of citations from other companies”, “Total number of requests for patent opposition or patent invalidation trials”, “Examination request rate”, “Registered assessment rate”, There are “patent registration rate”, “prompt request rate”, “other companies cited number ratio”, “appraisal appeal case ratio”, and “objection or invalidation request ratio”. Also good. Each definition is as follows.
  • Total number of citations from other companies “Total number of citations from other companies” in the document group for each class of holder
  • Patent registration rate number of patent registrations / number of patent applications
  • Rapid review request rate Number of requests for accelerated examination / Number of requests for examination
  • the number of patent applications is the number of patent applications per class for each holder.
  • the number of requests for examination is the total number of documents in each class for each holder of “whether there is a request for examination” (1 or 0).
  • the number of patent registrations is the sum of documents in each class for each holder of “whether or not patent rights are registered” (1 or 0)
  • the number of requests for accelerated examination is the sum of documents for each class of holders of “whether or not requested for accelerated examination” (1 or 0).
  • the number of appeals against the appraisal is the sum of the documents for each class of each holder of “Availability of Appeal Appeal” (1 or 0)
  • the evaluation value calculation unit 120 calculates a patent impact index by assigning a predetermined weight to the “number of documents” for each class for each holder.
  • the patent impact index is a measure to evaluate the restraining power of other companies (the degree to which the rights of other companies are suppressed and the value of the company's patent is improved! /) For each class of each holder. For example, given number of documents is weighted based on “total number of citations from other companies” and / or “total number of requests for opposition to patent or patent invalidation request”,
  • Patent Impact Index “Number of documents” + “Total number of citations from other companies” + “Total number of requests for opposition to patent or request for trial for invalidity of patent”
  • the force S can be calculated by The weighting for the “number of documents” may be performed by addition as in the above formula, or by multiplying by some other ratio.
  • the predetermined weighting includes various things such as patent profitability, patent productivity, patent utilization, and patent competitiveness, but is not limited to this. .
  • each holder in the class By determining the number of documents as described above, the share of each holder in the class The ability to grasp S. In addition, by assigning a predetermined weight to the number of documents, each holder in the class can be evaluated in consideration of economic aspects and technical competitiveness.
  • the evaluation value calculation unit 120 calculates a progress information index by averaging the indices based on the progress information for each class for each holder.
  • d indicators based on progress information such as “Request for Examination”, “Registered Appraisal Rate”, “Patent Registration Rate”, “Rapid Request for Approval”, “Ratio of Number of References from Other Companies”, “Appeal for Appeals”
  • progress information such as “Request for Examination”, “Registered Appraisal Rate”, “Patent Registration Rate”, “Rapid Request for Approval”, “Ratio of Number of References from Other Companies”, “Appeal for Appeals”
  • the evaluation value calculation unit 120 calculates the evaluation value for each class for each holder based on the index (S130).
  • the patent impact index and the progress information index are multiplied to calculate an evaluation value for each class for each holder.
  • indexing the progress information in this way, for example, quantitative and objective evaluation can be performed.
  • This evaluation value for each class for each holder has the following properties.
  • the progress information index increases as the number of patents registered increases. In addition, if there is a trial of refusal, an objection of objection, etc., it will be taken into account. Since the patent impact index counts the number of publications, it increases as the number of patent applications increases, and further increases when patent publications are issued. It is weighted by “total number of citations from other companies” and “total number of requests for opposition to patent or patent invalidation request”.
  • the patent document group can be evaluated from the aspect of historical information, so it is possible to know the strength of the patent and to know the strength of the patent.
  • FIG. 8 is a bar graph showing the evaluation value for each class for each holder.
  • the vertical axis represents classes (Class 1 to Class 8).
  • the horizontal axis shows the evaluation value of each holder (class A company and others) for each holder, and for each class, the length of the bar including all holders is evaluated for each class of holder. Represents the total value of the value in that class.
  • each holder for example, each company
  • the partner is selected by reading how much the total evaluation value for each class in each class and each partner's holder is read. be able to.
  • the present embodiment is not particularly limited with respect to the specific procedure for the standardization.
  • the total evaluation value for each class in each class evaluation for each class. Value
  • the evaluation value for each class for each holder may be divided by the evaluation value for each class.
  • the evaluation value for each class may be standardized by (Equation 1) shown below!
  • V i Evaluation value for each class per holder
  • n Number of companies in class (number of applicants)
  • FIG. 9 is a bar graph showing the evaluation value for each class for each standardized holder.
  • the vertical axis represents classes (Class 1 to Class 8).
  • the horizontal axis shows the evaluation value for each standardized holder of each holder (Company A and others), and the length of the bar including all holders is 1 for each class. ing.
  • Fig. 10 is a flowchart explaining the details of the calculation process of technology complementation in Fig. 4.
  • the technical supplement degree calculation unit 125 acquires the distribution tendency (overall distribution tendency) of the evaluation value for each class (S151).
  • the overall distribution tendency can be expressed, for example, as a vector (complementary reference vector) in which the number of classes is the number of dimensions and the evaluation value for each class is a vector component.
  • the overall distribution tendency is not limited to vector expression, but may be expressed, for example, as a data string of evaluation values for each class.
  • evaluation value for each class is standardized in S 140 above, evaluation for each class Since the values are all 1, the overall distribution trend is data representing a uniform state. If this is expressed as a vector, all components are vectors of the same value other than 0 (eg, 1) (see Equation 4 below).
  • the technical complement degree calculation unit 125 acquires, for the holder of the analysis target (target holder), the holder evaluation information in which the evaluation values for each class of the holder of the holder are associated with each other (S 152).
  • Nominee evaluation information can be expressed, for example, by a vector (nominee evaluation vector) in which the number of classes is the number of dimensions and the evaluation value for each class in each class of the nominee is a vector component (described later). Number 2).
  • the holder evaluation information is not limited to a vector expression, but may be expressed by a data string of evaluation values for each class of the holder of the holder.
  • the technical complement degree calculation unit 125 also provides, for each nominee (candidate nominee) other than the target nominee, nominee evaluation information (candidate nominee) in which the evaluation values for each class of the nominee are associated with each other.
  • nominee evaluation information candidate nominee
  • the following expression 3 is obtained (S153). After acquiring the right holder evaluation information (or the right holder evaluation vector) of the target holder and the candidate holder in S152 and S I 53, the next step S154 is performed using them.
  • the technical complement degree calculation unit 125 calculates, for each candidate holder, composite evaluation information obtained by adding the owner evaluation information of the target holder and the holder evaluation information of each candidate holder for each class. Further, a distribution tendency (composite distribution tendency) of values for each class is calculated for each composite evaluation information (S154).
  • the composite evaluation information is, for example, a data string of values (composite evaluation values) obtained by adding, for each class, the evaluation value for each class of the target holder and the evaluation value for each class of the candidate holder. Expressed.
  • the composite distribution tendency may be used as it is expressed by this data string, or may be expressed by a vector having the data string of the composite evaluation information as a vector element. If the target holder and each candidate holder's holder evaluation information are both expressed as vectors (nominee evaluation vectors) (see S152 and S153), adding these vectors will immediately produce a composite distribution trend. (Composite evaluation vector) is calculated (see Equation 5 below).
  • the technical supplement degree calculation unit 125 calculates the degree of approximation (composite approximation) of each composite distribution tendency with respect to the overall distribution tendency (S155).
  • This combined approximation is defined as a value indicating whether the combined distribution tendency of the target holder and the candidate holder is close to an ideal state that complements each other's weak fields.
  • the overall distribution tendency is used as this “ideal state of complementing each other's weak field”.
  • this overall distribution tendency indicates a uniform state (when expressed as a vector, all components are vectors of the same value other than 0). In this case, it can be said that the composite approximation is an approximation of the composite distribution tendency for a uniform state.
  • each data string indicating the combined distribution trend is divided by each of the data strings indicating the overall distribution trend. It can be assumed that the smaller the variation in the results, the greater the synthetic approximation.
  • self class 1 ci is the evaluation value for each class of the target holder (preferably standardized), number of dimensions D assD
  • the vector f is a nominee evaluation vector of candidate nominees, and vector components T through ⁇
  • otner class 1 is the evaluation value for each candidate holder's class (preferably standardized), dimension number classD
  • D is the number of classes.
  • the vector a is a complementary reference vector.
  • the number of dimensions is the number of dimensions D in Equations 2 and 3.
  • the vector a illustrated in this equation has all components of 1, which is preferably applied when the evaluation value for each class for each holder is normalized so that the total in that class is 1.
  • vector f + f is a composite evaluation vector.
  • the composite approximation calculated in this way indicates how similar the composite distribution tendency is to the overall distribution tendency.
  • the overall distribution trend shows the social technology distribution of the entire technical area related to the acquired patent data.
  • This social technology distribution shows the current state of equilibrium between the social needs of each technology element included in the technology area and the corresponding technology supply capacity of the entire society.
  • This equilibrium state indicates the optimal technology allocation at the present time. Therefore, it is desirable for each company to have a technology portfolio that approximates the above-mentioned social technology allocation. Therefore, by referring to each synthetic approximation, it is possible to determine the ability to hold a technology portfolio that approximates the above-mentioned social technology distribution by making a technical alliance with any candidate holder. That is, it becomes possible to efficiently select an optimal alliance destination.
  • the technical complement degree calculation unit 125 obtains the distribution tendency (namer distribution tendency) of values for each class of the right holder evaluation information of the target holder, and further approximates the total distribution tendency of the right holder distribution tendency. It is desirable to calculate (approximate degree of target holder)! /, (S156).
  • the distribution pattern of the right holder may take the same form of expression as the right person's right person evaluation information, or the right person's right person evaluation vector.
  • the degree of approximation to the overall distribution tendency of the holder distribution tendency is, for each class, each of the data columns indicating the distribution pattern of the right holder and each of the data columns indicating the overall distribution trend. Divide by, and the smaller the variation in the calculation results, the greater the degree of approximation of the target holder.
  • the distribution pattern of the right holder and the overall distribution trend are both expressed as vectors (the right holder evaluation vector and the complementary reference vector)
  • the cosine (target right holder cosine) of these vectors is used as the target right person approximation. It is preferable to use it.
  • the target holder's name evaluation vector is f and the supplementary reference vector is a
  • the target holder approximation degree is the target holder approximation degree.
  • the value range is 1 or more.
  • the target holder approximation degree is the same as or higher than the synthetic approximation of S155, even if it ties up with the candidate holder, it approaches the ideal state of complementing each other's weak areas. As a result, there will be no change, or it will move away from the ideal state, and the effect of the alliance cannot be expected. Therefore, when selecting a recommended partner, it is desirable to select one that has a higher synthetic approximation than the target holder approximation. As a result, among the multiple candidate holders, the candidate holders who can get closer to the overall distribution trend by partnering with the target holders It is possible to select only candidates (candidate names corresponding to adjacent composite evaluation vectors) as partners. As a result, it is possible to select alliance partners with high technical supplementary effects as recommended partners.
  • the technical supplement degree calculation unit 125 calculates the technical supplement degree as follows (S157).
  • the result of this subtraction may be used as the technical complement, but in the present embodiment, this is further normalized by using the value of the target holder cosine.
  • normalization is performed by dividing the result of the above subtraction by (the maximum value that the combined approximation can take) (approximate for each target holder).
  • the maximum value of the degree of technical complementarity can be made constant regardless of the size of the target holder approximation.
  • the composite cosine is cos ⁇ , If the target holder cosine is cos ⁇ , the technical complement is
  • the maximum value is 1.
  • the technical complement is 1 maximum and 1 minimum.
  • Fig. 11 shows an example of the calculation result of the technical complement.
  • FIG. 11 is a table illustrating a calculation result of the technology complementation degree calculation process according to the present embodiment.
  • FIG. 11 shows a case where the number of classes to be analyzed is eight.
  • here is an example where the evaluation values for each class for each holder are standardized.
  • the degree of technical complement here is (cos ⁇ -cos ⁇ ) / (l -cos ⁇ )
  • the recommended partner companies can be selected by selecting candidate holders with a technical complement degree equal to or higher than a predetermined value, or by selecting a predetermined number of candidate holders in descending order of technical complement degree.
  • select a synthesis approximation information of S155 with a predetermined threshold or more identify synthesis evaluation information having the selected synthesis approximation, and specify the specified
  • the candidate nominee corresponding to the nominee evaluation information used to calculate the combined evaluation information may be used as the recommended partner.
  • the synthetic evaluation information having the selected synthetic approximation is selected.
  • the candidate nominee corresponding to the nominee evaluation information identified and used for calculating the specified composite evaluation information may be set as the recommended partner. This makes it possible to select, from among a plurality of candidate holders, only candidate holders who can be close to the distribution of the entire patent data by partnering with the target holder. As a result, alliance partners with high technical supplementary effects can be selected as recommended alliance partners.
  • the technical depth is calculated (S250).
  • Fig. 12 is a flowchart explaining the details of the processing for calculating the technical depth in Fig. 4.
  • the technical deepening degree calculation unit 130 for the holder of the analysis target (target holder), the holder evaluation information that associates the evaluation value for each class of the holder of the holder.
  • Information is acquired (S251).
  • the holder evaluation information can be expressed by, for example, a vector (nominee evaluation vector) in which the number of classes is the number of dimensions and the evaluation value for each class of each holder in each class of the holder is a vector component.
  • the holder evaluation information is not limited to vector expression, but may be expressed as a data string of evaluation values for each class of the holder of the holder! /, For example. It is desirable that the evaluation value for each class for determining the right holder evaluation information is standardized in S240.
  • the technical plow level calculation unit 130 also calculates each nominee (candidate nominee) other than the target nominee. Then, the holder evaluation information in which the evaluation value for each class of the holder is associated with each other is acquired (S252).
  • the technical plow level calculation unit 130 identifies a class whose evaluation value for each class per person is a positive number from among the nominee evaluation information of the candidate names (S253). For classes with a non-positive value (for example, 0) per class for each holder, even if the composite evaluation information is calculated in the next S254, it is not different from the target person's holder evaluation information, and deepening of the technology is expected. It is not possible.
  • S251 to S253 acquire the right holder evaluation information of the target holder and the candidate holder, and identify the class whose evaluation value for each holder is a positive number from the holder evaluation information of the candidate holder.
  • the technical depth calculation unit 130 for the specified class, candidate evaluation information obtained by adding the target holder's holder evaluation information and the candidate holder's holder evaluation information for each of the specified classes. Calculate for each holder (S254). In this way, it is possible to calculate how much deep plowing can be expected for each class that can be expected to deepen the technology.
  • the composite evaluation information may be calculated for all classes in S254 without specifying the classes in S253. In this case, it is possible to obtain the same result by extracting a value that is fluctuating from the value of the corresponding class of the target holder's holder evaluation information from the values of each class of the composite evaluation information. .
  • the technical depth calculator 130 calculates, for each candidate nominee, the total value of the evaluation values for each class of the target holder with respect to the target holder in the composite evaluation information.
  • the class with the largest value is limited, and the total value is used as the technical deepening level (S255).
  • the specific procedure for calculating the technical depth is not particularly limited.
  • the following procedure is used. May be.
  • the target holder's holder evaluation vector is f (see Equation 2 above), and each candidate holder's holder is evaluated.
  • Equation 6 Let the valence vector be f (see Equation 3 above), and the vector that combines f and f (see Equation 6)
  • the technical depth calculator 130 extracts a component (vector element) from the vector obtained by the synthesis process using the above (Equation 6), the “target owner's name evaluation vector f The requirement that the component (vector element) is not “0” is added.
  • the technical plow level calculation unit 130 is a component (vector element) that has changed when extracting a component (vector element) from the combined vector obtained by (Equation 6) above, and before the combination.
  • the component (vector element) of the nominal evaluation vector f is not "0"! /,
  • FIG. 13 is a table exemplifying the calculation result of the technical plowing degree calculation process according to the present embodiment.
  • Fig. 13 shows the case where the number of classes to be analyzed is 8, and the target holder A and some candidate holders (candidate holders shown in Figs. 8 and 9). Only the calculation results with Company B (3 companies) are shown.
  • Company B 3 companies
  • an example of standardizing the evaluation value for each class for each holder is shown below.
  • the highest row 1301 shows the value of the target holder A company's holder evaluation information for each class. Also, in each row after row 1302, the value for each class of the synthetic evaluation information of the target holder A and each candidate holder, and the technical depth of the case where the target holder A partnered with each candidate holder. Show me.
  • row 1302 shows the composite evaluation information of the target holder A and the candidate holder B, and the technical depth of the case where the target holder A has partnered with the candidate holder B.
  • the technical plow level calculation unit 130 extracts and extracts a fluctuating value from the evaluation information of the target holder A company from the value of the composite evaluation information of the target holder A company and the candidate holder B company. Is substituted into Equation 7 above.
  • the technical plow level calculation unit 130 calculates the class 1 to 4 and class 6 to 8 from the values of each class of the synthetic evaluation information of the target holder A and the candidate holder B.
  • Equation 7 Extract the value and assign the extracted value to Equation 7. That is, in Equation 7, “0.33310”, “0.0216”, “0.2641”, “0.2885”, “0.3771”, “0.4627”, and “0.2993” Is substituted. Note that the value of class 5 in the composite evaluation information of the target holder A and the candidate holder B varies from the value of class 5 in the target holder A's holder evaluation information! /, NA! / Because, not extracted! /.
  • the technical plowing degree calculation unit 130 sets “0.4 627”, which is the maximum value among the values assigned to Equation 7, as the technical plowing degree (class 7 value).
  • the technical plowing level is also obtained for rows 1303 to 1310 in the same manner.
  • the recommended partner companies can be selected by selecting candidate holders whose technical depth is greater than or equal to a predetermined value, or by selecting a predetermined number of candidate holders in descending order of technical depth.
  • the technical complement degree calculation unit 125 outputs the calculation result to the output unit 135 after calculating the technical supplement degree by the processing of S150 (see FIG. 4).
  • the technical depth of cultivation calculation unit 130 outputs the calculation result to the output unit 135.
  • FIG. 14 shows an example of the alliance information in which the technical complementation level and the technical deepening level are associated with each candidate holder.
  • FIG. 14 shows the case where the number of classes to be analyzed is 8, and shows only the calculation results between the target holder A and some candidate holders. Yes.
  • the example in the case of standardizing the evaluation value for each class for each holder is shown.
  • the classes identified for calculating the technical depth are also shown.
  • the output unit 135 generates image information (visualized information) representing an alliance distribution diagram as illustrated in FIG. 15 using the illustrated alliance information.
  • the output unit 135 outputs the generated image information to the output device 4.
  • an alliance distribution map is displayed on the liquid crystal display.
  • FIG. 15 is an example of an alliance distribution diagram output according to the embodiment of the present invention.
  • This distribution chart plots each candidate holder with the technical complementarity on the horizontal axis and the technical depth on the vertical axis.
  • companies B, E, F, G, and I and company A the target holder, can be expected to have a comprehensive supplementary effect due to a high degree of technical complementation.
  • companies C, H, and J can expect deep cultivation by tie-up in specific fields where company A has a high level of technology.
  • the force S shown as an example of standardization and plotting with a technical complementation degree of 0 on the average and 1 on the variance, and the calculated value may be plotted without standardization.
  • FIG. 16 is a flowchart for explaining processing for generating the graph of FIG.
  • S300 to S340 are the same as S100 to S140 of FIG. 4, and S352 and S353 are the same as S152 and S153 of FIG.
  • the evaluation value calculation unit 120 outputs the calculation result to the output unit 135 after calculating the evaluation value (standardized) for each class in S352 and S353.
  • the output unit 135 associates, for each class, the evaluation value for each classified nominal person of the holder belonging to the class, and each class is plotted on the vertical axis.
  • image information indicating a bar graph with the horizontal axis representing the evaluation value for each standardized holder is generated (generated information is generated), and the generated image information is output to the output device 4 (S360).
  • the output device 4 As a result, for example, when a liquid crystal display is used for the output device 4, the graph illustrated in FIG. 9 is displayed on the liquid crystal display.
  • the graph illustrated in FIG. 9 is generated and output, so that a relative comparison between technical fields that are difficult to directly compare is possible because the absolute value criteria are different. It becomes.
  • Analysts can grasp the strengths and weaknesses of all of their own technologies based on relative comparisons with other companies by looking at the bar graph output to the output device 4. As a result, analysts can understand the balance between the technical capabilities of their company and other companies, and can select the alliance destination.
  • each functional unit of the processing device 1 (the control unit 100, the data acquisition unit 105, the cluster analysis unit 110, the evaluation value calculation unit 120, the technical complementation degree calculation unit 125, the technical deepening level calculation unit 130, and A force exemplifying the case where the output unit 135) is realized by software is not particularly limited to this.
  • Each functional unit of the processing device 1 may be realized by a circuit (ASIC (Application Specific Integrated Circuit) or the like) designed exclusively for executing each functional unit.
  • ASIC Application Specific Integrated Circuit
  • the power is not particularly limited to the case where the information processing apparatus 1 acquires patent data such as patent publications to be evaluated from the storage device 2 as an example.
  • the information processing apparatus 1 may communicate with an external information providing server via a network such as the Internet and acquire patent data from the external information providing server.
  • the information processing device 1 that has received a request from the analyst via the input device 3 generates information for selecting a partner, and the generated information is output to the output device 4.
  • the function of the information processing apparatus 1 may be provided as a server in a client server model computer system.
  • the information processing device 1 is connected to the network.
  • a communication function for communicating with the connected client terminal is provided.
  • the information processing apparatus 1 receives a request from the client terminal, the information processing apparatus 1 provides the function of the information processing apparatus 1 to the client terminal.
  • the network may be wired or wireless.
  • a telephone line or the Internet may be used for the network.
  • a cluster analysis technique is used for classification of patent data (S110 in FIG. 4), but the invention is not limited to this.
  • patent data may be classified into classes using an existing statistical method (factor analysis, principal component analysis, etc.) instead of the cluster prayer method.
  • the force indicating an example in which the sum of the evaluation values for each class for each class is 1 for each class is not particularly limited to this.
  • the evaluation value for each class may be expressed by other methods.
  • the evaluation value for each class for each holder may be standardized with an average of 0 and a variance of 1, and the value may be applied to this embodiment.
  • the technical complementation level and the technical deepening level can be calculated as in the above-described example.
  • the distribution tendency of the evaluation value for each class is regarded as the overall distribution tendency, and the degree of technical complementarity is obtained based on the degree of approximation of the combined distribution tendency with respect to this overall distribution tendency.
  • the distribution tendency of the value obtained by assigning a predetermined weight to each evaluation value for each class may be used as an overall distribution tendency (a vector having elements each having a predetermined weight for each evaluation value for each class is complemented) It may be a reference vector). This weighting, for example, has been strengthened for some reason by important classes or especially by alliances! /, If classes are specified! / The weight is larger than the evaluation value for each class.
  • the so-called ideal distribution trend can be set as the overall distribution trend (or complementary reference vector).
  • the weighting also depends on the degree of technical complementation obtained from the degree of approximation (or cosine) of the synthetic distribution tendency (or synthetic evaluation vector) with respect to the overall distribution tendency (or complementary reference vector) You can see the overall partnership effect.
  • the power which demonstrated the case where an object holder and a candidate holder are each a company unit does not specifically limit to this.
  • a corporate group consisting of multiple companies (for example, a group of companies that belong to the same group, a group that combines affiliated companies, a company that consists of a parent company, a subsidiary, an affiliated company, etc. subject to consolidated financial statements)
  • a group of companies that are arbitrarily combined by a user or a user, and the company group may be treated as a target holder or a candidate holder.
  • a part of the processing of FIG. 4 described above is changed as follows.
  • the control unit 100 receives an instruction from the user as to whether or not to accept the target holder as a company group via the input device 3.
  • the control unit 100 further receives designation of the corporate group forming the corporate group.
  • the control unit 100 receives an instruction as to whether or not there is a company group that can be accepted as a company group among the candidate holders.
  • the control unit 100 receives an instruction indicating that there is a company group to be accepted as a company group among candidate holders
  • the control unit 100 further receives designation of the company group forming the company group. Then, the control unit 100 notifies the cluster analysis unit 110 of information indicating the company group that forms the received company group, and instructs the data acquisition unit 105 to start the processing of S100.
  • the data acquisition unit 105 acquires patent data based on the same procedure as in the above-described embodiment, and transitions to the processing of S110.
  • the cluster analysis unit 110 classifies the acquired patent data into classes for each predetermined technical field by using the same procedure as in the above-described embodiment.
  • the cluster analysis unit 110 classifies each class for each holder, the company group that forms the company group that receives the above notification classifies the company group that forms the company group as one owner.
  • the cluster analysis unit 110 classifies the companies other than the company group forming the company group by company as in the embodiment described above.
  • the subsequent processing (S130-; 160, S400) is the same procedure as in the above-described embodiment. To do. In this case, the group of companies forming the company group is classified as a single holder. Therefore, for the corporate group received from the user, the evaluation value for each class for each holder in the corporate duplication unit. After that, the technical complementation degree calculation process (S 150) and the recommended partner company selection process (S 160) are performed.
  • the designation of the company group forming the company group is accepted and the company group forming the company group is selected in S210. If you want to be classified as a No. 1 holder! By configuring in this way, the user can consider the alliance destination with the company in the company group instead of the company. It will also be possible to consider alliance companies based on the corporate group to which the company belongs. Or, based on the corporate group to which the company belongs, it becomes possible to consider alliance destinations in the corporate group rather than the corporate unit.
  • the present invention is not particularly limited to this.For example, the individual evaluation value for each patent publication belonging to each class is calculated, and the total is used as the evaluation value for each class for each holder. If it is arranged, S120 to S130 (or S220 to S230) in Fig. 4 may be as follows.
  • the evaluation value calculation unit 120 uses the individual evaluation value (hereinafter referred to as “patent score”) for each patent data 200 using the progress information 240 and the content information 230 included in each patent data 200. PS ”). Then, the evaluation value calculation unit 120 obtains, in S 120 to S 130 (S220 to S230), the calculated patent score PS for each class for each holder as an evaluation value for each class for each holder. .
  • pattern score the individual evaluation value
  • PS the evaluation value calculation unit 120 obtains, in S 120 to S 130 (S220 to S230), the calculated patent score PS for each class for each holder as an evaluation value for each class for each holder.
  • the evaluation value calculation process for each class for each holder performed by the evaluation value calculation unit 120 in the processing steps of FIG. 4 described above is changed.
  • the function of the evaluation value calculation unit 120 is partially changed, and other configurations are the same as those in the above embodiment. It is.
  • the present modification 8 will be described using the same reference numerals as in the above embodiment for convenience of description. Further, in Modification 8, only the parts different from the above embodiment will be described.
  • the evaluation value calculation unit 120 of the present modification 8 performs a process of generating partner selection information according to the processing steps shown in FIG. 17 in which a part of the process of FIG. 4 is changed.
  • the evaluation value calculation unit 120 of the present modification 8 calculates the patent score PS for each patent data 200 before performing the processing of FIG. 17, and stores the calculated patent score PS in the memory ( It is stored in the auxiliary storage device 12 or the main storage device 11) (or stored in the storage device 2). Then, the evaluation value calculation unit 120 stores the patent core PS of each patent data 200 in the memory, and then performs the process of FIG. The procedure for calculating the patent score PS will be described in detail later.
  • FIG. 17 is a flow chart showing the partner selection information generation process of the information processing apparatus of Modification 8. Note that the flowchart of FIG. 17 is obtained by changing S120 to S130 (S220 to S230) of the flowchart of FIG. In FIG. 17, the same processes as those in FIG. 4 are denoted by the same reference numerals.
  • the evaluation value calculation unit 120 generates all the patent data subject to the cluster analysis (generated by the cluster analysis).
  • the patent score PS is obtained for all the patent data 200) obtained (S121).
  • the evaluation value calculation unit 120 reads the patent scores PS of the patent data 200 of all classes from the memory of the information processing apparatus 1.
  • the evaluation value calculation unit 120 calculates the individual evaluation value of each patent data (S122).
  • the calculation method of the individual evaluation value is not particularly limited.
  • the acquired patent score PS can be used as it is as the individual evaluation value of the patent data.
  • the procedure shown below is used. However, you may ask for an individual evaluation value of patent data.
  • the evaluation value calculation unit 120 calculates the standard value (standard value in all classes) p of each patent data according to (Equation 8) shown below.
  • n Total number of patents in all classes (number of patent data)
  • n in the formula is the number of patent data in all classes, excluding those whose patent patent score PS is 0 (expired patent application or expired patent right as described below). I like it.
  • This standard value P may be used as an individual evaluation value for each patent data.
  • the evaluation value calculation unit 120 obtains the standard value P obtained above and the following (Equation 9)
  • the individual evaluation value (deviation value) Pi obtained by (Equation 9) has an average of 50 and a standard deviation of 10 in all classes.
  • the evaluation value calculation unit 120 obtains the individual evaluation value of the patent data 200 using (Equation 10) shown below in addition to (Equation 9). Also good.
  • Pi 0 (P 0 , i ⁇ Pstd) where Pi is the individual evaluation value of patent data i
  • the individual evaluation value of the patent data 200 is used to calculate the evaluation value for each class for each holder in (Equation 12) described later. If the holder is a large company (eg, a major electronics manufacturer), the number of patent data 200 is enormous (because the number of patents held is enormous). Even if the patent score PS is low, by summing the low V, value patent score PS (or the deviation value obtained from the patent score PS), the evaluation value of the holder (evaluation for each class by holder) Value) becomes higher. In other words, when the deviation value of (Equation 9) above is used for aggregation as it is, the evaluation value for each class per holder is an analysis result strongly influenced by the number of patent data that have been applied for.
  • the user can use the average value of the target holder, etc., or the value Pstd can be set arbitrarily! /.
  • the evaluation value calculation unit 120 uses the value obtained on the right side of the above (Equation 9) or (Equation 10), and further uses the following (Equation 11). Thus, the individual evaluation value of the patent data 200 may be obtained.
  • the patent sharer stored in the storage device 2 Read the number (number of joint applicants or patent sharers). Then, the value calculated on the right side of (Equation 9) or (Equation 10) above is further divided by the number of persons sharing the patent to obtain the individual evaluation value Pi.
  • Equation 11 the value obtained on the right-hand side of (Equation 9) or (Equation 10) is divided equally among the sharers by dividing by the number of sharers. It is also possible to apportion by assigning weights based on the contributions and shareholding ratios.
  • the evaluation value calculation unit 120 obtains the individual evaluation value for each patent data 200 obtained in S122 (for example, the individual evaluation value obtained in (Equation 9), (Equation 10), and more preferably in (Equation 11)) Pi. Is used to obtain an evaluation value for each class for each class (S131). Specifically, the evaluation value calculation unit 120 obtains an evaluation value for each class for each holder according to (Equation 12) shown below.
  • n Number of patents of applicant (nominee) in class j
  • the evaluation value s for each class for each holder is the patent data of the holder k belonging to a certain class j.
  • the composite evaluation information calculated in this way is preferably normalized by dividing by the evaluation value for each class for each class, as in the case of the evaluation value for each class for each holder in S140 and S240.
  • Figure 18 shows the evaluation values for each class using the patent score of Modification 8 and the evaluation values for each class using the patent impact index and the historical information index of the above embodiment. It is the figure which showed distribution in relation to the number of publications. Specifically, multiple classes obtained by clustering patent groups in a specific field are further classified for each holder, and each patent holder's evaluation value for each class is obtained by multiplying the patent impact index and progress information index. Calculated and standardized to mean 0 and variance 1. In addition, for each classification for each class of the same holder, the evaluation value for each class for each holder is calculated by counting the values below the threshold as 0 using the above-mentioned (Equation 10) using the patent score. Standardized to variance 1. The standardized evaluation value for each class for each holder is plotted on the vertical axis, and the number of publications for each classification for each class of the above holder (also standardized) is plotted on the horizontal axis.
  • the evaluation value for each class using the patent impact index and the progress information index of the above embodiment is close to a straight line indicating a direct proportional relationship with the number of publications, and has a distribution. It is greatly influenced by the number of publications.
  • the evaluation value for each class using the patent score of Modification 8 is distributed in an area far away from the straight line indicating the direct proportional relationship, although it is not completely unrelated to the number of publications. It can be seen that the impact has been mitigated.
  • the patent score PS refers to a score indicating an evaluation value of each patent data.
  • the patent score PS is calculated using the content information 230 and the progress information 240 of the patent data.
  • the data configuration of the content information 230 and the progress information 240 used for calculating the patent score PS is not particularly limited. In the present modification 8, the content information 230 and the progress information 240 shown in FIGS. 19 and 20 are used. Hereinafter, the data structure of the content information 230 and the progress information 240 will be described.
  • FIG. 19 is a diagram schematically showing an example of the data configuration of the content information used in Modification 8 of the present embodiment.
  • the content information 230 includes a field 2301 for registering “patent data ID (gazette number, etc.)”, a field 2302 for registering “number of claims” of the patent data, Field 2303 for registering the "average number of characters in the term” and its patent data
  • One record is composed of a field 2304 for registering the “number of specifications”.
  • the content information 230 includes a plurality of records.
  • number of claims is information indicating the number of claims of the patent application
  • average number of characters of claims is the average number of characters (or number of words) per claim of the patent application. It is information indicating.
  • Numberer of specification pages is information indicating the number of specification pages or the number of publication pages of the patent application. This information is extracted from the published patent gazette and other patent data of each patent application.
  • FIG. 20 is a diagram schematically showing an example of the data configuration of the progress information used in Modification 8 of the present embodiment.
  • the progress information 240 includes a “Finored” 2401 for registering “patent data ID (publication number, etc.)”, a field 2402 for registering “the filing date, etc.,” and “examination”.
  • a record is made up of Fino Red 2413.
  • the progress information 240 consists of a plurality of records.
  • “elapsed days from application”, “elapsed days from request for examination”, and “elapsed days from registration date” are information relating to the period of the corresponding patent data.
  • “Elapsed days from application” is the application date
  • “Elapsed days from examination request” is the application examination request date
  • “Elapsed days from registration date” is based on the patent establishment registration date, Calculated days) or near the evaluation date! /
  • the number of days elapsed up to the predetermined date is stored in the storage device 2.
  • the application examination request has not been received yet, and the patent application has been submitted.
  • the number of days in advance is NULL, and it is still registered and registered! /, NA! /, And the number of days elapsed since registration date is NULL.
  • PCT application is the power of whether the patent application is an international application based on the Patent Cooperation Treaty
  • “Bag browsing” is the output of the patent. Based on whether or not a request for browsing has been made, for example, 1 is given if a predetermined action has been made, and 0 is given if the request has not been made.
  • FIG. 21 is a flowchart showing the procedure of the patent score calculation process of Modification 8 of the present embodiment.
  • the evaluation value calculation unit 120 receives input of an IPC code from the user, and acquires patent data 200 (electronic data indicating a patent publication) (S400).
  • the evaluation value calculation unit 120 accesses the storage device 2 and acquires the patent data 200 classified into the IPC code.
  • the patent data strength S obtained here is the analysis target population for calculating the patent score.
  • the bibliographic information 220 of the patent data 200 includes information on the filing date of the patent application and information on the priority date (limited to claiming priority!).
  • the evaluation value calculation unit 120 sets the filing date in the bibliographic information of the acquired patent data 200.
  • the patent data 200 of the population to be analyzed is classified into groups t for each predetermined period (in this modification 8, for each year of application, for each year to which the priority date belongs, etc.) (S500).
  • the evaluation value calculation unit 120 calculates the evaluation value of each patent data 200 (S600). Details of this processing will be described with reference to FIG.
  • FIG. 22 is a flowchart showing details of processing for calculating a patent score of patent data.
  • the evaluation value calculation unit 120 acquires the progress information 240 and the content information 230 for the patent data 200 belonging to the group t classified in S500 (S610).
  • the evaluation value calculation unit 120 sets the variable j to 1 (S620), and calculates the evaluation raw score of the patent data j as follows.
  • S 6302 [Presence / absence type] is selected as information indicating the presence / absence of a predetermined action on the patent data. Also, select F630 Red 2402, 2403, 2404, and select S6303 [Time Attenuation Type] as the information regarding the period of the patent data. For field 2413, information indicating the number of times the patent data is cited. Select S6304 [Circular type].
  • the evaluation score of patent data j is calculated for each of the I evaluation items i (S6302, S6303, S6304). ⁇ Presence type>
  • the evaluation value calculation unit 120 calculates an evaluation score by the following [Equation 13] for the evaluation item i for which [Presence / absence type] is selected.
  • the "relevance data of evaluation item i" arranged in the numerator here is 1 if the divisional application has been filed as described above, and 0 if it has not been made.
  • the evaluation value calculation unit 120 calculates an evaluation score by the following [Equation 14] for the evaluation item i for which [Time decay type] is selected.
  • the denominator of Man 14] has the same formula as the [presence / absence type] used in S6302 above, but regarding the "days since examination request", the application examination request for the patent application is made. For example, 1 is added if it is done, and 0 if it is not done, for example, and a positive square root is obtained by adding up the values in the group. As for the “elapsed days since registration date”, the value of 1 if the patent application is registered and registered for the patent application, and 0 if not, is the sum of the values within the group and the positive square root is taken as the denominator. Become.
  • the value of the denominator is the positive square root of the number of patent data 200 in the group, assuming that the assessment data for the assessment item is 1. Will be equal. In either case, the denominator is large when there are many patent data 200 corresponding to the evaluation items in the group, and the denominator is small when there are only a few patent data 200 corresponding to the evaluation items in the group.
  • “Elapsed days from request for examination”, “Elapsed days from application date”, and “Elapsed days from registration date” are basic evaluation items applicable to many patents. Tends to be small!
  • the evaluation of a patent with sufficient progress information 240 is limited to the effect of the content information 230, and this time is effectively reflected in the evaluation of a patent with insufficient progress information 240. Only the evaluation score calculated by “attenuation type” is multiplied by the correction coefficient based on the content information 230.
  • the content information 230 of each patent data 200 is added to the information about the period having characteristics that are easily given to any patent data 200 regardless of whether the application is old or new. can do. As a result, it is possible to make an appropriate evaluation even for patent data consisting of new applications that do not have much progress information 240. d * o
  • Multiply a X a X a is maximized by setting the maximum values of a, a and a to 2 1/3 respectively.
  • the evaluation value calculation unit 120 calculates an evaluation score by the following [Equation 15] for the evaluation item i for which [number-of-times type] is selected.
  • the denominator has the positive square root of the total value in the group for the above "f (quotation) X log (n + l)".
  • the weight f (quotation) can be any positive number. Number of times cited in other patent applications (number of times other company citations) n and other Special j other
  • the ratio to 1) was set to 1: 2.
  • the evaluation value calculation unit 120 calculates the evaluation values of the patent data j based on the evaluation points.
  • the evaluation raw score is calculated by the following [Equation 17] (S640).
  • the evaluation raw score is the positive square root of the sum of squares of I evaluation points, or 0.
  • the evaluation score is 0 when the application examination request is not made before the examination request deadline, when the application is withdrawn or abandoned, when the decision of rejection is finalized, when the other patent application is invalidated, This is the case where the decision of revocation by the company or the trial of invalidation by the trial for invalidation is finalized, when the patent right is abandoned, when the duration of the patent right expires, or when the other patent right is extinguished.
  • This information is also read from the progress information of each patent data, and the evaluation score is set to 0 if applicable.
  • the evaluation score calculated by the [time decay type] is corrected by the content information 230.
  • One way to solve this problem is to use the maximum value among the evaluation points i as the evaluation raw score (maximum value method).
  • maximum value method there is a particular case when investigating the correlation between certain historical information and the retention rate of the patent group, when investigating the correlation regardless of what other historical information is given.
  • the patent maintenance rate is expected to be best expressed by the maintenance rate of the historical information with the highest maintenance rate, so it is reasonable to assume that the maximum value of the evaluation point i is the evaluation raw score. If the maximum value of point i is the same in the two patents, superiority or inferiority cannot be assigned.
  • the above-mentioned method of taking the square root of the sum of squares can be said to be a method that combines the advantages of the simple sum method and the maximum value method.
  • the high evaluation point i greatly affects the evaluation point.
  • Evaluation points other than the evaluation item with a high evaluation point i also become evaluation raw points with some consideration. Therefore, for patent data j that corresponds to multiple items such as “early examination”, “opposition to maintain opposition”, and “invalidation trial decision” that tend to be high, i. Can be given.
  • the patent evaluation is performed in consideration of all the evaluation points calculated according to the type of the patent attribute information (S630, S640). As a result, it is possible to evaluate the value of patent data from multiple angles.
  • the evaluation value calculation unit 120 calculates the logarithm thereof and sets it as the evaluation value of the patent data j (S650). [0149] Next, it is determined whether or not the evaluation values have been calculated for all patent data j (S660). If the calculation results in a low level (S660: NO), S67C is advanced and the variable j is set to j + 1. Set ⁇ and then return to S63C to calculate the evaluation value for the next patent data.
  • the evaluation value calculation processing from S610 to S670 is executed for all groups t obtained by classifying the patent data acquired in S400 in S500! Once all groups t! /! Have been evaluated, return to S700 in Figure 20.
  • the evaluation value calculation unit 120 calculates the deviation value in the analysis target population acquired in S400 as the patent score PS based on the evaluation value obtained in the above processing (S700).
  • the evaluation value calculation unit 120 stores the calculated patent score PS in the memory storage device 2 of the information processing device 1 (the patent score PS is stored in association with a patent data ID (patent publication number, etc.). ).
  • the patent score is calculated by classifying the analysis target population into the gnole for each technical field and using the value obtained for each classified group as the denominator. Is calculated. Therefore, according to the present modification 8, an appropriate relative evaluation can be performed within an analysis target population including patent applications or patent rights at different times in various technical fields.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

情報処理装置に、特許データを所定技術分野毎のクラスに分類するクラスタ分析部１１０と、各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値を算出すると共に、前記クラス毎且つ該クラスに属する特許データの名義人毎に名義人毎クラス毎評価値を算出し、クラス毎評価値の分布傾向を示す全体分布傾向を求め、前記名義人毎に、該名義人の名義人毎クラス毎評価値を対応付けた名義人評価情報を作成する評価値算出部１２０と、前記求めた全体分布傾向、および前記作成した各名義人評価情報を用いて、分析対象の名義人（対象名義人）の提携先を選定するための情報を生成する技術補完度算出部１２５と、を設ける。これにより、特許公報等の技術情報を利用して、最適なアライアンス先の選定を効率よく行う。

Description

明 細 書
情報処理装置、提携先を選定するための情報を生成する方法、およびプ ログラム
技術分野
[0001] 本発明は、複数の技術文献を分析する情報処理の技術に関し、特に、技術文献を 利用して、企業間における最適なアライアンス先を選定するための技術に関する。 背景技術
[0002] 特許文献 1には、 M&Aの相手先を検索する合併買収支援システムが開示されて いる。具体的には、特許文献 1の合併買収支援システムは、売り手企業の内容を示 す情報 (企業規模、業種、財務状況、取り扱い商品等の情報)と、買い手企業の買収 希望先企業の条件 (企業規模、業種、財務状況、取り扱い商品等の情報)とを格納 するデータベースを備えている。上記の合併買収支援システムは、買い手企業から の買収希望先企業の条件を受け付けると、その条件にしたがいデータベースを検索 し、買い手企業に、上記の条件に合致する売り手企業の情報を出力する。
特許文献 1 :特開 2004— 318379号公報
発明の開示
発明が解決しょうとする課題
[0003] ところで、製造メーカ等の企業では、 自社の技術力や競争力を強化するために、他 社とアライアンスを組むことがある。技術力強化を目的としたアライアンスでは、ァライ アンス先として、自社の強みを生力、しながら自社の技術の弱みを補える企業を選定 することや、自社の技術の強みをさらに強化できる企業を選定することが望まれてい しかしながら、現状では、自社および他社の技術を適切に評価して比較するための 有効な手段は確立されていない。また、現状では、アライアンス先を選定するための 有効な判断基準も知られてない。そのため、多くの企業の中から、自社の強みを生か しながら自社の技術の弱みを補える相手先や、自社の技術の強みをさらに強化でき る相手先を効率よく的確に選定することは困難なものとなっている。 [0004] なお、上記特許文献 1の技術は、買収希望先の企業規模や取り扱い商品等をキー ワードにして、データベースに登録されている売り手企業を検索する、データベース 検索技術であり、各企業の技術的な特徴 (強み弱み)を考慮した上で、最適なァライ アンス先を選定するものではなレ、。
[0005] 本発明は、上記事情を鑑みてなされたものであり、本発明の目的は、特許公報等 の技術情報を利用して、最適なアライアンス先の選定を効率よく行なえるようにするこ とにある。
課題を解決するための手段
[0006] (1)上記課題を解決するため、本発明の第 1の態様は、複数の特許データを取得 し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用され る。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デー タの属性情報とが含まれてレ、る。
そして、前記情報処理装置は、前記取得した各特許データを所定技術分野毎のク ラスに分類する手段と、各クラスに属する特許データの属性情報を利用して、該クラ ス毎にクラス毎評価値を算出すると共に、前記クラス毎且つ該クラスに属する特許デ ータの名義人毎に名義人毎クラス毎評価値を算出する手段と、前記クラス毎評価値 の分布傾向を示す全体分布傾向を求め、前記名義人毎に、該名義人の名義人毎ク ラス毎評価値を対応付けた名義人評価情報を作成する手段と、分析対象の名義人 である対象名義人の指定を受け付ける手段と、前記求めた全体分布傾向、および前 記作成した各名義人評価情報を用いて、前記受け付けた対象名義人の提携先を選 定するための情報を生成する提携先選定情報生成手段と、を有し、前記提携先選定 情報生成手段は、前記対象名義人以外の各名義人である候補名義人の名義人評 価情報と、前記対象名義人の名義人評価情報と、を前記クラス毎に加算した合成評 価情報を前記候補名義人毎に求め、該求めた合成評価情報毎に、前記クラス毎の 値の分布傾向を示す合成分布傾向を求め、該求めた各合成分布傾向の前記全体 分布傾向に対する近似度を示す合成近似度を求める。
[0007] このように、本発明の第 1の態様では、対象名義人の名義人評価情報と、候補名義 人の名義人評価情報とを加算した合成評価情報のクラス毎の値の分布傾向と、取得 した特許データ全体のクラス毎評価値の分布傾向との近似度（合成近似度）を求め ている。この合成近似度とは、合成評価情報のクラス毎の値の分布傾向が、取得した 特許データ全体のクラス毎評価値の分布傾向と、どれだけ似てレ、るかを示して!/、る。 なお、取得した特許データ全体のクラス毎評価値の分布傾向とは、取得した特許デ ータに係る技術領域全体の社会的な技術配分を示している。各企業としても、上記 の社会的な技術配分に近似した技術ポートフォリオを保有することが望ましレ、。した がって、各合成近似度を参照することにより、どの候補名義人と技術提携をすれば、 上記の社会的な技術配分に近似した技術ポートフォリオを保有できるかを判断するこ とができる。すなわち、第 1の態様によれば、最適なアライアンス先の選定を効率よく ネ亍なえるようになる。
[0008] (2)また、前記提携先選定情報生成手段は、前記対象名義人の名義人評価情報 の前記クラス毎の値の分布傾向を示す名義人分布傾向を求め、該求めた名義人分 布傾向の前記全体分布傾向に対する近似度を示す対象名義人近似度を求め、前 記求めた合成近似度の中から前記対象名義人近似度より高いものを選び、該選ん だ合成近似度を持つ合成評価情報を特定し、該特定した合成評価情報の算出に用 いた名義人評価情報に対応する候補名義人を推奨提携先として選定することとして あよい。
[0009] この構成により、複数の候補名義人のうち、対象名義人が提携することによって上 記の特許データ全体の分布に近づける候補名義人だけを提携先として選定すること 力 Sできるようになる。その結果、技術的な補完効果の高いアライアンス先を推奨提携 先として選定すること力 Sできる。
[0010] (3)また、上記課題を解決するための、本発明の第 2の態様は、複数の特許データ を取得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適 用される。ここで、前記特許データには、該特許データの名義人を示す情報と、該特 許データの属性情報とが含まれている。
そして、前記情報処理装置は、前記取得した各特許データを所定技術分野毎のク ラスに分類する手段と、各クラスに属する特許データの属性情報を利用して、該クラ ス毎にクラス毎評価値を算出すると共に、前記クラス毎且つ該クラスに属する特許デ ータの名義人毎に名義人毎クラス毎評価値を算出する手段と、前記クラス毎評価値 を要素とする補完基準ベクトルを生成し、前記名義人毎に、該名義人の名義人毎ク ラス毎評価値を要素とする名義人評価ベクトルを生成する手段と、分析対象の名義 人である対象名義人の指定を受け付ける手段と、前記生成した補完基準ベクトル、 および前記生成した各名義人評価ベクトルを用いて、前記受け付けた対象名義人の 提携先を選定するための情報を生成する提携先選定情報生成手段と、を有し、前記 提携先選定情報生成手段は、前記対象名義人以外の各名義人である候補名義人 の名義人評価ベクトルと、前記対象名義人の名義人評価ベクトルと、を加算した合成 評価ベクトルを前記候補名義人毎に求め、該合成評価ベクトル毎に、該合成評価べ タトルと前記補完基準ベクトルとの余弦である合成余弦を算出する。
[0011] このように、本発明の第 2の態様では、特許データ全体のクラス毎評価値を要素と する補完基準ベクトルを求め、候補名義人の名義人評価ベクトルの各々と、対象名 義人の名義人評価ベクトルと、を加算した合成評価ベクトルを求めている。そして、合 成評価ベクトル毎に、その合成評価ベクトルと補完基準ベクトルとの余弦 (合成余弦） を算出している。この合成余弦により、合成評価ベクトルと補完基準ベクトルとの空間 的な距離を定量的に把握することができるようになる。したがって、分析者は、この合 成余弦により、候補名義人毎の提携効果を数値で把握することができる。
[0012] (4)また、前記提携先選定情報生成手段は、前記対象名義人の名義人評価べタト ルと、前記補完基準ベクトルとの余弦である対象名義人余弦を算出し、前記合成余 弦の中から前記対象名義人余弦より高いものを選び、該選んだ合成余弦の算出に 用いた合成評価ベクトルを特定し、該特定した合成評価ベクトルの算出に用いた名 義人評価ベクトルに対応する候補名義人を推奨提携先として選定することとしてもよ い。
[0013] この構成により、対象名義人の名義人評価ベクトルに比べて、より補完基準ベクトル に近接する合成評価ベクトルに対応する候補名義人だけを提携先として選択するこ とができるようになる。その結果、技術的な補完効果の高いアライアンス先を推奨提 携先として選定すること力 Sできる。
[0014] (5)また、前記クラス毎評価値は、前記名義人毎クラス毎評価値を該当するクラス内 で合計した値と一致する値であり、前記名義人毎クラス毎評価値は、前記クラス毎評 価値を用いて規格化した値であることとしてもょレ、。
[0015] このように構成することにより、絶対的価値基準が異なるために直接対比することが 困難な技術分野間の相対比較に基づき推奨提携先の選定を行うことができる。
[0016] (6)上記課題を解決するための、本発明の第 3の態様は、複数の特許データを取 得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用さ れる。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デ ータの属性情報とが含まれてレ、る。
そして、前記情報処理装置は、前記取得した各特許データを所定技術分野毎のク ラスに分類する手段と、各クラスに属する特許データの属性情報を利用して、前記ク ラス毎且つ該クラスに属する特許データの名義人毎に評価値を算出する手段と、分 析対象の名義人である対象名義人の指定を受け付ける手段と、前記算出した評価 値を用いて、前記受け付けた対象名義人の前記クラス毎の提携先を選定する推奨 提携先選定手段と、を有し、前記推奨提携先選定手段は、前記分類した各クラスの 少なくとも 1つについて、前記対象名義人以外の各名義人である候補名義人の該ク ラスでの評価値と、前記対象名義人の該クラスでの評価値を加算した合計値を前記 候補名義人毎に求め、該合計値を用いて求めた候補名義人を該クラスにおける推 奨提携先として選定する。
[0017] このように第 3の態様によれば、分類した技術分野毎に、例えば、所定レベル以上 の技術力の向上を図ることができる提携先を選定することができるようになる。そのた め、第 3の態様は、例えば、アライアンスを組みたい技術分野が想定できている場合 に有効なものとなる。
[0018] (7)上記課題を解決するための、本発明の第 4の態様は、複数の特許データを取 得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用さ れる。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デ ータの属性情報とが含まれてレ、る。
そして、前記情報処理装置は、前記取得した各特許データを所定技術分野毎のク ラスに分類する手段と、各クラスに属する特許データの属性情報を利用して、該クラ ス毎にクラス毎評価値を算出すると共に、前記クラス毎且つ該クラスに属する特許デ ータの名義人毎に名義人毎クラス毎評価値を算出し、さらに、該算出した名義人毎ク ラス毎評価値を前記クラス毎評価値を用いて規格化した規格化名義人毎クラス毎評 価値を算出する手段と、前記規格化名義人毎クラス毎評価値を用いて、前記名義人 毎に、該名義人の規格化名義人毎クラス毎評価値を対応付けた名義人評価情報を 作成する手段と、分析対象の名義人である対象名義人の指定を受け付ける手段と、 前記作成した各名義人評価情報を用いて、前記受け付けた対象名義人の提携先を 選定するための情報を生成する提携先選定情報生成手段と、を有し、前記提携先選 定情報生成手段は、前記対象名義人の名義人評価情報と、前記対象名義人以外の 各名義人である候補名義人の名義人評価情報と、を前記クラス毎に加算した合成評 価情報を前記候補名義人毎に求め、前記合成評価情報の各クラスの値の中から前 記対象名義人の名義人評価情報の対応するクラスの値から変動している値を抽出し 、該抽出した値の最大値の属するクラスを特定する。
[0019] このように第 4の態様によれば、アライアンス候補の名義人毎に、技術提携した場合 に、その技術提携の効果が一番得られる技術分野を特定することができるようになる 。そのため、例えば、自社との競合関係等から、アライアンスを組むことができる名義 人 (例えば企業）が絞られるような場合に、第 4の態様を用いることで、絞られた企業 毎に、技術提携の効果が大きい技術分野を把握できる。また、第 4の態様を用いるこ とで、例えば、包括的な提携効果が得られない企業との間でも技術提携の効果が大 きい技術分野を特定した上での局所的な提携効果を得ることができる。
[0020] (8)上記課題を解決するための、本発明の第 5の態様は、複数の特許データを取 得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用さ れる。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デ ータの属性情報とが含まれてレ、る。
そして、上記情報処理装置は、前記取得した各特許データを所定技術分野毎のク ラスに分類する手段と、各クラスに属する特許データの性情報を利用して、該クラス 毎にクラス毎評価値を算出すると共に、前記クラス毎且つ該クラスに属する特許デー タの名義人毎に名義人毎クラス毎評価値を算出し、さらに、該算出した名義人毎クラ ス毎評価値を前記クラス毎評価値を用いて規格化した規格化名義人毎クラス毎評価 値を算出する手段と、前記規格化名義人毎クラス毎評価値を用いて、前記クラス毎 に、前記クラスに属する名義人の規格化名義人毎クラス毎評価値を対応付けた情報 を生成し、該生成した情報を可視化できる情報に加工して出力する手段と、を有する
〇
[0021] このように、第 5の態様では、技術分野毎に、各名義人の技術力を示す規格化評価 値を可視化して出力するようにしている。この構成により、絶対的価値基準が異なる ために直接対比することが困難な技術分野間の相対比較が可能となる。例えば、自 社保有技術全体の強み弱みを他社との相対比較を基に把握することができる。した 力つて、分析者は、出力された情報を観ることにより、自社と他社との技術力のバラン スを把握した上で、アライアンス先の選定を行うことができるようになる。
[0022] (9、 10)また本発明の他の態様は、上記各装置によって実行される方法と同じ工程 を備えた提携先選定情報生成方法、並びに上記各装置によって実行される処理と 同じ処理をコンピュータに実行させることのできる提携先選定情報生成プログラムで ある。このプログラムは、 FD、 CDROM、 DVDなどの記録媒体に記録されたものでも よぐネットワークで送受信されるものでもよい。
[0023] (11)上記課題を解決するための、本発明の第 6の態様は、複数の特許データを取 得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用さ れる。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デ ータの属性情報とが含まれてレ、る。
そして、上記情報処理装置は、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、各クラスに属する特許データのうち、前記対象名義人以外の各名 義人である候補名義人の特許データの属性情報と、前記対象名義人の特許データ の属性情報と、を利用して、前記クラス毎且つ前記候補名義人毎に合成評価値を算 出する手段と、 前記クラス毎評価値の分布傾向を示す全体分布傾向を求め、前記候補名義人毎 に、前記クラス毎の合成評価値の分布傾向を示す合成分布傾向を求める手段と、 前記求めた全体分布傾向、および前記求めた各合成分布傾向を用いて、前記受 け付けた対象名義人の提携先を選定するための情報を生成する提携先選定情報生 成手段と、を有し、
前記提携先選定情報生成手段は、
前記求めた各合成分布傾向の前記全体分布傾向に対する近似度を示す合成近 似度を求める。
[0024] このように第 6の態様によれば、各合成近似度を参照することにより、どの候補名義 人と技術提携をすれば、上記の社会的な技術配分に近似した技術ポートフォリオを 保有できるかを判断することができる。すなわち、第 6の態様によれば、最適なァライ アンス先の選定を効率よく行なえるようになる。
[0025] (12)上記課題を解決するための、本発明の第 7の態様は、複数の特許データを取 得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用さ れる。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デ ータの属性情報とが含まれてレ、る。
そして、上記情報処理装置は、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、各クラスに属する特許データのうち、前記対象名義人以外の各名 義人である候補名義人の特許データの属性情報と、前記対象名義人の特許データ の属性情報と、を利用して、前記クラス毎且つ前記候補名義人毎に合成評価値を算 出する手段と、
前記クラス毎評価値を要素とする補完基準ベクトルを生成し、前記候補名義人毎に 、該候補名義人の各クラス毎の合成評価値を要素とする合成評価ベクトルを生成す る手段と、
前記生成した補完基準ベクトル、および前記生成した各合成評価ベクトルを用いて 、前記受け付けた対象名義人の提携先を選定するための情報を生成する提携先選 定情報生成手段と、を有し、
前記提携先選定情報生成手段は、
前記合成評価ベクトル毎に、該合成評価ベクトルと前記補完基準ベクトルとの余弦 である合成余弦を算出する。
[0026] このように第 7の態様によれば、各合成余弦を参照することにより、合成評価べタト ルと補完基準ベクトルとの空間的な距離を定量的に把握することができるようになる。 したがって、分析者は、この合成余弦により、候補名義人毎の提携効果を数値で把 提すること力 Sでさる。
[0027] (13)上記課題を解決するための、本発明の第 8の態様は、複数の特許データを取 得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用さ れる。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デ ータの属性情報とが含まれてレ、る。
そして、上記情報処理装置は、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
前記分類した各クラスの少なくとも 1つについて、当該クラスに属する特許データの うち前記対象名義人以外の各名義人である候補名義人の特許データの属性情報と
、前記対象名義人の特許データの属性情報を利用して、前記候補名義人毎に合成 評価値を算出する手段と、
前記算出した合成評価値を用いて求めた候補名義人を、前記受け付けた対象名 義人の前記クラス毎の提携先として選定する推奨提携先選定手段と、を有する。
[0028] このように第 8の態様によれば、分類した技術分野毎に、例えば、所定レベル以上 の技術力の向上を図ることができる提携先を選定することができるようになる。そのた め、第 8の態様は、例えば、アライアンスを組みたい技術分野が想定できている場合 に有効なものとなる。
[0029] (14)上記課題を解決するための、本発明の第 9の態様は、複数の特許データを取 得し、該取得した特許データを利用して各種情報処理を行う情報処理装置に適用さ れる。ここで、前記特許データには、該特許データの名義人を示す情報と、該特許デ ータの属性情報とが含まれてレ、る。
そして、上記情報処理装置は、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
各クラスに属する特許データの属性情報を利用して、該クラス毎に、クラス毎評価値 及び前記対象名義人の名義人毎クラス毎評価値を算出すると共に、各クラスに属す る特許データのうち、前記対象名義人以外の各名義人である候補名義人の特許デ ータの属性情報と、前記対象名義人の特許データの属性情報と、を利用して、前記 クラス毎且つ前記候補名義人毎に合成評価値を算出し、さらに、該算出した名義人 毎クラス毎評価値及び合成評価値を前記クラス毎評価値を用いて規格化した規格化 名義人毎クラス毎評価値及び規格化合成評価値を算出する手段と、
前記規格化名義人毎クラス毎評価値を用いて、前記対象名義人の名義人評価情 報を作成すると共に、前記規格化合成評価値を用いて、前記候補名義人毎に、該候 補名義人の規格化合成評価値を対応付けた合成評価情報を作成する手段と、 前記作成した名義人評価情報及び合成評価情報を用いて、前記受け付けた対象 名義人の提携先を選定するための情報を生成する提携先選定情報生成手段と、を 有し、
前記提携先選定情報生成手段は、
前記、前記合成評価情報の各クラスの値の中から前記対象名義人の名義人評価 情報の対応するクラスの値から変動している値を抽出し、該抽出した値の最大値の 属するクラスを特定すること
を特徴とする情報処理装置。
このように第 9の態様によれば、アライアンス候補の名義人毎に、技術提携した場合 に、その技術提携の効果が一番得られる技術分野を特定することができるようになる 。そのため、例えば、自社との競合関係等から、アライアンスを組むことができる名義 人 (例えば企業）が絞られるような場合に、第 9の態様を用いることで、絞られた企業 毎に、技術提携の効果が大きい技術分野を把握できる。また、第 9の態様を用いるこ とで、例えば、包括的な提携効果が得られない企業との間でも技術提携の効果が大 きい技術分野を特定した上での局所的な提携効果を得ることができる。
[0031] (15)また、前記取得した各特許データについて、当該特許データに係る特許の価 値を個別に評価した特許スコアを取得する手段と、
前記候補名義人の各々について、その候補名義人と前記対象名義人の少なくとも 何れかが名義人となっている特許データの前記特許スコアを用いて、該候補名義人 と対象名義人のそれぞれ有する特許を組み合わせた場合の技術的評価を示す合成 評価値を算出する合成評価値算出手段とを備えることとしてもよい。
[0032] この構成により、各特許データに係る特許の価値を個別に評価した特許スコアを用 いることにより、候補名義人と対象名義人の少なくとも何れ力、が名義人となっている特 許の価値を反映した合成評価値の算出が可能となる。その結果、分析精度を向上す ること力 S可倉 となる。
[0033] (16)また、前記合成評価値算出手段は、
前記クラス毎に、そのクラスに属する特許データの前記特許スコアのうち、所定の閾 値以上の特許スコアを選択し、その選択した特許スコアを集計した値を、前記合成評 価ィ直として算出することとしてあよい。
[0034] この構成により、所定の閾値以上の値を集計対象とし閾値以下の値を捨象すること により、件数は多くても重要性の低!、特許が多数あるだけで重要な特許の少なレヽ特 許群が高得点になることを防止できる。その結果、適切な合成評価値を算出すること ができ、分析精度を向上することが可能となる。
[0035] (17)また、前記特許スコアは、前記合成評価値の算出対象であるクラスを含む母 集団の特許群において標準化した値であることとしてもよい。
[0036] この構成により、母集団における標準値を求めて合成評価値を算出することにより、 異なるクラス間及び異なる候補名義人間での相対比較の精度を向上させることがで きる。その結果、分析精度を向上することが可能となる。
[0037] (18)また、前記特許スコアとは、前記特許データを技術分野毎、且つ所定期間毎 のグループに分類し、その分類したグループ毎に、そのグループに属する特許デー タの経過情報を利用し、それぞれの特許データについての算出した値であることとし てもよい。
[0038] 技術分野毎、且つ所定期間毎のグループに分類し、その分類したグループ毎に経 過情報を利用して特許スコアを算出することで、技術分野及び出願時期の違いによ る経過情報の偏りを補正し、的確な特許スコアを算出することが可能となる。その結 果、適切な合成評価値を算出することができ、分析精度を向上することが可能となる 図面の簡単な説明
[0039] [図 1]本発明の一実施形態が適用された情報処理装置の機能ブロック図。
[図 2]上記実施形態の情報処理装置 1のハードウェア構成図。
[図 3]記憶装置に記憶された特許データのデータ構造を模擬的に例示した図。
[図 4]上記実施形態の情報処理装置の提携先選定情報生成処理を示すフローチヤ ート。
[図 5]技術補完度及び技術深耕度の概略を説明する概念図。
[図 6]特許データの取得処理の一例を示す概念図。
[図 7]クラスタ分析結果及び出願人毎の分類の一例を示す概念図。
[図 8]名義人毎クラス毎評価値を示す棒グラフ。
[図 9]規格化名義人毎クラス毎評価値を示す棒グラフ。
[図 10]図 4のうち技術補完度の算出処理について詳細を説明するフローチャート。
[図 11]本実施形態による技術補完度算出処理の算出結果を例示した表。
[図 12]図 4のうち技術深耕度の算出処理について詳細を説明するフローチャート。
[図 13]本実施形態による技術深耕度算出処理の算出結果を例示した表。
[図 14]本実施形態による技術深耕度および技術補完度算出処理の算出結果を例示 した表。
[図 15]本発明の実施形態により出力するアライアンス分布図の一例。
[図 16]図 9のグラフを生成する処理を説明するフローチャート。
[図 17]変形例 8の情報処理装置の提携先選定情報生成処理を示すフローチャート。
[図 18]変形例 8のパテントスコアを用いた名義人毎クラス毎評価値及び上記実施形 態の特許インパクト指数と経過情報指数とを用いた名義人毎クラス毎評価値の分布 を、公報件数との関係において示した図。
[図 19]変形例 8で利用する内容情報のデータ構成の一例を模擬的に示した図。
[図 20]変形例 8で利用する経過情報のデータ構成の一例を模擬的に示した図。
[図 21]変形例 8のパテントスコアの算出処理の手順を示したフローチャート。
[図 22]変形例 8のパテントスコアを算出する処理の詳細を示すフローチャート。
符号の説明
[0040] 1 :情報処理装置、 2 :記憶装置、 3 :入力装置、 4 :出力装置、 100 :制御部、 105 :
データ取得部、 110 :クラスタ分析部、 120 :評価値算出部、 125 :技術補完度算出 部、 130 :技術深耕度算出部、 135 :出力部
発明を実施するための最良の形態
[0041] < 1.情報処理装置の概略構成〉
以下、本発明の実施形態について図面を用いて説明する。先ず、本発明の一実施 形態が適用された情報処理装置の概略構成について説明する。
[0042] 図 1は、本発明の一実施形態が適用された情報処理装置の機能ブロック図である。
図示するように、提携先を選定するための情報を生成する情報処理装置 1は、分析 対象の名義人 (対象名義人)及び対象名義人以外の名義人 (候補名義人)の特許デ ータ 200等の各種情報を記憶する記憶装置 2と、分析者からの各種要求を受け付け る入力装置 3と、情報処理装置 1が生成した提携先選定情報を出力する出力装置 4 と、それぞれ接続されている。
[0043] 以下では、情報処理装置 1と記憶装置 2とは、 LAN (Local Area Network)等のネッ トワークで接続されている場合を例にする。また、情報処理装置 1と入力装置 3とは、 ローカル接続されていて、情報処理装置 1と出力装置 4とは、ローカル接続されてい る場合を例にする。
[0044] 情報処理装置 1は、制御部 100、データ取得部 105、クラスタ分析部 110、評価値 算出部 120、技術補完度算出部 125、技術深耕度算出部 130および出力部 135を 有する。
[0045] 制御部 100は、情報処理装置 1全体の動作を制御する。また、制御部 100は、入力 装置 3を介して、分析者からの各種要求を受け付ける。例えば、制御部 100は、分析 者が入力する、分析対象の特許データの技術領域を特定する情報や、分析対象の 名義人 (対象名義人)を特定する情報を受け付ける。
[0046] データ取得部 105は、記憶装置 2にアクセスし、記憶装置 2に各種のデータを格納 したり、記憶装置 2に格納されているデータを読み出す。例えば、データ取得部 105 は、制御部 100を介し、ユーザ (分析者）が要求した、分析対象の特許データの技術 領域を受け付ける。そして、データ取得部 105は、記憶装置 2にアクセスし、記憶装 置 2に格納されている特許データ 200のうちから、受け付けた技術分野に属する特許 データを読み出す。また、データ取得部 105は、読み出した特許データの名義人を 示す情報や、属性情報（内容情報、経過情報等)を読み出す。これら読み出す情報 の詳細は後述する。
[0047] クラスタ分析部 110は、データ取得部 105により取得された複数の特許データを所 定技術分野毎のクラスに分類する。例えば、クラスタ分析部 110は、特許データの各 々の内容情報に基づいて文書ベクトルを生成し、この文書ベクトル間の類似度に基 づレ、てクラスタ分析を行うことで、複数の特許データを所定技術分野毎のクラスに分 類する。クラスタ分析による分類が階層構造をとる場合、下位のクラスタ或いは上位 のクラスタのいずれを用いるかは、提携先を検討すべき技術的範囲に応じて任意に 選択すること力でさる。
[0048] 評価値算出部 120は、クラスタ分析部 110により分類された各クラスに属する特許 データの属性情報を利用して、クラス毎にクラス毎評価値を算出するとともに、クラス 毎且つ名義人毎に名義人毎クラス毎評価値を算出する。ここで評価値を算出するた めの属性情報は、特に経過情報を用いることが好ましい。また名義人毎クラス毎評価 値は、クラス毎評価値を用いて規格化することが好ましレ、。
また評価値算出部 120は、名義人毎に、該名義人の名義人毎クラス毎評価値を対 応付けた名義人評価情報を作成する。
[0049] 技術補完度算出部 125は、クラス毎評価値の分布傾向を示す全体分布傾向と、名 義人毎に名義人毎クラス毎評価値を対応付けた名義人評価情報を用いて、提携先 選定情報として技術補完度を算出する。
[0050] 技術深耕度算出部 130は、名義人毎に規格化名義人毎クラス毎評価値を対応付 けた名義人評価情報を用いて、提携先選定情報として技術深耕度を算出する。
[0051] 出力部 135は、上記の求めた提携先選定情報としての技術補完度、技術深耕度を 出力装置 4に出力し、或いは提携先選定情報として推奨提携先を示す情報を生成し て出力装置 4に出力する。例えば、出力部 135は、出力装置 4がディスプレイの場合 、提携先選定情報を示す画像データを生成し、生成した画像データを出力装置 4に 出力する。また、出力部 135は、出力装置 4がプリンタの場合、提携先選定情報を示 す印刷データを生成し、生成した印刷データを出力装置 4に出力する。
[0052] 記憶装置 2は、特許公報等の特許データ 200を記憶するユニットであり、例えば、 D
VD— ROMドライブと DVD— ROMや HDD等により構成される。
[0053] 図 3は、記憶装置に記憶された特許データのデータ構造を模擬的に例示した図で ある。
記憶装置 2には、多数の特許データ 200の各々について、特許データ ID210、書 誌情報 220、内容情報 230、経過情報 240が対応付けられて記憶されている。 特許データ ID210としては、例えば公開特許公報の番号、特許掲載公報の番号等 が記憶される。またこれに限らず、出願番号や、独自に付した整理番号等を付与して も良い。
書誌情報 220としては、出願人や特許権者を示す名義人情報が含まれる。その他 、出願日や請求項数等の情報が含まれていても良い。本実施形態では、名義人毎ク ラス毎評価値の算出のために各クラスを名義人毎に分類する処理等において、特に 名義人情報を参照する。
内容情報 230としては、明細書、特許請求の範囲、要約書等のテキストデータや、 図面等のイメージデータが含まれることが望ましい。本実施形態では、特許データを 所定技術分野毎のクラスに分類する処理等において、特に明細書、特許請求の範 囲等のテキストデータを参照する。
経過情報 240としては、早期審査請求データ、無効審判維持審決データ、被引用 回数データ等が含まれる。本実施形態では、名義人毎クラス毎評価値の算出等にお いて、特に経過情報を参照する。
[0054] 入力装置 3は、情報処理装置 1の各種機能選択、分析対象の特許データや分析対 象の名義人を特定する指示を受け付けるユニットで、スクロールキー、縮尺変更キー などのハードスィッチ、ジョイステックなどで構成される。
出力装置 4は、情報処理装置 1からのデータを受け付けて出力するためのユニット である。出力装置 4は、例えば、液晶ディスプレイやプリンタなどで構成される。
[0055] < 2.情報処理装置のハードウェア構成〉
次に、本実施形態の情報処理装置 1のハードウェア構成について説明する。
図 2は、本実施形態の情報処理装置 1のハードウェア構成図である。
図示するように、情報処理装置 1は、 CPU (Central Processing Unit) 10と、 RAM ( Random Access Memory)等の主記憶装置 11と、 HDD等の補助記憶装置 12と、周 辺装置 (ここでは、入力装置 3および出力装置 4)との間で行われるデータの送受信 を制御する IOインタフェース 13と、ネットワークに接続されている装置 (ここでは、記 憶装置 2)との間で行われるデータの送受信を制御するネットワークインタフェース 14 と、を有する。
[0056] ここで、補助記憶装置 12には、図 1に示した各部（制御部 100、データ取得部 105 、クラスタ分析部 110、評価値算出部 120、技術補完度算出部 125、技術深耕度算 出部 130、および出力部 135)の機能を実現するためのプログラム（提携先選定情報 生成プログラム）が記憶されてレ、るものとする。
[0057] そして、図 1に示した各部（制御部 100、データ取得部 105、クラスタ分析部 110、 評価値算出部 120、技術補完度算出部 125、技術深耕度算出部 130、および出力 部 135)の機能は、 CPU10が補助記憶装置 12に記憶されている提携先選定情報 生成プログラムを主記憶装置 11にロードして実行することにより実現される。
[0058] < 3.提携先選定情報生成処理〉
続レ、て、本実施形態の情報処置装置が行う処理につ!、て説明する。
図 4は、本実施形態の情報処理装置の提携先選定情報生成処理を示すフローチ ヤートでめる。
図示するように、本実施形態の情報処理装置は、提携先選定情報として、自社と各 他社との技術補完度を算出する処理を行ったり、或いは、その算出した技術補完度 等に基づいて推奨提携先企業を選定する処理を行ったりする（S 100〜S 160)。ま た本実施形態の情報処理装置は、提携先選定情報として、自社と各他社との技術深 耕度を算出する処理を行ったり、或いは、その算出した技術深耕度等に基づいて特 定技術分野での推奨提携先企業を選定する処理を行ったりする（S200〜S260)。 また本実施形態の情報処理装置は、提携先選定情報として、技術補完度と技術深 耕度に基づくアライアンス分布図を生成する（S400)。
[0059] < 3— 1.技術補完度及び技術深耕度の概略〉
上記の技術補完度及び技術深耕度について、考え方の概略を説明する。 図 5は、技術補完度及び技術深耕度の概略を説明する概念図である。 ある分析対象の技術領域において、複数の特許データを、所定技術分野毎のクラ ス、ここでは 6クラスに分類する。各クラスを更に名義人ごと、ここでは α社、 /3社、 γ 社に分類して、名義人毎クラス毎の特許データに基づいて名義人毎クラス毎評価値 を算出する。図 5 (A)の縦軸は各クラスを示し、横軸は名義人毎クラス毎評価値を示 す。但し横軸の値は、各クラスでの名義人毎クラス毎評価値の合計（クラス毎評価値） 1S 他のクラスでの合計（クラス毎評価値）と等しくなるように規格化してある。この図 5 (Α)から、 α社、 /3社、 γ社それぞれの得意分野、不得意分野を伺い知ることができ 、 a社の立場で、 /3社或いは γ社のうち何れを提携先として選定するかの検討が可 能となる。
[0060] 提携先を選定するに際して、 2つの異なる観点からの検討が可能である。 1つは当 該分析対象の技術領域全体での相互補完による総合的な提携効果 (技術補完度） を観ることである。他の 1つは当該分析対象の技術領域のうち特定技術分野（クラス） での増強による局所的な提携効果 (技術深耕度)を観ることである。
[0061] 2社間（例えば α社と (社）の補完関係を考える際、 α社の得意分野が /3社では不 足しており、逆に /3社の得意分野が α社では不足しているとすれば、互いに補完関 係が構築される。技術補完度はこの補完関係を数値化するものである。具体的には 、 2社の名義人毎クラス毎評価値をクラス毎に加算して合成評価情報を求め、この合 成評価情報を用いて技術補完度を算出する。
図 5 (B)は、図 5 (A)のうち α社と /3社の名義人毎クラス毎評価値のみを抜き出した ものである。 α社と 13社の名義人毎クラス毎評価値を並べて表示しているので、 2社 の名義人毎クラス毎評価値の各クラスでの合計から、 2社の合成評価情報が読み取 れるようになっている。図 5 (B)では、 α社と /3社の各不得意分野が相互に補われて おり、技術補完度が高いと推測される。
[0062] 図 5 (C)は、図 5 (A)のうち α社と γ社の名義人毎クラス毎評価値のみを抜き出した ものである。図 5 (B)と併せて検討すれば、 α社にとって、 /3社と提携した方が γ社と 提携するより総合的な補完効果が高いことが読み取れる。しかし、図 5 (B)、図 5 (C) をクラス毎に観てみると、クラス 6につ!/、ては Ί社が β社を上回る評価値を有してレ、る 。従って、 α社は γ社と提携すればクラス 6の深耕が可能となり（すなわち、クラス 6に 分類された技術分野の技術力を高めることが可能となる）、 a社は γ社との提携から 更なる躍進を望める可能性を有している。技術深耕度は、この深耕度合いを数値化 するものである。この技術深耕度も、 2社の名義人毎クラス毎評価値をクラス毎に加算 した値力 算出する。
[0063] < 3— 2.技術補完度（S 100〜S 160)〉
技術補完度の算出及びこの技術補完度等に基づく推奨提携先企業の選定につい て、図 4のフローチャートに沿って説明する。
[0064] < 3 - 2 - 1.特許データの取得（S 100)〉
情報処理装置のデータ取得部 105は、分析者が入力装置 3より入力した特許デー タの特定情報を取得し、この特定情報に従い、記憶装置 2より特許データ 200を取得 する（S 100)。
特許データの特定情報は、例えば IPCコードなど、複数の特許データを特定するた めの情報であれば任意のものを用いることができる。但し、本実施形態では分析対象 の名義人 (対象名義人)又はその依頼を受けた分析者等が自社の提携先を複数の 他企業から選定する場合を想定し、次の手順で取得するデータを特許データの特定 情報とする。
[0065] 図 6は、特許データの取得処理の一例を示す概念図である。
(A)まず、データ取得部 105は、対象名義人の特許データから、注目技術を選定 する処理を行う。具体的には、データ取得部 105が、対象名義人の指定を受け付け て当該対象名義人の特許データを記憶装置 2から取得する。更に、クラスタ分析部 1 10が、取得した対象名義人の特許データをクラスタ分析して複数のクラスタ（対象企 業クラスタ）を得る（クラスタ分析については後述する）。そして、データ取得部 105が 、複数の対象企業クラスタの中から特定の対象企業クラスタを注目技術として選定す る（図 6 (A) )。対象企業クラスタの中から注目技術を選定する方法は、例えば、分析 者から別途入力される対象企業クラスタの選定条件に従って注目技術を選定しても 良いし、評価値算出部 120により、各対象企業クラスタの評価値を算出し (評価値に ついては後述する）、この評価値に基づいて例えば評価値が最大の対象企業クラス タを注目技術として選定しても良い。
(B)次に、データ取得部 105は、対象名義人及び対象名義人以外の名義人 (候補 名義人）の公報を含む全特許データ（自他特許文書群)から、注目技術及び注目技 術に類似する文書群（自他特許特定分野文書群)を抽出する。具体的には、クラスタ 分析部 110等に含まれる類似度算出モジュールを用いて、自他特許文書群の各々 と上記注目技術との類似度を計算し、類似度上位所定個数の特許データを自他特 許特定分野文書群として抽出する（図 6 (B) )。このように対象名義人の注目技術を 核として自他特許特定分野文書群を抽出することにより、対象名義人の注目技術に 関する特許データを含み、他社の同じ技術領域に属する特許データを含む包括的 な文書群を用いて、自社の提携先を選定することができる。
[0066] < 3— 2— 2·クラスタ分析（S110)〉
複数の特許データを取得したら、クラスタ分析部 110は、この特許データを所定技 術分野毎のクラスに分類する（S 110)。
[0067] 分類の方法は、例えば IPCコード（S 100にて IPCコードを用いて特許データを特 定した場合は、ここではより低い階層の IPCコード）など、特許データを技術分野ごと に分類する方法であれば任意のものを用いることができる。但し、本実施形態では特 許データに含まれる明細書、特許請求の範囲等の文書をベクトル表現し、クラスタ分 析を行う。
[0068] 文書のベクトル表現は公知の方法で行うことができる。例えば、各特許データの内 容情報 230に含まれる明細書、特許請求の範囲等からの単語切り出し処理を行うこ とにより索引語を抽出し、各索引語に、その出現頻度に基づく重み付けを付す。重み 付けとしては、例えば、索引語頻度 (TF :当該文書における当該索引語の出現回数 )と、文書頻度 (DF :所定文書集団のうち当該索引語が出現する文書の文書数)の 逆数又は文書頻度の対数の逆数 (IDF：逆文書頻度）との積により求められる TFID Fを用いること力 Sできる。この重み付けをベクトル要素とする多次元ベクトル（次元数は 索引語数)が、各特許データを表現するベクトルとなる。
[0069] クラスタ分析も公知の方法で行うことができる。例えば、ベクトル間の類似度（内積 値、又は相関係数など)を算出し、類似する特許データ同士をまとめてクラスタとする 。階層的クラスタ分析においては下位クラスタだけでなぐ互いに類似度の高い下位 クラスタをまとめた上位クラスタ、その中間の中位クラスタも生成される。
[0070] 図 7は、クラスタ分析結果及び出願人毎の分類の一例を示す概念図である。
図 7 (A)には、下位クラスタ 59個、中位クラスタ 8個、上位クラスタ 4個が生成された 例を示している。ここで下位クラスタは、図 7 (A)にそれぞれ実線の矩形で示したクラ スタである。中位クラスタ 711、 721乃至 723、 731、及び 741乃至 743は、図 7 (A) の各 1列分で示されたクラスタである。上位クラスタ 710、 720、 730、及び 740は、図 7 (A)の第 1番目の分岐で生成されたクラスタである。本実施形態における分析単位 である「クラス」として下位クラスタを用いる力、、中位或いは上位クラスタを用いるかは 分析の目的に応じて選択すればよいが、以下では中位クラスタを用いることとし、 8個 のクラスを対象とした分析例を示す。
[0071] 本実施形態では更に、クラスタ分析部 110が、各クラスを名義人毎に分類する。具 体的には、各クラスに属する特許データの書誌情報 220から出願人又は特許権者の 情報を抽出し、これに基づき名義人毎の分類をする（図 7 (B) )。
[0072] < 3— 2— 3.特許インパクト指数及び経過情報指数の算出（S120)〉
クラスタ分析により特許データを所定技術分野毎のクラスに分類し、各クラスを名義 人毎に分類したら、評価値算出部 120は、名義人毎クラス毎評価値を算出するため 、名義人毎クラス毎に「特許インパクト指数」及び「経過情報指数」を算出する（S120 )。
[0073] まず、評価値算出部 120は、名義人毎クラス毎の特許データの文書数 Nを判定す る。ある特許出願につき公開特許公報と特許掲載公報が発行されて!/、る場合には、 当該特許出願についての文書数は 2件としてカウントすることが望ましい。
[0074] 次に、データ取得部 105により、記憶装置 2から、名義人毎クラス毎の各特許デー タの経過情報を読み出す。読み出す経過情報の例としては、各特許出願につき、 「他社引用回数」（0又は正の整数）、
「被特許異議申立若しくは被特許無効審判請求の回数」（0又は正の整数)、 「審査請求の有無」（1又は 0 (有の場合は「1」、無の場合は「0」を示す））、 「特許権設定登録の有無」（1又は 0 (有の場合は「1」、無の場合は「0」を示す））、 「早期審査請求の有無」（1又は 0 (有の場合は「1」、無の場合は「0」を示す））、 「査定不服審判の有無」（1又は 0 (有の場合は「1」、無の場合は「0」を示す）） 等が挙げられる力 他の情報であってもよい。
[0075] 次に、評価値算出部 120により、名義人毎クラス毎に、上記読み出した経過情報に 基づく複数の指標を算出する。
この指標の例としては、「他社引用回数の合計値」、「被特許異議申立若しくは被特 許無効審判請求の回数の合計値」、「審査請求率」、「登録査定率」の他、「特許登録 率」、「早期審査請求率」、「他社引用件数比率」、「査定不服審判件数比率」、「被異 議申立又は被無効審判請求件数比率」があるが、他の指標を用いてもよい。各々の 定義は次の通りである。
「他社引用回数の合計値」 =「他社引用回数」の名義人毎クラス毎の文書群での合 計
「被特許異議申立若しくは被特許無効審判請求の回数の合計値」
=「被特許異議申立若しくは被特許無効審判請求の回数」の名義人毎クラス毎の 文書群での合計
「審査請求率」 =審査請求件数/特許出願件数
「特許登録率」 =特許登録件数/特許出願件数
「登録査定率」 =特許登録件数/審査請求件数
「早期審査請求率」 =早期審査請求件数/審査請求件数
「他社引用件数比率」 =「他社引用回数の合計値」/特許出願件数
「査定不服審判件数比率」 =査定不服審判件数/審査請求件数 「被特許異議申立若しくは被特許無効審判請求件数比率」
=「被特許異議申立若しくは被特許無効審判請求の回数の合計値」 /特許登録 件数
なお、これらの定義のうち
特許出願件数は名義人毎クラス毎の特許出願件数
審査請求件数は「審査請求の有無」（1又は 0)の名義人毎クラス毎の文書群での合 計
特許登録件数は「特許権設定登録の有無」（1又は 0)の名義人毎クラス毎の文書 群での合計
早期審査請求件数は「早期審査請求の有無」（1又は 0)の名義人毎クラス毎の文 書群での合計
査定不服審判件数は「査定不服審判の有無」（1又は 0)の名義人毎クラス毎の文 書群での合計
で与えればよい。
次に、評価値算出部 120は、名義人毎クラス毎に、その「文書数」に所定の重み付 けをして特許インパクト指数を算出する。特許インパクト指数は、名義人毎クラス毎に 、他社牽制力（他社の権利化を抑制し、自社特許の価値を向上させる度合!/、）を評 価しょうとするものをいう。例えば、「文書数」に対して「他社引用回数の合計値」及び /又は「被特許異議申立若しくは被特許無効審判請求の回数の合計値」に基づく所 定の重み付けを行い、
特許インパクト指数 =「文書数」 +「他社引用回数の合計値」 +「被特許異議申立 若しくは被特許無効審判請求の回数の合計値」
によって算出すること力 Sできる。「文書数」に対する重み付けは、上式のような加算に より行っても良いし、他の何らかの比率を乗算することにより行ってもよい。
なお、上記所定の重み付けとしては、これらの他にも、例えば、特許収益性、特許 生産性、特許活用度及び特許競争力等、種々のものが挙げられるが、これに限定さ れなレ、。
上記のように文書数を判定することにより、当該クラスにおける各名義人のシェアを 把握すること力 Sできる。また、文献数に所定の重み付けを行うことにより、経済的な側 面や技術競争力を加味して当該クラスにおける各名義人の評価を行うことができる。
[0077] 次に、評価値算出部 120は、名義人毎クラス毎に、経過情報に基づく指標を二乗 平均して経過情報指数を算出する。経過情報指数は、名義人毎クラス毎に、自社、 特許庁及び競合他社の観点から特許の価値を評価しょうとするもので、例えば、 経過情報指数 = {∑ d (指標)2 /d}
指標 No = l
によって算出することができる。すなわち、経過情報に基づく d個の指標、例えば上 記「審査請求率」、「登録査定率」、「特許登録率」、「早期審査請求率」、「他社引用 件数比率」、「査定不服審判件数比率」、「被異議申立又は被無効審判請求件数比 率」の計 7個の指標の二乗和を指標数 d= 7で除算して算出された値の正の平方根 をとることにより、経過情報指数を算出することができる。ここでは、経過情報指標の 例として上記 7個の指標を示したが、他にも、例えば、「自社引用件数比率」、「国内 優先権主張率」、「国外優先権主張率」、「包袋閲覧率」等を用いるようにしてもよい。 上記の指標を用いた名義人毎クラス毎評価値を算出することにより、他社の特許取 得、技術開発に対して障害となりうる特許の影響力を加味して当該クラスにおける各 名義人の評価が可能である。また、出願人の権利化意欲や審査官評価を加味した 評価が可能である。
[0078] < 3— 2— 4.名義人毎クラス毎評価値の算出（S 130) >
特許インパクト指数及び経過情報指数を算出したら、これに基づき、評価値算出部 120は、名義人毎クラス毎評価値を算出する（S 130)。
具体的には、名義人毎クラス毎に、上記特許インパクト指数と、上記経過情報指数 とを乗算して名義人毎クラス毎評価値を算出する。このように経過情報を指数化する ことにより、例えば、定量的且つ客観的な評価を行うことができる。
この名義人毎クラス毎評価値は、以下の性質を持っている。
「審査請求率」 = 0の場合、経過情報指数はほとんどのケースで 0となり、その結果、 名義人毎クラス毎評価値も 0となる。
経過情報指数は、特許登録される件数が増えるにつれて増大する。また、拒絶查 定不服審判、被異議申立等があれば勘案される。 特許インパクト指数は公報件数をカウントするので、特許出願が増えるほど増大し、 更に特許掲載公報が発行されると一層増大する。そして、「他社引用回数の合計値」 、「被特許異議申立若しくは被特許無効審判請求の回数の合計値」で重み付けされ ている。
この名義人毎クラス毎評価値により、特許文書群を経過情報の側面から評価できる ので、特許件数だけでは測れなレ、特許の強さを窺!、知ること力 Sできる。
[0079] 図 8は、名義人毎クラス毎評価値を示す棒グラフである。縦軸がクラス（クラス 1乃至 クラス 8)を表している。横軸は、各名義人 (A社乃 社及びその他）の名義人毎クラ ス毎評価値を表しており、各クラスについて、全名義人を含む棒の長さが名義人毎ク ラス毎評価値の当該クラスでの合計値を表してレ、る。
これにより、技術分野毎に、各名義人 (例えば各企業）の各クラスでの位置づけを把 握し、ある特定の名義人 (例えば自社）の強み、弱みがどこにあるかを把握することが できる。また、任意の他社を提携先として選んだ場合に、各クラスにおける自社及び 当該提携先の名義人毎クラス毎評価値の合計がどの程度になる力、を読み取ることに より、提携先を選定することができる。
例えば B社は A社のライバル企業であった場合、 A社力 ¾社に対して競争上の優位 性を維持し続けて!/、くためにはどこと手を組めば良!/、かとレ、うような戦略を練ることも できる。
[0080] < 3— 2— 5·規格化（S140)〉
名義人毎クラス毎評価値が算出されたら、他のクラスでの名義人毎クラス毎評価値 との比較が容易となるよう規格化することが望まし!/、 (S140)。
なお、本実施形態は、上記規格化の具体的な手順について特に限定されるもので はないが、例えば、クラス毎に、当該クラスでの名義人毎クラス毎評価値の総計（クラ ス毎評価値)を算出し、名義人毎クラス毎評価値をこのクラス毎評価値で除算するよ うにしてもよい。すなわち、例えば、以下に示す (数 1)により、名義人毎クラス毎評価 値を規格化するようにしてもよ!/、。
[数 1] V i ■ n
fl = ^T- (■ -∑fi= 1)
∑V i i=1
i=1
fi：規格化した名義人毎の評価値
V i :名義人毎クラス毎評価値
n :クラス内の企業数（出願人数）
図 9は、規格化名義人毎クラス毎評価値を示す棒グラフである。縦軸がクラス（クラ ス 1乃至クラス 8)を表している。横軸は、各名義人 (A社乃 社及びその他）の規格 化名義人毎クラス毎評価値を表しており、各クラスについて、全名義人を含む棒の長 さはすベて 1となっている。
これにより、絶対的価値基準が異なるために直接対比することが困難な技術分野 間の相対比較も可能となり、その規格化した値に基づいて推奨提携先の選定を行う こと力 Sできる。すなわち、ある特定の名義人の各クラスでの位置づけを一層容易に把 握し、自社の強み、弱みがどこにあるかを把握することができる。また、任意の他社を 提携先として選んだ場合に、各クラスにおける自社及び当該提携先の名義人毎クラ ス毎評価値の合計がどの程度になる力、を読み取ることにより、提携先を一層容易に 選定すること力 Sでさる。
[0081] < 3— 2— 6.技術補完度の算出（S 150)〉
次に、技術補完度を算出する（S 150)。
図 10は、図 4のうち技術補完度の算出処理について詳細を説明するフローチヤ一 トでめる。
[0082] 技術補完度を算出するため、技術補完度算出部 125は、クラス毎評価値の分布傾 向（全体分布傾向）を取得する（S 151)。全体分布傾向は、例えば、クラス数を次元 数とし、各クラスのクラス毎評価値をベクトル成分とするベクトル (補完基準ベクトル） で表現すること力 Sできる。つまり、クラス毎評価値の分布に偏りがある場合は成分の値 のばらつきが大きい補完基準ベクトルとなり、均一な場合は成分の値のばらつきが小 さい補完基準ベクトルとなる。全体分布傾向は、ベクトル表現に限らず、例えばクラス 毎評価値のデータ列で表現しても良い。
上記 S 140において名義人毎クラス毎評価値が規格化してある場合、クラス毎評価 値がすべて 1であるので、全体分布傾向は均一状態を表現するデータとなる。これを ベクトルで表現すれば、全成分が 0以外の同一値 (例えば 1)のベクトルとなる（後述 の数 4参照）。
[0083] 技術補完度算出部 125は、分析対象の名義人 (対象名義人）について、該名義人 の名義人毎クラス毎評価値を対応付けた名義人評価情報を取得する（S 152)。名義 人評価情報は、例えば、クラス数を次元数とし、当該名義人の各クラスでの名義人毎 クラス毎評価値をベクトル成分とするベクトル (名義人評価ベクトル)で表現することが できる（後述の数 2参照）。名義人評価情報は、ベクトル表現に限らず、例えば当該 名義人の名義人毎クラス毎評価値のデータ列で表現しても良レ、。
[0084] 技術補完度算出部 125は、対象名義人以外の各名義人 (候補名義人）についても 、該名義人の名義人毎クラス毎評価値を対応付けた名義人評価情報 (候補名義人 の名義人評価情報のベクトル表現については、後述の数 3参照）を取得する（S 153) 。 S152、 S I 53で対象名義人と候補名義人の名義人評価情報（或いは名義人評価 ベクトル）を取得したら、これらを用いて次の S154の処理を行う。
[0085] 技術補完度算出部 125は、対象名義人の名義人評価情報と、各候補名義人の名 義人評価情報と、をクラス毎に加算した合成評価情報を候補名義人毎に算出する。 また、この合成評価情報毎に、クラス毎の値の分布傾向（合成分布傾向）を算出する (S 154)。
合成評価情報は、例えば、対象名義人の名義人毎クラス毎評価値と、各候補名義 人の名義人毎クラス毎評価値と、をクラス毎に加算した値 (合成評価値)のデータ列 で表現される。
合成分布傾向は、このデータ列で表現されたものをそのまま用いても良いし、合成 評価情報のデータ列をベクトル要素とするベクトルで表現することもできる。対象名義 人と各候補名義人の名義人評価情報が何れもベクトル (名義人評価ベクトル)で表現 されている場合には（S 152、 S 153参照）、これらベクトルを加算すれば直ちに合成 分布傾向（合成評価ベクトル)が算出される（後述の数 5参照）。
この合成評価情報又は合成分布傾向（或いは合成評価ベクトル）により、対象名義 人と各候補名義人が提携して互いの特許を利用可能とした場合に、各技術分野 (ク ラス）においてどれだけの特許が利用可能となるかを、提携候補である候補名義人毎 に、容易に予測することができる。
合成分布傾向が算出されたら、技術補完度算出部 125は、各合成分布傾向の全 体分布傾向に対する近似度 (合成近似度)を算出する（S 155)。この合成近似度は、 対象名義人と候補名義人の合成分布傾向が、互いの不得意分野を補い合う理想的 な状態に近いかどうかを示す値として、定義されるものである。この「互いの不得意分 野を補い合う理想的な状態」として、本実施形態では全体分布傾向を用いる。上記 S 140において名義人毎クラス毎評価値が規格化してある場合、この全体分布傾向は 均一状態を指す (ベクトルで表現すれば、全成分が 0以外の同一値のベクトルとなる） 。この場合、合成近似度は、均一状態に対する合成分布傾向の近似度だということも できる。
合成近似度は、合成分布傾向と全体分布傾向の近似度であるから、例えばクラス 毎に、合成分布傾向を示すデータ列の各々を、全体分布傾向を示すデータ列の各 々で除算し、算出結果のばらつきが小さい程合成近似度が大きいこととすることがで きる。
合成分布傾向と全体分布傾向が何れもベクトル (合成評価ベクトルと補完基準べク トル)で表現されて!/、る場合には、合成近似度としてはこれらベクトルの余弦 (合成余 弦）を用いることが好ましい。つまり、対象名義人の名義人評価ベクトルを f (数 2参
self 照）とし、各候補名義人の名義人評価ベクトルを f (数 3参照）とし、補完基準べタト
other
ルを a (例えば、数 4参照）とした場合、合成評価ベクトルは
f + f (数 5参照）
self otner
であるから、合成近似度は、
{ (f + f ) - a } /{ I f + f I I a I } =cos 6で表現される。この cos S (合成余 self other self other
弦）は 0以上 1以下の値域をとる。
[数 2] i class I
S class!
Figure imgf000030_0001
classD J ここで、ベクトル f は対象名義人の名義人評価ベクトル、ベクトル成分 S 乃至 S
self class 1 ci は対象名義人の名義人毎クラス毎評価値 (規格化したものが好ましい）、次元数 D assD
はクラスの数である。
[数 3] ί T classl
Z class!
J f other classDノ
ここで、ベクトル f は候補名義人の名義人評価ベクトル、ベクトル成分 T 乃至 Τ
otner class 1 は候補名義人の名義人毎クラス毎評価値 (規格化したものが好ましい）、次元数 classD
Dはクラスの数である。
[数 4コ
a ノ
ここで、ベクトル aは補完基準ベクトルである。次元数は、数 2及び数 3の次元数 Dで ある。この式に例示されるベクトル aは全成分が 1となっており、これは名義人毎クラス 毎評価値を当該クラスでの総計が 1となるように規格化した場合に適用される好まし い例の 1つである。
[数 5] classl
classl
felf + f other
Figure imgf000031_0001
1 classD J
ここで、ベクトル f +f は合成評価ベクトルである。
self other
[0087] こうして算出した合成近似度は、合成分布傾向が、全体分布傾向とどれだけ似てい るかを示している。なお、全体分布傾向は、取得した特許データに係る技術領域全 体の社会的な技術配分を示している。この社会的な技術配分は、当該技術領域に 含まれる各技術要素に対する社会的なニーズとこれに対応する社会全体の技術供 給力との現時点における均衡状態を示すものである。そして、この均衡状態は、現時 点における最適な技術配分を示すものといえる。従って、各企業としても、上記の社 会的な技術配分に近似した技術ポートフォリオを保有することが望ましい。よって、各 合成近似度を参照することにより、どの候補名義人と技術提携をすれば、上記の社 会的な技術配分に近似した技術ポートフォリオを保有できる力、を判断することができ る。すなわち、最適なアライアンス先の選定を効率よく行えるようになる。
また、合成近似度として、合成評価ベクトルと補完基準ベクトルとの余弦 (合成余弦 )を算出することにより、合成評価ベクトルと補完基準ベクトルとの空間的な距離を定 量的に把握すること力 Sできるようになる。したがって、分析者は、この合成余弦により、 候補名義人毎の提携効果を数値で把握することができる。
[0088] 技術補完度算出部 125は、対象名義人の名義人評価情報のクラス毎の値の分布 傾向（名義人分布傾向）を取得し、更に、名義人分布傾向の全体分布傾向に対する 近似度（対象名義人近似度）を算出することが望まし!/、 (S156)。
名義人分布傾向は、対象名義人の名義人評価情報と同じ表現形態をとつても良い し、対象名義人の名義人評価ベクトルの形態でも良レ、。
この名義人分布傾向の全体分布傾向に対する近似度（対象名義人近似度）は、例 えばクラス毎に、名義人分布傾向を示すデータ列の各々を、全体分布傾向を示すデ ータ列の各々で除算し、算出結果のばらつきが小さい程対象名義人近似度が大き いこととすること力 Sでさる。 名義人分布傾向と全体分布傾向が何れもベクトル (名義人評価ベクトルと補完基準 ベクトル)で表現されている場合には、対象名義人近似度としてはこれらベクトルの余 弦 (対象名義人余弦)を用いることが好ましい。つまり、対象名義人の名義人評価べ タトルを f とし、補完基準ベクトルを aとした場合、対象名義人近似度は、
self
{ f - a } / { I f I I a I } =cos 6 で表現される。この cos S (対象名義人余弦）は 0 self self 0 0
以上 1以下の値域をとる。
以上の対象名義人近似度が、仮に S 155の合成近似度と同じ又はそれ以上であつ たとすれば、当該候補名義人と提携しても、互いの不得意分野を補い合う理想的な 状態に近づくどころ力、、変化なし或いは逆に理想的な状態から遠ざかってしまうこと になり、提携の効果が期待できない。そこで、推奨提携先を選定する場合には合成 近似度が対象名義人近似度より高いものを選ぶことが望ましい。これにより、複数の 候補名義人のうち、対象名義人が提携することによって全体分布傾向に近づくことが できる候補名義人 (対象名義人の名義人評価ベクトルに比べて、より補完基準べタト ルに近接する合成評価ベクトルに対応する候補名義人)だけを提携先として選定す ること力 Sできるようになる。その結果、技術的な補完効果の高いアライアンス先を推奨 提携先として選定すること力できる。
特に、対象名義人近似度を技術補完度に反映させるため、次のようにして技術補 完度を算出することが望ましい。
技術補完度算出部 125は、次のようにして技術補完度を算出する（S157)。
合成余弦から対象名義人余弦を減算する。合成余弦を cos Θ、対象名義人余弦を c os Θ とした場合、 cos Θ -cos Θ を算出する。この減算の結果、合成余弦と対象名義
0 0
人余弦が等し!/、 (提携しても補完効果が期待できな!/、)場合は 0となり、合成余弦が 対象名義人余弦より小さい (提携しても補完とは逆になる)場合は負数となる。
この減算の結果を技術補完度としても良いが、本実施形態では更にこれを、対象 名義人余弦の値を用レ、て規格化する。
例えば、上記減算の結果を (合成近似度がとり得る値の最大値） （各対象名義人 近似度）で除算することにより規格化する。これにより、対象名義人近似度の値の大 小に関わらず、技術補完度の最大値を一定とすることができる。合成余弦を cos Θ、 対象名義人余弦を cos Θ とした場合、技術補完度は、
0
COS Θ —COS Θ ) / (1— COS θ )
0 0
で算出すること力できる。対象名義人余弦 cos Θ の大小に関わらず、技術補完度の
0
最大値は 1となる。
また例えば、合成余弦を COS Θ、対象名義人余弦を COS Θ とした場合、上記減算の
0
結果を cos Θ (l - 2cos Θ ) + cos Θ で除算することにより規格化する。つまり、技術
0 0
補完度を、
COS Θ —cos Θ ) / { cos θ (1 2cos θ ) + COS θ }
0 0 0
で算出する。この場合、技術補完度は最大値 1、最小値 1となる。
技術補完度を算出したら図 10の処理を終了する。ここで、技術補完度の算出結果 例を図 11に示す。
図 11は、本実施形態による技術補完度算出処理の算出結果を例示した表である。 なお、図 11では、説明を簡略化するために、分析対象のクラス数が 8個の場合を示し 、対象名義人 Α社と図 8及び図 9に示す候補名義人 Β社乃 ¾1社との間での算出結 果のみを示している。また、ここでは名義人毎クラス毎評価値を規格化している場合 の例を示している。ここでの技術補完度は、上述の（cos Θ -cos Θ ) / (l -cos θ )
0 0 で算出した。また、技術補完度の算出過程で求めた名義人毎クラス毎評価値と、合 成余弦 COS Θを併せて示した。この技術補完度を参照することにより、どの候補名義 人と提携すれば、総合的な補完効果が得られるかを知ることができる。
< 3— 2— 7.推奨提携先企業の選定（S 160)〉
技術補完度を算出したら図 4に戻り、好ましくは、推奨される提携先企業を選定し（ S 160)、選定の根拠となる技術補完度と併せて出力する。
推奨提携先企業の選定は、例えば、技術補完度が所定値以上の候補名義人を選 定する、技術補完度の降順上位所定数の候補名義人を選定する、等が可能である。 また、 S 157の技術補完度を用いる場合に限らず、例えば S 155の合成近似度の中 から所定閾値以上のものを選び、該選んだ合成近似度を持つ合成評価情報を特定 し、該特定した合成評価情報の算出に用いた名義人評価情報に対応する候補名義 人を推奨提携先としても良い。 また、 S 157の技術補完度を用いる場合に限らず、例えば S155の合成近似度の中 から S156の対象名義人近似度より高いものを選び、該選んだ合成近似度を持つ合 成評価情報を特定し、該特定した合成評価情報の算出に用いた名義人評価情報に 対応する候補名義人を推奨提携先としても良い。これにより、複数の候補名義人のう ち、対象名義人が提携することによって特許データ全体の分布に近づける候補名義 人だけを提携先として選定することができるようになる。その結果、技術的な補完効 果の高いアライアンス先を推奨提携先として選定することができる。
[0091] < 3- 3.技術深耕度（S200〜S260)〉
次に、技術深耕度の算出及びこの技術深耕度等に基づく特定技術分野での推奨 提携先企業の選定について、引き続き図 4のフローチャートに沿って説明する。図 4 の S200〜S240の処理は S100〜S 140の処理と同様であり、重複する説明を省略 する。同一の特許データにつき、同一の対象名義人について、技術補完度と技術深 耕度の両者を算出する場合には、 S 100〜S140の処理又は S200〜S240の処理 の何れか一方を省略しても良い。
[0092] < 3— 3— 1.技術深耕度の算出（S250)〉
S240までの処理により名義人毎クラス毎評価値 (規格化したものが望ましい）を算 出したら、技術深耕度を算出する（S250)。
図 12は、図 4のうち技術深耕度の算出処理について詳細を説明するフローチヤ一 トでめる。
[0093] 技術深耕度を算出するため、技術深耕度算出部 130は、分析対象の名義人 (対象 名義人）について、該名義人の名義人毎クラス毎評価値を対応付けた名義人評価情 報を取得する（S251)。名義人評価情報は、例えば、クラス数を次元数とし、当該名 義人の各クラスでの名義人毎クラス毎評価値をベクトル成分とするベクトル (名義人 評価ベクトル)で表現することができる。名義人評価情報は、ベクトル表現に限らず、 例えば当該名義人の名義人毎クラス毎評価値のデータ列で表現しても良!/、。名義人 評価情報を求めるための名義人毎クラス毎評価値は、 S240にて規格化したもので あることが望ましい。
[0094] 技術深耕度算出部 130は、対象名義人以外の各名義人 (候補名義人）についても 、該名義人の名義人毎クラス毎評価値を対応付けた名義人評価情報を取得する（S 252)。
[0095] 技術深耕度算出部 130は、候補名義人の名義人評価情報のうち、名義人毎クラス 毎評価値が正数であるクラスを特定する（S253)。名義人毎クラス毎評価値が非正 数 (例えば 0)のクラスについては、次の S254で合成評価情報を算出しても対象名 義人の名義人評価情報と何ら変わらず、技術の深耕が期待できないからである。
[0096] S251〜S253で対象名義人と候補名義人の名義人評価情報を取得し、候補名義 人の名義人評価情報のうち名義人毎クラス毎評価値が正数であるクラスを特定したら 、技術深耕度算出部 130は、当該特定したクラスについて、対象名義人の名義人評 価情報と、候補名義人の名義人評価情報と、を前記特定したクラス毎に加算した合 成評価情報を候補名義人毎に算出する（S254)。これにより、技術の深耕が期待で きる各クラスについて、どの程度の深耕が期待できるかを算出することができる。 なお、 S253でクラスを特定しなくても、 S254で全クラスについて合成評価情報を 算出しても良い。この場合は、合成評価情報の各クラスの値の中から対象名義人の 名義人評価情報の対応するクラスの値から変動している値を抽出することで、同様の 結果を得ること力 Sできる。
[0097] 合成評価情報を算出したら、技術深耕度算出部 130は、候補名義人の各々につ いて、合成評価情報のうち対象名義人との名義人毎クラス毎評価値の合計値 (変動 している値に限る）が最大となるクラスを特定し、当該合計値を技術深耕度とする（S2 55)。
なお、本実施形態では、技術深耕度を算出する処理の具体的な手順について特 に限定しないが、例えば、ベクトルを利用して技術深耕度を算出する場合には、以下 の手順で行うようにしてもよい。ここでは、上述した技術補完度の算出と同様、対象名 義人の名義人評価ベクトルを f (上述した数 2参照）とし、各候補名義人の名義人評
self
価ベクトルを f (上述した数 3参照）とし、 f と f とを合成したベクトル (数 6参照）を
other self other
算出する。そして、以下の「数 7」に示す計算式を利用して、合成により変動があった 成分の中の最大値を技術深耕度とする。
[数 6] lassl
lassl
/self + fc other lass 4
Figure imgf000036_0001
ノ
：で、ベクトル f + f は合成評価ベクトルである c ：では、候補名義人の名義
self other
人毎クラス毎評価値のうち T 及び τ 乃至 τ 力 soであると仮定した場合を示し
ciass3 ciass5 ciassD
た。
[数 7] 技術深耕度二 MAX\ Sdass Tdass Sclass2 + Tclass2, e + τ
^ class A class A
：の式は、数 6に示す合成により変動があった成分 S T 、 s - T 、及
classl classl class2
び S T のうちの最大値で技術深耕度が求められることを示す c
class4 class4
なお、上記の例では、合成により変動があった成分 S -T 、 S - τ 、及
classl classl class2
び S +T を抽出し、その抽出したもののうちから最大のものを技術深耕度として class4 class4
求めるようにしているが以下のようにしてもよい。
具体的には、技術深耕度算出部 130は、上記 (数 6)を用いた合成処理により求め たベクトルから成分 (ベクトル要素）を抽出する際、「対象名義人の名義人評価べタト ル f の成分（ベクトル要素）が「0」ではないこと」という要件を加えるようにする。すな self
わち、技術深耕度算出部 130は、上記 (数 6)により求めた合成ベクトルから成分 (ベ タトル要素）を抽出する際、変動があった成分 (ベクトル要素）であり、且つ上記合成 前の名義人評価ベクトル f の成分（ベクトル要素）が「0」ではな!/、成分（ベクトル要素
self
)を抽出する。このようにすることにより、自社が特許を保有している技術分野に絞つ て、技術深耕という観点からの提携先企業を選定することができるようになる。
ここで、技術深耕度の算出結果の一例を示す。 図 13は、本実施形態による技術深耕度算出処理の算出結果を例示した表である。 なお、図 13では、説明を簡略化するために、分析対象のクラス数が 8個の場合を示し 、対象名義人 A社と一部の候補名義人（図 8及び図 9に示す候補名義人 B社乃 ¾1社 )との間での算出結果だけを示している。また、名義人毎クラス毎評価値を規格化し てレ、る場合の例を示して!/、る。
図示する表では、最上位の行 1301に、対象名義人 A社の名義人評価情報のクラ ス毎の値を示している。また、行 1302以降の各行に、対象名義人 A社と各候補名義 人との合成評価情報のクラス毎の値と、対象名義人 A社が各候補名義人と提携した 場合の技術深耕度とを示してレ、る。
例えば、行 1302には、対象名義人 A社と候補名義人 B社との合成評価情報と、対 象名義人 A社が候補名義人 B社と提携した場合の技術深耕度を示している。ここで、 行 1302に示した合成評価情報の値を用いて技術深耕度の算出手順を説明する。 技術深耕度算出部 130は、対象名義人 A社と候補名義人 B社との合成評価情報の 値のうちから、対象名義人 A社の名義人評価情報から変動した値を抽出し、抽出し た値を上述した数 7に代入する。具体的には、技術深耕度算出部 130は、対象名義 人 A社と候補名義人 B社との合成評価情報の各クラスの値の中から、クラス 1〜4、お よびクラス 6〜8の値を抽出し、その抽出した値を数 7に代入する。すなわち、数 7に、 「0. 3310」、「0. 0216」、「0. 2641」、「0. 2885」、「0. 3771」、「0. 4627」、およ び「0. 2993」が代入される。なお、対象名義人 A社と候補名義人 B社との合成評価 情報のクラス 5の値は、対象名義人 A社の名義人評価情報のクラス 5の値から変動し て!/、な!/、ため抽出されな!/、。
そして、技術深耕度算出部 130は、数 7に代入された値の中の最大値である「0. 4 627」を技術深耕度（クラス 7の値）とする。なお、行 1303〜； 1310についても、同様 の手順で技術深耕度が求められる。
このように本実施形態によれば、アライアンス候補の候補名義人毎に、技術提携し た場合に、その技術提携の効果が一番得られる技術分野を特定することができるよう になる。そのため、例えば、 自社との競合関係等から、アライアンスを組むことができ る企業が絞られるような場合、絞られた企業毎に、技術提携の効果が大きい技術分 野を把握できる。また、例えば、包括的な提携効果が得られない企業との間でも技術 提携の効果が大きい技術分野を特定した上での局所的な提携効果を得ることができ
[0100] このようにして求めた技術深耕度に限らず、初めからあるクラスのみに着目し、当該 クラスでの対象名義人の評価値 (名義人毎クラス毎評価値)と各候補名義人の評価 値 (名義人毎クラス毎評価値)の和 (合成評価値)を候補名義人毎に求め、これを技 術深耕度としても良い。これにより、着目した特定クラスだけで提携効果を判断するこ と力 Sできる。したがって、例えば、アライアンスを組みたい技術分野が想定できている 場合に有効なものとなる。
この場合、異なるクラス間での比較が不要なので、名義人毎クラス毎評価値の規格 化（S240)は必要ない。
[0101] < 3— 3— 2.推奨提携先企業の選定（S260)〉
技術深耕度を算出したら図 4に戻り、好ましくは、推奨される提携先企業を選定し（ S260)、選定の根拠となる技術深耕度と併せて出力する。
推奨提携先企業の選定は、例えば、技術深耕度が所定値以上の候補名義人を選 定する、技術深耕度の降順上位所定数の候補名義人を選定する、等が可能である。
[0102] < 3— 4·アライアンス分布図（S400)〉
技術補完度及び技術深耕度を算出したら、両者をまとめたアライアンス分布図を作 成して出力することが望ましい（S400)。アライアンス分布図の作成は、例えば、以下 の手順で行う。すなわち、技術補完度算出部 125は、 S150 (図 4参照）の処理により 技術補完度を算出したら、算出結果を出力部 135に出力する。技術深耕度算出部 1 30は、 S250 (図 4参照）の処理により技術深耕度を算出したら、算出結果を出力部 1 35に出力する。出力部 135は、技術補完度算出部 125からの算出結果、および技 術深耕度算出部 130からの算出結果を受け付けると、候補名義人毎に、技術補完 度および技術深耕度を対応付けたアライアンス情報を生成する。ここで、図 14に、候 補名義人毎に、技術補完度および技術深耕度を対応付けたアライアンス情報の一 例を示す。なお、図 14では、図 11および図 13と同様、分析対象のクラス数が 8個の 場合を示し、対象名義人 A社と一部の候補名義人との間での算出結果だけを示して いる。また、名義人毎クラス毎評価値を規格化している場合の例を示している。また、 技術深耕度を算出するために特定されたクラス（変動成分の最大値に対応する該当 クラス)も示した。
そして、出力部 135は、図示するアライアンス情報を利用して、図 15に例示するよう なアライアンス分布図を表す画像情報 (可視化した情報)を生成する。出力部 135は 、生成した画像情報を出力装置 4に出力する。その結果、例えば、出力装置 4に液晶 ディスプレイを用いる場合、液晶ディスプレイにアライアンス分布図が表示されるよう になる。
図 15は、本発明の実施形態により出力するアライアンス分布図の一例である。 この分布図は、横軸に技術補完度、縦軸に技術深耕度をとつて各候補名義人をプ ロットしたものである。候補名義人のうち、 B、 E、 F、 G、 Iの各社と対象名義人である A 社とは技術補完度が高ぐ提携による総合的な補完効果が期待できることがわかる。 また C、 H、 Jの各社は A社にとって技術深耕度が高ぐ特定分野での提携による深耕 が期待できることがわかる。なお、図 15では、技術補完度を平均 0、分散 1で標準化 してプロットした例を示した力 S、算出した値を標準化せずにそのままプロットするように してもよい。
< 4.提携先選定情報生成処理の別態様〉
図 16は、図 9のグラフを生成する処理を説明するフローチャートである。図 16の処 理のうち S300〜S340については図 4の S100〜S 140と同様であり、 S352、 S353 については図 10の S152、 S 153と同様であるので重複した説明を省略する。
評価値算出部 120は、 S352、 S353にて名義人毎クラス毎評価値 (規格化したも の）を算出したら、その算出結果を出力部 135に出力する。出力部 135は、評価値算 出部 120からの算出結果を受け付けると、クラス毎に、該クラスに属する名義人の規 格化名義人毎クラス毎評価値を対応付け、各クラスを縦軸に、規格化名義人毎クラス 毎評価値を横軸にとった棒グラフを示す画像情報を生成し（可視化した情報を生成 し）、生成した画像情報を出力装置 4に出力する（S 360)。その結果、例えば、出力 装置 4に液晶ディスプレイを用いる場合、液晶ディスプレイに図 9に例示するグラフが 表示されるようになる。 このように、本実施形態では、図 9に例示するグラフを生成して出力するようにして いるため、絶対的価値基準が異なるために直接対比することが困難な技術分野間の 相対比較が可能となる。分析者は、出力装置 4に出力された棒グラフを見れば、自社 保有技術全体の強み弱みを他社との相対比較を基に把握することができる。その結 果、分析者は、自社と他社との技術力のバランスを把握した上で、アライアンス先の 選定を fiうこと力できるようになる。
< 5.変形例〉
なお、本発明は、以上で説明した実施形態に限定されるものではなぐ本発明の要 旨の範囲内において種々の変形が可能である。
< 5 - 1.変形例 1〉
上記実施形態では、処理装置 1の各機能部（制御部 100、データ取得部 105、クラ スタ分析部 110、評価値算出部 120、技術補完度算出部 125、技術深耕度算出部 1 30、および出力部 135)がソフトウェアにより実現される場合を例にした力 特にこれ に限定されるものではない。処理装置 1の各機能部は、各機能部を実行するために 専用に設計された回路（ASIC (Application Specific Integrated Circuit)等）により実 現されてもよい。
< 5— 2.変形例 2〉
また、上記実施形態では、情報処理装置 1が、評価対象の特許公報類等の特許デ ータを記憶装置 2から取得する場合を例にした力 特にこれに限定するものではない 。例えば、情報処理装置 1は、インターネット等のネットワークを介して、外部の情報 提供サーバと通信を行い、外部の情報提供サーバから、特許データを取得するよう にしてもよい。
< 5— 3.変形例 3〉
また、上記実施形態では、入力装置 3を介して、分析者からの要求を受け付けた情 報処理装置 1が、提携先を選定するための情報を生成し、その生成した情報を出力 装置 4に出力する場合について説明したがあくまでもこれは例示である。例えば、クラ イアント 'サーバモデルのコンピュータシステムにおいて、情報処理装置 1の機能をサ ーバとして提供するようにしてもよい。この場合、情報処理装置 1に、ネットワークに接 続されているクライアント端末と通信を行う通信機能を設けておく。そして、情報処理 装置 1は、クライアント端末からの要求を受け付けると、そのクライアント端末に、情報 処理装置 1の有する機能を提供する。なお、ネットワークは、有線であっても無線であ つてもかまわない。例えば、ネットワークに、電話回線やインターネットを利用するよう にしてもよい。
< 5— 4.変形例 4〉
また、上記実施形態では、特許データの分類に、クラスタ分析の手法を用いるよう にしているが（図 4の S110)、特にこれに限定するものではない。例えば、クラスタ分 祈の手法に代えて、既存の統計的な手法（因子分析、主成分分析等)を用いて、特 許データをクラス分けするようにしてもよい。
< 5— 5.変形例 5〉
また、上記実施形態では、各クラスについて、それぞれの名義人毎クラス毎評価値 の合計が 1になるように規格化した例を示した力 特にこれに限定されない。名義人 毎クラス毎評価値を他の手法で表すようにしてもよい。例えば、名義人毎クラス毎評 価値を平均 0、分散 1で標準化し、その値を本実施形態に適用してもよい。この場合 にも、上述した例と同様に技術補完度、および技術深耕度を算出することができる。
< 5- 6.変形例 6〉
また、上記実施形態では、クラス毎評価値の分布傾向そのものを全体分布傾向とし 、この全体分布傾向に対する合成分布傾向の近似度により技術補完度を求めている 力 特にこれに限定するものではない。例えば、クラス毎評価値の各々に所定の重み 付けをした値の分布傾向を、全体分布傾向としてもよい（クラス毎評価値の各々に所 定の重み付けをした値を要素とするベクトルを、補完基準ベクトルとしてもよい)。この 重み付けは、例えば何らかの理由で重要なクラス或いは特にアライアンスによって強 化した!/、クラスが特定されて!/、る場合、そのような一部のクラスのクラス毎評価値には 他のクラスのクラス毎評価値より大きい重み付けとする。これにより、いわば理想的な 分布傾向を全体分布傾向（或いは補完基準ベクトル）とすることができる。このような 全体分布傾向（或いは補完基準ベクトル）に対する合成分布傾向（或いは合成評価 ベクトル）の近似度（或いは余弦）により求めた技術補完度によっても、上記重み付け の下で総合的な提携効果を観ることができる。
< 5— 7.変形例 7〉
また、上記実施形態では、対象名義人および候補名義人が、それぞれ、企業単位 である場合を説明した力 特にこれに限定するものではない。例えば、複数の企業を 集めた企業グループ (例えば、同じ系列に属する企業のグループ、提携している企 業を組み合わせたグループ、連結決算の対象となる親会社、子会社、及び関連会社 等で構成した企業のグループ又はユーザが任意に想定して組み合わせた企業のグ ループ等）を作り、その企業グループを対象名義人や候補名義人として扱うようにし てもよい。この場合、例えば、上述した図 4の処理の一部を以下のように変更する。 具体的には、制御部 100は、 S 100の処理の開始に先立ち、ユーザから入力装置 3 を介して、対象名義人を企業グループで受け付けるか否かの指示を受け付ける。制 御部 100は、ユーザから、対象名義人について企業グループで受け付ける旨の指示 を受け付けた場合、さらに、企業グループを形成する企業群の指定を受け付ける。ま た、制御部 100は、候補名義人の中に、企業グループとして受け付ける企業群があ るか否かの指示を受け付ける。制御部 100は、候補名義人の中に企業グループとし て受け付ける企業群がある旨の指示を受け付け場合、さらに、企業グループを形成 する企業群の指定を受け付ける。そして、制御部 100は、クラスタ分析部 110に指定 を受け付けた企業グループを形成する企業群を示す情報を通知し、データ取得部 1 05に S100の処理の開始を指示する。
次に、データ取得部 105は、上述した実施形態と同様の手順にした力 Sい、特許デ ータを取得して、 S110の処理に遷移する。
S110では、クラスタ分析部 110が、上述した実施形態と同様の手順にした力 sい、取 得した特許データを所定技術分野毎のクラスに分類する。そして、クラスタ分析部 11 0は、各クラスを名義人毎に分類する際、上記の通知を受けた企業グループを形成 する企業群については、企業グループを形成する企業群を 1の名義人として分類す る。また、クラスタ分析部 110は、企業グループを形成する企業群以外については、 上述した実施形態と同様に企業単位で分類する。
そして、その後の処理（S130〜； 160、 S400)は、上述した実施形態と同様の手順 により行う。なお、ここでは、企業グループを形成する企業群を 1の名義人として分類 するようにしているため、ユーザから受け付けた企業グループに関しては、企業ダル ープ単位で、名義人毎クラス毎の評価値が算出され、その後の技術補完度算出処 理（S 150)および推奨提携先企業選定処理（S 160)が行われる。
なお、技術深耕度を算出する処理（S200〜S260)についても、上記同様、 S200 の処理に先立ち、企業グループを形成する企業群の指定を受け付け、 S210におい て、企業グループを形成する企業群を 1の名義人として分類するようにすればよ!/、。 このように構成することにより、ユーザは、自社とのアライアンス先を、企業単位では なく企業グループ単位で検討することができるようになる。また、自社が属する企業グ ループを基準にして、アライアンス先の企業を検討することができるようになる。或い は、自社が属する企業グループを基準にして、企業単位ではなく企業グループ単位 でアライアンス先を検討することができるようになる。
[0105] < 5— 8.変形例 8〉
また、上記実施形 で (ま、 3120〜3130 (又(ま3220〜3230 こぉレヽて、名義人 毎クラス毎に、特許インパクト及び経過情報指数を用いて名義人毎クラス毎評価値を 算出する例を説明しているが、特にこれに限定するものではない。例えば、各クラス に属する特許公報毎の個別評価値を算出し、それを総計したものを名義人毎クラス 毎評価ィ直として用いるようにしてもよい。 ί列えば'、図 4の S120〜S 130 (又は S220〜 S230)を以下のようにしてもよい。
すなわち、評価値算出部 120が、図 4の処理に先立って、特許データ 200毎に、各 特許データ 200に含まれる経過情報 240や内容情報 230を用いて個別評価値 (以 下、「パテントスコア PS」という）を算出しておく。そして、評価値算出部 120は、 S 120 〜S 130 (S220〜S230)において、その算出しておいたパテントスコア PSを名義人 毎クラス毎に集計したものを名義人毎クラス毎評価値として求める。以下、パテントス コア PSを利用した本実施形態の変形例 8について説明する。
[0106] 本変形例 8では、上述した図 4の処理ステップのうち、評価値算出部 120が行う名 義人毎クラス毎の評価値算出処理を変更している。なお、本変形例 8では、評価値 算出部 120の機能を一部変更しているだけで、他の構成は上記実施形態と同じ構成 である。また、本変形例 8は、説明の便宜上、上記実施形態と同じ符号を用いて説明 する。また、本変形例 8では、上記実施形態と異なる部分だけ説明する。
[0107] 具体的には、本変形例 8の評価値算出部 120は、図 4の処理の一部を変更した図 17に示す処理ステップにしたがい、提携先選定情報を生成する処理を行う。
また、本変形例 8の評価値算出部 120は、図 17の処理を行う前に、特許データ 20 0毎のパテントスコア PSを算出し、その算出したパテントスコア PSを情報処理装置 1 のメモリ（補助記憶装置 12、或いは主記憶装置 11)に格納しておく（或いは、記憶装 置 2に格納しておく）。そして、評価値算出部 120は、各特許データ 200のパテントス コア PSを上記メモリに格納してから、図 17の処理を行う。なお、パテントスコア PSを 算出する処理の手順は、後段で詳細に説明する。
[0108] つぎに、パテントスコア PSを利用して行う提携先選定情報を生成する処理につい て、図 17を用いて説明する。
図 17は、本変形例 8の情報処理装置の提携先選定情報生成処理を示すフローチ ヤートである。なお、図 17のフローチャートは、図 4のフローチャートの S120〜S130 (S220〜S230)を変更したものである。また、図 17では、図 4と同じ処理については 同じ符号を付している。
なお、以下の説明では、図 4と異なる処理ステップについて説明し、同じ処理の説 明は省略する。
[0109] 図示するように、クラスタ分析（S110)が終了し且つ名義人毎に分類すると、評価 値算出部 120は、当該クラスタ分析の対象となった特許データすベて（当該クラスタ 分析により生成された全クラスの特許データ 200)につ!/、てパテントスコア PSを取得 する（S121)。
具体的には、評価値算出部 120は、情報処理装置 1のメモリから、全クラスの特許 データ 200のパテントスコア PSを読み出す。
[0110] つぎに、評価値算出部 120は、全クラスの特許データ 200のパテントスコア PSを読 み出すと、各特許データの個別評価値を算出する（S122)。なお、個別評価値の算 出方法については特に限定するものではなぐ取得したパテントスコア PSをそのまま 特許データの個別評価値とすることも可能である力 例えば、以下に示す手順にした がい、特許データの個別評価値を求めるようにしてもょレ、。
先ず、評価値算出部 120は、以下に示す (数 8)により、各特許データの標準値 (全 クラスにおける標準値) p を算出する。
0,i
[数 8]
Figure imgf000045_0001
但し P0,i ：特許データ iの全クラスでの標準値
PSi：特許デ一タ iのパテントスコア
n ：全クラスの合計特許数 (特許データ数）
この式の分子は各特許データ iのパテントスコア PSiから全クラスでの平均値を減算 したものであるから、標準値 P の全クラスでの平均値は 0となる。分母はパテントスコ
0,i
ァ PSiの全クラスでの標準偏差であるから、標準値 P の全クラスでの分散及び標準
0,i
偏差は 1となる。なお、式中の nは全クラスの特許データ数である力 パテントスコア P Sが 0であるもの（後述のように失効した特許出願又は消滅した特許権）は除いた特 許データ数とするのが好ましレ、。
この標準値 P を各特許データの個別評価値としても良いが、本実施形態では更に
0,i
以下のようにして各特許データの個別評価値を算出する。
すなわち、評価値算出部 120は、上記求めた標準値 P および以下に示す (数 9)
0,i
により、各特許データ 200の偏差値 (全クラスにおける偏差値)を求め、これを個別評 価値とする。
[数 9コ
Figure imgf000045_0002
但し Pi ：特許データ iの個別評価値 (偏差値）
P0,i：特許データ iの全クラスでの標準値 この（数 9)では、上記 (数 8)で求めた標準値 P に 10を乗算し 50を加算しているの
0,i
で、この（数 9)により求められた個別評価値 (偏差値) Piは、全クラスにおける平均が 50、標準偏差が 10となる。
[0111] なお、この S122 (S222)において、評価値算出部 120は、上記（数 9)ではなぐ以 下に示す (数 10)を用いて、特許データ 200の個別評価値を求めるようにしてもよい。
[数 10]
Pi = ( P0,i - Pstd ) x 1 0 (P0,i≥ Pstd )
Pi = 0 ( P0,i < Pstd ) 但し Pi ：特許データ iの個別評価値
P0,i ：特許データ iの全クラスでの標準値
Pstd ：標準値 Po,iの全クラスでの平均値
この（数 10)では、上記（数 8)で求めた標準値 P 力 Sしきい値 Pstd以上である場合
0,i
は、標準値 P のしきい値 Pstdとの差分を 10倍したものを個別評価値 Piとし、標準値
0,i
P 力 Sしきい値 Pstd未満である場合は、 0を個別評価値 Piとしている。
0,i
しき!/、値 Pstdとしては、ここでは標準値 P の全クラスでの平均値（上記（数 8)の P
0,i 0,i によれば 0となる）を用いている。従ってこの場合、個別評価値 Piが負数となることは ない。従って、後述の S131の（数 12)を用いた名義人毎クラス毎評価値 S が負数と
k,j
なることはない。
[0112] 上記 (数 9)を用いる場合と上記 (数 10)を用いる場合とでは、以下の相違がある。
特許データ 200の個別評価値は、後述の（数 12)において、名義人毎クラス毎評価 値の算出に用いられる。そして、名義人が大企業等 (例えば、大手電機メーカ）の場 合、特許データ 200の件数が膨大であるため（保持している特許件数が膨大である ため）、例えば、個々の特許データ 200のパテントスコア PSが低い値であっても、低 V、値のパテントスコア PS (又はパテントスコア PSより求めた偏差値)を合計することで 、その名義人の評価値 (名義人毎クラス毎評価値)が高くなる。すなわち、上記 (数 9) の偏差値をそのまま集計に利用する場合、名義人毎クラス毎評価値は、出願されて いる特許データの数の影響を強く受けた分析結果となる。 これに対し、上記 (数 10)による場合、名義人毎クラス毎評価値の算出対象のデー タとして、しきい値 Pstd以上の標準値となるパテントスコア PSだけを利用し、しきい値 未満の標準値となるパテントスコア PSを加算しないことで名義人毎の特許件数による 影響を緩和し、その名義人が持つ特許データの「質」を反映させることができる。また
、標準値 P のしきい値 Pstdとの差分から個別評価値 Piを算出しているため、しきい
0,i
値 Pstd付近となる特許が多数あっても名義人毎クラス毎評価値に与える影響は小さ ぐしきい値より飛び抜けて質の高い特許が、名義人毎クラス毎評価値に大きく影響 することになる。
なお、上記（数 10)では、しきい値 Pstdとして、標準値 P の全クラスでの平均値を
0,i
利用している力 これは例示にすぎない。対象名義人の平均値を用いるなど、ユー ザがしき!/、値 Pstdの値を任意に設定するようにしてもよ!/、。
また、この S 122 (S222)において、評価値算出部 120は、上記（数 9)又は（数 10) の右辺で求められる値を用いた上で、更に、以下に示す (数 11)を用いて、特許デー タ 200の個別評価値を求めるようにしてもよい。
[数 11]
(数 9)又は（数 1 0)の右辺
" 当該特許の共有者の数
但し Pi ：特許データ iの個別評価値
すなわち、個別評価値を算出しょうとする特許データ 200が共同出願に係る特許出 願又は共有名義の特許権に係るものである場合には、記憶装置 2に記憶されている 当該特許の共有者の数 (共同出願人の数又は特許権共有者の数)を読み取る。そし て、上記 (数 9)又は (数 10)の右辺で算出される値を、更に当該特許の共有者の数 で除算して、個別評価値 Piとする。
こうして名義人毎の適正な個別評価値 Piを算出し、後述の (数 12)により名義人毎 クラス毎評価値を算出すれば、 S140や S240の規格化処理等において用いるクラス 毎評価値の算出にあたって、共同出願の特許データに係る個別評価値の二重計上 を避けること力 Sできる。また、 S150の技術補完度算出処理や S250の技術深耕度算 出処理において用いる合成評価情報の算出にあたっても、同様に共同出願の特許 データに係る個別評価値の二重計上を避けることができる。
また (数 11)では共有者の数で除算することにより、（数 9)又は (数 10)の右辺で求 められる値を共有者間で均等に按分したが、これに限らず個々の共有者の貢献度や 持分比率で重み付けをして按分しても良!/、。
つぎに、評価値算出部 120は、 S122で求めた特許データ 200毎の個別評価値（ 例えば上記 (数 9)、（数 10)、更に好ましくは (数 11)で求めた個別評価値) Piを用い て、クラス毎に、名義人毎クラス毎評価値を求める（S 131)。具体的には、評価値算 出部 120は、以下に示す (数 12)により、クラス毎に、名義人毎クラス毎評価値を求め
[数 12] n
S kj = 2_ Pi
ι=1
但し s k」：クラス jにおける出願人（名義人） kの評価値
n ：クラス jにおける出願人（名義人）の特許数
Pi ：特許データ iの個別評価値
すなわち、名義人毎クラス毎評価値 s は、或るクラス jに属する名義人 kの特許デ
k,j
ータ 200の個別評価値 Piの総和で算出される。
なお、上記 (数 9)又は (数 10)の右辺で求められる値を、（数 11)により共有者間で 按分せずにそのまま個別評価値 Piとする場合、 S 140や S240の規格化処理等にお いて用いるクラス毎評価値の算出にあたっては、上記 (数 1)の分母に示されるように 名義人毎クラス毎評価値を当該クラス内で単に総計すると、共同出願の特許データ に係る個別評価値が二重計上されることになる。そこで、上記 (数 9)又は (数 10)の 右辺で求められる値をそのまま個別評価値 Piとする場合、例えば、クラス毎評価値の 算出は、当該クラス jに属する全名義人の特許データ 200の個別評価値 Piの総和で 算出することが望ましい。これにより、複数名義人の共同出願に係る特許データが例 えば 1件あれば、その特許データの個別評価値は 1件分としてクラス毎評価値にカウ ントされるため、二重計上を避けることができる。
また、 S 150の技術補完度算出処理や S250の技術深耕度算出処理において用い る合成評価情報の算出にあたっても、同様に共同出願の特許データに係る個別評 価値の二重計上を避けることが望ましい。そこで、上記 (数 9)又は (数 10)の右辺で 求められる値をそのまま個別評価値 Piとする場合、例えば、合成評価情報は、名義 人毎クラス毎評価値を加算して求めるのではなぐ対象名義人と或る候補名義人の 一方又は両方が名義人に含まれる特許データ 200を抽出し、この抽出された特許デ ータの個別評価値 Piをクラス毎に総和することにより算出することが望ましい。これに より、対象名義人と当該候補名義人の共同出願に係る特許データが例えば 1件あれ ば、その特許データの個別評価値は 1件分として合成評価情報にカウントされるため 、二重計上を避けること力できる。なお、こうして算出された合成評価情報は、 S140 や S240の名義人毎クラス毎評価値の規格化と同様に、クラス毎に、クラス毎評価値 で除算することにより規格化することが望ましい。
[0115] そして、 S131の処理が終わると、上述した図 4と同様の処理を行い、提携先選定情 報を生成する処理を行う。なお、「S221、 S222、および S231Jは、「S121、 S 122、 および SI 31」の処理と同じである。
[0116] 本変形例 8では、アライアンス分析に利用する情報として、技術分野や出願時期等 を考慮して求めたパテントスコア PS (詳細は後述）を利用するようにしている。また、こ のパテントスコア PSは、後述するが経過情報 240の種類に応じて重みが考慮されて いる。
したがって、本変形例 8によれば、より精度の高い名義人毎クラス毎評価値が算出 されるため、この名義人毎クラス毎評価値を利用することにより、最適な技術提携先 を選定することができるようになる。
また、各特許データ 200の個別評価値を用いているため、上述のように、共同出願 の特許データの二重計上を避けることも比較的簡易な処理にて行うことができる。
[0117] また、上記 (数 10)を用いて名義人毎クラス毎評価値を算出した場合、上述のように 名義人毎の特許件数による影響を緩和し、その名義人が持つ特許データの「質」を 反映させること力 Sでさる。
図 18は、変形例 8のパテントスコアを用いた名義人毎クラス毎評価値及び上記実 施形態の特許インパクト指数と経過情報指数とを用いた名義人毎クラス毎評価値の 分布を、公報件数との関係において示した図である。詳しくは、特定分野の特許群を クラスタリングして得られた複数のクラスを更に名義人毎に分類し、それぞれ特許イン パクト指数と経過情報指数とを乗算することで名義人毎クラス毎評価値を算出し、平 均 0、分散 1に標準化した。また、同じ名義人毎クラス毎の各分類について、パテント スコアを用いて上記 (数 10)により閾値以下の値を 0として集計することで名義人毎ク ラス毎評価値を算出し、平均 0、分散 1に標準化した。これら標準化された名義人毎 クラス毎評価値を縦軸にとり、上記名義人毎クラス毎の各分類の公報件数 (これも標 準化した）を横軸にとっている。
図に示されるように、上記実施形態の特許インパクト指数と経過情報指数とを用い た名義人毎クラス毎評価値は、公報件数との正比例関係を示す直線に近!、分布を 有しており、公報件数の影響を大きく受けている。これに対し、変形例 8のパテントス コアを用いた名義人毎クラス毎評価値は、公報件数とまったく無関係ではないものの 正比例関係を示す直線からかなり離れた領域にも分布しており、公報件数の影響が 緩和されていることがわかる。
[0118] つぎに、本変形例 8において、名義人毎クラス毎評価値の算出に用いるパテントス コア PSについて説明する。
[0119] パテントスコア PSとは、各特許データの評価値を示したスコアのことをいう。このパ テントスコア PSは、特許データの内容情報 230および経過情報 240を利用して算出 される。
なお、パテントスコア PSの算出に利用する内容情報 230および経過情報 240のデ ータ構成について特に限定されるものではない。本変形例 8では、図 19および図 20 に示す内容情報 230および経過情報 240を用いるものとする。以下、内容情報 230 および経過情報 240のデータ構成を説明する。
[0120] 図 19は、本実施形態の変形例 8で利用する内容情報のデータ構成の一例を模擬 的に示した図である。
図示するように、内容情報 230は、「特許データ ID (公報番号等）」を登録するため のフィールド 2301と、その特許データの「請求項数」を登録するためのフィールド 23 02と、「請求項の平均文字数」を登録するためのフィールド 2303と、その特許データ の「明細書枚数」を登録するためのフィールド 2304とを備えて 1つのレコードが構成 される。なお、内容情報 230は、複数のレコードよりなる。
ここで、「請求項数」は、当該特許出願の請求項数を示す情報であり、「請求項の平 均文字数」は、当該特許出願の請求項 1項あたりの平均文字数 (又は単語数)を示す 情報である。「明細書頁数」は、当該特許出願の明細書頁数又は公報頁数を示す情 報である。これらの情報は各特許出願の公開特許公報その他の特許データより抽出 される。
[0121] 図 20は、本実施形態の変形例 8で利用する経過情報のデータ構成の一例を模擬 的に示した図である。
図示するように、経過情報 240は、「特許データ ID (公報番号等）」を登録するため のフィーノレド 2401と、「出願日力、らの経過日数」を登録するためのフィールド 2402と 、「審査請求日力もの経過日数」を登録するためのフィールド 2403と、「登録日から の経過日数」を登録するためのフィールド 2404と、「分割出願」の有無を示す情報を 登録するためのフィールド 2405と、「早期審査」の有無を示す情報を登録するための フィールド 2406と、「不服審判特許審決」の有無を示す情報を登録するためのフィー ノレド 2407と、「異議申立維持決定」の有無を示す情報を登録するためのフィールド 2 408と、「無効審判維持審決」の有無を示す情報を登録するためのフィールド 2409と 、「優先権主張」の有無を示す情報を登録するためのフィールド 2410と、「PCT出願 」の有無を示す情報を登録するためのフィールド 2411と、「包袋閲覧」の有無を示す 情報を登録するためのフィールド 2412と、「被引用回数」を示す情報を登録するため のフィーノレド 2413とを備えて、 1つのレコードが構成される。なお、経過情報 240は、 複数のレコードよりなる。
[0122] ここで、「出願からの経過日数」、「審査請求からの経過日数」、および「登録日から の経過日数」は、該当する特許データの期間に関する情報である。「出願からの経過 日数」は出願日、「審査請求からの経過日数」は出願審査請求日、「登録日からの経 過日数」は特許権設定登録日に基づき、それぞれ評価日（パテントスコアの算出日 ) まで又は評価日に近!/、所定日付までの経過日数を算出したものが記憶装置 2に格 納される。未だ出願審査請求されてレ、な!/、特許出願にっレ、ての「審査請求からの経 過日数」は NULLとなり、未だ設定登録されて!/、な!/、特許出願にっレ、ての「登録日 からの経過日数」は NULLとなる。
[0123] 経過情報 240のうち、「分割出願」、「早期審査」、「不服審判特許審決」、「異議申 立維持決定」、「無効審判維持審決」、「優先権」、「PCT出願」、「包袋閲覧」は、特許 データに対する所定行為の有無を示す情報である。「分割出願」は当該特許出願を もとの出願として分割出願がなされているか否力、、「早期審査」は当該特許出願の早 期審査がなされているか否か、「不服審判特許審決」は当該特許出願について拒絶 査定不服審判が請求され、且つ当該審判において特許審決がなされているか否か、 「異議申立維持決定」は当該特許について特許異議申立がなされ、且つ維持決定 カ されているか否力、、「無効審判維持審決」は当該特許について特許無効審判が 請求され、且つ当該審判において請求棄却審決がなされているか否力、、「優先権」 は当該特許出願が先の特許出願等に基づく優先権主張を伴っているか否力、、「PC T出願」は当該特許出願が特許協力条約に基づく国際出願を国内に移行したもので あるか否力、、「包袋閲覧」は当該特許出願について閲覧請求がなされているか否か に基づき、それぞれ所定行為がなされている場合は例えば 1が与えられ、なされてい なレヽ場合は例えば 0が与えられる。
[0124] 続いて、評価値算出部 120が行うパテントスコア PSの算出処理について、図 21を 用いて説明する。
図 21は、本実施形体の変形例 8のパテントスコアの算出処理の手順を示したフロー チャートである。
[0125] 先ず、評価値算出部 120は、ユーザからの IPCコードの入力を受け付け、特許デ ータ 200 (特許公報を示す電子データ）を取得する（S400)。
具体的には、評価値算出部 120は、ユーザからの IPCコードの入力を受け付けると 、記憶装置 2にアクセスし、その IPCコードに分類される特許データ 200を取得する。 ここで取得した特許データ力 S、パテントスコアを算出するための分析対象母集団とな る。なお、特許データ 200の書誌情報 220には、その特許出願の出願日の情報や優 先日の情報 (優先権を主張して!/、る場合に限る）等が含まれて!/、る。
[0126] つぎに、評価値算出部 120は、取得した特許データ 200の書誌情報のうち出願日 の情報又は優先日の情報等を用いて、分析対象母集団の特許データ 200を所定期 間ごと (本変形例 8では出願年ごと、優先日が属する年ごと等）のグループ tに分類す る（S500)。
つぎに、評価値算出部 120は、各特許データ 200の評価値を算出する（S600)。こ の処理の詳細を、図 22に基づいて説明する。
[0127] 図 22は、特許データのパテントスコアを算出する処理の詳細を示すフローチャート である。
[0128] 評価値算出部 120は、 S500で分類されたグループ tに属する特許データ 200につ いて、経過情報 240および内容情報 230を取得する（S610)。
なお、図 22では、当該取得した 1つのグループ力 件の特許データからなるものとし 、J件のそれぞれを区別するため添え字 j (j = l , 2, · · · ,】）を用いる。
評価値算出部 120は、 J件の特許データ 200を取得したら、これら J件の特許データ ( )糸圣 十青幸 240お J:び^] 十青幸 230を ffl l、て、 ¾g( S6302〜S6304で ffl l、る「 評価項目の該当有無データの J件分の合計値」等を予め求めておく。
[0129] 次に、評価値算出部 120は、変数 jを 1にセットし（S620)、次のようにして特許デー タ jの評価素点を算出する。
[0130] 評価値算出部 120は、経過情報 240の各フィールドに登録されている情報を評価 項目とし、 I個の評価項目 i (i= l , 2, · · · , I)について、評価項目ごとに予め設定され た評価点算出方法を選択する（S6301)。
[0131] 本実施形態の変形例 8における評価点算出方法には次の 3通りがある。すなわち、 フィーノレド 2405、 2406、 2407、 2408、 2409、 2410、 2411、 2412ίこ登録されて いる情報については、当該特許データに対する所定行為の有無を示す情報として S 6302〔有無型〕を選択する。また、フィーノレド 2402、 2403、 2404ίこつレヽて (ま、当該 特許データの期間に関する情報として S6303〔時間減衰型〕を選択する。また、フィ 一ルド 2413については、当該特許データの引用回数を示す情報として S6304〔回 数型〕を選択する。
[0132] 評価点算出方法を選択したら、 I個の評価項目 iの各々について、特許データ jの評 価点を算出する（S6302、 S6303, S6304)。 <有無型〉
S6302では、評価値算出部 120は、〔有無型〕が選択された評価項目 iについて、 次の [数 13]により評価点を算出する。
[数 13]
Figure imgf000054_0001
[0134] ここで分子に配置された「評価項目 iの該当有無データ」は、例えば「分割出願」に ついては、上述のように分割出願がなされていれば 1、なされていなければ 0となる。
[0135] 分母には、上記「評価項目 iの該当有無データ」の当該グループ内合計値の正の平 方根が配置されている。従って、当該グループ内に評価項目該当の特許データ 200 が多数存在する場合は分母が大きぐ当該グループ内に評価項目該当の特許デー タ 200が少数しか存在しない場合は分母が小さくなる。該当件数の多い評価項目（「 包袋閲覧」等)を有する特許よりも、該当件数の少ない評価項目（「無効審判維持審 決」等）を有する特許の方が、特許権設定登録後の維持率が高!、傾向がある（一般 に、維持率の高さは、維持費（特許料）に見合う経済的価値の高さを示すと考えられ る）ので、各評価項目の重み付けが自動的になされる。また、所定期間ごとのグルー プ単位で集計しているので、例えば古い特許ほど多くの経過情報が付加され、公開 されて間もなレ、新しレ、特許には未だ経過情報が付加されて!/、な!/、ことが多!/、が、そ れだけの理由で新しレ、特許に低!/、評価が与えられるとレ、う傾向を緩和することができ
[0136] <時間減衰型〉
S6303では、評価値算出部 120は、〔時間減衰型〕が選択された評価項目 iについ て、次の [数 14]により評価点を算出する。
Figure imgf000054_0002
[0137] ここで分子に配置された「Exp (— (Min (経過時間，年限））/年限）」は、「審査請求 からの経過日数」については、当該「審査請求からの経過日数 (年数換算値）」と「年 限」のうち何れ力 vj、さい方の値を「年限」で除算し 1を乗算した値で、ネィピア数 eを べき乗した値である。「年限」は出願日から特許権存続期間満了までの最大年数（日 本の現行法では 20年）とする。「登録日からの経過日数」の場合も同じ計算式を用い 、「年限」は出願日から特許権存続期間満了までの最大年数（日本の現行法では 20 年）とする。「出願日からの経過日数」の場合も同じ計算式を用いる力 「年限」は出 願日から出願審査請求期限までの年数（日本の現行法では 3年）とする。これによる と、経過時間が短いうちは分子の値は Exp (0) = 1に近い値である力、時間の経過と ともに減衰して経過時間≥年限となると Exp (— 1) = l/eにまで低下する。指数関数 にする利点は、価値に対する減価償却効果を導入できることと、評価値分布の離散 化をなくし滑らかな分布にできることである。「審査請求からの経過日数」、「出願日か らの経過日数」、「登録日からの経過日数」は、多くの特許に該当する基本評価項目 であり、これら 3評価項目しか該当しない特許群の同点化を避けることができる。
[0138] ほ女 14]の分母は、上記 S6302で用いる〔有無型〕の式と同様の式が配置されてい るが、「審査請求からの経過日数」については、当該特許出願につき出願審査請求 されていれば例えば 1、されていなければ例えば 0の値を当該グループ内で合計し 正の平方根をとつたものである。「登録日からの経過日数」についても、当該特許出 願につき特許権設定登録されていれば 1、されていなければ 0の値を当該グループ 内で合計し正の平方根をとつたものが分母となる。 「出願からの経過日数」について は、すべての特許データが該当するので、当該評価項目の該当有無データを 1とす れば、分母の値はグループ内の特許データ 200の件数の正の平方根に等しくなる。 何れの場合も、当該グループ内に評価項目該当の特許データ 200が多数存在する 場合は分母が大きぐ当該グループ内に評価項目該当の特許データ 200が少数し か存在しない場合は分母が小さくなる。上述のように「審査請求からの経過日数」、「 出願日からの経過日数」、「登録日からの経過日数」は、多くの特許に該当する基本 評価項目であるので、これら評価項目の配点は小さくなりやす!/、。
[0139] S6303において〔時間減衰型〕で算出された評価点は、更に内容情報 230 (図 17 の内容情報）による補正を行う。
経過情報 240のみにより評価する場合、出願公開後又は特許権設定登録後間もな い特許出願又は特許権には、今後付与されると期待される経過情報 240がなく評価 が正しく行えない可能性がある。従ってこれを補正するため、経過情報 240による評 価に内容情報を加味する。し力、し、内容情報 230は、経過情報 240ほど維持率との 相関が高くない傾向にあり、不用意に内容情報 230を加味すると却って評価の精度 が落ちる可能性がある。
そこで、経過情報 240が十分に付与された特許の評価には内容情報 230の影響を 小さくとどめ、経過情報 240が不十分な特許の評価に内容情報 230を効果的に反映 させるため、この〔時間減衰型〕で算出された評価点にのみ、内容情報 230に基づく 補正係数を乗算する。
このように本変形例 8によれば、出願の古い新しいを問わず、どの特許データ 200 にも一律に付与されやすい特性を有する期間に関する情報に、各々の特許データ 2 00の内容情報 230を加味することができる。その結果、経過情報 240があまり付与さ れていない新しい出願からなる特許データについても、適切な評価を行うことができ d * o
具体的には、上記ほ女 14]の各評価点に、
a X a X a
1 2 3
ここで、
a = 21/3 (請求項当たりの平均文字数が平均以下の場合)又は
2— 1/3 (請求項当たりの平均文字数が平均以上の場合）
a = 21/3 (全頁数が平均以上の場合)又は
2
2— 1/3 (全頁数が平均以下の場合）
a = 21/3 (請求項数が平均値 ± 1標準偏差以内の場合)又は
3
2— 1/3 (請求項数が上記範囲外の場合）
を乗算する。 a 、 a 、 aの最大値をそれぞれ 21/3とすることにより、 a X a X aを最大
1 2 3 1 2 3 値とする補正にとどめている。なお、本変形例 8では、 a X a X aの値が最大で 2に
1 2 3
なるようにしている。 [0141] <回数型〉
S6304では、評価値算出部 120は、〔回数型〕が選択された評価項目 iについて、 次の [数 15]により評価点を算出する。
[数 15]
/(¾ | ffl)x log(^ + i;
, / (引用 )x l。g("] + l
[0142] ここで分子に配置された「f (引用） X log (n + l)」は、「被引用回数」については、当
J
該「被引用回数 n」に 1を加えた値の対数に重み f (引用）を乗算したものである。本発
J
明者らの検証により、被引用の有無にとどまらずその回数によっても特許権の維持率 が変化することがわかっている力 両者に比例関係はなぐ被引用回数の増加による 維持率の増加は次第に頭打ちの傾向を示すため、対数をとることとしたものである。
[0143] 分母には、上記「f (引用） X log (n + l)」の当該グループ内合計値の正の平方根が
J
配置されている。従って、当該グループ内に他の出願で引用された特許データが多 数存在する場合は分母が大きぐ当該グループ内に他の出願で引用された特許デ ータ 200が少数しか存在しない場合は分母が小さくなる。
[0144] 上記ほ女 15]の分子及び分母において、重み f (引用）は任意の正数を用いることが できる力 他社の特許出願で引用された回数 (他社引用回数) n と自社の他の特 j other
許出願で引用された回数（自社引用回数) n とで区別し、それぞれの対数に異なる j self
重みを付与する。この場合、上記ほ女 15]に代え、次のほ女 16]を用いる。
[数 16] ゾ (弓 1用。 , )Χ !0g(^ other + I (弓 I用 !0g(^ self + ^ ∑ 用 other other 具体的な重みとしては、他社引用の場合の f (引用 ）と、自社引用の場合の f (引 other
用 ）との比を、 1 : 2とした。
self
[0145] 被引用回数は、特許の価値との間に高い相関がある。更に、本発明者らの検証に よれば、他社の特許出願の審査において引用（他社引用）された回数と、 自社の他 の特許出願の審査において引用（自社引用）された回数とでは、後者と特許の価値 との相関が有意に高いことが認められた。 自社の他の特許出願の審査において引用 された発明は、自社の実施技術において中核となる基本発明であることが多いことに よるものと推測される。そして、そのような基本発明を自社が既に出願していることを 認識しつつ、その改良技術をも出願し強固な特許ポートフォリオの構築を図った可能 性が高い。
本変形例 8によれば、被引用回数を他社引用と自社引用とに分けて考え、後者の 回数をより大きく評価値に反映させることにより、特許出願又は特許権の適切な評価 が可能となる。
[0146] 評価値算出部 120は、全ての評価項目 i (i= l , 2, · · · , I)について、特許データ j の評価点が算出されたら、これに基づいて当該特許データ jの評価素点を、次の [数 17]により算出する（S640)。
Figure imgf000058_0001
この式に示されるように、評価素点は、 I個の評価点の二乗和の正の平方根、又は 0 となる。評価素点が 0となるのは、審査請求期限までに出願審査請求しなかった場合 、出願を取下げ又は放棄した場合、拒絶査定が確定した場合、その他特許出願が失 効した場合と、異議申立による取消決定や無効審判による無効審決が確定した場合 、特許権を放棄した場合、特許権の存続期間が満了した場合、その他の特許権が消 滅した場合である。これらの情報も各特許データの経過情報から読み取り、該当する 場合は評価素点を 0とする。
なお、上述したように、 S6303において、〔時間減衰型〕で算出された評価点に対し ては、内容情報 230による補正を行う。
[0147] このように、 S640において、ほ女 17]により特許評価素点を求めるようにしたのは以 下の理由による。
複数の評価項目による評価点 iから評価素点を算出する方法として、各評価点 iの 総和を求める方法がある（単純和法)。し力、しこの算出方法によると、特許の維持率（ 経済的価値)との相関を有する経過情報が多数付与された特許の評価が高く算出さ れるので、評価点 iの総和を評価素点とすることは一見合理的である力 維持率との 相関があまり高くな!/、経過情報を多数付与されて!/、る特許の（低!/、評価点が多数カロ 算される）評価素点が、維持率との相関が極めて高レ、経過情報を少数付与されて!/、 る特許の評価素点を超えてしまうことがあり得るので注意が必要である。
この問題を解決する 1つの方法として、各評価点 iのうち最大値を評価素点とする方 法もある（最大値法)。し力、しこの算出方法によると、特に、ある経過情報と特許群の 維持率との相関を調べる場合に、他にどんな経過情報が付与されているか無関係に 相関を調べた場合には、ある特許の維持率は、最高の維持率を持つ経過情報の維 持率で最もよく表現できると期待されるので、評価点 iの最大値を評価素点とすること は一見合理的である力 評価点 iの最大値が 2つの特許で同じである場合に優劣が つけられない。さらに、最大値法を用いた場合は、出願人、特許庁及び競合他社の 異なる 3主体の観点を加味した評価を行うことができず、それらの主体のうちのいず れかー者の観点のみが反映されることとなってしまい、残りの主体の観点を特許デー タの評価に反映させることができなレ、。
二乗和の平方根をとる上述の方法は、単純和法と最大値法の長所を兼ね備えた方 法ということができる。すなわち、二乗和の平方根をとることにより、ある特許データ jに 関する I個の評価項目 iの中に高い評価点 iがあるときは、その高い評価点 iが評価素 点に大きく影響する。そして、評価点 iの高い評価項目以外の評価点についても、幾 らか考慮された評価素点となる。従って、評価点 iの高くなりやすい「早期審査」、「異 議申立維持決定」、「無効審判維持審決」等に複数該当するような特許データ jに対 しては、突出して高い評価素点を与えることができる。
このように本変形例 8では、特許属性情報の種類に応じて算出した評価点を全て加 味した特許評価を行うようにしている（S630、 S640)。その結果、特許データの価値 を多面的に評価することが可能となる。
評価値算出部 120は、評価素点が算出されたら、その対数を算出して当該特許デ ータ jの評価値とする（S 650)。 [0149] 次に、すべての特許データ jについて評価値を算出したか否かを判定し（S660)、 算出してレヽなレヽ場合（S660 : N O )、 S67C こ進み、変数 jを j + 1 ίこセットし、 S63C こ 戻って次の特許データについて評価値を算出する。
すべての特許データ jについて評価値を算出した場合は（S660 : YES)、当該グノレ ープに属する特許データ 200に関する評価値の算出処理を終了する。
このように本変形例 8では、特性の異なる複数の特許データを、技術分野ごと、出 願時期ごとの特性を加味した上で評価するようにしている。その結果、特許データの 価値をより適切に評価することができる。
[0150] S610〜S670までの評価値算出処理は、 S400で取得した特許データを S500で 分類して得られたすべてのグループ tにつ!/、て実行する。すべてのグループ tにつ!/ヽ て評価値を算出したら図 20の S700に戻る。
[0151] S700では、評価値算出部 120は、上記の処理で求めた評価値に基づいて、 S40 0で取得した分析対象母集団における偏差値をパテントスコア PSとして算出する（S7 00)。評価値算出部 120は、その算出したパテントスコア PSを情報処理装置 1のメモ リゃ記憶装置 2に格納する (パテントスコア PSは、特許データ ID (特許公報番号等） に対応付けて格納される）。
[0152] このように、本変形例 8では、技術分野毎、且つ分析対象母集団を時期ごとのグノレ ープに分類し、この分類されたグループごとに求めた値を分母として用いてパテント スコアを算出している。そのため、本変形例 8によれば、様々な技術分野の異なる時 期の特許出願又は特許権を含む分析対象母集団内において、適切な相対評価が 可能となる。

Claims

請求の範囲
[1] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、前記クラス毎且つ該クラスに属する特許データの名義人毎に名 義人毎クラス毎評価値を算出する手段と、
前記クラス毎評価値の分布傾向を示す全体分布傾向を求め、前記名義人毎に、該 名義人の名義人毎クラス毎評価値を対応付けた名義人評価情報を作成する手段と 分析対象の名義人である対象名義人の指定を受け付ける手段と、
前記求めた全体分布傾向、および前記作成した各名義人評価情報を用いて、前 記受け付けた対象名義人の提携先を選定するための情報を生成する提携先選定情 報生成手段と、を有し、
前記提携先選定情報生成手段は、
前記対象名義人以外の各名義人である候補名義人の名義人評価情報と、前記対 象名義人の名義人評価情報と、を前記クラス毎に加算した合成評価情報を前記候 補名義人毎に求め、該求めた合成評価情報毎に、前記クラス毎の値の分布傾向を 示す合成分布傾向を求め、該求めた各合成分布傾向の前記全体分布傾向に対す る近似度を示す合成近似度を求めること
を特徴とする情報処理装置。
[2] 請求項 1に記載の情報処理装置であって、
前記提携先選定情報生成手段は、
前記対象名義人の名義人評価情報の前記クラス毎の値の分布傾向を示す名義人 分布傾向を求め、該求めた名義人分布傾向の前記全体分布傾向に対する近似度を 示す対象名義人近似度を求め、前記求めた合成近似度の中から前記対象名義人 近似度より高いものを選び、該選んだ合成近似度を持つ合成評価情報を特定し、該 特定した合成評価情報の算出に用いた名義人評価情報に対応する候補名義人を 推奨提携先として選定すること
を特徴とする情報処理装置。
[3] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、前記クラス毎且つ該クラスに属する特許データの名義人毎に名 義人毎クラス毎評価値を算出する手段と、
前記クラス毎評価値を要素とする補完基準ベクトルを生成し、前記名義人毎に、該 名義人の名義人毎クラス毎評価値を要素とする名義人評価ベクトルを生成する手段 と、
分析対象の名義人である対象名義人の指定を受け付ける手段と、
前記生成した補完基準ベクトル、および前記生成した各名義人評価ベクトルを用い て、前記受け付けた対象名義人の提携先を選定するための情報を生成する提携先 選定情報生成手段と、を有し、
前記提携先選定情報生成手段は、
前記対象名義人以外の各名義人である候補名義人の名義人評価ベクトルと、前記 対象名義人の名義人評価ベクトルと、を加算した合成評価ベクトルを前記候補名義 人毎に求め、該合成評価ベクトル毎に、該合成評価ベクトルと前記補完基準ベクトル との余弦である合成余弦を算出すること
を特徴とする情報処理装置。
[4] 請求項 3に記載の情報処理装置であって、
前記提携先選定情報生成手段は、
前記対象名義人の名義人評価ベクトルと、前記補完基準ベクトルとの余弦である対 象名義人余弦を算出し、前記合成余弦の中から前記対象名義人余弦より高いものを 選び、該選んだ合成余弦の算出に用いた合成評価ベクトルを特定し、該特定した合 成評価ベクトルの算出に用レ、た名義人評価ベクトルに対応する候補名義人を推奨 提携先として選定すること
を特徴とする情報処理装置。
[5] 請求項 1〜4のいずれか一項に記載の情報処理装置であって、
前記クラス毎評価値は、前記名義人毎クラス毎評価値を該当するクラス内で合計し た値と一致する値であり、
前記名義人毎クラス毎評価値は、前記クラス毎評価値を用いて規格化した値であ ること
を特徴とする情報処理装置。
[6] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 各クラスに属する特許データの属性情報を利用して、前記クラス毎且つ該クラスに 属する特許データの名義人毎に評価値を算出する手段と、
分析対象の名義人である対象名義人の指定を受け付ける手段と、
前記算出した評価値を用いて、前記受け付けた対象名義人の前記クラス毎の提携 先を選定する推奨提携先選定手段と、を有し、
前記推奨提携先選定手段は、
前記分類した各クラスの少なくとも 1つについて、前記対象名義人以外の各名義人 である候補名義人の該クラスでの評価値と、前記対象名義人の該クラスでの評価値 を加算した合計値を前記候補名義人毎に求め、該合計値を用いて求めた候補名義 人を該クラスにおける推奨提携先として選定すること
を特徴とする情報処理装置。
[7] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、前記クラス毎且つ該クラスに属する特許データの名義人毎に名 義人毎クラス毎評価値を算出し、さらに、該算出した名義人毎クラス毎評価値を前記 クラス毎評価値を用いて規格化した規格化名義人毎クラス毎評価値を算出する手段 と、
前記規格化名義人毎クラス毎評価値を用いて、前記名義人毎に、該名義人の規格 化名義人毎クラス毎評価値を対応付けた名義人評価情報を作成する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
前記作成した各名義人評価情報を用いて、前記受け付けた対象名義人の提携先 を選定するための情報を生成する提携先選定情報生成手段と、を有し、
前記提携先選定情報生成手段は、
前記対象名義人の名義人評価情報と、前記対象名義人以外の各名義人である候 補名義人の名義人評価情報と、を前記クラス毎に加算した合成評価情報を前記候 補名義人毎に求め、前記合成評価情報の各クラスの値の中から前記対象名義人の 名義人評価情報の対応するクラスの値から変動している値を抽出し、該抽出した値 の最大値の属するクラスを特定すること
を特徴とする情報処理装置。
複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、前記クラス毎且つ該クラスに属する特許データの名義人毎に名 義人毎クラス毎評価値を算出し、さらに、該算出した名義人毎クラス毎評価値を前記 クラス毎評価値を用いて規格化した規格化名義人毎クラス毎評価値を算出する手段 と、
前記規格化名義人毎クラス毎評価値を用いて、前記クラス毎に、前記クラスに属す る名義人の規格化名義人毎クラス毎評価値を対応付けた情報を生成し、該生成した 情報を可視化できる情報に加工して出力する手段と、を有すること
を特徴とする情報処理装置。
複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置が行う提携先を選定するための情報を生成する方法であって、 前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記情報処理装置は、
前記取得した各特許データを所定技術分野毎のクラスに分類するステップと、 各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、前記クラス毎且つ該クラスに属する特許データの名義人毎に名 義人毎クラス毎評価値を算出するステップと、
前記クラス毎評価値の分布傾向を示す全体分布傾向を求め、前記名義人毎に、該 名義人の名義人毎クラス毎評価値を対応付けた名義人評価情報を作成するステツ プと、
分析対象の名義人である対象名義人の指定を受け付けるステップと、
前記求めた全体分布傾向、および前記作成した各名義人評価情報を用いて、前 記受け付けた対象名義人の提携先を選定するための情報を生成するステップと、を 実行し、
前記提携先を選定するための情報を生成するステップは、
前記対象名義人以外の各名義人である候補名義人の名義人評価情報と、前記対 象名義人の名義人評価情報と、を前記クラス毎に加算した合成評価情報を前記候 補名義人毎に求め、該求めた合成評価情報毎に、前記クラス毎の値の分布傾向を 示す合成分布傾向を求め、該求めた各合成分布傾向の前記全体分布傾向に対す る近似度を示す合成近似度を求めること
を特徴とする提携先を選定するための情報を生成する方法。
[10] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置に提携先を選定するための情報を生成させるためのプログラムであ つて、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記プログラムは、
前記取得した各特許データを所定技術分野毎のクラスに分類する処理と、 各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、前記クラス毎且つ該クラスに属する特許データの名義人毎に名 義人毎クラス毎評価値を算出する処理と、
前記クラス毎評価値の分布傾向を示す全体分布傾向を求め、前記名義人毎に、該 名義人の名義人毎クラス毎評価値を対応付けた名義人評価情報を作成する処理と 分析対象の名義人である対象名義人の指定を受け付ける処理と、
前記求めた全体分布傾向、および前記作成した各名義人評価情報を用いて、前 記受け付けた対象名義人の提携先を選定するための情報を生成する処理と、を前 記情報処理装置に実行させ、
前記提携先を選定するための情報を生成する処理は、
前記対象名義人以外の各名義人である候補名義人の名義人評価情報と、前記対 象名義人の名義人評価情報と、を前記クラス毎に加算した合成評価情報を前記候 補名義人毎に求め、該求めた合成評価情報毎に、前記クラス毎の値の分布傾向を 示す合成分布傾向を求め、該求めた各合成分布傾向の前記全体分布傾向に対す る近似度を示す合成近似度を求めること
を特徴とするプログラム。
[11] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、 前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、各クラスに属する特許データのうち、前記対象名義人以外の各名 義人である候補名義人の特許データの属性情報と、前記対象名義人の特許データ の属性情報と、を利用して、前記クラス毎且つ前記候補名義人毎に合成評価値を算 出する手段と、
前記クラス毎評価値の分布傾向を示す全体分布傾向を求め、前記候補名義人毎 に、前記クラス毎の合成評価値の分布傾向を示す合成分布傾向を求める手段と、 前記求めた全体分布傾向、および前記求めた各合成分布傾向を用いて、前記受 け付けた対象名義人の提携先を選定するための情報を生成する提携先選定情報生 成手段と、を有し、
前記提携先選定情報生成手段は、
前記求めた各合成分布傾向の前記全体分布傾向に対する近似度を示す合成近 似度を求めること
を特徴とする情報処理装置。
複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
各クラスに属する特許データの属性情報を利用して、該クラス毎にクラス毎評価値 を算出すると共に、各クラスに属する特許データのうち、前記対象名義人以外の各名 義人である候補名義人の特許データの属性情報と、前記対象名義人の特許データ の属性情報と、を利用して、前記クラス毎且つ前記候補名義人毎に合成評価値を算 出する手段と、
前記クラス毎評価値を要素とする補完基準ベクトルを生成し、前記候補名義人毎に 、該候補名義人の各クラス毎の合成評価値を要素とする合成評価ベクトルを生成す る手段と、
前記生成した補完基準ベクトル、および前記生成した各合成評価ベクトルを用いて 、前記受け付けた対象名義人の提携先を選定するための情報を生成する提携先選 定情報生成手段と、を有し、
前記提携先選定情報生成手段は、
前記合成評価ベクトル毎に、該合成評価ベクトルと前記補完基準ベクトルとの余弦 である合成余弦を算出すること
を特徴とする情報処理装置。
[13] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、
前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
前記分類した各クラスの少なくとも 1つについて、当該クラスに属する特許データの うち前記対象名義人以外の各名義人である候補名義人の特許データの属性情報と 、前記対象名義人の特許データの属性情報を利用して、前記候補名義人毎に合成 評価値を算出する手段と、
前記算出した合成評価値を用いて求めた候補名義人を、前記受け付けた対象名 義人の前記クラス毎の提携先として選定する推奨提携先選定手段と、を有すること を特徴とする情報処理装置。
[14] 複数の特許データを取得し、該取得した特許データを利用して各種情報処理を行 う情報処理装置であって、
前記特許データには、該特許データの名義人を示す情報と、該特許データの属性 情報とが含まれていて、 前記取得した各特許データを所定技術分野毎のクラスに分類する手段と、 分析対象の名義人である対象名義人の指定を受け付ける手段と、
各クラスに属する特許データの属性情報を利用して、該クラス毎に、クラス毎評価値 及び前記対象名義人の名義人毎クラス毎評価値を算出すると共に、各クラスに属す る特許データのうち、前記対象名義人以外の各名義人である候補名義人の特許デ ータの属性情報と、前記対象名義人の特許データの属性情報と、を利用して、前記 クラス毎且つ前記候補名義人毎に合成評価値を算出し、さらに、該算出した名義人 毎クラス毎評価値及び合成評価値を前記クラス毎評価値を用いて規格化した規格化 名義人毎クラス毎評価値及び規格化合成評価値を算出する手段と、
前記規格化名義人毎クラス毎評価値を用いて、前記対象名義人の名義人評価情 報を作成すると共に、前記規格化合成評価値を用いて、前記候補名義人毎に、該候 補名義人の規格化合成評価値を対応付けた合成評価情報を作成する手段と、 前記作成した名義人評価情報及び合成評価情報を用いて、前記受け付けた対象 名義人の提携先を選定するための情報を生成する提携先選定情報生成手段と、を 有し、
前記提携先選定情報生成手段は、
前記合成評価情報の各クラスの値の中から前記対象名義人の名義人評価情報の 対応するクラスの値から変動している値を抽出し、該抽出した値の最大値の属するク ラスを特定すること
を特徴とする情報処理装置。
請求項 11〜； 14のいずれか一項に記載の情報処理装置であって、
前記取得した各特許データにっレ、て、当該特許データに係る特許の価値を個別に 評価した特許スコアを取得する手段と、
前記候補名義人の各々について、その候補名義人と前記対象名義人の少なくとも 何れかが名義人となっている特許データの前記特許スコアを用いて、該候補名義人 と対象名義人のそれぞれ有する特許を組み合わせた場合の技術的評価を示す合成 評価値を算出する合成評価値算出手段とを備えること
を特徴とする情報処理装置。 [16] 請求項 15に記載の情報処理装置であって、
前記合成評価値算出手段は、
前記クラス毎に、そのクラスに属する特許データの前記特許スコアのうち、所定の閾 値以上の特許スコアを選択し、その選択した特許スコアを集計した値を、前記合成評 価値として算出すること
を特徴とする情報処理装置。
[17] 請求項 16に記載の情報処理装置であって、
前記特許スコアは、前記合成評価値の算出対象であるクラスを含む母集団の特許 群にぉレ、て標準化した値であること
を特徴とする情報処理装置。
[18] 請求項 15〜； 17のうちのいずれか一項に記載の情報処理装置であって、
前記特許スコアとは、前記特許データを技術分野毎、且つ所定期間毎のグループ に分類し、その分類したグループ毎に、そのグループに属する特許データの経過情 報を利用し、それぞれの特許データについての算出した値であること
を特徴とする情報処理装置。
PCT/JP2007/074570 2006-12-20 2007-12-20 情報処理装置、提携先を選定するための情報を生成する方法、およびプログラム WO2008075744A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008550185A JPWO2008075744A1 (ja) 2006-12-20 2007-12-20 情報処理装置、提携先を選定するための情報を生成する方法、およびプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2006-342888 2006-12-20
JP2006342888 2006-12-20

Publications (1)

Publication Number Publication Date
WO2008075744A1 true WO2008075744A1 (ja) 2008-06-26

Family

ID=39536372

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2007/074570 WO2008075744A1 (ja) 2006-12-20 2007-12-20 情報処理装置、提携先を選定するための情報を生成する方法、およびプログラム

Country Status (2)

Country Link
JP (1) JPWO2008075744A1 (ja)
WO (1) WO2008075744A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010067110A (ja) * 2008-09-12 2010-03-25 Fuji Xerox Co Ltd 引用分析装置及び引用分析プログラム
JP2012526319A (ja) * 2009-05-08 2012-10-25 シーピーエー ソフトウェア リミテッド 電子ドキュメントコレクション内の複数選択ドキュメントを標的調査する方法、システムおよび装置
WO2015029809A1 (ja) * 2013-08-29 2015-03-05 日本電気株式会社 データ分析方法、プログラム、及び装置
JP2016018336A (ja) * 2014-07-07 2016-02-01 株式会社パテント・リザルト 特許評価装置
JP2021057049A (ja) * 2019-09-30 2021-04-08 まごころＭ＆Ａパートナーズ株式会社 マッチングシステム
JP6923145B1 (ja) * 2020-11-13 2021-08-18 ＩＰ Ｎｅｘｕｓ株式会社 企業情報検索装置、企業情報検索方法および企業情報検索プログラム
JP6998093B1 (ja) * 2021-03-18 2022-01-18 地方独立行政法人大阪産業技術研究所 特許活用支援装置、特許活用支援方法およびプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001028018A (ja) * 1999-05-11 2001-01-30 Kanebo Ltd 権利の流通価値評価方法およびそれに用いる装置
JP2001306571A (ja) * 2000-04-25 2001-11-02 Nri & Ncc Co Ltd 文献データ開示装置、文献データ開示方法および記録媒体
JP2005174313A (ja) * 2003-11-18 2005-06-30 Shinko Res Kk 特許又は技術の経済価値算出方法及び装置
WO2006095746A1 (ja) * 2005-03-07 2006-09-14 Intellectual Property Bank Corp. 企業評価支援装置
WO2006115260A1 (ja) * 2005-04-25 2006-11-02 Intellectual Property Bank Corp. 情報解析報告書自動作成装置、情報解析報告書自動作成プログラムおよび情報解析報告書自動作成方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001028018A (ja) * 1999-05-11 2001-01-30 Kanebo Ltd 権利の流通価値評価方法およびそれに用いる装置
JP2001306571A (ja) * 2000-04-25 2001-11-02 Nri & Ncc Co Ltd 文献データ開示装置、文献データ開示方法および記録媒体
JP2005174313A (ja) * 2003-11-18 2005-06-30 Shinko Res Kk 特許又は技術の経済価値算出方法及び装置
WO2006095746A1 (ja) * 2005-03-07 2006-09-14 Intellectual Property Bank Corp. 企業評価支援装置
WO2006115260A1 (ja) * 2005-04-25 2006-11-02 Intellectual Property Bank Corp. 情報解析報告書自動作成装置、情報解析報告書自動作成プログラムおよび情報解析報告書自動作成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MASUYAMA H.: "Jissen Chiteki Zaisan Senryaku Keiei -Jigyo.R&D.Chizai no Sanmi Ittai o Jitsugen suru MOT no Shinzui-", vol. 1ST ED., 6 November 2006, pages: 103 - 237 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010067110A (ja) * 2008-09-12 2010-03-25 Fuji Xerox Co Ltd 引用分析装置及び引用分析プログラム
JP2012526319A (ja) * 2009-05-08 2012-10-25 シーピーエー ソフトウェア リミテッド 電子ドキュメントコレクション内の複数選択ドキュメントを標的調査する方法、システムおよび装置
WO2015029809A1 (ja) * 2013-08-29 2015-03-05 日本電気株式会社 データ分析方法、プログラム、及び装置
JPWO2015029809A1 (ja) * 2013-08-29 2017-03-02 日本電気株式会社 データ分析方法、プログラム、及び装置
JP2016018336A (ja) * 2014-07-07 2016-02-01 株式会社パテント・リザルト 特許評価装置
JP2021057049A (ja) * 2019-09-30 2021-04-08 まごころＭ＆Ａパートナーズ株式会社 マッチングシステム
JP6923145B1 (ja) * 2020-11-13 2021-08-18 ＩＰ Ｎｅｘｕｓ株式会社 企業情報検索装置、企業情報検索方法および企業情報検索プログラム
JP2022078423A (ja) * 2020-11-13 2022-05-25 ＩＰ Ｎｅｘｕｓ株式会社 企業情報検索装置、企業情報検索方法および企業情報検索プログラム
JP6998093B1 (ja) * 2021-03-18 2022-01-18 地方独立行政法人大阪産業技術研究所 特許活用支援装置、特許活用支援方法およびプログラム

Also Published As

Publication number Publication date
JPWO2008075744A1 (ja) 2010-04-15

Similar Documents

Publication Publication Date Title
Varin et al. Statistical modelling of citation exchange between statistics journals
Díaz et al. Determining the reliability and validity of online reputation databases for lodging: Booking. com, TripAdvisor, and HolidayCheck
WO2008075744A1 (ja) 情報処理装置、提携先を選定するための情報を生成する方法、およびプログラム
Kirisci et al. Robustness of item parameter estimation programs to assumptions of unidimensionality and normality
Dolado On the problem of the software cost function
Babakus et al. The sensitivity of confirmatory maximum likelihood factor analysis to violations of measurement scale and distributional assumptions
EP1582999A1 (en) Technique evaluating device, technique evaluating program, and technique evaluating method
JPWO2007043593A1 (ja) 企業技術文書群分析支援装置
JP5885875B1 (ja) データ分析システム、データ分析方法、プログラム、および、記録媒体
Franzmann Towards a real comparison of left-right indices: A comment on Jahn
CN112667899A (zh) 基于用户兴趣迁移的冷启动推荐方法、装置及存储设备
WO2006004132A1 (ja) 企業評価寄与因子及び／又は指標特定装置、特定プログラム並びに特定方法
Hargens A note on standardized coefficients as structural parameters
KR20060096432A (ko) 기업평가 장치 및 기업평가 프로그램
Wu et al. Decision‐making support for the evaluation of clustering algorithms based on MCDM
Ouyang et al. A new process capability analysis chart approach on the chip resistor quality management
CN112613953A (zh) 一种商品选品方法、系统及计算机可读存储介质
JP2019096308A (ja) 構造方程式モデルを活用した特許評価方法およびその方法を実行するシステム
Malsiner-Walli et al. Effect fusion using model-based clustering
CN115879829A (zh) 一种应用于平台创新能力审核的评审专家筛选方法
CN110390046B (zh) 一种协同过滤推荐方法及系统
Chatterjee et al. Classification Analysis for Brand Loyalty Determination
KR100478924B1 (ko) 다수의 검색 기준을 이용한 커뮤니티 검색 서비스 시스템 및 그 검색 방법
JP2005326897A (ja) 技術・知財評価装置及び技術・知財評価方法
Poo et al. Multi-Label Classification with Deep Learning for Retail Recommendation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07850995

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2008550185

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112 (1) EPC, EPO FORM 1205A DATED 21-09-2009

122 Ep: pct application non-entry in european phase

Ref document number: 07850995

Country of ref document: EP

Kind code of ref document: A1