WO2024201643A1 - 知的財産評価装置、知的財産評価方法、およびプログラム - Google Patents

知的財産評価装置、知的財産評価方法、およびプログラム Download PDF

Info

Publication number
WO2024201643A1
WO2024201643A1 PCT/JP2023/012140 JP2023012140W WO2024201643A1 WO 2024201643 A1 WO2024201643 A1 WO 2024201643A1 JP 2023012140 W JP2023012140 W JP 2023012140W WO 2024201643 A1 WO2024201643 A1 WO 2024201643A1
Authority
WO
WIPO (PCT)
Prior art keywords
attribute information
evaluation
model
unit
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2023/012140
Other languages
English (en)
French (fr)
Inventor
亮介 杉浦
仁 沖川
紀夫 高野
陽一 古田
篤志 梶野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone 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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2025509274A priority Critical patent/JPWO2024201643A1/ja
Priority to PCT/JP2023/012140 priority patent/WO2024201643A1/ja
Publication of WO2024201643A1 publication Critical patent/WO2024201643A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services

Definitions

  • This disclosure relates to technology for assessing the value of intellectual property.
  • patents When considering a company's intellectual property strategy, represented by patent applications or patent rights (hereinafter collectively referred to as "patents"), evaluating the value of intellectual property is not only useful for identifying patents of competitors that should be watched out for, but is also extremely effective in determining whether to allocate resources to maintaining a company's own patents or to licensing activities. Conventionally, patents were evaluated by building a model that calculates an evaluation score for each patent one by one based on information about the patent, such as bibliographic information such as the number of years the patent right has been in existence, content information such as the number of claims, and historical information such as whether an invalidation trial has been filed (see Patent Document 1, for example).
  • the information used to calculate the evaluation score in the conventional method includes information of different positions, such as elements that make up the effectiveness of the patent itself, such as the breadth of the claims, and elements that are caused by the patent being effective, such as whether or not an invalidation trial has been filed. Mixing such information of different positions and consolidating it into a single evaluation score may undermine the implications that can be gained from the evaluation score. In other words, the conventional method has the problem of not necessarily being able to provide an indicative evaluation of intellectual property.
  • This disclosure has been made to address the above-mentioned issues, and aims to provide a more suggestive evaluation of intellectual property.
  • an intellectual property evaluation device evaluates a patent, utility model, or design (patent, etc.) that is the subject of evaluation using a first evaluation that depends at least on attribute information that represents the characteristics of the application documents for the patent, utility model, or design (patent, etc.), and a second evaluation that depends at least on attribute information that may arise as a prerequisite for the registration of the patent, etc.
  • the patent evaluation device disclosed herein can provide a more suggestive evaluation of intellectual property.
  • FIG. 1 is a diagram showing an example of the functional configuration of a patent evaluation device according to this embodiment.
  • FIG. 2 is a diagram showing an example of a process flow of the patent evaluation method according to this embodiment.
  • FIG. 3 is a diagram for assisting in the explanation of the processing of the first coefficient calculation unit 211, the first coefficient correction unit 231, the second coefficient calculation unit 212, and the second coefficient correction unit 232 in FIG.
  • FIG. 4 is a diagram showing an example of the functional configuration of a patent evaluation device according to the first modified example of this embodiment.
  • FIG. 5 is a diagram showing an example of a process flow of the patent evaluation method according to the first modified example of this embodiment.
  • FIG. 1 is a diagram showing an example of the functional configuration of a patent evaluation device according to this embodiment.
  • FIG. 2 is a diagram showing an example of a process flow of the patent evaluation method according to this embodiment.
  • FIG. 3 is a diagram for assisting in the explanation of the processing of the first coefficient calculation unit 211, the first coefficient correction
  • FIG. 6 is a diagram for assisting in the explanation of the processing of the first correlation coefficient calculation unit 241 and the second correlation coefficient calculation unit 242 in FIG.
  • FIG. 7 is a diagram showing an example of the functional configuration of a patent evaluation device according to the second modified example of this embodiment.
  • FIG. 8 is a diagram showing an example of a process flow of a patent evaluation method according to the second modification of this embodiment.
  • FIG. 9 is a diagram for assisting in the explanation of the process of the reference indicator generating unit 25 in FIG.
  • FIG. 10 is a diagram for assisting in the explanation of the process of the reference indicator generating unit 25 in FIG.
  • FIG. 11 is a diagram showing an example of the functional configuration of a patent evaluation device according to the third modified example of this embodiment.
  • FIG. 12 is a diagram showing an example of a process flow of a patent evaluation method according to the modified example 3 of this embodiment.
  • FIG. 13 is a diagram showing an example of the functional configuration of a patent evaluation device according to the fourth modified example of this embodiment.
  • FIG. 14 is a diagram showing an example of a process flow of a patent evaluation method according to the fourth modified example of this embodiment.
  • FIG. 15 is a diagram showing an example of the functional configuration of a patent evaluation device according to the fifth modified example of this embodiment.
  • FIG. 16 is a diagram showing an example of a process flow of a patent evaluation method according to the fifth modified example of this embodiment.
  • FIG. 17 is a diagram illustrating an example of the functional configuration of a computer.
  • the patent evaluation device which is an example of an embodiment of the present disclosure, performs evaluation using a first evaluation that depends on attribute information representing at least one feature of the specification, claims, or drawings of a patent, and a second evaluation that depends on attribute information that may occur as a necessary condition for the registration of a patent.
  • the patent evaluation device 1 of the present disclosure constructs two types of models for calculating evaluation points from attribute information on multiple patents in advance (first model M1, second model M2), and calculates an evaluation point for a specified patent (evaluation target patent T) using each of the constructed models.
  • the first model M1 is a model for calculating a potential point X described later
  • the second model M2 is a model for calculating a performance point Y described later.
  • the two models change the input attribute information (first attribute information ⁇ 1, second attribute information ⁇ 2) and the degree to which they affect the evaluation point (first weight W1, second weight W2).
  • the patent evaluation device 1 presents two types of evaluations of positioning: the first evaluation information V1 that takes into account the potential point (hereinafter also referred to as the "potential point X") X that evaluates the elements for constituting a high-value patent, and the second evaluation information V2 that takes into account the performance point (hereinafter also referred to as the "performance point Y”) that evaluates the elements that may arise due to the high value of the patent.
  • the first evaluation information V1 that takes into account the potential point (hereinafter also referred to as the "potential point X") X that evaluates the elements for constituting a high-value patent
  • the second evaluation information V2 that takes into account the performance point (hereinafter also referred to as the "performance point Y”) that evaluates the elements that may arise due to the high value of the patent.
  • the first evaluation information V1 that takes into account the potential point X can be used as feedback to improve the patent
  • the second evaluation information V2 that takes into account the performance point Y can be used to measure the degree of attention and effort that oneself and others are putting into the patent T that is being evaluated. Therefore, a more suggestive evaluation can be provided compared to conventional methods.
  • the patent evaluation device 1 includes an attribute quantification unit 10, a model construction unit 20, and an evaluation unit 30.
  • the model construction unit 20 includes a first coefficient calculation unit 211, a first polarity assignment unit 221, and a first coefficient correction unit 231 to construct a first model M1.
  • the model construction unit 20 includes a second coefficient calculation unit 212, a second polarity assignment unit 222, and a second coefficient correction unit 232 to construct a second model M2.
  • the patent evaluation device 1 performs the patent evaluation method of this embodiment by implementing the processing flow shown in FIG. 2.
  • the patent evaluation device 1 receives attribute information ⁇ for multiple patents and a patent T to be evaluated.
  • the attribute information ⁇ is input, for example, from a database not shown, and the patent T to be evaluated is specified by the user.
  • the attribute information ⁇ includes first attribute information ⁇ 1 and second attribute information ⁇ 2, which will be described later.
  • An input reception unit (not shown) is configured to send the attribute information ⁇ to the attribute quantification unit 10, and send the evaluation target patent T to the evaluation unit 30.
  • the evaluation target patent T may be sent to the evaluation unit 30 via the attribute quantification unit 10, or may be sent to the evaluation unit 30 via the attribute quantification unit 10 and the model construction unit 20.
  • the attribute information ⁇ includes at least attribute items indicating the attribute information items of the patent (for example, types of information such as "application number” and “registration number” described later) and attribute data that is data corresponding to the attribute items (for example, data such as "20230315", “2023/03/15", and "2023-03-15" when the application date is March 15, 2023).
  • the attribute information ⁇ may include public information and non-public information. Public information may include information published by the Patent Office and information that can be objectively known from that information. Specific examples of public information include (i) to (iii) below, but are not limited to these.
  • bibliographic information such as application number, registration number, technical field information, application date information, priority date information, and whether or not exceptions to lack of novelty are applied;
  • content information corresponding to the number of claims, the number of independent claims, the average number of characters per claim, the number of pages of the specification, and the number of drawings;
  • history information such as whether or not divisional applications have been filed and the number of times, whether or not an accelerated examination has been requested, whether or not a patent decision has been made in an appeal against a decision of refusal, whether or not a decision to maintain a patent in an opposition, whether or not a decision to maintain a patent in an invalidation trial, whether or not a priority claim has been made, whether or not a PCT application has been filed, the country in transition, the number of countries in transition, whether or not the file wrapper has been viewed, and the number of times cited.
  • the information may be obtained from the database to supplement the information input by the user. For example, if only a registration number is input, attribute information ⁇ such as the number of claims for the patent corresponding to the registration number may be obtained from a database (not shown) and used for subsequent processing.
  • Non-public information refers to information about patents other than information made public by the Japan Patent Office.
  • Specific examples of non-public information include, but are not limited to, the following (iv) to (vii): (iv) income information such as license revenues, claims for damages in patent infringement lawsuits, and settlement payments; (v) rights utilization information such as the presence or absence of licenses and the number of licenses, the presence or absence of licenses to group companies, the presence or absence of licenses to other companies, and the presence or absence and number of license negotiations; (vi) background information such as the presence or absence of in-house implementation, the presence or absence and priority of development related to the patented invention, and the investment costs leading up to the invention; and (vii) subjective information such as the assessment of the patentability of claims and the possibility of proving implementation, manually evaluated by personnel in charge.
  • the attribute information ⁇ includes first attribute information ⁇ 1 and second attribute information ⁇ 2.
  • the first attribute information ⁇ 1 is used to construct a first model M1 that calculates the potential point X.
  • the second attribute information ⁇ 2 is , are used to construct a second model M2 which calculates the performance point Y.
  • the second attribute information ⁇ 2 include at least one of the following that may arise as a prerequisite for patent registration: (c) among historical information, whether or not a patent opposition has been filed, whether or not a trial for invalidation has been requested, (d) the amount of license income, the amount of damages claimed in a patent infringement lawsuit, and income information such as settlement money, and (e) the presence or absence and number of licenses granted, the presence or absence of licenses granted to group companies, the presence or absence of licenses granted to other companies, and the presence or absence and number of license negotiations.
  • the second attribute information ⁇ 2 is mainly an element that results in the effective effect of the patent, and by constructing an evaluation model that includes this attribute information, it is possible to obtain an indication of the extent to which the value of the patent has influenced the market. For example, the fact that an invalidation trial has been requested means that there are others whose business is hindered by the patent, and this can be said to be a kind of manifestation of the effectiveness of the patent.
  • the performance point Y allows such actual influence to be evaluated.
  • attribute information there is no overlapping attribute information between the first attribute information ⁇ 1 and the second attribute information ⁇ 2. However, there may be overlapping attribute information between the first attribute information ⁇ 1 and the second attribute information ⁇ 2. If there is overlapping attribute information, it is desirable that at least for potential point X, attribute information that represents the characteristics of the specification, etc. has a greater impact on the evaluation score than attribute information that may arise with patent registration as a necessary condition. On the other hand, it is desirable that at least for performance point Y, attribute information that may arise with patent registration as a necessary condition has a greater impact on the evaluation score than attribute information that represents the characteristics of the specification, etc.
  • the attribute quantification unit 10 quantifies the attribute data included in the attribute information ⁇ of the received multiple patents (step S10).
  • the attribute data of the attribute information ⁇ is converted into a numerical value based on, for example, the following ideas (1) to (5), but is not limited to these.
  • (2) For information such as presence or absence, "presence" and "absence” are expressed by two arbitrary different values such as 1 and 0, or 1 and -1.
  • the attribute quantification unit 10 transmits the converted value corresponding to each quantified attribute information ⁇ to the model construction unit 20.
  • the model construction unit 20 calculates a weight (first weight W1) for each piece of first attribute information ⁇ 1 from the converted value of the received quantified attribute information ⁇ , and constructs a model (first model M1) for evaluating the patent (calculating the potential point X) using the first weight W1.
  • the process of constructing the first model M1 is performed by the first coefficient calculation unit 211, the first polarity assignment unit 221, and the first coefficient correction unit 231.
  • the model construction unit 20 calculates a weight (second weight W2) for each piece of second attribute information ⁇ 2 from the conversion value of the received quantified attribute information ⁇ , and constructs a model (second model M2) for evaluating the patent (calculating the performance score Y) using the second weight W2.
  • the process of constructing the second model M2 is performed by the second coefficient calculation unit 212, the second polarity assignment unit 222, and the second coefficient correction unit 232.
  • the first coefficient calculation unit 211 calculates a predetermined first coefficient for each of the converted values of the received digitized first attribute information ⁇ 1 (step S211).
  • a standard deviation is calculated among the input multiple patents (hereinafter also referred to as a "patent group"), and the reciprocal is set as the first coefficient.
  • a pattern group the input multiple patents
  • the attribute data of the first attribute information ⁇ 1 of two patents input from a database is expressed in the order of (C, D, R)
  • the information input will be (c 1 , d 1 , r 1 ) and (c 2 , d 2 , r 2 ).
  • the first coefficient a C for the number of claim characters C, the first coefficient a D for the number of specification characters D, and the first coefficient a R for the number of citations R are calculated as follows:
  • a is a coefficient that can be corrected by the first coefficient correction unit 231 described later.
  • the above-mentioned standard deviation may be calculated by the square root of the mean square of each data as calculated by the above formula (1) or (2), or may be calculated by the square root of the mean absolute value as calculated by the above formula (3).
  • the calculated first coefficients aC , aD , and aR are transmitted to the first polarity assigning unit 221.
  • the first polarity assigning unit 221 assigns a predetermined polarity to each of the received first coefficients (step S221).
  • the assignment of polarity means that a positive or negative sign is assigned to the first coefficient of each of the first attribute information ⁇ 1 calculated by the first coefficient calculation unit 211.
  • assigning polarity when considering the value evaluation of a patent, a positive sign is assigned if it is considered that the value is improved, and a negative sign is assigned if it is considered that the value is decreased.
  • the item of the attribute information ⁇ is the number of claim characters C, generally, the shorter the number of claim characters, the wider the scope of rights.
  • the first coefficient correction unit 231 corrects the first coefficient in consideration of the received first coefficient and polarity (step S231).
  • the method of correcting the first coefficient is, for example, to multiply the obtained first coefficient (here, the first coefficient including polarity) by the digitized converted value of each first attribute information ⁇ 1 for each patent in the input patent group, and calculate the raw score by taking the sum of each value.
  • the first coefficient including polarity is corrected by calculating the above-mentioned constant a and the later-described constant b so that the average value, variance value, or maximum and minimum values become predetermined values, as in the case of deviation value calculation.
  • the above-mentioned correction method is one example and is not limited to this.
  • whether or not to perform this correction is a matter of choice, and if correction is not performed, the process of step S231 is not necessarily required.
  • the above-mentioned correction method will be described in the case where the patent group received by the attribute quantification unit 10 is two patents, patent 1 and patent 2, shown in Fig. 3.
  • the first model M1 to be constructed is defined as the following formula (4).
  • formula (4) the evaluation points of the patent value for the two patents given in advance as described above are expressed by the following formula (5) for patent 1 and by the following formula (6) for patent 2.
  • the first coefficient correction unit 231 performs a process of correcting a and b so that the average value of the above formulas (5) and (6) becomes 50 and the variance value becomes 1.
  • the first coefficients aC , aD , aR , and b in formula (4) after the values of a and b are determined correspond to the above-mentioned first weight W1
  • formula (4) itself after the values of a and b are determined corresponds to the first model M1 constructed by the model construction unit 20.
  • formula (4) is merely an example. The definition formula is not limited to this. That is, the first weight W1 may be defined by other expressions without being limited to a linear model.
  • the constructed first model M1 is transmitted to the evaluation unit 30. In the above example, the first model M1 dependent on the number of claim characters C, the number of specification characters D, and the number of citations R is constructed and transmitted to the evaluation unit 30.
  • the second coefficient calculation unit 212 performs a process similar to that in the case where the first attribute information ⁇ 1 is replaced with the second attribute information ⁇ 2 in the process of step S211 (step S212). That is, the second coefficient calculation unit 212 calculates a predetermined second coefficient for each of the converted values of the received quantified second attribute information ⁇ 2.
  • the second polarity assignment unit 222 performs a process similar to that in the case where the first attribute information ⁇ 1 is replaced with the second attribute information ⁇ 2 in the process of step S221 (step S222). That is, the second polarity assignment unit 222 assigns a predetermined polarity to each of the received second coefficients.
  • the second coefficient correction unit 232 performs a process similar to that in the case where the first attribute information ⁇ 1 is replaced with the second attribute information ⁇ 2 in the process of step S231 (step S232). That is, the second coefficient correction unit 232 corrects the second coefficient in consideration of the received second coefficient and polarity.
  • steps S212, S222, and S232 a second model M2 for calculating the performance point Y is constructed.
  • a model may be constructed in a similar manner based on information on each patent in the database (whether or not there is a license agreement (whether or not there is a license agreement A), whether or not there is an invalidation trial (whether or not there is an invalidation trial I), whether or not there is in-house implementation (whether or not there is in-house implementation II)).
  • a second model M2 dependent on whether or not there is a license agreement A, whether or not there is an invalidation trial I, and whether or not there is in-house implementation II is constructed and transmitted to the evaluation unit 30.
  • the coefficient obtained from a predetermined group of patents determines the weight (first weight W1, second weight W2) for each attribute information ⁇ (first attribute information ⁇ 1, second attribute information ⁇ 2).
  • the weight (first weight W1, second weight W2) depends on the attribute information ⁇ .
  • the weight (first weight W1, second weight W2) indicates the degree of change in the evaluation score of the value of the patent when the quantified conversion value of the attribute information ⁇ changes.
  • Building a model means determining the weight (first weight W1, second weight W2) for each attribute information ⁇ . For example, if the amount of change in the evaluation score of the value of the patent when the quantified conversion value of the attribute information ⁇ changes from 0 to 1 differs between patent 1 and patent 2, the weight (first weight W1, second weight W2) changes taking that difference into account. In addition, when determining the weights (second weight W2, second weight W2), the polarity of each coefficient is qualitatively determined.
  • the converted value of the attribute information ⁇ is evaluated as 1 or 0, it can be said that the model places more weight on the less frequent occurrence. In other words, in this case, it can be said that a method is adopted in which a higher score is assigned to an event that is less likely to actually occur.
  • the evaluation unit 30 uses the received first model M1 and second model M2 to generate information regarding the evaluation of the patent (first evaluation information V1, second evaluation information V2) for the patent to be evaluated, which is the specified patent to be evaluated (step S30).
  • the patent evaluation device 1 does not necessarily need to be configured so that one evaluation target patent T, which is the designated patent to be evaluated, is input; multiple patents may be designated.
  • the method of inputting the evaluation target patent T may be selected from the group of patents for which the attribute information ⁇ has been input, or a new patent separate from this group of patents may be designated.
  • the attribute information ⁇ may be input, for example, from a database (not shown) when the new evaluation target patent T is designated so that the attribute information ⁇ of the patent is also input into the patent evaluation device 1.
  • the patent evaluation device 1 may be configured so that when information that can identify the evaluation target patent T is obtained, the attribute information ⁇ can be obtained by accessing a specific database (not shown).
  • the patent evaluation device provides the user with information on the two types of evaluation points (first evaluation information V1, second evaluation information V2).
  • Specific examples of information on evaluation points include, but are not limited to, the following (1) to (3).
  • first evaluation information V1 that depends on attribute information that represents at least one feature of the patent specification, claims, or drawings
  • second evaluation information V2 that depends on attribute information that may arise as a prerequisite for patent registration.
  • the patent evaluation device 1 may be configured as a patent evaluation device 1a having a model construction unit 20a instead of the model construction unit 20.
  • the patent evaluation device 1a is a device that can handle such a case.
  • the model construction unit 20a does not have the coefficient calculation unit (first coefficient calculation unit 211, second coefficient calculation unit 212) and polarity assignment unit (first polarity assignment unit 221, second polarity assignment unit 222) in the model construction unit 20, but instead has a correlation coefficient calculation unit (first correlation coefficient calculation unit 241, second correlation coefficient calculation unit 242).
  • the coefficient correction units (first coefficient correction unit 231, second coefficient correction unit 232) have been changed to new coefficient correction units (first coefficient correction unit 231a, second coefficient correction unit 232a).
  • the weights (first weight W1, second weight W2) in the model construction unit 20a are calculated by using one piece of attribute information ⁇ designated from the accepted (hereinafter also referred to as "received") attribute information ⁇ as a reference index (reference index ⁇ ) and taking into consideration the degree of correlation between the other attribute information ⁇ (first attribute information ⁇ 1, second attribute information ⁇ 2) and the reference index ⁇ .
  • the patent evaluation device 1a performs the process flow shown in Figure 5 to perform the patent evaluation method of this modified example 1.
  • step S241 is added instead of steps S211 and S221 in Figure 2, and step S231 is changed to step S231a.
  • step S242 is added instead of steps S212 and S222, and step S232 is changed to step S232a. Therefore, the following explanation will focus on the processes of steps S241, S231a, S242, and S232a, and other explanations will be omitted.
  • the patent evaluation device 1a receives, for example, attribute information ⁇ (first attribute information ⁇ 1, second attribute information ⁇ 2) for multiple patents from a database, the patent to be evaluated, and one type of reference indicator ⁇ , which is information on the reference attribute information ⁇ .
  • the attribute information ⁇ is sent to the attribute quantification unit 10
  • the reference indicator ⁇ is sent to the model construction unit 20a
  • the patent to be evaluated T is sent to the evaluation unit 30 by an input reception unit (not shown).
  • the patent to be evaluated T may be sent to the evaluation unit 30 via the attribute quantification unit 10, or may be sent to the evaluation unit 30 via the attribute quantification unit 10 and the model construction unit 20a.
  • the reference indicator ⁇ may be sent to the model construction unit 20a via the attribute quantification unit 10.
  • the license income amount (license income amount L) is specified as the reference indicator ⁇ . That is, the model construction in the model construction unit 20a of this modified example 1 constructs a model in which the linear sum of each attribute information ⁇ (first attribute information ⁇ 1, second attribute information ⁇ 2) is used as the evaluation point for the value of the patent, based on the license income amount L for a given group of patents.
  • the first correlation coefficient calculation unit 241 calculates the first correlation coefficient by considering the degree of correlation between each attribute data of the specified reference indicator ⁇ and the attribute data of each attribute information ⁇ (step S241). As an example of a method for calculating the first correlation coefficient, for each first attribute information ⁇ 1, the standard deviation other than the reference indicator ⁇ is calculated in the input patent group, and the reciprocal is set as the first coefficient. In addition, the first correlation coefficient is calculated by multiplying the correlation coefficient (correlation coefficient F) between each first attribute information ⁇ 1 and the license income amount L, which is the reference indicator ⁇ , by the first coefficient.
  • correlation coefficient F correlation coefficient
  • the correlation coefficient between the number of claim characters C and the license revenue amount L is correlation coefficient F C
  • the correlation coefficient between the number of description characters D and the license revenue amount L is correlation coefficient F D
  • the first correlation coefficient a C taking into account correlation coefficient F C and the first correlation coefficient a D taking into account first correlation coefficient F D are calculated as shown in the following formulas (7) and (8).
  • the correlation coefficient r can be calculated by the following formula (9): where n is the number of data (x, y), xi is the i-th value of x, yi is the i-th value of y, ⁇ x is the average value of x, and ⁇ y is the average value of y.
  • the correlation coefficients F C and F D may be calculated with reference to formula (9).
  • a is a coefficient that can be corrected by the first coefficient correction unit 231a.
  • the standard deviation may be calculated by the square root of the mean square of each data as calculated by the above formulas (7) and (8), or may be calculated by the square root of the mean absolute value as in the above formula (3).
  • the calculated first coefficients aC and aD are transmitted to the first coefficient correction unit 231a.
  • the first coefficient correction unit 231a corrects the first correlation coefficient in consideration of the received first correlation coefficient (step S231a).
  • the correction method is, for example, to multiply the obtained first correlation coefficient by the quantified converted value of each first attribute information ⁇ 1 for each patent in the input patent group, and calculate the raw score by taking the sum of each value. Then, the first correlation coefficient is corrected by obtaining the above-mentioned constant a and constant b so that the average, variance, or maximum and minimum values become predetermined values like a deviation value.
  • the above-mentioned correction method is one example and is not limited to this. In addition, whether or not to perform this correction is a matter of choice, and if correction is not performed, the process of step S231a is not necessarily required.
  • the first model M1 to be constructed is defined as the following equation (10).
  • equation (10) the evaluation point (potential point V1) for the patent value assessment of the two patents given in advance as described above is expressed by the following equation (11) for patent 1 and by the following equation (12) for patent 2.
  • the first coefficient correction unit 231a performs a process of correcting a and b so that the average value of the above formulas (11) and (12) becomes 50 and the variance value becomes 1.
  • the first correlation coefficients aC , aD , and b in formula (10) after the values of a and b are determined correspond to the above-mentioned first weight W1
  • formula (10) itself after the values of a and b are determined corresponds to the first model M1 constructed by the model construction unit 20a.
  • formula (10) is merely an example. The definition formula is not limited to this. That is, the first weight W1 may be defined by other expressions without being limited to a linear model.
  • the constructed first model M1 is transmitted to the evaluation unit 30.
  • the second correlation coefficient calculation unit 242 performs the same process as when the first attribute information ⁇ 1 is replaced with the second attribute information ⁇ 2 in the process of step S241 (step S242). That is, the second correlation coefficient calculation unit 242 calculates the second correlation coefficient by considering the degree of correlation between each attribute data of the specified reference index ⁇ and the attribute data of each other attribute information ⁇ (second attribute information ⁇ 2).
  • the second coefficient correction unit 232a performs the same process as when the first attribute information ⁇ 1 is replaced with the second attribute information ⁇ 2 in the process of step S231a (step S232a). That is, the second coefficient correction unit 232a corrects the second correlation coefficient by considering the received second correlation coefficient.
  • the second model M2 is constructed as a model that outputs a performance point Y depending on these pieces of information.
  • the first model M1 is constructed using the correlation between the number of claim characters C and the number of specification characters D and the license income amount L.
  • the second model M2 is constructed using the correlation between the presence or absence of a license agreement A and the presence or absence of an invalidation trial I and the license income amount L.
  • the absolute value of the correlation between the number of claim characters C and the number of specification characters D and the license income amount L is much smaller than the correlation between the presence or absence of a license agreement A and the presence or absence of an invalidation trial I and the license income amount L.
  • the presence or absence of a license agreement A if there is a license agreement, it is more likely that license income will be obtained. Therefore, it is considered that the presence or absence of a license agreement A tends to have a much higher correlation with the license income amount L than the number of claim characters C.
  • the coefficient related to the presence or absence of a license agreement A will be overwhelmingly large, and the number of claim characters C will hardly contribute to the evaluation score.
  • the slope of the linear regression line of the number of claim characters against the license income L may be used instead of the ratio of the correlation coefficient F and the standard deviation.
  • the calculation of the first correlation coefficient and the second correlation coefficient may be performed using a multivariate regression analysis with the license income L as the reference index ⁇ .
  • the model (at least one of the first model M1 and the second model M2) may be a single-layer or multi-layer neural network instead of a linear sum model.
  • the parameters of the neural network are updated an appropriate number of times using the backpropagation method or the like to construct a model so that the output of the neural network with the attribute information ⁇ as input and the actual license income L are close on a predetermined scale. If the group of patents given in advance changes, the parameters of the resulting neural network will change, and the weights of each attribute information (first weight W1 or second weight W2) in the calculation of the evaluation points for the value evaluation of the patent will change, and the degree of change in the evaluation points for the value of the patent when the value of the attribute information ⁇ changes during the actual evaluation will change.
  • the patent evaluation device 1a may be configured as a patent evaluation device 1b having a model construction unit 20b instead of the model construction unit 20a, as shown in FIG. 7.
  • the value of a patent is not necessarily measured by a single clear index such as the license income amount L.
  • the relative merits of these milestones may vary depending on the company and the timing of the evaluation of the value of the patent.
  • milestones are elements that may arise due to the high value of the patent, and can be evaluated as a performance point Y.
  • a part of the attribute information is determined in advance as a milestone through a hearing with a user, and the relative merits of the determined milestones are also determined, thereby generating a reference index (corresponding to the reference index ⁇ in modified example 1) used in model construction of the evaluation points for the value evaluation of the patent.
  • the model construction unit 20b has a reference index generation unit 25 as a process prior to the correlation coefficient calculation unit (first correlation coefficient calculation unit 241, second correlation coefficient calculation unit 242).
  • the calculation of the weights (first weight W1, second weight W2) in the model construction unit 20b generates a reference index (reference index Q) that takes into account the merit K, which is a multiple attribute information item specified from the received attribute information ⁇ , and the order (order P) between the merit indexes K, and this reference index Q is used as the reference index ⁇ in the above-mentioned modified example 1.
  • the patent evaluation device 1b performs the process flow shown in FIG. 8 to perform the patent evaluation method of this modified example 2.
  • step S25 is added before steps S241 and S242 in FIG. 5. Therefore, the explanation will be centered on step S25, and the other steps will be omitted.
  • the patent evaluation device 1b also receives information on the merit K, which is an attribute item of the multiple attribute information ⁇ that becomes a merit from the attribute information ⁇ , and its order (order P) specified by the user.
  • the input reception unit (not shown) is configured to send the attribute information ⁇ to the attribute quantification unit 10, send the merit K and order P to the model construction unit 20b, and send the evaluation target patent T to the evaluation unit 30.
  • the evaluation target patent T may be sent to the evaluation unit 30 via the attribute quantification unit 10, or may be configured to be sent to the evaluation unit 30 via the attribute quantification unit 10 and the model construction unit 20b.
  • the merit K and order P may be configured to be sent to the model construction unit 20b via the attribute quantification unit 10.
  • the merit K to be input is specified from the second attribute information ⁇ 2.
  • Merkmal K is assumed to be input with attribute data that can be expressed as presence/absence or 1/0, such as contract history.
  • the criterion indicator generating unit 25 quantifies each achieved merit K based on the received merit K and rank P to generate (calculate) a criterion indicator Q (step S25). For a company evaluating a patent, this is a numerical representation of the degree to which milestone K achieved by the patent T being evaluated affects the value of the patent.
  • a specific example of a method for calculating the reference index Q based on the above rules (1) to (4) is as follows. For example, as shown in FIG. 9, assume that the attribute information ⁇ specified as the milestone K has two attribute items, "licensing history” and "in-house implementation,” and that the ranking P between these milestone Ks is input as “licensing history” in first place and "in-house implementation” in second place.
  • the ceiling standard value CR is set to 120 and the point width standard value PR is set to 100 in advance.
  • the final generated standard index Q is calculated as shown in FIG.
  • the reference index Q calculated for all 500 input patents is sent to the first correlation coefficient calculation unit 241 and the second correlation coefficient calculation unit 242 together with the attribute information ⁇ .
  • the calculation method of the above-mentioned standard index Q is based on the idea that the hurdle for achievement is high for a milestone K that is achieved with a low frequency, and the higher the hurdle for achievement, the greater the impact when achieved. It is possible to simply quantify the achievement rate of each milestone K, but it cannot necessarily be said that important milestone Ks will have a relatively low achievement rate. Therefore, as in rule (1) above, by using the cumulative number of achievements based on the rank P to calculate the quantification, a more intuitive index can be derived. Note that the number of patents and the number of achieved patents mentioned above may be logarithmic. Also, the ceiling reference value CR and the point width reference value PR may be set so that the average, variance, maximum value, minimum value, etc. of the values when a given group of patents is scored are predetermined values.
  • the first correlation coefficient calculation unit 241 performs the above-mentioned process of step S241 using the received reference index Q and the first attribute information ⁇ 1. That is, the first correlation coefficient calculation unit 241 calculates the first correlation coefficient by considering the degree of correlation between each attribute data of the reference index Q and the attribute data of each other attribute information (first attribute information ⁇ 1). Specifically, it is assumed that the claim character count C, the specification character count D, and the reference index Q are input for two patents (Patent 1, Patent 2).
  • the second correlation coefficient calculation unit 242 performs the same process as in step S241 when the first attribute information ⁇ 1 is replaced with the second attribute information ⁇ 2 (step S242). That is, the second correlation coefficient calculation unit 242 calculates the second correlation coefficient taking into account the degree of correlation between each attribute data of the reference index Q and the attribute data of each other attribute information (second attribute information ⁇ 2). Next, the processes of steps S232a and S30 are performed.
  • step S30 in this modified example 2 when providing information in step S30 in this modified example 2, if it is possible to know whether or not the specified patent has achieved Merkmar K when presenting the evaluation score of the value of the patent, the score based on Merkmar K used in model construction (the score result in which the value of the reference index Q is regarded as the evaluation score) may be presented in parallel.
  • the evaluation score of the patent's value output from the model (potential score X, performance score Y) and the score based on Merkmar K may be processed into an average, maximum, minimum, etc., and provided as a total score.
  • the patent evaluation device 1 may be configured as a patent evaluation device 1c having a model construction unit 20c instead of the model construction unit 20, as shown in FIG. 11.
  • the model construction unit 20c has the second correlation coefficient calculation unit 242 and the second coefficient correction unit 232a of the model construction unit 20a of the patent evaluation device 1a (FIG. 4) instead of the second coefficient calculation unit 212, the second polarity assignment unit 222, and the second coefficient correction unit 232 in the model construction unit 20.
  • the patent evaluation device 1c performs the patent evaluation method of the present modified example 3 by implementing the processing flow shown in FIG. 12.
  • FIG. 12 has steps S242 and S232a of FIG. 5 instead of steps S212, S222, and S232 of FIG. 2.
  • the first model M1 and the second model M2 are constructed using the same processing method.
  • the first model M1 is constructed using the method of the patent evaluation device 1
  • the second model M2 is constructed using the method of the patent evaluation device 1a.
  • the patent evaluation device 1 may be configured as a patent evaluation device 1d having a model construction unit 20d instead of the model construction unit 20, as shown in FIG. 13.
  • the model construction unit 20d has the reference index generation unit 25, the second correlation coefficient calculation unit 242, and the second coefficient correction unit 232a of the model construction unit 20b of the patent evaluation device 1b (FIG. 7) instead of the second coefficient calculation unit 212, the second polarity assignment unit 222, and the second coefficient correction unit 232 in the model construction unit 20.
  • the patent evaluation device 1d performs the patent evaluation method of this modified example 4 by implementing the processing flow shown in FIG. 14.
  • FIG. 14 has steps S25, S242, and S232a of FIG.
  • the first model M1 and the second model M2 are constructed using the same processing method.
  • the first model M1 is constructed using the method of the patent evaluation device 1
  • the second model M2 is constructed using the method of the patent evaluation device 1b.
  • the patent evaluation device 1a may be configured as a patent evaluation device 1e having a model construction unit 20e instead of the model construction unit 20a, as shown in FIG. 15.
  • the model construction unit 20e has the reference index generation unit 25, the second correlation coefficient calculation unit 242, and the second coefficient correction unit 232a of the model construction unit 20b of the patent evaluation device 1b (FIG. 7) instead of the second correlation coefficient calculation unit 242 and the second coefficient correction unit 232a in the model construction unit 20a.
  • the patent evaluation device 1e performs the patent evaluation method of the present modified example 5 by implementing the processing flow shown in FIG. 16.
  • FIG. 16 has steps S25, S242, and S232a of FIG. 8 instead of steps S242 and S232a of FIG. 5.
  • the first model M1 and the second model M2 are constructed using the same processing method.
  • the first model M1 is constructed using the method of the patent evaluation device 1a
  • the second model M2 is constructed using the method of the patent evaluation device 1b.
  • ⁇ Modification 6> When non-public information is received from a user, there is a high need to ensure security to prevent information leakage. On the other hand, if a program for creating an evaluation model is given to a user, there is a risk that the program may be copied. Therefore, the calculations in the above embodiment may be performed in an encrypted state using a secret calculation process that can perform calculations while keeping the data encrypted, so that even if the information received from the user is leaked, a third party cannot view the information. The above embodiment or modified examples 1 to 5 can be realized more safely.
  • a cipher for which the user has a key is used.
  • the user inputs the encrypted attribute information ⁇ (as well as the patent T to be evaluated, the reference index ⁇ , the merkmar K, and the rank P) to the patent evaluation device 2 having a secure calculation function (here, the patent evaluation device 1, the patent evaluation device 1a, or the patent evaluation device 1b, the patent evaluation device 1c, the patent evaluation device 1d, and the patent evaluation device 1e having a secure calculation function are collectively referred to as the "patent evaluation device 2").
  • the patent evaluation device 2 performs a calculation equivalent to the above embodiment using secure calculation based on the received attribute information ⁇ to construct an encrypted model (first model M1, second model M2).
  • the encrypted attribute information related to the patent specified by the user is input to the encrypted model (first model M1, second model M2), and the evaluation information encrypted by the secure calculation process (first evaluation information V1, second evaluation information V2) is obtained.
  • the user uses the key he or she holds to decrypt the encrypted evaluation information to obtain the information.
  • the patent evaluation device 2 and third parties cannot decipher the attribute information ⁇ input by the user (other, patent to be evaluated T, reference index ⁇ , milestone K, ranking P), the constructed model (first model M1, second model M2), and the evaluation information output from the model (first evaluation information V1, second evaluation information V2), so non-public information can be handled with peace of mind.
  • the above-mentioned first attribute information ⁇ 1 will be as follows.
  • the first attribute information ⁇ 1 corresponds to at least attribute information relating to the specification, utility model registration claims, and drawings.
  • the first attribute information ⁇ 1 corresponds to at least attribute information relating to the design registration application (application) and drawings (or substitute photographs, templates, and samples).
  • the first attribute information ⁇ 1 may be configured to include at least one feature of documents related to the application (hereinafter also referred to as "application documents").
  • the program describing this processing can be recorded on a computer-readable recording medium.
  • Examples of computer-readable recording media include magnetic recording devices, optical disks, magneto-optical recording media, and semiconductor memories.
  • the program may be distributed, for example, by selling, transferring, or lending portable recording media such as DVDs or CD-ROMs on which the program is recorded. Furthermore, the program may be stored in a storage device of a server computer, and the program may be distributed by transferring the program from the server computer to other computers via a network.
  • a computer that executes such a program for example, first stores in its own storage device the program recorded on a portable recording medium or the program transferred from a server computer. Then, when executing a process, the computer reads the program stored on its own recording medium and executes the process according to the read program. As another execution form of the program, the computer may read the program directly from the portable recording medium and execute the process according to the program, or may execute the process according to the received program each time a program is transferred from the server computer to the computer.
  • the above-mentioned process may also be executed by a so-called ASP (Application Service Provider) type service that does not transfer the program from the server computer to the computer, but realizes the processing function only by issuing an execution instruction and obtaining the results.
  • ASP Application Service Provider
  • the program in this form includes information used for processing by an electronic computer that is equivalent to a program (such as data that is not a direct command to the computer but has properties that specify the processing of the computer).
  • the device is configured by executing a specific program on a computer, but at least a portion of the processing may be realized by hardware.

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Technology Law (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (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

より示唆的な知的財産の評価を提供する。本開示の一態様の知的財産評価装置（特許評価装置１）は、特許、実用新案、または意匠（特許等）の出願書類の特徴を表す属性情報（第１属性情報α１）に少なくとも依存する第１評価（第１評価情報Ｖ１）と、特許等の登録を必要条件として生じ得る属性情報（第２属性情報α２）に少なくとも依存する第２評価（第２評価情報Ｖ２）と、を用いて特許等（評価対象特許Ｔ）を評価する。

Description

知的財産評価装置、知的財産評価方法、およびプログラム
　本開示は、知的財産の価値を評価する技術に関する。
　企業における特許出願または特許権（以下、まとめて「特許」ともいう。）を代表とする知的財産戦略の検討において、知的財産の価値を評価することは、警戒すべき競合他社の特許に目星をつけるのに有用なだけでなく、自社の特許についても、その特許の維持やライセンス活動などにリソースを割くか否かの判断にも非常に有効である。従来、特許の評価は特許権の存続年数などの書誌情報、請求項数などの内容情報、無効審判請求の有無などの経過情報といった特許についての情報を基に、各特許の評価点を１つずつ算出するモデルを構築していた（例えば特許文献１参照）。
特許第4344813号公報
　従来手法で評価点の算出のために用いられている情報の中には、請求項の広さのように、その特許自体の効力を構成する要素と、無効審判請求の有無のように、その特許が効力を有することにより引き起こされる要素といった、位置づけの異なる情報が含まれている。これらのような位置づけの異なる情報を混在させたまま１つの評価点に集約してしまうことは、評価点から得られる示唆を損なわせる可能性がある。つまり、従来の手法は、必ずしも示唆的な知的財産の評価ができていないという課題がある。
　本開示は、上記課題を解決するためになされたものであり、より示唆的な知的財産の評価を提供することを目標とする。
　上記課題を解決するために、本開示の一態様の知的財産評価装置は、特許、実用新案、または意匠（特許等）の出願書類の特徴を表す属性情報に少なくとも依存する第１評価と、特許等の登録を必要条件として生じ得る属性情報に少なくとも依存する第２評価と、を用いて評価対象の特許等を評価する。
　本開示の特許評価装置によれば、より示唆的な知的財産の評価を提供できる。
図１は本実施形態に係る特許評価装置の機能構成例を示した図である。 図２は本実施形態に係る特許評価方法の処理フロー例を示した図である。 図３は図１の第１係数算出部２１１、第１係数補正部２３１、第２係数算出部２１２、第２係数補正部２３２の処理の説明を補助するための図である。 図４は本実施形態の変形例１に係る特許評価装置の機能構成例を示した図である。 図５は本実施形態の変形例１に係る特許評価方法の処理フロー例を示した図である。 図６は図４の第１相関係数算出部２４１、第２相関係数算出部２４２の処理の説明を補助するための図である。 図７は本実施形態の変形例２に係る特許評価装置の機能構成例を示した図である。 図８は本実施形態の変形例２に係る特許評価方法の処理フロー例を示した図である。 図９は図７の基準指標生成部２５の処理の説明を補助するための図である。 図１０は図７の基準指標生成部２５の処理の説明を補助するための図である。 図１１は本実施形態の変形例３に係る特許評価装置の機能構成例を示した図である。 図１２は本実施形態の変形例３に係る特許評価方法の処理フロー例を示した図である。 図１３は本実施形態の変形例４に係る特許評価装置の機能構成例を示した図である。 図１４は本実施形態の変形例４に係る特許評価方法の処理フロー例を示した図である。 図１５は本実施形態の変形例５に係る特許評価装置の機能構成例を示した図である。 図１６は本実施形態の変形例５に係る特許評価方法の処理フロー例を示した図である。 図１７はコンピュータの機能構成を例示する図である。
＜文字表記＞
　文中で使用する記号「￣」（オーバーライン）は、本来直後の文字の真上に記載されるべきものであるが、テキスト記法の制限により、当該文字の直前に記載する。数式中においてはこれらの記号は本来の位置、すなわち文字の真上に記述している。例えば、「￣ｘ」は数式中では次式で表される。
Figure JPOXMLDOC01-appb-M000001
　本開示の実施形態の一例である特許評価装置は、特許の明細書、請求の範囲、または図面の少なくとも１つの特徴を表す属性情報に依存する第１評価と、特許の登録を必要条件として生じ得る属性情報に依存する第２評価とを用いて評価するものである。特許評価装置を上記のように構成することにより、特許の明細書、請求の範囲、または図面の少なくとも１つの特徴を表す属性情報に依存する評価と、特許の登録を必要条件として生じ得る属性情報に依存する評価の視点の異なる２種類の特許の価値の評価を提供できることから、より示唆的な特許評価を提供できる。以下、図を用いて本開示の実施形態の一例である特許評価装置１を詳細に説明する。また、以下、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。
　本開示の特許評価装置１は、予め複数の特許についての属性情報から評価点算出のためのモデルを２種類構築し（第１モデルＭ１、第２モデルＭ２）、構築されたモデルをそれぞれ用いて、指定された特許（評価対象特許Ｔ）に対する評価点を算出する。第１モデルＭ１は、後述するポテンシャル点Ｘを算出するモデルであり、第２モデルＭ２は、後述するパフォーマンス点Ｙを算出するモデルである。２つのモデルは、入力となる属性情報（第１属性情報α１、第２属性情報α２）やそれらが評価点に影響を及ぼす度合い（第１重みＷ１、第２重みＷ２）を変える。このように構成することにより、特許評価装置１は、価値の高い特許を構成するための要素を評価するポテンシャル点（以下、「ポテンシャル点Ｘ」ともいう。）Ｘを考慮した第１評価情報Ｖ１と、特許の価値が高いことにより生じうる要素を評価するパフォーマンス点（以下、「パフォーマンス点Ｙ」ともいう。）を考慮した第２評価情報Ｖ２の２種類の位置づけの評価を提示することとなる。このような位置づけの違う評価点を算出することにより、例えばポテンシャル点Ｘが考慮された第１評価情報Ｖ１は特許をよりよいものにするためのフィードバックに使い、パフォーマンス点Ｙが考慮された第２評価情報Ｖ２は評価対象特許Ｔに対する自他の注目度合いや力の入れ具合を測るのに使うといった使い分けができる。したがって、従来手法に比して、より示唆的な評価が提供できる。
　本開示の実施形態に係る特許評価装置１は、図１に示すように、属性数値化部１０と、モデル構築部２０と、評価部３０とを備えている。モデル構築部２０は、第１モデルＭ１を構築するために、第１係数算出部２１１、第１極性付与部２２１、第１係数補正部２３１を備えている。モデル構築部２０は、第２モデルＭ２を構築するために、第２係数算出部２１２、第２極性付与部２２２、第２係数補正部２３２を備えている。特許評価装置１が、図２に示した処理フローを実施することにより本実施形態の特許評価方法を行う。特許評価装置１は、複数の特許についての属性情報αと、評価対象特許Ｔが入力される。属性情報αは、例えば、図示せぬデータベースから入力され、評価対象特許Ｔはユーザにより指定される。属性情報αは、後述する第１属性情報α１と第２属性情報α２とを含む。図示せぬ入力受付部により、属性情報αは属性数値化部１０に送出され、評価対象特許Ｔは評価部３０に送出されるように構成されている。但し、評価対象特許Ｔは、属性数値化部１０経由で評価部３０に送信されるようにしてもよいし、属性数値化部１０とモデル構築部２０経由で評価部３０に送信されるように構成してもよい。
（属性情報α）
　属性情報αは、少なくとも当該特許の属性情報の項目（例えば、後述する「出願番号」や「登録番号」をという情報の種類）を示す属性項目と、属性項目に対応するデータ（例えば、出願日が2023年3月15日である場合の、「20230315」，「2023/03/15」，「２０２３－０３－１５」などのデータ）である属性データとを含む。属性情報αは、公開情報と非公開情報とを含み得る。公開情報とは、特許庁が公開している情報や、その情報から客観的に知り得る情報を含み得る。公開情報の具体例としては、以下のような（ｉ）～（iii）が挙げられるが、これらに限定されない。（ｉ）出願番号、登録番号、技術分野の情報、出願日の情報、優先日の情報、新規性喪失の例外適用の有無などの書誌情報、（ii）請求項数、独立請求項数、請求項あたりの平均文字数、明細書頁数、および図面枚数を対応付けた内容情報、（iii）分割出願の有無や回数、早期審査請求の有無、拒絶査定不服審判における特許審決の有無、特許異議申立てにおける維持決定の有無、無効審判における維持審決の有無、優先権主張の有無、ＰＣＴ出願の有無、移行国、移行国数、および包袋閲覧の有無、被引用回数などの経過情報。公開情報のデータベースなどにアクセスができる場合には、データベースから取得してユーザによる入力を補完した情報であってもよい。例えば、登録番号のみ入力されている場合に、その登録番号に対応する特許についての請求項数などの属性情報αを、図示せぬデータベースから取得して以降の処理に用いてもよい。
　非公開情報とは、特許に関する情報であって、特許庁が公開している情報以外の情報をいう。非公開情報の具体例としては、以下のような（iv）～（vii）が挙げられるが、これらに限定されない。（iv）ライセンス収入額、特許権侵害訴訟における損害賠償請求額、和解金などの収入情報、（ｖ）実施許諾の有無や件数、グループ企業に対する実施許諾の有無、他社に対する実施許諾の有無、ライセンス交渉の有無や回数などの権利活用情報、（vi）自社実施の有無、特許発明に係る開発の有無や優先度、発明に至るまでの投資費用などの背景情報、（vii）担当者などが人手で評価する、請求項についての特許性や実施の立証可能性の評定などの主観情報。
（第１属性情報α１、第２属性情報α２）
　属性情報αは、第１属性情報α１と第２属性情報α２とを含む。第１属性情報α１は、ポテンシャル点Ｘを算出する第１モデルＭ１の構築に使用される。第２属性情報α２は、パフォーマンス点Ｙを算出する第２モデルＭ２の構築に使用される。
　第１属性情報α１の具体例としては、（ａ）請求項数、独立請求項数、請求項あたりの平均文字数、明細書頁数、および図面枚数を対応付けた内容情報、（ｂ）担当者などが人手で評価する、請求項についての特許性や権利範囲の広さ、実施の立証可能性の評定などの主観情報、などの、明細書、請求の範囲、または図面（以下、この３つを総称して「明細書等」ともいう。）の内、少なくとも１つの特徴を含む。明細書等は、主に特許権の実効力に直接影響を及ぼす要素で、これらの属性情報を含めて評価のモデルを構築することで、価値の高い特許を構成するために必要な要素のバランスが示唆される。
　第２属性情報α２の具体例としては、（ｃ）経過情報の中でも、特許異議申立ての有無、無効審判請求の有無、（ｄ）ライセンス収入額、特許権侵害訴訟における損害賠償請求額、和解金などの収入情報、（ｅ）実施許諾の有無や件数、グループ企業に対する実施許諾の有無、他社に対する実施許諾の有無、ライセンス交渉の有無や回数などの権利活用情報、などの、特許登録を必要条件として生じうるものを少なくとも１つ含む。第２属性情報α２は、主に特許の実効力の発揮された結果となる要素で、これらの属性情報を含めて評価のモデルを構築することで、特許の価値がどの程度市場に影響を及ぼしたのかについての示唆が得られる。例えば、無効審判が請求されたということは、その特許によって事業が阻害されている他者が存在しているということであり、特許の効力の一種の現れであると言える。パフォーマンス点Ｙではそのような実際の影響力を評価することができる。
　上述した明細書等の特徴を表すものではない属性情報であり、かつ、特許登録を必要条件として生じうるものでもない属性情報については、解釈次第で第１属性情報α１として扱ってもよいし、第２属性情報α２として扱ってもよい。例えば、被引用回数は、明細書等の特徴を表すものではない属性情報であり、かつ、特許登録を必要条件として生じうるものでもない属性情報と考えられる。したがって、被引用回数は、被引用回数の多さが明細書等に記載された内容の多さに対応していると解釈するのであれば第１属性情報α１として扱ってもよい。被引用回数は、被引用回数の多さが他者の出願を阻止した回数の多さに対応していると解釈するのであれば、第２属性情報α２として扱ってもよい。
　第１属性情報α１と第２属性情報α２とには、重複する属性情報がない方が好ましい。但し、第１属性情報α１と第２属性情報α２との間で重複する属性情報があってもよい。重複する属性情報がある場合には、少なくともポテンシャル点Ｘにおいては明細書等の特徴を表す属性情報の方が、特許登録を必要条件として生じうる属性情報よりも評価点に与える影響が大きいことが望ましい。一方で、少なくともパフォーマンス点Ｙにおいては特許登録を必要条件として生じうる属性情報の方が、明細書等の特徴を表す属性情報よりも評価点に与える影響が大きいことが望ましい。
（属性数値化部１０）
　属性数値化部１０は、受信した複数の特許の属性情報αに含まれる属性データの数値化を行う（ステップＳ１０）。属性情報αの属性データを数値に換算する場合には、例えば下記（１）～（５）のような考えに基づき行うが、これらに限定されない。（１）出願日のような日付であれば権利満了までの期間の長さ、その期間の長さに対して指数的に減衰する関数値や、日付が一意に判別可能な数値を割り当てて用いる。（２）有無のような情報は１と０や、１と－１など、任意の異なる２つの値で「有り」と「無し」を表現する。（３）移行国のようなパターンのあるものはパターン毎に有無に対応する１または０（日本移行有無、中国移行有無）を設ける。あるいは一意に判別可能な数値を割り当てて用いる。（４）回数はそのまま用いても対数値にしてもよい。（５）Ａ，Ｂ，Ｃのような評定の場合、低い評定から順に１，２，３のように評定の序列に合わせた数値を用いる。
　属性数値化部１０は、数値化した各属性情報αに対応する換算値をモデル構築部２０へ送信する。
（モデル構築部２０）
　モデル構築部２０は、受信した数値化された属性情報αの換算値から各第１属性情報α１についての重み（第１重みＷ１）を算出し、第１重みＷ１を用いた特許の評価（ポテンシャル点Ｘの算出）のためのモデル（第１モデルＭ１）を構築する。第１モデルＭ１の構築の処理は、第１係数算出部２１１、第１極性付与部２２１、第１係数補正部２３１が行う。
　モデル構築部２０は、受信した数値化された属性情報αの換算値から各第２属性情報α２についての重み（第２重みＷ２）を算出し、第２重みＷ２を用いた特許の評価（パフォーマンス点Ｙの算出）のためのモデル（第２モデルＭ２）を構築する。第２モデルＭ２の構築の処理は、第２係数算出部２１２、第２極性付与部２２２、第２係数補正部２３２が行う。
（第１係数算出部２１１）
　第１係数算出部２１１は、受信した数値化された第１属性情報α１の換算値の夫々について所定の第１係数を算出する（ステップＳ２１１）。第１係数の算出方法の一例としては、各第１属性情報α１について、入力された複数の特許（以下、「特許群」ともいう。）の中での標準偏差を求め、その逆数を第１係数とする。説明を単純化するために、ここでは、図３に示すように、第１属性情報α１の項目として、請求項の文字数（請求項文字数Ｃ）、明細書の文字数（明細書文字数Ｄ）、当該特許の被引用回数（被引用回数Ｒ）が入力された特許が２つあるとする。属性情報αの属性データを示す記号を小文字で表記することとする。また、２つの特許（特許１，特許２）を識別するために、属性情報αの属性データに下付き数字を表記することとする。即ち、例えば図示せぬデータベース上から入力された２つの特許の第１属性情報α１の属性データを（Ｃ，Ｄ，Ｒ）の順で表記すると、（ｃ１，ｄ１，ｒ１）、（ｃ２，ｄ２，ｒ２）という情報が入力されたこととなる。この場合、請求項文字数Ｃに対する第１係数ａＣ、明細書文字数Ｄに対する第１係数ａＤ、被引用回数Ｒに対する第１係数ａＲは以下のように算出される。
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　上記式（１）～（３）におけるａは、後述する第１係数補正部２３１により補正されうる係数である。また、上述した標準偏差の求め方は、上記式（１）や式（２）で算出したように、各データの二乗平均の平方根で算出してもよいし、上記式（３）で算出したように、絶対値平均の平方根で算出してもよい。算出した第１係数ａＣ，ａＤ，ａＲは、第１極性付与部２２１に送信される。
（第１極性付与部２２１）
　第１極性付与部２２１は、受信した第１係数の夫々に対して、予め定めた極性を付与する（ステップＳ２２１）。極性の付与とは、第１係数算出部２１１が算出した各第１属性情報α１の第１係数に対して正または負の符号を付与することである。極性の付与の考え方の一例としては、特許の価値評価を考える上で、その価値を向上させるとみなす場合には正の符号を付与し、その価値を低下させるとみなす場合には負の符号を付与する。具体例を用いて説明すると、属性情報αの項目が請求項文字数Ｃの場合、一般的には請求項文字数が短い方が、権利範囲が広くなりやすい。したがって、請求項文字数が多くなるほど特許の価値の評価点は下がるべきと考える場合には、負の符号を付与する。明細書文字数Ｄ（あるいは明細書の頁数）の場合、一般的にはその数が多い方が補正の根拠が多くなりやすく、特許性を主張しやすい。したがって、明細書文字数Ｄ（あるいは明細書頁数）が多くなるほど特許の価値の評価点は上がるべきと考える場合には、正の符号を付与する。
　したがって、式（１）～（３）は、極性付与後は、次式（１）’～（３）’となる。
Figure JPOXMLDOC01-appb-M000005
’
Figure JPOXMLDOC01-appb-M000006
Figure JPOXMLDOC01-appb-M000007
　式（２）’と式（３）’は正の符号が付与されており、それぞれ式（２）と式（３）と同じものとなっている。但し、これらはあくまで例示であり、このルールに限定されない。即ち、各第１属性情報α１に、予め定性的に定めた極性を付与すればよい。極性を含んだ第１係数の情報は第１係数補正部２３１へ送信される。
（第１係数補正部２３１）
　第１係数補正部２３１は、受信した第１係数と極性とを考慮して第１係数を補正する（ステップＳ２３１）。第１係数の補正の手法は、例えば、入力された特許群の中の各特許に対して、得られた第１係数（ここでは、極性を含んだ第１係数）を各第１属性情報α１の数値化された換算値に乗算し、それぞれの値の和をとって素点を算出する。その上で、偏差値算出のようにその平均値や分散値、若しくは最大値・最小値が所定値になるように、上述した定数ａと後述する定数ｂとを求めることにより、極性を含んだ第１係数を補正する。但し、上述した補正の手法は一例であり、これに限定されない。また、この補正を行うか否かは選択事項であり、補正を行わない場合には、必ずしもステップＳ２３１の処理は必須ではない。
　理解を容易にするため、上述した補正の手法を、属性数値化部１０が受信した特許群が図３に示した特許１と特許２の２つの特許である場合において説明する。この場合、構築される第１モデルＭ１は次式（４）のように定義される。
Figure JPOXMLDOC01-appb-M000008
　式（４）を用いると、上述した予め与えられている２つの特許についての特許の価値の評価点は、特許１については次式（５）、特許２については次式（６）となる。
Figure JPOXMLDOC01-appb-M000009
Figure JPOXMLDOC01-appb-M000010
　第１係数補正部２３１は、上記式（５）（６）の平均値が５０、分散値が１となるようにａ，ｂを補正する処理を行う。上記（４）の場合、ａ，ｂの値が決定された後の式（４）おける、第１係数ａＣ，ａＤ，ａＲ、及びｂが上述した第１重みＷ１に相当し、ａ，ｂの値が決定された後の式（４）自体がモデル構築部２０により構築された第１モデルＭ１に相当することとなる。但し、式（４）はあくまで例示であり。定義式はこれに限られない。即ち、第１重みＷ１は線形モデルに限らず他の表現で定義してもよい。構築された第１モデルＭ１は、評価部３０に送信される。上述の例では、請求項文字数Ｃ、明細書文字数Ｄ、被引用回数Ｒに依存した第１モデルＭ１が構築され、評価部３０に送信される。
（第２係数算出部２１２、第２極性付与部２２２、第２係数補正部２３２）
　第２係数算出部２１２は、ステップＳ２１１の処理において、第１属性情報α１を第２属性情報α２に置き換えた場合と同様の処理を行う（ステップＳ２１２）。即ち、第２係数算出部２１２は、受信した数値化された第２属性情報α２の換算値の夫々について所定の第２係数を算出する。第２極性付与部２２２は、ステップＳ２２１の処理において、第１属性情報α１を第２属性情報α２に置き換えた場合と同様の処理を行う（ステップＳ２２２）。即ち、第２極性付与部２２２は、受信した第２係数の夫々に対して、予め定めた極性を付与する。第２係数補正部２３２は、ステップＳ２３１の処理において、第１属性情報α１を第２属性情報α２に置き換えた場合と同様の処理を行う（ステップＳ２３２）。即ち、第２係数補正部２３２は、受信した第２係数と極性とを考慮して第２係数を補正する。ステップＳ２１２とステップＳ２２２とステップＳ２３２を経て、パフォーマンス点Ｙ算出のための第２モデルＭ２が構築される。例えば、データベース上にある各特許の（ライセンス契約の有無（ライセンス契約の有無Ａ）、無効審判請求の有無（無効審判請求の有無Ｉ）、自社での実施の有無（自社での実施の有無ＩＩ））の情報を基に同様の処理でモデルを構築すればよい。この場合、ライセンス契約の有無Ａ、無効審判請求の有無Ｉ、及び自社での実施の有無ＩＩに依存した第２モデルＭ２が構築され、評価部３０に送信される。
　モデル（第１モデルＭ１、第２モデルＭ２）の構築においては、データベース上にある属性情報の他に、ユーザから提供される属性情報を用いてもよい。
　式（４）を見てわかる通り、モデル（第１モデルＭ１、第２モデルＭ２）の各項は、予め与えられる特許群から得られる係数が、各属性情報α（第１属性情報α１、第２属性情報α２）における重み（第１重みＷ１、第２重みＷ２）を決めている。換言すれば、重み（第１重みＷ１、第２重みＷ２）は、属性情報αに依存している。係数が変わると、それに対応する属性情報の換算値が変化したときの特許の価値の評価点の変化度合いが変わる。即ち、重み（第１重みＷ１、第２重みＷ２）とは、属性情報αの数値化された換算値が変化したときの特許の価値の評価点の変化度合いを示すものである。モデルの構築とは、各属性情報αに対する重み（第１重みＷ１、第２重みＷ２）を決めることである。例えば、属性情報αの数値化された換算値が０から１へと変化させたときの特許の価値の評価点の変化量が特許１と特許２との間で相違する場合には、その相違が考慮されて重み（第１重みＷ１、第２重みＷ２）が変わる。また、重み（第２重みＷ２、第２重みＷ２）を決定するにあたっては、各係数の極性を定性的に決めている。つまり、第１極性付与部（第１極性付与部２２１、第２極性付与部２２２）の処理の説明で用いた例では、平均値から正の方向に外れるほど特許の価値が高く、平均値から負の方向に外れているほど特許の価値が低いものとして評価していることとなる。なお、属性情報αの数値換算された換算値が１と０で評価している場合は、頻度が低い方に重きを置くモデルになっていると言える。換言すれば、その場合は、実際は生じにくい事象の方に高い点を付与する方式を採用していると言える。
（評価部３０）
　評価部３０は、受信した第１モデルＭ１、第２モデルＭ２を用いて、指定された評価対象の特許である評価対象特許Ｔについて、特許の評価に関する情報（第１評価情報Ｖ１、第２評価情報Ｖ２）を生成する（ステップＳ３０）。
　指定された評価対象の特許である評価対象特許Ｔは、必ずしも１つが入力されるように特許評価装置１を構成する必要はなく、複数指定されるように構成してもよい。また、評価対象特許Ｔの入力方法は、属性情報αを入力した特許群の中から指定してもよいし、この特許群とは別の特許を新たに指定してもよい。新たに評価対象特許Ｔを指定する場合は、特許評価装置１に当該特許の属性情報αも入力されるように、新たな評価対象特許Ｔの指定の際に、当該属性情報αを例えば図示せぬデータベースから入力させるようにしてもよい。あるいは、その評価対象特許Ｔを特定できる情報を入手した際に、図示せぬ特定のデータベースにアクセスして入手できるように構成してもよい。
　特許評価装置は得られた２種類の評価点に関する情報（第１評価情報Ｖ１、第２評価情報Ｖ２）をそれぞれユーザに提供する。評価点に関する情報の具体例としては、例えば下記(１)～(３)が挙げられるが、これらに限定されない。（１）特許の価値の評価点の数値（ポテンシャル点Ｘ、パフォーマンス点Ｙ）を表示する、あるいは、特許の価値の評価点の数値データを出力する、（２）特許の価値の評価点の数値に応じてＡ，Ｂ，Ｃなどのランクを表示する、あるいは、ランクのデータを出力する、（３）複数の評価対象特許Ｔがある場合は、その特許の価値の評価点による順位を表示する、あるいは出力する。上記（３）の場合、複数の評価対象特許Ｔにおいて特許の価値の評価点の相対的な高低が逆転しない範囲でデータを加工し、特許の価値の評価点の高低を示す情報を視覚情報やデータなどで提示する手法を採用してもよい。
　以上説明した実施形態によれば、特許の明細書、請求の範囲、または図面の少なくとも１つの特徴を表す属性情報に依存する第１評価情報Ｖ１と、特許の登録を必要条件として生じ得る属性情報に依存する第２評価情報Ｖ２という２種類の特許の価値の評価に関する評価情報を示すことができることから、従来の特許評価の手法に比して、より示唆的な特許評価を提供できる。
＜変形例１＞
　特許評価装置１は、図４に示すように、モデル構築部２０の代わりにモデル構築部２０ａ有する特許評価装置１ａとして構成してもよい。例えば、ライセンス収入が多く得られる可能性の高い特許を見極めるために特許の価値の評価を行いたいという場合、過去の特許のライセンス収入額を参考に、各属性情報αにおける重みをライセンス収入額の観点で適切に設定できた方が、示唆に富んだ特許評価を提供できる場合がある。特許評価装置１ａは、上記のような場合に対応する装置である。
　モデル構築部２０ａは、モデル構築部２０における係数算出部（第１係数算出部２１１、第２係数算出部２１２）及び極性付与部（第１極性付与部２２１、第２極性付与部２２２）は有さず、代わりに相関係数算出部（第１相関係数算出部２４１、第２相関係数算出部２４２）を有する。また、係数補正部（第１係数補正部２３１、第２係数補正部２３２）が新たな係数補正部（第１係数補正部２３１ａ、第２係数補正部２３２ａ）へと変わっている。特許評価装置１ａでは、モデル構築部２０ａにおける重み（第１重みＷ１、第２重みＷ２）の算出は、受け付けた（以下、「受信した」ともいう。）属性情報αの内から指定された１つの属性情報αを基準指標（基準指標β）とし、基準指標βに対する他の各属性情報α（第１属性情報α１、第２属性情報α２）の相関の度合いを考慮して行われる。
　特許評価装置１ａが、図５に示した処理フローを実施することにより本変形例１の特許評価方法を行う。図５は、図２のステップＳ２１１、Ｓ２２１の代わりにステップＳ２４１が追加され、ステップＳ２３１がステップＳ２３１ａへと変わっている。また、ステップＳ２１２、Ｓ２２２の代わりにステップＳ２４２が追加され、ステップＳ２３２がステップＳ２３２ａへと変わっている。そのため、ステップＳ２４１、ステップＳ２３１ａ、ステップＳ２４２、ステップＳ２３２ａの処理を中心に説明を行い、他の説明は省略する。
　特許評価装置１ａは、図４に示すように、例えばデータベースから複数の特許についての属性情報α（第１属性情報α１、第２属性情報α２）と、評価対象特許Ｔの他に、基準となる属性情報αの情報である一種類の基準指標βが入力される。図示せぬ入力受付部により、属性情報αは属性数値化部１０に送出され、基準指標βはモデル構築部２０ａに送出され、評価対象特許Ｔは評価部３０に送出されるように構成されている。但し、評価対象特許Ｔは、属性数値化部１０経由で評価部３０に送信されるようにしてもよいし、属性数値化部１０とモデル構築部２０ａ経由で評価部３０に送信されるように構成してもよい。また。基準指標βは属性数値化部１０経由でモデル構築部２０ａに送信されるようにしてもよい。本変形例１では上述のように、ユーザから一種類の基準指標βが与えられるが、本変形例１の説明としては、その基準指標βとしてライセンス収入額（ライセンス収入額Ｌ）が指定されたとして説明する。即ち、本変形例１のモデル構築部２０ａにおけるモデル構築は、与えられた特許群についてのライセンス収入額Ｌを基準に各属性情報α（第１属性情報α１、第２属性情報α２）の線形和を特許の価値の評価点とするモデルを構築する。
（第１相関係数算出部２４１）
　第１相関係数算出部２４１は、指定された基準指標βの各属性データに対する他の各属性情報αの属性データとの相関の度合いを考慮して第１相関係数を算出する（ステップＳ２４１）。第１相関係数算出方法の一例としては、各第１属性情報α１について、入力された特許群の中で、基準指標β以外の標準偏差を求め、その逆数を第１係数とする。また、各第１属性情報α１と、基準指標βであるライセンス収入額Ｌとの相関係数（相関係数Ｆ）を上記第１係数に乗算した第１相関係数を算出する。ここでは、図６に示すように、図示せぬデータベース上から、第１属性情報α１の項目として、２つの特許（特許１，特許２）の夫々について請求項文字数Ｃ、明細書文字数Ｄ、ライセンス収入額Ｌが入力され、基準指標βとしてライセンス収入額Ｌが指定されたとする。既述の実施形態と同様形式で表記すると、属性情報αの属性データとして（ｃ１，ｄ１，ｌ１）、（ｃ２，ｄ２，ｌ２）という情報が入力され、かつ基準指標βにライセンス収入額Ｌが指定されたとする。この場合、請求項文字数Ｃとライセンス収入額Ｌとの相関係数を相関係数ＦＣ、明細書文字数Ｄとライセンス収入額Ｌとの相関係数を相関係数ＦＤとすると、相関係数ＦＣを考慮した第１相関係数ａＣ、第１相関係数ＦＤを考慮した第１相関係数ａＤは次式（７）（８）のように算出される。
Figure JPOXMLDOC01-appb-M000011
Figure JPOXMLDOC01-appb-M000012
　なお、一般に、ｘ，ｙの間の相関係数をｒとすると、相関係数rは、次式（９）で算出することができる。ここで、ｎはデータ（ｘ、ｙ）の個数、ｘｉはｘのｉ番目の数値、ｙｉはｙのｉ番目の数値、￣ｘはｘの平均値、￣ｙはｙの平均値を表す。相関係数ＦＣ，ＦＤは式（９）を参考に算出してもよい。
Figure JPOXMLDOC01-appb-M000013
　上記式（７）～（８）のａは第１係数補正部２３１ａにより補正されうる係数である。また、標準偏差の求め方は、上記式（７）（８）で算出したように、各データの二乗平均の平方根で算出してもよいし、既述した式（３）のように、絶対値平均の平方根で算出してもよい。算出した第１係数ａＣ、ａＤは、第１係数補正部２３１ａに送信される。
（第１係数補正部２３１ａ）
　第１係数補正部２３１ａは、受信した第１相関係数を考慮して第１相関係数を補正する（ステップＳ２３１ａ）。補正の手法は、例えば、入力された特許群の中の各特許に対して、得られた第１相関係数を各第１属性情報α１の数値化された換算値に乗算し、それぞれの値の和をとって素点を算出する。その上で、偏差値のようにその平均や分散、若しくは最大値・最小値が所定値になるように、上述した定数ａと定数ｂとを求めることにより第１相関係数を補正する。但し、上述した補正の手法は一例でありこれに限定されない。また、この補正を行うか否かは選択事項であり、補正を行わない場合には、必ずしもステップＳ２３１ａの処理が必須ではない。
　補正の手法を、図６に示す特許１と特許２の例を用いて説明する。この場合、構築される第１モデルＭ１は次式（１０）のように定義される。
Figure JPOXMLDOC01-appb-M000014
　式（１０）を用いると、上述した予め与えられている２つの特許についての特許の価値評価の評価点（ポテンシャル点Ｖ１）は、特許１については次式（１１）、特許２については次式（１２）となる。
Figure JPOXMLDOC01-appb-M000015
Figure JPOXMLDOC01-appb-M000016
　第１係数補正部２３１ａは、上記式（１１）（１２）の平均値が５０、分散値が１となるようにａ，ｂを補正する処理を行う。上記式（１０）の場合、ａ，ｂの値が決定された後の式（１０）おける、第１相関係数ａＣ，ａＤ，及びｂが上述した第１重みＷ１に相当し、ａ，ｂの値が決定された後の式（１０）自体がモデル構築部２０ａにより構築された第１モデルＭ１に相当することとなる。但し、式（１０）はあくまで例示であり。定義式はこれに限られない。即ち、第１重みＷ１は線形モデルに限らず他の表現で定義してもよい。構築された第１モデルＭ１は、評価部３０に送信される。
（第２相関係数算出部２４２、第２係数補正部２３２ａ）
　第２相関係数算出部２４２は、ステップＳ２４１の処理において、第１属性情報α１を第２属性情報α２に置き換えた場合と同様の処理を行う（ステップＳ２４２）。即ち、第２相関係数算出部２４２は、指定された基準指標βの各属性データに対する他の各属性情報α（第２属性情報α２）の属性データとの相関の度合いを考慮して第２相関係数を算出する。第２係数補正部２３２ａは、ステップＳ２３１ａの処理において、第１属性情報α１を第２属性情報α２に置き換えた場合と同様の処理を行う（ステップＳ２３２ａ）。即ち、第２係数補正部２３２ａは、受信した第２相関係数を考慮して第２相関係数を補正する。例えば、第２属性情報α２として、ライセンス契約の有無（ライセンス契約の有無Ａ）、無効審判請求の有無（無効審判請求の有無Ｉ）、ライセンス収入額Ｌが入力された場合、これらの情報に依存したパフォーマンス点Ｙを出力するモデルとして第２モデルＭ２が構築されることとなる。
　上記の例では、請求項文字数Ｃや明細書文字数Ｄとライセンス収入額Ｌとの相関を用いて第１モデルＭ１を構築している。また、ライセンス契約の有無Ａや無効審判請求の有無Ｉとライセンス収入額Ｌとの相関を用いて第２モデルＭ２を構築している。一般的に、請求項文字数Ｃや明細書文字数Ｄとライセンス収入額Ｌとの相関は、ライセンス契約の有無Ａや無効審判請求の有無Ｉとライセンス収入額Ｌとの相関に比べて遥かに絶対値が小さくなる。これは、請求項文字数Ｃや明細書文字数Ｄといった要素が、ライセンス収入につながりうる強力な特許を構成する土台でしかないのに対し、ライセンス契約の有無Ａや無効審判請求の有無Ｉは、特許が強力であることに由来して生じている傾向にあるためである。例えば、請求項文字数Ｃに関しては、短い方が権利範囲が広い可能性が高い。権利範囲が広ければ他者が回避できない可能性が高い。他者が権利範囲を回避できなければライセンスを受ける可能性が高い。他者がライセンスを受ければライセンス収入が得られる可能性が高い。このように非常に間接的な影響しかない。一方、ライセンス契約の有無Ａに関しては、ライセンス契約があればライセンス収入が得られる可能性は高い。そのため、ライセンス契約の有無Ａは、請求項文字数Ｃと比して、ライセンス収入額Ｌとの相関が断然高くなる傾向があると考えられる。このような例において、請求項文字数Ｃとライセンス契約の有無Ａとを混在させたまま１つのモデルを構築して特許の価値評価を行ってしまうと、ライセンス契約の有無Ａに係る係数が圧倒的に大きくなり、請求項文字数Ｃは評価点にほとんど寄与しなくなる。しかし、ライセンス収入額を高めるためにはどのような特許を確保するのがよいか、という観点で過去の特許を見る場合、ライセンス契約があるだけで高得点になる評価点だけを見比べても示唆に欠けてしまう。したがって、特許評価を行うモデルを上述のように２種類に分けることにより、ライセンス収入額Ｌの遠因となる属性情報（第１属性情報α１）による評価点と、ライセンス収入額Ｌの近因となる属性情報（第２属性情報α２）による評価点との両面で特許の価値評価を対比して分析することが可能となる。したがって、従来の特許評価手法に比して、より示唆に富んだ評価点を提示することができる。
　本変形例１における重み（第１重みＷ１、第２重みＷ２）を決定するに当たっては、相関係数Ｆと標準偏差の比の代わりにライセンス収入額Ｌに対する請求項文字数の１次回帰直線の傾きを用いてもよい。上記第１相関係数及び第２相関係数の算出はライセンス収入額Ｌを基準指標βとした多変量回帰分析を用いてもよい。モデル（第１モデルＭ１と第２モデルＭ２の少なくとも一方）は、線形和モデルの代わりに単層または多層のニューラルネットワークを用いてもよい。ニューラルネットワークを用いる場合は、属性情報αを入力としたニューラルネットワークの出力と実際のライセンス収入額Ｌの値が予め定めた尺度において近くなるようにニューラルネットワークのパラメータを誤差逆伝搬法などにより適切な回数更新してモデルを構築する。予め与える特許群が変われば、得られるニューラルネットワークのパラメータが変わり、特許の価値評価の評価点算出における各属性情報の重み（第１重みＷ１もしくは第２重みＷ２）が変わり、実際の評価時における、属性情報αの値が変化したときの特許の価値の評価点の変化度合いが変わる。
＜変形例２＞
　特許評価装置１ａは、図７に示すように、モデル構築部２０ａの代わりにモデル構築部２０ｂ有する特許評価装置１ｂとして構成してもよい。特許の価値は必ずしもライセンス収入額Ｌのように一つの明確な指標によって測れるものばかりとも限らない。収入に依らず契約がとれたり、特許に係る発明が自社で実施されたり、営業活動において宣伝として使えたりする等、当該企業にとっての大目標ではないものの、特許に期待する実績についての中間的な目標ともいえるメルクマール（メルクマールＫ）が様々あり得る。その場合、それらのメルクマール同士の優劣は企業によって、また、特許の価値の評価をするタイミングによっても変わり得る。これらのメルクマールは特許の価値が高いことにより生じうる要素であり、パフォーマンス点Ｙとして評価することができるものである。本変形例２では、ユーザとのヒアリングなどを通じて、予め属性情報の一部をメルクマールとして定めておき、かつ、定めたメルクマール間の優劣も定めておくことで特許の価値評価の評価点のモデル構築で用いる基準指標（変形例１における基準指標βに相当するもの）を生成する。ユーザの社内事情なども加味した上でメルクマールの数値化を行って特許の価値評価のモデルを構築していくことで、よりユーザにとって示唆に富んだ特許評価を提供できるようになる。
　モデル構築部２０ｂは、図７に示すように、相関係数算出部（第１相関係数算出部２４１、第２相関係数算出部２４２）の前の処理として基準指標生成部２５を有する。特許評価装置１ｂでは、モデル構築部２０ｂにおける重み（第１重みＷ１、第２重みＷ２）の算出は、受け付けた属性情報αの内から指定された複数の属性情報の項目であるメルクマールＫと、メルクマールＫの間の序列（序列Ｐ）とを考慮した基準指標（基準指標Ｑ）を生成し、この基準指標Ｑが上述した変形例１の基準指標βとして用いられる。
　特許評価装置１ｂが、図８に示した処理フローを実施することにより本変形例２の特許評価方法を行う。図８は、図５において、ステップＳ２４１、ステップＳ２４２の前にステップＳ２５が追加されている。そのため、ステップＳ２５を中心に説明を行い、他の説明は省略する。
　特許評価装置１ｂは、図７に示すように、複数の特許についての属性情報α（第１属性情報α１、第２属性情報α２）と、評価対象特許Ｔの他に、ユーザが指定することにより、属性情報αの中からメルクマールとなる複数の属性情報αの属性項目であるメルクマールＫとその序列（序列Ｐ）の情報が入力される。図示せぬ入力受付部により、属性情報αは属性数値化部１０に送出され、メルクマールＫと序列Ｐはモデル構築部２０ｂに送出され、評価対象特許Ｔは評価部３０に送出されるように構成されている。但し、評価対象特許Ｔは、属性数値化部１０経由で評価部３０に送信されるようにしてもよいし、属性数値化部１０とモデル構築部２０ｂ経由で評価部３０に送信されるように構成してもよい。メルクマールＫと序列Ｐは、属性数値化部１０経由でモデル構築部２０ｂに送信されるように構成してもよい。変形例２のモデル構築では、入力されるメルクマールＫは、第２属性情報α２の中から指定されている。ここで、メルクマールＫは、その属性データが、契約実績のように有無や１／０で表せるものが入力されるものとする。
（基準指標生成部２５）
　基準指標生成部２５は、受信したメルクマールＫと序列Ｐとを元に達成した各メルクマールＫを数値化して基準指標Ｑを生成（算出）する（ステップＳ２５）。基準指標Ｑは、評価対象特許Ｔを評価する企業にとって、当該評価対象特許Ｔが達成したメルクマールＫが、どれほど特許の価値に影響を与えるかの影響度を数値化したものである。
　達成したメルクマールＫの数値化に当たっては、例えば、下記（１）～（４）のルールが考慮される。但し、これらに限定されない。
（１）各メルクマールＫについて、そのメルクマールＫ以上の序列ＰのメルクマールＫを達成している特許が、与えられた特許群にいくつ存在するかを数え、そのメルクマールＫについての達成特許数とする。
（２）任意の数値である天井基準値（天井基準値ＣＲ）と点幅基準値（点幅基準値ＰＲ）を設け、特許群中の全特許数に対する各メルクマールＫの達成特許数の率に点幅基準値ＰＲを乗じ、乗算で得られた値を天井基準値ＣＲから減算した値を、そのメルクマールＫの数値化された換算値とする。
（３）いずれのメルクマールＫも達成していない特許については、天井基準値ＣＲからリソースＲを減算した値を換算値とする。
（４）各特許について、メルクマールの達成度で評価する場合は、その特許が達成できている最も高い序列ＰのメルクマールＫの換算値で評価する。
　上述した（１）～（４）のルールに基づいた基準指標Ｑ算出方法の具体例としては、以下の通りである。例えば、図９に示すように、メルクマールＫとして指定された属性情報αの属性項目が「実施許諾実績」と「自社実施」の２つであり、それらメルクマールＫ間の序列Ｐとして、実施許諾実績が１位、自社実施が２位と入力されたとする。即ち、実施許諾実績の方が、自社実施よりも序列が高いという情報が与えられたとする。上記ルール（１）により、予め与えられた特許が５００件であるとすると、この５００件の内、実施許諾実績があるものが１００件、自社実施があるものが２００件、実施許諾実績があり、かつ自社実施があるもの（以下、「いずれも該当するもの」ともいう。）が２０件、いずれも非該当のものが２２０件あると算出したとする。
　予め、天井基準値ＣＲを１２０、点幅基準値ＰＲを１００と定めておいたとする。上記ルール（２）～（３）を考慮すると、以下のようになる。実施許諾実績の換算値は、１２０－１００／５００×１００＝１００となる。自社実施の換算値は１２０―（１００＋２００）／５００×１００＝４０となる。実施許諾実績と自社実施いずれも達成していないもの（いずれも非該当のもの）の換算値は、１２０－１００＝２０となる。更に、上記ルール（４）が考慮され、最終的に生成された基準指標Ｑは、図１０に示すように、達成したメルクマールＫが、実施許諾実績のみを達成している特許、実施許諾実績と自社実施の双方達成している特許はいずれも１００、達成したメルクマールＫが、自社実施のみを達成している特許は４０、いずれのメルクマールＫも達成していない特許は２０、と算出される。入力された５００件全ての特許に対して算出された基準指標Ｑが、属性情報αと共に、第１相関係数算出部２４１、第２相関係数算出部２４２へ送信される。
　上記基準指標Ｑの算出方法は、基本的には達成頻度が低いメルクマールＫについてはそれだけ達成のハードルが高く、達成のハードルが高いものはそれだけ達成時の影響度が大きいという考えに基づく。単純に個々のメルクマールＫの達成率を数値化とすることもできるが、メルクマールＫ間で重要なものが相対的に低い達成率を示すとは必ずしも言えない。そのため、上記ルール（１）のように、序列Ｐに基づいて累積的な達成数を数値化算出に用いることにより、より直観にかなった指標を導くことができる。なお、上述した特許数や達成特許数は対数値を用いていてもよい。また、天井基準値ＣＲや点幅基準値ＰＲは、与えられた特許群を採点したときの値の平均、分散、最大値、最小値などが予め決めた値になるように定めておけばよい。
　第１相関係数算出部２４１は、受信した基準指標Ｑと、第１属性情報α１を用いて、上述したステップＳ２４１の処理を行う。即ち、第１相関係数算出部２４１は、基準指標Ｑの各属性データに対する他の各属性情報（第１属性情報α１）の属性データとの相関の度合いを考慮して第１相関係数を算出する。具体的には、２つの特許（特許１，特許２）について請求項文字数Ｃ、明細書文字数Ｄ、基準指標Ｑが入力されたとする。つまり、既述の表記法を用いると、基準指標生成部２５から（ｃ１，ｄ１，ｑ１）、（ｃ２，ｄ２，ｑ２）の情報を受信したとして、基準指標Ｑを変形例１における新たな基準指標βとして、以下同様に既述したステップＳ２４１、ステップＳ２３１ａ、ステップＳ３０の処理を実施する。
　第２相関係数算出部２４２は、ステップＳ２４１の処理において、第１属性情報α１を第２属性情報α２に置き換えた場合と同様の処理を行う（ステップＳ２４２）。即ち、第２相関係数算出部２４２は、基準指標Ｑの各属性データに対する他の各属性情報（第２属性情報α２）の属性データとの相関の度合いを考慮して第２相関係数を算出する。次に、ステップＳ２３２ａ、ステップＳ３０の処理を実施する。
　なお、本変形例２におけるステップＳ３０の情報の提供においては、指定された特許の価値の評価点を提示するときに、その特許についてメルクマールＫの達成の有無がわかるのであれば、モデル構築で用いたメルクマールＫによる採点（基準指標Ｑの値を評価得点とみなした採点結果）を並列させてもよい。モデルから出力された特許の価値の評価点（ポテンシャル点Ｘ、パフォーマンス点Ｙ）とメルクマールＫによる採点の平均値や最大値、最小値などに加工した点数を総合点として提供してもよい。
＜変形例３＞
　特許評価装置１（図１）は、図１１に示すように、モデル構築部２０の代わりにモデル構築部２０ｃ有する特許評価装置１ｃとして構成してもよい。モデル構築部２０ｃは、モデル構築部２０における第２係数算出部２１２、第２極性付与部２２２、第２係数補正部２３２に代わり、特許評価装置１ａ（図４）のモデル構築部２０ａが有している第２相関係数算出部２４２と第２係数補正部２３２ａを有する。特許評価装置１ｃが、図１２に示した処理フローを実施することにより本変形例３の特許評価方法を行う。図１２は、図２のステップＳ２１２，Ｓ２２２、Ｓ２３２の代わりに、図５のステップＳ２４２とステップＳ２３２ａとを有する。特許評価装置１では、第１モデルＭ１と第２モデルＭ２は同じ処理手法を用いて構築される。特許評価装置１ｃでは、第１モデルＭ１は特許評価装置１の手法を用いて構築され、第２モデルＭ２は特許評価装置１ａの手法を用いて構築される。本変形３を使用することによっても、従来の特許評価手法に比して、より示唆的な特許評価を提供できる。
＜変形例４＞
　特許評価装置１（図１）は、図１３に示すように、モデル構築部２０の代わりにモデル構築部２０ｄ有する特許評価装置１ｄとして構成してもよい。モデル構築部２０ｄは、モデル構築部２０における第２係数算出部２１２、第２極性付与部２２２、第２係数補正部２３２に代わり、特許評価装置１ｂ（図７）のモデル構築部２０ｂが有している基準指標生成部２５、第２相関係数算出部２４２、第２係数補正部２３２ａを有する。特許評価装置１ｄが、図１４に示した処理フローを実施することにより本変形例４の特許評価方法を行う。図１４は、図２のステップＳ２１２、ステップＳ２２２、Ｓ２３２の代わりに、図８のステップＳ２５、ステップＳ２４２、ステップＳ２３２ａを有する。特許評価装置１では、第１モデルＭ１と第２モデルＭ２は同じ処理手法を用いて構築される。特許評価装置１ｄでは、第１モデルＭ１は特許評価装置１の手法を用いて構築され、第２モデルＭ２は特許評価装置１ｂの手法を用いて構築される。本変形４を使用することによっても、従来の特許評価手法に比して、より示唆的な特許評価を提供できる。
＜変形例５＞
　特許評価装置１ａ（図４）は、図１５に示すように、モデル構築部２０ａの代わりにモデル構築部２０ｅ有する特許評価装置１ｅとして構成してもよい。モデル構築部２０ｅは、モデル構築部２０ａにおける第２相関係数算出部２４２、第２係数補正部２３２ａに代わり、特許評価装置１ｂ（図７）のモデル構築部２０ｂが有している基準指標生成部２５、第２相関係数算出部２４２、第２係数補正部２３２ａを有する。特許評価装置１ｅが、図１６に示した処理フローを実施することにより本変形例５の特許評価方法を行う。図１６は、図５のステップＳ２４２、ステップＳ２３２ａの代わりに、図８のステップＳ２５、ステップＳ２４２、ステップＳ２３２ａを有する。特許評価装置１では、第１モデルＭ１と第２モデルＭ２は同じ処理手法を用いて構築される。特許評価装置１ｅでは、第１モデルＭ１は特許評価装置１ａの手法を用いて構築され、第２モデルＭ２は特許評価装置１ｂの手法を用いて構築される。本変形５を使用することによっても、従来の特許評価手法に比して、より示唆的な特許評価を提供できる。
＜変形例６＞
　ユーザから非公開情報を受け取ると、情報漏洩が起きないようにセキュリティを担保する必要性が高くなる。一方で、評価モデル作成のプログラムをユーザに渡すとコピーされてしまう危険性がある。そこで、データを暗号化したまま演算を行うことが可能な秘密計算の処理を用いて、上記の実施例の計算を暗号化したまま行い、ユーザから受け取った情報を漏洩させてしまっても、第三者がその情報を閲覧できないようにしてもよい。より安全に上記実施形態、あるいは変形例１～変形例５を実現することができる。
　この場合、ユーザが鍵を持つ暗号を利用する。ユーザは暗号化された属性情報α（その他、評価対象特許Ｔ、基準指標β、メルクマールＫ、序列Ｐ）を、秘密計算機能を有した特許評価装置２（ここでは、秘密計算機能を有した特許評価装置１、特許評価装置１ａ、または特許評価装置１ｂ、特許評価装置１ｃ、特許評価装置１ｄ、特許評価装置１ｅの総称を「特許評価装置２」と表記することとする。）に入力する。特許評価装置２は、受け取った属性情報αを基に、秘密計算で上記実施例と等価な計算を行って暗号化されたモデル（第１モデルＭ１、第２モデルＭ２）を構築する。モデルが構築されたら、ユーザが指定した特許に関する暗号化された属性情報を、暗号化されたモデル（第１モデルＭ１、第２モデルＭ２）に入力し、秘密計算の処理により暗号化された評価情報（第１評価情報Ｖ１、第２評価情報Ｖ２）を得る。ユーザは自身が持つ鍵を用いて暗号化された評価情報を解読してその情報を得る。
　特許評価装置２を上述のように構成することにより、特許評価装置２と第三者はユーザの入力した属性情報α（その他、評価対象特許Ｔ、基準指標β、メルクマールＫ、序列Ｐ）、構築されたモデル（第１モデルＭ１、第２モデルＭ２）、そしてモデルから出力される評価情報（第１評価情報Ｖ１、第２評価情報Ｖ２）を解読することができず、安心して非公開情報を扱うことができる。
＜変形例７＞
　上述した実施形態、及び変形例では、特許（特許出願または特許権）を例に用いて説明した。本開示の適用は必ずしも特許に限定されない。実用新案登録出願または実用新案権（以下、まとめて「実用新案」ともいう。）においても適用できる。その場合、属性情報αには、実用技術評価書制度などの実用新案特有の属性情報も含まれ得る。また、意匠登録出願または意匠権（以下、まとめて「意匠」ともいう。）においても適用できる。その場合、属性情報αには、秘密意匠制度、動的意匠制度、関連意匠制度、組物の意匠制度、部分意匠制度、関連意匠制度などの意匠特有に関する属性情報も含まれ得る。即ち、本開示は特許評価装置としてだけではなく、特許、実用新案、意匠（以下、まとめて「特許等」）の評価を行う知的財産評価装置として構成してもよい。
　本開示を知的財産評価装置として構成する場合、上述した第１属性情報α１は、以下のようになる。実用新案の場合は、第１属性情報α１は、明細書、実用新案登録請求の範囲、図面に関する属性情報が少なくとも該当する。意匠の場合は、第１属性情報α１は、意匠登録願（願書）と図面（あるいは代用の写真、ひな形、見本）に関する属性情報が少なくとも該当する。即ち、本開示を知的財産評価装置として構成する場合、第１属性情報α１は、出願に関係する書類（以下、「出願書類」ともいう。）の内、少なくとも１つの特徴を含むものとして構成すればよい。
　以上、この開示の実施形態、及び変形例について説明したが、具体的な構成は、これらの実施形態や変形例に限られるものではなく、この開示の趣旨を逸脱しない範囲で適宜設計の変更等があっても、この開示に含まれることはいうまでもない。実施形態や変形例において説明した各種の処理は、記載の順に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。
［プログラム、記録媒体］
　上述の各種の処理は、図１７に示すコンピュータ２０００の記録部２０２０に、上記方法の各ステップを実行させるプログラムを読み込ませ、制御部２０１０、入力部２０３０、出力部２０４０、表示部２０５０などに動作させることで実施できる。
　この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。
　また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ－ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
　このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。
　また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
１，１ａ，１ｂ，１ｃ，１ｄ，１ｅ　特許評価装置
１０　属性数値化部
２０，２０ａ，２０ｂ，２０ｃ，２０ｄ，２０ｅ　モデル構築部
２１１　第１係数算出部
２１２　第２係数算出部
２２１　第１極性付与部
２２２　第２極性付与部
２３１，２３１ａ　第１係数補正部
２３２，２３２ａ　第２係数補正部
２４１　第１相関係数算出部
２４２　第２相関係数算出部
２５　基準指標生成部
３０　評価部
Ａ　ライセンス契約の有無
Ｃ　請求項文字数
ＣＲ　天井基準値
Ｄ　明細書文字数
Ｆ　相関係数
Ｉ　無効審判請求の有無
ＩＩ　自社での実施の有無ＩＩ
Ｋ　メルクマール
Ｌ　ライセンス収入額
Ｍ１　第１モデル
Ｍ２　第２モデル
Ｐ　序列
ＰＲ　点幅基準値
Ｒ　被引用回数
Ｔ　評価対象特許
Ｘ　ポテンシャル点
Ｙ　パフォーマンス点
Ｖ１　第１評価情報
Ｖ２　第２評価情報
Ｗ１　第１重み
Ｗ２　第２重み
α１　第１属性情報
α２　第２属性情報
β，Ｑ　基準指標

Claims (7)

  1. 　特許、実用新案、または意匠（特許等）の出願書類の特徴を表す属性情報に少なくとも依存する第１評価と、
    　前記特許等の登録を必要条件として生じ得る属性情報に少なくとも依存する第２評価と、
    を用いて評価対象の特許等を評価する、
    知的財産評価装置。
  2. 　複数の特許、実用新案、または意匠（特許等）の出願書類の少なくとも１つの特徴を表す第１属性情報の各第１属性情報についての第１重みを用いた特許等の評価のための第１モデルと、前記特許等の登録を必要条件として生じ得る第２属性情報の各第２属性情報についての第２重みを用いた特許等の評価のための第２モデルと、を構築するモデル構築部と、
    　前記第１モデル及び前記第２モデルを用いて、評価対象の特許等の評価に関する情報を生成する評価部と、
    を有する知的財産評価装置。
  3. 　前記モデル構築部による第１重みは、
    　　前記第１属性情報の夫々について所定の第１係数を算出する第１係数算出部と、
    　　前記第１係数の夫々に対して、予め定めた第１極性を付与する第１極性付与部と、
    　　前記第１係数と、第１極性とを考慮して前記第１係数を補正する第１補正部と、
    によって算出され、
    　前記モデル構築部による第２重みは、
    　　前記第２属性情報の夫々について所定の第２係数を算出する第２係数算出部と、
    　　前記第２係数の夫々に対して、予め定めた第２極性を付与する第２極性付与部と、
    　　前記第２係数と、極性とを考慮して前記第２係数を補正する第２補正部と、
    によって算出される、請求項２に記載の知的財産評価装置。
  4. 　前記モデル構築部における前記第１重みは、指定された１つの属性情報を基準指標とし、前記基準指標に対する他の各第１属性情報の相関の度合いを考慮して算出され、
    　前記モデル構築部における前記第２重みは、前記基準指標に対する他の各第２属性情報の相関の度合いを考慮して算出される、
    請求項２に記載の知的財産評価装置。
  5. 　前記モデル構築部における前記第１重み、及び前記第２重みは、指定された複数の属性情報の項目であるメルクマールと、前記メルクマールの間の序列とを考慮した新たな基準指標を生成し、前記新たな基準指標が上記基準指標として用いられて算出される請求項４に記載の知的財産評価装置。
  6. 　特許、実用新案、または意匠（特許等）の出願書類の特徴を表す属性情報に少なくとも依存する第１評価と、
    　前記特許等の登録を必要条件として生じ得る属性情報に少なくとも依存する第２評価と、
    を用いて評価対象の特許等を評価する、
    知的財産評価方法。
  7. 　請求項１から５に記載の知的財産評価装置をコンピュータに機能させるためのプログラム。
PCT/JP2023/012140 2023-03-27 2023-03-27 知的財産評価装置、知的財産評価方法、およびプログラム Ceased WO2024201643A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2025509274A JPWO2024201643A1 (ja) 2023-03-27 2023-03-27
PCT/JP2023/012140 WO2024201643A1 (ja) 2023-03-27 2023-03-27 知的財産評価装置、知的財産評価方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/012140 WO2024201643A1 (ja) 2023-03-27 2023-03-27 知的財産評価装置、知的財産評価方法、およびプログラム

Publications (1)

Publication Number Publication Date
WO2024201643A1 true WO2024201643A1 (ja) 2024-10-03

Family

ID=92904006

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/012140 Ceased WO2024201643A1 (ja) 2023-03-27 2023-03-27 知的財産評価装置、知的財産評価方法、およびプログラム

Country Status (2)

Country Link
JP (1) JPWO2024201643A1 (ja)
WO (1) WO2024201643A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019096308A (ja) * 2017-11-27 2019-06-20 コリア インベンション プロモーション アソシエーションＫｏｒｅａ Ｉｎｖｅｎｔｉｏｎ Ｐｒｏｍｏｔｉｏｎ Ａｓｓｏｃｉａｔｉｏｎ 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
JP2020095669A (ja) * 2019-05-28 2020-06-18 株式会社ＡＩ Ｓａｍｕｒａｉ 特許マップ表示装置及び特許マップ表示方法並びに特許マップ表示プログラム
JP2020149658A (ja) * 2019-03-07 2020-09-17 株式会社鈴康 情報処理方法、プログラム及び情報処理装置
JP2022108438A (ja) * 2021-01-13 2022-07-26 株式会社博報堂Ｄｙホールディングス 産業財産権の年金納付年数に関する情報の理論値モデル生成プログラム、産業財産権の年金納付年数に関する情報の理論値算出プログラム、産業財産権の年金納付年数に関する情報の理論値モデル生成装置、及び産業財産権の年金納付年数に関する情報の理論値算出装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019096308A (ja) * 2017-11-27 2019-06-20 コリア インベンション プロモーション アソシエーションＫｏｒｅａ Ｉｎｖｅｎｔｉｏｎ Ｐｒｏｍｏｔｉｏｎ Ａｓｓｏｃｉａｔｉｏｎ 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
JP2020149658A (ja) * 2019-03-07 2020-09-17 株式会社鈴康 情報処理方法、プログラム及び情報処理装置
JP2020095669A (ja) * 2019-05-28 2020-06-18 株式会社ＡＩ Ｓａｍｕｒａｉ 特許マップ表示装置及び特許マップ表示方法並びに特許マップ表示プログラム
JP2022108438A (ja) * 2021-01-13 2022-07-26 株式会社博報堂Ｄｙホールディングス 産業財産権の年金納付年数に関する情報の理論値モデル生成プログラム、産業財産権の年金納付年数に関する情報の理論値算出プログラム、産業財産権の年金納付年数に関する情報の理論値モデル生成装置、及び産業財産権の年金納付年数に関する情報の理論値算出装置

Also Published As

Publication number Publication date
JPWO2024201643A1 (ja) 2024-10-03

Similar Documents

Publication Publication Date Title
Amin et al. Malaysian consumers’ willingness to choose Islamic mortgage products: an extension of the theory of interpersonal behaviour
Chen et al. An empirical analysis of contract structures in IT outsourcing
Liu et al. Chinese patients’ intention to use different types of internet hospitals: cross-sectional study on virtual visits
Hood et al. Perceptions of quantifiable benefits of local authority risk management
Kurlychek et al. Defensible decisions: Balancing employer and prospective employee rights in an era of criminal background checks
Rhem Ethical use of data in AI Applications
Ogungbemi Smart contracts management: The interplay of data privacy and blockchain for secure and efficient real estate transactions
Olanrewaju et al. Disputes and claim management during the COVID-19 crisis: The lessons learned
Pokholkova et al. Measuring adherence to AI ethics: a methodology for assessing adherence to ethical principles in the use case of AI-enabled credit scoring application
El Emam Risky Business: Sharing Health Data while Protecting Privacy
Venunath et al. RETRACTED ARTICLE: Efficient method for identifying prominent supplier in large-scale healthcare information networks in Medicare
Liang et al. Algorithm characteristics, perceived credibility and verification of ChatGPT-generated content: a moderated nonlinear model
Lertsukkheerat et al. Ethical Leadership, Ethical Organizational Culture, and Their Impact on Organizational Effectiveness in Modern Online Platform Businesses
WO2024194948A1 (ja) 特許評価装置、特許評価方法、およびプログラム
Riani et al. Revisiting poverty alleviation in Muslim economies: the impact of zakat and Islamic human development
WO2024201643A1 (ja) 知的財産評価装置、知的財産評価方法、およびプログラム
Khanaki et al. The effect of forensic accounting drivers on social distrust trauma to the accounting profession
Jeilani et al. Understanding e-government adoption among government employees: the mediating role of perceived attitude across key predictors
Anguelov Outsourcing oversight and ARRA 2009: what factors explain state agencies’ decision to pursue collaborative monitoring?
Chen et al. Behind the length of contract during market transitions
Sekwenz et al. From Reports to Reality: Testing Consistency in Instagram's Digital Services Act Compliance Data
Davis et al. Examining discrimination in home improvement financing (Home Mortgage Disclosure Act 2012–2016) and neighborhood health in the United States
Wolff Measuring costs: What is counted and who is accountable?
Alharbi et al. Evaluating the Impacts of Security-Durability Characteristic: Data Science Perspective.
J Nair et al. Self sovereign identity in e-governance: blockchain solutions for fintech compliance and citizen-centric financial services

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: 23930283

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2025509274

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2025509274

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23930283

Country of ref document: EP

Kind code of ref document: A1