CN111198962A - 信息处理装置、***、方法、类似与否判断方法以及介质 - Google Patents
信息处理装置、***、方法、类似与否判断方法以及介质 Download PDFInfo
- Publication number
- CN111198962A CN111198962A CN201910995083.5A CN201910995083A CN111198962A CN 111198962 A CN111198962 A CN 111198962A CN 201910995083 A CN201910995083 A CN 201910995083A CN 111198962 A CN111198962 A CN 111198962A
- Authority
- CN
- China
- Prior art keywords
- similarity
- trademark
- determination
- marker
- unit
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000003550 marker Substances 0.000 claims abstract description 52
- 238000010801 machine learning Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 53
- 238000004088 simulation Methods 0.000 description 21
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012552 review Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
-
- 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
- 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
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Library & Information Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种信息处理装置、***、方法、类似与否判断方法以及介质,提高标识的类似与否判断的精度。侵权探测装置(12)是信息处理装置。侵权探测装置(12)在存储部中存储基于示出了标识的类似与否判断的多个事例并通过机器学习制作出的类似与否判定模型。侵权探测装置(12)从用户终端(14)受理要与作为基准的第一标识进行比较的第二标识的输入。侵权探测装置(12)使用存储部中存储的类似与否判定模型来判断第一标识与第二标识的类似与否。
Description
技术领域
本发明涉及一种数据处理技术,尤其涉及一种信息处理装置、信息处理***、信息处理方法以及类似与否判断方法。
背景技术
提出有以下技术:基于日本专利局的在商标审查中使用的商标审查基准中例示的基准,生成与对象的标识类似的类似标识,并使用类似标识进行Web搜索,使用该搜索结果来获取与商标侵权有关的信息(例如参照专利文献1)。
现有技术文献
专利文献
专利文献1:日本特开2016-153975号公报
发明内容
发明要解决的问题
上述专利文献1所记载的技术用于在Web上使用了类似标识的情况下检测侵权的可能性,但是类似标识是基于在为了统一的商标审查而决定的商标审查基准中例示的类似与否判断基准来生成的。本发明人认为,由于是为了商标审查而统一决定出的,因此未必适于现实的商标侵权等案例的检测。
本发明是基于本发明人对上述问题的认识而完成的,目的之一在于提高与商标侵权案例对应的标识的类似与否判断的精度。
用于解决问题的方案
为了解决上述问题,本发明的某个方式的信息处理装置具备:存储部,其存储基于示出了标识的类似与否的判断的多个事例并通过机器学习制作出的类似与否判定模型;受理部,其受理要与作为基准的第一标识进行比较的第二标识的输入;以及判断部,其使用存储部中存储的类似与否判定模型,来判断第一标识与第二标识的类似与否。
本发明的另一方式也是信息处理装置。该装置具备:第一获取部,其获取与作为基准的第一商标的指定商品或指定服务相同且该商标的形态不同的第二商标;第二获取部,其从外部的数据源获取使用了与第二商标相同形态的标识的商品即实际商品或使用了与第二商标相同形态的标识的服务即实际服务;以及关联部,其进行指定商品或指定服务与实际商品或实际服务之间的关联。
本发明的又一方式也是信息处理装置。该装置具备:受理部,在使用基于示出了标识的类似与否的事例并通过机器学习制作出的模型来判断第一标识与第二标识的类似与否的情况下,该受理部受理表示判断的时期的信息的输入;以及判断部,其将判断的时期考虑在内,来判断第一标识与第二标识的类似与否。
本发明的又一方式是信息处理***。该信息处理***具备:能够经由网络进行访问的存储装置,其将基于特定的国家中的示出了标识的类似与否的事例并通过机器学习制作出的类似与否判定模型按每个国家进行存储;受理部,其受理要与作为基准的第一标识进行比较的第二标识的输入;以及判断部,其受理判断对象国家的指定,并基于该指定,使用该判断对象国家的类似与否判定模型来获取第一标识与第二标识的类似与否的判断结果。
本发明的又一方式是信息处理方法。在该方法中,由计算机执行以下步骤:获取与作为基准的第一商标的指定商品或指定服务相同且该商标的形态不同的第二商标;从外部的数据源获取使用了与第二商标相同形态的标识的商品即实际商品或使用了与第二商标相同形态的标识的服务即实际服务;以及进行指定商品或指定服务与实际商品或实际服务之间的关联。
本发明的又一方式是类似与否判断方法。在该方法中,由计算机执行以下步骤:在使用基于示出了标识的类似与否的事例并通过机器学习制作出的模型来判断第一标识与第二标识的类似与否的情况下,受理表示判断的时期的信息的输入;以及将判断的时期考虑在内,来判断第一标识与第二标识的类似与否。
此外,以上的结构要素的任意组合、将本发明的表现在方法、计算机程序、保存有计算机程序的记录介质等之间进行变换而得到的方式也作为本发明的方式而有效。
发明的效果
根据本发明,能够提高标识的类似与否判断的精度。
附图说明
图1是表示第一实施例的信息处理***的结构的图。
图2是表示第一实施例的侵权探测装置的功能块的框图。
图3是表示侵权探测装置的动作的流程图。
图4是表示侵权探测装置的动作的流程图。
图5是表示第二实施例的侵权探测装置的功能块的框图。
图6是表示第三实施例的信息处理***的结构的图。
附图标记说明
10:信息处理***;12:侵权探测装置;18:模型存储装置;20:数据源;36:模型存储部;38:基准数据受理部;40:比较数据受理部;42:使用状况收集部;44:模仿状况收集部;46:判断部;48:呈现部;52:事例获取部;54:模型生成部;56:范围确定部。
具体实施方式
在本说明书中,提出以下技术:利用基于示出了标识是否类似(即类似与否)的判断的各种事例并通过机器学习构建出的模型,来判断作为基准的标识与收集到的标识的类似与否。标识包括能够作为商标(包括动态商标、全息商标、仅由色彩形成的商标、声音商标、位置商标)来保护的多种形态、方式、设计。具体地说,包括通过人的知觉所能够认识到的事物中的文字、图形、记号、立体的形状或色彩、或者它们的结合、声音。另外,事例包括与商标有关的审查例、审判例、裁判例、以及与不正当竞争防止法有关的裁判例中的一种以上的例子。并且,不限于日本的事例,也可以包含外国的事例。并且,也可以包含国内外的政府或司法机关所公开的与商标、不正当竞争行为有关的指南。
(第一实施例)
图1表示第一实施例的信息处理***10的结构。信息处理***10具备侵权探测装置12和多个用户终端14。多个用户终端14与侵权探测装置12经由包括LAN/WAN/因特网等的通信网16来连接。
侵权探测装置12是辅助进行标识的类似与否判断的信息处理装置,在实施例中,是向用户提供辅助判断有无商标侵权的服务的信息处理装置。侵权探测装置12将上述的服务设为所谓的云服务来提供给存在于各种位置的多个用户终端14。在后面叙述侵权探测装置12的功能详情。此外,对侵权探测装置12的物理结构没有限制。例如,可以通过Web服务器、应用服务器、数据库服务器等多个装置协作来实现侵权探测装置12。
用户终端14是由利用侵权探测装置12的服务的用户进行操作的信息处理装置。用户终端14可以是具备Web浏览器的PC、平板终端或智能手机。用户可以通过用户终端14启动Web浏览器并借助Web浏览器来利用侵权探测装置12的服务。
数据源20是设置于信息处理***10的外部的、能够提供各种信息的多个信息处理装置的统称。数据源20包括提供多个Web网站的多个Web服务器。另外,数据源20包括对判断标识的类似与否的事例的数据进行积累及提供的信息提供装置,例如包括各国的专利局、法院的数据库服务器。并且,数据源20包括购物中心网站、互联网新闻网站、各种SNS网站、企业/团体/大学/研究机构/政府等的主页、保存有数据库或电子数据的能够访问的服务器。
图2是表示第一实施例的侵权探测装置12的功能块的框图。在本说明书的框图中示出的各块在硬件上能够通过计算机的处理器、以CPU、存储器为首的元件或电子电路、机械装置来实现,在软件上通过计算机程序等来实现,在此描述了通过它们的协作实现的功能块。因而,本领域技术人员应当理解,这些功能块能够通过硬件、软件的组合来以各种形式实现。
侵权探测装置12具备控制部30、存储部32、通信部34。控制部30执行与标识的侵权判断有关的各种数据处理。存储部32存储被控制部30参照或更新的数据。通信部34按照规定的通信协议来与外部装置进行通信。控制部30借助通信部34来与用户终端14和数据源20进行各种数据的发送接收。
存储部32包含模型存储部36。模型存储部36存储用于判定标识的类似与否的类似与否判定模型,该类似与否判定模型是基于示出了标识的类似与否的多个事例并通过公知的机器学习制作出的模型。类似与否判定模型也能够说是预先决定了输入及输出的数据形式的函数。向实施例的类似与否判定模型输入与作为基准的标识(也称为“基准标识”。)有关的数据、以及与要同基准标识进行比较的标识(也称为“比较标识”)有关的数据。另外,实施例的类似与否判定模型输出表示基准标识与比较标识的类似的程度的类似与否判定结果。
模型存储部36存储基于多个国家的事例制作出的、与多个国家对应的多个类似与否判定模型。换言之,类似与否判定模型是基于各国的事例而按每个国家制作出的,模型存储部36存储各国用的类似与否判定模型。某个国家用的类似与否判定模型用于判定该国家的标识的类似与否。此外,在后面叙述类似与否判定模型的制作方法。
控制部30包括基准数据受理部38、比较数据受理部40、使用状况收集部42、模仿状况收集部44、判断部46、呈现部48、生成部50。安装有与该多个功能块对应的多个模块的应用程序也可以安装于侵权探测装置12的存储装置(例如存储部32)。侵权探测装置12的处理器(例如CPU)可以通过将该应用程序读出到主存储器并执行,来发挥各功能块的功能。
基准数据受理部38受理与作为基准的商标(以下也称为“基准商标”。)有关的数据的输入。与基准商标有关的数据包括标识(上述的基准标识)的数据、以及表示使用基准标识的商品或服务的数据(在实施例中为指定商品或指定服务的数据)。
比较数据受理部40受理与要同基准商标进行比较的商标(以下也称为“比较商标”。)有关的数据的输入。与比较商标有关的数据包括标识(上述的比较标识)的数据、以及表示使用比较标识的商品或服务的数据。
使用状况收集部42从数据源20收集基准商标的使用状况。例如,使用状况收集部42对因特网上的多个Web网站(销售网站、新闻网站等)进行巡回访问,来收集实际使用基准商标的商品或服务的信息、商标刊载的次数/日期时间等。使用状况收集部42将表示基准商标的使用状况的信息传递给基准数据受理部38、判断部46。
模仿状况收集部44从数据源20收集与比较商标有关的数据。例如,模仿状况收集部44也可以对因特网上的多个Web网站(销售网站、新闻网站等)进行巡回访问,来获取比较商标。当然,会将正规使用的基准商标从比较商标中排出。然后,模仿状况收集部44将收集到的比较商标的数据输入到比较数据受理部40。
模仿状况收集部44也可以通过以下的方法从Web网站所提供的文件(Web页面等)的数据中获取比较商标。(1)可以获取记载于文件中的规定位置(例如右上角、右下角)的文字、图形来作为比较商标。(2)在文件内存在公司名称等规定的关键词(也可以是由用户指定的关键词)的情况下,可以获取处于该关键词的附近的文字、图形来作为比较商标。(3)在文件内存在表示商标的规定的记号(“TM”“R”等)的情况下,可以获取处于该记号的附近的文字、图形来作为比较商标。(4)在为XML等结构化文件的情况下,如果存在表示商标的标签,则可以获取该标签内的数据来作为比较商标。
另外,模仿状况收集部44可以使用公知的图像分析技术,来从上传到动态图像共享网站的动态图像的再现图像提取比较商标。例如,模仿状况收集部44可以将针对文件的上述(1)~(3)的方法应用于再现图像,来从再现图像提取比较商标。
关于比较商标的提取对象、例如提取哪个公司正在使用的商标来作为比较商标,可以由用户来指定。用户可以将本公司的竞争公司指定为比较商标的提取对象。此外,既可以由用户指定比较商标本身,也可以由比较数据受理部40受理从用户终端14发送来的比较商标的数据。
另外,模仿状况收集部44从数据源20收集比较商标的使用状况。例如,模仿状况收集部44对因特网上的多个Web网站(销售网站、新闻网站等)进行巡回访问,来收集使用比较商标的商品或服务的信息、商标刊载的次数、日期时间等。模仿状况收集部44将表示比较商标的使用状况的信息传递给比较数据受理部40、判断部46。
判断部46使用模型存储部36中存储的类似与否判断模型,来对基准商标的形态、也就是作为标识的基准标识与比较商标的形态、也就是作为标识的比较标识的类似与否进行判断。具体地说,判断部46向类似与否判断模型输入基准数据受理部38所受理的基准标识的数据、以及比较数据受理部40所受理的比较标识的数据。判断部46获取从类似与否判定模型输出的、包含基准标识与比较标识的类似程度的类似与否判定结果。
判断部46根据从类似与否判定模型输出的类似与否判定结果,来判断基准标识与比较标识是否类似。在类似与否判定结果所表示的类似程度相对高的情况下,判断部46判断为基准标识与比较标识类似。在实施例中,类似与否判定模型输出0~1的值(越大表示类似程度越高)来作为类似程度。也可以是,在类似程度为预先决定的阈值(例如0.6)以上的情况下,判断部46判断为基准标识与比较标识类似。该阈值可以基于开发者的知识、使用侵权探测装置12的实验的结果来设定为适当的值。
在基准标识与比较标识相同或类似、且基准商标的指定商品或指定服务与使用比较商标的商品或服务相同或类似的情况下,判断部46判断为比较商标与基准商标抵触。在基准商标为注册商标的情况下,判断部46判断为比较商标侵害基准商标的商标权。另一方面,在基准标识与比较标识不类似(类似程度小于阈值)、或基准商标的指定商品或指定服务不包含使用比较商标的商品或服务的情况下,判断部46判断为比较商标不与基准商标抵触。判断部46将判断结果传递给呈现部48。
此外,判断部46受理从用户终端14发送来的、表示由用户指定的判断对象国家的数据。判断部46使用模型存储部36中存储的各国用的类似与否判定模型中的判断对象国家的类似与否判定模型,来判断基准标识与比较标识的类似与否,换言之,判断比较商标是否与基准商标抵触。
呈现部48将包含判断部46的判断结果的用户辅助信息发送到用户终端14来使其显示,由此向用户呈现判断部46的判断结果。用户辅助信息包含以下项目。(1)判断部46的判断结果,表示比较商标是否与基准商标抵触、换言之比较商标是否侵害基准商标的商标权的信息。(2)有无抵触的判断理由。在实施例中为表示基准商标与比较商标的类似程度的信息、表示在判断类似度方面没有规定的特征的信息。(3)与由使用状况收集部42收集到的基准商标的使用状况有关的信息。(4)与由模仿状况收集部44收集到的比较商标的使用状况有关的信息。
此外,在基准商标和比较商标中的至少一方存在多个的情况下,判断部46针对1个基准商标与1个比较商标的各个组合来判断有无抵触。呈现部48针对1个基准商标与1个比较商标的各个组合,将包含判断部46的判断结果的用户辅助信息发送到用户终端14来使其显示。
生成部50基于示出了标识的类似与否的多个事例来生成类似与否判定模型,并将生成的类似与否判定模型保存到模型存储部36。另外,生成部50基于示出了标识的类似与否的新的事例,来更新模型存储部36中存储的类似与否判定模型,换言之,生成部50也作为生成与在此之前的类似与否判定模型不同的新的类似与否判定模型的更新部发挥功能。
生成部50包含事例获取部52和模型生成部54。事例获取部52从数据源20获取与审查/审判/裁判例等的多个事例有关的数据,所述事例是日本、美国、德国等多个国家的示出了标识的类似与否的事例。此处的数据源20可以是保持有多个国家的事例的多个数据库。各事例的数据包括被相互比较的第一标识和第二标识的数据(表示外观、称呼、观念等的数据),并包含两者的标识是否类似的判断结果。
模型生成部54使用由事例获取部52获取到的与多个事例有关的数据来作为多个教师数据(日语:教師データ),生成与多个国家对应的多个类似与否判定模型。例如,生成与日本对应的类似与否判定模型、与美国对应的类似与否判定模型、与德国对应的类似与否判定模型……。实施例的模型生成部54将第一标识和第二标识的数据以及类似与否判断结果作为教师数据并通过机器学习(监督学习)来生成类似与否判定模型。模型生成部54可以使用支持向量机、神经网络(包括深度学习)、随机森林等公知的机器学习方法来生成类似与否判定模型。
关于教师数据中的类似与否判断结果,可以在判断为相同或类似的情况下设定为“1”、在判断为非类似的情况下设定为“0”。另外,关于教师数据中的类似与否判断结果,可以在判断为相同的情况下设定为“1”、在判断为类似的情况下设定为“0.7”、在判断为非类似的情况下设定为“0”。即,在判断为类似的情况下,可以设定为比判断为相同的情况小的值、且比判断为非类似的情况大的值。在该情况下,类似与否判定模型在0~1(越接近1则类似度越高)的范围内输出基准标识与比较标识的类似程度。
此外,事例获取部52定期地从多个数据源20获取多个国家的事例数据(在此为新的事例数据)。模型生成部54定期地基于由事例获取部52获取到的新的事例数据,来更新与多个国家对应的多个类似与否判定模型。
对基于上述的结构的信息处理***10的动作进行说明。
图3是表示侵权探测装置12的动作的流程图。该图示出了与类似与否判定模型的制作有关的动作。当到达预先决定的模型生成定时或模型更新定时时(S10的“是”),侵权探测装置12的事例获取部52从数据源20获取示出了标识的类似与否判断的各国的事例(S12)。模型生成部54基于各国的事例并通过机器学习来生成各国用的类似与否判定模型,并保存到模型存储部36(S14)。
如果没有到达模型生成定时或模型更新定时(S10的“否”),则跳过S12和S14。模型制作定时或模型更新定时可以是由侵权探测装置12的管理者输入了模型更新的指示时。另外,模型更新定时也可以是检测到从上一次生成类似与否判定模型起经过了规定时间(例如3个月)时。侵权探测装置12也可以重复执行图3所示的处理。
图4也是表示侵权探测装置12的动作的流程图。该图示出了与侵权探测有关的动作。用户向用户终端14输入表示基准商标的标识(基准标识)以及指定商品或指定服务的信息来作为与基准商标有关的信息。用户终端14向侵权探测装置12发送包含与基准商标有关的信息的侵权判断指示。侵权探测装置12的基准数据受理部38受理从用户终端14发送来的与基准商标有关的信息的输入(S20)。此处的基准商标设为是用户的所属企业所具有的注册商标(换言之为正品的商标)。
使用状况收集部42从数据源20收集基准商标的使用状况(S22)。例如,使用状况收集部42收集表示基准商标是否与用户所属的公司、所销售的商品一起被使用的数据、表示在Web网站(本公司网站、外部销售网站、新闻网站等)中被使用程度的数据。
模仿状况收集部44从数据源20收集比较商标的信息(S24)。例如,模仿状况收集部44收集刊登在多个Web网站(可以是由用户指定的企业、领域等的Web网站)的、且与基准商标不同的1个以上的商标来作为比较商标。比较数据受理部40受理由模仿状况收集部44收集到的比较商标的输入(S26)。此外,比较商标与基准商标同样,可以由用户来指定,即从用户终端14输入。
另外,信息处理***10可以具备搭载有摄像机的无人机(日语:ドローン)(换言之为无人航空器)。无人机可以拍摄现实世界的状况,来收集现实世界中使用的商标的信息。模仿状况收集部44可以从无人机的摄像图像中提取被拍摄到摄像图像中的商标来作为比较商标。
针对1个基准商标与1个比较商标的各个组合来执行以后的处理。判断部46将在S20中输入的基准商标的标识(即基准标识)和在S26中输入的比较商标的标识(即比较标识)输入到模型存储部36中存储的类似与否判定模型,并获取从类似与否判定模型输出的类似与否判定结果。在类似与否判定结果所表示的基准标识与比较标识的类似程度为规定的阈值以上、且基准商标的指定商品包含比较商标的使用方式的情况下,判断部46判断为比较商标与基准商标抵触(S28)。
在S28中,判断部46使用由用户指定且被用户终端14通知的判断对象国家的类似与否判定模型。另外,在指定了多个判断对象国家的情况下,判断部46使用每个国家的类似与否判定模型,来得到每个国家的类似与否判定结果。另外,在基准商标和比较商标中的至少一方存在多个的情况下,判断部46针对1个基准商标与1个比较商标的各个组合来判断有无抵触。
在判断部46的判断结果表示比较商标不与基准商标抵触的情况下(S30的“否”),呈现部48将判断部46的有无抵触的判断结果发送到用户终端14来使其进行显示(S32)。判断结果可以包含基准商标的标识、比较商标的标识、类似与否判定结果(在此为非类似)、判断理由(在此为阈值以下的类似度)。
另一方面,在判断部46的判断结果表示比较商标与基准商标抵触的情况下(S30的“是”),模仿状况收集部44从数据源20收集表示被判断为抵触的比较商标(以下也称为“抵触商标”。)的使用状况的信息(S34)。模仿状况收集部44可以基于多个Web页面的记载来获取使用抵触商标的商品/服务的信息、使用场所的信息(URL等)。另外,模仿状况收集部44可以从WHOIS服务器等获取基于提供Web页面的服务器的因特网地址的服务器所在地、管理者的信息。
另外,如已述的那样,信息处理***10可以具备搭载有摄像机的无人机。无人机可以拍摄现实世界的状况,来收集在现实世界中使用的抵触商标的信息。模仿状况收集部44可以从无人机获取多个摄像图像、以及拍摄各图像的位置信息(GPS等的定位信息)。判断部46可以基于从无人机输入的位置信息和地图信息,来确定拍摄各图像的地址、店铺名称等。
另外,模仿状况收集部44对数据源20(例如各国专利局的数据库)进行搜索,来确认抵触商标是否已在公共机构登记、换言之抵触商标是否为注册商标。在抵触商标为注册商标的情况下,模仿状况收集部44从数据源20获取与抵触商标的登记有关的信息(申请日、登记日、指定商品、指定服务等)(S36)。
判断部46基于由模仿状况收集部44收集到的与抵触商标有关的信息,来估计抵触商标的使用开始时期(S38)。判断部46可以从包含抵触商标的Web页面的数据中提取Web页面刊载或登记在Web网站的日期时间,将该刊载日期时间或登记日期时间估计为抵触商标的使用开始时期。
另外,判断部46也可以基于无人机等的摄像图像中拍摄到的店铺、招牌等的老化情况,来估计该图像中拍摄到的抵触商标的使用开始时期。例如,判断部46也可以预先存储店铺、招牌等的老化情况与产生该老化的期间之间的对应关系,将从当前时间点起回溯与摄像图像中拍摄到的店铺、招牌等的老化情况对应的期间而得到的时期估计为抵触商标的使用开始时期。
呈现部48将判断部46的有无抵触的判断结果发送到用户终端14来使其进行显示(S40)。与此同时,呈现部48将在S22中获取到的表示基准商标的使用状况的信息、在S34中获取到的表示抵触商标的使用状况的信息、在S36中获取到的抵触商标的登记信息、以及在S38中估计出的抵触商标的使用开始时期作为附加信息发送到用户终端14来使其进行显示(S42)。
像这样,在基准商标与比较商标抵触的情况下,向用户提供多的附加信息,由此能够辅助用户对对策内容的探讨。另外,在基准商标与比较商标抵触的情况下收集附加信息,由此能够抑制侵权探测装置12中的数据处理量的增加。此外,也可以仅在基准商标与比较商标抵触的情况下执行在S22中示出的获取基准商标的使用状况的处理。
根据第一实施例的侵权探测装置12,使用基于示出了标识的类似与否的各种事例并通过机器学习制作出的模型来判断标识的类似与否,由此能够提高各种方式的标识(不仅是文字,还有图形、声音等)的类似与否判断的精度。例如,能够抑制抵触/侵权的可能性高的标识被漏掉,另外,能够抑制将抵触/侵权的可能性低的标识误认定为抵触/侵权的标识。
另外,根据侵权探测装置12,在标识的类似与否判断中使用各国用的类似与否判定模型,由此能够反映各国的知识产权制度以及类似与否判断倾向,从而提高每个国家的类似与否判断精度。另外,根据侵权探测装置12,将基准标识与比较标识的类似的程度作为侵权探测装置12的判断理由呈现给用户,由此能够提供用户在探讨对策方面的参考信息。
另外,根据侵权探测装置12,基于新的事例来更新类似与否判定模型,由此能够基于最新的基准、倾向来判断标识的类似与否。另外,根据侵权探测装置12,能够获取在包括因特网的虚拟世界和现实世界这两方中使用的比较商标以及抵触商标的信息,从而能够提高抵触/侵权判断的覆盖性。
在上述实施例中,设为从用户终端14向侵权探测装置12输入基准商标的数据,但是作为变形例,也可以将基准商标的数据预先存储于侵权探测装置12的存储部32。在侵权探测装置12用于探测与本公司商标抵触的其它公司商标的情况下,也可以将与本公司商标有关的数据(包括基准标识)预先存储于存储部32。另外,在侵权探测装置12的判断部46通过计算机程序来实现的情况下,也可以在该计算机程序中静态地设定基准商标的数据。
在上述实施例中虽未提及,但是判断部46可以使用与多个国家对应的多个类似与否判定模型,来按每个国家来判断比较商标是否与基准商标抵触。呈现部48可以使每个国家的有无抵触判断结果以列表的形式显示于用户终端14。另外,也可以是,判断部46在基于由模仿状况收集部44获取到的比较商标的使用状况而判明了比较商标在1个以上的国家(称为“使用国家”。)中被使用的情况下,使用各使用国家的类似与否判定模型来按每个使用国家判断比较商标是否与基准商标抵触。呈现部48也可以使每个使用国家的有无抵触判断结果以列表的形式显示于用户终端14。
此外,既可以按每个国家设置单独的类似与否判定模型,也可以仅设置1个类似与否判定模型。在后者的情况下,判断部46可以将由用户指定的判断对象国家的识别代码作为参数输入到类似与否判定模型,由此判断判断对象国家中有无抵触。
另外,在按每个国家设置单独的类似与否判定模型的情况下,也可以仅基于特定的国家中的事例(审查例、审判例、裁判例等)来制作各自的类似与否判定模型。根据该方式,能够实现与特定的国家的判断相符合的有无抵触判断。
设为上述实施例的类似与否判定模型输出基准标识与比较标识的类似程度,作为变形例,类似与否判定模型可以输出表示基准标识与比较标识是否类似的结论的数据,来取代基准标识与比较标识的类似程度,或将表示基准标识与比较标识是否类似的结论的数据与类似程度一起输出。判断部46可以按照该表示结论的数据来判断基准标识与比较标识是否类似。
设为上述实施例的判断部46以及呈现部48将从类似与否判定模型输出的基准标识与比较标识的类似程度作为判断理由呈现给用户,作为变形例,也可以向用户呈现其它的判断理由。其它的判断理由可以是对类似与否判定模型得出基准标识与比较标识类似(或非类似)的结论的理由进行说明的内容,换言之,也可以是对得到类似与否判定的结论的逻辑进行说明的内容。
也可以通过公知的方法来生成其它的判断理由。例如,判断部46可以如“https://forbesjapan.com/articles/detail/21330”中记载的那样,提取作为类似与否判定模型得出基准标识与比较标识类似(或非类似)的结论的主要原因的“缺失的信息”来作为判断理由,呈现部48将“缺失的信息”作为判断理由呈现给用户。
在上述实施例中虽未提及,但是模型生成部54可以通过使示出上级法院的判断的事例优先于示出下级法院的判断的事例的机器学习、来生成类似与否判定模型。另外,模型生成部54也可以通过使示出新的判断的事例优先于示出过去的判断的事例的机器学习、来生成类似与否判定模型。例如,模型生成部54可以以如下方式生成类似与否判定模型:对教师数据按审查的事例<审判的事例<地方法院的裁判例<高等法院的裁判例<最高法院的裁判例的顺序提高权重地加权。另外,模型生成部54也可以以如下方式生成类似与否判定模型:基于越新的事例的教师数据,对其越提高权重地加权。
在上述实施例中,设为通过监督学习来生成类似与否判定模型,也可以通过无监督学习来生成类似与否判定模型。模型生成部54可以使用公知的聚类分析方法来生成类似与否判定模型,使得将在事例中被进行了比较的第一标识与第二标识的组分类到第一群和第二群中的任一个群。接着,也可以通过不基于机器学习的方法(例如人工),来确认第一群和第二群中的哪一个群是类似的群,哪一个群是非类似的群。在第一群为类似的群、第二群为非类似的群的情况下,判断部46可以将基准标识与比较标识的组输入到类似与否判定模型,从类似与否判定模型获取该组被分类到第一群和第二群中的哪一个群。也可以是,在基准标识与比较标识的组被分类到第一群的情况下,判断部46判断为基准标识与比较标识类似,在基准标识与比较标识的组被分类到第二群的情况下,判断部46判断为基准标识与比较标识非类似。
(第二实施例)
在第二实施例中,将基准商标的指定商品和/或指定服务中包含的实际的商品和/或服务的范围考虑在内地判断有无抵触/侵权。下面,将指定商品和/或指定服务也统称为“指定商品等”。
对构成第二实施例的信息处理***的要素中的与第一实施例的要素相同或对应的要素标注与第一实施例相同的标记来进行说明。另外,对在第一实施例中已说明的内容适当地省略再次的说明,主要说明与第一实施例的不同点。
第二实施例的信息处理***的结构与第一实施例相同(图1)。图5是表示第二实施例的侵权探测装置12的功能块的框图。第二实施例的侵权探测装置12除了具备第一实施例的功能块以外,还具备范围确定部56。
基准数据受理部38受理从用户终端14输入的基准商标(例如本公司的注册商标)的指定商品等。范围确定部56指定基准商标的指定商品等,并从数据源20获取在公共机构登记过的、与基准商标不同的商标(以下称为“参考商标”。)的数据。参考商标的数据至少包含参考商标的标识。此处的数据源20可以是作为有无侵权的判断对象的国家中的专利局数据库、民间的商标数据库。
范围确定部56从数据源20获取与实际使用参考商标的标识的商品(也称为“实际商品”。)或服务(也称为“实际服务”。)有关的数据(例如实际商品的名称、实际服务的名称)。例如从作为参考商标的商标权人的企业的主页获取使用参考商标的标识的实际的商品等的信息。此时,从该商品等的商品目录尽可能地也获取该商品等的一般名称、该商品等的需求者的范围、该商品等的用途、功能来作为信息。然后,基于获取到的信息来确定商品等的范围。此外,可以不从该企业的主页获取这些信息,而是从购物中心网站收集这些信息,并且也可以基于该商品等的商品目录中刊载的该商品等的图像、说明文字在数据源20内进行搜索,来获取与该商品等的一般名称、该商品等的需求者的范围、该商品等的用途、功能有关的信息。并且,范围确定部56可以与第一实施例的模仿状况收集部44同样地获取参考商标在因特网上的多个Web网站中的使用状况。另外,范围确定部56也可以基于无人机等的摄像图像来获取参考商标在现实世界中的使用状况。例如能够通过图像处理对该摄像图像进行分析,来获取与利用该商品等的需求者有关的信息(性别、成人或儿童、以何种方式进行广告宣传等)、与该商品等的用途、功能(何时、何地、以何种方式使用等)有关的信息。
范围确定部56将基准商标的指定商品或指定服务与实际使用参考商标的商品和服务(即实际商品以及实际服务)进行关联。在第二实施例中,范围确定部56将实际商品和实际服务作为基准商标的指定商品等中包含的商品和服务来进行输出。在第二实施例中,范围确定部56将表示实际使用参考商标的商品和服务的信息输入到判断部46。判断部46将从用户终端14输入的实际使用基准商标的商品和服务、以及从范围确定部56输入的实际使用参考商标的商品和服务的集合作为基准商标的指定商品等的范围(与指定商品或服务相同或者类似的范围中包含的商品或服务),来判断基准商标与比较商标有无抵触。即,在由类似与否判定模型判定为基准商标的标识与比较商标的标识类似、且使用比较商标的商品或服务包含于上述集合的情况下,也就是说,在判定为与指定商品或服务相同或者类似的情况下,判断部46判断为比较商标与基准商标抵触。
呈现部48也可以除了使用户终端14显示第一实施例中的呈现内容以外,还使用户终端14显示由范围确定部56确定出的、基准商标的指定商品等中包含的商品和/或服务的信息。根据第二实施例的侵权探测装置12,能够将由用户指定的基准商标的指定商品以及指定服务中包含的实际的商品/服务的范围考虑在内地判断基准商标与比较商标有无抵触。另外,能够进行辅助,使得用户能够掌握基准商标的指定商品以及指定服务中包含的实际的商品/服务的范围。
作为变形例,作为应用了第二实施例中记载的技术的信息处理装置,也可以实现以下信息处理装置:不进行商标的抵触判断,而是使用户终端14显示由范围确定部56确定出的、基准商标的指定商品以及指定服务中包含的商品等的信息。
(第三实施例)
在第三实施例中,在多个国家分散管理与多个国家对应的多个类似与否判定模型。对构成第三实施例的信息处理***的要素中的与第一实施例的要素相同或对应的要素标注与第一实施例相同的标记来进行说明。另外,对在第一实施例中已说明的内容适当地省略再次的说明,主要说明与第一实施例的不同点。
图6表示第三实施例的信息处理***10的结构。第三实施例的信息处理***10除了具备第一实施例的要素以外,还具备包括日本模型存储装置18a、美国模型存储装置18b、德国模型存储装置18c、中国模型存储装置18d的多个模型存储装置18。侵权探测装置12构成为能够经由包括因特网的通信网16来访问多个模型存储装置18。
多个模型存储装置18是与多个国家对应的存储装置(例如具备存储部的信息处理装置)。日本模型存储装置18a存储基于日本的事例并通过机器学习制作出的日本用的类似与否判定模型,美国模型存储装置18b存储基于美国的事例并通过机器学习制作出的美国用的类似与否判定模型。德国模型存储装置18c存储基于德国的事例并通过机器学习制作出的德国用的类似与否判定模型,中国模型存储装置18d存储基于中国的事例并通过机器学习制作出的中国用的类似与否判定模型。
对设置多个模型存储装置18的场所没有限制,可以会集到1个地方来配置,也可以在世界各地分散配置。例如,日本模型存储装置18a可以设置于日本,日本用的类似与否判定模型可以由日本的专利事务所来制作、更新以及维护。同样地,美国模型存储装置18b、德国模型存储装置18c、中国模型存储装置18d分别可以设置于美国、德国、中国,各国用的类似与否判定模型可以由各国的专利事务所来制作、更新以及维护。
侵权探测装置12的判断部46从用户终端14受理表示由用户指定的判断对象国家的数据。判断部46访问多个模型存储装置18中的与判断对象国家对应的模型存储装置18,使用该模型存储装置18中存储的类似与否判定模型来获取基准标识与比较标识的类似与否判定结果。
例如,判断部46可以将基准标识的数据和比较标识的数据发送到与判断对象国家对应的模型存储装置18,并从该模型存储装置18获取类似与否判定模型的判定结果。或者,判断部46也可以从与判断对象国家对应的模型存储装置18下载类似与否判定模型,并将基准标识的数据和比较标识的数据输入到该类似与否判定模型,来获取类似与否判定模型的判定结果。侵权探测装置12的以后的处理与第一实施例相同。
根据第三实施例的信息处理***10,在标识的类似与否判断中使用各国用的类似与否判定模型,由此能够将各国的知识产权制度以及类似与否判断倾向考虑在内,从而提高每个国家的类似与否判断精度。另外,各国用的类似与否判定模型分散在各国进行管理,由此能够实现由各国的专家进行的模型的生成、更新、维护。
(第四实施例)
在第四实施例中,将由用户指定的时期考虑在内地判断标识的类似与否。对构成第四实施例的侵权探测装置12的要素中的与第一实施例的要素相同或对应的要素标注与第一实施例相同的标记来进行说明。另外,对在第一实施例中已说明的内容适当地省略再次的说明,主要说明与第一实施例的不同点。
侵权探测装置12的模型存储部36存储与可能给被用户选择的多个类似与否判断时期对应的多个类似与否判定模型。例如,模型存储部36可以存储以3年为单位的各时期的类似与否判定模型,例如存储与2009~2011年对应的类似与否判定模型、与2012~2014年对应的类似与否判定模型、与2015~2017年对应的类似与否判定模型等。此外,模型存储部36也可以针对国家与类似与否判断时期的各个组合来存储多个类似与否判定模型。
在生成与特定的类似与否判断时期(例如,如上述那样设为3年)对应的类似与否判定模型的情况下,事例获取部52从数据源20收集在特定的类似与否判断时期的期间示出了标识的类似与否判断的事例(审查、审判、裁判等)。模型生成部54基于由事例获取部52收集到的事例,生成与特定的类似与否判断时期对应的类似与否判定模型,并保存到模型存储部36。类似与否判断时期的期间可以基于开发者的知识、使用了侵权探测装置12的实验的结果等来设定为适当的长度。
基准数据受理部38从用户终端14受理与基准商标有关的数据,并且从用户终端14受理表示由用户指定的类似与否判断时期的数据。
判断部46将由用户指定的类似与否判断时期考虑在内地判断基准标识与比较标识的类似与否。具体地说,判断部46使用模型存储部36中存储的多个类似与否判定模型中的与由用户指定的类似与否判断时期对应的类似与否判定模型,来判断基准标识与比较标识的类似与否。
标识的类似与否判断的倾向有时根据判断的时期而不同,另外,在损害赔偿请求中,过去的侵权成为问题,因此将时期考虑在内的标识的类似与否判断是有用的。根据第四实施例的侵权探测装置12,能够向用户提供由用户指定的时期的标识的类似与否判断结果,从而能够更加有效地辅助用户对与侵害商标权等有关的探讨。
作为变形例,模型生成部54也可以在生成类似与否判定模型时将各事例中的表示标识的类似与否判断时期的信息包含在教师数据中。即,模型生成部54也可以生成将标识的类似与否判断时期考虑在内的类似与否判定模型。类似与否判断时期例如可以是进行审查/审判/裁判的时期,更具体地说,可以是在各事例中得出结论的时期。判断部46可以除了向类似与否判定模型输入基准标识的数据和比较标识的数据以外,还向类似与否判定模型输入类似与否判断时期,由此从类似与否判定模型获取将类似与否判断时期考虑在内的类似与否判定结果。
以上,基于第一实施例~第四实施例说明了本发明。本领域技术人员应当理解,这些实施例是例示,在实施例所记载的各结构要素、各处理过程的组合中除了已叙述的变形例以外还能够存在各种变形例,另外那种变形例也在本发明的范围内。
上述的实施例以及变形例的任意的组合也作为本发明的实施方式而有用。通过组合而产生的新的实施方式同时具备被组合的实施例以及变形例各自的效果。另外,权利要求中记载的各结构要件应实现的功能能够通过实施例以及变形例中示出的各结构要素的单体或它们的协作来实现,这也是本领域技术人员所能够理解的。
Claims (15)
1.一种信息处理装置,其特征在于,具备:
存储部,其存储基于示出了标识的类似与否的判断的多个事例并通过机器学习制作出的类似与否判定模型;
受理部,其受理要与作为基准的第一标识进行比较的第二标识的输入;
判断部,其使用所述存储部中存储的类似与否判定模型,来判断所述第一标识与所述第二标识的类似与否。
2.根据权利要求1所述的信息处理装置,其特征在于,
所述多个事例包括多个国家的事例,所述类似与否判定模型是按所述多个国家的每个国家制作的,
所述判断部受理判断对象国家的指定,基于该指定来使用该判断对象国家的类似与否判定模型。
3.根据权利要求1所述的信息处理装置,其特征在于,
所述类似与否判定模型是仅基于特定的国家中的事例来制作的。
4.根据权利要求1至3中的任一项所述的信息处理装置,其特征在于,
在所述判断部中的所述类似与否的判断中,除了判断所述第一标识与所述第二标识的类似与否以外,还判断类似的程度,
所述信息处理装置具备呈现所述类似的程度的呈现部。
5.根据权利要求1至4中的任一项所述的信息处理装置,其特征在于,
还具备更新部,该更新部基于示出了标识的类似与否的新的事例,来对所述存储部中存储的类似与否判定模型进行更新。
6.根据权利要求1至5中的任一项所述的信息处理装置,其特征在于,
还具备收集部,该收集部对多个Web网站进行巡回访问,来收集所述第二标识。
7.一种信息处理装置,其特征在于,具备:
第一获取部,其获取与作为基准的第一商标的指定商品或指定服务相同且该商标的形态不同的第二商标;
第二获取部,其从外部的数据源获取使用了与所述第二商标相同形态的标识的商品即实际商品或使用了与所述第二商标相同形态的标识的服务即实际服务;以及
关联部,其进行所述指定商品或指定服务与所述实际商品或实际服务之间的关联。
8.一种信息处理装置,其特征在于,具备:
受理部,在使用基于示出了标识的类似与否的事例并通过机器学习制作出的模型来判断第一标识与第二标识的类似与否的情况下,该受理部受理表示判断的时期的信息的输入;以及
判断部,其将所述判断的时期考虑在内,来判断所述第一标识与所述第二标识的类似与否。
9.一种信息处理***,其特征在于,具备:
能够经由网络进行访问的存储装置,其将基于特定的国家中的示出了标识的类似与否的事例并通过机器学习制作出的类似与否判定模型按每个国家进行存储;
受理部,其受理要与作为基准的第一标识进行比较的第二标识的输入;以及
判断部,其受理判断对象国家的指定,并基于该指定,使用该判断对象国家的类似与否判定模型来获取所述第一标识与所述第二标识的类似与否的判断结果。
10.一种信息处理方法,其特征在于,由计算机执行以下步骤:
获取与作为基准的第一商标的指定商品或指定服务相同且该商标的形态不同的第二商标;
从外部的数据源获取使用了与所述第二商标相同形态的标识的商品即实际商品或使用了与所述第二商标相同形态的标识的服务即实际服务;以及
进行所述指定商品或指定服务与所述实际商品或实际服务之间的关联。
11.一种类似与否判断方法,其特征在于,由计算机执行以下步骤:
在使用基于示出了标识的类似与否的事例并通过机器学习制作出的模型来判断第一标识与第二标识的类似与否的情况下,受理表示判断的时期的信息的输入;以及
将所述判断的时期考虑在内,来判断所述第一标识与所述第二标识的类似与否。
12.一种存储介质,存储有用于使计算机实现以下功能的计算机程序:
存储基于示出了标识的类似与否的判断的多个事例并通过机器学习制作出的类似与否判定模型;
受理要与作为基准的第一标识进行比较的第二标识的输入;以及
使用所存储的类似与否判定模型来判断所述第一标识与所述第二标识的类似与否。
13.一种存储介质,存储有用于使计算机实现以下功能的计算机程序:
获取与作为基准的第一商标的指定商品或指定服务相同且该商标的形态不同的第二商标;
从外部的数据源获取使用了与所述第二商标相同形态的标识的商品即实际商品或使用了与所述第二商标相同形态的标识的服务即实际服务;以及
进行所述指定商品或指定服务与所述实际商品或实际服务之间的关联。
14.一种存储介质,存储有用于使计算机实现以下功能的计算机程序:
在使用基于示出了标识的类似与否的事例并通过机器学习制作出的模型来判断第一标识与第二标识的类似与否的情况下,受理表示判断的时期的信息的输入;以及
将所述判断的时期考虑在内,来判断所述第一标识与所述第二标识的类似与否。
15.一种存储介质,存储有用于使信息处理***实现下述功能的计算机程序,其中,所述信息处理***具备能够经由网络进行访问的存储装置,该存储装置将基于特定的国家中的示出了标识的类似与否的事例并通过机器学习制作出的类似与否判定模型按每个国家进行存储,
所述功能为:
受理要与作为基准的第一标识进行比较的第二标识的输入;以及
受理判断对象国家的指定,并基于该指定,使用该判断对象国家的类似与否判定模型来获取所述第一标识与所述第二标识的类似与否的判断结果。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-216674 | 2018-11-19 | ||
JP2018216674A JP2020086658A (ja) | 2018-11-19 | 2018-11-19 | 情報処理装置、情報処理システム、情報処理方法および類否判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111198962A true CN111198962A (zh) | 2020-05-26 |
Family
ID=70727672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910995083.5A Pending CN111198962A (zh) | 2018-11-19 | 2019-10-18 | 信息处理装置、***、方法、类似与否判断方法以及介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200159784A1 (zh) |
JP (1) | JP2020086658A (zh) |
CN (1) | CN111198962A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112037088A (zh) * | 2020-11-02 | 2020-12-04 | 北京梦知网科技有限公司 | 商标侵权确定方法及装置 |
JP2023015800A (ja) * | 2021-07-20 | 2023-02-01 | 株式会社Toreru | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7037788B1 (ja) | 2021-08-23 | 2022-03-17 | 株式会社Toreru | 情報処理装置、学習済みモデルの作成方法、情報処理方法及び情報処理プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN104462382A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像查询方法 |
CN107578352A (zh) * | 2017-08-07 | 2018-01-12 | 深圳益强信息科技有限公司 | 一种商标监测方法及*** |
CN108009560A (zh) * | 2016-11-02 | 2018-05-08 | 广州图普网络科技有限公司 | 商品图像相似类别判定方法及装置 |
CN108810406A (zh) * | 2018-05-23 | 2018-11-13 | Oppo广东移动通信有限公司 | 人像光效处理方法、装置、终端及计算机可读存储介质 |
CN108827338A (zh) * | 2018-06-06 | 2018-11-16 | Oppo广东移动通信有限公司 | 语音导航方法及相关产品 |
-
2018
- 2018-11-19 JP JP2018216674A patent/JP2020086658A/ja active Pending
-
2019
- 2019-09-13 US US16/570,215 patent/US20200159784A1/en not_active Abandoned
- 2019-10-18 CN CN201910995083.5A patent/CN111198962A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN104462382A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像查询方法 |
CN108009560A (zh) * | 2016-11-02 | 2018-05-08 | 广州图普网络科技有限公司 | 商品图像相似类别判定方法及装置 |
CN107578352A (zh) * | 2017-08-07 | 2018-01-12 | 深圳益强信息科技有限公司 | 一种商标监测方法及*** |
CN108810406A (zh) * | 2018-05-23 | 2018-11-13 | Oppo广东移动通信有限公司 | 人像光效处理方法、装置、终端及计算机可读存储介质 |
CN108827338A (zh) * | 2018-06-06 | 2018-11-16 | Oppo广东移动通信有限公司 | 语音导航方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
JP2020086658A (ja) | 2020-06-04 |
US20200159784A1 (en) | 2020-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104685501B (zh) | 响应于可视化查询标识文本词汇 | |
US9402013B2 (en) | Information processing system and information processing method | |
CN111198962A (zh) | 信息处理装置、***、方法、类似与否判断方法以及介质 | |
EP4128036A1 (en) | Processing image-bearing electronic documents using a multimodal fusion framework | |
CN106844685B (zh) | 用于识别网站的方法、装置及服务器 | |
US20150088923A1 (en) | Using sensor inputs from a computing device to determine search query | |
US9633049B2 (en) | Searching apparatus, searching method, and searching system | |
CN108388650B (zh) | 基于需求的搜索处理方法、装置和智能设备 | |
US9141729B2 (en) | Display-data generating apparatus and display-data generating method | |
CN111737443B (zh) | 答案文本的处理方法和装置、关键文本的确定方法 | |
CN111460185A (zh) | 书籍搜索方法、装置和*** | |
JP6494799B2 (ja) | ジオロケーションを使用して位置決めされた画像を用いた施設の固定 | |
CN113791750B (zh) | 一种虚拟内容显示方法、装置和计算机可读存储介质 | |
CN110019906A (zh) | 用于显示信息的方法和装置 | |
CN111881900B (zh) | 语料生成、翻译模型训练、翻译方法、装置、设备及介质 | |
CN109660621A (zh) | 一种内容推送方法及服务设备 | |
CN110413823A (zh) | 服装图片推送方法及相关装置 | |
CN114676705A (zh) | 一种对话关系处理方法、计算机及可读存储介质 | |
JP7027524B2 (ja) | 視覚的入力の処理 | |
JP2018106035A (ja) | 地図整備装置、案内装置、制御方法、プログラム及び記憶媒体 | |
US20160364458A1 (en) | Methods and Systems for Using Field Characteristics to Index, Search For, and Retrieve Forms | |
KR100312430B1 (ko) | 인터넷 쇼핑몰 상품정보 학습 시스템 및 그 방법 | |
CN113904827B (zh) | 一种仿冒网站的识别方法、装置、计算机设备及介质 | |
JP2008146490A (ja) | 情報提供装置、情報提供方法、及びコンピュータプログラム | |
CN114238229B (zh) | 一种打印文件的搜索方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200526 |