JP2018200621A - 特許要件適否予測装置および特許要件適否予測プログラム - Google Patents
特許要件適否予測装置および特許要件適否予測プログラム Download PDFInfo
- Publication number
- JP2018200621A JP2018200621A JP2017105667A JP2017105667A JP2018200621A JP 2018200621 A JP2018200621 A JP 2018200621A JP 2017105667 A JP2017105667 A JP 2017105667A JP 2017105667 A JP2017105667 A JP 2017105667A JP 2018200621 A JP2018200621 A JP 2018200621A
- Authority
- JP
- Japan
- Prior art keywords
- document
- search
- vector
- prediction
- data
- 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.)
- Granted
Links
- 239000013598 vector Substances 0.000 claims abstract description 249
- 238000012545 processing Methods 0.000 claims abstract description 98
- 238000010801 machine learning Methods 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 4
- 230000000750 progressive effect Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 abstract description 9
- 238000000034 method Methods 0.000 description 105
- 230000008569 process Effects 0.000 description 89
- 238000004891 communication Methods 0.000 description 21
- 238000003860 storage Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 230000009471 action Effects 0.000 description 12
- 238000013500 data storage Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 210000003792 cranial nerve Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
(特許要件適否予測システムの全体構成)
まず、本発明の第1の実施の形態に係る特許要件適否予測サーバ10を含む特許要件適否予測システム1の構成について説明する。
次に、図2を参照して特許要件適否予測サーバ10の構成について説明する。図2は、特許要件適否予測サーバ10の内部の構成を中心に示すブロック図である。特許要件適否予測サーバ10は、調査対象発明の特許要件適否の予測に関するサービスを提供する専門事業者が運用するサーバである。
ユーザ端末装置30は、図1に示すように、インターネットN1への接続環境を備え、特許要件適否予測サーバ10と通信を行うことができる。なお、ユーザ端末装置30は、据え置き型(または持ち運び可能なノート型)のパーソナルコンピュータを想定しているが、タブレット型の端末装置でもよい。
次に、図4とともに図11から図18までを参照して、特許要件適否予測サーバ10による特許要件適否予測処理の動作内容について説明する。
CPU11は特許要件適否予測ルーチンを開始すると、ステップ11に進み、対象公報抽出部104としての動作を行い公報抽出処理を行う。この場合、CPU11は、マシン日付を基準にして公開公報データを抽出し(公開日がマシン日付よりも前の公開公報データを抽出する)、抽出したデータを検索対象公報データとして対象公報記憶部155に記憶させる。次に、CPU11は、処理をステップ12に進めてsstテーブル生成部102としての動作を行い、sstテーブル生成処理を実行する。ここで生成されたデータがsstテーブル154に記憶される。
そして、CPU11は、ステップ13に処理を進めると、前述した新規性・拡大先願予測処理部125としての動作を行い、図13、図14に示すフローチャートに沿って、新規性・拡大先願予測ルーチンを実行する。
CPU11は、進歩性予測ルーチンをスタートすると、図15に示すステップ71に処理を進め、主引用発明検索処理を実行する。CPU11は、続くステップ72に処理を進めて、主引用発明検索処理で主引用発明があったか否か(後述する主引用文献がセットされているか否か)を判定し、主引用発明があればステップ73に処理が進み、主引用発明がなければステップ76に処理が進む。続くステップ73では、後述する概念検索後処理が実行され、その後のステップ74で副引用発明があったか否か(後述する副引用文献がセットされているか否か)が判定される。ここで副引用発明があればステップ75に処理が進み、副引用発明がなければステップ77に処理が進む。
予測の精度が高められる。
続いて、第2の実施の形態に係る特許要件適否予測サーバ200について、図21〜図26を参照して説明する。特許要件適否予測サーバ200は、図21に示すように、前述した特許要件適否予測サーバ10と比較して、特許要件適否予測処理部103、予測結果編集処理部105、予測結果記憶部156の代わりに特許要件適否予測処理部203、予測結果編集処理部205、予測結果記憶部256を有する点と、予測結果リストL1の代わりに予測結果リストL2を出力する点とで相違している。
パターンS:学習文書ベクトルが第1の学習文書ベクトルで教師ベクトルが新規性および進歩性の拒絶理由有りを示すベクトル(例えば、正解のクラスに対応した次元だけが"1"で、他が"0"のベクトル)との組み合わせ
パターンH:学習文書ベクトルが第2の学習文書ベクトルで教師ベクトルが進歩性の拒絶理由有りで新規性の拒絶理由無しを示すベクトル(例えば、正解のクラスに対応した上記とは別の次元だけが"1"で、他が"0"のベクトル)との組み合わせ
パターンL:学習文書ベクトルが第3の学習文書ベクトルで教師ベクトルが進歩性の拒絶理由無しを示すベクトル(例えば、上記2つとは別の次元だけが"1"で、他が"0"のベクトル)との組み合わせのパターンである。
Sクラスが1件で、Hクラスの件数が50%以上:Vr≧75%
Sクラスが1件で、Hクラスの件数が50%未満:Vr≧65%
Sクラスが0件で、Hクラスの件数が50%以上:Vr≧50%
Sクラスが0件で、Hクラスの件数が50%未満:Vr≧40%
Sクラス、Hクラスがともに0件:Vr≧15%
上記の進歩性予測処理部226では、一つの機械学習部233がn件の発明移動ベクトルV31〜V3nの分類を行っていたが、図26に示した特許要件適否予測処理部213における進歩性予測処理部227のように、発明移動ベクトルV31〜V3nに応じた複数の機械学習部2331〜233nを有し、そのそれぞれが発明移動ベクトルV31〜V3nを分類するようにしてもよい。また、図示はしないが、入力ベクトル生成部132も、概念検索データVd21〜Vd2nの件数に応じて複数設けてもよい。これらのようにすると、各機械学習部2331〜233nまたは各入力ベクトル生成部132が並行に処理を実行するので、処理時間を短縮することができる。
以上述べた各実施の形態では、特許要件適否予測サーバ10,200に特許要件適否予測プログラムがインストールされることによって、特許要件適否予測サーバ10,200が特許要件適否予測装置として機能する場合を例にとって説明している。その他、本発明は、ユーザ端末装置30が特許要件適否予測装置として機能する場合についても適用がある。この場合、前述した特許要件適否予測プログラムについて少なくとも以下の変更点1)、2)にしたがった変更を行い、その変更後の特許要件適否予測プログラムを特許要件適否予測サーバ10,200からユーザ端末装置30にダウンロードし、ユーザ端末装置30にインストールすればよい。
変更点2) 特許要件適否予測リストをユーザ端末装置30が出力する。
Claims (4)
- 先行技術調査の対象である調査対象発明の検索に用いられる検索文書を用いて、公開特許公報の電子データである公開公報データを検索し、該検索結果に応じて、前記調査対象発明の新規性の要件適否を示す新規性予測データを生成する新規性予測処理部と、前記調査対象発明の進歩性の要件適否を示す進歩性予測データを生成する進歩性予測処理部と、該新規性予測データおよび進歩性予測データを用いて前記調査対象発明の特許要件適否を示す予測結果ファイルを生成する予測結果ファイル生成部とを有する特許要件適否予測処理手段を有し、
前記進歩性予測処理部は、前記公開公報データによって特定される先行技術発明のうち、前記調査対象発明に最も近い主引用発明を検索する主引用発明検索部と、文書ベクトルの分類を行う文書分類部とを有し、
前記主引用発明検索部は、前記検索文書を用いて前記主引用発明を検索する主検索文書データを生成し、該主検索文書データを用いて前記公開公報データを対象とする概念検索を行い、該概念検索の結果、類似度の降順に該類似度が最も高い最類似文献を含む複数の類似文献を抽出し、かつ前記検索文書から生成される全文検索タームを用いた前記公開公報データを対象とする全文検索でヒットしたヒット文献に前記複数の類似文献と一致する類似ヒット文献があったときは、該類似ヒット文献のうちの前記類似度が最も高い最類似ヒット文献を前記主引用発明が開示されている主引用文献とし、
前記文書分類部は、学習文書ベクトルと教師ベクトルとを含む複数の訓練データを用いた機械学習によって、入力される発明移動ベクトルを進歩性の要件に適合するか否かのいずれかに分類してその分類結果に応じた要件適否文書ベクトルを出力するように構築され、該発明移動ベクトルは、前記検索文書に応じた調査対象発明ベクトルと、前記最類似ヒット文献に応じた引用候補ベクトルとの差分に応じたベクトルである特許要件適否予測装置。 - 先行技術調査の対象である調査対象発明の検索に用いられる検索文書を用いて、公開特許公報の電子データである公開公報データを検索し、該検索結果に応じて、前記調査対象発明の新規性の要件適否を示す新規性予測データを生成する新規性予測処理部と、前記調査対象発明の進歩性の要件適否を示す進歩性予測データを生成する進歩性予測処理部と、該新規性予測データおよび進歩性予測データを用いて前記調査対象発明の特許要件適否を示す予測結果ファイルを生成する予測結果ファイル生成部とを有する特許要件適否予測処理手段を有し、
前記進歩性予測処理部は、前記公開公報データによって特定される先行技術発明のうち、前記調査対象発明に最も近い主引用発明を検索する主引用発明検索部と、文書ベクトルの分類を行う文書分類部とを有し、
前記主引用発明検索部は、前記検索文書を用いて前記主引用発明を検索する主検索文書データを生成し、該主検索文書データを用いて前記公開公報データを対象とする概念検索を行い、該概念検索の結果、類似度の降順に該類似度が最も高い最類似文献を含む複数の類似文献を抽出し、かつ各該類似文献を前記主引用発明が開示されている主引用文献とし、
前記文書分類部は、学習文書ベクトルと教師ベクトルとを含む複数の訓練データを用いた機械学習によって、入力される発明移動ベクトルを進歩性の要件に適合しない可能性が極めて高いクラス、高いクラス、該進歩性の要件に適合するクラスのいずれかに分類してその分類結果に応じた要件適否文書ベクトルを出力するように構築され、該発明移動ベクトルは、前記検索文書に応じた調査対象発明ベクトルと、各前記類似文献に応じた引用候補ベクトルそれぞれとの差分に応じた複数のベクトルであり、
前記特許要件適否予測処理手段は、前記文書分類部から出力される複数の前記要件適否文書ベクトルに応じて、前記調査対象発明について、前記進歩性の要件に適合しない可能性を示す非適合率を算出する非適合率算出部を更に有する特許要件適否予測装置。 - 前記文書分類部は、前記訓練データとして、前記学習文書ベクトルが第1の学習文書ベクトルで前記教師ベクトルが新規性および進歩性の拒絶理由有りを示すベクトルとの組み合わせと、前記学習文書ベクトルが第2の学習文書ベクトルで前記教師ベクトルが進歩性の拒絶理由有りで新規性の拒絶理由無しを示すベクトルとの組み合わせと、前記学習文書ベクトルが第3の学習文書ベクトルで前記教師ベクトルが進歩性の拒絶理由無しを示すベクトルとの組み合わせが用いられ、
前記第1の学習文書ベクトルは、すでに公開されている公開済出願の中で拒絶理由通知が発行された出願であって、該拒絶理由通知で同じ文献を引用して新規性および進歩性無しの拒絶理由が指摘されていた新規性・進歩性拒絶出願の該拒絶理由が指摘されていた請求項に応じた文書ベクトルと、該拒絶理由で引用されていた前記文献である第1の主引用刊行物に応じた第1の引用文書ベクトルとの差分に応じた第1の移動文書ベクトルであり、
前記第2の学習文書ベクトルは、前記公開済出願の中で拒絶理由通知が発行された出願であって、該拒絶理由通知で新規性の拒絶理由は指摘されていないが進歩性の拒絶理由が指摘されていた進歩性拒絶出願の該拒絶理由が指摘されていた請求項に応じた文書ベクトルと、該拒絶理由で主たる刊行物として引用されていた第2の主引用刊行物に応じた第2の引用文書ベクトルとの差分に応じた第2の移動文書ベクトルであり、
前記第3の学習文書ベクトルは、前記公開済出願の中で拒絶理由通知が発行されずに特許査定が発行された拒絶無し出願または拒絶理由通知が発行された出願であって、該拒絶理由通知で進歩性の拒絶理由が指摘されていなかった進歩性拒絶無し出願の請求項1に応じた文書ベクトルと、前記拒絶無し出願または進歩性拒絶無し出願を対象とする概念検索の結果、最も類似度が高いとされる学習用最類似文献に応じた非引用文書ベクトルとの差分から求めた第3の移動文書ベクトルである請求項2記載の特許要件適否予測装置。 - コンピュータを特許要件適否予測装置として機能させるための特許要件適否予測プログラムであって、該コンピュータを
先行技術調査の対象である調査対象発明の検索に用いられる検索文書を用いて、公開特許公報の電子データである公開公報データを検索し、該検索結果に応じて、前記調査対象発明の新規性の要件適否を示す新規性予測データを生成する新規性予測処理部と、前記調査対象発明の進歩性の要件適否を示す進歩性予測データを生成する進歩性予測処理部と、該新規性予測データおよび進歩性予測データを用いて前記調査対象発明の特許要件適否を示す予測結果ファイルを生成する予測結果ファイル生成部とを有する特許要件適否予測処理手段として機能させ、
前記進歩性予測処理部が前記公開公報データによって特定される先行技術発明のうち、前記調査対象発明に最も近い主引用発明を検索する主引用発明検索部と、文書ベクトルの分類を行う文書分類部とを有し、
前記主引用発明検索部が前記検索文書を用いて前記主引用発明を検索する主検索文書データを生成し、該主検索文書データを用いて前記公開公報データを対象とする概念検索を行い、該概念検索の結果、類似度の降順に該類似度が最も高い最類似文献を含む複数の類似文献を抽出し、かつ前記検索文書から生成される全文検索タームを用いた前記公開公報データを対象とする全文検索でヒットしたヒット文献に前記複数の類似文献と一致する類似ヒット文献があったときは、該類似ヒット文献のうち前記類似度が最も高い最類似ヒット文献を前記主引用発明が開示されている主引用文献とし、
前記文書分類部が、学習文書ベクトルと教師ベクトルとを含む複数の訓練データを用いた機械学習によって、入力される発明移動ベクトルを進歩性の要件に適合するか否かのいずれかに分類してその分類結果に応じた要件適否文書ベクトルを出力するように構築され、該発明移動ベクトルは、前記検索文書に応じた調査対象発明ベクトルと、前記最類似ヒット文献に応じた引用候補ベクトルとの差分に応じたベクトルである特許要件適否予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017105667A JP6232607B1 (ja) | 2017-05-29 | 2017-05-29 | 特許要件適否予測装置および特許要件適否予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017105667A JP6232607B1 (ja) | 2017-05-29 | 2017-05-29 | 特許要件適否予測装置および特許要件適否予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6232607B1 JP6232607B1 (ja) | 2017-11-22 |
JP2018200621A true JP2018200621A (ja) | 2018-12-20 |
Family
ID=60417510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017105667A Active JP6232607B1 (ja) | 2017-05-29 | 2017-05-29 | 特許要件適否予測装置および特許要件適否予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6232607B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154684A (ja) * | 2019-03-20 | 2020-09-24 | 俊幸 常本 | 情報処理システム、情報処理方法及びプログラム |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6457058B1 (ja) * | 2017-12-06 | 2019-01-23 | 株式会社ゴールドアイピー | 知的財産システム、知的財産支援方法および知的財産支援プログラム |
JP6453502B1 (ja) * | 2018-02-06 | 2019-01-16 | アイ・ピー・ファイン株式会社 | 特許調査支援方法 |
JP6555673B2 (ja) * | 2018-03-08 | 2019-08-07 | 株式会社AI Samurai | 知的財産支援装置および知的財産支援方法並びに知的財産支援プログラム |
JP7006402B2 (ja) * | 2018-03-14 | 2022-01-24 | 富士通株式会社 | クラスタリングプログラム、クラスタリング方法およびクラスタリング装置 |
JP6506439B1 (ja) * | 2018-03-30 | 2019-04-24 | 株式会社AI Samurai | 情報処理装置、情報処理方法及び情報処理プログラム |
JP6531302B1 (ja) * | 2018-12-19 | 2019-06-19 | 株式会社AI Samurai | 知的財産システム、知的財産支援方法および知的財産支援プログラム |
JP2019185769A (ja) * | 2019-03-28 | 2019-10-24 | 株式会社AI Samurai | 情報処理装置、情報処理方法及び情報処理プログラム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000132569A (ja) * | 1998-10-23 | 2000-05-12 | Inpatekku Kk | 特許情報の新規性等自動分析装置 |
JP2000148789A (ja) * | 1998-11-05 | 2000-05-30 | Inpatekku Kk | 特許情報等の引用文献分析方法及び引用文献分析装置 |
JP2003141288A (ja) * | 2001-07-11 | 2003-05-16 | Rohm & Haas Co | データ処理システム |
JP2007242005A (ja) * | 2006-02-09 | 2007-09-20 | Hitachi Techno-Information Services Ltd | 特許情報処理システム、特許情報処理方法、特許情報処理プログラム及び特許情報処理プログラムを記録した記録媒体。 |
JP2009238074A (ja) * | 2008-03-28 | 2009-10-15 | Nomura Research Institute Ltd | 特許性予測装置 |
US20140324709A1 (en) * | 2013-04-30 | 2014-10-30 | Tata Consultancy Services Limited | Patentability determination |
US20150178272A1 (en) * | 2013-12-19 | 2015-06-25 | Arturo Geigel | Method and System of Extracting Patent Features for Comparison and to Determine Similarities, novelty and Obviousness |
US20170109848A1 (en) * | 2015-10-20 | 2017-04-20 | International Business Machines Corporation | Value Scorer in an Automated Disclosure Assessment System |
JP6123143B1 (ja) * | 2016-02-16 | 2017-05-10 | 和之 白井 | 特許要件適否予測装置および特許要件適否予測プログラム |
-
2017
- 2017-05-29 JP JP2017105667A patent/JP6232607B1/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000132569A (ja) * | 1998-10-23 | 2000-05-12 | Inpatekku Kk | 特許情報の新規性等自動分析装置 |
JP2000148789A (ja) * | 1998-11-05 | 2000-05-30 | Inpatekku Kk | 特許情報等の引用文献分析方法及び引用文献分析装置 |
JP2003141288A (ja) * | 2001-07-11 | 2003-05-16 | Rohm & Haas Co | データ処理システム |
JP2007242005A (ja) * | 2006-02-09 | 2007-09-20 | Hitachi Techno-Information Services Ltd | 特許情報処理システム、特許情報処理方法、特許情報処理プログラム及び特許情報処理プログラムを記録した記録媒体。 |
JP2009238074A (ja) * | 2008-03-28 | 2009-10-15 | Nomura Research Institute Ltd | 特許性予測装置 |
US20140324709A1 (en) * | 2013-04-30 | 2014-10-30 | Tata Consultancy Services Limited | Patentability determination |
US20150178272A1 (en) * | 2013-12-19 | 2015-06-25 | Arturo Geigel | Method and System of Extracting Patent Features for Comparison and to Determine Similarities, novelty and Obviousness |
US20170109848A1 (en) * | 2015-10-20 | 2017-04-20 | International Business Machines Corporation | Value Scorer in an Automated Disclosure Assessment System |
JP6123143B1 (ja) * | 2016-02-16 | 2017-05-10 | 和之 白井 | 特許要件適否予測装置および特許要件適否予測プログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154684A (ja) * | 2019-03-20 | 2020-09-24 | 俊幸 常本 | 情報処理システム、情報処理方法及びプログラム |
JP7226783B2 (ja) | 2019-03-20 | 2023-02-21 | 俊幸 常本 | 情報処理システム、情報処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6232607B1 (ja) | 2017-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6232607B1 (ja) | 特許要件適否予測装置および特許要件適否予測プログラム | |
JP6308708B1 (ja) | 特許要件適否予測装置および特許要件適否予測プログラム | |
JP6123143B1 (ja) | 特許要件適否予測装置および特許要件適否予測プログラム | |
CN107491547A (zh) | 基于人工智能的搜索方法和装置 | |
CN111797214A (zh) | 基于faq数据库的问题筛选方法、装置、计算机设备及介质 | |
CN105808590B (zh) | 搜索引擎实现方法、搜索方法以及装置 | |
JP2011248831A (ja) | 情報処理装置および方法、並びに、プログラム | |
CN104715063B (zh) | 搜索排序方法和装置 | |
JP6237378B2 (ja) | 候補キュレーションアイテムをランキングする方法及びシステム | |
CN110209782B (zh) | 问答模型及应答语句的生成方法、装置、介质和电子设备 | |
CN106407381A (zh) | 一种基于人工智能的推送信息的方法和装置 | |
EP3732632A1 (en) | Neural network training using the soft nearest neighbor loss | |
CN109977292A (zh) | 搜索方法、装置、计算设备和计算机可读存储介质 | |
WO2019244085A2 (en) | Systems and methods for determining structured proceeding outcomes | |
CN117520503A (zh) | 基于llm模型的金融客服对话生成方法、装置、设备及介质 | |
CN109271624A (zh) | 一种目标词确定方法、装置及存储介质 | |
EP2613275B1 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
CN111126054A (zh) | 确定相似文本的方法、装置、存储介质及电子设备 | |
CN117312535B (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
JP6188172B1 (ja) | 特許要件適否予測装置および特許要件適否予測プログラム | |
CN113569118A (zh) | 自媒体推送方法、装置、计算机设备及存储介质 | |
JP2005092442A (ja) | 多次元空間モデル表現装置および多次元空間モデル表現方法 | |
JP6308706B1 (ja) | 特許要件適否予測装置および特許要件適否予測プログラム | |
EP4127957A1 (en) | Methods and systems for searching and retrieving information | |
KR20110138850A (ko) | 사용자 적응형 이미지 관리 시스템 및 사용자 적응형 이미지 관리 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170927 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6232607 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |