JP7496205B2 - 作成支援装置およびプログラム - Google Patents
作成支援装置およびプログラム Download PDFInfo
- Publication number
- JP7496205B2 JP7496205B2 JP2019219773A JP2019219773A JP7496205B2 JP 7496205 B2 JP7496205 B2 JP 7496205B2 JP 2019219773 A JP2019219773 A JP 2019219773A JP 2019219773 A JP2019219773 A JP 2019219773A JP 7496205 B2 JP7496205 B2 JP 7496205B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- creation
- screen
- user
- keywords
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000605 extraction Methods 0.000 claims description 72
- 230000006870 function Effects 0.000 claims description 44
- 238000003860 storage Methods 0.000 claims description 40
- 238000005516 engineering process Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 77
- 238000013473 artificial intelligence Methods 0.000 description 75
- 238000000034 method Methods 0.000 description 75
- 230000008569 process Effects 0.000 description 67
- 238000012986 modification Methods 0.000 description 47
- 230000004048 modification Effects 0.000 description 47
- 239000000470 constituent Substances 0.000 description 40
- 238000012937 correction Methods 0.000 description 39
- 238000012545 processing Methods 0.000 description 32
- 238000012790 confirmation Methods 0.000 description 27
- 230000007704 transition Effects 0.000 description 24
- 230000009471 action Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 238000002167 anodic stripping potentiometry Methods 0.000 description 1
- 206010003664 atrial septal defect Diseases 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、第1の実施の形態に係る作成サーバにより実現される画面の遷移を示す模式図である。作成サーバはまずユーザの端末のディスプレイ100に、クレームを生成するための条件の入力を受け付ける生成条件入力画面102を表示させる。生成条件入力画面102は、キーワード入力領域104と、追加ボタン106と、イメージアップロード領域105と、クレーム数入力領域108と、課題入力領域110と、参考出願入力領域107と、オートボックス109と、分野入力領域112と、生成ボタン114と、を有する。
。キーワード入力領域104の各キーワードには重要度103が関連付けて表示される。ユーザは、入力したキーワードの重要度103を「H」(高)、「M」(中)、「L」(低)のなかから選択する。他の実施の形態では重要度としてより多くのレベルが用いられてもよいし、連続的な値が用いられてもよい。
るグループ)。学習部402は、グループごと(すなわち、クレーム構造の種類ごと)にクレーム作成モデルを生成する。その結果、例えば、クレーム構造Aに対応するクレーム作成モデルA、クレーム構造Bに対応するクレーム作成モデルB、クレーム構造Cに対応するクレーム作成モデルC、が生成される。
より、クレーム作成モデルを生成する。あるいはまた、例えば、クレーム作成の条件としてキーワードを必須とし、重要度をオプションとするのであれば、学習部402は、特定された特許出願のフリーキーワードと特許請求の範囲とフリーキーワードごとの重要度とを特許情報保持部42から取得し、取得した情報を機械的に学習することにより、クレーム作成モデルを生成する。あるいはまた、例えば、クレーム作成の条件として文書等を必須とし、オプション情報は無しとするのであれば、学習部402は、特定された特許出願の特許請求の範囲と文書等と図面とを特許情報保持部42から取得し、取得した情報を機械的に学習することにより、クレーム作成モデルを生成する。あるいはまた、クレーム作成の条件としてお手本出願の指定を可能とするのであれば、図10に示されるようにクレームの構造に応じて複数のクレーム作成モデルを用意する。
けていれば、それもクレーム作成モデルに適用する。クレーム生成AIエンジン406は、生成条件取得部404がお手本出願を取得していれば、お手本出願のクレームの構造に対応するクレーム作成モデルを選択して用いる。クレーム生成AIエンジン406は、適用の結果クレーム作成モデルが出力する特許請求の範囲を取得する。
図6は、図2の作成サーバ4における一連の処理の流れを示すフローチャートである。
図6の例では、クレーム作成の条件としてキーワードとお手本出願とが与えられる場合を想定する。作成サーバ4は、ユーザ端末8のディスプレイ100に生成条件入力画面102を表示させる(S602)。作成サーバ4は、生成条件入力画面102を介してユーザから技術的思想に係るキーワードの集合およびお手本出願の出願番号を受け付ける(S604)。作成サーバ4は、お手本出願の出願番号を基にお手本出願のクレームを外部または内部の特許出願データベース(例えば、J-Platなど)から取得し、取得されたクレームの構造を特定する(S6051)。作成支援サーバ4は、特定された構造に対応するクレーム作成モデルを選択する(S6052)。作成サーバ4は、ステップS604で受け付けたキーワードの集合を入力として、ステップS6052で選択されたクレーム作成モデルを用いた、AIによるクレーム生成を実行する(S606)。作成サーバ4は、ユーザ端末8のディスプレイ100に生成結果表示画面116を表示させることで生成されたクレームを表示させる(S608)。ユーザによるクレームの修正がない場合(S610のNO)、処理は終了する。ユーザによるクレームの修正がある場合(S610のYES)、作成サーバ4は修正の内容を受け付ける(S612)。作成サーバ4は、ユーザ
端末8のディスプレイ100に修正結果表示画面126を表示させることで修正されたクレームを表示させる(S614)。作成サーバ4は、修正前のクレームおよび修正内容に基づき、クレーム生成AIエンジン406のクレーム作成モデルを更新する(S616)。
特許情報保持部42に保持される特許出願のうち、フリーキーワードがない特許出願については、フリーキーワードを設定するためにAIが用いられてもよい。第1変形例では、学習部402は、特許情報保持部42に保持される特許出願のうち、特許強度値がしきい値以上となる特許出願を特定する。学習部402は、特定された特許出願のフリーキーワードと特許請求の範囲と課題とに加えて、該特許出願の審査の際に引用された文献のフリーキーワードを機械的に学習することにより、キーワード抽出モデルを生成する。
第1の実施の形態ではユーザにキーワードまたは画像ファイルの入力を求める場合について説明したが、これに限られない。第2変形例に係る作成サーバ4は、ユーザから発明提案書などの技術文書そのものを取得し、キーワード抽出モデルと、技術分類付与モデルと、類似文献抽出モデルと、クレーム作成モデルと、を用いて必要な情報を自動的に取得し、クレームを生成する。なお、本変形例では技術分類付与モデルを使用する場合を説明するが、これに限られず、技術分類の代わりに、出願人や代理人など、母集団となる文献を限定できる情報であればいかなる情報が用いられてもよい。また、本変形例ではキーワ
ードを抽出して用いる場合を説明するが、これに限られず、キーワードの代わりに主語と動詞の組や主語と動詞を含む文を抽出して用いてもよい。
段(マウス、キーボード、タッチパネルなど)を介して修正する。作成サーバ4はキーワード310に対する修正を受け付けて修正済みキーワード314を生成する。なお、この修正ステップは省略されてもよい。この際、作成サーバ4は各キーワードに対する重要度をユーザ302に指定させ、指定された重要度を取得してもよい。作成サーバ4は、修正前のキーワード310と修正済みキーワード314との組を、キーワード自動抽出AIモデル306の更新のために後述の学習フェーズに渡す。なお、作成サーバ4は、修正前のキーワード310のみ、または修正済みキーワード314のみを、キーワード自動抽出A
Iモデル306の更新のために後述の学習フェーズに渡してもよい。作成サーバ4は技術分類312に対する修正を受け付けて修正済み技術分類316を生成する。この際、作成サーバ4は各技術分類に対する重要度をユーザ302に指定させ、指定された重要度を取得してもよい。作成サーバ4は、修正前の技術分類312と修正済み技術分類316との組を、技術分類自動付与AIモデル308の更新のために後述の学習フェーズに渡す。
デル308を生成する。
ELASTICSEARCH(https://www.elastic.co/jp/products/elasticsearch)など、周知の検索エンジン技術を用いて、類似するクレームまたはクレームの一部を出力するよう類似文献自動抽出学習AIを構成してもよい。
して取得してもよい。また、クレーム自動生成学習AI336は、(1)キーワードの代わりに、主語と動詞の組や、主語と動詞を含む文を取得してもよい。クレーム自動生成学習AI336は、図11の生成フェーズから渡される修正前のクレーム326と修正済みクレーム328との組を取得する。クレーム自動生成学習AI336は取得した情報を基に学習を行い、クレーム自動生成AIモデル324を生成する。
図13a、図13bは、第3変形例に係る作成サーバ4におけるクレーム生成の流れを示す模式図である。ユーザ302はユーザ端末8から作成サーバ4に発明提案書304および先行特許公報338をアップロードしてもよい。併せてユーザ302は、ユーザ端末8を介してクレーム要素(主体)を入力する。作成サーバ4は、ユーザ端末8のディスプレイ100に作成表340を表示させる。作成サーバ4は、まず入力されたクレーム要素をそのまま作成表340に設定する。作成サーバ4は、設定されたクレーム要素のそれぞれについて、動詞の候補を自動的に補充する。
図14は、第4変形例に係る作成サーバ4におけるクレーム生成の流れを示す模式図である。ユーザ302はユーザ端末8から作成サーバ4に発明提案書304をアップロードする。発明提案書304は発明の課題および特徴を含む。併せてユーザ302は、ユーザ端末8を介して、基本特許となる類似文献342の番号と、その他の類似公開公報である類似文献344の番号と、を入力する。
第1の実施の形態では、いったんユーザから最初の情報(発明提案書、キーワード等)を取得すると、基本的にユーザの介入無しで自動的にクレームを生成する場合を説明した。第2の実施の形態では、ユーザによるクレームの生成を支援する場合を説明する。第2の実施の形態に係る作成支援サーバは、自動生成キーワードまたは手動で類似先願を見つけ(自動生成キーワードの場合はそのキーワードをキーにして特許検索し、結果のうち一致度の最も高いものを選択、等)、見つけた先願のクレームを図形表示し、ユーザに図形を操作させ、変更後の図形を文章に戻すことで、ユーザによる新たなクレームの作成を支援する。なお、別の実施の形態では、発明提案書から、自身でクレーム設計のために、最初から図形を作成させてもよい。
図16は、第2の実施の形態に係る作成支援サーバ14の機能および構成を示すブロック図である。ここに示す各ブロックは、ハードウエア的には、コンピュータのCPUをはじめとする素子や機械装置で実現でき、ソフトウエア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウエア、ソフトウエアの組合せによっていろいろなかたちで実現できることは、本明細書に触れた当業者には理解されるところである。
入力受付部426は、ネットワーク6を介して、表示された図形に対する変更を受け付ける。なお、入力受付部426は新規で図形の入力を受け付けてもよい。
クレーム生成部428は、変更された図形に基づいて新たなクレームをテキスト形式で生成する。
ると、画面は、案件詳細画面512に表示される案件をコピーした案件新規作成画面506に遷移する。ユーザが案件修正ボタン804をクリックすると、画面は、案件詳細画面512に表示される案件の修正を受け付ける案件修正画面516に遷移する。
図27は、図16の作成支援サーバ14における一連の処理の流れを示すフローチャートである。作成支援サーバ14は、ユーザのユーザ端末8からネットワーク6を介して発明提案書を受け付ける(S650)。作成支援サーバ14は、受け付けた発明提案書にキーワード抽出モデルを適用することで、キーワードを生成する(S652)。作成支援サーバ14は、生成されたキーワードに基づいて特許文献を検索する(S654)。作成支援サーバ14は、検索結果から先行文献を特定する(S656)。なお、ステップS650、S652、S654に加えてまたはその代わりに、ステップS656で、作成支援サーバ14はユーザ端末8から先行文献の番号を受信してもよい。作成支援サーバ14は、特定された先行文献のクレームを、ユーザ端末8のディスプレイ100に図形表示する(S658)。なお、ユーザに新規に一から図形を描かせてもよい。作成支援サーバ14は、表示された図形に対してユーザが行った変更を受け付ける(S660)。作成支援サーバ14は、変更された図形に基づく新たなクレームを生成する(S662)。
第2の実施の形態では図形表示としてフローチャートモデルを採用する場合を説明したが、これに限られない。例えば、図形表示として格成分モデルを採用してもよい。
図28は、第5変形例に係る作成支援サーバ14が備える格成分テーブル818の一例を示すデータ構造図である。格成分テーブル818は、先行文献のクレームを格成分分析することで、または、新たなクレームを格成分分析することで、生成される。格成分分析は、例えば特開2015-072573号公報に記載される技術を用いて実現されてもよい。
(1)クレームを構成する上で必要な単語
先行文献のクレームに登場し、かつ、先行文献のキーワードであるかそれに含まれ、かつ、先行文献の審査過程で引用された文献のキーワードに登場する。
(2)クレームを特徴付ける単語
先行文献のクレームに登場し、かつ、先行文献のキーワードであるかそれに含まれ、かつ、先行文献の審査過程で引用された文献のキーワードに登場しない。
(3)その他
(1)要素の文言の修正
(2)格成分の削除
(3)格成分の追加
に置き換えられ、格成分「撮像範囲が重複するように」の矩形848は表示されなくなる。
(項目1)
情報を受け付ける受付手段と、
過去の出願から抽出された情報と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた情報を適用する適用手段と、
適用の結果得られた請求の範囲を提供する提供手段と、を備える作成装置。
(項目2)
提供された前記請求の範囲に対する修正を受け付ける修正手段をさらに備え、
前記提供手段は、受け付けた修正が反映された請求の範囲を提供する項目1に記載の作成装置。
(項目3)
受け付けた修正に基づいて前記モデルを更新する更新手段をさらに備える項目2に記載の作成装置。
(項目4)
前記受付手段は、課題を受け付け、
前記モデルは、過去の出願から抽出された情報と該出願の課題と該出願の請求の範囲とを機械的に学習することにより生成され、
前記適用手段は、前記モデルに、受け付けた情報と課題とを適用する項目1から3のいずれか一項に記載の作成装置。
(項目5)
過去の出願の情報を保持する保持手段と、
前記保持手段を参照することで前記モデルを生成する学習手段と、をさらに備える項目1から4のいずれか一項に記載の作成装置。
(項目6)
前記学習手段は、前記保持手段に保持される過去の出願の情報うち、質に関する所定の基準を満たさない過去の出願の情報は参照しない項目5に記載の作成装置。
(項目7)
情報はキーワードまたは画像である項目1から6のいずれか一項に記載の作成装置。
(項目8)
情報を受け付けることと、
過去の出願から抽出された情報と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた情報を適用することと、
適用の結果得られた請求の範囲を提供することと、を含む作成方法。
(項目9)
情報を受け付ける機能と、
過去の出願から抽出された情報と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた情報を適用することで得られた請求の範囲を、提供する機能と、をコンピュータに実現させるためのコンピュータプログラム。
(項目10)
過去の出願の請求の範囲に含まれる請求項をディスプレイに図形表示させる表示制御手段と、
表示された図形に対する変更を受け付ける受付手段と、
変更された図形に基づいて新たな請求項をテキスト形式で生成する生成手段と、を備える作成支援装置。
(項目11)
前記表示制御手段は、フローチャートモデルに基づき請求項を図形表示させ、
前記受付手段は、フローチャートの要素に対する変更を受け付ける項目10に記載の作成支援装置。
(項目12)
前記表示制御手段は、格成分モデルに基づき請求項を図形表示させ、
前記受付手段は、格成分に対する変更を受け付ける項目10に記載の作成支援装置。
(項目13)
技術文献の情報を受け付ける手段と、
過去の出願から抽出されたキーワードと該出願の課題と該出願の請求の範囲とを機械的に学習することにより生成されたモデルに、受け付けた前記技術文献の情報を適用する適用手段と、
適用の結果得られたキーワードを用いて、前記過去の出願を特定する特定手段と、をさらに備える項目10から12のいずれか一項に記載の作成支援装置。
(項目14)
過去の出願の請求の範囲に含まれる請求項をディスプレイに図形表示させることと、
表示された図形に対する変更を受け付けることと、
変更された図形に基づいて新たな請求項をテキスト形式で生成することと、を含む作成支援方法。
(項目15)
過去の出願の請求の範囲に含まれる請求項をディスプレイに図形表示させる機能と、
表示された図形に対する変更を受け付ける機能と、
変更された図形に基づいて新たな請求項をテキスト形式で生成する機能と、をコンピュータに実現させるためのコンピュータプログラム。
第1の実施の形態では、いったんユーザから最初の情報(発明提案書、キーワード等)を取得すると、基本的にユーザの介入無しで自動的にクレームを生成する場合を説明した。第3の実施の形態では、自動的に出願原稿を生成する場合を説明する。
なお、発明提案書は電子データに限らず、音声などをデジタル化したデータであれば任意の形式のデータであってもよい。例えば、OCRなどで読み取ったデータや、脳波から読み取ったデータなども含む。また、発明提案書に限らず、設計書や仕様書、議事録など他のデータをインプットとしてもよい。
本システムの目的:
特許出願書類初版自動生成サービスを実現する。
業務要件:
(1)早期に特許出願日を確保し、後願排除のために公開すること。
(2)外注コストを削減すること。
現新業務フロー:
[現業務フロー]特許出願書類を特許事務所に外注化し、発明提案書受領日からN営業(Nは自然数)日後に出願する。
[新業務フロー]特許出願書類初版をシステムにて内製化し、発明提案書受領日からM(<N、Mは自然数)営業日後に出願する。
業務要件:
(1)発明提案書から、極力人手を介さずに、特許出願書類初版を取得できること。
(2)特許出願書類初版をそのまま出願した場合、国内特許出願日を認定できること。
(3)特許出願書類初版をそのまま出願した場合、方式審査にて補正命令を受けないこと。
(4)特許出願書類初版に、発明提案書の内容が全て反映されていること。
(5)特許出願書類初版をそのまま出願公開した場合、出願公開の体をなしていること。
(6)特許出願書類初版自動生成システム利用コストが、現状の外注コストよりも下がること。
システム化要件:
発明提案書を本システムにアップロードすることで、業務要件を満たす特許出願書類初版を自動で取得できること。
システム化の前提条件:
特許出願書類初版は、「願書、明細書、特許請求の範囲(クレームの骨子)、図面、要約書」とする。
No.1
機能名:発明提案書アップロード機能
入力画面:アップロード画面
アクション:アップロード
利用データ:発明提案書
処理:発明内容抽出処理
出力画面/出力書類:アップロード結果確認画面
No.2
機能名:類義語抽出機能
入力画面:アップロード結果確認画面
アクション:抽出
利用データ:・No.1の処理結果、類義語辞書
処理:類義語抽出処理
出力画面/出力書類:類義語抽出結果確認画面
No.3
機能名:特許請求の範囲生成機能
入力画面:類義語抽出結果確認画面
アクション:選択・抽出
利用データ:No.1の処理結果、No.2の処理結果、自社類似出願書類等
処理:特許請求の範囲候補抽出処理
出力画面/出力書類:特許請求の範囲候補抽出結果確認画面
No.4
機能名:(なし)
入力画面:特許請求の範囲候補抽出結果確認画面
アクション:選択・生成
利用データ:選択された特許請求の範囲候補、No.1の処理結果、類義語辞書
処理:特許請求の範囲生成処理
出力画面/出力書類:特許請求の範囲生成結果確認画面
No.5
機能名:願書・明細書・図面・特許請求の範囲・要約書生成機能
入力画面:特許請求の範囲生成結果確認画面
アクション:生成
利用データ:No.1の処理結果、自社類似出願書類等、No.4の処理結果、出願人・発明者情報、類義語辞書
処理:願書・明細書・図面・要約書生成処理
出力画面/出力書類:願書・明細書・図面・要約書生成確認画面
No.6
機能名:特許出願書類初版出力機能
入力画面:願書・明細書・図面・要約書生成確認画面
アクション:出力
利用データ:No.5の処理結果
処理:日本国特許庁フォーマットへの変換処理
出力画面/出力書類:特許出願書類初版
なお、アクションについて、「抽出」「選択」「生成」「出力」アクションを初期設定情報にもとづき、省略することで、完全自動生成も可能である。
出願書類主要記載項目名:整理番号
発明提案書記載項目名:(なし)
利用データ:未定
生成処理:未定
出願書類主要記載項目名:提出日
発明提案書記載項目名:(なし)
利用データ:(なし)
生成処理:書類を出力した際の業務日付を自動設定する。
出願書類主要記載項目名:国際特許分類
発明提案書記載項目名:国際特許分類
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「国際特許分類」を設定する。(2)発明提案書に記載がない場合、 自社類似公開公報に記載されている「国際特許分類」を設定する。
出願書類主要記載項目名:発明者の住所又は居所
発明提案書記載項目名:(なし)
利用データ:企業DB
生成処理:企業DBにある「発明者の住所又は居所」を設定する。
出願書類主要記載項目名:発明者の氏名
発明提案書記載項目名:発明者の氏名
利用データ:発明提案書、発明者DB
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「発明者の氏名」を設定する。(2)発明提案書に記載がない場合、本システム用に発明者DBを構築し、その発明者DBの「発明者の氏名」を設定する。
出願書類主要記載項目名:識別番号
発明提案書記載項目名:(なし)
利用データ:(なし)
生成処理:出願人により指定された「識別番号」を設定する。
出願書類主要記載項目名:特許出願人の氏名又は名称
発明提案書記載項目名:(なし)
利用データ:企業DB
生成処理:企業DBにある「特許出願人の氏名又は名称」を設定する。
出願書類主要記載項目名:特許出願人の代表者
発明提案書記載項目名:(なし)
利用データ:企業DB
生成処理:企業DBにある「代表者」を設定する。
出願書類主要記載項目名:予納台帳番号
発明提案書記載項目名:(なし)
利用データ:未定
生成処理:未定
出願書類主要記載項目名:発明の名称
発明提案書記載項目名:発明の名称
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「発明の名称」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の請求項1から、構文解析にもとづき、特許出願書類初版用の請求項1の骨子を抽出し、請求項1を生成する。その請求項1の「末尾名詞」を設定する。
出願書類主要記載項目名:技術分野
発明提案書記載項目名:技術分野
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「技術分野」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の請求項1から、構文解析にもとづき、特許出願書類初版用の請求項1の骨子を抽出し、請求項1を生成する。その請求項1の「主題または末尾名詞」から、下記のとおり作成する。「本発明は、「主題または末尾名詞」に関する。」
出願書類主要記載項目名:背景技術
発明提案書記載項目名:背景技術
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「背景技術」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の「要約書」の[課題]、[解決手段]を設定する。
出願書類主要記載項目名:先行技術文献(特許文献)
発明提案書記載項目名:先行技術文献
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「先行技術文献」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の「公開公報番号」を設定する。
出願書類主要記載項目名:発明が解決しようとする課題
発明提案書記載項目名:課題
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「課題」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の請求項1から、構文解析にもとづき、特許出願書類初版用の請求項1の骨子を抽出し、請求項1を生成する。その請求項1の「主題または末尾名詞」から、下記のとおり作成する。「「主題or末尾名詞」を提供する必要がある。」
出願書類主要記載項目名:課題を解決するための手段
発明提案書記載項目名:解決手段
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「解決手段」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の請求項1から、構文解析にもとづき、特許出願書類初版用の請求項1の骨子を抽出し、請求項1を生成する。その請求項1を設定する。
出願書類主要記載項目名:発明の効果
発明提案書記載項目名:効果
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「効果」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の請求項1から、構文解析にもとづき、特許出願書類初版用の請求項1の骨子を抽出し、請求項1を生成する。その請求項1の「主題または末尾名詞」から、下記のとおり作成する。「「主題または末尾名詞」を提供することができる。」
出願書類主要記載項目名:図面の簡単な説明
発明提案書記載項目名:図面の説明
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「図面の説明」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、図面の類似度が高い公開公報の「図面の簡単な説明」を設定する。必要に応じて、発明提案書の記載内容に変換する。
出願書類主要記載項目名:発明を実施するための形態
発明提案書記載項目名:実施例
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「実施例」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が高い公開公報の「発明を実施するための形態」を抽出する。その後、発明提案書の記載内容で、それを変換し、生成する。
出願書類主要記載項目名:符号の説明
発明提案書記載項目名:符号の説明
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「図面」内の「符号の説明」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、図面の類似度が高い公開公報の「符号の説明」を設定する。必要に応じて、発明提案書の記載内容に変換する。
出願書類主要記載項目名:請求項1~N
発明提案書記載項目名:解決手段
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「解決手段」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が一番高い公開公報の請求項1から、構文解析にもとづき、特許出願書類初版用の請求項1の骨子を抽出し、請求項1を生成する。その請求項1を設定する。なお、「特許請求の範囲候補抽出結果確認画面」にて選択した数分の請求項を生成する。
出願書類主要記載項目名:課題
発明提案書記載項目名:(なし)
利用データ:生成した明細書
生成処理:生成した明細書の「発明が解決しようとする課題」を設定する。
出願書類主要記載項目名:解決手段
発明提案書記載項目名:(なし)
利用データ:生成した明細書
生成処理:生成した明細書のうち、請求項1に該当する「課題を解決するための手段」を設定する。
出願書類主要記載項目名:選択図
発明提案書記載項目名:(なし)
利用データ:生成した明細書
生成処理:生成した図面のうち、「図1」を設定する。
出願書類主要記載項目名:図面
発明提案書記載項目名:図面
利用データ:発明提案書、自社類似公開公報
生成処理:(1)発明提案書に記載がある場合、発明提案書に記載されている「図面」を設定する。(2)発明提案書に記載がない場合、自社類似公開公報のうち、類似度が高い公開公報の図面を抽出し、設定する。
請求項Yは構成要件A、B、Cからなる。
構成要件Aと先行特許文献Kとのコサイン類似度の最高値は0.8。
構成要件Bと先行特許文献Kとのコサイン類似度の最高値は0.5。
構成要件Cと先行特許文献Kとのコサイン類似度の最高値は0.8。
構成要件Aと先行特許文献Lとのコサイン類似度の最高値は0.2。
構成要件Bと先行特許文献Lとのコサイン類似度の最高値は0.9。
構成要件Cと先行特許文献Lとのコサイン類似度の最高値は0.3。
構成要件Aと先行特許文献Mとのコサイン類似度の最高値は0.7。
構成要件Bと先行特許文献Mとのコサイン類似度の最高値は0.6。
構成要件Cと先行特許文献Mとのコサイン類似度の最高値は0.6。
なお、クレームを対象に、新規性や進歩性を求めるだけではなく、発明の概要を対象に求めてもよい。
Claims (5)
- 出願書類の作成を支援する作成支援装置であって、
メモリおよびプロセッサを備え、
前記プロセッサは、過去の出願に係る請求の範囲についての解析に基づいて学習されたクレーム生成モデルを記憶する記憶装置へアクセス可能であり、
前記プロセッサは、前記メモリに記憶されるプログラムを実行することにより、
課題、解決手段および要約のうちの少なくとも1つを含む技術文書を受け付ける受付手段と、
前記技術文書に基づいて、キーワードおよび技術分類を取得する取得手段と、
前記キーワードおよび前記技術分類に基づいて、前記技術文書と類似する過去の出願を抽出する抽出手段と、
前記キーワード、前記技術分類、および前記類似する過去の出願の情報を前記記憶装置に記憶されている前記クレーム生成モデルに適用することにより、前記出願書類の請求の範囲を生成する生成手段と、
として機能する、作成支援装置。 - 前記技術文書は、発明提案書である、請求項1に記載の作成支援装置。
- 前記抽出手段は、前記キーワードまたは前記技術分類がユーザにより修正された場合には、修正された前記キーワードまたは前記技術分類に基づいて、前記類似する過去の出願を抽出する、請求項1に記載の作成支援装置。
- 前記生成手段は、前記キーワード、前記技術分類、または前記類似する過去の出願がユーザにより修正された場合には、修正された前記キーワード、前記技術分類、または前記類似する過去の出願の情報を前記クレーム生成モデルに適用する、請求項1に記載の作成支援装置。
- 出願書類の作成を支援する作成支援装置のプロセッサにより実行されるプログラムであって、
前記プロセッサは、過去の出願に係る請求の範囲についての解析に基づいて学習されたクレーム生成モデルを記憶する記憶装置へアクセス可能であり、
前記プロセッサは、前記プログラムを実行することにより、
課題、解決手段および要約のうちの少なくとも1つを含む技術文書を受け付ける受付手段と、
前記技術文書に基づいて、キーワードおよび技術分類を取得する取得手段と、
前記キーワードおよび前記技術分類に基づいて、前記技術文書と類似する過去の出願を抽出する抽出手段と、
前記キーワード、前記技術分類、および前記類似する過去の出願の情報を前記記憶装置に記憶されている前記クレーム生成モデルに適用することにより、前記出願書類の請求の範囲を生成する生成手段と、
として機能する、プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018227623 | 2018-12-04 | ||
JP2018227623 | 2018-12-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020095716A JP2020095716A (ja) | 2020-06-18 |
JP7496205B2 true JP7496205B2 (ja) | 2024-06-06 |
Family
ID=71085002
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018238797A Active JP7421859B2 (ja) | 2018-12-04 | 2018-12-20 | 作成支援装置および作成支援方法 |
JP2019219773A Active JP7496205B2 (ja) | 2018-12-04 | 2019-12-04 | 作成支援装置およびプログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018238797A Active JP7421859B2 (ja) | 2018-12-04 | 2018-12-20 | 作成支援装置および作成支援方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7421859B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022072383A (ja) * | 2020-10-29 | 2022-05-17 | 株式会社Ipsign | 侵害情報抽出システム、方法及びプログラム |
JP7495767B1 (ja) | 2023-10-04 | 2024-06-05 | インパテック株式会社 | プログラム、特許情報処理装置、および特許情報処理方法 |
JP7503232B1 (ja) | 2024-01-29 | 2024-06-20 | 寛 大谷 | 発明に関する説明の作成を支援するための装置、方法及びそのためのプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002207720A (ja) | 2001-01-10 | 2002-07-26 | Japan Science & Technology Corp | 特許明細書作成システム |
JP2004118768A (ja) | 2002-09-30 | 2004-04-15 | Mitsui Chemicals Inc | 特許明細書の作成方法 |
WO2006033210A1 (ja) | 2004-08-19 | 2006-03-30 | Kenji Sato | 特許請求の範囲作成支援方法及び出願審査支援方法 |
JP2016164707A (ja) | 2015-03-06 | 2016-09-08 | 国立研究開発法人情報通信研究機構 | 自動翻訳装置及び翻訳用モデル学習装置 |
US20180232361A1 (en) | 2017-02-15 | 2018-08-16 | Specifio, Inc. | Systems and methods for using machine learning and rules-based algorithms to create a patent specification based on human-provided patent claims such that the patent specification is created without human intervention |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03204071A (ja) * | 1989-12-30 | 1991-09-05 | Hitachi Ltd | モデル明細書ライブラリシステム |
-
2018
- 2018-12-20 JP JP2018238797A patent/JP7421859B2/ja active Active
-
2019
- 2019-12-04 JP JP2019219773A patent/JP7496205B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002207720A (ja) | 2001-01-10 | 2002-07-26 | Japan Science & Technology Corp | 特許明細書作成システム |
JP2004118768A (ja) | 2002-09-30 | 2004-04-15 | Mitsui Chemicals Inc | 特許明細書の作成方法 |
WO2006033210A1 (ja) | 2004-08-19 | 2006-03-30 | Kenji Sato | 特許請求の範囲作成支援方法及び出願審査支援方法 |
JP2016164707A (ja) | 2015-03-06 | 2016-09-08 | 国立研究開発法人情報通信研究機構 | 自動翻訳装置及び翻訳用モデル学習装置 |
US20180232361A1 (en) | 2017-02-15 | 2018-08-16 | Specifio, Inc. | Systems and methods for using machine learning and rules-based algorithms to create a patent specification based on human-provided patent claims such that the patent specification is created without human intervention |
Also Published As
Publication number | Publication date |
---|---|
JP2020095653A (ja) | 2020-06-18 |
JP2020095716A (ja) | 2020-06-18 |
JP7421859B2 (ja) | 2024-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210232762A1 (en) | Architectures for natural language processing | |
JP7496205B2 (ja) | 作成支援装置およびプログラム | |
CN110457439B (zh) | 一站式智能写作辅助方法、装置和*** | |
JP7522267B2 (ja) | 作成支援装置、作成支援方法およびコンピュータプログラム | |
US20120323554A1 (en) | Systems and methods for tuning parameters in statistical machine translation | |
Neudecker et al. | Making Europe's historical newspapers searchable | |
JP7208872B2 (ja) | 提案依頼書(rfp)に基づいて提案書を生成するためのシステム及び方法 | |
CN109960721A (zh) | 基于源内容的多重压缩构造内容 | |
US20140343963A1 (en) | Dynamic Superbill Coding Workflow | |
JP6710007B1 (ja) | 対話管理サーバ、対話管理方法、及びプログラム | |
JP7029204B1 (ja) | 技術調査支援装置、技術調査支援方法、および技術調査支援プログラム | |
Efe et al. | Understanding the internationalization of Turkish higher education through discourse analysis | |
US20200034681A1 (en) | Method and apparatus for automatically converting spreadsheets into conversational robots (or bots) with little or no human programming required simply by identifying, linking to or speaking the spreadsheet file name or digital location | |
Hu et al. | The image of the Chinese government in the English translations of Report on the Work of the Government: a corpus-based study | |
Warren | Chaucer and the future of world literature | |
Koščová et al. | A data-based classification of Slavic languages: Indices of qualitative variation applied to grapheme frequencies | |
Kumaran et al. | wikiBABEL: community creation of multilingual data | |
Velloso-Lyons et al. | The Global Medieval Sourcebook: Creating a Sustainable Digital Anthology of Medieval Texts and Translations | |
Drucker | The Back End: Infrastructure Design for Scholarly Research | |
Formanek | Exploring the potential of large language models and generative artificial intelligence (GPT): Applications in Library and Information Science | |
Domingo et al. | Interactive machine translation for the language modernization and spelling normalization of historical documents | |
JP6777907B1 (ja) | 業務支援装置、及び業務支援システム | |
NL2025417B1 (en) | Intelligent Content Identification and Transformation | |
JP7295463B2 (ja) | 業務フロー作成支援装置、業務フロー作成支援方法、および、業務フロー作成支援プログラム | |
WO2021152809A1 (ja) | 文書情報評価装置および文書情報評価方法並びに文書情報評価プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221202 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231215 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240402 |
|
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: 20240517 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240527 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7496205 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |