2017-000951

特願２０１５－２３６５２３「生成装置、生成方法及び生成プログラム」拒絶査定不服審判事件〔平成２８年　６月３０日出願公開、特開２０１６－１１９０７６、請求項の数（１３）〕について、次のとおり審決する。

【結　論】 原査定を取り消す。 本願の発明は、特許すべきものとする。

【理　由】 第１　経緯 １．手続 本願は、平成２６年１２月１９日に出願した特願２０１４－２５８１１５号の一部を分割して、平成２７年１２月３日に新たな特許出願としたものであって、手続の概要は以下のとおりである。 拒絶理由通知　　　　　　　：平成２８年　６月　３日（起案日） 手続補正　　　　　　　　　：平成２８年　８月　１日 拒絶査定　　　　　　　　　：平成２８年１０月３１日（起案日） 拒絶査定不服審判請求　　　：平成２９年　１月２４日 手続補正　　　　　　　　　：平成２９年　１月２４日 第２　原査定の概要 原審での拒絶の理由は、概略、以下のとおりである。 本願の請求項１－１３に係る発明（平成２８年８月１日付け手続補正書による）は、下記引用例１－７に記載された発明および周知技術に基づいて当業者が容易に発明をすることができたものであるから、特許法第２９条第２項の規定により、特許を受けることができない。 記 引用例１：特開２０００－３４８０１５号公報 引用例２：特開２０１４－３２４４２号公報 引用例３：特開２０１４－１８２５７２号公報 引用例４：特開２００３－６４３０号公報 引用例５：特開２００４－２５８９１５号公報 引用例６：特開２０１０－９４７０号公報 引用例７：特開２００３－３３７５０号公報 第３　審判請求時の補正について 審判請求時の補正は、特許法第１７条の２第３項から第６項までの要件に違反しているものとはいえない。 審判請求時の補正は、当該補正により、 （あ）請求項１、請求項１２、請求項１３の「通信ネットワーク上で取得可能な自然現象に関する情報もしくは所定の製品が通信ネットワーク上にアップロードする情報」（補正前）の記載を、 「所定の製品が通信ネットワーク上にアップロードする情報であって、当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報」（補正後） の記載とし、 （い）同請求項の「第２の事業者の信用度」（補正前）の記載を、「第２の事業者の財務上の信用度」の記載とし、 （う）請求項３ないし請求項５の「第１の事業者の信用度」（補正前）の記載を、「第１の事業者の財務上の信用度」の記載とするものである。 上記（あ）の補正事項は、「もしくは」で表された、択一的な構成「通信ネットワーク上で取得可能な自然現象に関する情報」（以下、構成アという。）、「所定の製品が通信ネットワーク上にアップロードする情報」（以下、構成イという。）のうちの、構成アを削除し、構成イについて、当該構成イが、さらに「当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報」であることを限定したものであるから、特許請求の範囲の減縮を目的とするものである。 また、上記（い）、（う）の補正事項は、「第２の事業者の信用度」および「第１の事業者の信用度」について、上記信用度が「財務上の信用度」であることをさらに限定したものであるから、特許請求の範囲の減縮を目的とするものである。 そして、上記補正事項（あ）については、発明の詳細な説明の【０１２８】に、上記補正事項（い）、（う）については、発明の詳細な説明【００１４】、【００２３】等にそれぞれ記載されているから、当初明細書等に記載された事項であり、新規事項を追加するものではないといえる。 そして、「第４　本願発明」から「第６　対比・判断」までに示すように、補正後の請求項１ないし１３に係る発明は、独立特許要件を満たすものである。 第４　本願発明 本願請求項１ないし１３に係る発明（以下、それぞれ「本願発明１」、「本願発明２」、また、これらを総称して「本願発明」などという。）は、平成２９年１月２４日付けの手続補正で補正された特許請求の範囲の請求項１ないし１３に記載された事項により特定される発明であり、そのうち本願発明１は、以下のとおりの発明である。 【請求項１】 通信ネットワーク上におけるユーザ行動に基づく情報、及び、所定の製品が通信ネットワーク上にアップロードする情報であって、当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報のうち、事業者に関連する情報を取得する取得部と、 前記取得部によって取得された事業者に関連する情報のうち第１の事業者に関連する情報と、前記第１の事業者の信用度を示す指標値との相関性に基づいて、前記取得部によって取得される第２の事業者に関連する情報から当該第２の事業者の財務上の信用度を示す指標値を予測するためのモデルを生成する生成部と、 を備えたことを特徴とする生成装置。 第５　引用例、引用発明等 １．引用例１について 原査定の拒絶の理由に引用された引用例１には、図面とともに次の事項が記載されている。（下線は、当審で付与した。） 【０００１】 【発明の属する技術分野】本発明は、対象企業の評価を行うための方法およびシステムに係り、特に更新間隔の長いデータと更新間隔が短いデータとから対象企業の評価を行うための方法およびシステムに関する。 【０００２】 【従来の技術】金融機関や投資機関、その他あらゆる企業の財務部門や審査部門にとって、その取引先や投資先の企業の信用度を見極めることはきわめて重要な作業である。しかしながら、このような企業の信用度を客観的に診断、評価するのは非常に困難であった。そこで、当該企業の財務データの分析を通じて、その倒産の可能性や信頼度の大きさなどを客観的に数値化する、いわゆる信用リスクの定量化システムの構築が模索されている。ここで、数値化される情報としては、格付情報や倒産（債務不履行）確率などがある。 【０００３】このような従来の財務分析により企業の評価を行なう手法は、定期的に公表される企業の貸借対照表や損益計算書などからの財務データに基づくものが中心である。そして、このような財務データは、決算期ごとに１年単位や四半期単位で更新されるのが一般的である。したがって、必要な時点において審査や格付の算出を行なおうとしても、財務データはその時点における最新のものを入手できるわけでない。その結果、所望の時点で経済の変化を反映した最新の信用度を算出することはできない。 【０００４】すなわち、従来の企業の評価システムとして、更新間隔が比較的長い企業の財務データに基づき、推定や多変量解析などの統計的手法およびデータマイニングなどの手法を用いて、評価対象となる企業の審査や格付を行うものは存在するが、このようなシステムでは、現時点での経済状況に動的に対応した最新のリスク評価を行うことはできず、適時に客観的な企業評価を算出することができないという問題点があった。 【０００５】さらに、外部機関等を通じてすでに一定の評価データ（例えば格付など）を得ている企業であれば、それをもとに一定の信用リスクを判断することは可能である。しかしながら、そのような評価データをいまだ有していない企業の場合、適時な信用リスクの評価を行うことはきわめてむずかしい。 【０００６】近年は、信用リスクの変動がマクロ経済の激しい変動と同様にかなり激しくなっており、より正確なリスクの判断が求められている。この傾向は今後もさらに続くものと思われる。 【０００７】 【発明が解決しようとする課題】本発明の目的は、評価したい時点において、適時に対象企業を評価できるシステムを提供することにある。 【０００８】また、本発明の他の目的は、経済の変化を反映した最新の企業評価を行なうことができるシステムを提供することにある。 【０００９】さらに、本発明の他の目的は、評価データが存在しない企業に対しても、適時に企業評価を行うことができるシステムを提供することにある。 【００２４】図２は、本発明の基本的な機能構成を示す図である。本発明を実施するシステムは、基本的構成として、サンプル企業のデータ記憶部１１０、評価対象企業（単に「対象企業」ともいう）のデータ記憶部１２０、評価モデル作成部１３０、評価データ算出部１４０、および評価データ出力部１５０を含む。 【００２５】サンプル企業データ記憶部１１０は、評価モデル作成のために複数のサンプル企業のデータを、対象企業データ記憶部１２０は、実際に評価したい対象企業のデータを、それぞれ読み込み、評価モデル作成部１３０および評価データ算出部１４０に入力する。データの読み込み方には、データベースへの定期的な一括入力、画面からの逐次入力、システムの計算結果の自動入力等がある。また、ここで読み込まれるデータには、上記の静的データおよび動的データの双方を含む一定の財務指標や経済指標、ならびに実際の外部の格付情報や計算済みの一時データ（評価出力）が含まれる。 【００２６】評価モデル作成部１３０は、入力されたデータに基づき、企業評価の算出を行うための評価モデル、すなわち一定のアルゴリズムを構築する。例えば、「ある財務指標がいくつであったなら格付は何になる」といったルールを見つけ出し、これをモデル化する。この評価モデルを作成する手法としては、サンプル企業のデータを統計的手法で分析してモデルを最適化するもの、ニューラルネットワークを用いた判別方法を用いてモデルを最適化するもの、決定木を用いたデータマイニング技術を用いるもの等があり、そのいずれを採用してもよいし、また他のモデル化手法を採用してもよい。また、異なる角度からの分析を通じて出力評価の精度を高めるべく、複数の手法を独立してまたは組合わせて用いてもよい。 【００２９】図３は、本発明のより詳細な機能構成を示す図である。以下では、企業の財務指標ならびに株価、金利および為替などのマクロ経済指標といった債権格付の決定に影響があると思われる情報を分析し、得られた結果と格付情報の相関ルール（モデル）から対象企業の格付および格付変動値を算出する手法として、本発明の実施例を説明する。 【００３０】サンプル企業データ入力部２１０は、主に評価モデルを作成するための複数のサンプル企業のデータを入力する。本発明の実施例では、静的モデルにおいては、連結決算が発表されている企業を対象に過去４年分でのべ約１８００社分のデータを、動的モデルにおいては、サンプリング前でのべ約５０万社分のデータを分析のために入力した（動的モデルは日単位でデータを集めるので静的モデルの場合よりも数は多くなる）。入力されるデータは、大きく分けて、静的データと動的データがある。 【００３１】静的データとは、決算期毎に公表される財務指標（売上高、キャッシュフロー等）のように内容が更新される間隔が長いデータをいう。動的データとは、日々変動する株価、金利、為替、ＴＯＰＩＸなどのように内容が更新される間隔が静的データよりも短いデータをいう。財務指標や株価などは、そのサンプル企業固有のものだけでなく業種平均のような平均値の指標も含む。 【００３２】また、上記のような格付機関が提供するサンプル企業の実格付のデータも、モデル作成のための教師値として入力データに含まれる。これは、静的モデルへの適用場面では静的データとして、動的モデルへの適用場面では動的データとして扱われる。格付データは、実際の格付を図５のように数値化したものであり、後述の評価モデルが算出する評価データ（格付データ）もこれに対応した数値で表わす。 【００３３】静的モデル作成部２２０は、決算期毎に公表される静的データの入力とその決算日における動的データの入力に基づき評価モデル（静的モデル）を構築する。静的モデルは、決算日における格付そのものを算出するためのものであり、実格付が存在する企業であれば、格付をモデルにより算出して比較することにより、財務状況から見て格付機関により付けられている実際の格付が高いのか低いのかを評価できる。決算日における動的データは必ずしも必須の入力ではないが、これによって、より決算日における企業実態にあった正確な評価を得ることができるため、静的モデルへの適用場面では、静的データの一部として取扱われる。 【００４１】静的モデルによる評価データ（格付数値）の算出部２３０は、入力部２４０からの評価対象企業のデータを静的モデルに適用して、当該対象企業の格付数値を算出し、その結果２３４を出力する。また、後の動的モデルの作成のため、各サンプル企業のデータも静的モデルに適用して、それぞれの格付数値２３２も算出し出力する。算出部２３０に入力される企業データとしては、静的モデル構築時の分析により必要なものとして選択された指標と同じ指標のデータが用いられる。ただし、算出部２３０への入力（２１０、２４０）として、実際の格付機関による実格付のデータは含まれない。算出部２３０は、格付をシミュレーションするためのものであり、実格付を入力しても意味をもたないからである。 【００４２】動的モデル作成部２５０は、サンプル企業についての静的モデルによる評価出力（格付数値）２３２と動的データの入力２１０に基づき評価モデル（動的モデル）を構築する。動的モデルは、マクロ経済の変動に対応した動的データ（株価等の動的指標）の変化により、格付が受ける変動量を予測し算出するためのモデルである。 【００４３】入力として用いられる評価出力（格付数値）２３２は、静的モデル作成時の決算日時点のものであるので決算日から当該日までの日数を考慮して、経過日数も入力指標の１つとするのが好ましい。また、入力されるサンプル企業の動的データは、評価したい時点での最新の動的指標であるが、実格付の値や教師値としての格付変動値もこれに含まれる。格付変動値とは、図５の格付数値にしたがい格付の変動前と変動後の差を数値化したものであり、本発明では図６のように５段階で表わす。すなわち、格付が変わらなかった日の格付変動値は０、１つ格上げのときは－１、２つ格下げのときは＋２、のように表わす。これらの動的データは日々発生し膨大な量となる。例えば、日々収集されるサンプルレコード数は（サンプル収集期間内の営業日数）×（対象企業数）であり、その数は膨大なものとなってしまうので、学習を効率よくできるようサンプリングして精度の高いモデルが構築されるようレコード数を調整するのが望ましい。 【００４４】動的モデル作成部２５０は、これらの入力に対して、静的モデルと同様の手法で動的モデルを構築する。 【００４５】動的モデルによる評価データ（格付変動値）の算出部２６０は、入力部２４０からの評価対象企業の動的データを静的モデルからの出力２３４とともに動的モデルに適用して、当該対象企業の格付変動値を算出し、その評価データ２７０を出力する。格付変動値は、図６のように表わされる。算出部２６０に入力される対象企業データには、動的モデル構築時の分析において必要なものとして選択された指標と同じ指標のデータが用いられる。また、本実施例ではその入力に含めているが、対象企業データからの入力（２４０）として、実際の格付機関による実格付のデータを含める必要性は必ずしもない。これは、一旦、モデルが構築された後であれば、モデルへの適用に必要な指標に対応するデータさえあれば格付数値を算出できるためである。 【００４６】図４は、本発明の処理の流れを示すフロー図である。本発明の処理は、ステップ３１０において、複数のサンプル企業の静的データ（実格付のデータを含む）の入力により開始される。 【００４７】まず、ステップ３２０において、入力されたサンプル企業の静的データに基づき第１のモデル（静的モデル）を作成する。すなわち、入力されたデータのうちどの指標が実際の格付の決定にどの程度の影響を及ぼすのかについての相関ルールを見つけ出し、これをモデル化する。 【００４８】静的モデルが構築されると、サンプル企業の静的データをこのモデルに適用し（ステップ３３０）、それぞれのサンプル企業の評価データ、ここでは決算日における各サンプル企業の有すべき格付数値（図５参照）を算出し、これを出力する（ステップ３４０）。好適には、静的モデルに適用されるデータは、そのモデルを作成する際に、格付に影響を及ぼす分析に必要な指標として選択されたデータと同じデータである。また、出力された格付数値と入力された実格付の数値が異なる場合がある。これは、実際の格付と本来あるべき格付値にズレが生じていることを示しており、本発明により算出された格付の方が、評価企業の財務状況をより広範に反映しうる分、より実態に即した内容を提示しうるといえる。 【００４９】次に、ステップ３５０において、各サンプル企業の動的データを、ステップ３４０で出力された評価データ（決算日における格付数値）とともに入力し、これに基づき、ステップ３６０で動的モデルを作成する。すなわち、経済状況の変動に対応した株価等の動的指標の変化により格付がどのように変化するかを、図６に示すような格付変動量の算出という形でモデル化する。 【００５０】動的モデルが構築されると、実際に評価したい対象企業の評価のステップに移る。まず、評価したい時点からみて最新の決算日における対象企業の静的データを上述の静的モデルに適用し（ステップ３３２）、当該企業の評価データ、すなわち当該決算日における格付数値を算出する（ステップ３４２）。この算出された格付数値と評価したい時点での当該対象企業の動的データとを入力し、これらを動的モデルに適用することによって（ステップ３７０）、最終的な評価データとして格付変動値が算出される（ステップ３８０）。すなわち、算出された格付数値と格付変動値とから、評価したい任意の時点での最新の対象企業の格付情報が得られるわけである。 したがって、上記引用例１には次の発明（以下、「引用発明」という。）が記載されていると認められる。 各サンプル企業の決算期毎に公表される財務指標（静的データ）を入力し、入力されたサンプル企業の静的データのうちどの指標が実際の格付の決定にどの程度の影響を及ぼすのかについての相関ルールを見つけ出し、これをモデル化する（静的モデルを作成する）静的モデル作成部と、 静的モデルにサンプル企業の静的データを適用することで各サンプル企業の有すべき格付数値を算出する静的モデルによる評価データ算出部と、 各サンプル企業の日々変動する株価、金利、為替、ＴＯＰＩＸなど（動的データ）と上記格付数値を入力し、動的モデルを作成する動的モデル作成部と、 実際に評価したい対象企業の静的データを上述の静的モデルに適用し当該対象企業の格付数値を算出し、この算出された格付数値と評価したい時点での当該対象企業の動的データとを入力し、対象企業の格付数値と当該対象企業の動的データとを上記動的モデルに適用することによって、最終的な評価データとして格付変動値を算出する動的モデルによる評価データ算出部とを有する、 システム。 ２．引用例２について 原査定の拒絶の理由に引用された引用例２には、図面とともに次の事項が記載されている。 【０００１】 本発明は、オンライン上の商品を販売するネットショップの客観的な評価・格付けを行う装置に関するものである。 【００１６】 更に、モール管理サーバ２０は、各ネットショップにおける商品の販売実績（一定期間内の販売数，売上など）や、商品に対する購買者の評価得点などを上記データベースの情報に基づいて集計し、各商品ジャンルにおける商品のランキング（売上順，満足順，注目順など）を算出する。 【００１７】 ネットショップ評価サーバ１０は、通信ネットワーク９を介してアクセスする端末装置５からの要求に応じてモール管理サーバ２０にアクセスし、端末装置５によって指定されたネットショップの評価を行い、その評価結果を表示するＷｅｂページを生成して要求元の端末装置５に送信する。 【００２５】 情報収集部１１０は、算出部１１１において種々の指数等を算出するために必要な情報を取得するためのブロックである。情報収集部１１０は、モール管理サーバ２０にアクセスして、端末装置５に指定された特定のネットショップの情報を収集する。すなわち、情報収集部１１０は、特定のネットショップのＷｅｂページにアクセスしてそのコンテンツを解析し、様々な情報を収集する。 【００２６】 例えば、情報収集部１１０は、モール管理サーバ２０のネットショップのＷｅｂページから次のような情報を収集する。 （１）ネットショップにおける商品の品数と、その増減の推移 （２）ネットショップの各商品に対する購買者のレビューの数、購入者のレビュー総合評価平均点数と、その増減の推移 （３）ネットショップの各商品に対する購買者の評価の点数と、その増減の推移 （４）電子ショッピングモールのランキングシステムにおいて得られたネットショップの商品の順位に関する情報（ランクインした商品、順位、順位の推移など） （５）ネットショップの店舗概要ページに含まれる情報（代金の支払い方法、商品の送料、配送方法に関する情報など） （６）ネットショップに対する購買者のレビューの数と、その増減の推移 （７）ネットショップに対する購買者の評価の点数と、その増減の推移 （８）ネットショップで販売される各商品の商品名 （９）ネットショップで販売される各商品のキャッチコピー （１０）ネットショップの各商品に付された電子ショッピングモール内での商品分類コード 【００２７】 算出部１１１は、情報収集部１１０において収集される情報に基づいて、ネットショップの評価に関わる数値を算出する。例えば、算出部１１３は、以下の数値を算出する。 ３．引用例３について 原査定の拒絶の理由に引用された引用例３には、図面とともに次の事項が記載されている。 【００７３】 図１０は、本実施形態に係るスコアデータの一例を示す。スコアデータは、店舗ソリューションサービスの提供先である各店舗２について、融資条件（融資金額、融資期間、融資金利等）の判定に利用される信用情報の元となるものである。このため、スコアは、融資枠を評価するための観点から見た評価軸（評価基準）のスコア値である。具体的に、スコアデータは、「財務上の評価」、「将来性の評価」、「ネット上の評価」などの評価軸（評価基準）と、それぞれのスコア値とを有する。 【００７４】 「財務上の評価」は、店舗２の財務上の健全性に関する評価値である。例えば、キャッシュフロー、売掛金、負債（金融業者等からの借入金、未払いの買掛金等）など、様々な観点から財務状態の健全性が評価されることにより算出される。評価が高いほど、高いスコアとなる。なお、「財務上の評価」のスコアは、主に店舗ソリューションＤＢ１２０に格納・蓄積されているログデータ（店舗運営の店舗実績データ）に基づいて、所定の評価アルゴリズム（例えば、所定の評価関数Ａ）により算出される。また、直近の店舗ソリューションＤＢ１２０に格納・蓄積されているログデータ（店舗運営の店舗実績データ）が用いられるので、つい直近の財務状態を含めた評価値が算出される。 【００７５】 「将来性の評価」は、店舗２の将来性に関する評価値である。例えば、クーポン発行数や回収数、予約数や予約数推移、顧客のリピート率など、財務上以外の観点から、店舗の将来性（発展可能性ともいえる）が評価されることにより算出されるスコアである。評価が高いほど、高いスコアとなる。なお、「将来性の評価」のスコアは、主に店舗ソリューションＤＢ１２０に格納・蓄積されているログデータ（店舗運営の店舗実績データ）に基づいて、所定の評価アルゴリズム（例えば、所定の評価関数Ｂ）により算出される。 【００７６】 「ネット上の評価」は、店舗２の話題性に関する評価値である。例えば、店舗Ｗｅｂサイトへのアクセス数、検索数、検索クエリ、広告数、ＣＴＲ、口コミ回数、口コミ評価、ネット上の注目度など、Ｗｅｂマーケティングの観点から、店舗のネット上、話題にのぼったり、注目されたりすることにより算出されるスコアである。評価が高いほど、高いスコアとなる。なお、「ネット上の評価」のスコアは、主にＷｅｂソリューションＤＢ１４０に格納・蓄積されているログデータ（店舗のＷｅｂ管理データ）に基づいて、所定の評価アルゴリズム（例えば、所定の評価関数Ｃ）により算出される。 【００７７】 なお、上述の「財務上の評価」、「将来性の評価」、「ネット上の評価」などの評価軸（評価基準）はあくまで一例である。スコアデータは、この外にも、融資条件を評価するための評価軸（評価基準）を含むことが可能である。 ４．引用例４について 原査定の拒絶の理由に引用された引用例４には、図面とともに次の事項が記載されている。 【００２０】ここで、前記格付けモデリング手段又はステップは、該抽出された財務指標の中から数個を組み合わせて重回帰分析を行うことにより格付けモデルを求めることができる。 ５．引用例５について 原査定の拒絶の理由に引用された引用例５には、図面とともに次の事項が記載されている。 【００４９】 ［選抜処理の変形例］ 次に選抜処理の際に、上述の業種分類の結果を用いる例について述べる。この例では、選抜処理の処理負荷が軽減される。すなわち、経験的に同じ業種の企業については同じ評価基礎情報の群が選抜されやすいので、ある企業に対する選抜処理の結果を、その企業が属する業種の情報に関連付けて記憶部１３に格納しておき、後に、同じ業種の企業が評価の対象となったときに、当該選抜処理の結果を記憶部１３から取り出して利用する。 ６．引用例６について 原査定の拒絶の理由に引用された引用例６には、図面とともに次の事項が記載されている。 【００１４】 また、本発明の震災時リスク推定システムは、地震に伴う貸出先被災時における収益変動リスクを推定するコンピュータシステムであって、貸出先企業毎の所在地、建物、与信、および財務の各データを少なくとも備える債務者データベースと、発生が予想される地震のデータを格納した地震データベースと、企業格付の推移傾向を示す格付推移データもしくは格付け推移や財務状態等に応じた企業の倒産確率のデータを格納した倒産データベースとを記憶装置に備え、前記債務者データベースより各貸出先企業の建物データをメモリに読み出し、当該建物データから所定震度毎の震災後の建物被害状況を推定し、貸出先企業毎の建物被害状況のリストを生成して記憶装置に格納する手段と、前記記憶装置に格納した所定震度毎の震災後の建物被害状況リストと、前記債務者データベースにおける該当貸出先企業の与信および財務の各データとに基づいて、該当貸出先企業における所定震度毎の震災後の財務状態を推定し、貸出先企業毎の震災後財務状態のリストを生成して記憶装置に格納する手段と、前記地震データベースから所定地震データを読み出して、当該地震データに応じた地震が発生した場合の各貸出先企業の所在地における震度を算定し、前記記憶装置の建物被害状況リストより前記算定した震度に応じた建物被害状況を特定しメモリに格納する手段と、前記メモリに格納した各建物被害状況に応じて各貸出先企業の被害額の推定を行ってメモリに格納する手段と、前記メモリに格納した各貸出先企業の被害額に基づいて前記地震発生後の貸出先企業の財務状態の推定と当該財務状態に応じた震災後格付の推定とを行ってメモリに格納する手段と、前記メモリに格納した震災後格付または財務状態と、前記倒産データベースにおける格付推移データもしくは倒産確率データとから、前記地震の発生後に該当貸出先企業が倒産するか否かを推定する手段と、前記推定により震災後に倒産するとされた貸出先企業が実際に倒産した場合の債権の回収不能額を推定しメモリに格納する手段と、前記地震データベースの含む複数の各地震データに基づいてそれぞれの地震に関し推定した前記メモリ中の回収不能額に基づき、震災後のリスク量を算出する手段と、を備える。 ７．引用例７について 原査定の拒絶の理由に引用された引用例７には、図面とともに次の事項が記載されている。 【００４６】次に、本実施の形態にかかる情報収集システム１の動作を図面を参照して説明する。まず、使用状況情報を送信・蓄積する際の処理を図９のフローチャートを参照して説明する。 【００４７】各複写機３００は、各動作毎に、図３に示すような使用状況を示す情報を送信装置４００に送信し、送信装置４００は受信した情報を記憶部４２に蓄積する（ステップＳ１０１）。このとき、複写機３００は、制御部３０により用紙センサ部３１、稼働時間取得部３２が検出した信号、および消費電力算出部３３の動作を示す情報を送信装置４００に送信する。 【００４８】送信装置４００は、記憶部４２に蓄積した情報を一定期間毎にセンタ１００に送信するものとする。従って、予め設定された時間に、送信部４３は記憶部４２に蓄積された情報をセンタ１００に送信する（ステップＳ１０２：ＹＥＳ、Ｓ１０３）。 【００４９】送信部４３による情報の送信が完了すると、制御部４０は、記憶部４２に蓄積された情報をクリアし、複写機３００からの次の情報受信を待機する（ステップＳ１０４）。 【００５０】一方センタ１００では、ステップＳ１０３で各送信装置４００から送信された使用状況情報を、情報収集部１１０の通信部１１が受信し、使用状況情報データベース１２に蓄積する（ステップＳ１０５，Ｓ１０６）。このとき、使用状況情報データベース１２には、受信した情報が顧客別に蓄積される。 【００５１】次に、情報分析部１２０による環境負荷分析処理を図１０のフローチャートを参照して説明する。 【００５２】まず、所定の分析開始タイミングになると（ステップＳ２０１：Ｙｅｓ）、制御部２０は、情報収集制御部１０に指示し、使用状況情報データベース１２から、対象分析となる顧客（オフィス・フロア単位などでの指定も含む）が使用する複写機３００についての使用状況情報を取得する（ステップＳ２０２）。 【００５３】制御部２０は、ステップＳ２０２で取得した使用状況情報に指定される複写機３００の機種に関する情報（以下、「機種情報」と称す）を商品情報データベース２１から取得し、使用状況情報と機種情報とに基づいて、当該機種についてインベントリ分析を行う（ステップＳ２０３）。 【００５４】ここでは、メモリなど（不図示）に記憶された所定の動作プログラムを制御部２０が実行することにより、対象製品の使用段階でのインベントリ分析を行う。例えば、機種情報に示される、コピー１枚当たりの枯渇性資源使用量や消費電力量および使用電力量に基づくＣＯ２排出量などの情報に基づいて、使用状況情報に示される使用状況下でのインベントリ分析を行う。つまり、様々な項目について、単位時間や単位量当たりの投入エネルギー量や排出物量などが算出される。 【００５５】算出された各項目の数値は、インベントリテーブル２２に記録される（ステップＳ２０４）。 【００５６】次に制御部２０は、ステップＳ２０４でインベントリテーブル２２に記録されたインベントリ分析値に基づいて、インパクト評価を行う（ステップＳ２０５）。ここでは、メモリなど（不図示）に記憶された、所定のインパクト評価手法に基づいたプログラムを制御部２０が実行し、インベントリテーブル２２のデータを用いて対象製品の使用段階でのインパクト評価を行う。 【００５７】ここでは、まず、分析対象を設定する。つまり、分析対象を企業単位か、オフィス単位か、フロア単位か、機種単位か、で設定する。ここでは、オフィス単位での設定がされた場合を例に説明する。 【００５８】分析対象となるオフィスのオフィスコードを入力部２５から入力すると、制御部２０は、顧客情報データベース２４にアクセスし、当該オフィスに対応する機器ＩＤを取得する。 【００５９】次に、制御部２０は、取得した機器ＩＤに対応するインベントリデータをインベントリテーブル２２から取得する。制御部２０は、所定のインパクト評価手法に基づき、取得したインベントリデータを用いてインパクト評価を行う。ここで、所定のインパクト評価手法とは、例えば、インベントリデータの各数値に所定の係数を乗じたり、状況や特性、重要度などに応じて適宜重み付けを行うなどして、分析対象毎に、各環境負荷項目の環境負荷レベルを示す定量的な結果を得るためのアルゴリズムを示すものである。 【００６０】制御部２０は、インパクト評価の結果を分析結果テーブル２３に記録し（ステップＳ２０６）、処理を終了する。 【００６１】なお、上述のインパクト評価の結果に基づいて、当該顧客に対し、環境経営に関する提案を行ってもよい。例えば、顧客がISO14000シリーズなどを取得しようとしている場合、取得のために改善しなければならない点などを、インパクト評価の結果から提案することができる。 【００６２】上記実施の形態では、通信ネットワーク２として公衆回線網を用いた場合を例に説明したが、任意の通信ネットワークを通信ネットワーク２として採用可能である。例えば、通信ネットワーク２を専用線、移動体通信網、ケーブルテレビ（ＣＡＴＶ網）、有線放送網、無線通信網など、あるいは、これらの複合から構成してもよい。 【００６３】上記実施の形態では、分析対象の製品として複写機を例に挙げたが、これに限られず、あらゆる商品について本発明を適用することができる。この場合、使用状況情報をセンタ１００に送信する方法は任意である。例えば、センタ１００が、インターネット上にウェブページを開設できる構成とし、使用状況情報を、センタ１００が提示するウェブページ上で入力するようにしてもよい。このような構成によれば、上記実施の形態のように、対象製品の使用状況情報を自動的にセンタ１００に送信する構成が採用できない場合であっても、本発明を採用することができる。 第６　対比・判断 １．本願発明１について （１）対比 引用発明では、各サンプル企業の静的データ、実際に評価したい対象企業の静的データ、各サンプル企業の動的データ等を入力しているから、これらのデータを取得する取得部を有しているといえ、「事業者に関連する情報を取得する取得部」を有しているといえる。 もっとも、上記「事業者に関連する情報」が、本願発明１では、「通信ネットワーク上におけるユーザ行動に基づく情報、及び、所定の製品が通信ネットワーク上にアップロードする情報であって、当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報」であるのに対し、引用発明では、「決算期毎に公表される財務指標（静的データ）」、「日々変動する株価、金利、為替、ＴＯＰＩＸなど（動的データ）」である点で相違する。 引用発明では、静的モデル作成部および動的モデル作成部において、各サンプル企業の静的データおよび各サンプル企業の動的データを入力することで、例えば、静的モデルについては「入力されたサンプル企業の静的データのうちどの指標が実際の格付の決定にどの程度の影響を及ぼすのかについての相関ルールを見つけ出し、これをモデル化する」のであるから、「第１の事業者に関連する情報と、前記第１の事業者の信用度を示す指標値との相関性に基づいて」モデルを生成している。 上記モデル（静的モデル、動的モデル）は、当該モデルに、実際に評価したい対象企業の静的データ、実際に評価したい対象企業の動的データを適用することで、対象企業の最終的な評価データとして格付変動値を算出するのであるから、「第２の事業者に関連する情報から当該第２の事業者の財務上の信用度を示す指標値を予測するためのモデル」といえる。 したがって、引用発明は、本願発明１の「前記取得部によって取得された事業者に関連する情報のうち第１の事業者に関連する情報と、前記第１の事業者の信用度を示す指標値との相関性に基づいて、前記取得部によって取得される第２の事業者に関連する情報から当該第２の事業者の財務上の信用度を示す指標値を予測するためのモデルを生成する生成部」を備えているといえ、当該生成部を備えるシステムは、生成装置である。 以上のとおりであるから、本願発明１と引用発明との間には、次の一致点、相違点があるといえる。 （一致点） 事業者に関連する情報を取得する取得部と、 前記取得部によって取得された事業者に関連する情報のうち第１の事業者に関連する情報と、前記第１の事業者の信用度を示す指標値との相関性に基づいて、前記取得部によって取得される第２の事業者に関連する情報から当該第２の事業者の財務上の信用度を示す指標値を予測するためのモデルを生成する生成部と、 を備えたことを特徴とする生成装置。 （相違点） 上記「事業者に関連する情報」が、本願発明１では、「通信ネットワーク上におけるユーザ行動に基づく情報、及び、所定の製品が通信ネットワーク上にアップロードする情報であって、当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報」であるのに対し、引用発明では、「決算期毎に公表される財務指標（静的データ）」、「日々変動する株価、金利、為替、ＴＯＰＩＸなど（動的データ）」である点。 （２）相違点についての判断 上記相違点について検討する。 本願明細書には以下のとおりの記載がある。 「【００１４】 ここで、図１に示した事業者データ提供者５０は、事業者に関する財務情報等を収集し、収集した情報に基づいて、事業者の信用度を算出することを専門とする企業である。例えば、事業者データ提供者５０は、算出したスコアなど、事業者の信用情報を金融機関等に販売する事業を行う。また、事業者データ提供者５０は、事業者の財務情報や、場合によっては人為的な評価（例えば、経営者の人柄や統率力などの評価）に関する情報を踏まえて、事業者のスコアを算出するための独自のモデルを有する。例えば、事業者データ提供者５０は、事業者を評価する項目として、事業者の安定性や、成長性や、経営者能力や 、公開性などの各項目を設定する。そして、事業者データ提供者５０は、各項目に対応するスコアを算出することによって、事業者の信用度を示す総合的なスコアを算出する。 【００１５】 ここで、図１に示すように、事業者は、規模や株式上場の状況などにより、巨大企業や一部上場企業、大企業、中小企業や個人事業主などのカテゴリに分類される。図１左部では、事業者が、巨大企業、大企業、中小企業などのいずれのカテゴリに属するかを概念化して示している。このうち、巨大企業や、大企業の一部は、「事業者データあり」に分類される。ここで、事業者データとは、事業者の信用度を評価するための財務情報や、資本関係等を含む情報である。また、事業者データには、公開されている情報のみならず、例えば、事業者データ提供者５０に所属する調査員が独自に調査して取得される情報を含む。すなわち、「事業者データあり」に分類される事業者は、事業者データ提供者５０によって事業者データが分析されることにより、信用度を示すスコアが付与される。 【００１６】 一方、「事業者データなし」に分類される事業者は、事業者データ提供者５０によって分析される事業者データが不足していることから、信用度を示すスコアが付与されない。これは、例えば、事業者が非上場であるため財務情報の公開が不十分であったり、中小企業の数が多いことで事業者データ提供者５０の調査員が全ての事業者を調査することが現実的に不可能であったりすることによる。すなわち、事業者データ提供者５０が事業者のスコアを算出することができるのは、事業者のうち比較的規模の大きいごく一部に限られる。このため、事業者の多くは、信用度を証明することができず、金融機関から融資を受けることができなかったり、融資額が正確に算出されなかったりするといった不利益を被る可能性がある。 【００１７】 そこで、生成装置１００は、公開されている財務情報の取得や、調査員による人為的な情報の収集によらず、事業者の信用度を示すスコアを出力することを可能にするため、以下に説明する処理を行う。 【００１８】 まず、生成装置１００は、事業者データ提供者５０が事業者データに基づいて事業者のスコアを算出するためのモデルに関する情報を取得する。ここで、事業者データ提供者５０は、事業者データとして取得した事業者の業歴や、資本構成や、規模や、損益などの情報に基づいて、事業者をスコア付けする（ステップＳ０１）。言い換えれば、事業者データ提供者５０は、判定対象となる事業者に対して、事業者データ提供者５０が有する既存のモデルに基づく事業者に対するスコアを付与する。そして、生成装置１００は、事業者データ提供者５０が提供（または、販売）する事業者データであって、算出されたスコアを含むデータを取得する。このとき、事業者データ提供者５０は、総合的なスコアを付与するために用いた各項目の評価内容や、各項目のスコアに関する情報についても提供するものとする。 【００１９】 ここで、生成装置１００は、ネットワーク情報に基づいて、事業者データ提供者５０が既にスコアを付与した事業者について、事業者をスコア付けする（ステップＳ０２）。詳しくは後述するが、生成装置１００は、例えば、事業者データ提供者５０が「安定性」を評価するために用いた自己資本力や担保余力などを、ネットワークで取得可能なデータに対応させることにより、「安定性」に対応したスコアを出力するモデルを生成する。一例としては、生成装置１００は、検索サイトにおける当該事業者名の検索数や、当該事業者が販売する製品の製品レビューの総合評価などを用いて、事業者データ提供者５０が算出した「安定性」の項目に対応するスコアを出力することのできるモデルを生成する。生成装置１００は、かかる処理を「成長性」や、「経営者能力」や、「公開性」などの各項目に対して行う。生成装置１００は、かかる処理により生成されたモデルを用いて、当該事業者に対して試算された事業者のスコアを取得する。 【００２０】 そして、生成装置１００は、生成されたモデルにより試算されたスコアと、事業者データ提供者５０が算出したスコアとを比較する（ステップＳ０３）。これにより、生成装置１００は、例えば、事業者データ提供者５０が算出した「安定性」の項目のスコアに対応させるために適するネットワーク情報や、ネットワーク情報の数値化などに対する解を導く。言い換えれば、生成装置１００は、事業者データ提供者５０が有するモデルを正解モデルとして、自身が生成したモデルを学習させる。生成装置１００は、多数の事業者データに対して繰り返すことにより、モデルを最適化させる（ステップＳ０４）。 【００２１】 これにより、生成装置１００は、事業者データ提供者５０がスコアを算出しないような中小企業に対しても、スコアを算出することが可能となる。具体的には、生成装置１００は、中小企業に関するネットワーク情報を取得し、取得した情報を生成したモデルに入力する。そして、生成装置１００は、最適化したモデルにより事業者をスコア付けする（ステップＳ０５）。これは、生成装置１００が、中小企業などの事業者に対して、事業者データ提供者５０のような専門業者が有する既存のモデルによって算出されるスコアと同等の価値を持つ事業者スコアを付与することを意味する。 【００２２】 このように、実施形態に係る生成装置１００は、通信ネットワーク上の情報のうち、事業者に関連する情報を取得する。そして、生成装置１００は、取得された事業者に関連する情報のうち、事業者データ提供者５０によりスコアが付与されている事業者に関連する情報と、事業者データ提供者５０によって付与されているスコアとの相関性に基づいて、事業者データ提供者５０によってスコアが付与されていない事業者の信用度を示すスコアを予測するためのモデルを生成する。 【００２３】 これにより、実施形態に係る生成装置１００は、一般的に融資条件を判定するために用いられる企業の財務情報等によらなくとも、事業者の信用度を測定し、スコア付けをすることのできるモデルを生成することができる。言い換えれば、生成装置１００によれば、財務情報等に基づいて事業者の信用度を評価する専門機関である事業者データ提供者５０が付与するスコアによらず、事業者のスコアを算出することができる。このため、生成装置１００は、事業者データ提供者５０がスコアを付与しない中小企業や、個人事業主や、ベンチャー企業などの対しても、事業者のスコアを算出し、かかるスコアを信用情報として提供することができる。これにより、中小企業等は、金融機関等から適切な融資を受けることが可能となる。また、生成装置１００は、インターネット上におけるユーザ行動という、膨大なサンプル数から構成される情報を取得することが可能である。そして、生成装置１００は、事業者データ提供者５０が提供するスコアを正解データとし、多数のサンプルを学習することにより、モデルを最適化することができる。これにより、生成装置１００は、精度の高いスコアを求めることのできるモデルを生成することができるので、事業者に対する信用度を精度高く算出することができる。なお、生成装置１００によって算出されるスコアは、必ずしも金融支援を目的として活用されるのではなく、例えば、事業者の種々の営業活動（広告を配信する広告主としての信用度や、ショッピングサイトの加盟店としての信用度など）に活用することもできる。」 以上の記載によれば、本願発明は、「財務情報の公開が不十分であったり、・・・事業者データ提供者５０の調査員が全ての事業者を調査することが現実的に不可能」な企業であっても、信用度を測定できるように、「一般的に融資条件を判定するために用いられる企業の財務情報等によらなくとも、事業者の信用度を測定し、スコア付けをすることのできるモデルを生成する」ことを目的としているといえる。 これに対して、引用発明は、「定期的に公表される企業の貸借対照表や損益計算書などからの財務データに基づくものが中心であ」って、「財務データはその時点における最新のものを入手できるわけでな」く、「所望の時点で経済の変化を反映した最新の信用度を算出することはできない」（【０００３】－【０００４】）従来の評価法を改善するためになされた発明であって、評価のためのモデルの作成に、本願発明のように、「一般的に融資条件を判定するために用いられる企業の財務情報等によらなくとも、事業者の信用度を測定し、スコア付けをすることのできるモデルを生成する」ことについて、想定されていない。 また、審査官が拒絶の査定にて提示した、引用例２ないし引用例７をみても、ネットワークを介して得ることができる各種情報を用いることで、企業の活動状況を知ることができることは理解できるものの、これらの各種情報を用いて、「財務上の信用度を示す指標値を予測するためのモデルを生成する」ことは当業者といえども容易に為し得たこととはいえない。 以上のことからみて、引用発明において、「事業者に関連する情報」として、「通信ネットワーク上におけるユーザ行動に基づく情報、及び、所定の製品が通信ネットワーク上にアップロードする情報であって、当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報」を採用することは、引用発明および引用例２ないし引用例７の記載に基づいて、当業者が容易に為し得たことであるということはできない。 ２．本願発明２ないし１１について 本願発明２ないし１１は、本願発明１の記載を引用する発明であるから、上記相違点と同一の構成を備えるものであって、本願発明１と同じ理由により、当業者であっても、引用発明、拒絶査定において引用された引用例２ないし引用例７に記載された事項に基づいて容易に発明できたものとはいえない。 ３．本願発明１２、１３について 本願発明１２および１３は、それぞれ、「生成方法」、「生成プログラム」に関する発明であるが、何れの請求項に係る発明も、その構成に、本願発明１に記載された「通信ネットワーク上におけるユーザ行動に基づく情報、及び、所定の製品が通信ネットワーク上にアップロードする情報であって、当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報」の構成を有しているから、本願発明１と同じ理由により、当業者であっても、引用発明、拒絶査定において引用された引用例２ないし引用例７に記載された事項に基づいて容易に発明できたものとはいえない。 第７　原査定の理由（特許法第２９条第２項）について 本願発明１ないし１３は「通信ネットワーク上におけるユーザ行動に基づく情報、及び、所定の製品が通信ネットワーク上にアップロードする情報であって、当該所定の製品が所在する位置情報もしくは当該所定の製品の稼働に関する情報」という事項を有するものとなっており、当業者であっても、拒絶査定において引用された引用例１－７に基づいて、容易に発明できたものとはいえない。したがって、原査定の理由を維持することはできない。 第８　むすび 以上のとおり、本願発明１ないし１３は、当業者が引用発明及び引用例２ないし引用例７に記載された技術的事項に基づいて容易に発明をすることができたものではない。したがって、原査定の理由によっては、本願を拒絶することはできない。 また、他に本願を拒絶すべき理由を発見しない。 よって、結論のとおり審決する。