2021-011323

ア 引用文献１

（ア）原査定の拒絶の理由で引用された本願の出願日前に頒布された又は電気通信回線を通じて公衆に利用可能となった引用文献である、特開２０１８－６７２７４号公報（以下「引用文献１」という。）には、図面とともに、次の記載がある。

【要約】

【課題】恣意的な特許価値評価を可及的に排除し、客観性及び合理性を高めた評価を可能とする特許価値評価装置及び特許価値評価方法を提供する。

【解決手段】特許価値評価の対象とする複数個の特許を母集団とし、この母集団に属する各特許に関する公報等による公表情報を評価項目とし、その評価項目の内容を確率変数Ｘａｂ（ａ番目の特許についてのｂ番目の評価項目）としたとき、この確率変数Ｘａｂを各特許について連乗演算して、ｍを母集団の技術分野の特性に合わせて設定された格差パラメータとして、Ｙａｂ＝log（Xａｂｍ）を演算して、各評価項目についてのＹａｂの平均値Ｅ（Ｙｂ）及び分散Ｖ（Ｙｂ）が夫々０及び１となるように確率変数Ｙａｂを基準値化し、評価項目基準値合計Σ（全評価項目）Ｙが正規分布に従うように評価項目を最適化して、特許基準価値及び／又は特許力偏差値を演算する。

【０００１】

本発明は、特許出願及び特許権、実用新案登録出願及び実用新案権、意匠登録出願及び意匠権並びに商標登録出願及び商標権のように、特許庁に出願して権利を得る知的財産権の価値を評価する評価装置及び評価方法に関する。

【０００３】

従来より、特許の経済価値を算出する方法として、種々の方法が提案されている。例えば，ＤＣＦ法は対象特許が将来生み出すであろうキャッシュフローを推定し、割引金利による現価計算（現状の価格計算）を行う方法である。この将来キャッシュフローの推定は、対象特許に関する将来における技術環境及び経済環境の変化だけでなく、主観的判断にも強く依拠している。このため、客観性が十分でないという欠点がある。

【０００６】

これに対して、審査状況及び権利状況、早期審査対象出願、被引用出願数、出願日からの経過日数等の内部情報及び経過情報を活用したデータ中心の統計的な評価方法も提案されている（特許文献１及び特許文献２）。これらの従来技術は、対象特許の出願人及び権利者自身の所定行為、例えば、早期審査対象出願及び国際出願等と、対象特許に対する他社からの所定行為、例えば、無効審判及び情報提供等と、審査官の所定行為、例えば、拒絶理由通知数及び引用文献数等と、時間経過、例えば、出願日からの経過日数及び登録日からの経過日数等とを、一定の計算式及びパラメータ配点に取り込んで、特許の価値評価を簡便に機械的に行い、前述の客観性不足及び高コストという問題点を解消しようとするものである。

【発明が解決しようとする課題】

【００１１】

上述のように、特許文献１及び特許文献２に記載された従来技術においては、対象特許に関する属性情報のうち、評価項目の選択、計算式の選択及びパラメータ配点に関し、主観的判断が介在する。このため、特許価値評価の結果に恣意的な判断が含まれる虞がある。

【００１２】

本発明はかかる問題点に鑑みてなされたものであって、恣意的な特許価値評価を可及的に排除し、客観性及び合理性を高めた評価を可能とする特許価値評価装置及び特許価値評価方法を提供することを目的とする。

【００１６】

これらの特許価値評価装置において、例えば、

前記母集団の特許に関する情報及び評価項目に関する情報を入力する特許データ入力処理部を有することができる。

【００２４】

本発明によれば、母集団となる複数個の特許について、複数個の評価項目を配点し、その配点Xを各特許について、複数個の評価項目を合算（連乗）することにより特許基準価値ΠＸを求め、Ｙａｂ＝log（Xａｂｍ）を演算して、確率変数ＸａｂをＹａｂに変換し、各特許毎に評価項目基準値合計ΣＹを求め、この評価項目基準値合計ΣＹが中心極限定理により正規分布に近似されることので、その近似の度合いをカイ二乗検定して、評価項目の組合せによる近似の最適化を行って、特許基準価値及び／又は特許力偏差値を求めるから、得られた特許基準価値及び／又は特許力偏差値は、統計論に基本的に従い、恣意的な操作が極力排除されており、客観性及び合理性が著しく高い特許の価値評価が可能となる。

【００２９】

以下、本発明の実施形態について、添付の図面を参照して説明する。図１は本発明の実施形態に係る特許価値評価装置を示すブロック図である。入力装置１から各種のデータが入力され、このデータは情報処理装置２に入力されて、その演算部２３にて、特許基準価値が求められる。この演算の過程で、各種のデータが記憶装置３に入力されて記憶され、また記憶装置３からデータが演算部２３に読み出されて演算に使用される。情報処理装置２においては、特許価値評価の対象とする複数個の特許を母集団として、この母集団に属する各特許に関する公報等による公表情報が、特許データ入力処理部２１により入力処理される。また、格差入力処理部２２においては、格差パラメータｍが入力処理される。この母集団の情報は記憶部３の母集団記憶部３１に記憶される。また、評価項目については、記憶部３の評価項目記憶部３２に記憶される。なお、入力装置１から入力されるデータとしては、上記評価項目の他に、出願人、特許権者及び出願年等の書誌的情報も含まれる。

【００３０】

演算部２３の平均及び分散演算部２４においては、母集団記憶部３１及び評価項目記憶部３２に記憶された情報を読み出し、前記母集団に属する各特許について、その評価項目の内容を確率変数Ｘａｂ（ａ番目の特許についてのｂ番目の評価項目）としたとき、この確率変数Ｘａｂを各特許について連乗演算して、ａ番目の特許についての特許基準価値を、全評価項目数をｈとして、Π（全評価項目）Ｘａ＝Ｘａ１×Ｘａ２×・・・×Ｘａｂ×・・・×Ｘａｈとして求める。更に、平均及び分散演算部２４は、格差入力処理部２２から、母集団の技術分野の特性に合わせて設定された格差パラメータｍを入力する。そして、平均及び分散演算部２４は、Ｙａｂ＝log（Xａｂｍ）を演算して、確率変数ＸａｂをＹａｂに変換し、各評価項目についてのＹａｂの平均Ｅ（Ｙｂ）及び分散Ｖ（Ｙｂ）を演算する。基準値合計演算部２５は、前記平均Ｅ（Ｙｂ）が０、前記分散Ｖ（Ｙｂ）が１となるように確率変数Ｙａｂを基準値化し、得られた評価項目基準値を、各特許について合算し、評価項目基準値合計Σ（全評価項目）Ｙａ＝Ｙａ１＋Ｙａ２＋・・・＋Ｙａｂ＋・・・＋Ｙａｈを、全ての特許について演算する。この基準値化される前の確率変数Ｙａｂの平均Ｅ（Ｙｂ）及び分散Ｖ（Ｙｂ）と前記評価項目基準値合計Σ（全評価項目）Ｙは、記憶装置３の確率変数記憶部３３に記憶される。

【００３１】

最適化演算部２６は、このΣ（全評価項目）Ｙが正規分布から外れる度合いを計算し、前記評価項目のうち、１又は複数個の評価項目を外して再度Σ（全評価項目Ｙ）を演算し、Σ（全評価項目）Ｙが正規分布から外れる度合いが最小になるように、評価項目を最適化する。特許力偏差値演算部２７ａは、正規分布に近似される評価項目基準値合計に基づいて、特許力偏差値＝５０＋（Σ（全評価項目）Ｙ）×１０／ｈ０．５により、各特許についての特許力偏差値を演算する。この特許力偏差値は、記憶装置３の特許力偏差値記憶部３４ａに記憶される。また、特許基準価値演算部２７ｂは、正規分布に近似される評価項目基準値合計に基づいて、Π（全評価項目）Ｘ＝｛exp（Σ（全評価項目）Y）｝１／ｍにより、各特許についての特許基準価値を演算する。この特許基準価値は、記憶装置３の特許基準価値記憶部３４ｂに記憶される。

【００３３】

次に、演算部２３における演算処理について説明する。先ず、平均及び分散演算部２４において、確率変数Ｙの平均及び分散が演算される。特許価値評価の対象とする複数個の特許（母集団）を、特許１～特許ｎとする。また、特許価値評価に際して採用する評価項目は、例えば、対象特許の書誌事項に関する情報、出願人又は特許権者による所定行為（例えば、出願審査請求、意見書及び手続補正書の提出、年金の納付等）、対象特許に対する他者からの所定行為（情報提供、無効審判請求等）、審査官又は審判官の所定行為（拒絶理由通知、拒絶査定、特許査定・特許審決等）、並びに出願日、審査請求日及び登録日等から現在までの時間経過である。これらの評価項目の中で、特許価値評価に際して、採用されたものを、評価項目１～評価項目ｈとする。

【００３４】

なお、母集団は、特許価値評価を行いたい特許の集団を何らかの基準によって選別し、それを、入力装置１にデータとして入力してもよいし、入手できる全ての特許が格納されている特許データベースに対して、母集団としたい特許を仕分ける基準となるデータ（検索式）を入力し、母集団抽出部にて、前記特許データベースに格納された特許データから、前記検索式に従って、母集団となる特許を抽出するようにしてもよい。

【００５０】

次いで、各評価項目についてＹａｂの平均Ｅ（Ｙｂ）及び分散Ｖ（Ｙｂ）が夫々０及び１となるように、Ｙａｂを基準値化する。即ち、評価項目毎の平均Ｅ（Ｙｂ）が０となり、分散Ｖ（Ｙｂ）が１となるように、評価項目毎の平均Ｙｂ（高）及びＹｂ（低）の値を演算する。具体的には、評価項目毎のＹｂ（高）の発生確率をＰとすれば、Ｙｂ（低）の発生確率は１－Ｐとなる。評価項目としては、例えば、審査・権利状況において権利が確定したか又は特許庁に係属中であるかは２値しか取り得ない項目であり、また、早期審査請求がされたか否かも２値しか取り得ない項目であることから、特許価値評価の項目は、２値しか取り得ないことが多い。そこで、例えば、審査・権利状況における権利確定のときの配点をＸ＝Ｘ（高）、特許庁係属中のときの配点をＸ＝Ｘ（低）とし、対応するＹを夫々Ｙ（高）、Ｙ（低）とする。そして、Ｘ（高）の発生確率をＰとすれば、Ｘ（低）の発生確率は１－Ｐとなるので、平均Ｅ（Ｙ）及び分散Ｖ（Ｙ）は、下記数式４にて示される。但し、後述するように、平均Ｅ（Ｙ）は０であるので、Ｖ（Ｙ）における（Ｅ（Ｙ））２の項は０である。

【００６２】

次に、最適化演算部２６における評価項目組合せの最適化処理について説明する。この最適化処理においては、Σ（全評価項目）Ｙが正規分布から外れる度合いを計算し、前記評価項目のうち、１又は複数個の評価項目を外して再度Σ（全評価項目）Yを演算し、Σ（全評価項目）Ｙが正規分布から外れる度合いが最小になるようにする（ステップＳ７）。対象特許を含む母集団の技術分野において、評価項目として採用した全ての項目の中に、例外的な評価項目（相関が強い項目等）が含まれる場合、極端に偏った特許力偏差値を算出してしまう。そこで、そのような不適切な評価項目を外し、中心極限定理を最良に実現するような母集団の評価項目の組合せを求めることにより、評価項目の最適化を行う。以下、この最適化ステップについて説明する。

【００６４】

そして、母集団内における全特許の特許力偏差値をランク別に振り分けて、ランク別の特許件数を得る。これをランク別実績件数とする。このランクは、例えば、特許力偏差値が「１５以下」、「１５超～２５以下」、「２５超～３５以下」、・・・「８５超～」の９ランクである。

【００９４】

なお、上記実施形態においては、特許力偏差値演算部２７ａ及び特許基準価値演算部２７ｂを有しているが、本発明は、これに限らず、特許力偏差値演算部２７ａ及び特許基準価値演算部２７ｂのいずれかを有して、特許力偏差値及び特許基準価値により、特許の価値を評価することとしてもよい。

以上の記載によれば、引用文献１には、以下の技術事項が記載されている。

（あ）【００１２】の記載によれば、引用文献１には「特許価値評価装置」に関する発明が記載されている。

（い）【００２９】の記載によれば、引用文献１の「特許価値評価装置」は、「入力装置１」、「情報処理装置２」、「記憶装置３」を備えている。

（う）【００２９】の記載によれば、「特許価値評価装置」は、「入力装置１から各種のデータが入力され、このデータは情報処理装置２に入力されて、その演算部２３にて、特許基準価値が求められる」ものである。

ここで、【００３１】の「特許力偏差値演算部２７ａは、正規分布に近似される評価項目基準値合計に基づいて、特許力偏差値＝５０＋（Σ（全評価項目）Ｙ）×１０／ｈ０．５により、各特許についての特許力偏差値を演算する。この特許力偏差値は、記憶装置３の特許力偏差値記憶部３４ａに記憶される。また、特許基準価値演算部２７ｂは、正規分布に近似される評価項目基準値合計に基づいて、Π（全評価項目）Ｘ＝｛exp（Σ（全評価項目）Y）｝１／ｍにより、各特許についての特許基準価値を演算する。この特許基準価値は、記憶装置３の特許基準価値記憶部３４ｂに記憶される。」、【００９４】の「なお、上記実施形態においては、特許力偏差値演算部２７ａ及び特許基準価値演算部２７ｂを有しているが、本発明は、これに限らず、特許力偏差値演算部２７ａ及び特許基準価値演算部２７ｂのいずれかを有して、特許力偏差値及び特許基準価値により、特許の価値を評価することとしてもよい。」また、図１にて、「特許力偏差値演算部２７ａ」「特許基準価値演算部２７ｂ」は並列に記載されていることから、引用文献１に記載された「特許価値評価装置」では、特許の価値を求める指標として、「特許力偏差値演算」と「特許基準価値演算」とは、いずれを求めることも選択可能であるといえ、上記「入力装置１から各種のデータが入力され、このデータは情報処理装置２に入力されて、その演算部２３にて、特許基準価値が求められる」は、「入力装置１から各種のデータが入力され、このデータは情報処理装置２に入力されて、その演算部２３にて、特許力偏差値が求められる」と読み替えることができることは明らかである。

（え）【００２９】の記載によれば、「情報処理装置２においては、特許価値評価の対象とする複数個の特許を母集団として、この母集団に属する各特許に関する公報等による公表情報が、特許データ入力処理部２１により入力処理される」ものであり、【００１６】の記載によれば、「特許価値評価装置」は、「母集団の特許に関する情報及び評価項目に関する情報を入力する特許データ入力処理部」を有するものである。

（お）【００２９】の記載によれば、「この母集団の情報は記憶部３の母集団記憶部３１に記憶される」ものである。

（か）【００２９】の記載によれば、「評価項目については、記憶部３の評価項目記憶部３２に記憶され、入力装置１から入力されるデータとしては、上記評価項目の他に、出願人、特許権者及び出願年等の書誌的情報も含まれる」ものである。

（き）【００３１】の記載によれば、「特許力偏差値演算部２７ａは、正規分布に近似される評価項目基準値合計に基づいて、特許力偏差値＝５０＋（Σ（全評価項目）Ｙ）×１０／ｈ０．５により、各特許についての特許力偏差値を演算する」ものである。

（く）【００３３】の記載によれば、「特許価値評価の対象とする複数個の特許（母集団）を、特許１～特許ｎとする」ものである。

（け）【００３３】の記載によれば、「特許価値評価に際して採用する評価項目は、例えば、対象特許の書誌事項に関する情報、出願人又は特許権者による所定行為（例えば、出願審査請求、意見書及び手続補正書の提出、年金の納付等）、対象特許に対する他者からの所定行為（情報提供、無効審判請求等）、審査官又は審判官の所定行為（拒絶理由通知、拒絶査定、特許査定・特許審決等）、並びに出願日、審査請求日及び登録日等から現在までの時間経過」である。

（こ）【００３４】の記載によれば、「母集団は、入手できる全ての特許が格納されている特許データベースに対して、母集団としたい特許を仕分ける基準となるデータ（検索式）を入力し、母集団抽出部にて、前記特許データベースに格納された特許データから、前記検索式に従って、母集団となる特許を抽出する」ものである。

（さ）【００５０】の記載によれば、「評価項目としては、例えば、審査・権利状況において権利が確定したか又は特許庁に係属中であるかは２値しか取り得ない項目」も含むものである。

（イ）引用発明

上記（ア）によれば、引用文献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。

（引用発明）

入力装置１、情報処理装置２、記憶装置３を備え、

入力装置１から各種のデータが入力され、このデータは情報処理装置２に入力されて、その演算部２３にて、特許力偏差値が求められ、

情報処理装置２においては、母集団の特許に関する情報及び評価項目に関する情報を入力する特許データ入力処理部を有し、特許価値評価の対象とする複数個の特許を母集団として、この母集団に属する各特許に関する公報等による公表情報が、特許データ入力処理部２１により入力処理される特許価値評価装置であって、

この母集団の情報は記憶部３の母集団記憶部３１に記憶され、

母集団は、入手できる全ての特許が格納されている特許データベースに対して、母集団としたい特許を仕分ける基準となるデータ（検索式）を入力し、母集団抽出部にて、前記特許データベースに格納された特許データから、前記検索式に従って、母集団となる特許を抽出し、

特許力偏差値演算部２７ａは、正規分布に近似される評価項目基準値合計に基づいて、特許力偏差値＝５０＋（Σ（全評価項目）Ｙ）×１０／ｈ０．５により、各特許についての特許力偏差値を演算するものであり、

特許価値評価に際して採用する評価項目は、例えば、対象特許の書誌事項に関する情報、出願人又は特許権者による所定行為（例えば、出願審査請求、意見書及び手続補正書の提出、年金の納付等）、対象特許に対する他者からの所定行為（情報提供、無効審判請求等）、審査官又は審判官の所定行為（拒絶理由通知、拒絶査定、特許査定・特許審決等）、並びに出願日、審査請求日及び登録日等から現在までの時間経過や、審査・権利状況において権利が確定したか又は特許庁に係属中であるかの項目を含む、

特許価値評価装置。

イ 引用文献３

（ア）原査定の拒絶の理由で引用された本願の出願日前に頒布された又は電気通信回線を通じて公衆に利用可能となった引用文献である、特許第６７０７６１２号公報（令和２年６月１０日発行、以下「引用文献３」という。）には、図面とともに、次の記載がある。

【０００１】

本発明は、特許の数値化された評価結果の算出に活用される特許評価モデルを構築し、これを利用して特許の数値化された評価結果を算出する方法およびシステムに関するものである。

【００５０】

本実施例では特許明細書の構造的な特徴を反映しながらも、技術的に類似する特許の間の相対的環境を考慮した評価要素が適切に反映されるように、権利性を評価するための核心評価要素として無効審判確定数またはアメリカ特許審判院で進行される当事者系再審（Ｉｎｔｅｒ Ｐａｒｔｅｓ Ｒｅｖｉｅｗ －以下「ＩＰＲ」という）、登録後再審（Ｐｏｓｔ Ｇｒａｎｔ Ｒｅｖｉｅｗ －以下「ＰＧＲ」という）確定数、分割出願や継続出願（Ｃｏｎｔｉｎｕａｔｉｏｎ Ａｐｐｌｉｃａｔｉｏｎ）の有無および評価対象特許が関連した特許侵害訴訟の有無（以下「訴訟の有無」と略称する）のうち一つ以上が使用され得、技術性を評価するための核心評価要素として継続出願の有無、総被引用数および評価対象特許が属するＣＰＣレベルの各国特許庁での特許増減率（例えばアメリカ特許分析の場合、アメリカ特許増減率）のうち一つ以上が使用され得、活用性を評価するための核心評価要素として継続出願の有無、訴訟の有無、海外ファミリー情報（海外ファミリー出願の有無または海外ファミリー出願国数）、標準特許（Ｓｔａｎｄａｒｄ Ｅｓｓｅｎｔｉａｌ Ｐａｔｅｎｔ）の有無および存続期間延長の有無のうち一つ以上が使用され得る。この時、標準特許の有無は電気、電子、ＩＴ分野の特許の場合に使用され得、存続期間延長の有無は化学分野の特許の場合に使用され得る。

【００５１】

核心評価要素は各国の特許法と特許制度の特性により他の評価要素が考慮され得る。例えば、ヨーロッパ特許評価において権利性を評価するための核心評価要素として権利限定手続き、異議申請人の数、分割出願の有無、総被引用数のうち一つ以上が使用され得、技術性を評価するための核心評価要素として被引用数、異議申請人の数、引用文献のうち論文数のうち一つ以上が使用され得、活用性を評価するための核心評価要素として実施権設定の有無、異議申請人の数、ヨーロッパ特許登録時の最初進入国数、権利限定手続きのうち一つ以上が使用され得る。

【００５２】

一方、本実施例に係る重回帰モデルを活用した特許評価方法は、例えば、ＣＰＣレベルのアメリカ特許増減率、抵触審査手続き（Ｉｎｔｅｒｆｅｒｅｎｃｅ）数、ＩＰＣ数、ＩＰＲ、ＰＧＲ数（確定）、ＩＰＲ、ＰＧＲ数（係留中）、継続審査申請（Ｒｅｑｕｅｓｔ ｆｏｒ Ｃｏｎｔｉｎｕｅｄ Ｅｘａｍｉｎａｔｉｏｎ － 「ＲＣＥ」という）の数、再審査（Ｒｅｅｘａｍｉｎａｔｉｏｎ）数、再登録（ｒｅｉｓｓｕｅ）の数、継続出願の有無、特許権利者変動数、特許明細書に含まれた図面の数、特許明細書に含まれた独立請求項の長さ、独立項数、発明の説明の長さ、発明者数、訴訟の有無、特許年次登録回数、優先審査請求の有無、審査官によって引用された先行文献（以下「引用文献」という）のうち論文の数、引用特許の平均年齢（引用特許の出願日から現在時点までの期間の平均）、情報提供数、存続期間延長の有無、従属項の平均深さ、請求項系列数、被引用数、標準特許の有無、被引用文献の論文数、被引用と出願日の差、海外ファミリー情報（国数、可否）等を評価要素として使用するように設計され得る。本実施例で説明するＣＰＣは、共同特許分類（Ｃｏｏｐｅｒａｔｉｖｅ Ｐａｔｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）を指し示すものであり、ＩＰＣは国際特許分類（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）を指し示す。

【００５３】

この時、有意確率による評価要素の除外において、ＣＰＣレベルのアメリカ特許増減率を従属変数とするモデルの場合、ＩＰＲ、ＰＧＲ確定数、Ｉｎｔｅｒｆｅｒｅｎｃｅ数、情報提供数等が評価要素から除外され得、ＩＰＲ、ＰＧＲ確定数を従属変数とするモデルの場合、ＣＰＣレベルのアメリカ特許増減率、Ｉｎｔｅｒｆｅｒｅｎｃｅ数、継続出願の有無、図面数、発明の説明の長さ、引用特許の平均年齢、情報提供数、従属項の平均深さ、請求項系列数、標準特許の有無、海外ファミリー国数などが評価要素から除外され得る。

【００５４】

また継続出願の有無を従属変数とするモデルの場合、ＩＰＲ、ＰＧＲ確定数、ＲＣＥ数、請求項系列数等が評価要素から除外され得、訴訟の有無を従属変数とするモデルの場合、従属項の平均深さ、請求項系列数等が評価要素から除外され得、被引用数を従属変数とするモデルの場合、情報提供数等が評価要素から除外され得、標準特許の有無を従属変数とするモデルの場合、ＩＰＲ、ＰＧＲ確定数、Ｉｎｔｅｒｆｅｒｅｎｃｅ数、ＲＣＥ数、Ｒｅｅｘａｍｉｎａｔｉｏｎ数、情報提供数、被引用文献の論文数などが評価要素から除外され得、海外ファミリー情報を従属変数とするモデルの場合、ＩＰＲ、ＰＧＲ確定数、ＩＰＲ、ＰＧＲ数（係留中）、Ｉｎｔｅｒｆｅｒｅｎｃｅ数、情報提供数等が評価要素から除外され得る。

【００５５】

一方、本実施例に係る重回帰モデルを活用した特許評価方法は、国内（韓国）特許を評価するための評価モデルを生成するにおいて、独立項数、独立請求項長さ、従属項の平均深さ、請求項系列数、図面数、発明の説明の長さ、分割出願の有無、海外ファミリー国数、ＩＰＣ数、早期公開の有無、優先審査請求の有無、意見書提出数、情報提供数、被引用数、被引用と出願日の差、先行文献のうち論文／外国特許数、被引用文献の論文／外国特許数、年次登録回数、発明者数、存続期間延長登録決定の有無、実施権者数、権利者変動、金融機関質権設定数、無効審判棄却数、無効審判取り下げ、却下数、拒絶決定不服審判数、積極的権利範囲確認審判引用数、積極的権利範囲確認審判棄却、取り下げ、却下数、消極的権利範囲確認審判棄却数、消極的権利範囲確認審判引用、取り下げ、却下数、訂正審判の有無などが評価要素として使用され得る。

以上の記載によれば、引用文献３には、特許の数値化された評価結果を算出するための評価要素として、「技術性を評価するための核心評価要素として・・・総被引用数のうち一つ以上が使用され得、活用性を評価するための核心評価要素として・・・海外ファミリー情報（海外ファミリー出願の有無または海外ファミリー出願国数）・・・のうち一つ以上が使用され得る」、「ヨーロッパ特許評価において・・・技術性を評価するための核心評価要素として被引用数・・・が使用され得」、「国内（韓国）特許を評価するための評価モデルを生成するにおいて・・・海外ファミリー国数・・・被引用数・・・などが評価要素として使用され得る」など、「被引用数」及び「ファミリーに関する情報」が利用されることが記載されている。

さらに、引用文献３には、特許の数値による評価にあたって「各国の特許法と特許制度の特性」を考慮することが記載されている。

ウ 引用文献４

（ア）原査定の拒絶の理由で引用された本願の出願日前に頒布された又は電気通信回線を通じて公衆に利用可能となった引用文献である、特開２０１４-１９９６６１号公報（以下「引用文献４」という。）には、図面とともに、次の記載がある。

【０００７】

上記のような事情に鑑み、本発明の目的とするところは、主観の入り込む余地を極力排除し、なお且つ簡便な、特許価値のランキング方法を提供することにある。

【００２４】

ランク値付与部１２３は特許経過情報抽出部から送出されてきた情報得を基に、各特許におけるぞれぞれの特許経過情報項目データについてランク値Ｒを付与し、得られたランク値Ｒに関するデータを変数変換部１２４に送出する機能を有する。またランク値付与部１２３は、ユーザーの必要に応じて前記情報を記憶部１３０に送出する機能も有する。

【００２５】

変数変換部１２４は、ランク値付与部１２３から送出されてきたランク値Ｒに関するデータを基に、因子分析の際に使用する変数Ｓ値を算出し、得られた変数Ｓ値を因子分析部１２５に送出する機能を有する。また、ユーザーの必要に応じて前記情報を記憶部１３０に送出する機能も有する。

【００２６】

因子分析部１２５は、変数変換部１２４より送出されてきたＳ値を変数として使用して因子分析をおこない、得られた分析結果（因子得点等）を集計部１２６に送出する機能を有する。また、ユーザーの必要に応じて前記情報を記憶部１３０に送出する機能も有する。因子分析部１２５は、因子分析を行うことの可能な計算機能を有していれば特に限定はないが、例えば公知の統計解析用ソフトを使用することもできる。このような統計解析用ソフトとしては、例えばＳＰＳＳ（登録商標）やＲ、ＳＹＳＴＡＴ（登録商標）、ＳＡＳ（登録商標）、ＪＭＰ（登録商標）などがあげられるが、これらに限定されない。

【００２７】

集計部１２６は、因子分析部１２５より送出されてきた因子分析結果（因子得点等）を基に、対象となっている複数の特許をランク付けする機能を有する。また、ユーザーの必要に応じて得られた結果を記憶部１３０に送出する機能も有する。

【００３５】

これらの特許経過情報項目は、対象となる特許についての各種の情報であり、具体的には出訴上告の有無、訟務判決の有無、無効審判被請求回数、発明者被引用文献数、請求項の数、全ページ数、早期審査請求出願の有無、異議申立の有無、情報提供回数、分割出願回数、被引用文献数、面接回数、閲覧請求回数、外国出願の有無、優先権主張数及び不服審判回数等があげられるが、これらに限定されるものではなく、特許にランキングする際の目的に応じて、他の項目を抽出してもよい。また、これらの中から５つ以上を抽出して解析を行うことにより、対象特許についてより妥当かつ正確にランク付けすることができる。

【００４６】

整理標準化データにおける特許経過情報項目として、発明者被引用文献数を採用する場合には、解析対象となるそれぞれの特許が、他の国内特許文献から、「先行技術文献」として引用された回数を算出し、この回数の少ない特許から順に順位付けをし、得られた順位をランク値Ｒとする。

【００５３】

整理標準化データにおける特許経過情報項目として、被引用文献数を採用する場合には、他の特許の整理標準化データにおいて、引用調査データ記事の引用種別が「０７：異議証拠（異議申立の引用文献情報）」、「０９：異議採用証拠（異議決定の引用文献情報）」、「１９：拒絶理由通知（拒絶理由の引用文献情報）」、「２２：拒絶査定（拒絶査定の引用文献情報）」、「３１：特許査定（特許査定の参考文献情報）または登録査定（登録査定の参考文献情報）」、「６７：技術評価書（新実用新案の引用文献情報）」、「７５：補正却下（補正却下決定の引用文献情報）」、「７７：審判請求証拠（無効審判請求の引用文献情報）」、「７９：審決採用証拠（無効審判審決の引用文献情報）」、「８９：先行技術調査（先行技術調査結果の参考文献情報）」のいずれかで引用されている場合を、それぞれ１としてカウントし、合算する。得られた合算結果の小さい特許から順に順位付けを行い、得られた順位をランク値Ｒとする。

以上の記載によれば、引用文献４には、特許価値のランキング方法を提供する際に、各特許におけるぞれぞれの特許経過情報項目データについてランク値Ｒを付与し、ランク値付与部１２３から送出されてきたランク値Ｒに関するデータを基に、因子分析の際に使用する変数Ｓ値を算出し、Ｓ値を変数として使用して因子分析をおこない、得られた分析結果（因子得点等）を集計部１２６に送出し、集計部１２６は、因子分析部１２５より送出されてきた因子分析結果（因子得点等）を基に、対象となっている複数の特許をランク付けするものであって、特許経過情報項目は、対象となる特許についての、発明者被引用文献数、被引用文献数を含み、特許経過情報項目として、発明者被引用文献数を採用する場合には、解析対象となるそれぞれの特許が、他の国内特許文献から、「先行技術文献」として引用された回数を算出し、被引用文献数を採用する場合には、引用調査データ記事の引用種別を用いて引用されている場合を、それぞれ１としてカウントし、合算することが記載されている。

すなわち、特許価値のランキングを得るために、解析対象となる特許がどれくらい引用されているか（被引用数）を用いていることが記載されている。

エ 引用文献６

（ア）前置報告で提示された本願の出願日前に頒布された又は電気通信回線を通じて公衆に利用可能となった引用文献である、米国特許出願公開第２０１８／０３００３２３号明細書（以下「引用文献６」という。）には、図面とともに、次の記載がある。

[0023] This disclosure describes, in part, techniques for performing automatic document analysis. For instance, documents stored in one or more data repositories may be accessed automatically by one or more computing devices and analyzed based on one or more rule sets. The format, structure, and contents of any document stored in the data repositories may be initially unknown. Thus, in some instances, part of the analysis may include filtering documents from a data repository and pre-processing the documents to identify those that are suitable for further analysis. Examples of document types that may be analyzed include, but are not limited to, issued patents and published patent applications. The analysis may focus on specific portions of the documents such as, for example, abstracts or patent claims. Pre-processing may modify the document portions by standardizing the content and removing content that could negatively affect subsequent analysis through techniques such as stop word removal, stemming, and removal of duplicate words.

（当審訳）

[0023]本開示は、部分的に、自動文書解析を行う技術が記載されている。例えば、1つ以上のデータレポジトリに格納される文書は、1つまたは複数のコンピューティングデバイスによって自動的にアクセスされ、1つまたは複数の規則セットに基づいて分析することができる。また、その形態、構成、およびデータリポジトリの中に格納された任意の書類の内容は、最初は未知であってもよい。したがって、いくつかの例において、分析の一部が、データリポジトリから文書をフィルタリングして、さらなる分析のために適切なものを識別するために文書を前処理するステップを含むことができる。分析され得る文書のタイプの例は、これらに限定されないが、発行された特許および公開された特許出願が挙げられる。分析は、例えば、要約または特許請求の範囲のような文書の特定の部分に焦点を合わせることができる。前処理は、コンテンツを標準化すること、停止語の除去、ステミング、及び複製の除去のような技術を介して、後続の分析に悪影響を及ぼし得る内容物を除去することによって文書を修正することができる。

[0030] In some instances, documents may be analyzed to determine (e.g., calculate) market scores for the documents. For instance, for a given document, subject matter of the given document may be analyzed to determine a classification associated with the given document. In some instances, the classification may include a North American Industry Classification System (NAICS) classification, however, other types of classifications can be used. A value associated with the classification is then determined and used to calculate the market score for the given document. In some instances, the value can correspond to the gross domestic product (GDP) associated with the classification.For example, respective GDPs may be determined for one or more of the NAICS classifications. The GDPs may then be used to determine normalized GDP scores for the NAICS classifications. Using the normalized GDP scores, a market value for the given document can include the normalized GDP score for the NAICS classification identified for the given document.

（当審訳）

[0030]いくつかの例では、文書は、文書のスコアを決定(例えば計算)に解析されてもよい。例えば、所与の文書に対して、所与の文書の主題は、所与の文書に関連する分類を決定するために分析することができる。いくつかの例では、分類は、北米産業分類(NAICS)分類を含んでもよいが、しかしながら、他のタイプの分類を使用することができる。分類に関連付けられた値は、次いで、所与の文書のスコアを計算するために決定され使用される。いくつかの例では、値は、分類に関連する国内総生産(GDP)に対応することができる。例えば、各GDPは一つ以上NAICS分類のために決定することができる。GDPは、NAICS分類のための正規化されたGDPのスコアを決定するために使用することができる。正規化されたGDPスコアを使用して、所与の文書の市場価値は、所与の文書について識別されたNAICS分類のための正規化されたGDPスコアを含むことができる。

[0088] Market score calculation 604 calculates scores for the documents under analysis using respective values (e.g., metrics) associated with the identified market classifications. For instance, each market classification identified for a document may be associated with a respective value. In some instances, the values are calculated based on the gross domestic product (GDP) of the country in which the documents are being analyzed. For instance, if patents are being analyzed in the United States, each market classification identified for a respective patent may be associated with the corresponding allocation of GDP of the United States. To associate a market classification with a GDP, the GDP for the market classification may be normalized based on the total GDP of the country. For instance, a respective GDP may be identified for each market classification that can be assigned to a document. The respective GDP may then be divided by the total GDP in order to determine a portion of the total GDP for each market classification. The portions can then be multiplied by 100 in order normalize the values using a scale between 0-100. In some instances, the values are then added to the lookup table described above such that market values can be identified for documents using the lookup table.

（当審訳）

[0088]スコアの計算604は、識別された市場区分に関連するそれぞれの値(例えば、測定値)を用いて分析中の文書のスコアを計算する。例えば、文書として特定される各市場区分はそれぞれの値に関連付けることができる。いくつかの例では、値は、文書が分析されている国の国内総生産(GDP)に基づいて計算される。例えば、特許は、米国において解析されている場合、それぞれの特許のために識別される各市場区分は、米国のGDPの対応する割当に関連付けられてもよい。市場区分をGDPに結合させるために、市場区分、GDPは、国のGDPに基づいて正規化することができる。例えば、各GDPは、文書に割り当てることができる各市場区分を識別することができる。各市場区分の全体のGDPの一部を決定するために、各GDPは、GDPによって分割することができる。0-100間のスケールを使用して、値を正規化するために、100を乗算することができる。いくつかの例において、マーケット値が、ルックアップテーブルを用いて文書を識別することができるように、上述したルックアップテーブルに追加される。

[0196] At 1606, a value associated with the market classification is determined. For instance, each market classification identified for a document may be associated with a respective value. As discussed above, in some instances, the values are calculated based on the GDP of the country in which the documents are being analyzed. For instance, if patents are being analyzed in the United States, each market classification may be associated with the GDP of the United States. In some instances, determining the value associated with the GDP for the market classification may include searching one or more databases of the Bureau of Economic Analysis (BEA), which includes data indicating the GDP for various NAICS classifications. In some instances, determining the value associated with the GDP for the market classification may include searching one more other databases that include data indicating GDP for various NAICS classifications (and/or any other types of market classification assigned to the documents).

[0197]At 1608, a market score is calculated for the document based at least in part on the value. For instance, values associated with each of the market classifications may be normalized. The normalized value can then be used as the market score for the document. For instance, the market score for the document can be calculated using the following equation:

式１１

［図：0001393591000001.jpg］

In the above equation, the market score for the document includes the portion of the total value (VD) of the market that is associated with the document divided by the total value (VT) of the market, and then multiplied by 100 (and/or some other value in other instances). For instance, to determine market score of the document based on GDP, the market score can be calculated by dividing the portion of the total GDP associated with the market classification corresponding to the document by the total GDP, and then multiplying that result by 100. In some instances, the market score is calculated for each document during the analysis. In some instances, rather than calculating the market score for each document during the analysis, the lookup table described above may already include a respective market value associated with each market classification. The market score for the document can then be determined using the lookup table.

（当審訳）

[0196]ステップ1606では、市場区分に関連する値が決定される。例えば、文書として特定される各市場区分はそれぞれの値に関連付けることができる。上述したように、いくつかの例では、値は、文書が分析されている国のGDPに基づいて計算される。例えば、特許は、米国において分析されるならば、各市場区分は、米国のGDPと関連付けられてもよい。いくつかの例では、分類のためのGDPに関連する値を決定する経済分析の事務局(BEA)の1つ以上のデータベース、さまざまなNAICS分類のGDPを示すデータを含む検索を含むことができる。いくつかの例では、分類のためのGDPに関連する値を決定する様々なNAICS分類(及び/又は文書に割り当てられたマーケットの分類の他のタイプ)を示すデータを含む1つ以上の他のデータベースを検索することを含むことができる。

[0197]1608において、マーケットスコアは、値に少なくとも部分的に基づいて文書について計算される。例えば、市場区分のそれぞれに関連付けられた値は、正規化されてもよい。正規化された値は、その後、文書用市場スコアとして使用することができる。例えば、文書のスコアは、以下の方程式を用いて計算することができる。

式１１

［図：0001393591000002.jpg］

上記の式において、文書のための市場スコアは、市場の合計値(VT)によって分割された文書と関連づけられた後、100(および/または他の例では、一部の他の値)を乗算することにより市場の合計値(VD2)の一部を含む。例えば、GDPに基づいて文書のスコアを決定するために、マーケットスコアは、総GDPによって文書に対応する市場区分に関連する全GDPの一部を割り、その結果に100を掛けることによって計算することができる。いくつかの場合には、マーケットスコアは、分析中の各文書に対して計算される。いくつかの例では、分析中の各文書のスコアを計算するのではなく、上記のルックアップテーブルは、既に各市場区分に関連付けられたそれぞれの市場価値を含むことができる。文書のスコアは、次に、ルックアップテーブルを用いて決定することができる。

以上の記載によれば、引用文献６には、特許文書を分析し、その価値を求める際に、文書が分析されている国の国内総生産(GDP)に基づいて計算されても良いことが記載されている。