特許 7629325 情報処理装置、情報処理方法およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-02-04

(45)【発行日】2025-02-13

(54)【発明の名称】情報処理装置、情報処理方法およびプログラム

(51)【国際特許分類】

   G06Q 50/18 20120101AFI20250205BHJP

【ＦＩ】

G06Q50/18 310

【請求項の数】 6

(21)【出願番号】P 2021051708

(22)【出願日】2021-03-25

(65)【公開番号】P2022149507

(43)【公開日】2022-10-07

【審査請求日】2024-01-22

【新規性喪失の例外の表示】特許法第３０条第２項適用 掲載年月日：令和３年２月２２日、掲載アドレス：ｈｔｔｐｓ：／／ｉｐｓｊ．ｉｘｓｑ．ｎｉｉ．ａｃ．ｊｐ／ｅｊ／？ａｃｔｉｏｎ＝ｒｅｐｏｓｉｔｏｒｙ＿ｕｒｉ＆ｉｔｅｍ＿ｉｄ＝２０９７１７＆ｆｉｌｅ＿ｉｄ＝１＆ｆｉｌｅ＿ｎｏ＝１ 集会名：一般社団法人情報処理学会第１３２回ＭＰＳ研究発表会（第１２３回数理モデル化と問題解決研究発表会）、開催日（発表日）：２０２１年３月１日～２日（３月１日）

(73)【特許権者】

【識別番号】000102728

【氏名又は名称】株式会社ＮＴＴデータグループ

(74)【代理人】

【識別番号】100095407

【弁理士】

【氏名又は名称】木村 満

(74)【代理人】

【識別番号】100132883

【弁理士】

【氏名又は名称】森川 泰司

(74)【代理人】

【識別番号】100166442

【弁理士】

【氏名又は名称】鈴木 洋雅

(74)【代理人】

【識別番号】100174067

【弁理士】

【氏名又は名称】湯浅 夏樹

(72)【発明者】

【氏名】藤城 真祥

(72)【発明者】

【氏名】小池 大地

(72)【発明者】

【氏名】末永 高志

【審査官】田中 寛人

(56)【参考文献】

【文献】特開２０１８－１１３００２（ＪＰ，Ａ）

【文献】特開２０２０－０６４４５７（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１６／０１３２９７９（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

登録商標における商標登録出願時に商標登録出願人により入力された指定商品または指定役務と、登録時の指定商品または指定役務と、の情報を含む商標情報を記憶する記憶手段と、
新たに入力された指定商品または指定役務を示す出願商品名等情報と、前記記憶手段に記憶されている前記商標情報に含まれる登録時の指定商品または指定役務を示す登録商品名等情報と、の概念的な類似度合いを示す概念類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する概念類似度算出手段と、
前記出願商品名等情報と前記登録商品名等情報との文字列の類似度合いを示す表層類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する表層類似度算出手段と、
前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して前記概念類似度算出手段で算出された前記概念類似度と前記表層類似度算出手段で算出された前記表層類似度と、に基づいて、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する統合スコアを算出する統合スコア算出手段と、
前記統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記統合スコアに基づいて前記登録商品名等情報を抽出し、抽出した前記登録商品名等情報を、前記出願商品名等情報と整合性の高い指定商品名等情報として出力する結果抽出手段と、
を備えることを特徴とする情報処理装置。

【請求項2】

前記統合スコア算出手段は、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して前記概念類似度算出手段で算出された前記概念類似度と前記表層類似度算出手段で算出された前記表層類似度と、を前記概念類似度と前記表層類似度に応じて重みを変更させ非線形に統合するよう機械学習された統合モデルに入力することで、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記統合スコアを算出する、
ことを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記商標情報に含まれる前記登録商品名等情報と、前記登録商品名等情報に対応する出願時の指定商品または指定役務と、に基づいて前記概念類似度算出手段および前記表層類似度算出手段で算出した前記概念類似度と前記表層類似度を正例データとし、多次元正規分布に従い前記概念類似度と前記表層類似度が高くなるにつれて少数となるようユーザが人為的に設定したデータを負例データとし、前記統合モデルを機械学習させる学習手段を、
さらに備えることを特徴とする請求項２に記載の情報処理装置。

【請求項4】

前記統合スコア算出手段は、
前記概念類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記概念類似度と、前記表層類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記表層類似度と、の平均を第１統合スコアとして算出する第１統合スコア算出手段と、
前記概念類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記概念類似度と、前記表層類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記表層類似度と、を前記概念類似度と前記表層類似度に応じて重みを変更させ非線形に統合するよう機械学習された統合モデルに入力することで、第２統合スコアを算出する第２統合スコア算出手段と、を含み、
前記結果抽出手段は、
前記第１統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記第１統合スコアに基づいて前記登録商品名等情報を抽出する第１抽出手段と、
前記第２統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記第２統合スコアに基づいて前記登録商品名等情報を抽出する第２抽出手段と、を含み、
前記第１抽出手段で抽出した前記登録商品名等情報と前記第２抽出手段で抽出した前記登録商品名等情報とを前記出願商品名等情報と整合性の高い指定商品名等情報として、前記登録商品名等情報が重複しないよう出力する、
ことを特徴とする請求項１～３のいずれか１項に記載の情報処理装置。

【請求項5】

情報処理装置における情報処理方法であって、
登録商標における商標登録出願時に商標登録出願人により入力された指定商品または指定役務と、登録時の指定商品または指定役務と、の情報を含む商標情報を記憶する記憶ステップと、
新たに入力された指定商品または指定役務を示す出願商品名等情報と、前記記憶ステップで記憶した前記商標情報に含まれる登録時の指定商品または指定役務を示す登録商品名等情報と、の概念的な類似度合いを示す概念類似度を、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対して算出する概念類似度算出ステップと、
前記出願商品名等情報と前記登録商品名等情報との文字列の類似度合いを示す表層類似度を、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対して算出する表層類似度算出ステップと、
前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対して前記概念類似度算出ステップで算出した前記概念類似度と前記表層類似度算出ステップで算出した前記表層類似度と、に基づいて、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対応する統合スコアを算出する統合スコア算出ステップと、
前記統合スコア算出ステップで算出した、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対応する前記統合スコアに基づいて前記登録商品名等情報を抽出し、抽出した前記登録商品名等情報を、前記出願商品名等情報と整合性の高い指定商品名等情報として出力する結果抽出ステップと、
を含むことを特徴とする情報処理方法。

【請求項6】

コンピュータを、
登録商標における商標登録出願時に商標登録出願人により入力された指定商品または指定役務と、登録時の指定商品または指定役務と、の情報を含む商標情報を記憶する記憶手段、
新たに入力された指定商品または指定役務を示す出願商品名等情報と、前記記憶手段に記憶されている前記商標情報に含まれる登録時の指定商品または指定役務を示す登録商品名等情報と、の概念的な類似度合いを示す概念類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する概念類似度算出手段、
前記出願商品名等情報と前記登録商品名等情報との文字列の類似度合いを示す表層類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する表層類似度算出手段、
前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して前記概念類似度算出手段で算出された前記概念類似度と前記表層類似度算出手段で算出された前記表層類似度と、に基づいて、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する統合スコアを算出する統合スコア算出手段、
前記統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記統合スコアに基づいて前記登録商品名等情報を抽出し、抽出した前記登録商品名等情報を、前記出願商品名等情報と整合性の高い指定商品名等情報として出力する結果抽出手段、
として機能させることを特徴とするプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法およびプログラムに関する。

【背景技術】

【0002】

商標登録出願における審査等を行う場合、指定商品または指定役務、ならびに商品および役務の区分を特定する必要がある。しかしながら、指定商品または指定役務の名称（指定商品名等）は出願人により入力されるため、その特定が容易ではない。

【0003】

そこで、指定商品名等を容易に特定する技術として、例えば、特許文献１には、出願人により入力された指定商品名等の特徴量を用いて指定商品名等を特定する技術が開示されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１８－１１３００２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、特許文献１に記載の技術では、出願人により入力された指定商品名等と概念が類似している指定商品名等を含めて高精度に指定商品名等を特定するという点では未だ十分ではない。したがって、指定商品名等を容易かつ高精度に特定するといった点で改善の余地があった。

【0006】

本発明は、上述のような事情に鑑みてなされたものであり、指定商品名等を容易かつ高精度に特定することが可能な情報処理装置、情報処理方法およびプログラムを提供することを目的とする。

【課題を解決するための手段】

【0007】

上記目的を達成するため、本発明の第１の観点に係る情報処理装置は、
登録商標における商標登録出願時に商標登録出願人により入力された指定商品または指定役務と、登録時の指定商品または指定役務と、の情報を含む商標情報を記憶する記憶手段と、
新たに入力された指定商品または指定役務を示す出願商品名等情報と、前記記憶手段に記憶されている前記商標情報に含まれる登録時の指定商品または指定役務を示す登録商品名等情報と、の概念的な類似度合いを示す概念類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する概念類似度算出手段と、
前記出願商品名等情報と前記登録商品名等情報との文字列の類似度合いを示す表層類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する表層類似度算出手段と、
前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して前記概念類似度算出手段で算出された前記概念類似度と前記表層類似度算出手段で算出された前記表層類似度と、に基づいて、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する統合スコアを算出する統合スコア算出手段と、
前記統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記統合スコアに基づいて前記登録商品名等情報を抽出し、抽出した前記登録商品名等情報を、前記出願商品名等情報と整合性の高い指定商品名等情報として出力する結果抽出手段と、
を備えることを特徴とする。

【0008】

前記統合スコア算出手段は、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して前記概念類似度算出手段で算出された前記概念類似度と前記表層類似度算出手段で算出された前記表層類似度と、を前記概念類似度と前記表層類似度に応じて重みを変更させ非線形に統合するよう機械学習された統合モデルに入力することで、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記統合スコアを算出する、
ようにしてもよい。

【0009】

前記商標情報に含まれる前記登録商品名等情報と、前記登録商品名等情報に対応する出願時の指定商品または指定役務と、に基づいて前記概念類似度算出手段および前記表層類似度算出手段で算出した前記概念類似度と前記表層類似度を正例データとし、多次元正規分布に従い前記概念類似度と前記表層類似度が高くなるにつれて少数となるようユーザが人為的に設定したデータを負例データとし、前記統合モデルを機械学習させる学習手段を、
さらに備えるようにしてもよい。

【0010】

前記統合スコア算出手段は、
前記概念類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記概念類似度と、前記表層類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記表層類似度と、の平均を第１統合スコアとして算出する第１統合スコア算出手段と、
前記概念類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記概念類似度と、前記表層類似度算出手段で算出された前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対する前記表層類似度と、を前記概念類似度と前記表層類似度に応じて重みを変更させ非線形に統合するよう機械学習された統合モデルに入力することで、第２統合スコアを算出する第２統合スコア算出手段と、を含み、
前記結果抽出手段は、
前記第１統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記第１統合スコアに基づいて前記登録商品名等情報を抽出する第１抽出手段と、
前記第２統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記第２統合スコアに基づいて前記登録商品名等情報を抽出する第２抽出手段と、を含み、
前記第１抽出手段で抽出した前記登録商品名等情報と前記第２抽出手段で抽出した前記登録商品名等情報とを前記出願商品名等情報と整合性の高い指定商品名等情報として、前記登録商品名等情報が重複しないよう出力する、
ことを特徴とするようにしてもよい。

【0011】

上記目的を達成するため、本発明の第２の観点に係る情報処理方法は、
情報処理装置における情報処理方法であって、
登録商標における商標登録出願時に商標登録出願人により入力された指定商品または指定役務と、登録時の指定商品または指定役務と、の情報を含む商標情報を記憶する記憶ステップと、
新たに入力された指定商品または指定役務を示す出願商品名等情報と、前記記憶ステップで記憶した前記商標情報に含まれる登録時の指定商品または指定役務を示す登録商品名等情報と、の概念的な類似度合いを示す概念類似度を、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対して算出する概念類似度算出ステップと、
前記出願商品名等情報と前記登録商品名等情報との文字列の類似度合いを示す表層類似度を、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対して算出する表層類似度算出ステップと、
前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対して前記概念類似度算出ステップで算出した前記概念類似度と前記表層類似度算出ステップで算出した前記表層類似度と、に基づいて、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対応する統合スコアを算出する統合スコア算出ステップと、
前記統合スコア算出ステップで算出した、前記記憶ステップで記憶した前記登録商品名等情報のそれぞれに対応する前記統合スコアに基づいて前記登録商品名等情報を抽出し、抽出した前記登録商品名等情報を、前記出願商品名等情報と整合性の高い指定商品名等情報として出力する結果抽出ステップと、
を含むことを特徴とする。

【0012】

上記目的を達成するため、本発明の第３の観点に係るプログラムは、
コンピュータを、
登録商標における商標登録出願時に商標登録出願人により入力された指定商品または指定役務と、登録時の指定商品または指定役務と、の情報を含む商標情報を記憶する記憶手段、
新たに入力された指定商品または指定役務を示す出願商品名等情報と、前記記憶手段に記憶されている前記商標情報に含まれる登録時の指定商品または指定役務を示す登録商品名等情報と、の概念的な類似度合いを示す概念類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する概念類似度算出手段、
前記出願商品名等情報と前記登録商品名等情報との文字列の類似度合いを示す表層類似度を、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して算出する表層類似度算出手段、
前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対して前記概念類似度算出手段で算出された前記概念類似度と前記表層類似度算出手段で算出された前記表層類似度と、に基づいて、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する統合スコアを算出する統合スコア算出手段、
前記統合スコア算出手段で算出された、前記記憶手段に記憶されている前記登録商品名等情報のそれぞれに対応する前記統合スコアに基づいて前記登録商品名等情報を抽出し、抽出した前記登録商品名等情報を、前記出願商品名等情報と整合性の高い指定商品名等情報として出力する結果抽出手段、
として機能させることを特徴とする。

【発明の効果】

【0013】

本発明によれば、指定商品名等を容易かつ高精度に特定することができる。

【図面の簡単な説明】

【0014】

【図1】本発明の実施の形態１に係る情報処理装置の一例を示すブロック図である。

【図2】本発明の実施の形態１における商品名等特定処理の一例を示すフローチャートである。

【図3】本発明の実施の形態１における商品名等特定処理の概念図である。

【図4】本発明の実施の形態１における商品名等特定処理が実行された場合における実際に登録された登録商品名等の特定順位を示す図である。

【図5】本発明の実施の形態１における商品名等特定処理が実行された場合における実際に登録された登録商品名等の特定順位を示す図である。

【図6】本発明の実施の形態２に係る情報処理装置の一例を示すブロック図である。

【図7】本発明の実施の形態２における学習処理の一例を示すフローチャートである。

【図8】本発明の実施の形態２における正例データの分布例を示す図である。

【図9】本発明の実施の形態２における負例データの分布例を示す図である。

【図10】本発明の実施の形態２における学習処理の概念図である。

【図11】本発明の実施の形態２における商品名等特定処理の一例を示すフローチャートである。

【図12】本発明の実施の形態２における商品名等特定処理の概念図である。

【図13】本発明の実施の形態２における商品名等特定処理が実行された場合における指定商品名等の表示例を示す図である。

【図14】変形例における商品名等特定処理が実行された場合における指定商品名等の表示例を説明するための説明図である。

【図15】変形例における商品名等特定処理が実行された場合における正解の商品名等の表示順位と表示割合とを示す図である。

【発明を実施するための形態】

【0015】

（実施の形態１）
以下、本発明を実施するための形態に係る情報処理装置、情報処理方法およびプログラムについて、図面を参照して詳細に説明する。なお、図中同一または相当する部分には同一符号を付す。

【0016】

まず、実施の形態１に係る情報処理装置１００の構成について、図１を参照して説明する。実施の形態１に係る情報処理装置１００は、図１に示すように、インターネット等のネットワーク２１０に接続された情報端末である。情報処理装置１００は、当該ネットワーク２１０を介して他の情報端末と各種データを送受信する。

【0017】

具体的に、情報処理装置１００は、商標登録出願の審査（商標の審査）を行うために設けられた携帯電話やスマートフォン、タブレットやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の情報端末であり、Ｐ２Ｐ（Ｐｅｅｒ ｔｏ Ｐｅｅｒ）等の分散型のネットワーク２１０を構築している。なお、情報処理装置１００は、Ｐ２Ｐ型のシステムに限られず、例えばクラウドコンピューティング型であってもよい。なお、当該情報処理装置１００は、商標の審査を行うための情報端末であるため特許庁内に設けられるが、この他にも、例えば、商標登録出願時における調査を行うために用いられてもよく、この場合には、特許庁以外の場所に設けられてよい。

【0018】

商標の審査は、特許庁が公開している「商標審査の進め方」（https://www.jpo.go.jp/system/laws/rule/guideline/trademark/document/index/sinsa_susumekata.pdf）のｐ.５における「２－２ 指定商品・指定役務に関する調査・検討」に「指定商品・指定役務の表示が具体的かつ明確かどうかについては、商標法施行規則第６条に基づく別表（省令別表）、類似商品・役務審査基準、ニース協定に基づく国際分類のアルファベット順一覧表等に基づき、過去に採択された例との整合性を考慮した上で検討を行う。」と記載されているように、商標登録出願人により入力された指定商品名等（以下、出願商品名等）と、過去に採択された例との整合性が考慮される。そのため、実施の形態１に係る情報処理装置１００は、商標登録出願人により入力された指定商品名等（以下、出願商品名等）に基づいて、過去に採択された例との整合性の高い指定商品名等を特定して表示することで、容易かつ高精度に指定商品名等を特定可能にする。

【0019】

情報処理装置１００は、図１に示すように、記憶部１１０と、制御部１２０と、入出力部１３０と、通信部１４０と、これらを相互に接続するシステムバス（図示省略）と、を備えている。

【0020】

記憶部１１０は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ)やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等を備える。ＲＯＭは制御部１２０のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）が実行するプログラム１１１、およびプログラムを実行する上で予め必要なデータ（図示省略）を記憶する。なお、図示は省略しているが、記憶部１１０には、商標登録出願時に商標登録出願人により入力された指定商品名等（出願商品名等）と、当該商標登録出願が登録された際の指定商品名等（登録商品名等）とを示す商標情報が記憶される。当該商標情報は、特許庁のデータベースから取得して記憶されればよい。なお、例えば、当該情報処理装置１００を商標登録出願時における調査を行うために用いる場合には、当該商標情報を特許庁のデータベースからネットワーク２１０を介して取得すればよい。また、実施の形態１における当該商標情報には、２０２０年時点で登録されている約２５０００件の出願商品名等と登録商品名等の組が含まれる。

【0021】

プログラム１１１は、後述する商品名等特定処理を実行するためのプログラムである。具体的に、プログラム１１１は、後述する概念類似度算出部１２１、表層類似度算出部１２２、統合スコア算出部１２３、および結果抽出部１２４としての機能を実現させるためのプログラムであり、予め記憶部１１０に記憶されている。

【0022】

制御部１２０は、ＣＰＵやＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等から構成される。制御部１２０は、記憶部１１０に記憶されたプログラム１１１に従って動作し、当該プログラムに従った処理を実行する。制御部１２０は、記憶部１１０に記憶されたプログラム１１１により提供される主要な機能部として、概念類似度算出部１２１と、表層類似度算出部１２２と、統合スコア算出部１２３と、結果抽出部１２４と、を備える。

【0023】

概念類似度算出部１２１は、出願商品名等と登録商品名等との概念的な類似度合いを示す概念類似度を算出する機能部である。具体的に、概念類似度算出部１２１は、出願商品名等の特徴ベクトルと登録商品名等の特徴ベクトルのコサイン類似度を、全ての登録商標の登録商品名等（全登録商品名等）について求めることで、出願商品名等と全登録商品名等との概念類似度を算出する。なお、概念類似度は、コサイン類似度の他、ダイス係数、ジャッカード係数、内積等により算出してもよい。

【0024】

表層類似度算出部１２２は、出願商品名等と登録商品名等との表層的な一致度、すなわち出願商品名等と登録商品名等との文字列の類似度合いを示す表層類似度を算出する機能部である。具体的に、表層類似度算出部１２２は、出願商品名等と登録商品名等のレーベンシュタイン距離やジャロ・ウィンクラー距離等の編集距離を、全登録商品名等について求めることで、出願商品名等と全登録商品名等との表層類似度を算出する。

【0025】

統合スコア算出部１２３は、概念類似度算出部１２１により算出した概念類似度と、表層類似度算出部１２２により算出した表層類似度と、を統合した統合スコアを算出する機能部である。具体的に、統合スコア算出部１２３は、概念類似度と表層類似度の平均を統合スコアとして算出する。なお、平均については、相加平均に限られず、例えば、相乗平均や重み付け平均などであってもよい。

【0026】

結果抽出部１２４は、統合スコア算出部１２３により算出した統合スコアの高い登録商品名等を、出願商品名等と整合性の高い指定商品名等として抽出し、入出力部１３０へ表示する機能部である。具体的に、結果抽出部１２４は、統合スコアの最も高い登録商品名等から順に１０個抽出し、順位付けをして、出願商品名等とともに入出力部１３０へ表示する。そのため、結果抽出部１２４は、出願商品名等と整合性の高い指定商品名等の候補を出力する機能部であるといえる。

【0027】

入出力部１３０は、キーボード、マウス、カメラ、マイク、液晶ディスプレイ、有機ＥＬ（Ｅｌｅｃｔｏｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等から構成され、各種データの入出力を行うための装置である。

【0028】

通信部１４０は、情報処理装置１００がネットワーク２１０を介して他の情報端末と通信を行うためのデバイスである。

【0029】

これら各機能部が協働することで、過去に採択され、出願商品名等との整合性の高い指定商品名等を特定して表示する機能を、当該情報処理装置１００に実現させる。

【0030】

以上が、情報処理装置１００の構成である。続いて情報処理装置１００の動作等について、図２～４を参照して説明する。図２は、商品名等特定処理の一例を示すフローチャートである。商品名等特定処理は、過去に採択され、出願商品名等との整合性の高い指定商品名等を特定して表示する処理である。当該商品名等特定処理は、ユーザによる入出力部１３０に対する操作が行われることで実行を開始する。なお、図３は、当該商品名等特定処理の概念図である。

【0031】

商品名等特定処理を開始すると、情報処理装置１００は、概念類似度算出部１２１の機能により、図２および図３に示すように、出願商品名等と登録商品名等との概念類似度を、全登録商品名等について算出する（ステップＳ１０１）。ステップＳ１０１の処理では、上述したように、出願商品名等と登録商品名等とのコサイン類似度を、全登録商品名等について求めることで、出願商品名等と全登録商品名等の概念類似度を算出する。

【0032】

ステップＳ１０１の処理を実行した後、情報処理装置１００は、表層類似度算出部１２２の機能により、図２および図３に示すように、出願商品名等と登録商品名等との表層類似度を、全登録商品名等について算出する（ステップＳ１０２）。ステップＳ１０２の処理では、上述したように、出願商品名等と登録商品名等との編集距離を、全登録商品名等について求めることで、出願商品名等と全登録商品名等との表層類似度を算出する。

【0033】

続いて情報処理装置１００は、統合スコア算出部１２３の機能により、図２および図３に示すように、ステップＳ１０１の処理で算出した概念類似度と、ステップＳ１０２の処理で算出した表層類似度と、に基づいて、これらを統合した統合スコアを算出する（ステップＳ１０３）。ステップＳ１０３の処理では、上述したように、概念類似度と表層類似度の平均を統合スコアとして算出する。

【0034】

ステップＳ１０３の処理を実行した後、情報処理装置１００は、結果抽出部１２４の機能により、図２および図３に示すように、ステップＳ１０３の処理で算出した統合スコアの高い順に、登録商品名等を抽出し、抽出した登録商品名等を、出願商品名等と整合性の高い指定商品名等の候補として表示し（ステップＳ１０４）、当該商品名等特定処理を終了する。ステップＳ１０４の処理では、上述したように、統合スコアの最も高い登録商品名等から順に１０個抽出して順位付けをし、出願商品名等とともに指定商品名等の候補として入出力部１３０へ表示する。なお、入出力部１３０へ表示する指定商品名等の候補については、１位～１０位までの１０個に限られず、１０個未満や１０個以上であってもよく、ユーザの設定により変更可能であってよい。なお、順位付けを行わず、上位１０個を順不同に表示するようにしてもよい。

【0035】

次に、商標登録出願時において商標登録出願人により、出願商品名等として、「その他のおもちゃ類」と入力された場合と「加工食品」と入力された場合を例に、図４を参照して説明する。図４は、実施の形態１における商品名等特定処理が実行された場合における実際に登録された登録商品名等（正解の商品名等）の特定順位を示す図である。なお、図示する例では、理解を容易にするため、当該商品名等特定処理において、概念類似度のみを用いて指定商品名等を特定する場合、すなわち図２のステップＳ１０４の処理において概念類似度の高い登録商品名等を抽出する場合と、表層類似度のみを用いて指定商品名等を特定する場合、すなわち図２のステップＳ１０４の処理において表層類似度の高い登録商品名等を抽出する場合における指定商品名等の特定順位を合わせて示している。

【0036】

具体的に、図４は、当該出願商品名等について、概念類似度のみを用いて指定商品名等を特定する場合と、表層類似度のみを用いて特定する場合と、実施の形態１における商品名等特定処理により統合スコアを用いて指定商品名等を特定する場合と、のそれぞれについて、実際に登録された登録商品名等（正解の商品名等）が、表示順位の何位になるか（全２５０００件中の順位）を示している。

【0037】

図４に示すように、出願商品名等として「その他のおもちゃ類」と入力された場合、概念類似度のみを用いて指定商品名等を特定する場合、すなわち、概念類似度の高い順に登録商品名等を抽出する場合、正解の商品名等である「おもちゃ」の概念類似度は１２位となり、１位～１０位までの１０個を抽出する場合には抽出されないこととなる。また、表層類似度のみを用いて指定商品名等を特定する場合、すなわち、表層類似度の高い順に登録商品名等を抽出する場合、正解の商品名等である「おもちゃ」の表層類似度は３２位となり、１位～１０位までの１０個を抽出する場合には抽出されないこととなる。これに対し、実施の形態１における商品名等特定処理により統合スコアを用いて指定商品名等を特定する場合、正解の商品名等である「おもちゃ」の統合スコアは１位となり、商品名等特定処理において抽出され表示されることとなる。

【0038】

同様に、出願商品名等として「加工食品」と入力された場合、概念類似度のみを用いて指定商品名等を特定する場合、正解の商品名等である「穀物の加工食品」の概念類似度は１５位となり、商品名等特定処理において１位～１０位までの１０個を抽出する場合には抽出されないこととなる。また、表層類似度のみを用いて指定商品名等を特定する場合、正解の商品名等である「穀物の加工食品」の表層類似度は１８位となり、商品名等特定処理において１位～１０位までの１０個を抽出する場合には抽出されないこととなる。これに対し、実施の形態１における商品名等特定処理により統合スコアを用いて指定商品名等を特定する場合、正解の商品名等である「穀物の加工食品」の統合スコアは５位となり、商品名等特定処理において抽出され表示されることとなる。

【0039】

このように、実施の形態１に係る情報処理装置１００によれば、概念類似度と表層類似度とを統合した統合スコアに基づいて指定商品名等を特定することから、概念類似度のみを用いて指定商品名等を特定する場合や、表層類似度のみを用いて指定商品名等を特定する場合と比較して、正解の商品名等を上位に抽出できる。また、実施の形態１に係る情報処理装置１００によれば、出願商品名等に基づいて、過去に採択された例との整合性を、統合スコアにより判定するため、指定商品名等を容易に特定できる。したがって、実施の形態１に係る情報処理装置１００によれば、概念類似度と表層類似度といった２つの観点を考慮して、容易かつ高精度に指定商品名等を特定することができる。

【0040】

（実施の形態２）
上記実施の形態１に係る情報処理装置１００は、図２のステップＳ１０３の処理において概念類似度と表層類似度の平均を統合スコアとして算出し、ステップＳ１０４の処理により統合スコアの最も高い登録商品名等から順に１０個抽出して順位付けをし、出願商品名等とともに指定商品名等の候補として入出力部１３０へ表示する。しかしながら、上記実施の形態１に係る情報処理装置１００では、概念類似度と表層類似度のうちの一方が極端に高い場合、図５に示すように、統合スコアに基づいて指定商品名等を特定すると、正解の商品名等が抽出されないといった事象が生じることがある。図５は、実施の形態１における商品名等特定処理が実行された場合における実際に登録された登録商品名等（正解の商品名等）の特定順位を示す図であり、理解を容易にするため、図４と同様、出願商品名等について、概念類似度のみを用いて指定商品名等を特定する場合と、表層類似度のみを用いて特定する場合と、実施の形態１における商品名等特定処理により統合スコアを用いて指定商品名等を特定する場合と、のそれぞれについて、実際に登録された登録商品名等（正解の商品名等）が、表示順位の何位になるか（全２５０００件中の順位）を示している。

【0041】

図５に示すように、出願商品名等として「チラシ」と入力された場合、概念類似度のみを用いて指定商品名等を特定する場合、すなわち、概念類似度の高い順に登録商品名等を抽出する場合、正解の商品名等である「広告・販売促進用印刷物」の概念類似度は３位となり、１位～１０位までの１０個を抽出する場合に抽出されることとなる。一方、表層類似度のみを用いて指定商品名等を特定する場合、すなわち、表層類似度の高い順に登録商品名等を抽出する場合、正解の商品名等である「広告・販売促進用印刷物」の表層類似度は９２１７位となり、１位～１０位までの１０個を抽出する場合には抽出されないこととなる。また、実施の形態１における商品名等特定処理により統合スコアを用いて指定商品名等を特定する場合、正解の商品名等である「広告・販売促進用印刷物」の統合スコアは４７位となり、抽出されないこととなる。

【0042】

同様に、出願商品名等として「穀物の加工品」と入力された場合、概念類似度のみを用いて指定商品名等を特定する場合、正解の商品名等である「うどんの麺」の概念類似度は１位となり、１位～１０位までの１０個を抽出する場合に抽出されることとなる。一方、表層類似度のみを用いて指定商品名等を特定する場合、正解の商品名等である「うどんの麺」の表層類似度は１５９８１位となり、１位～１０位までの１０個を抽出する場合には抽出されないこととなる。また、実施の形態１における商品名等特定処理により統合スコアを用いて指定商品名等を特定する場合、正解の商品名等である「うどんの麺」の統合スコアは２６位となり、抽出されないこととなる。

【0043】

このように、上記実施の形態１に係る情報処理装置１００では、一部の出願商品名等、すなわち、概念類似度と表層類似度のうちの一方が極端に高くなる出願商品名等が入力された場合、概念類似度のみ、または表層類似度のみを用いて指定商品名等を特定した方が高精度であるといった事象が発生することがあり、改善の余地があった。

【0044】

そのため、実施の形態２に係る情報処理装置２００は、概念類似度と表層類似度のうちの一方が極端に高くなる出願商品名等が入力された場合であっても、商品名等特定処理において正解の商品名等を高精度に表示可能とする。以下、このような情報処理装置２００について、図面を参照して説明する。なお、図中、上記実施の形態１と同一部分には同一符号を付し、説明を省略する。

【0045】

図６は、本発明の実施の形態２に係る情報処理装置２００の一例を示すブロック図である。実施の形態２に係る情報処理装置２００は、実施の形態１に係る情報処理装置１００と同様、インターネット等のネットワーク２１０に接続された情報端末であり、当該ネットワーク２１０を介して他の情報端末と各種データを送受信する。情報処理装置２００は、実施の形態１に係る情報処理装置１００と同様、記憶部１１０と、制御部１２０と、入出力部１３０と、通信部１４０と、これらを相互に接続するシステムバス（図示省略）と、を備えている。

【0046】

実施の形態２における記憶部１１０は、プログラム１１１Ａと、統合モデル１１２と、正例データ１１３と、負例データ１１４と、を記憶する。なお、商標情報が記憶される点については、実施の形態１と同様である。

【0047】

プログラム１１１Ａは、後述する学習処理と、実施の形態２における商品名等特定処理を実行するためのプログラムである。具体的に、プログラム１１１Ａは、概念類似度算出部１２１、表層類似度算出部１２２、統合スコア算出部１２３、結果抽出部１２４、および学習部１２５としての機能を実現させるためのプログラムであり、予め記憶部１１０に記憶されている。

【0048】

統合モデル１１２は、例えばニューラルネットワークであり、入力層、中間層、出力層を有するネットワークモデルである。統合モデル１１２は、特定のタスクについて、学習データに基づいて生成したパラメータを有し、当該統合モデル１１２に入力された入力データに応じた出力を行うものである。具体的に、統合モデル１１２は、概念類似度算出部１２１により算出された概念類似度と、表層類似度算出部１２２により算出された表層類似度と、を入力データとし、これらを統合させた統合スコアを出力する機械学習モデルであり、当該概念類似度と表層類似度に応じて統合時の重みを変更させ、これらを非線形に統合するスコアリングロジックとなるよう、後述する学習処理により機械学習されている。

【0049】

すなわち、実施の形態２における統合モデル１１２により出力される統合スコアは、実施の形態１において算出される統合スコアとは異なり、入力された概念類似度と表層類似度の優先度合いを考慮し、状況に応じた統合スコアを出力するよう、後述する学習処理により機械学習されている。

【0050】

正例データ１１３は、記憶部に記憶されている商標情報に含まれる２５０００件の登録商品名等（正解の商品名等）と出願商品名等との概念類似度と表層類似度とを示すデータである。正例データ１１３は、後述する学習処理が実行され、登録商品名等（正解の商品名等）における出願時の商品名等の概念類似度と表層類似度がそれぞれ算出されることで、記憶部１１０へ記憶される。なお、正例データ１１３は、図８に示すように、概念類似度を横軸、表層類似度を縦軸とした場合に、図示する点線で区画されたＡ領域～Ｄ領域について、Ｂ領域＞Ｃ領域≧Ａ領域＞Ｄ領域の順に多く分布されるデータである。なお、Ｃ領域とＡ領域の分布数については、状況によっては反対となっていることもある。

【0051】

負例データ１１４は、予めユーザが人為的に設定した概念類似度と表層類似度の組み合わせのデータであり、図９に示すように、原点を中心とした多次元正規分布に従うよう設定される。すなわち、負例データ１１４は、図９に示すように、図示する点線で区画されたＡ領域～Ｄ領域のうちＤ領域に多く分布するデータであり、かつ、原点から、概念類似度と表層類似度が高くなるにつれて少数となるよう分布されたデータとなっている。

【0052】

実施の形態２において負例データ１１４を人為的に設定するのは、例えば、出願商品名等に対応する正解の商品名等以外の事例（概念類似度と表層類似度の組み合わせ）を負例データ１１４とすると、図８に示すＣ領域に正例よりも多数のデータが分布されることとなる。その結果、当該Ｃ領域における負例が正例を包含するため、後述する学習処理により統合モデル１１２を機械学習させた場合に正例を無視してしまい、実態と乖離してしまうおそれがある。そのため、実施の形態２における情報処理装置２００では、予め人為的に設定された負例データ１１４を記憶している。

【0053】

制御部１２０は、記憶部１１０に記憶されたプログラム１１１Ａにより提供される主要な機能部として、概念類似度算出部１２１と、表層類似度算出部１２２と、統合スコア算出部１２３Ａと、結果抽出部１２４と、学習部１２５と、を備える。

【0054】

概念類似度算出部１２１、表層類似度算出部１２２、および結果抽出部１２４は、上記実施の形態１と同様である。統合スコア算出部１２３Ａは、概念類似度算出部１２１により算出した概念類似度と、表層類似度算出部１２２により算出した表層類似度と、を統合した統合スコアを算出する機能部である点では、上記実施の形態１における統合スコア算出部１２３と同様であるが、実施の形態２における統合スコア算出部１２３Ａは、算出した概念類似度と表層類似度とを統合モデル１１２に入力し、統合スコアを算出する。

【0055】

学習部１２５は、正例データ１１３と負例データ１１４とに基づいて統合モデル１１２を機械学習させる機能部である。具体的に、学習部１２５は、概念類似度と表層類似度に応じて統合時の重みを変更させ、これらを非線形に統合するスコアリングロジックとなるよう、すなわち、概念類似度と表層類似度のうちの一方が極端に高くなる出願商品名等が入力された場合であっても高い統合スコアが算出されるよう、正例データ１１３と負例データ１１４とに基づいて統合モデル１１２を機械学習させる。

【0056】

以上が、情報処理装置２００の構成である。続いて情報処理装置２００の動作等について、図７～図１３を参照して説明する。図７は、学習処理の一例を示すフローチャートである。学習処理は、正例データ１１３と負例データ１１４とに基づいて統合モデル１１２を機械学習させる処理である。当該学習処理は、ユーザによる入出力部１３０に対する操作が行われることで実行を開始する。なお、図１０は、当該学習処理の概念図である。

【0057】

学習処理を開始すると、情報処理装置２００は、概念類似度算出部１２１の機能により、図７および図１０に示すように、出願商品名等と登録商品名等との概念類似度を算出する（ステップＳ２０１）。具体的に、ステップＳ２０１の処理では、記憶部に記憶されている商標情報に含まれる２５０００件の登録商品名等（正解の商品名等）それぞれについて、出願時の商品名等との概念類似度を算出する。

【0058】

ステップＳ２０１の処理を実行した後、情報処理装置２００は、表層類似度算出部１２２の機能により、図７および図１０に示すように、出願商品名等と登録商品名等との表層類似度を算出する（ステップＳ２０２）。具体的に、ステップＳ２０２の処理では、記憶部に記憶されている商標情報に含まれる２５０００件の登録商品名等（正解の商品名等）それぞれについて、出願時の商品名等との表層類似度を算出する。

【0059】

続いて情報処理装置２００は、ステップＳ２０１およびステップＳ２０２の処理で算出した概念類似度と表層類似度とを正例データ１１３として記憶部１１０に記憶する（ステップＳ２０３）。

【0060】

ステップＳ２０３の処理を実行した後、情報処理装置２００は、学習部１２５の機能により、図７および図１０に示すように、ステップＳ２０３の処理で記憶した正例データ１１３と、予め記憶部１１０に記憶された負例データ１１４と、に基づいて、統合モデル１１２に機械学習させ（ステップＳ２０４）、学習処理を終了する。当該学習処理が行われることにより、概念類似度と表層類似度に応じて統合時の重みを変更させ、これらを非線形に統合するスコアリングロジックとなるよう、すなわち、概念類似度と表層類似度のうちの一方が極端に高くなる出願商品名等が入力された場合であっても高い統合スコアが算出されるよう、統合モデル１１２が機械学習することとなる。

【0061】

続いて実施の形態２に係る情報処理装置２００における商品名等特定処理について説明する。図１１は、実施の形態２における商品名等特定処理の一例を示すフローチャートである。当該商品名等特定処理は、上記実施の形態１における商品等特定処理と同様、ユーザによる入出力部１３０に対する操作が行われることで実行を開始する。なお、図１２は、当該商品名等特定処理の概念図である。

【0062】

商品名等特定処理を開始すると、情報処理装置２００は、概念類似度算出部１２１の機能により、図１１および図１２に示すように、出願商品名等と登録商品名等との概念類似度を、全登録商品名等について算出する（ステップＳ３０１）。ステップＳ３０１の処理では、上記実施の形態１と同様に、出願商品名等と登録商品名等とのコサイン類似度を、全登録商品名等について求めることで、出願商品名等と全登録商品名等の概念類似度を算出する。

【0063】

ステップＳ３０１の処理を実行した後、情報処理装置２００は、表層類似度算出部１２２の機能により、図１１および図１２に示すように、出願商品名等と登録商品名等との表層類似度を、全登録商品名等について算出する（ステップＳ３０２）。ステップＳ３０２の処理では、上記実施の形態１と同様に、出願商品名等と登録商品名等との編集距離を、全登録商品名等について求めることで、出願商品名等と全登録商品名等との表層類似度を算出する。

【0064】

続いて情報処理装置２００は、統合スコア算出部１２３Ａの機能により、図１１および図１２に示すように、ステップＳ３０１の処理で算出したコサイン類似度と、ステップＳ３０２の処理で算出した表層類似度と、に基づいて、これらを統合した統合スコアを算出する（ステップＳ３０３）。具体的に、ステップＳ３０３の処理では、ステップＳ３０１およびステップＳ３０２の処理で算出した概念類似度と表層類似度とを統合モデル１１２に入力することで統合スコアを算出する。

【0065】

ステップＳ３０３の処理を実行した後、情報処理装置２００は、結果抽出部１２４の機能により、図１１および図１２に示すように、ステップＳ３０３の処理で算出した統合スコアの高い順に、登録商品名等を抽出し、抽出した登録商品名等を、出願商品名等と整合性の高い指定商品名等の候補として表示し（ステップＳ３０４）、当該商品名等特定処理を終了する。ステップＳ３０４の処理では、上記実施の形態１と同様に、統合スコアの最も高い登録商品名等から順に１０個抽出して順位付けをし、出願商品名等とともに指定商品名等の候補として入出力部１３０へ表示する。なお、入出力部１３０へ表示する指定商品名等の候補については、１位～１０位までの１０個に限られず、１０個未満や１０個以上であってもよく、ユーザの設定により変更可能であってよい。なお、順位付けを行わず、上位１０個を順不同に表示するようにしてもよい。

【0066】

次に、商標登録出願時において商標登録出願人により、出願商品名等として、「チラシ」と入力された場合と「穀物の加工品」と入力された場合に、実施の形態２における商品名等特定処理を実行した結果について、図１３を参照して説明する。図１３は、商品名等特定処理が実行された場合における指定商品名等の表示例を示す図である。なお、図示する例では、理解と容易にするため、正解の商品名等である「広告・販売促進用印刷物」および「うどんの麺」を合わせて表示しているが、実際は表示されないものである。

【0067】

図示するように、出願商品名等として「チラシ」と入力された場合、実施の形態２における商品名等特定処理を実行すると、１位に「ブラシ」、２位に「ポスター」、３位に「パンフレット」が表示され、４位に正解の商品名等である「広告・販売促進用印刷物」が表示される。したがって、実施の形態２における商品名等特定処理によれば、上記実施の形態１における商品等特定処理では４７位となり表示されなかった正解の商品名等である「広告・販売促進用印刷物」を上位に表示することができる。

【0068】

また、出願商品名等として「穀物の加工品」と入力された場合、実施の形態２における商品名等特定処理を実行すると、１位に「穀物の加工品」、２位に「そばの加工品」、３位に「穀物の加工品を取材とする総菜」が表示され、４位に正解の商品名等である「うどんの麺」が表示される。したがって、実施の形態２における商品名等特定処理によれば、上記実施の形態１における商品等特定処理では２６位となり表示されなかった正解の商品名等である「うどんの麺」を上位に表示することができる。

【0069】

このように、実施の形態２に係る情報処理装置２００によれば、一部の出願商品名等、すなわち、概念類似度と表層類似度のうちの一方が極端に高くなる出願商品名等が入力された場合であっても、概念類似度と表層類似度に応じて統合時の重みを変更させるよう学習させた統合モデル１１２により統合スコアを算出するため、高精度に指定商品名等を特定することができる。また、原点を中心とした多次元正規分布に従うよう予めユーザが人為的に設定した負例データ１１４を用いて当該統合モデル１１２を機械学習させるため、正例を無視して実態と乖離してしまうことを防止し、高精度に指定商品名等を特定することができる。

【0070】

（変形例）
なお、この発明は、上記実施の形態１および実施の形態２に限定されず、様々な変形及び応用が可能である。例えば、上記実施の形態１に係る情報処理装置１００や上記実施の形態２に係る情報処理装置２００では、上記で示した全ての技術的特徴を備えるものでなくてもよく、従来技術における少なくとも１つの課題を解決できるように、上記実施の形態１および上記実施の形態２で説明した一部の構成を備えたものであってもよい。また、下記の変形例それぞれについて、少なくとも一部を組み合わせてもよい。

【0071】

上記実施の形態１に係る情報処理装置１００では、商品名等特定処理において概念類似度と表層類似度の平均を統合スコアとして算出し、上記実施の形態２に係る情報処理装置２００では、商品名等特定処理において概念類似度と表層類似度を統合モデル１１２に入力して統合スコアを算出し、それぞれ統合スコアの高い順に、１位～１０位までの１０個の登録商品名等を表示する例を示したが、これは一例である。

【0072】

例えば、上記実施の形態１に係る情報処理装置１００と上記実施の形態２００に係る情報処理装置２００とを組み合わせてもよい。具体的に、概念類似度と表層類似度の平均を統合スコアとして算出し（平均統合スコア）、当該平均統合スコアの高い順に１位～１０位までの１０個の登録商品名等を抽出し、かつ、概念類似度と表層類似度を統合モデル１１２に入力して統合スコアを算出し（統合モデル統合スコア）、当該統合モデル統合スコアの高い順に１位～１０位までの１０個の登録商品名等を抽出した上で、共通する登録商品名等を除外して登録商品名等を表示してもよい。この場合、商品名等特定処理において、平均統合スコアを算出し、平均統合スコアの高い順に１位～１０位までの１０個の登録商品名等を抽出して表示した後に、統合モデル統合スコアを算出して統合モデル統合スコアの高い順に１位～１０位までの１０個の登録商品名等を抽出し、平均統合スコアに基づいて抽出された登録商品名等と共通する登録商品名等があれば、当該共通する登録商品名等を除き、表示すればよい。すなわち、平均統合スコアに基づいて抽出した登録商品名等と、統合モデル統合スコアに基づいて抽出した登録商品名等と、が重複して表示されないようにすればよい。

【0073】

図１４は、この変形例における商品名等特定処理が実行された場合における指定商品名等の表示例を説明するための説明図である。図示するように、出願商品名等として「チラシ」と入力された場合、平均統合スコアに基づくと、１位に「ブラシ」、２位に「歯ブラシ」、３位に「靴ブラシ」、４位に「金ブラシ」が抽出され表示される。そして、統合モデル統合スコアに基づくと、１位「ブラシ」、２位「ポスター」、３位「パンフレット」、４位「広告・販売促進用印刷物」として当該登録商品名等が抽出されるが、「ブラシ」については平均統合スコアに基づくものと共通するため、除外され、２位以降が表示されることとなる。なお、図示は省略しているが、５位以降にも平均統合スコアに基づくものと共通する登録商品名等がある場合には、除外される。

【0074】

なお、商品名等特定処理において、まず平均統合スコアを算出し、平均統合スコアの高い順に１位～１０位までの１０個の登録商品名等を抽出して表示した後に、統合モデル統合スコアを算出する例を示したが、まず統合モデル統合スコアを算出し、その後平均統合スコアを算出するようにしてもよい。また、平均統合スコアを算出と統合モデル統合スコアの算出の両方を実行するか否かをユーザにより選択可能としてもよい。

【0075】

このように、平均統合スコアと統合モデル統合スコアの両方を用いて登録商品名等を表示することで、より高精度に指定商品名等を特定することができる。図１５は、この変形例における商品名等特定処理が実行された場合における正解の商品名等の表示順位と表示割合とを示す図である。具体的に、図示する例では、平均統合スコアと統合モデル統合スコアの両方を用いた場合における表示順位と表示割合をＡ、統合モデル統合スコアのみ用いた場合をＢ、平均統合スコアのみ用いた場合をＣとして示している。図示するように、平均統合スコアと統合モデル統合スコアの両方を用いて登録商品名等を表示する場合、正解の商品名等が１０位以内に表示される割合が８７％となっている。したがって、統合モデル統合スコアのみ用いた場合や平均統合スコアのみ用いた場合よりも高精度に指定商品名等を特定することができる。

【0076】

また、上記実施の形態１および上記実施の形態２における商品名等登録処理では、商品および役務の区分に関わらず、記憶部１１０に記憶されている商標情報に含まれる２５０００件の登録商品名等（正解の商品名等）と出願商品名等との概念類似度と表層類似度とを算出する例を示したが、これは一例である。上記実施の形態１および上記実施の形態２における商品名等登録処理では、例えば、少なくとも出願時または登録時の商品および役務の区分を選択可能とし、選択された商品および役務の区分に属する登録商品名等（正解の商品名等）についてのみ、出願商品名等との概念類似度と表層類似度とを算出してもよい。これによれば、商標情報に含まれる全ての登録商品名等（正解の商品名等）について、出願商品名等との概念類似度と表層類似度とを算出する必要がなくなり、処理負担を軽減することができる。なお、記憶部に記憶されている商標情報には、出願商品名等と登録商品名等に加え、登録時の商品および役務の区分が含まれていればよい。

【0077】

なお、上記実施の形態１に係る情報処理装置１００および上記実施の形態２に係る情報処理装置２００は、専用の装置によらず、通常のコンピュータを用いて実現可能である。例えば、コンピュータに上述のいずれかを実行するためのプログラムを格納した記録媒体から該プログラムをコンピュータにインストールすることにより、上述の処理を実行する情報処理装置１００および情報処理装置２００を構成してもよい。また、複数のコンピュータが協働して動作することによって、１つの情報処理装置１００および情報処理装置２００を構成してもよい。

【0078】

また、上述の機能を、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）とアプリケーションとの分担、またはＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納してもよい。

【0079】

また、搬送波にプログラムを重畳し、通信ネットワークを介して配信することも可能である。例えば、通信ネットワーク上の掲示板（ＢＢＳ、Ｂｕｌｌｅｔｉｎ Ｂｏａｒｄ Ｓｙｓｔｅｍ）に当該プログラムを掲示し、ネットワークを介して当該プログラムを配信してもよい。そして、これらのプログラムを起動し、オペレーティングシステムの制御下で、他のアプリケーションプログラムと同様に実行することにより、上述の処理を実行できるように構成してもよい。

【符号の説明】

【0080】

１００、２００ 情報処理装置、１１０ 記憶部、１１１、１１１Ａ プログラム、１１２ 統合モデル、１１３ 正例データ、１１４ 負例データ、１２０ 制御部、１２１ 概念類似度算出部、１２２ 表層類似度算出部、１２３、１２３Ａ 統合スコア算出部、１２４ 結果抽出部、１２５ 学習部、１３０ 入出力部、１４０ 通信部、２１０ ネットワーク

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】