前回は、TM-RoBoの称呼検索が生まれた背景事情である既存の商標データベースサービスの問題点をご紹介しました。今回は、「称呼検索のしくみ」についてご紹介します。

既存商標データベースサービスの問題と原因

前回お伝えした通り、既存の商標データベースサービス（以下、商標DBサービス）の称呼検索結果は、検索でヒット商標を無作為に羅列するものか、一般的に知られた形式的なルール（１音違いは類似度が高い等）で並べる程度しかできないため、正しい類似順に並んでいるわけではありません。このため、全ての検索結果について調査者自身で注意深く類否判断を行う必要がありました。

この問題についての最大の原因は、２つの称呼の類否を商標専門家がどのように判断しているかについて、従来は正確に把握できていなかったことにあると考えられます。これまで、特許庁や裁判所による称呼類否に関する判断は多数存在していますが、相互に矛盾するものも多数見られたため、昔からよく知られた類否判断のルール（審査基準等）か、その延長線上に仮説を立て、その範囲で審決や判決を分析したものしかありませんでした。

  TM-RoBo独自の学習モデルによる類否指標算出

このような類否の一般的なルールは、商標専門家による判断を網羅的に反映したものではなく、類否判断の考慮要素の一部をルール化したものにとどまっているため、そのルールを形式的にあてはめても、十分な判断ができなかったものと考えられます。

これに対し、TM-RoBoの＜称呼検索＞では、これまでの特許庁や裁判所の称呼類否に関する判断を網羅的に機械学習して学習モデルを作成したことで、上記のような一般的に知られたルールはもちろん、これまで意識されていなかった商標専門家による判断手法についても学習しました。

また、TM-RoBoは、相互に矛盾する審決・判決の存在を踏まえ、２つの称呼が類似するか否かの二者択一ではなく、似ているか否かの判断を統計的に処理した類否統計指標を数値化することにも成功しています。更に、２つの称呼の類否統計指標が数値化されることにより、類否統計指標順に並べることも可能になりました。これらのことから、莫大な数の第三者登録商標等がヒットしたとしても、調査者は効率的に類否判断を正確に行うことが可能となりました。

ちなみに、商標判断を機械学習した検索サービスは世界的にみてもわずかにしか存在していませんが、いずれも似ている順に並べるとしているものにとどまり、精度が十分といえるか疑問が残るものも存在しています。少なくとも具体的な類否統計指標を数値化して表示するものは、TM-RoBo以外では確認できていません。

商標の類否検索のAI化

いつか詳細をご説明したいとは思いますが、商標の類否検索が機械学習に適した分野でないため、審決・判決を単に機械学習しただけでは実用的な精度が出ません。このような事情が、類否統計指標を数値化するAIが世界的にみてもほぼ見当たらないことに関係していると考えられます。
これに対し、TM-RoBoは、商標の専門家とAIの専門家が様々な研究を長年に渡って繰り返した結果、高度な検索精度を実現したもので、世界的にみても最先端に並びうる「商標検索AI」であると自負しております。

今回は、TM-RoBoの基本機能である「称呼検索の基本的なしくみ」をご紹介させていただきました。次回は、TM-RoBoの「称呼検索の具体的使用方法」についてご紹介したいと思います。

******************************************************************

[ 執筆者 プロフィール ]

岩原 将文 /株式会社IP-RoBo CEO

2000年弁護士登録。

主として、特許、著作権その他の知的財産権に関する相談、契約、訴訟等を行う。

大学・大学院時代には、機械学習に関する研究を行っていた。

<関連リンク>

WEB：https://ip-robo.co.jp/

お問い合わせ：info@ip-robo.co.jp

******************************************************************