審判番号 不服2023-017230
請求人 LINEヤフー株式会社(代理人 弁理士法人酒井国際特許事務所)
特願2021-101059「情報提供装置、情報提供方法及び情報提供プログラム」拒絶査定不服審判事件〔令和5年1月4日出願公開、特開2023-314〕について、次のとおり審決する。
結 論
本件審判の請求は、成り立たない。
理 由
第1 手続の経緯
本願は、令和3年6月17日の出願であって、令和5年4月24日付けで拒絶の理由が通知され、同年6月28日に意見書とともに手続補正書が提出され、同年7月28日付けで拒絶査定(謄本送達日同年8月1日。以下、「原査定」という。)がなされ、これに対して同年10月11日に拒絶査定不服審判の請求がなされるとともに手続補正がなされ、同年11月7日付けで審査官により特許法164条3項の規定に基づく報告(以下、「前置報告」という。)がなされ、同年12月18日に上申書(以下、「上申書」という。)が提出されたものである。
第2 令和5年10月11日にされた手続補正についての補正の却下の決定
[補正の却下の決定の結論]
令和5年10月11日にされた手続補正(以下、「本件補正」という。)を却下する。
[理由]
1 本件補正の内容
本件補正により、令和5年6月28日の手続補正により補正された特許請求の範囲、
「 【請求項1】
所定のユーザ群に含まれる複数のユーザの属性情報に係る属性項目ごとに、当該複数のユーザに対して設定された設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、当該特徴度に基づいて前記所定のユーザ群の特徴を表す特徴情報を抽出する抽出部と、
前記特徴情報に基づいて、前記所定のユーザ群の特徴を出力するための提供情報を生成する生成部と、
前記提供情報を提供する提供部と、
を備える情報提供装置。
【請求項2】
前記抽出部は、複数の属性情報のうち特徴的な1以上の前記属性情報を前記特徴情報として抽出する、
請求項1に記載の情報提供装置。
【請求項3】
複数の前記属性情報それぞれは、前記属性情報の種別を表す属性項目と、前記属性項目に対して設定可能な複数の設定値のうち指定された設定値と、を含み、
前記抽出部は、複数の設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、複数の前記設定値間での当該特徴度の差分が大きい前記属性情報を、前記特徴情報として抽出する、
請求項2に記載の情報提供装置。
【請求項4】
複数の前記属性情報それぞれは、前記属性情報の種別を表す属性項目と、前記属性項目に対して設定可能な複数の設定値のうち指定された設定値と、を含み、
前記抽出部は、複数の設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、複数の前記設定値に対する複数の当該特徴度の分散が大きい前記属性情報を、前記特徴情報として抽出する、
請求項2に記載の情報提供装置。
【請求項5】
複数の前記属性情報それぞれは、前記属性情報の種別を表す属性項目と、前記属性項目に対して設定可能な複数の設定値のうち指定された設定値と、を含み、
前記抽出部は、複数の設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、複数の前記設定値に対する複数の当該特徴度の偏りが大きい前記属性情報を、前記特徴情報として抽出する、
請求項2に記載の情報提供装置。
【請求項6】
前記生成部は、前記所定のユーザ群の特徴を表形式で出力する前記提供情報を生成する、
請求項1~5のうちいずれか1つに記載の情報提供装置。
【請求項7】
前記生成部は、前記所定のユーザ群の特徴を表す文字列を、予め定められたテンプレートに埋め込むことにより前記提供情報を生成する、
請求項1~5のうちいずれか1つに記載の情報提供装置。
【請求項8】
前記所定のユーザ群は、指定された検索条件を満たすユーザとして検索された複数のユーザを含む、
請求項1~7のうちいずれか1つに記載の情報提供装置。
【請求項9】
情報提供装置が実行する情報提供方法であって、
所定のユーザ群に含まれる複数のユーザの属性情報に係る属性項目ごとに、当該複数のユーザに対して設定された設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、当該特徴度に基づいて前記所定のユーザ群の特徴を表す特徴情報を抽出する抽出工程と、
前記特徴情報に基づいて、前記所定のユーザ群の特徴を出力するための提供情報を生成する生成工程と、
前記提供情報を提供する提供工程と、
を含む情報提供方法。
【請求項10】
所定のユーザ群に含まれる複数のユーザの属性情報に係る属性項目ごとに、当該複数のユーザに対して設定された設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、当該特徴度に基づいて前記所定のユーザ群の特徴を表す特徴情報を抽出する抽出手順と、
前記特徴情報に基づいて、前記所定のユーザ群の特徴を出力するための提供情報を生成する生成手順と、
前記提供情報を提供する提供手順と、
をコンピュータに実行させるための情報提供プログラム。」(以下、上記引用の請求項各項を「補正前の請求項」という)は、
「 【請求項1】
複数のユーザの属性情報であって複数の項目を有する属性情報を入力した際に、当該複数のユーザの属性情報のうち特徴的である属性情報を、当該複数のユーザの特徴を表す特徴情報として出力するように学習が行われたモデルに対して、複数のユーザの属性情報を入力することで、特徴情報を抽出する抽出部と、
前記特徴情報に基づいて、前記複数のユーザの特徴を出力するための提供情報を生成する生成部と、
前記提供情報を提供する提供部と、
を備える情報提供装置。
【請求項2】
前記抽出部は、複数の属性情報のうち特徴的な1以上の前記属性情報を前記特徴情報として抽出する、
請求項1に記載の情報提供装置。
【請求項3】
複数の前記属性情報それぞれは、前記属性情報の種別を表す属性項目と、前記属性項目に対して設定可能な複数の設定値のうち指定された設定値と、を含み、
前記抽出部は、複数の設定値それぞれに対して、当該設定値が特徴的であることを示す度合いについて、複数の前記設定値間での当該度合いの差分が大きい前記属性情報を、前記特徴情報として抽出する、
請求項2に記載の情報提供装置。
【請求項4】
複数の前記属性情報それぞれは、前記属性情報の種別を表す属性項目と、前記属性項目に対して設定可能な複数の設定値のうち指定された設定値と、を含み、
前記抽出部は、複数の設定値それぞれに対して、当該設定値が特徴的であることを示す度合いについて、複数の前記設定値に対する複数の当該度合いの分散が大きい前記属性情報を、前記特徴情報として抽出する、
請求項2に記載の情報提供装置。
【請求項5】
複数の前記属性情報それぞれは、前記属性情報の種別を表す属性項目と、前記属性項目に対して設定可能な複数の設定値のうち指定された設定値と、を含み、
前記抽出部は、複数の設定値それぞれに対して、当該設定値が特徴的であることを示す度合いについて、複数の前記設定値に対する複数の当該度合いの偏りが大きい前記属性情報を、前記特徴情報として抽出する、
請求項2に記載の情報提供装置。
【請求項6】
前記生成部は、前記複数のユーザの特徴を表形式で出力する前記提供情報を生成する、
請求項1~5のうちいずれか1つに記載の情報提供装置。
【請求項7】
前記生成部は、前記複数のユーザの特徴を表す文字列を、予め定められたテンプレートに埋め込むことにより前記提供情報を生成する、
請求項1~5のうちいずれか1つに記載の情報提供装置。
【請求項8】
前記複数のユーザは、指定された検索条件を満たすユーザとして検索された複数のユーザを含む、
請求項1~7のうちいずれか1つに記載の情報提供装置。
【請求項9】
情報提供装置が実行する情報提供方法であって、
複数のユーザの属性情報であって複数の項目を有する属性情報を入力した際に、当該複数のユーザの属性情報のうち特徴的である属性情報を、当該複数のユーザの特徴を表す特徴情報として出力するように学習が行われたモデルに対して、複数のユーザの属性情報を入力することで、特徴情報を抽出する抽出工程と、
前記特徴情報に基づいて、前記複数のユーザの特徴を出力するための提供情報を生成する生成工程と、
前記提供情報を提供する提供工程と、
を含む情報提供方法。
【請求項10】
複数のユーザの属性情報であって複数の項目を有する属性情報を入力した際に、当該複数のユーザの属性情報のうち特徴的である属性情報を、当該複数のユーザの特徴を表す特徴情報として出力するように学習が行われたモデルに対して、複数のユーザの属性情報を入力することで、特徴情報を抽出する抽出手順と、
前記特徴情報に基づいて、前記複数のユーザの特徴を出力するための提供情報を生成する生成手順と、
前記提供情報を提供する提供手順と、
をコンピュータに実行させるための情報提供プログラム。」(下線は審判請求人が付したものである。以下、上記引用の請求項各項を「補正後の請求項」という。)に補正された。
2 補正事項
本件補正は、以下の補正事項1~3を含む。
(1)補正事項1
補正前の請求項1における、「抽出部」について、本件補正前に「所定のユーザ群に含まれる複数のユーザの属性情報に係る属性項目ごとに、当該複数のユーザに対して設定された設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、当該特徴度に基づいて前記所定のユーザ群の特徴を表す特徴情報を抽出する」とあったものを、本件補正後に「複数のユーザの属性情報であって複数の項目を有する属性情報を入力した際に、当該複数のユーザの属性情報のうち特徴的である属性情報を、当該複数のユーザの特徴を表す特徴情報として出力するように学習が行われたモデルに対して、複数のユーザの属性情報を入力することで、特徴情報を抽出する」とし、補正前の請求項9の「抽出工程」及び補正前の請求項10の「抽出手順」についても同様に補正する補正。
(2)補正事項2
補正前の請求項1、9及び10における、「提供情報」について、本件補正前に「前記所定のユーザ群の特徴を出力するための」とあったものを、本件補正後に「前記複数のユーザの特徴を出力するための」とする補正。
(3)補正事項3
補正前の請求項3~5において、本件補正前に「当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、複数の前記設定値間での当該特徴度」の「差分」(請求項3)、「分散」(請求項4)、「偏り」(請求項5)が「大きい前記属性情報」とあったものを、本件補正後に「当該設定値が特徴的であることを示す度合いについて、複数の前記設定値間での当該度合い」の「差分」(請求項3)、「分散」(請求項4)、「偏り」(請求項5)が「大きい前記属性情報」とする補正。
3 目的要件
(1)目的要件に関する判断
本件補正が、特許法17条の2第5項の規定を満たすものであるか否か、即ち、本件補正が、特許法17条の2第5項に規定する請求項の削除、特許請求の範囲の減縮(特許法36条5項の規定により請求項に記載した発明を特定するために必要な事項を限定するものであって、その補正前の当該請求項に記載された発明とその補正後の当該請求項に記載される発明の産業上の利用分野及び解決しようとする課題が同一であるものに限る)、誤記の訂正、或いは、明りょうでない記載の釈明(拒絶理由通知に係る拒絶の理由に示す事項についてするものに限る)の何れかを目的としたものであるかについて、以下に検討する。
上記補正事項1~3は、請求項の削除、誤記の訂正のいずれにも該当しない。
また、補正事項1において、補正前の請求項1において、本件補正前に「当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、当該特徴度に基づいて…(中略)…特徴情報を抽出する」とあったものから、「当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、」との事項を削除し、補正後の請求項1において、「属性情報を入力した際に、当該複数のユーザの属性情報のうち特徴的である属性情報を、当該複数のユーザの特徴を表す特徴情報として出力するように学習が行われたモデルに対して、複数のユーザの属性情報を入力することで、特徴情報を抽出する」(下線は、当審で付加。以下同様。)と変更することは、補正前の請求項1に特定されるいずれの事項を限定的に減縮するものともいえないから、特許請求の範囲の減縮にはあたらない。
また、原査定において、補正前の請求項1に特定される「抽出部」について、不明瞭である旨は示されていない(下記第4の項を参照。)から、明りょうでない記載の釈明にもあたらない。
したがって、本件補正は、特許法17条の2第5項各号に掲げるいずれの事項を目的とするものとも認められない。
(2)上申書における審判請求人の主張について
上申書において、審判請求人は、本件補正について次のような主張を行っている。
「かかる指摘(当審注:前置報告における、本件補正がいわゆる目的外補正であるとの指摘。)について、本願明細書の[0039]において、「まず抽出部132は、属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値それぞれに対する特徴度を算出する。特徴度は、当該属性項目について、その設定値が特徴的であることを示す度合いを表す。そして抽出部132は、複数の設定値間での特徴度の差分が大きい属性情報を、特徴情報として抽出する。抽出部132は、複数の設定値に対する複数の特徴度の分散が大きい属性情報を、特徴情報として抽出してもよい。また、抽出部132は、複数の設定値に対する複数の特徴度の偏りが大きい属性情報を、特徴情報として抽出してもよい。」旨を記載しており、さらに[0040]において、「なお特徴情報の抽出方法は上記に限られず、どのような方法であってもよい。例えば、複数のユーザの属性情報を入力し特徴情報を出力するように事前に学習した学習モデル(ニューラルネットワークモデルなど)を用いる方法が用いられてもよい。」旨を記載しています。令和5年10月11日付け手続補正書における請求項1に係る補正は、[0028]、[0037]、[0039]~[0040]等に基づき補正しており、[0040]において、[0039]における「特徴情報の抽出方法」の例示として、「複数のユーザの属性情報を入力し特徴情報を出力するように事前に学習した学習モデル(ニューラルネットワークモデルなど)を用いる方法が用いられてもよい。」旨を記載しています。つまり、令和5年6月28日付け手続補正書における請求項1に記載の「抽出部」に対し、令和5年10月11日付け手続補正書における請求項1に記載の「抽出部」は、前者の例示であり、下位概念に相当するものと考えます。したがって、前者から後者への補正は、特許請求の範囲の限定的減縮を目的とする補正であると考えます。」
上記主張について検討する。
まず、上申書における請求人の主張は概ね、本件補正は特許請求の範囲の限定的減縮を目的とするものであることを主張するものであるから、本件補正が明瞭でない記載の釈明を目的としたものではないことは、請求人自ら認めるところである。
また、本件明細書の段落【0039】~【0040】の記載を参酌すると、特に段落【0040】には、「なお特徴情報の抽出方法は上記に限られず、どのような方法であってもよい。例えば、…(中略)…学習モデル(ニューラルネットワークモデルなど)を用いる方法が用いられてもよい」と記載されていて、そのうち、「特徴情報の抽出方法」とは、段落【0039】に記載された、次の方法(以下、「段落39方法」という。)のことを意味するものと解される。
「「抽出部132」によって、「属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値それぞれに対する」、「当該属性項目について、その設定値が特徴的であることを示す度合いを表」す「特徴度」を「算出」し、当該「抽出部132」によって、「複数の設定値間での特徴度の差分が大きい属性情報を、特徴情報として抽出する」方法であって、「抽出部132」による「特徴情報」の「抽出」にあたって、「複数の設定値に対する複数の特徴度の分散が大きい属性情報」や「複数の設定値に対する複数の特徴度の偏りが大きい属性情報」を、特徴情報として抽出してもよい方法」
そして、段落【0040】における、「なお特徴情報の抽出方法は上記に限られず、どのような方法であってもよい」との記載は、段落39方法が、段落39方法とは別の方法によってなされてもよいことを意味するものと解されるところ、段落39方法以外の、学習モデルを用いる方法が採用し得ることをいうものと解するほか無く、段落39方法の下位概念として、学習モデルを用いる方法が例示されているとはいえない。
そして、本件補正が、特許請求の範囲の限定的減縮にあたらないことは、上記(1)で説示したとおりであるから、上記主張のうち、本件補正が特許請求の範囲の限定的減縮に当たるものである旨の主張は採用できない。
4 補正却下むすび
以上のとおりであるから、本件補正は、特許法17条の2第5項の規定に違反するものであり、特許法159条1項において読み替えて準用する同法53条1項の規定により却下されるべきものである。
よって、上記補正の却下の決定の結論のとおり決定する。
第3 本願発明
本件補正は、上記のとおり却下されたので、本願の請求項に係る発明は、令和5年6月28日にされた手続補正により補正された特許請求の範囲に記載された事項により特定されるものであるところ、その請求項1に係る発明(以下、「本願発明」という。)は、明細書及び図面の記載からみて、その請求項1に記載された事項により特定される、前記第2[理由]1の補正前の請求項1に記載のとおりのものである。再掲すれば、次のとおり。
「所定のユーザ群に含まれる複数のユーザの属性情報に係る属性項目ごとに、当該複数のユーザに対して設定された設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、当該特徴度に基づいて前記所定のユーザ群の特徴を表す特徴情報を抽出する抽出部と、
前記特徴情報に基づいて、前記所定のユーザ群の特徴を出力するための提供情報を生成する生成部と、
前記提供情報を提供する提供部と、
を備える情報提供装置。」
第4 原査定の拒絶の理由の概要
原査定の拒絶の理由の概要は次のとおりである。
1.(実施可能要件)この出願は、発明の詳細な説明の記載が下記の点で、特許法第36条第4項第1号に規定する要件を満たしていない。
記
●理由1(実施可能要件)について
・請求項1乃至10
出願人は、意見書において、
…(中略)…
と主張している。
しかしながら、上記拒絶理由通知書で指摘したように、「抽出部」関して、本願明細書の記載では、設定値から特徴度を算出(推定)する具体的な方法が不明である。
…(後略)
第5 原査定の拒絶の理由についての判断
1 理由1(特許法36条4項1号(実施可能要件))について
特許法36条4項1号は、「発明の詳細な説明」の記載については、「発明が解決しようとする課題及びその解決手段その他のその発明の属する技術の分野における通常の知識を有する者が発明の技術上の意義を理解するために必要な事項」(特許法施行規則24条の2)により「その発明の属する技術の分野における通常の知識を有する者(以下、「当業者」という。)がその実施をすることができる程度に明確かつ十分に記載したものである」ことを、その要件として定めている。同規定の趣旨は、特許制度は、発明を公開した者に対して、技術を公開した代償として一定の期間の独占権を付与する制度であるが、仮に、特許を受けようとする者が、第三者に対して、発明が解決しようとする課題及びその解決手段その他の発明の技術上の意義を理解するために必要な事項を開示することなく、また、発明を実施するための明確でかつ十分な事項を開示することなく、独占権の付与を受けることになるのであれば、有用な技術的思想の創作である発明を公開した代償として独占権が与えられるという特許制度の目的を失わせることになりかねず、そのような趣旨から、特許明細書の「発明の詳細な説明」に、上記事項を記載するよう求めたものである。(平成21年(行ケ)第10033号)
また、特許法36条4項1号は、発明の詳細な説明の記載は、発明が解決しようとする課題及びその解決手段その他のその発明の属する技術の分野における通常の知識を有する者が発明の技術上の意義を理解するために必要な事項を、その発明の属する技術の分野における通常の知識を有する者がその実施をすることができる程度に明確かつ十分に記載したものでなければならないことを規定するものであり、同号の要件を充足するためには、明細書の発明の詳細な説明に、当業者が、明細書の発明の詳細な説明の記載及び出願当時の技術常識に基づいて、過度の試行錯誤を要することなく、その発明を実施することができる程度に発明の構成等の記載があることを要する。(平成30年(行ケ)第10045号)
そこで、特許請求の範囲に記載された発明が、発明の詳細な説明において、当業者が、明細書の発明の詳細な説明の記載及び出願当時の技術常識に基づいて、過度の試行錯誤を要することなく、その発明を実施することができる程度に明確かつ十分に記載されているといえるかとの観点にたち、以下に検討を行う。
(1) 本件明細書の記載について
本件明細書には、次の記載が認められる。
ア 本願発明の背景及び解決しようとする課題について
「【0001】
本発明は、情報提供装置、情報提供方法及び情報提供プログラムに関する。
【背景技術】
【0002】
自己紹介文から特徴的な単語を含む文を抽出し、特徴度の高い順に提示領域に設定することで人物情報を要約し、的確な情報提示を行う技術が提案されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開2016-057669号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、上記の従来技術は、特定の人物を表す人物情報の要約を提示するため、例えば、複数の人物(ユーザ)から特定される仮想的なユーザ像/人物モデル(ペルソナ)を示す情報を適切に提示できない場合があった。
【0005】
本願は、上記に鑑みてなされたものであって、複数のユーザから特定される仮想的なユーザ像などの特徴をより的確に表す情報を提供可能とすることを目的とする。」
イ 情報提供装置について
「【0011】
図1に示すように、情報提供システム1は、端末装置10と情報提供装置100とを含む。端末装置10と情報提供装置100とは、それぞれネットワークN(図2参照)を介して有線又は無線で互いに通信可能に接続される。
…
【0014】
本実施形態では、端末装置10は、事前の検索処理などによって得られたユーザ群のペルソナの生成要求を情報提供装置100に送信する(ステップS1)。ペルソナは、例えば、ユーザ群に含まれる複数のユーザから特定される仮想的なユーザ像(人物像)またはユーザモデル(人物モデル)を表す。
【0015】
情報提供装置100は、端末装置10からの生成要求に応じて、指定されたユーザ群のペルソナを生成し(ステップS2)、生成したペルソナを示す情報(ペルソナ情報)を端末装置10に提供する情報処理装置である(ステップS3)。情報提供装置100は、例えば、サーバ装置及びクラウドシステム等により実現される。
【0016】
本実施形態によれば、情報提供装置100は、特定のユーザの人物情報を提供するのではなく、複数のユーザを含むユーザ群から特定される仮想的なユーザ像(ペルソナ)を示す情報を生成して提供することができる。これにより、複数のユーザから特定される仮想的なユーザ像などの特徴をより的確に表す情報を提供可能となる。
…
【0021】
〔3.情報提供装置の構成例〕
次に、図3を用いて、実施形態に係る情報提供装置100の構成について説明する。図3は、実施形態に係る情報提供装置100の構成例を示す図である。図3に示すように、情報提供装置100は、通信部110と、記憶部120と、制御部130とを有する。
【0022】
(通信部110)
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。また、通信部110は、ネットワークN(図2参照)と有線又は無線で接続される。
【0023】
(記憶部120)
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、又は、ハードディスク、光ディスク等の記憶装置によって実現される。図3に示すように、記憶部120は、属性データベース121と、テンプレートデータベース122とを有する。
【0024】
(属性データベース121)
属性データベース121は、ユーザごとの属性情報を記憶するデータベースである。属性データベース121には、例えば、ユーザの識別子であるユーザIDと、ユーザの属性情報とが、対応付けて記憶される。例えば、図4は、実施形態に係る属性データベース121に記憶される情報の一例を説明する図である。
【0025】
図4に示す例では、属性データベース121は、「ユーザID」、「属性項目」、および「設定値」といった項目に応じた情報を、「ユーザID」ごとに複数記憶する。ここで、ユーザIDとは、ユーザの識別子であり、例えば、ユーザアカウントおよびメールアドレス等である。ユーザの識別子は、ユーザが使用する端末装置10の識別子(端末ID)であってもよい。また、ユーザの識別子は、ユーザが使用する端末装置10に付与されたIDFA(Identification For Advertisers)およびADID(Advertising Identifier)等の識別子であってもよい。また、属性項目は、属性情報の種別を示す情報である。図4に示すように、属性項目は、例えば、性別、年齢、住所、家族構成、職業、趣味嗜好、および、検索キーワードなどを含む。
【0026】
設定値は、対応する属性項目に対して設定可能な複数の設定値のうち、ユーザIDで識別されるユーザに対して設定された値を示す。1つの属性項目と、その属性項目に対する設定値との組みが1つの属性情報に相当する。図4に示すように、各ユーザに対して複数の属性情報が登録される。
【0027】
図4では、ユーザID「ID#01」に対し、例えば、属性項目「性別」および設定値「男性」が対応付けて記憶され、属性項目「年齢」(「年代」でもよい。)および設定値「30代」が対応付けて記憶され、属性項目「住所」および設定値「A市」が対応付けて記憶されている。このような情報は、例えば、ユーザID「ID#01」が示すユーザの性別が男性であり、年齢が30代に含まれる年齢であり、住所がA市である旨を示している。」
「図1
〔図省略〕
」
「図2
〔図省略〕
」
「図3
〔図省略〕
」
「図4
〔図省略〕
」
ウ 「抽出部」について
「【0037】
(抽出部132)
抽出部132は、属性データベース121に記憶された複数のユーザの属性情報に基づいて、ユーザ群の特徴を表す特徴情報を抽出する。特徴情報の抽出方法はどのような方法であってもよいが、例えば以下のような方法を適用できる。
【0038】
例えば抽出部132は、属性データベース121に記憶された複数の属性情報のうち特徴的な1以上の属性情報を特徴情報として抽出する。特徴的な属性情報は、例えば、以下のように求めることができる。
【0039】
まず抽出部132は、属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値それぞれに対する特徴度を算出する。特徴度は、当該属性項目について、その設定値が特徴的であることを示す度合いを表す。そして抽出部132は、複数の設定値間での特徴度の差分が大きい属性情報を、特徴情報として抽出する。抽出部132は、複数の設定値に対する複数の特徴度の分散が大きい属性情報を、特徴情報として抽出してもよい。また、抽出部132は、複数の設定値に対する複数の特徴度の偏りが大きい属性情報を、特徴情報として抽出してもよい。
【0040】
なお特徴情報の抽出方法は上記に限られず、どのような方法であってもよい。例えば、複数のユーザの属性情報を入力し特徴情報を出力するように事前に学習した学習モデル(ニューラルネットワークモデルなど)を用いる方法が用いられてもよい。」
エ 「情報提供装置」による処理手順について
「【0044】
〔4.処理手順〕
次に、図6を用いて実施形態に係る情報提供装置100による処理手順について説明する。図6は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、例えば端末装置10からペルソナの生成要求が受信された場合に、情報提供装置100の制御部130によって実行される。
【0045】
図6に示すように、情報提供装置100の取得部131は、属性データベース121に記憶された属性情報、すなわち、ユーザ群に含まれる各ユーザの属性情報を取得する(ステップS101)。
【0046】
続いて、情報提供装置100の抽出部132は、取得された複数のユーザの属性情報から、ユーザ群の特徴を表す特徴情報を抽出する(ステップS102)。
【0047】
続いて、情報提供装置100の生成部133は、抽出された特徴情報に基づいて、ユーザ群の特徴を表すペルソナ情報を生成する(ステップS103)。
【0048】
続いて、情報提供装置100の提供部134は、生成されたペルソナ情報を、例えば、通信部110を介して端末装置10に対して提供する(ステップS104)。
【0049】
続いて、情報提供装置100の変更部135は、ペルソナ情報の変更が指定されたか否かを判定する(ステップS105)。例えば変更部135は、端末装置10からペルソナ情報の変更要求を受信した場合に、変更が指定されてと判定する。変更が指定された場合(ステップS105:Yes)、変更部135は、指定に従いペルソナ情報を変更する(ステップS106)。なお提供部134は、変更後のペルソナ情報を端末装置10に送信してもよい。変更が指定されない場合(ステップS105:No)、制御部130は処理を終了する。」
「図6
〔図省略〕
」
オ 「ペルソナ情報」について
「【0051】
次に、生成されるペルソナ情報の一例について説明する。図7は、ペルソナ情報の例を示す図である。
【0052】
図7は、「個人年収」、「家族構成」、「職業」、および、「趣味嗜好」が、対象のユーザ群に対する特徴情報として抽出された例を表す。すなわち、例えばその他の属性情報である「性別」および「住所」などは、このユーザ群の特徴情報としては抽出されなかったことを意味する。生成部133は、抽出された特徴情報である4つの特徴情報を表形式で表した情報711を生成する。
【0053】
表の列数は、抽出された特徴情報の個数に応じて変更されうる。例えば「趣味嗜好」が、対象のユーザ群の特徴情報として抽出されなかった場合は、生成部133は、「趣味嗜好」以外の3つの特徴情報を含むような表形式の情報を生成する。
【0054】
情報712は、グラフ形式で表された情報の一例である。情報713は、検索キーワードを含む情報の一例である。例えば生成部133は、ユーザ群に含まれる各ユーザに対して設定された検索キーワードのうち、より多くのユーザに対して設定された検索キーワードを情報713として生成してもよい。」
「図7
〔図省略〕
」
(2) 明細書記載事項について
上記(1)ア~オの記載(特に下線部。)から、本件明細書の発明の詳細な説明には、次の事項(以下、「明細書記載事項」という。)が記載されているといえる。
「複数の人物(ユーザ)から特定される仮想的なユーザ像/人物モデル(ペルソナ)を示す情報を適切に提示できないことを解決しようとする課題とする(【0004】)情報提供装置(【0001】)において、複数のユーザから特定される仮想的なユーザ像などの特徴をより的確に表す情報を提供可能とすることを目的とし(【0005】)、
端末装置10と情報提供装置100とを含む情報提供システム1における情報提供装置100であって(【0011】)、
端末装置10から、事前の検索処理などによって得られたユーザ群のペルソナの生成要求が情報提供装置100に送信され、ペルソナは、ユーザ群に含まれる複数のユーザから特定される仮想的なユーザ像(人物像)またはユーザモデル(人物モデル)を表し(【0014】)、
情報提供装置100は、端末装置10からの生成要求に応じて、指定されたユーザ群のペルソナを生成し、生成したペルソナを示す情報(ペルソナ情報)を端末装置10に提供することによって(【0015】)、特定のユーザの人物情報を提供するのではなく、複数のユーザを含むユーザ群から特定される仮想的なユーザ像(ペルソナ)を示す情報を生成して提供することができ、これにより、複数のユーザから特定される仮想的なユーザ像などの特徴をより的確に表す情報を提供可能となり(【0016】)、
情報提供装置100は、通信部110と、記憶部120と、制御部130とを有し(【0021】、図3)、
記憶部120は、ユーザごとの属性情報を記憶するデータベースである(【0024】)属性データベース121を有し(【0023】)、
属性データベース121は、「ユーザID」、「属性項目」、および「設定値」といった項目に応じた情報を、「ユーザID」ごとに複数記憶し(【0025】)、設定値は、対応する属性項目に対して設定可能な複数の設定値のうち、ユーザIDで識別されるユーザに対して設定された値を示し、1つの属性項目と、その属性項目に対する設定値との組みが1つの属性情報に相当し(【0026】)、
抽出部132は、属性データベース121に記憶された複数のユーザの属性情報に基づいて、ユーザ群の特徴を表す特徴情報を抽出するところ、特徴情報の抽出方法はどのような方法であってもよいが、例えば以下のような方法を適用でき(【0037】)、
抽出部132は、属性データベース121に記憶された複数の属性情報のうち特徴的な1以上の属性情報を特徴情報として抽出する方法であって、特徴的な属性情報は(【0038】)、抽出部132が、属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値それぞれに対する、当該属性項目について、その設定値が特徴的であることを示す度合いを表す特徴度を算出した上、複数の設定値間での特徴度の差分が大きい属性情報を、特徴情報として抽出して求めるか、複数の設定値に対する複数の特徴度の分散が大きい属性情報を、特徴情報として抽出して求めるか、複数の設定値に対する複数の特徴度の偏りが大きい属性情報を、特徴情報として抽出して求めるかのいずれか(【0039】)、或いは、複数のユーザの属性情報を入力し特徴情報を出力するように事前に学習した学習モデル(ニューラルネットワークモデルなど)を用いる方法が用いられてもよく(【0040】)、
情報提供装置100による処理手順は(【0044】、図6)、情報提供装置100の抽出部132が、取得された複数のユーザの属性情報から、ユーザ群の特徴を表す特徴情報を抽出し(【0046】)、情報提供装置100の生成部133が、抽出された特徴情報に基づいて、ユーザ群の特徴を表すペルソナ情報を生成し(【0047】)、情報提供装置100の提供部134が、生成されたペルソナ情報を、例えば、通信部110を介して端末装置10に対して提供することを含み(【0048】)、
ペルソナ情報の例として(【0051】、図7)、「個人年収」、「家族構成」、「職業」、および、「趣味嗜好」が、対象のユーザ群に対する特徴情報として抽出される一方、その他の属性情報である「性別」および「住所」などは、このユーザ群の特徴情報としては抽出されず、生成部133は、抽出された特徴情報である4つの特徴情報を表形式で表した情報711を生成する(【0052】、図7)こと。」
(3)本願発明の解決しようとする課題及びその解決手段について
上記(2)に示した明細書記載事項によると、本願発明の解決しようとする課題は、「複数の人物(ユーザ)から特定される仮想的なユーザ像/人物モデル(ペルソナ)を示す情報を適切に提示できないこと」にあり(【0004】)、またその目的は、「複数のユーザから特定される仮想的なユーザ像などの特徴をより的確に表す情報を提供可能とすること」にある(【0005】)ものと認める。
また、「特定のユーザの人物情報を提供するのではなく、複数のユーザを含むユーザ群から特定される仮想的なユーザ像(ペルソナ)を示す情報を生成して提供することができ、これにより、複数のユーザから特定される仮想的なユーザ像などの特徴をより的確に表す情報を提供可能とな」る(【0016】)のは、「情報提供装置100」が、「端末装置10からの生成要求に応じて、指定されたユーザ群のペルソナを生成し、生成したペルソナを示す情報(ペルソナ情報)を端末装置10に提供することによって」(【0015】)なされるものであり、当該「指定されたユーザ群のペルソナ」を示す「ペルソナ情報」の「生成」は、「情報提供装置100の生成部133」によって、「抽出された特徴情報に基づいて」が「生成」される(【0047】)ことを読み取ることができる。
そして、「ペルソナ情報」を「生成」する際に「基づ」く情報であるところの、「抽出された特徴情報」は、「情報提供装置100の抽出部132」によって、「取得された複数のユーザの属性情報から、ユーザ群の特徴を表す特徴情報」(【0046】)として抽出されるところ、当該「情報提供装置100の抽出部132」による、「ユーザ群の特徴を表す特徴情報」の「抽出方法」、すなわち「属性データベース121に記憶された複数の属性情報のうち特徴的な1以上の属性情報を特徴情報として抽出する方法」(【0038】)としては、「抽出部132が、属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値それぞれに対する、当該属性項目について、その設定値が特徴的であることを示す度合いを表す特徴度を算出した上」で、「複数の設定値間での特徴度の差分が大きい属性情報を、特徴情報として抽出」する方法、「複数の設定値に対する複数の特徴度の分散が大きい属性情報を、特徴情報として抽出」する方法、若しくは、「複数の設定値に対する複数の特徴度の偏りが大きい属性情報を、特徴情報として抽出」する方法(【0039】)、又は、「複数のユーザの属性情報を入力し特徴情報を出力するように事前に学習した学習モデル(ニューラルネットワークモデルなど)を用いる方法」(【0040】)が採用されるものであることを読み取ることができる。
他方、本願発明の「抽出部」は、「所定のユーザ群の特徴を表す特徴情報を抽出する」ものであって、当該抽出は、「所定のユーザ群に含まれる複数のユーザの属性情報に係る属性項目ごとに、当該複数のユーザに対して設定された設定値それぞれに対して、当該設定値が特徴的であることを示す度合いを表す特徴度を推定し、当該特徴度に基づいて」なされるものである。
ここで、本願発明の「抽出部」は、明細書記載事項における、「情報提供装置100の抽出部132」に対応するものと認められるから、本願発明の「抽出部」によって「所定のユーザ群の特徴を表す特徴情報を抽出」することは、明細書記載事項における、「情報提供装置100の抽出部132」による、「ユーザ群の特徴を表す特徴情報」の「抽出方法」、すなわち「属性データベース121に記憶された複数の属性情報のうち特徴的な1以上の属性情報を特徴情報として抽出」することに対応するものと認められるところ、明細書記載事項からは、当該「ユーザ群の特徴を表す特徴情報」の「抽出方法」が、「抽出部132が、属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値それぞれに対する、当該属性項目について、その設定値が特徴的であることを示す度合いを表す特徴度を算出した上」で、「複数の設定値間での特徴度の差分が大きい属性情報を、特徴情報として抽出」する方法、「複数の設定値に対する複数の特徴度の分散が大きい属性情報を、特徴情報として抽出」する方法、若しくは、「複数の設定値に対する複数の特徴度の偏りが大きい属性情報を、特徴情報として抽出」する方法(【0039】)、又は、「複数のユーザの属性情報を入力し特徴情報を出力するように事前に学習した学習モデル(ニューラルネットワークモデルなど)を用いる方法」(【0040】)が採用されるものであることを読み取れるのみであって、「属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値それぞれに対する、当該属性項目について、その設定値が特徴的であることを示す度合い」が、如何なる(算出)方法によって求められるのか、また、「度合い」とは、何に対するどのような“度合い”をいうものか、更に、「その設定値が特徴的である」とは、どのような基準により、どのような算出方法や判定方法などを用いて判定できるものであるのか、その具体的算出方法や判定方法については、上記(1)ア~オで摘記した箇所以外の本件明細書の記載全体を参酌しても、把握することはできない。
そして、本願出願時において、これら、「特徴度」、「度合い」、「特徴的である」ことなどに関する当該技術分野における技術常識が存在するとは到底いえないことから、本願発明の「抽出部」が抽出するところの「所定のユーザ群の特徴を表す特徴情報」を得るためには、多数の「属性項目ごとに、ユーザ群に含まれる複数のユーザに対して設定された設定値」を収集し、これらの中から、特徴的である「属性項目」を見いだすための、過度の試行錯誤を要するというほかない。
したがって、本件明細書の発明の詳細な説明には、当業者が本願発明を実施することができる程度の本願発明の構成等の明確かつ十分な記載があるものとはいえない。
(4)むすび
したがって、本願明細書の発明の詳細な説明は、特許法36条4項1号に規定する要件を満たしていない。
第6 むすび
以上のとおり、本件出願は、特許法36条4項1号に規定する要件を満たしているとはいえない。
したがって、その余の請求項に係る発明について論及するまでもなく、本願は拒絶すべきものである。
よって、結論のとおり審決する。
令和6年3月26日
審判長 特許庁審判官 須田 勝巳
特許庁審判官 山崎 慎一
特許庁審判官 吉田 美彦
(行政事件訴訟法第46条に基づく教示) この審決に対する訴えは、この審決の謄本の送達があった日から30日(附加期間がある場合は、その日数を附加します。)以内に、特許庁長官を被告として、提起することができます。
出典:特許庁「審決公報」(令和6年6月28日発行・号数2024-006、公報発行サイト https://www.gazette.jpo.go.jp/scciidl010 )を加工して作成(加工:TaiLexi AI)
本文は公表資料(PDF 等)から機械的に抽出・整形したもので、改行や記号に誤りを含むことがあります。正確な文言は原本でご確認ください。