情報検索コラム
情報検索・調査・利用について
“知っていると便利”“こんなときどうする”“コレにはご注意！”などなど思いつくままに書かせていただきます。
ちなみに「三月うさぎ」はルイス・キャロル著『不思議の国のアリス』に出てくる「いつまでも終わらないお茶会をしている」ちょっとヘンなうさぎです。
「ティールーム」は、お仕事の休憩時間のお茶といっしょに読んでいただけるくらいの長さと内容というコンセプトを、アリスの三月うさぎの「お茶会」にかけてあります。（毎月1回更新します）
英単語の ”スペル間違い” は、検索や調査へどのように影響する？
注意：記載内容やリンクは執筆時点での情報です。
前回のコラム１７６号に引き続き、
英語の公報を読むときの様々なアレコレを書きたいと思います。
今回は「スペル間違い」に焦点を当ててみます。
英語の特許公報は特許庁が発行するものだから、
普通に考えれば正しいスペルで書かれているだろうと思うかもしれませんが、
実はスペルの間違いが、かなり見出されます。
このスペル間違いの発生のしかたと、
間違いが生じている状況での調査や検索への影響や注意点について書いてみました。
特許サーチャーは外国語の公報を読むのが普通なので、
今回のコラムに書くことも、サーチャーの皆さんには、
「そうそう！」「あるある！」ではないか思います。(^^)
とはいうものの、
今回も（！）教科書的な「外国語公報の検索方法」などには、書いてないことを書きます。
特に特許公報に限らず、普段たまにしか外国語の文献を読まないかたや、
これから外国語の公報や文献をを読む機会が増えそうなかたに参考にして頂ければ幸いです。
特に公開公報に多い ”スペルミス”
日本の特許制度では、１９７１年（昭和４６年）から公開公報が発行されています。
これを「出願公開制度」といいます。
出願公開制度というのは、特許庁に出願された特許出願書類を全て公開すると言う意味です。
それ以前はどうだったかというと、
出願後に実体審査（特許権を与えられるかどうかの内容の審査）を通過したものについて
公告公報（特許権を付与しますよという公告を行う公報）が発行されていました。
・・・ちなみに、
この公告公報は、１９２２年（大正１１年）から１９６６年（平成8年）まで発行されていました。
平成８年の法改正で出願公告制度が廃止され、
これ以降は登録された「特許公報」が発行されています。
この公開制度が無い場合、公告（または登録）されるまで誰がどんな出願をしているのか分からないため、
様々な不都合が生じます。
例えば既に他社が出願している技術にもかかわらず、無駄な研究開発を行ってしまったり、
既に販売している自社の製品に、他社の特許権の技術が含まれていたことが登録後に判明し、
（いわゆるサブマリン特許）、予定外のロイヤリティを請求されたり特許侵害訴訟になったりします。
特許庁としても、似たような発明が複数出願されるなどの無駄な出願を減らせるし、
特許法の目的である「産業の発展」という意味でも、
現在の出願内容より進歩した技術を出願してもらうためには、公開制度が好ましい。
そのような理由から、世界の多くの国では出願公開制度を採用している国が多いのですが、
米国は、この公開制度を採用するのが遅くて、
やっと２０００年に公開公報が発行されるようになりました。
前置きが長くなりましたが、
この米国での公開公報が発行されるようになって、多く発生しているのが「スペルミス」です。
公開制度が始まる前までは、米国特許公報は登録公報でした。
登録公報は全て審査を経て、補正や修正も行った内容で発行するので、単純なスペルミスは少なかった。
恥ずかしながら正直に言いますが、
公開制度が始まる前の米国特許公報を読んでいた頃は、「アメリカの特許ってスゴイな」と思っていました。
内容も登録されたものばかりだからレベルが高いし、
審査経過の引用文献も数十件列挙されているものも多くて（←これは今でもそうですが）、
これだけの先行例があるけれど登録されている、この発明は確かに特許権に値する、
と納得するものばかりでした。
そして２０００年に公開公報が発行されるようになって、
米国特許の公開公報を読むようになって思ったのは「アメリカ人も人間だった・・・」です (^^;
もちろんレベルの高い出願は多いのですが、
いわゆる個人が自分で書いた出願書類もあるし、すごくラフな図面もあるし。
出願公開レベルだと、日本の公開公報の状態と同じなんだなと思いました。
そんな米国の公開公報を読むようになって多く見出されるのがスペルミスです。
もちろん米国人の出願書類にもスペルミスはあるのですが、外国の出願人に多いように思います。
残念ですが日本の出願人にも多くみられます。
例えば前回のコラム１７６号では、
Google Ptents の検索例で「vehicle route guidance map」を検索ボックスに入力しました。
このような内容（車両 ルート案内 マップ）でヒットした文献を見ていくと、
次のようなスペルミスが発見されます。
例１）× nagivation
○ navigation
例２）× vehicuar
○ vehicular
例１は「v」と「g」の位置が入れ替わっていて、日本語ならアガリクスとアガリスクのような間違い方です。
例２は「l」が抜けていて、単純にタイプミスかと思われます。
古い特許公報のＯＣＲでのスペル違い
さて、上で書いたような出願人のタイピングに起因するスペル間違いは、
登録公報では基本としては少ないです。
上でも書きましたが、登録公報は全て審査を経て、補正や修正も行った内容で発行するので、
単純なスペルミスは少ないのです。
ただし、
この登録公報でもスペルの間違いが生じることがあります。
特に多く見出されるのは、古い特許公報の
ＯＣＲ（Optical Character Recognition/Reader：光学的文字認識/読み取り）での文字認識の間違いです。
言ってみれば、上の項で紹介した公開公報に多いスペルミスは人間の犯す間違い。
それに対して、ＯＣＲの文字認識間違いは機械の犯す間違いと言えます。
現在発行されている特許公報は米国特許に限らず、
日本の特許公報も全て電子テキストデータで出願して、それを電子状態で公開（発行）します。
ＰＤＦの文字や図面も出願時の電子データを使います。
このような電子出願以前の古い公報を電子データ化する場合は、
紙に印刷された「文字」をＯＣＲで認識して、読み込んで文字データに変換します。
この文字認識の際に、スペルの間違いが生じることがあります。
古い公報は印刷の状態が良くないものも多い。
また英語の場合は日本語と違って単語単位の文字数の影響により、１行の文字数が違うわけですが、
行の右端をキレイに揃えるために、文字間隔を詰めたり開けたりする調整を行っています。
このようなことに起因する文字認識の間違いが生じます。
例えば、
「ｄ」の印刷がカスレていて「cl」と認識してしまう。
「ｈ」の上のほうが消えかかっていて「n」と認識してしまう。
逆に「cl」の文字間隔が詰まっているために「d」と認識してしまう。
「r」の上の印刷汚れを読み込んだため「i」と認識してしまう。
また文字間隔が開き過ぎていて単語が無意味に分かれていたり、逆に隣の単語と繋げて認識していたりする。
・・・などなど、
古い公報の電子データを読んで、このような間違いを見たことのあるかたは多いと思います。
スペル間違いの調査への影響：公報を読むとき
スペルミスは、単に公報を読むときは ”スペルミスだな” と分かることが多い。
特に英語のまま読むときは、アレ？と思うし、
前後の文脈から判断して正しいであろう単語が推定できる場合が多いです。
英語を機械翻訳して読む場合は、スペルミスは訳されない場合も多いので、
表記されたスペルミスのままの単語から、正しいであろう単語を推定することも可能です。
また特にGoogle翻訳はスペルミスを正しいであろう言葉に修正して訳してくれる場合もあります。
・・・が、
ときどきスペルミスを無理に（？）ヘンな機械翻訳をしていることもあります。これは要注意です。
例えば、上で例にとったスペルミスの「nagivation」。
Google Patents の和訳機能では、これを「永住権」や「ナガビション」と訳していたりする
（2018年1月16日現在）。
自動車のナビゲーションの技術開示に、いきなり「永住権」が出てくればヘンだなと思うでしょう。
このような場合に、原語である英文を確認すれば
スペルミスが発生していることが分かります。
以前のコラム１７５号で、”英語の公報は最終的に英語で読むのが鉄則”と書きましたが、
このようなスペルミスの面から言っても、原文を確認することは大事だといえます。
また、ＯＣＲによるスペル間違いは ”ＰＤＦを確認” が鉄則です。
ＯＣＲは英語の電子データが間違っているので、電子データで「ヘンだな？」という単語があったら、
ＰＤＦデータを確認すれば正しい表記が確認できます。
ＯＣＲによるスペル間違いを機械翻訳で読む場合も、スペルミスの場合と同じく訳されないことが多いし、
意味の通らない言葉に翻訳されていたりします。この場合もヘンだなと思ったらＰＤＦで確認です。
特に古い公報を電子データで読む場合は、
「ＯＣＲの認識間違いがあるかもしれない」ということを頭に置きながら読むべきかと思います。
機械翻訳以外で注意したいのは、ハイライト機能を使う場合です。
例えば公報全体で「navigation」をハイライトして読んでいるとき、
当然ながらスペルミスの「nagivation」はハイライトされません。
これは注意して読むしかないと思います。ハイライトに頼り過ぎないことも大事かもしれません。
スペル間違いの調査への影響：検索するとき
調査に対して最も影響してほしくない（！）のは、検索への影響です。
公報のテキスト検索する場合、スペルミスやＯＣＲの読み間違いも含めて検索するのはやや難しい。
例えば検索語の入力のときにスペルミスをして入力すると、
Google検索の場合などは赤の波線の下線で、スペルミスを指摘してくれます。
また自動的に正しい単語を予想して検索してくれる場合もあります。
でも正しいスペルで入力して、スペルミスを含めて検索してくれる、という機能は
まだ一般的ではないように思います。
例えば、米国特許庁の Patent Full-text Databases では、
入力したとおりの単語でしか、検索されません。
とはいうものの、スペルミスやＯＣＲの読み間違いも、
その公報全体の全ての単語が同じように間違っている、ということは少ないです。
よってテキスト検索して、検索モレさせてしまうということは少ないかとも思います。
ただし、
その公報の特定の単語が全てスペルミスで書かれているという公報も実際に見たことがありまして、
この公報の場合、そのスペルミスしている単語が重要なキーワードでした。
またスペルミスの単語が、その公報で１回しか使われていないということも当然ながら有りえます。
このような２つの例の場合、正しいスペルの単語で検索してもヒットしない可能性が高いです。
このようなことも考慮すると、やはり検索は特許分類を使う信頼性は高いし、
検索式も複数の方向から検索してＯＲ演算する、という「基本」を踏まえるのが好ましいかと思います。
今回のコラムも、ずいぶんマニアックな内容になってしまったなぁ・・・と思いつつ、
いつかこのスペルミスやＯＣＲの認識間違いについても書きたいと思っていたのです。
特にＯＣＲの認識間違いは特許公報に限らず、
古い文献や書籍の電子データ化の際に生じやすい間違いです。
現在、様々な過去の文献や書類が電子化されて利用しやすくなってきていますが、
このデータ化された際の間違いを、できれば修正していく手作業も必要かと思います。
例えば欧州特許庁の Espacenet のデータ修正をする予定（＝予算）などは無いのだろうか、
とも思うのであります。やってくれるとうれしい、ですよねぇ・・・。
そして特許出願するときは、ぜひ出願書類のスペルチェックをしてから出願してほしいです。
全世界の（←大きく出たな！）特許サーチャーの願いではないかと思います。
