MétaCan
Menu
Retour à la cohorte
Enregistrement W2596015280 · doi:10.1017/9781316416723.028

Injunctive Relief in the EU – Intellectual Property and Competition Law at the Remedies Stage

2017· book-chapter· en· W2596015280 sur OpenAlexaff
Pierre Larouche, Nicolo Zingales

Notice bibliographique

RevueCambridge University Press eBooks · 2017
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésIntellectual propertyCompetition lawLawCompetition (biology)Law and economicsProperty (philosophy)BusinessPolitical scienceEconomicsPhilosophyMarket economyBiologyMonopoly

Résumé

récupéré en direct d'OpenAlex

In dealing with applications for injunctive relief by the holders of FRAND-encumbered SEPs in the course of protracted licensing negotiations, any legal system faces the challenge of reaching the proper balance between predictability for stakeholders and differentiation between possible scenarios (tough negotiations, holdup, holdout or exclusion). In the EU, that challenge fell to be addressed first under the various national laws concerning remedies for intellectual property violations, as partially harmonized by Directive 2004/48. The outcome was not optimal. After German courts introduced competition law in the equation in Orange Book, the European Commission felt compelled to intervene with a different approach in Motorola and Samsung, leading to a reference to the CJEU in Huawei v ZTE. That ruling sets out an elaborate choreography that SEP holder and implementer must respect, in order to avoid breaching Article 102 TFEU or avert injunctive relief, respectively. Huawei represents a satisfactory compromise in practice, but its theoretical foundation in competition law is not solid. Subsequent case-law has unmoored Huawei from competition law and is turning it into a stand-alone lex specialis for injunctions in FRAND cases. In the longer run, legislative intervention might be preferable to de facto harmonization via competition law.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,936

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,090
Tête enseignante GPT0,197
Écart entre enseignants0,107 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetIntellectual Property and PatentsTravaux en français237 207