Using linguistic analysis to go below the surface in trademark disputes
Notice bibliographique
Résumé
The notions of same or different are ubiquitous in trademark disputes. At issue is the likelihood of confusion between marks in the mind of the “average consumer.” The test for confusion rests on establishing their degree of resemblance in terms of “sound, appearance and ideas suggested.” Evidence adduced by forensic linguists typically centers on whether the marks contain the same word, share the same sounds, letters, and dictionary meaning, or share the same number of phones, phonemes, or syllables. But since the features appealed to are typically surface-level, and thus ostensibly also available to the layperson, the judge may decide that expert assistance is superfluous. I argue that reliance on such features to the exclusion of underlying linguistic structure may lead to misleading results. Drawing on various linguistic processes, I present several Canadian trademark cases in which I served as expert witness to demonstrate that different words (or collocations thereof) may in fact be instantiations of the same structure, while superficially like ones may be involved in entirely different constructions. The results of these analyses make a strong case for going beneath the surface in determining questions of same or different.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,015 | 0,011 |
| Études des sciences et des technologies | 0,025 | 0,055 |
| Communication savante | 0,020 | 0,034 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».