CN107895334A - 专利纠纷预测装置及其方法 - Google Patents

专利纠纷预测装置及其方法 Download PDF

Info

Publication number
CN107895334A
CN107895334A CN201611124465.3A CN201611124465A CN107895334A CN 107895334 A CN107895334 A CN 107895334A CN 201611124465 A CN201611124465 A CN 201611124465A CN 107895334 A CN107895334 A CN 107895334A
Authority
CN
China
Prior art keywords
mrow
similarity
msub
patent document
msup
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611124465.3A
Other languages
English (en)
Inventor
姜宗锡
洪性和
李赫宰
郑贤相
沈炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Advanced Institute of Science and Technology KAIST
Korea Institute of Science and Technology Information KISTI
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Korea Advanced Institute of Science and Technology KAIST filed Critical Korea Advanced Institute of Science and Technology KAIST
Publication of CN107895334A publication Critical patent/CN107895334A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G06Q50/182—Alternative dispute resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G06Q50/184—Intellectual property management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/11—Patent retrieval
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种专利纠纷预测装置及其方法，所述专利纠纷预测装置包括：关键词提取部，其在第一专利文献和第二专利文献的专利权利要求范围和发明的背景技术中分别提取关键词；相似度计算部，其利用所述提取的关键词来算出第一专利文献和第二专利文献之间的权利要求项相似度和背景技术相似度；共组相似度计算部，其对所述权利要求项相似度和背景技术相似度进行演算并算出共组相似度(co‑operative similarity)，将所述算出的共组相似度作为侵权人发现概率值。

Description

专利纠纷预测装置及其方法
技术领域
本发明涉及一种专利纠纷预测装置及其方法，更详细地涉及一种专利纠纷预测装置及其方法，其在专利文献的专利权利要求和作为发明的背景技术中利用文本挖掘(textmining)技术独立地算出相似度并测量共组化相似度(co-operative similarity)，将算出的值对应为侵权人发现概率值。
背景技术
如同专利的无形的知识产权的价值日渐增加，最近就如三星和苹果之间的智能手机诉讼所示，由于专利侵权所致的其损失赔偿额达到天文数字的程度。
因此，比起用于专利申请的用于审核新颖性、创造性的专利检索、分析，即使相应企业将相关产品产业化，也更加关心是否会与其他企业专利相抵触、是否被侵害。
但是实情为，目前商业化的FOCUST,DELPHION,EUREKA,WIPSON,WINTELIPS,THOMSON REUTER等多数专利调查、分析服务提供企业的情况，仅提供专利性、专利动向分析等专利定量信息分析工具。
另外，由于迎接到专利战的时代，全世界的专利纠纷在剧增。现有技术止步于如下水平：将产生专利纠纷的纠纷信息构筑为DB，并分析纠纷信息，或通过新闻信件等传送纠纷产生信息或者也可以检索纠纷信息。但是，这些服务是对于过去产生的专利纠纷的服务，并不能提供对于未来将要产生的纠纷的预测信息。
因此，成为纠纷的原告或被告的企业等各自所处的现实、产品、技术及专利选集(portfolio)各不相同，从而极其需要导入提供针对企业特定化纠纷预测信息的服务。
【先行技术文献】
【专利文献】
先行技术1：韩国公开专利第2012-0046671号(2012.05.10公开)
发明内容
本发明想要实现的技术课题是为了解决现有问题而提出的，提供一种专利纠纷预测装置及其方法，其提取专利文献的构成要素并预测专利纠纷可能性。
另外，本发明想要实现的技术课题并非受到在以上提及的技术性课题的限制，从以下将要说明的内容中在对于普通的技术人员显而易见的范围内可以包括多种技术课题。
根据用于解决上述课题的本发明的一个侧面，提供一种专利纠纷预测装置，其包括：关键词提取部，其在第一专利文献和第二专利文献的专利权利要求范围和作为发明背景的技术中分别提取关键词；相似度计算部，其利用所述提取的关键词来算出第一专利文献和第二专利文献之间的权利要求项相似度和背景技术相似度；共组相似度计算部，其演算所述权利要求项相似度和背景技术相似度并算出共组相似度(co-operativesimilarity)，将所述算出的共组相似度作为侵权人发现概率值。
所述相似度计算部将第一专利文献权利要求项的构成要素和第二专利文献权利要求项构成要素根据构成要素完备的原则(ALL ELEMENT RULE)可以算出权利要求项相似度。
此外，所述相似度计算部将第一专利文献背景技术的构成要素和第二专利文献背景技术构成要素根据均等论的原则(Doctrine Of Equivalents)可以算出背景技术相似度。
所述共组相似度计算部利用下述数学式可以算出共组相似度Sh。
【数学式】
在此，Sclaim为权利要求项相似度，Sbackground为背景技术相似度。
此外，所述共组相似度计算部利用下述数学式可以算出共组相似度。
【数学式】
此外，所述共组相似度计算部利用下述数学式可以算出共组相似度。
【数学式】
Sh＝ρ·Sclaim+σ·Sbackground
＝ρ·Sclaim+(1-ρ)·Sbackground
＝ρ·(Sclaim-Sbackground)+Sbackground
在此，可以是作为′ρ+σ＝1′的任意的常数。
根据本发明的其他侧面，专利纠纷预测装置提供一种专利纠纷预测方法，包括如下步骤：从第一专利文献和第二专利文献的专利权利要求范围和作为发明背景的技术中分别提取关键词；所述专利纠纷预测装置利用所述提取的关键词来分别算出第一专利文献和第二专利文献之间的权利要求项相似度和背景技术相似度；所述专利纠纷预测装置演算所述权利要求项相似度和背景技术相似度，从而算出共组相似度(co-operativesimilarity)，并将所述算出的共组相似度作为侵权人发现概率值。
将第一专利文献权利要求项的构成要素和第二专利文献权利要求项构成要素根据构成要素完备的原则(ALL ELEMENT RULE)可以算出所述权利要求项相似度。
将第一专利文献背景技术的构成要素和第二专利文献背景技术构成要素根据均等论的原则(Doctrine Of Equivalents)可以算出所述背景技术相似度。
另外，在以上观察的所述‘专利纠纷预测方法’记录于记录媒体或者通过程序下载(program download)管理装置(服务器(server)等)进行分发，所述记录媒体能够以程序的形态体现后可在电子装置中读取。
根据本发明，在专利文献的专利权利要求范围和作为发明背景的技术中独立地算出利用文字挖掘技术的相似度并测量共组化相似度(co-operative similarity)，由此能够预测专利纠纷可能性。
另外，本发明的效果并非受到在以上提及的效果的限制，从下述将要说明的内容对于普通的技术人员显而易见的范围可以包括多种效果。
附图说明
图1是概略地示出根据本发明的专利纠纷预测装置的构成的框图，
图2是示出根据本发明的专利纠纷预测方法的流程图。
具体实施方式
对于有关本发明的上述目的和技术性构成及据此的作用效果的详细事项通过依据本发明的说明书中所附的附图的以下详细说明而得到更加明确的理解。
以下，参照附图详细说明根据本发明的‘专利纠纷预测装置及其方法’。作出说明的实施例以使得从业者易于理解本发明的技术思想的方式提供，据此本发明并非受到限定。此外，所附的附图中表现的事项是为了易于说明本发明的实施例而图示化的图，因此可能与实际体现的形态不同。
另外，以下所表示的各个构成部仅为用于体现本发明的例子。因此，在本发明的其他体现中在不超出本发明的思想及范围的范围内可以使用其他构成部。此外，虽然各个构成部可以单纯地仅体现为硬件(hardware)或者软件(software)的构成，但是也可以体现为执行相同功能的多种硬件及软件构成的组合。此外，也可以通过一个硬件或者软件来同时体现两个以上的构成部。
此外，‘包括’某种构成要素的表述，作为‘开放型’的表述仅单纯地指称存在相应构成要素，不得理解为排除额外的构成要素。
图1是概略地示出根据本发明的专利纠纷预测装置的构成的框图。
参照图1，专利纠纷预测装置100包括：收集部110、关键词提取部120、相似度计算部130、共组相似度计算部140。
收集部110从存储专利文献的服务器(server)收集专利文献。专利文献可以指称通过专利局申请公开或登记公开的文件。收集部110可以从各国专利局或者提供专利文献服务的各企业收集专利文献。
关键词提取部120在第一专利文献和第二专利文献的专利权利要求范围和发明的背景技术中分别提取关键词。在此，第一专利文献可以为在先申请的专利文献，第二专利文献可以为在后申请的专利文献。
关键词提取部120根据预先设定的方法对于各文献的专利信息(例如，专利权利要求和发明的背景技术)提取关键词合集(set)。尽管，除专利权利要求和背景技术之外也能够利用多种专利信息提取关键词合集，但是在本说明书中为了便于理解和说明，通过假设对利用专利权利要求和背景技术来提取关键词合集的情况进行说明。例如，利用关联规则算法(algorism)来提取关键词合集，关联规则算法可以是apriori算法,aprioriTID算法,aprioriHybrid算法,DHP算法之中任意一个。关联规则算法对于从业者属于显而易见的事项，因此对此省略额外的说明。此外，根据设定条件可提取不同的关键词合集。在此，设定条件可以是文章单位及节单位之中任意一个。
如果设定为文章单位的情况下，关键词合集以各专利的各权利要求项为基本单位进行提取。但是，如果设定条件为节单位的情况下，按照权利要求项中规定的符号(例如，逗号(comma)、分号(semicolon)、冒号(colon)等)对各权利要求项进行分离并提取关键词合集。此外，关键词合集也能够以单词(word)为单位进行提取，也可以以句子(phrase)为单位进行提取。利用关联规则算法来提取关键词合集的方法对于从业者属于显而易见的事项，因此省略对于提取关键词合集的详细方法的说明。
相似度计算部130利用在关键词提取部120提取的关键词来分别计算出第一专利文献和第二专利文献之间的权利要求项相似度(Sclaim)和背景技术相似度(Sbackground)。
换句话说，相似度计算部130根据构成要素完备的原则(ALL ELEMENT RULE)针对第一专利文献权利要求项的构成要素和第二专利文献权利要求项的构成要素计算权利要求项相似度。此外，相似度计算部130根据均等论的原则(Doctrine Of Equivalents)针对第一专利文献背景技术的构成要素和第二专利文献的背景技术构成要素计算背景技术相似度。此时，相似度计算部130能够利用群集技术(clustering technique)、基于余弦(cosine)、基于相关关系、基于适应性余弦等多种方法来计算权利要求项相似度或背景技术相似度。
共组相似度计算部140对从相似度计算部130算出的权利要求项相似度和背景技术相似度进行演算并算出共组相似度(co-operative similarity)，将算出的共组相似度Sh作为侵权人发现概率值。侵权人发现概率是指，在先申请(人)专利和在后申请(人)专利在相同产品领域的边界线形成接触点，并通过相互监控(monitoring)发现(identification)对方的概率。
共组相似度计算部140利用数学式1来算出共组相似度Sh。
【数学式1】
在此，Sclaim可以为权利要求项相似度，Sbackground可以为背景技术相似度。
此外，共组相似度计算部140利用数学式2可以算出共组相似度。
【数学式2】
此外，共组相似度计算部140利用数学式3可以算出共组相似度。
【数学式3】
Sh＝ρ·Sclaim+σ·Sbackground
＝ρ·Sclaim+(1-ρ)·Sbackground
＝ρ·(Sclaim-Sbackground)+Sbackground
在此，ρ为协商力(Negotiation power)，可以是作为′ρ+σ＝1′的任意的常数。
另外，收集部110、关键词提取部120、相似度计算部130、共组相似度计算部140分别可通过在计算(computing)装置上为了运行程序(program)所需的进程(process)等来分别得到实现。所述的收集部110、关键词提取部120、相似度计算部130、共组相似度计算部140分别也能够通过以物理的形式独立的各个构成来得到体现，在一个程序内也能够以功能上进行区分的形态得到体现。
如上所述构成的装置100通常可以包括至少一个演算装置、存储装置。在此，演算装置可以是常用的中央演算装置(CPU)，但是也可以是以符合特定目的形式实现的可编程装置元件(CPLD、FPGA)或定制型半导体演算装置(ASIC)，存储装置可以是挥发性内存(memory)元件或非挥发性内存或者非挥发性电磁性存储装置。
所述的装置100可以为如下装置，例如，PC、导航(navigation)装置、笔记本电脑(notebook)、移动通信终端、智能手机(Smartphone)、PMP(便携式媒体播放器，PortableMedia Player)、PDA(掌上电脑，Personal Digital Assistant)、平板电脑(Tablet PC)、机顶盒(Set-top box)、智能TV等多种装置。
图2是示出根据本发明的专利纠纷预测方法的流程图。
参照图2，专利纠纷预测装置从第一专利文献和第二专利文献的专利权利要求范围和发明的背景技术中分别提取关键词(S202)。
其后，专利纠纷预测装置利用提取的关键词来分别算出第一专利文献和第二专利文献之间的权利要求项相似度和背景技术相似度(S204)，对权利要求项相似度和背景技术相似度进行演算并算出共组相似度(S206)。换句话说，专利纠纷预测装置针对第一专利文献权利要求项的构成要素和第二专利文献权利要求项构成要素根据构成要素完备的原则(ALL ELEMENT RULE)算出权利要求项相似度。此外，专利纠纷预测装置针对第一专利文献背景技术的构成要素和第二专利文献背景技术构成要素根据均等论的原则(Doctrine OfEquivalents)算出背景技术相似度。
其后，专利纠纷预测装置将算出的共组相似度对应为侵权人发现概率(S208)。
参照图1对于专利纠纷预测装置求得侵权人发现概率的方法进行详细说明。
如上所述，在本发明所属的技术领域具有通常的知识的人能够认知到在不变更本发明的技术思想或必要的技术特征的情况下能够实施其他的具体实施形态。因此，上述中记述的实施例仅为预示性的实施例，应理解为并非是限制其范围的限定性的。此外，附图中示出的顺序图仅仅是为了达成实施本发明的最优选的结果而预示性地示出的依次顺序，必然可以额外提供其他步骤，或可以删除一部分步骤。
本说明书中记述的技术特征和运行其的体现物能够体现为数码(digital)电子电路，或者可以体现为包括本说明书中记述的构造及其构造上的等价物等的电脑软件(computer software)、固件(firmware)或者硬件(hardware)，或者能够体现为其中一个以上的组合。此外，实行本说明书中记述的技术特征的体现物为电脑程序(computerprogram)产品，换句话说，也能够体现为为了控制处理系统(system)的操作或者为了通过其进行运行而编码于有形的程序存储媒体上的有关电脑程序命令语的模块。
另外，本说明书中“装置”是指，例如，用于通过包括程序、电脑或者多重程序或电脑来处理数据(data)的所有器具、装置及机械。处理系统附加于硬件，例如可以包括构成程序固件的代码(code)、以及在协议栈(protocol stack)、数据库(database)管理系统、操作系统或者其中一个以上的组合等请求时形成对于电脑程序的运行环境的全部代码。众所周知为程序、软件、软件应用(software application)、脚本(script)或者代码等的电脑程序也能够制成为以包括编译的或解释的语言或者先验的、程序性语言的编程(programing)语言的任何形态，并且也能够体现为包含独立型程序或模块、元件(component)、子程序(subroutine)或者适合使用于电脑环境中的其他单元(unit)的任何形态。
在示出于本说明书附图的框图和顺序图中包含的用于实行本发明的技术特征的构成是指所述构成之间的伦理性边界。但是根据软件或硬件的实施例，则示出的构成和其功能实行为独立型软件模块、单片式(monolithic)软件构造、代码、服务及其组合形态，并且通过存储于具备能够运行存储的程序代码、命令语等的程序的电脑上可运行的媒体来能够体现其功能，由此所述的全部实施例仍然应该视为属于本发明的权利范围内。因此，附图和对其的记述虽然用于说明本发明的技术特征，但是在未明确地提及到用于实现所述的技术特征的软件的特定排列的情况下，不能单纯地进行推论。换句话说，能够存在上述中记述的多种实施例，所述的实施例保留与本发明相同的技术特征的同时能够进行部分变形，这当然也应视为属于本发明的权利范围内。此外，顺序图的情况下，按照特定的顺序描述附图中的动作，但是仅为为了得到最优选的结果而进行图示的，而不能理解为必须按照示出的特定顺序或按依次的顺序实行所述的操作或必须实行所有示出的操作。特定的情况下，多重任务执行(multitasking)和并列处理(processing)可能有利。并且，上述中记述的实施形态的多种系统元件的分离并不能理解为在所有实施形态中要求所述的分离，并且应理解为进行说明的程序元件和系统通常通过单一的软件产品一同进行集成或封装(packaging)于多重软件产品。
如上所述，本说明书并非意图根据其提出的具体术语限制本发明。因此，上述中虽然参照记述的实施例详细说明本发明，但是可理解为，如果是所属技术领域的具有常规知识的从业者，在不超过本发明的范围的同时可对本实施例进行改造、修改及变形。本发明的范围并非通过上述详细说明进行显示，而是通过后述的专利权利要求书进行显示，并且专利权利要求范围的意义及范围和从其等价概念导出的所有变更或变形的形态均应解释为包含于本发明的权利范围。
标号说明
100：专利纠纷预测装置 110：收集部
120：关键词提取部 130：相似度计算部
140：共组相似度计算部

Claims (13)

1.一种专利纠纷预测装置，包括：
关键词提取部，其在第一专利文献和第二专利文献的专利权利要求范围和发明的背景技术中分别提取关键词；
相似度计算部，其利用所述提取的关键词来算出第一专利文献和第二专利文献之间的权利要求项相似度和背景技术相似度；
共组相似度计算部，其对所述权利要求项相似度和背景技术相似度进行演算并算出共组相似度，将所述算出的共组相似度作为侵权人发现概率值。
2.根据权利要求1所述的专利纠纷预测装置，其特征在于，
所述相似度计算部针对第一专利文献权利要求项的构成要素和第二专利文献权利要求项构成要素根据构成要素完备的原则算出权利要求项相似度。
3.根据权利要求1所述的专利纠纷预测装置，其特征在于：
所述相似度计算部针对第一专利文献背景技术的构成要素和第二专利文献背景技术构成要素根据均等论的原则算出背景技术相似度。
4.根据权利要求1所述的专利纠纷预测装置，其特征在于，
所述共组相似度计算部利用下述数学式算出共组相似度Sh，
【数学式】
<mrow> <msub> <mi>S</mi> <mi>h</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>-</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mi>c</mi> <mi>l</mi> <mi>a</mi> <mi>i</mi> <mi>m</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>c</mi> <mi>k</mi> <mi>g</mi> <mi>r</mi> <mi>o</mi> <mi>u</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>
在此，Sclaim为权利要求项相似度，Sbackground为背景技术相似度。
5.根据权利要求1所述的专利纠纷预测装置，其特征在于：
所述共组相似度计算部利用下述数学式算出共组相似度。
【数学式】
<mrow> <msub> <mi>S</mi> <mi>h</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mrow> <mi>c</mi> <mi>l</mi> <mi>a</mi> <mi>i</mi> <mi>m</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mfrac> <mi>&amp;pi;</mi> <mn>4</mn> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>c</mi> <mi>k</mi> <mi>g</mi> <mi>r</mi> <mi>o</mi> <mi>u</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <mi>sin</mi> <mfrac> <mi>&amp;pi;</mi> <mn>4</mn> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>
6.根据权利要求1所述的专利纠纷预测装置，其特征在于，
所述共组相似度计算部利用下述数学式算出共组相似度，
【数学式】
Sh＝ρ·Sclaim＋σ·Sbackground
＝ρ·Sclaim+(1-ρ)·Sbackground
＝ρ·(Sclaim-Sbackground)+Sbackground
在此，是作为′ρ+σ＝1′的任意的常数。
7.一种专利纠纷预测方法，包括如下步骤：
专利纠纷预测装置从第一专利文献和第二专利文献的专利权利要求范围和发明的背景技术中分别提取关键词；
所述专利纠纷预测装置利用所述提取的关键词来分别算出第一专利文献和第二专利文献之间的权利要求项相似度和背景技术相似度；以及
所述专利纠纷预测装置对所述权利要求项相似度和背景技术相似度进行演算并算出共组相似度，将所述算出的共组相似度作为侵权人发现概率值。
8.根据权利要求7所述的专利纠纷预测方法，其特征在于，
针对第一专利文献权利要求项的构成要素和第二专利文献权利要求项构成要素根据构成要素完备的原则算出所述权利要求项相似度。
9.根据权利要求7所述的专利纠纷预测方法，其特征在于，
针对第一专利文献背景技术的构成要素和第二专利文献背景技术构成要素根据均等论的原则算出所述背景技术相似度。
10.根据权利要求7所述的专利纠纷预测方法，其特征在于，
利用下述数学式算出所述共组相似度Sh，
【数学式】
<mrow> <msub> <mi>S</mi> <mi>h</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>-</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mi>c</mi> <mi>l</mi> <mi>a</mi> <mi>i</mi> <mi>m</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>c</mi> <mi>k</mi> <mi>g</mi> <mi>r</mi> <mi>o</mi> <mi>u</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>
在此，Sclaim为权利要求项相似度，Sbackground为背景技术相似度。
11.根据权利要求7所述的专利纠纷预测方法，其特征在于：
利用下述数学式算出所述共组相似度Sh。
【数学式】
<mrow> <msub> <mi>S</mi> <mi>h</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mrow> <mi>c</mi> <mi>l</mi> <mi>a</mi> <mi>i</mi> <mi>m</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mfrac> <mi>&amp;pi;</mi> <mn>4</mn> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>c</mi> <mi>k</mi> <mi>g</mi> <mi>r</mi> <mi>o</mi> <mi>u</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <mi>sin</mi> <mfrac> <mi>&amp;pi;</mi> <mn>4</mn> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>
12.根据权利要求7所述的专利纠纷预测方法，其特征在于，
利用下述数学式算出所述共组相似度Sh，
【数学式】
Sh＝ρ·Sclaim+σ·Sbackground
＝ρ·Sclaim+(1-ρ)·Sbackground
＝ρ·(Sclaim-Sbackground)+Sbackground
在此，是作为′ρ+σ＝1′的任意的常数。
13.根据权利要求7至12中任意一项所述的在记录有用于使得所述专利纠纷预测方法在计算机上运行的程序的计算机上可读取的记录媒体。
CN201611124465.3A 2016-10-04 2016-12-08 专利纠纷预测装置及其方法 Pending CN107895334A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020160127433A KR101724302B1 (ko) 2016-10-04 2016-10-04 특허분쟁예보장치 및 그 방법
KR10-2016-0127433 2016-10-04

Publications (1)

Publication Number Publication Date
CN107895334A true CN107895334A (zh) 2018-04-10

Family

ID=58581299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611124465.3A Pending CN107895334A (zh) 2016-10-04 2016-12-08 专利纠纷预测装置及其方法

Country Status (3)

Country Link
US (1) US20180096254A1 (zh)
KR (1) KR101724302B1 (zh)
CN (1) CN107895334A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109448793A (zh) * 2018-10-15 2019-03-08 智慧芽信息科技(苏州)有限公司 基因序列的权利范围认定、检索及侵权判定方法、系统
CN116777686A (zh) * 2023-04-19 2023-09-19 深圳昊通技术有限公司 一种企业知识产权分类预警方法、系统和存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830443A (zh) * 2018-04-19 2018-11-16 出门问问信息科技有限公司 一种合同审阅方法及装置
FR3112220B1 (fr) 2020-07-02 2022-07-08 Lencify Procede de recherche assistee dans une base de donnees et systeme de recherche associe

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1856788A (zh) * 2003-09-30 2006-11-01 株式会社Ipb 类似率算出装置和类似率算出程序
CN101208694A (zh) * 2005-04-25 2008-06-25 株式会社Ipb 信息解析报告书自动生成装置、信息解析报告书自动生成程序以及信息解析报告书自动生成方法
KR20120033935A (ko) * 2010-09-30 2012-04-09 (주)광개토연구소 사용자 생성 특허 집합을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템
KR20120123781A (ko) * 2011-05-02 2012-11-12 서울대학교산학협력단 의미기반 특허 청구항 분석에 기반한 특허 침해 판단 장치 및 그 방법
CN103365879A (zh) * 2012-03-29 2013-10-23 北京百度网讯科技有限公司 一种用于获取页面相似度的方法与设备
CN103455609A (zh) * 2013-09-05 2013-12-18 江苏大学 一种基于新核函数Luke核的专利文献相似度检测方法
WO2015133774A1 (ko) * 2014-03-04 2015-09-11 엠앤에스시스템 주식회사 특허 분석 시스템 및 방법과 이를 실행하기 위한 프로그램이 기록된 기록매체
KR20160055403A (ko) * 2014-11-10 2016-05-18 한양대학교 산학협력단 특허 분쟁 가능성 예측 방법 및 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090228777A1 (en) * 2007-08-17 2009-09-10 Accupatent, Inc. System and Method for Search
KR20120046671A (ko) 2010-11-02 2012-05-10 (주)광개토연구소 특허 평가 모델 생성 방법, 특허 평가 방법, 특허 분쟁 예측 모델 생성 방법, 특허 분쟁 예측 정보 생성 방법, 특허 라이센싱 예측 정보 생성 방법, 특허 리스크 헤징 정보 생성 방법 및 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1856788A (zh) * 2003-09-30 2006-11-01 株式会社Ipb 类似率算出装置和类似率算出程序
CN101208694A (zh) * 2005-04-25 2008-06-25 株式会社Ipb 信息解析报告书自动生成装置、信息解析报告书自动生成程序以及信息解析报告书自动生成方法
KR20120033935A (ko) * 2010-09-30 2012-04-09 (주)광개토연구소 사용자 생성 특허 집합을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템
KR20120123781A (ko) * 2011-05-02 2012-11-12 서울대학교산학협력단 의미기반 특허 청구항 분석에 기반한 특허 침해 판단 장치 및 그 방법
CN103365879A (zh) * 2012-03-29 2013-10-23 北京百度网讯科技有限公司 一种用于获取页面相似度的方法与设备
CN103455609A (zh) * 2013-09-05 2013-12-18 江苏大学 一种基于新核函数Luke核的专利文献相似度检测方法
WO2015133774A1 (ko) * 2014-03-04 2015-09-11 엠앤에스시스템 주식회사 특허 분석 시스템 및 방법과 이를 실행하기 위한 프로그램이 기록된 기록매체
KR20160055403A (ko) * 2014-11-10 2016-05-18 한양대학교 산학협력단 특허 분쟁 가능성 예측 방법 및 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
彭继东 等: "一种基于文本挖掘的专利相似度测量方法及其应用", 《信息系统》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109448793A (zh) * 2018-10-15 2019-03-08 智慧芽信息科技(苏州)有限公司 基因序列的权利范围认定、检索及侵权判定方法、系统
CN116777686A (zh) * 2023-04-19 2023-09-19 深圳昊通技术有限公司 一种企业知识产权分类预警方法、系统和存储介质

Also Published As

Publication number Publication date
KR101724302B1 (ko) 2017-04-10
US20180096254A1 (en) 2018-04-05

Similar Documents

Publication Publication Date Title
Trupthi et al. Sentiment analysis on twitter using streaming API
Hai et al. Identifying features in opinion mining via intrinsic and extrinsic domain relevance
CN111159407B (zh) 训练实体识别和关系分类模型的方法、装置、设备及介质
CN107704503A (zh) 用户关键词提取装置、方法及计算机可读存储介质
CN107895334A (zh) 专利纠纷预测装置及其方法
Hunt et al. Machine learning models for paraphrase identification and its applications on plagiarism detection
CN111709240A (zh) 实体关系抽取方法、装置、设备及其存储介质
CN110427453B (zh) 数据的相似度计算方法、装置、计算机设备及存储介质
CN112632278A (zh) 一种基于多标签分类的标注方法、装置、设备及存储介质
CN113761577B (zh) 一种大数据脱敏的方法、装置、计算机设备及存储介质
Vainshtein et al. A hybrid approach for automatic model recommendation
CN109033427B (zh) 股票的筛选方法及装置、计算机设备及可读存储介质
CN109446410A (zh) 知识点推送方法、装置及计算机可读存储介质
CN114398477A (zh) 基于知识图谱的政策推荐方法及其相关设备
CN113505601A (zh) 一种正负样本对构造方法、装置、计算机设备及存储介质
CN110688565A (zh) 基于多维霍克斯过程和注意力机制的下一个物品推荐方法
WO2015023031A1 (ko) 전문분야 검색 지원 방법 및 그 장치
CN108549631A (zh) 名词词库提取方法、电子装置及计算机可读存储介质
CN110866637B (zh) 评分预测方法、装置、计算机设备和存储介质
KR102148451B1 (ko) 멀티 쇼핑몰의 통합 관리 및 연동을 위한 쇼핑몰 질의응답 동기화 서비스 제공 방법, 서버, 및 시스템
CN106919565B (zh) 一种基于MapReduce的文档检索方法及系统
Yang et al. IF-MCA: Importance factor-based multiple correspondence analysis for multimedia data analytics
CN113256395B (zh) 基于推荐图网络的产品推荐方法、装置、设备及存储介质
Angadi et al. Survey on sentiment analysis from affective multimodal content
CN112417886A (zh) 意图实体信息抽取方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180410

WD01 Invention patent application deemed withdrawn after publication