KR101047108B1 - Core literature extraction and visualization system and method using citation network - Google Patents
Core literature extraction and visualization system and method using citation network Download PDFInfo
- Publication number
- KR101047108B1 KR101047108B1 KR1020080115042A KR20080115042A KR101047108B1 KR 101047108 B1 KR101047108 B1 KR 101047108B1 KR 1020080115042 A KR1020080115042 A KR 1020080115042A KR 20080115042 A KR20080115042 A KR 20080115042A KR 101047108 B1 KR101047108 B1 KR 101047108B1
- Authority
- KR
- South Korea
- Prior art keywords
- document
- core
- citation
- node
- importance index
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템 및 방법에 관한 것으로서, 인용정보가 표시된 문헌이 저장된 문헌 정보 데이터베이스, 문헌 정보 데이터베이스에 저장된 문헌으로부터 인용정보를 추출하고, 상기 문헌으로부터 시작문헌 및 상기 시작문헌으로부터 파생된 파생문헌을 선정하여 상기 시작문헌을 루트(root) 노드로 한 트리 그래프를 생성하고, 상기 트리 그래프의 각 노드에 대해 중요도 지수를 계산하여 핵심문헌을 선정하고, 상기 선정한 핵심문헌간의 연결을 시각화하는 핵심 문헌 추출 서버로 구성되어, 방향성을 갖는 문헌 인용 네트워크에서 직접 인용과 간접인용을 동시에 고려하여 가장 영향력 있는 핵심문헌을 추출하여 보여주므로, 연구자는 특정 주제에 대한 핵심기술을 쉽게 검색할 수 있고, 기술의 흐름을 파악할 수 있다.The present invention relates to a system and method for extracting and visualizing a core document using a citation network, comprising: extracting citation information from a document information database storing a document in which citation information is displayed and a document stored in a document information database; Select a derived document derived from the start document to generate a tree graph with the start document as the root node, select the key documents by calculating the importance index for each node of the tree graph, and select the selected key documents. It consists of a core document extraction server that visualizes the connection between the two and extracts and displays the most influential core documents by considering both direct citation and indirect citation in the directional citation network. Search and dig into the flow of technology Can.
문헌, 인용, 핵심, 가중치, 시각화 Literature, citations, key points, weights, visualizations
Description
본 발명은 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 문헌 정보 데이터베이스에 저장된 문헌으로부터 시작문헌 및 상기 시작문헌로부터 파생된 파생문헌을 선정하여 상기 시작문헌을 루트(root) 노드로 한 트리 그래프를 생성하고, 상기 트리 그래프의 각 노드에 대해 중요도 지수를 계산하여 핵심문헌을 선정하고, 상기 선정한 핵심문헌간의 연결을 시각화하는 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템 및 방법에 관한 것이다. The present invention relates to a core document extraction and visualization system and method using a citation network, and more particularly, by selecting a start document and a derivative document derived from the start document from a document stored in a document information database. Root) node to generate a tree graph, calculate the importance index for each node of the tree graph to select the core literature, and extract the core literature extraction and visualization system using a citation network to visualize the link between the selected core literature and It is about a method.
문헌 발간량이 꾸준히 증가하고 인터넷을 통해 입수할 수 있는 정보가 과잉 상태에 도달함에 따라, 그 정보를 통해 연구 동향을 파악하고, 이를 통해 기업간 경쟁력을 확보하고, 연구 개발 방향을 대세에 맞추어 설정하고, 미래의 도전에 대 비해야 하는 사람들에게는 이러한 과잉 정보가 오히려 정확한 판단을 저해하는 요인으로 작용하고 있다.As the volume of publications steadily increases and the information available on the Internet has reached a surplus, information on the research trends can be used to identify the research trends, to secure competitiveness among companies, and to set the direction for research and development. For those who need to prepare for future challenges, this excess information is rather a deterrent to accurate judgment.
정보 이용자가 모든 정보 출처에서 개인의 지식과 경험을 토대로 정보를 입수하고 분석하는 전통적인 정보 분석 방법은 전문가의 시간 과다 소요, 전문가의 관점에 따라 편향된 정보 수집과 분석 진행 등의 단점을 내포하고 있다.Traditional methods of information analysis, in which information users obtain and analyze information from all information sources based on personal knowledge and experience, have drawbacks such as excessive time spent by experts and the collection and analysis of biased information according to the expert's point of view.
이러한 단점을 개선하기 위한 하나의 방편으로서 사람이 수행하는 일의 일부를 컴퓨터가 수행해주는 정보 분석 시스템 개발에 대한 연구가 진행되고 있다. As a way to remedy these shortcomings, researches have been conducted on the development of computer-based information analysis systems that perform part of human tasks.
또한, 특정 연구 분야에서 새로운 연구를 시작하려는 많은 신진 연구자들은 그들의 첫 출발점을 찾는데 많은 어려움을 겪게 된다. In addition, many young researchers who want to start new research in a particular field of research have a lot of trouble finding their first starting point.
만일 당사자가 운이 좋다면, 그들을 돕고 지원하는데 적극적이고 헌신적인 선배들이나 교수들이 있어서 그 출발점 상에서의 어려움에 대한 해결책이 되기도 하지만, 대부분은 본인 스스로 해결해야 한다.If the parties are lucky, there are seniors and professors who are active and dedicated to helping and supporting them, but most of them must be solved on their own.
연구의 본격적인 수행을 위한 준비 작업인 정보의 수집은 인터넷이 발달한 현재에도 매우 힘들고 시간이 많이 걸리는 작업으로 여겨지고 있다.Collecting information, which is a preparatory work for full-fledged conduct of research, is considered to be a very difficult and time-consuming task even in the current Internet development.
특히 정보의 양이 방대하고 주어진 주제에 대한 검색 집합의 크기가 클 경우, 기술자나 연구자들은 기술의 흐름을 파악하기 위해 많은 시간을 투자해야 한다. In particular, if the amount of information is huge and the size of the search set for a given topic is large, technicians or researchers must spend a lot of time figuring out the flow of the technology.
또한, 대부분의 연구자나 기술자들은 특정 주제에 대한 핵심기술을 발견하거나 역사적인 기술의 흐름을 파악하기를 원하는데, 본인 스스로 찾아야 하므로 시간이 오래 걸리고 핵심기술을 찾아도 그 기술이 객관적으로 정확한 것인지 알지 못하 는 단점이 있다.In addition, most researchers or technicians want to discover key technologies on a particular topic or to understand the flow of historical technology, which requires time to find for themselves, and it is time consuming to find a key technology that does not know whether it is objectively accurate. There are disadvantages.
본 발명의 목적은 특정 주제에 대한 핵심기술을 발견하거나 기술의 흐름을 파악할 수 있도록 하는 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템 및 방법을 제공하는데 있다. An object of the present invention is to provide a core literature extraction and visualization system and method using a citation network to discover the core technology on a particular subject or to grasp the flow of the technology.
본 발명의 다른 목적은 방향성을 갖는 문헌 인용 네트워크에서 직접 인용과 간접인용을 동시에 고려하여 가장 영향력 있는 핵심문헌을 추출하는 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템 및 방법을 제공하는데 있다. Another object of the present invention is to provide a core document extraction and visualization system and method using a citation network that extracts the most influential core documents by considering both direct citation and indirect citation in a directional citation network.
본 발명의 또 다른 목적은 핵심문헌들간의 연결관계를 시각화하여 보여줄 수 있는 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템 및 방법을 제공하는데 있다. Still another object of the present invention is to provide a core document extraction and visualization system and method using a citation network that can visualize and show the linkage relationship between core documents.
상기 목적들을 달성하기 위하여 본 발명의 일 측면에 따르면, 인용정보가 표시된 문헌이 저장된 문헌 정보 데이터베이스, 문헌 정보 데이터베이스에 저장된 문헌으로부터 인용정보를 추출하고, 상기 문헌으로부터 시작문헌 및 상기 시작문헌로부터 파생된 파생문헌을 선정하여 상기 시작문헌을 루트(root) 노드로 한 트리 그래프를 생성하고, 상기 트리 그래프의 각 노드에 대해 중요도 지수를 계산하여 핵심문헌을 선정하고, 상기 선정한 핵심문헌간의 연결을 시각화하는 핵심 문헌 추출 서버를 포함하는 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템이 제공된 다. According to an aspect of the present invention in order to achieve the above object, the citation information is extracted from the document information database, the document stored in the document information database, the document is displayed citation information, and derived from the start document and the start document from the document By selecting derivative documents, we create a tree graph with the starting document as the root node, select the core documents by calculating the importance index for each node of the tree graph, and visualize the linkage between the selected core documents. A core literature extraction and visualization system using a citation network including a core literature extraction server is provided.
상기 문헌 정보 데이터베이스에는 국내외 학술논문, 특허, 연구보고서 중 적어도 하나의 전문 분야에 대한 문헌이 저장되어 있다.The literature information database stores literature on at least one specialized field among domestic and international academic papers, patents, and research reports.
상기 핵심 문헌 추출 서버는 해당 분야의 전문가 또는 피인용수를 이용하여 시작 문헌을 선정하고, 상기 추출한 인용정보를 이용하여 상기 시작문헌을 직접 인용한 문헌 및 인용한 문헌을 재인용한 문헌(간접 인용한 문헌)을 포함하는 파생문헌을 선정한다.The core document extraction server selects a start document by using an expert or a citation in the relevant field, and uses the extracted citation information to directly cite the reference document and a cited document (indirect citation). Select a derived document, including
또한, 상기 핵심 문헌 추출 서버는 상기 생성한 트리 그래프를 인접행렬로 구성하고, 상기 인접행렬을 거듭제곱한 행렬로 만들어 각 노드의 중요도 지수를 계산한다.In addition, the core document extraction server configures the generated tree graph as an adjacency matrix, and calculates the importance index of each node by making the adjacency matrix a power-square matrix.
또한, 상기 핵심 문헌 추출 서버는 상기 생성한 트리 그래프를 인접행렬로 구성하고, 상기 인접 행렬을 이용한 깊이 우선 탐색(DFS, depth first search) 기법을 적용하여 중요도 지수를 계산한다.In addition, the core document extraction server configures the generated tree graph as an adjacent matrix, and calculates an importance index by applying a depth first search (DFS) technique using the adjacent matrix.
본 발명의 다른 측면에 따르면, 문헌 정보 데이터베이스에 저장된 문헌으로부터 인용정보를 추출하고, 그 인용정보를 이용하여 핫 스팟 문헌을 추출하는 데이터 수집 모듈, 상기 데이터 수집 모듈에서 수집한 문헌으로부터 시작문헌 및 상기 시작문헌로부터 파생된 파생문헌을 선정하여 상기 시작문헌을 루트 노드로 한 트리 그래프를 생성하고, 상기 트리 그래프의 각 노드에 대해 중요도 지수를 계산하여 핵심문헌을 선정하는 핵심 문헌 선정 모듈, 상기 핵심 문헌 선정 모듈에서 선정한 핵심문헌간의 연결을 시각화하는 시각화 모듈을 포함하는 핵심 문헌 추출 서버가 제공된다. According to another aspect of the present invention, a data collection module for extracting the citation information from the literature stored in the literature information database, and extracting the hot spot literature using the citation information, starting documents and the above-mentioned literature from the documents collected by the data collection module Core literature selection module for selecting a core document by selecting a derivative document derived from the source document, generating a tree graph with the root document as the root node, and calculating the importance index for each node of the tree graph, the core document A core literature extraction server is provided that includes a visualization module that visualizes the links between the core literature selected in the selection module.
상기 데이터 수집 모듈은, 상기 문헌 정보 데이터베이스에 저장된 각 분야별 문헌을 대상으로 하여 피인용 및 인용 정보를 추출하는 인용 정보 추출부, 일정 기간의 문헌에 대해 각 문헌이 인용한 문헌을 수집하여 전방 인용회수를 계산하고, 그 전방 인용회수를 이용하여 핫 스팟 문헌을 선정하는 핫 스팟 문헌 추출부를 포함한다.The data collection module includes a citation information extracting unit for extracting citation and citation information for each document stored in the document information database, and collects citations cited by each document for a certain period of time. And a hot spot document extraction unit for selecting a hot spot document using the forward citation count.
상기 핵심 문헌 선정 모듈은 상기 데이터 수집 모듈에서 수집한 문헌으로부터 시작문헌을 선정하는 시작문헌 선정부, 상기 시작문헌 선정부에서 선정한 시작문헌으로부터 파생된 파생문헌을 상기 데이터 수집모듈에서 추출한 인용정보를 이용하여 추출하는 파생문헌 추출부, 상기 파생문헌 추출부에서 추출한 파생문헌에 대해 상기 시작문헌을 루트 노드로 하는 트리 그래프를 생성하는 트리 그래프 생성부, 상기 트리 그래프 생성부에서 생성한 트리 그래프의 각 노드에 대해 중요도 지수를 계산하는 중요도 지수 계산부, 상기 중요도 지수 계산부에서 계산된 중요도 지수를 기준으로 년도별로 가장 높은 중요도 지수를 갖는 문헌을 핵심문헌으로 선정하는 핵심문헌 선정부를 포함한다.The core document selection module uses a citation information extracted from the data collection module, a start document selection unit for selecting a start document from a document collected by the data collection module, and a derivative document derived from the start document selected by the start document selection unit. Derived document extraction unit for extracting by extracting, a tree graph generation unit for generating a tree graph with the starting document as a root node for the derived documents extracted by the derivative document extraction unit, each node of the tree graph generated by the tree graph generation unit The importance index calculation unit for calculating the importance index for the, including the core literature selection unit for selecting the document having the highest importance index for each year based on the importance index calculated in the importance index calculation unit as the core literature.
상기 시작 문헌 선정부는 해당 분야의 전문가 또는 상기 데이터 수집 모듈에서 추출한 피인용수를 이용하여 시작 문헌을 선정한다.The start document selection unit selects a start document by using an expert in the relevant field or the cited water extracted from the data collection module.
상기 중요도 지수 계산부는 
또한, 상기 중요도 지수 계산부는 상기 트리 그래프 생성부에서 생성한 트리 그래프를 인접행렬로 구성하고, 상기 인접 행렬을 이용한 깊이 우선 탐색(DFS, depth first search) 기법을 적용하여 중요도 지수를 계산한다. The importance index calculator may configure the tree graph generated by the tree graph generator as an adjacent matrix, and calculate a importance index by applying a depth first search (DFS) technique using the adjacent matrix.
상기 시각화 모듈은 상기 핵심 문헌 선정 모듈에서 선정된 핵심문헌의 노드에 대한 직접 연결 링크를 탐색하고, 직접 연결 링크가 존재하지 않은 노드는 중요도 지수가 큰 하위 노드를 선택하여 미리 선별된 노드와의 경로를 조사하여 경로를 추가한다.The visualization module searches for a direct connection link to a node of a core document selected in the core document selection module, and selects a lower node having a high importance index for a node having no direct link link to a path with a preselected node. Investigate to add the route.
본 발명의 또 다른 측면에 따르면, (a)문헌 정보 데이터베이스에 저장된 문헌으로부터 피인용/인용 정보를 추출하는 단계, (b)상기 문헌에서 시작문헌을 선정하며, 상기 시작문헌으로부터 파생된 파생문헌을 추출하는 단계, (c)상기 추출한 파생문헌에 대해 상기 시작문헌을 루트노드로 하는 트리 그래프를 생성하는 단계, (d)상기 생성한 트리 그래프의 각 노드에 대해 중요도 지수를 계산하는 단계, (e)상기 계산된 중요도 지수를 기준으로 하나 이상의 핵심문헌을 선정하는 단계, (f)상기 선정한 핵심문헌간의 연결을 시각화하는 단계를 포함하는 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 방법이 제공된다. According to another aspect of the present invention, (a) extracting the cited / cited information from the literature stored in the literature information database, (b) selecting the starting document from the document, and derived derivatives derived from the starting document Extracting, (c) generating a tree graph having the starting document as a root node with respect to the extracted derivative document, (d) calculating a importance index for each node of the generated tree graph, (e There is provided a method for extracting and visualizing a core document using a citation network, including selecting one or more core documents based on the calculated importance index, and (f) visualizing a link between the selected core documents.
상기 (b)단계는 상기 문헌 정보 데이터베이스에 저장된 일정 기간의 문헌에 대해 각 문헌이 인용한 문헌을 수집하여 전방 인용회수를 계산하고, 그 전방 인용회수를 이용하여 핫 스팟 문헌을 선정하는 단계, 상기 선정한 핫 스팟 문헌중에서 시작문헌을 선정하는 단계, 상기 (a)단계에서 추출한 피인용/인용 정보를 이용하여 상기 시작문헌을 직접 인용한 문헌 및 인용한 문헌을 재인용한 문헌(간접 인용한 문헌)을 포함하는 파생문헌을 추출하는 단계를 포함한다.Step (b) is a step of collecting the documents cited by each document for a period of time stored in the document information database to calculate the number of forward citations, using the forward citation times to select a hot spot document, the Selecting a reference document from the selected hot spot documents, using the citation / quotation information extracted in step (a), and a document that cites the starting document directly and cites the cited document (indirectly cited documents) Extracting a derivative comprising a.
상기 (d)단계는 상기 (c)단계에서 생성한 트리 그래프를 노드간의 직접연결을 표시하는 인접행렬로 구성하는 단계, 상기 구성한 인접행렬을 거듭제곱하여 거듭제곱 행렬을 구하는 단계, 상기 구해진 거듭제곱 행렬을 이용하며 경로길이별로 가중치를 주어 노드의 중요도 지수를 계산하는 단계를 포함한다. In the step (d), the tree graph generated in the step (c) is configured as an adjacency matrix indicating direct connection between nodes, the power of the adjacent adjacency matrix is calculated to obtain a power matrix, and the obtained power is Computing the importance index of the node by using a matrix and weighted for each path length.
또한, 상기 (d)단계는 상기 (c)단계에서 생성한 트리 그래프를 노드간의 직접연결을 표시하는 인접행렬로 구성하는 단계, 상기 구성한 인접행렬에 깊이 우선 탐색(DFS, depth first search) 기법을 적용하여 중요도 지수를 계산하는 단계를 포함한다. In the step (d), the tree graph generated in the step (c) is configured as an adjacent matrix indicating direct connection between nodes, and the depth first search (DFS) technique is applied to the configured adjacent matrix. Applying to calculate the importance index.
상기 (e)단계는 상기 (d)단계에서 구해진 중요도 지수를 기준으로 년도별로 가장 높은 중요도 지수를 갖는 문헌을 핵심문헌으로 선정한다. In step (e), the documents having the highest importance index for each year are selected as core documents based on the importance index obtained in step (d).
상기 (f)단계는 상기 선정된 각 핵심문헌의 노드에 대한 직접 연결 링크를 탐색하고, 직접 연결 링크가 존재하지 않는 노드는 중요도 지수가 큰 하위 노드를 선택하여 미리 선정된 노드와의 경로를 조사하여 경로를 추가하여 핵심문헌간의 연결을 시각화한다. In step (f), a direct link link is searched for the nodes of the selected core documents, and a node having no direct link link selects a lower node having a high importance index and examines a path with a preselected node. Visualize the links between key documents by adding paths.
본 발명에 따르면, 방향성을 갖는 문헌 인용 네트워크에서 직접 인용과 간접인용을 동시에 고려하여 가장 영향력 있는 핵심문헌을 추출하여 보여주므로, 연구자는 특정 주제에 대한 핵심기술을 쉽게 검색할 수 있고, 기술의 흐름을 파악할 수 있다. According to the present invention, since the most influential core documents are extracted and shown in consideration of direct citation and indirect citation simultaneously in a directional citation network, the researcher can easily search for the core technology on a specific subject, and the flow of technology Can be identified.
또한, 핵심문헌들간의 연결관계를 시각화하여 보여주므로, 특허 가치 평가, 핵심 기술에 대한 연결 관계, 특허맵에서의 기술 전개도 및 특허 분쟁 가능 후보군 생성 등에 이용할 수 있다. In addition, it visualizes the linkage relationship between core documents, so it can be used to evaluate patent value, linkage to core technology, technology development in patent map, and creation of patent disputeable candidate group.
본 발명의 전술한 목적과 기술적 구성 및 그에 따른 작용 효과에 관한 자세한 사항은 본 발명의 명세서에 첨부된 도면에 의거한 이하 상세한 설명에 의해 보다 명확하게 이해될 것이다.The foregoing and other objects, features, and advantages of the present invention will become more apparent from the following detailed description taken in conjunction with the accompanying drawings, in which: FIG.
도 1은 본 발명에 따른 인용 네트웍을 이용한 핵심 문헌 추출 시스템을 나타낸 도면, 도 2는 본 발명에 따른 트리 그래프를 이용하여 직간접 경로와 노드의 중요도 지수를 설명하기 위한 도면이다.1 is a diagram illustrating a system for extracting a core document using a citation network according to the present invention, and FIG. 2 is a diagram for explaining the importance index of direct and indirect paths and nodes using a tree graph according to the present invention.
도 1을 참조하면, 인용 네트웍을 이용한 핵심 문헌 추출 시스템은 인용정보가 표시된 문헌이 저장된 문헌 정보 데이터베이스(100), 문헌 정보 데이터베이 스(100)에 저장된 문헌에서 핵심 문헌을 추출하여 시각화하는 핵심 문헌 추출 서버(200)를 포함한다. Referring to FIG. 1, a core document extraction system using a citation network extracts and visualizes a core document from a document stored in a
상기 문헌 정보 데이터베이스(100)는 국내외 학술논문, 특허, 연구보고서 등의 전문 분야에 대한 문헌이 저장되어 있고, 각 문헌에는 인용한 문헌 정보가 표시되어 있다.The
상기 문헌 정보 데이터베이스(100)는 특허 문헌인 경우 특허문헌 정보 데이터베이스, 학술 문헌인 경우 학술문헌 정보 데이터베이스 등으로 분리할 수 있다.The
상기 핵심 문헌 추출 서버(200)는 상기 문헌 정보 데이터베이스(100)에 저장된 문헌으로부터 인용정보를 추출하고, 상기 문헌으로부터 시작문헌 및 상기 시작문헌로부터 파생된 파생문헌을 선정하여 상기 시작문헌을 루트 노드(root node)로 한 트리 그래프를 생성하고, 상기 트리 그래프의 각 노드에 대해 중요도 지수를 계산하여 핵심문헌을 선정하며, 상기 선정한 핵심문헌간의 연결을 시각화한다.The core
이때, 상기 핵심 문헌 추출 서버(200)는 상기 문헌 정보 데이터베이스(100)에 저장된 문헌으로부터 해당 분야의 전문가 또는 피인용수를 이용하여 시작 문헌을 선정하고, 상기 추출한 인용정보를 이용하여 상기 시작특허를 직접 인용한 문헌 및 인용한 문헌을 재인용한 문헌(간접 인용한 문헌)을 포함하는 파생문헌을 선정한다. At this time, the core
또한, 상기 핵심 문헌 추출 서버(200)는 상기 생성한 트리 그래프를 인접행렬로 구성하고, 상기 인접행렬을 거듭제곱한 행렬로 만들어, 그 거듭제곱행렬을 이용하여 경로길이별로 가중치를 주어 노드의 중요도 지수를 계산한다.In addition, the core
또한, 상기 핵심 문헌 추출 서버(200)는 상기 생성한 트리 그래프를 인접행렬로 구성하고, 상기 인접 행렬을 이용한 깊이 우선 탐색(DFS, depth first search) 기법을 적용하여 중요도 지수를 계산할 수 있다. In addition, the core
상기 핵심 문헌 추출 서버(200)는 중요도 지수, 특정 노드에서 다른 노드로 직접 연결된 에지의 수(degree), closeness 등을 이용하여 핵심문헌을 선정할 수 있다.The core
상기 핵심 문헌 추출 서버(200)가 중요도 지수를 이용하여 핵심문헌을 선정하는 방법은 본 발명에서 제안하는 것으로서, 이에 대한 상세한 설명은 도 3을 참조하기로 한다. The method of selecting the core document by the core
본 발명에서 중요도 지수를 핵심 문헌 선정을 위한 지표로 선정한 이유는, 네트워크에서 다른 노드로 연결되는 경로의 수가 많을수록 지표 값은 높아져야 하고, 직접 연결이 간접 연결보다 지표 값이 높게 나와야 하는 지표를 사용해야 하는데, 중요도 지수가 상기 속성을 만족하기 때문에 핵심문헌 선정을 위한 지표로 중요도 지수를 이용한다. In the present invention, the importance index is selected as an index for selecting the core literature. The larger the number of paths connected to other nodes in the network, the higher the value of the indicator, and the use of the indicator in which the direct connection is higher than the indirect connection should be used. However, since the importance index satisfies the above properties, the importance index is used as an index for selecting the core literature.
예를 들어, 특정 특허가 다른 특허들로 직접이든 간접이든 많이 인용될수록 해당 특허는 중요한 특허로 인정받고, 직접 인용된 특허가 여러 번 경로를 거쳐서 간접적으로 인용된 특허보다 해당 특허에 더 많은 영향을 끼치는 것으로 가정하여, 도 2를 참조하여 직간접 경로와 노드의 중요도 지수를 설명하기로 한다.For example, the more often a patent is cited, whether directly or indirectly, as another patent, the more important the patent is recognized as an important patent and the more directly the patent cited has a greater impact on that patent than the patent cited indirectly through multiple passes. On the assumption that it is inclined, the importance index of the direct and indirect paths and nodes will be described with reference to FIG. 2.
도 2를 살펴보면, 1번 노드가 2번 노드에 연결되는 트리 그래프의 패턴들을 보여주고 있다.Referring to FIG. 2, patterns of a tree graph in which
(a)와 같이 1번 노드에서 2번 노드로 직접 연결된 경우에는 1번 노드의 중요도 지수에 1을 더한다. 1에서 직접 연결된 노드수가 n 개이면 1번 노드의 중요도 지수값에 n이 더해진다. As shown in (a), when
(b)의 경우는 1번 노드에서 2번 노드로 가는 경로의 길이가 2인 경우이다. 이때는 서로 독립적인 경로에 대해서 1/2 값이 1번 노드의 중요도 지수에 더해진다. (c)의 경우는 1번 노드에서 2번 노드로 가는 경로의 길이가 3이므로 각 경로별로 1/3이 1번 노드의 중요도 지수에 더해진다.In case (b), the length of the path from
다음으로, 상기 핵심 문헌 추출 서버(200)가 closeness를 이용하여 핵심 문헌을 선정하는 방법을 살펴보면, 상기 핵심 문헌 추출 서버(200)는 수학식 1을 이용하여 closeness를 구하고, 그 구해진 closeness값을 이용하여 핵심문헌을 선정한다.Next, looking at how the core
여기서, 
상기 문헌 정보 데이터베이스(100)와 핵심 문헌 추출 서버(200)는 통신망을 통해 연결되어 있다.The
예를 들어, 핵심 문헌 추출 서버(200)가 핵심특허를 추출하여 시각화하기를 원하는 경우, 상기 핵심문헌 추출 서버(200)는 상기 문헌 정보 데이터베이스(100)에서 저장된 특허문헌으로부터 인용정보를 추출하고, 상기 특허문헌으로부터 시작특허 및 상기 시작특허로부터 파생된 파생특허를 선정하여 상기 시작특허를 루트 노드(root node)로 한 트리 그래프를 생성하고, 상기 트리 그래프의 각 노드에 대해 중요도 지수를 계산하여 핵심특허를 선정하며, 상기 선정한 핵심특허간의 연결을 시각화한다.For example, if the core
상기와 같은 역할을 수행하는 핵심 문헌 추출 서버(200)에 대한 상세한 설명은 도 3을 참조하기로 한다. A detailed description of the core
도 3은 본 발명에 따른 핵심 문헌 추출 서버의 구성을 개략적으로 나타낸 블럭도, 도 4는 도 3에 도시된 핵심 문헌 선정 모듈의 구성을 상세히 나타낸 블럭도, 도 5 및 도 6은 본 발명에 따른 트리 그래프를 인접행렬로 표현한 예시도이다.Figure 3 is a block diagram schematically showing the configuration of the core document extraction server according to the present invention, Figure 4 is a block diagram showing in detail the configuration of the core document selection module shown in Figure 3, Figures 5 and 6 according to the present invention This is an exemplary diagram in which a tree graph is expressed by an adjacent matrix.
도 3을 참조하면, 핵심 문헌 추출 서버(200)는 데이터 수집 모듈(210), 핵심 문헌 선정 모듈(230), 시각화 모듈(250)을 포함한다.Referring to FIG. 3, the core
상기 데이터 수집 모듈(210)은 기 구비된 문헌 정보 데이터베이스에 저장된 문헌에서 인용정보를 추출하고, 그 인용정보를 이용하여 핫 스팟(hot spot) 문헌을 추출하는 역할을 수행한다.The
상기와 같은 역할을 수행하는 데이터 수집 모듈(210)은 문헌 정보 데이터베 이스에 저장된 각 분야별 문헌을 대상으로 하여 피인용 및 인용 정보를 추출하는 인용 정보 추출부(212), 일정 기간내의 문헌에 대해 핫 스팟 문헌을 추출하는 핫 스팟 문헌 추출부(214)를 포함한다.The
상기 문헌 정보 데이터베이스에 저장된 문헌에는 인용 문헌이 표시되어 있으므로, 상기 인용 정보 추출부(212)는 각 문헌에서 인용 문헌 표시 영역을 쿼리하여 인용정보를 추출한다.Since cited documents are displayed in the documents stored in the document information database, the citation
상기 핫 스팟 문헌 추출부(214)는 일정 기간의 문헌에 대해 각 문헌이 인용한 문헌을 수집하여 전방 인용회수(forward citation count)를 계산하고, 그 전방 인용회수를 이용하여 핫 스팟 문헌을 추출한다. 여기서, 핫 스팟 문헌을 추출하기 위한 기간은 임의로 설정 가능하다.The hot spot
예를 들어, 최근 5년 동안의 핫 스팟 특허를 추출하는 경우를 살펴보면, 핫 스팟 문헌 추출부(214)는 최근 5년 동안에 등록된 특허가 인용한 모든 특허들을 수집하여 전방 인용 회수(Forward Citation count)를 계산하고, IPC 별 상위 1%의 특허를 추출할 수 있다. 이때, 상기 추출한 상위 1%의 특허가 핫 스팟 특허일 수 있다.For example, in the case of extracting a hot spot patent for the last five years, the hot spot
상기 핵심 문헌 선정 모듈(230)은 상기 데이터 수집 모듈(210)에서 수집한 문헌 및 인용정보를 이용하여 시작문헌 및 상기 시작문헌로부터 파생된 파생문헌을 선정하여 상기 시작문헌을 루트 노드로 한 트리 그래프를 생성하고, 상기 트리 그래프의 각 노드에 대해 중요도 지수를 계산하여 핵심문헌을 선정하는 역할을 수행한다.The core
상기와 같은 역할을 수행하는 핵심 문헌 선정 모듈(230)에 대해 도 4를 참조하면, 핵심 문헌 선정 모듈(230)은 시작 문헌 선정부(232), 파생 문헌 추출부(234), 트리 그래프 생성부(236), 중요도 지수 계산부(238), 핵심 문헌 선정부(240)를 포함한다.Referring to FIG. 4 for the core
상기 시작 문헌 선정부(232)는 데이터 수집 모듈(210)에서 수집한 핫 스팟 문헌으로부터 시작문헌을 선정한다. 상기 시작문헌은 해당 분야의 전문가가 선정 또는 피인용수가 가장 높은 문헌을 선정할 수 있다.The start
상기 파생문헌 추출부(234)는 상기 시작문헌 선정부(232)에서 선정한 시작문헌으로부터 파생된 파생문헌을 상기 데이터 수집모듈(210)에서 추출한 인용정보를 이용하여 추출한다. 즉, 상기 파생문헌 추출부(234)는 데이터 수집 모듈(210)에서 추출한 피인용/인용 정보를 이용하여 상기 시작특허를 직접 인용한 문헌 및 인용한 문헌을 재인용한 문헌(간접 인용한 문헌)을 모두 추출한다. 이때, 상기 직접 인용한 문헌과 간접 인용한 문헌을 파생문헌이라고 한다. The derivative
상기 파생 문헌 추출부(234)는 시작문헌으로부터 파생된 파생 문헌을 추출하여 해쉬 테이블(hash table)을 구성한다.The derived
상기 트리 그래프 생성부(236)는 상기 파생문헌 추출부(234)에서 추출한 파생문헌에 대해 상기 시작문헌을 루트 노드로 하는 트리 그래프로 생성한다. The tree
상기 중요도 지수 계산부(238)는 상기 트리 그래프 생성부(236)에서 생성한 트리 그래프의 각 노드에 대해 중요도 지수를 계산한다.The
즉, 상기 중요도 지수 계산부(238)는 상기 트리 그래프 생성부(236)에서 생 성한 트리 그래프를 노드간의 직접 연결을 표시하는 인접행렬로 구성하고, 상기 구성한 인접행렬을 거듭제곱하여 거듭제곱 행렬을 구한 후, 상기 구해진 거듭제곱 행렬을 이용하며 경로 길이별로 가중치를 주어 노드의 중요도 지수를 계산한다.That is, the
상기 중요도 지수 계산부(238)가 트리 그래프를 인접행렬로 표현하는 방법에 대해 도 5를 참조하면, 노드의 집합을 V라 하고 에지의 집합을 E라 두면 트리 그래프 데이터는 G = (V, E)로 표현하며, 노드집합과 에지집합으로 이루어졌음을 의미한다. Referring to FIG. 5, the
인접행렬(adjacency matrix)이란 노드간의 직접연결을 표시하며 인접행렬에서 셀 값이 1이면 두 노드간 직접연결(에지)이 있음을 의미하며 0이면 연결이 없음을 의미, 인접행렬의 대각값은 자기자신으로 연결되는 경우가 없음을 의미한다.An adjacency matrix indicates a direct connection between nodes. A cell value of 1 indicates that there is a direct connection (edge) between two nodes, and 0 means no connection. It means no connection to itself.
인접 행렬을 거듭제곱하여 구한 거듭제곱 행렬에 대해 표 1을 참조하여 설명하기로한다.The power matrix obtained by multiplying adjacent matrices will be described with reference to Table 1.
A를 인접행렬이라고 했을 때, A를 r 번 거듭제곱한 Ar 행렬의 각 셀 값은 특정 노드에서 다른 노드로 가는 경로길이가 r인 서로 다른 경로의 수이다. 다시 말하면 노드 Vi에서 노드 Vj까지 경로길이 r인 상이한 경로의 개수는 행렬 A의 거듭제곱행렬 Ar 의 (i, j) 성분 값이다. 표1에서 거듭제곱행렬 Ar 의 사례를 살펴보자. When A is called an adjacency matrix, each cell value of the matrix A r , where A is raised to r times, is the number of different paths whose length is r from one node to another. In other words, the number of different paths having the path length r from the node V i to the node V j is the value of the (i, j) component of the matrix A r of the matrix A. Consider the example of the power matrix A r in Table 1.
표 1에서 a로 표시된 (1,2) 셀 값은 노드 1에서 노드 2로 가는 길이 r인 서로 다른 경로가 3개 있음을 의미한다. 한편 b의 값들을 모두 더하면 네트워크에서 노드 1로부터 다른 모든 노드들로 도달 가능한 경로길이 r인 서로 다른 경로의 수가 된다.The cell value (1,2), denoted a in Table 1, means that there are three different paths of length r from
본 발명에서 제안하는 노드의 중요도 지수는 인접행렬의 거듭제곱행렬을 이용하며 경로길이별로 가중치를 주어서 계산한다. 이 때 가중치는 경로길이의 역일 수 있다. The importance index of the node proposed in the present invention is calculated by using the power matrix of the adjacent matrix and weighted for each path length. In this case, the weight may be the inverse of the path length.
따라서, 상기 중요도 지수 계산부는 수학식 2를 이용하여 중요도 지수(
즉, r 값은 인접행렬의 거듭제곱(power)을 나타내고, m은 거듭제곱값의 최대값으로서 경로거리의 최대값이다. w(k)는 각 경로에서 중간에 위치하는 노드의 수가 몇 개인가를 살펴보고 이를 이용하여 가중치 함수를 만든 것으로, 이를 다른 형태로 표현하자면 경로거리의 역수로 표현할 수도 있다. n은 네트워크의 크기(노드의 총수)를 말하고 
본 발명에서 제안한 중요도 지수의 특성을 살펴보면 특정 노드가 다른 모든 노드로 도달 가능한가(reachable)를 살펴보고 있으며 경로거리 값의 역을 가중치(weight)로 사용하고 있음을 알 수 있다.Looking at the characteristics of the importance index proposed in the present invention, it can be seen that the specific node is reachable to all other nodes, and that the inverse of the path distance value is used as the weight.
또한, 상기 중요도 지수 계산부(238)는 상기 트리 그래프 생성부(236)에서 생성한 트리 그래프를 인접행렬로 구성하고, 상기 인접행렬을 이용한 깊이 우선 탐색(DFS, depth first search) 기법을 적용하여 중요도 지수를 계산할 수 있다.In addition, the
상기 중요도 지수 계산부(238)가 깊이 우선 탐색 기법을 이용하여 중요도 지수를 계산하는 방법에 대하여 도 6을 참조하여 설명하기로 한다. A method of calculating the importance index by the
도 6의 (a)는 시작문헌이 직접 경로로 연결되는 문헌이 2개이고, 간접경로로 연결되는 문헌이 7개인 트리 그래프이다. 여기에서, 노드의 번호는 최상단이 1이고, 위에서 아래로, 좌우에 우로 번호가 증가하고 있다.6 (a) is a tree graph of two documents in which a start document is connected by a direct path and seven documents connected by an indirect path. Here, the number of nodes is 1 at the top, and the numbers are increasing from top to bottom and right to left.
이 트리 그래프를 인접행렬로 구성하면 (b)와 같다.If the tree graph is composed of adjacent matrices, it is as shown in (b).
(b)를 이용하여 노드 1의 중요도 지수를 계산하면, 1행에서 1 값의 위치(2, 3)를 기억하고 1 값을 모두 더한다. 그러면, 노드 1에 대한 중요도 지수 f1 += (1+1)이 된다. If we calculate the importance index of
그런 다음 전 단계에서 기억한 위치 중 먼저 2행으로 이동하고 다시 1 값의 위치(4, 5)를 기억하고 1 값을 모두 더한다. 단 이 때는 경로거리가 2이므로 가중치 (1/2)를 곱한다. 그러면, 중요도 지수 f1 += (1/2)×(1+1)일 수 있다. Then move to
다음으로 전 단계에서 기억한 위치 중 먼저 4행으로 이동하고 다시 1 값의 위치(7)를 기억하고 1 값을 모두 더한다. 이 때는 경로거리가 3이므로 가중치 (1/3)를 곱한다. 그러면, 중요도 지수 f1 += (1/3)×(1)일 수 있다.Next, move to
다음으로 전 단계에서 기억한 위치 7행으로 이동해서 1 값이 없으므로 한 단계를 뒤로 거슬러 나오고 기억된 5행으로 이동한다.Next, move to
5행에서 1 값의 위치(8, 9)를 기억하고, 1 에 가중치를 곱해서 더한다. 그러면, 중요도 지수는 f1 += (1/3)×(1+1) 일 수 있다. Remember the position (8, 9) of the
다음으로 전 단계에서 기억한 8행, 9행으로 이동하면 모두 1 값이 없다. 2단계를 거슬러 올라가면 기억된 3행으로 이동할 수 있고 3행에서 1 값의 위치(6)을 기억하고 가중치를 곱해서 더한다. 그러면, 중요도 지수 f1 += (1/2)×(1) 일 수 있다. Next, if you move to row 8 and
다음으로 전단계에서 기억한 6행으로 이동하고 1 값의 위치(10)을 기억하고 가중치를 곱해서 더한다. 그러면, 중요도 지수 f1 += (1/3)×(1)일 수 있다. Next, move to
다음으로 전 단계에서 기억한 10행으로 이동하고 1 값이 없으므로 종료한다.Next go to
상기와 같이 상기 중요도 지수 계산부(238)는 인접행렬을 이용한 깊이 우선 탐색(DFS, depth first search) 기법을 적용하여 노드 1의 중요도 지수를 계산할 수 있다.As described above, the
상기 핵심문헌 선정부(240)는 상기 중요도 지수 계산부(238)에서 계산된 중요도 지수를 기준으로 년도별로 가장 높은 중요도 지수를 갖는 문헌을 핵심문헌으로 선정한다.The
상기 시각화 모듈(250)은 상기 핵심 문헌 선정 모듈(230)에서 선정한 핵심문헌간의 연결을 시각화한다. 즉, 상기 시각화 모듈(250)은 상기 핵심 문헌 선정 모듈(230)에서 선정된 핵심문헌의 노드에 대한 직접 연결 링크를 탐색하고, 직접 연결 링크가 존재하지 않은 노드는 중요도 지수가 큰 하위 노드를 선택하여 미리 선 별된 노드와의 경로를 조사하여 경로를 추가하여 핵심 문헌을 연결한다.The
도 7은 본 발명에 따른 핵심문헌 추출 서버가 핵심문헌을 추출하여 시각화하는 방법을 나타낸 흐름도, 도 8은 본 발명에 따른 핵심 문헌간을 시각화한 예시도이다. 7 is a flowchart illustrating a method of extracting and visualizing a core document by a core document extraction server according to the present invention, and FIG. 8 is an exemplary diagram visualizing core documents according to the present invention.
도 7을 참조하면, 핵심문헌 추출 서버는 문헌 정보 데이터베이스에 저장된 문헌으로부터 피인용/인용 정보를 추출한다(S700).Referring to FIG. 7, the core document extraction server extracts cited / quoted information from documents stored in a document information database (S700).
그런 다음 상기 핵심문헌 추출 서버는 상기 문헌 정보 데이터베이스에 저장된 일정 기간의 문헌에 대해 각 문헌이 인용한 문헌을 수집하여 전방 인용회수를 계산하고, 그 전방 인용회수를 이용하여 핫 스팟 문헌을 선정한다(S702).Then, the core document extraction server collects documents cited by each document for a period of time stored in the document information database, calculates forward citation counts, and selects hot spot documents using the forward citation counts ( S702).
그런 다음 상기 핵심문헌 추출 서버는 상기 선정한 핫 스팟 문헌중에서 시작문헌을 선정하고(S704), 상기 추출한 피인용/인용 정보를 이용하여 상기 시작 문헌으로부터 파생된 파생 문헌을 추출한다(S706). 즉, 상기 핵심 문헌 추출 서버는 상기 추출한 피인용/인용 정보를 이용하여 상기 시작문헌을 직접 인용한 문헌 및 인용한 문헌을 재인용한 문헌(간접 인용한 문헌)을 포함하는 파생문헌을 추출한다.Then, the core document extraction server selects a start document from the selected hot spot document (S704), and extracts a derived document derived from the start document using the extracted citation / quotation information (S706). That is, the core document extraction server extracts a derived document including a document directly citing the starting document and a document (indirectly cited document) re-cited the cited document using the extracted citation / citation information.
상기 S706의 수행 후, 상기 핵심문헌 추출 서버는 상기 추출한 파생문헌에 대해 상기 시작문헌을 루트 노드로 하는 트리 그래프를 생성하고(S708), 상기 생성한 트리 그래프의 각 노드에 대해 중요도 지수를 계산한다(S710).After performing the step S706, the core document extraction server generates a tree graph with the starting document as the root node for the extracted derivative document (S708), and calculates a importance index for each node of the generated tree graph. (S710).
즉, 상기 핵심문헌 추출 서버는 상기 생성한 트리 그래프를 노드간의 직접연결을 표시하는 인접행렬로 구성하고, 상기 구성한 인접행렬을 거듭제곱하여 거듭제곱 행렬을 구한 후, 상기 거듭제곱 행렬을 이용하며 경로길이별로 가중치를 주어 노드의 중요도 지수를 계산한다.That is, the core document extraction server comprises the generated tree graph as an adjacency matrix indicating direct connection between the nodes, a power matrix obtained by multiplying the constructed adjacency matrix, and then using the power matrix and path. The importance index of the node is calculated by weighting the length.
또한, 상기 핵심문헌 추출 서버는 상기 생성한 트리 그래프를 노드간의 직접연결을 표시하는 인접행렬로 구성하고, 상기 구성한 인접행렬에 깊이 우선 탐색(DFS, depth first search) 기법을 적용하여 중요도 지수를 계산할 수 있다. In addition, the core document extraction server is configured to construct the tree tree generated by the adjacent matrix indicating the direct connection between the nodes, calculate the importance index by applying a depth first search (DFS) technique to the configured adjacent matrix Can be.
상기 S710의 수행 후, 상기 핵심문헌 추출 서버는 상기 계산된 중요도 지수를 기준으로 년도별로 가장 높은 중요도 지수를 갖는 문헌을 핵심문헌으로 선정하고(S712), 상기 선정한 핵심문헌간의 연결을 시각화한다(S714).After performing the S710, the core document extraction server selects a document having the highest importance index for each year based on the calculated importance index as a core document (S712), and visualizes the link between the selected core documents (S714). ).
즉, 상기 핵심문헌 추출 서버는 상기 선정된 각 핵심문헌의 노드에 대한 직접 연결 링크를 탐색하고, 직접 연결 링크가 존재하지 않는 노드는 중요도 지수가 큰 하위 노드를 선택하여 미리 선정된 노드와의 경로를 조사하여 경로를 추가하여 핵심문헌간의 연결을 시각화한다. That is, the core document extraction server searches for a direct connection link to the nodes of each of the selected core documents, and a node having no direct link link selects a lower node having a large importance index and routes to a predetermined node. Visualize the links between key literature by investigating and adding paths.
예를 들어, 도 8의 (a)와 같은 핵심특허에 대한 중요도 지수가 표시된 테이블을 이용하여 (b)와 같이 시각화하는 방법에 대해 설명하기로 한다.For example, a method of visualizing as shown in (b) using a table in which an importance index for core patents such as (a) of FIG. 8 is displayed will be described.
(a)는 미국 등록 특허 5349655로부터 파생된 핵심특허에 대한 중요도 지수의 결과를 나타낸 테이블이고, (b)는 (a)에 표시된 핵심특허간의 연계를 시각화한 것이다.(a) is a table showing the results of the importance index for the core patents derived from US registered patent 5349655, and (b) is a visualization of the linkage between the core patents shown in (a).
(b)에서 노드의 크기는 중요도 지수(weight) 값을 나타낸다. 핵심노드는 노드의 중요도 지수값을 기준으로 년도별로 선별하는데 년도별로 살펴보았을 때 다이아몬드 형태가 되도록 선별하였다. 즉, 시작특허는 1개, 중간부분은 복수로 선택하 고 최하단에서 몇 개의 특허만 선택하는 방식을 이용하였다. In (b), the size of the node represents a weight value. The core node is selected by year based on the node's importance index. In other words, the starting patent was selected as one, the middle part was selected in plural, and only a few patents were selected at the bottom.
(b)에서 실선으로 표시된 노드는 중요도 지수(weight)값이 높아서 선별된 노드이고, 점선으로 표시된 노드는 실선 노드가 하위 노드로 연결이 없을 때 미리 선별된 노드와의 경로를 만들기 위해 추가된 노드이다. 이때 실선 노드의 하위노드들 중에서 미리 선별된 노드와 경로가 존재하는 노드들 중에서 노드의 중요도 지수가 가장 큰 노드가 점선 노드로 추가된다. 즉, 4, 9, 14, 16, 22, 25, 32번 노드가 이렇게 추가된 점선 노드이다. In (b), a node indicated by a solid line is a node selected because of its high weight value, and a node indicated by a dotted line is a node added to make a path with a pre-selected node when the solid node has no connection to a lower node. to be. At this time, among the subnodes of the solid node, the node having the largest importance index among the nodes in which the preselected node and the path exist is added as the dotted line node. In other words,
이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.As such, those skilled in the art will appreciate that the present invention can be implemented in other specific forms without changing the technical spirit or essential features thereof. Therefore, the above-described embodiments are to be understood as illustrative in all respects and not as restrictive. The scope of the present invention is shown by the following claims rather than the detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.
도 1은 본 발명에 따른 인용 네트웍을 이용한 핵심 문헌 추출 및 시각화 시스템을 나타낸 도면.1 is a diagram illustrating a core document extraction and visualization system using a citation network according to the present invention.
도 2는 본 발명에 따른 트리 그래프를 이용하여 직간접 경로와 노드의 중요도 지수를 설명하기 위한 도면.2 is a view for explaining the importance index of the direct and indirect paths and nodes using the tree graph according to the present invention.
도 3은 본 발명에 따른 핵심 문헌 추출 서버의 구성을 개략적으로 나타낸 블럭도.Figure 3 is a block diagram schematically showing the configuration of the core document extraction server according to the present invention.
도 4는 도 3에 도시된 핵심 문헌 선정 모듈의 구성을 상세히 나타낸 블럭도.4 is a block diagram showing in detail the configuration of the core document selection module shown in FIG.
도 5 및 도 6은 본 발명에 따른 트리 그래프를 인접행렬로 표현한 예시도.5 and 6 are exemplary diagrams representing a tree graph according to the present invention in an adjacency matrix.
도 7은 본 발명에 따른 핵심문헌 추출 서버가 핵심문헌을 추출하여 시각화하는 방법을 나타낸 흐름도.7 is a flow chart illustrating a method of extracting and extracting a core document by the core document extraction server according to the present invention.
도 8은 본 발명에 따른 핵심 문헌간을 시각화한 예시도. 8 is an exemplary view visualizing core documents according to the present invention.
<도면의 주요 부분에 대한 부호의 설명><Explanation of symbols for the main parts of the drawings>
100 : 문헌 정보 데이터베이스 200 : 핵심 문헌 추출 서버100: document information database 200: core document extraction server
210 : 데이터 수집 모듈 212 : 인용 정보 추출부210: data collection module 212: citation information extraction unit
214 : 핫 스팟 문헌 추출부 230 : 핵심 문헌 선정 모듈214: Hot spot literature extraction unit 230: Core literature selection module
232 : 시작 문헌 선정부 234 : 파생 문헌 추출부 232: start document selection unit 234: derived document extraction unit
236 : 트리 그래프 생성부 238 : 중요도 지수 계산부236: tree graph generator 238: importance index calculator
240 : 핵심 문헌 선정부 250 : 시각화 모듈240: core literature selection unit 250: visualization module
Claims (18)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080115042A KR101047108B1 (en) | 2008-11-19 | 2008-11-19 | Core literature extraction and visualization system and method using citation network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080115042A KR101047108B1 (en) | 2008-11-19 | 2008-11-19 | Core literature extraction and visualization system and method using citation network |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20100056068A KR20100056068A (en) | 2010-05-27 |
| KR101047108B1 true KR101047108B1 (en) | 2011-07-06 |
Family
ID=42280292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020080115042A KR101047108B1 (en) | 2008-11-19 | 2008-11-19 | Core literature extraction and visualization system and method using citation network |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101047108B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102389671B1 (en) | 2021-02-08 | 2022-04-25 | 주식회사 잡쇼퍼 | Method for building an artificial intelligence based research topics database |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102032258B1 (en) * | 2017-07-04 | 2019-10-15 | 울산과학기술원 | Method for prediction of converging technologies using link analysis |
| CN110319845B (en) | 2018-03-30 | 2024-01-09 | 日本电气株式会社 | Method, device and system for determining reachable path between two points |
| KR102202433B1 (en) * | 2018-12-10 | 2021-01-13 | 건국대학교 산학협력단 | Device and method for predicting product development direction |
| CN112214587A (en) * | 2020-10-13 | 2021-01-12 | 北京墨丘科技有限公司 | Technology evolution trend determination method and device |
| CN113627463A (en) * | 2021-06-24 | 2021-11-09 | 浙江师范大学 | Citation network diagram representation learning system and method based on multi-view comparison learning |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030012516A (en) * | 2001-08-01 | 2003-02-12 | (주) 위즈도메인 | Method for analyzing and providing of inter-relations between patents from the patent database |
| US6604114B1 (en) * | 1998-12-04 | 2003-08-05 | Technology Enabling Company, Llc | Systems and methods for organizing data |
| US20040123235A1 (en) * | 2002-12-20 | 2004-06-24 | Chien-Fa Yeh | System and method for displaying and updating patent citation information |
| KR20070047134A (en) * | 2005-11-01 | 2007-05-04 | (주)윕스 | Method for investigating citation relations using spanning tree |
-
2008
- 2008-11-19 KR KR1020080115042A patent/KR101047108B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6604114B1 (en) * | 1998-12-04 | 2003-08-05 | Technology Enabling Company, Llc | Systems and methods for organizing data |
| KR20030012516A (en) * | 2001-08-01 | 2003-02-12 | (주) 위즈도메인 | Method for analyzing and providing of inter-relations between patents from the patent database |
| US20040123235A1 (en) * | 2002-12-20 | 2004-06-24 | Chien-Fa Yeh | System and method for displaying and updating patent citation information |
| KR20070047134A (en) * | 2005-11-01 | 2007-05-04 | (주)윕스 | Method for investigating citation relations using spanning tree |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102389671B1 (en) | 2021-02-08 | 2022-04-25 | 주식회사 잡쇼퍼 | Method for building an artificial intelligence based research topics database |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20100056068A (en) | 2010-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101047108B1 (en) | Core literature extraction and visualization system and method using citation network | |
| Gkantsidis et al. | Spectral analysis of Internet topologies | |
| CN104636426A (en) | Multi-factor comprehensive quantitative analysis and sorting method for academic influences of scientific research institutions | |
| Ghosh et al. | Time-aware ranking in dynamic citation networks | |
| Chen et al. | Building and analyzing a global co-authorship network using google scholar data | |
| CN106503148A (en) | A kind of form entity link method based on multiple knowledge base | |
| KR20130098772A (en) | Topic-based community index generation apparatus, topic-based community searching apparatus, topic-based community index generation method and topic-based community searching method | |
| CN116865952B (en) | Encryption management method and system for data | |
| JP2020004069A (en) | Design plan generation device | |
| Ogaard et al. | Discovering patterns in social networks with graph matching algorithms | |
| CN105260457A (en) | Coreference resolution-oriented multi-semantic web entity contrast table automatic generation method | |
| Sasi Kumar et al. | DeepQ Based Heterogeneous Clustering Hybrid Cloud Prediction Using K-Means Algorithm | |
| Yu et al. | A cross evaluation-based measure of super efficiency in DEA with interval data | |
| CN117743655A (en) | Scientific and technological evolution track determining method, device, equipment and storage medium | |
| Pascual-Cid | An information visualisation system for the understanding of web data | |
| CN105488247A (en) | K-mean community structure mining method and apparatus | |
| CN108052743A (en) | A kind of ladder determines method and system close to centrad | |
| Anil et al. | Genealogy tree: understanding academic lineage of authors via algorithmic and visual analysis | |
| Wu et al. | Optimal operation planning using fuzzy Petri nets with resource constraints | |
| CN111159402B (en) | Mining method for network user influence relation based on topic opinion analysis and opinion leader | |
| Enduri et al. | Does diversity of papers affect their citations? Evidence from American Physical Society Journals | |
| Faiz | Bibliometric analysis of computer science literature of Pakistan | |
| Zeybek et al. | The vantage point bees algorithm | |
| Tsolakidis et al. | Co-authorship networks in academic research communities: the role of network strength | |
| CN112464040A (en) | Graph structure recognition method, electronic device, and computer-readable storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20140408 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20150520 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20160406 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20170327 Year of fee payment: 7 |