KR101053968B1 - 특허 자동 평가 시스템의 특허 자동 평가 방법 - Google Patents

특허 자동 평가 시스템의 특허 자동 평가 방법 Download PDF

Info

Publication number
KR101053968B1
KR101053968B1 KR1020090125152A KR20090125152A KR101053968B1 KR 101053968 B1 KR101053968 B1 KR 101053968B1 KR 1020090125152 A KR1020090125152 A KR 1020090125152A KR 20090125152 A KR20090125152 A KR 20090125152A KR 101053968 B1 KR101053968 B1 KR 101053968B1
Authority
KR
South Korea
Prior art keywords
evaluation
information
model
automatic
similar
Prior art date
Application number
KR1020090125152A
Other languages
English (en)
Other versions
KR20110068278A (ko
Inventor
김용대
조경선
배진우
김준수
권선희
강민수
이재복
Original Assignee
한국발명진흥회
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 한국발명진흥회 filed Critical 한국발명진흥회
Priority to KR1020090125152A priority Critical patent/KR101053968B1/ko
Publication of KR20110068278A publication Critical patent/KR20110068278A/ko
Application granted granted Critical
Publication of KR101053968B1 publication Critical patent/KR101053968B1/ko

Links

Images

Classifications

    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Technology Law (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 특허 자동 평가 시스템의 특허 자동 평가 방법에 관한 것으로, 최적화된 평가 알고리즘을 사용하여 기술 분야별, 권리자 속성별 등 다양한 기준별로 평가 모델을 수립하며, 권리성, 기술성 및 시장성 등 각종 평가 항목별로 평가 대상 특허의 평가 점수와 평가 등급을 생성해 주는 특허 자동 평가 시스템의 특허 자동 평가 방법에 관한 것이다.
본 발명을 활용하면, 대량의 특허를 객관적인 평가 기준 하에서, 저렴하게 신속하게 평가할 수 있어, 양질의 특허를 선별할 수 있고, 특허권의 연차 등록 유지 여부에 관한 의사 결정에 기여할 수 있으며, 하나의 특허에 대하여 권리성, 기술성, 및 시장성 등 다양한 평가 항목별로 평가 정보를 생성할 수 있어, 하나의 권리자의 특허 포트폴리오에서 특허적 약점을 보완할 수 있는 계기를 만들 수 있다. 한편, 본 발명은 기술 분야별, 권리자 속성별로 별도의 평가 모델을 생성할 수 있고, 별도의 특화된 평가 모델을 적용하여 평가 정보를 생성할 수 있어, 경쟁사와의 비교 분석 등 다양한 목적으로 활용할 수 있으며, 본 발명은 권리자 단위의 집단적 특허 포트폴리오에 대하여 객관적인 평가를 할 수 있어 권리자 단위의 특허의 질적 평가에 활용될 수 있다.
특허, 자동 평가, 등급, 권리성, 기술성, 시장성, 시장 정보

Description

특허 자동 평가 시스템의 특허 자동 평가 방법{Method on Patent Rating}
본 발명은 특허 자동 평가 시스템의 특허 자동 평가 방법에 관한 것으로, 최적화된 평가 알고리즘을 사용하여 기술 분야별, 권리자 속성별 등 다양한 기준별로 평가 모델을 수립하며, 권리성, 기술성 및 시장성 등 각종 평가 항목별로 평가 대상 특허의 평가 점수와 평가 등급을 생성해 주는 특허 자동 평가 시스템의 특허 자동 평가 방법에 관한 것이다.
특허 평가에는 크게 전문가 평가와 자동 평가가 있다. 전문가 평가는 기술 분야별 전문가에 의해 평가 대상 특허의 가치를 평가하는 것이다. 전문가 평가는 전문가의 개별적인 전문 지식이 활용될 수 있고, 정성적 가치 평가가 가능하다는 장점이 있는 반면, 평가에 전문가의 주관성이 강하게 개입될 소지가 있으며, 비용과 시간이 많이 소모된다는 단점이 있다.
전문가 평가의 단점을 극복하기 위하여 특허 자동 평가 시스템이 개발되고 있다. 대표적인 해외의 특허 자동 평가 시스템은 미국의 OceanTomo사의 PatentRatings 시스템, 일본의 IPB사의 PatentScore 시스템 등이 있다.
미국 OceanTomo 사의 PatentRatings 시스템은 특허권 보유자들의 특허권 연차 등록(갱신)을 핵심 기준으로 하여 연차 등록에 긍정적인 영향을 미치는 평가 요소를 추출하고, 상기 추출된 평가 요소로 평가 모델을 설계하고 있다. 연차 등록이 중요한 이유는 다양한 관점에서 유지 시의 예상 이익(benefit)을 유지에 필요한 비용과 비교 형량하여 합리적으로 판단하며, 평균적으로 가치 있는 특허는 덜 가치 있는 특허보다 오래 유지되며, 특허의 가치는 로그 정규 분포적 특징을 지닌다는 기본 가정을 반영하고 있다.
이 시스템은 평가 요소는 크게 6개 축으로 Technology, Disclosure, Claim, Prosecution, Priority, Ownership 등의 6개 그룹으로 되어있다.
이들 각각을 설명하면, Technology는 동일 기술군의 유사특허집단의 특허 유지/포기율에 대한 결과값이다. 기술군의 단위는 USPC Class/Subclass 또는 관련된 기술의 클러스터 단위로 되어 있다. Disclosure는 특허 명세서에 나와 있는 사항으로 상세한 설명에 포함된 단어수의 길이, 도면 수에 대한 값이며, Claims는 특허 청구항의 길이 또는 독립항과 종속항의 수, 한정어의 사용 및 청구항의 형태(방법, 장치 등)를 가지고 수치화하여 나타낸 값이며, Prosecution은 특허의 소송 히스토리를 통해 구하는 수치이며, 소송 계류 기간, 소송의 수와 종류, 소송 대리인이나 로펌, 심리관 등에 관한 정보를 사용한 것이며, Prior art는 심사관의 선행조사문헌의 범위로 Backward citation의 수와 선행조사문헌의 종류, 선행조사문헌의 시기, 심사관의 field of search의 수와 관계된 것이며, Ownership은 특허소유권자 의 정보로, 기업인지의 여부, 규모, 내국/외국 권리자 여부 등을 통해 얻을 수 있는 값을 수치화한 것이며, 기타 정보로 카테고리화 하기 어렵지만, Forward Citation에 관한 정보도 포함하고 있다. 공개된 바에 의하면, 이 시스템은, Number of Independent Claims(독립항수), Number of Dependent Claims(종속항수), Average Length of Independent Claims(독립항의 평균 길이), Shortest Independent Claim(가장 짧은 독립항), Type of Claims (Meth/Sys/App/Comp)(청구항의 유형), Patent Class/Subclass(특허분류 클래스/서브클래스), Patent Pendency Period(특허소송계류기간), Scope and Content of Cited Prior Art(전방인용특허의 범위와 내용), Relative Earliness of Priority Date(우선일의 상대적 선행성), Forward Citation Rate(후방인용비율), File History Details(경과정보), Number of Related U.S. Patents(관련된 미국 특허수) 등이 평가 요소로 사용된다고 파악된다.
이 시스템은 유지 비용과 유지/폐기의 효익이라는 가장 자본주의적인 관점을 축으로 유지율에 영향을 미치는 평가 요소를 도출하고, 평가 모델에 포함시켰다. 이에 따라, 특허의 유지/폐기에 관한 의사 결정에 직접적인 도움을 주고 있으며, 특허 평가 결과에 예상 기대 수명과 그 확률 정보를 포함시켜 놓고 있으며, 평가 요소(factor)에 전체/기술필드/권리자별 백분위 정보를 제공해 주고 있다. 그리고, 풍부한 인용 정보를 활용하여 텍스트마이닝을 대체하고 있어 연관 특허에 대한 신뢰성이 높다는 장점이 있어, 특허 기술 간 직간접인용 여부를 조사하여 타 권리의 침해 가능성 여부를 예측하게 하는 Relevancy 점수를 제공하여, 특허에 대한 리스 크 예측, 라이센싱 파트너 발견, 기술 거래 활성화에 활용 가능성이 있다. 하지만, 특허 평가에 있어, 유지율의 관점이 과도하게 작용하고 있는 문제가 있으며, 미국적 특허 환경(인용 정보의 풍부성, 유지율에 대한 높은 경제적 관점 비중 등)에 특화된 것으로 미국적 특허 환경(인용 정보의 풍부성, 유지율에 대한 높은 경제적 관점 비중 등)에 특화된 면이 있다.
일본 IPB사의 PatentScore 시스템은 특허의 전체 라이프 사이클에 대하여 출원인, 제3자 및 심사관의 각종 액션(action)과 관계된 경과 정보가 특허의 가치를 추정하는데 큰 영향을 미친다는 가정 하에 경과 정보를 중요한 평가 요소로 반영하고 있다. 이에 따라 명세서상의 정보뿐만 아니라, 이러한 경과 정보에 기초한 평가 요소가 특허 평가에 중요하게 도입되어 있는 특징이 있다. 나아가 오래된 특허에는 누적된 경과 정보가 많으므로, 출원연도별로 집계하여 조정할 필요성이 고려되어 있으며, 기술분야별로도 차이가 있으므로 기술분야별로도 집계 조정할 필요성도 고려되어 있다.
이 시스템은 출원인의 행위, 심사관의 행위, 제3자의 행위 등 특허를 둘러싼 3주체별의 각종 행위가 기록된 경과 정보에서 평가 요소를 다양하게 도출하며, 유사 특허는 요약과 청구항을 중심으로 텍스트마이닝 기법을 사용하여 도출한다. 공개된 자료에 따르면, 도출된 각 평가 요소가 연차 등록율과 유사한 패턴을 보이고 있음을 제시하고 있으며, 최근 IPB사가 국제출원한 특허(WO20080054001)에도 연차 등록율과 평가 요소의 관련성에 대한 설명이 있는바, 연차 등록율을 기준으로 평가 요소를 추출하지는 않지만, 평가 요소들이 연차 등록율과 밀접한 관계를 가짐은 인 정하고 있다.
이 시스템의 평가 요소는 크게 2개 축으로 경과 정보(Office Action) 계열과 서지/명세서 계열이 있다. 이 시스템은 출원인 행위 관련 경과 정보로, 출원인에 의해서 행하여 지는 액션으로는 해외출원, 심사청구, 신규성 상실의 예외 증명 제출 유무, 국내 우선권 주장, 분할 출원, 불복 심판 특허 심리판결, 심사전치의 유무, 조기 심사 청구 유무, PCT 출원 등을 그 예로 들고 있고, 심사관 행위 관련 경과 정보로 심사, 심판 시 인용한 문헌, 심판 청구 증거의 피인용 회수 등 심사관의 OA를 경과 정보를 예로 들고 있으며, 제3자인 경쟁사 관련 경과 정보로 열람, 이의신청, 무효심판청구, 정보 제공의 유무, 피인용 회수 등의 제3자, 특히 경쟁자가 특허법 절차상 취할 수 있는 행위를 경과 정보의 예로 들고 있다. 그리고, 시간 경과 정보로 "출원으로부터의 경과일수, 심사청구로부터의 경과일수, 등록일부터의 경과일수" 등을 고려하고 있으며, 명세서 관련 평가 요소로 청구항 수, 독립 청구항수, 명세서의 길이, 청구항의 길이, 도면수, 발명자 수, 출원인수, IPC의 종류수, 국내우선권 개수, 청구항의 평균 문자수 등을 들고 있다.
이 시스템은 하나의 특허를 둘러싼 권리 주체, 심사 주체, 및 경쟁 주체와의 다이나미즘(dynamism)을 반영하는 평가 모델이라는 장점이 있는 반면, 특허 평가에 있어, 경과 정보의 관점이 과도하게 작용하고 있는 문제가 있다.
이러한 시스템들은 1) 각 국가의 특허 환경에 최적화되어 있어, 한국적 특허 환경에 부합하는 특허 평가 시스템에 곧바로 적용하기 어려운 점이 있으며, 2) 특허 명세서의 구조적인 특징을 반영하는 평가 요소 및 3) 그 특허와 기술적으로 유 사한 특허들 간의 상대적 환경을 고려한 평가 요소 등이 고려되어 있지 않은 문제점이 있었다.
이에 따라, 특허 명세서의 구조적인 특징을 반영하면서도, 기술적으로 유사한 특허들 간의 상대적 환경을 고려한 평가 요소가 적절히 반영되며, 권리성, 기술성 및 시장성 등과 같은 다양한 관점의 평가 항목별로, 각 기술분야별 및 권리자 속성별 특징을 통합적으로 반영하는 차세대 특허 자동 평가 시스템 및 그 시스템의 특허 평가 방법의 개발이 절실히 요구되어 왔다.
본 발명이 해결하고자 하는 기술적 과제는 특허 자동 평가 시스템의 평가 정보 처리 방법을 제시하는 것이다.
본 발명이 이루고자 하는 기술적 과제를 달성하기 위하여, 적어도 하나 이상의 사용자 컴퓨터로부터 적어도 하나 이상의 지정된 특허 식별 정보를 입수 받고, 상기 특허 식별 정보에 대응되는 평가 대상 특허에 대하여 기 설정된 평가 모델을 적용하여 기 설정된 평가 정보를 생성하는 특허 자동 평가 시스템의 특허 자동 평가 방법에 있어서, 상기 특허 자동 평가 시스템이 상기 사용자 컴퓨터로부터 평가 대상 특허 식별 정보를 입수 받는 단계; 상기 평가 대상 특허를 평가할 평가 모델이 상기 사용자 컴퓨터로부터 또는 상기 특허 자동 평가 시스템의 기 설정된 기준에 의해 선택되는 단계; 상기 선택된 평가 모델에 적용하여 평가 정보를 생성하는 단계; 및 상기 평가 정보를 상기 사용자 컴퓨터에 전송하는 단계;를 포함하며, 상기 평가 정보를 생성하는 단계는 상기 평가 모델별로 상기 평가 대상 특허에 대하여 사전에 평가 정보 생성하고 저장한 다음, 상기 평가 대상 특허에 대한 평가 정보를 입수하는 제1방법 및 상기 평가 모델별로 실시간으로 평가 정보를 생성하는 제2방법 중 어느 한 방법으로 실시되는 것이며, 상기 평가 모델은 기 설정된 기준을 충족하면서 선별된 등록 특허로 구성되는 평가 기준 집단에 포함된 상기 등록 특허에 대하여 평가 기준 점수를 입수 받는 단계; 상기 등록 특허에 대한 적어도 2이상의 평가 요소별로 평가 요소 측정값을 입수하는 단계; 및 상기 평가 요소 측정값으로 제1평가 모델 트리(Tree)를 생성하고, 제i평가 모델 트리의 예측값과 실제값의 차이로 제i+1평가 모델 트리를 반복적으로 생성하며, 생성된 평가 모델 트리를 가중 평균하여 평가 모델을 완성하는 단계;를 통하여 생성되는 것인 것이며, i는 1보다 크거나 같은 정수이며, 상기 예측값은 상기 제i평가 모델 트리로 상기 등록 특허를 평가한 값이며, 상기 실제값은 상기 등록 특허에 대한 기준 점수인 것인 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 방법을 제시한다.
상기 평가 모델은 기 설정된 기준을 적용한 적어도 2이상의 기술 분야별 및 적어도 2이상의 권리자 속성별 중 어느 하나 이상을 적용하여 생성되는 것인 것이 바람직하다.
상기 평가 모델은 평가 항목별로 생성되는 것이며, 상기 평가 항목은 권리성, 기술성 및 시장성 중 어느 하나 이상인 것인 것이 바람직하다.
상기 평가 요소에는 특허 명세서에 포함된 특허 내용에서 추출된 핵심 키워드를 군집 분석하여 생성되며 상기 특허에 대한 적어도 하나 이상의 유사 특허로 구성되는 유사 특허군 정보를 입수하고, 상기 유사 특허군에 포함된 상기 유사 특허의 메타 정보를 처리하여 생성되는 유사 특허군 기반 평가 요소를 적어도 하나 이상 포함하는 것인 것이며, 상기 유사 특허군 기반 평가 요소에 대한 평가 요소값은 상기 사용자 컴퓨터로부터 평가 대상 특허 식별 정보를 입수 받기 이전에 사전 생성되어 저장되어 있는 것이며,
상기 평가 정보는 상기 평가 대상 특허에 대하여 1) 하나의 종합 평가 점수가 생성되는 제1방법, 2) 권리성, 기술성 및 시장성 중 어느 하나 이상을 포함하여 평가 항목별로 평가 점수가 생성되는 제2방법 및 3) 상기 평가 항목을 구성하는 세부 평가 항목별로 평가 점수가 생성되는 제3방법 중 어느 하나 이상의 방법을 사용하여 생성되는 것인 것이 바람직하다.
상기 평가 정보는 평가 점수 및 평가 등급인 것인 것이며, 상기 평가 등급은 상기 평가 점수를 입력 변수로 하여 기 설정된 등급 부여 모델에 따라 부여되는 것인 것이 바람직하다.
상기 사용자 컴퓨터에 상기 평가 대상 특허의 유사 특허군 정보를 제공하는 단계;를 더 포함하며, 상기 유사 특허군을 구성하는 유사 특허에는 상기 평가 대상 특허와의 유사도 점수가 더 포함되어 저장되는 것인 것이 바람직하다.
상기 선택된 평가 모델에 적용하여 평가 정보를 생성하는 단계를 실시할 때, 상기 평가 대상 특허가 기 설정된 특수 이벤트에 해당하는 정보가 있을 경우, 기 설정된 가감점을 적용하여 평가 정보를 생성하는 것인 것이 바람직하다.
본 발명을 실시하면 다음과 같은 효과가 있다.
대량의 특허를 객관적인 평가 기준 하에서, 저렴하게 신속하게 평가할 수 있어, 양질의 특허를 선별할 수 있고, 특허권의 연자 등록 유지 여부에 관한 의사 결정에 기여할 수 있다.
하나의 특허에 대하여 권리성, 기술성, 및 시장성 등 다양한 평가 항목별로 평가 정보를 생성할 수 있어, 하나의 권리자의 특허 포트폴리오에서 특허적 약점을 보완할 수 있는 계기를 만들 수 있다.
기술 분야별, 권리자 속성별로 별도의 평가 모델을 생성할 수 있고, 별도의 특화된 평가 모델을 적용하여 평가 정보를 생성할 수 있어, 경쟁사와의 비교 분석 등 다양한 목적으로 활용할 수 있다.
본 발명은 권리자 단위의 집단적 특허 포트폴리오에 대하여 객관적인 평가를 할 수 있어 권리자 단위의 특허의 질적 평가에 활용될 수 있다.
평가 대상 특허와 기술적으로 유사한 유사 특허군이 제공되므로, 평가 대상 특허와 기술적으로 유사한 다량의 특허를 효과적으로 검토해 볼 수 있으며, 유사 특허군을 분석함으로써, 경쟁사, 신규 진입자들의 특허 동향까지 아울러 알 수 있게 된다.
이하, 도면을 참조하면서 본 발명을 더욱 상세하게 설명한다.
도1은 본 발명의 특허 자동 평가 시스템(1000)의 일 실시예적 구성이다.
본 발명은 특허 자동 평가 시스템(1000)과 사용자 컴퓨터(2000)는 유무선 네트워크(4000)로 연결되어 있다. 상기 특허 자동 평가 시스템(1000)은 경우에 따라 선택적으로 적어도 하나 이상의 외부 데이터 소스군(3000)에 연결되어 있을 수 있다. 상기 외부 데이터 소스군(3000)에는 대한민국 특허청 등과 같은 제1국 국가 기 관 시스템(3100), EPO 등과 같은 제n국 국가 기관 시스템(3200), 한국특허정보원 등과 같은 공공성을 가지는 공공 기관 시스템(3300), 기업 정보를 포함하는 시장 정보를 제공해 주는 공공 기관 시스템(3300)이나 민간 기관 시스템(3400) 등이 있으며, 이들은 상기 특허 자동 평가 시스템(1000)에 유무선 네트워크(4000)를 통하여 데이터를 제공해 줄 수 있다. 상기 사용자 컴퓨터(2000)는 개인용 컴퓨터, 모바일 컴퓨터 뿐만 아니라 상기 특허 자동 평가 시스템(1000)을 사용자로서 사용하는 서버나 시스템을 포함하는 포괄적인 컴퓨터이다.
상기 특허 자동 평가 시스템(1000)은 명세서를 분석하여 처리하는 명세서 분석 엔진(1100), 평가 요소를 처리하는 평가 요소 처리부(1200), 평가 모델을 생성, 관리, 평가 정보를 생성하는 평가 엔진(1300), 평가 결과를 제공해는 리포팅 처리부(1400), 각종 데이터를 저장하는 DB부(1500), 사용자 인터페이스부(1600) 및 시스템을 관리하는 관리자를 위한 시스템 관리자 기능부(1700) 등 중 어느 하나 이상을 포함할 수 있다. 이어, 하나씩 분설한다.
상기 특허 자동 평가 시스템(1000)은 특허 명세서를 분석하여 특허 명세서로부터 핵심 기술 핵심 키워드의 추출하고, 패턴 처리를 통하여 평가 요소를 추출하는 명세서 분석 엔진(1100)을 포함하고 있다. 이에 대해 상세히 설명한다. 도 2에 예시되어 있듯이, 상기 명세서 분석 엔진(1100)에는 형태소 분석기(1111), 전문 기술 용어를 인식하는 전문 용어 인식기(1112), 기술 용어를 추출하고, 필드별 가중치 적용을 처리하는 핵심 키워드 처리기(1113) 등을 포함하는 핵심 키워드 추출기(1110), 군집 분석을 수행하는 군집 분석기(1121)를 포함하는 유사 특허군 생성 기(1120), 동의어/시소러스 사전(1131), 형태소 사전(1132), 전문 용어 사전(1133), 사용자 사전(1134), 후처리 규칙(1135) 등을 포함하는 사전부(1130)가 있으며, 패턴/규칙 기반 평가 요소 추출기(1141), 청구항 관련 평가 요소 추출기(1142)를 포함하는 평가 요소 추출기(1140)가 있다. 상기 핵심 키워드 처리기(1113)에는 기술용어 추출기(1113-1)와 핵심 키워드가 나타난 필드별로 다른 가중치를 적용하는 필드별 가중치 적용부(1113-2)가 있을 수 있다. 상기 명세서 분석 엔진(1100)이 처리한 데이터는 명세서 분석 결과 DB(1510)에 저장되어 있다. 상기 명세서 분석 엔진(1100)이 정보를 처리하는 방법은 도 4에 예시적으로 나타나 있다.
상기 명세서 분석 엔진(1100)은 명세서를 입수한 다음(S11), 필드별로 명세서 데이터를 처리하고(S12), 필드별로 예비 키워드를 추출하며(S13), 상기 형태소 분석기(1111)는 특허 명세서를 자연어 처리하면서 특허 명세서 상의 필드별로 예비 키워드를 선정하고 저장(S14)한다.
예를 들어 설명하면 다음과 같다. "본 발명은 공동주택 방문자에 대한 화상 정보와 신원정보를 리스트화 하여 해당 거주자 단말기로 전송하는 네트워크(4000) 시스템을 통한 방문자 알림 서비스 시스템에 관한 것이다."라는 문장이 있을 때, 상기 형태소 분석기(1111)는 형태소 분석 및 복합 명사 분석을 수행하여 다음과 같은 예비 키워드를 생성한다.
"공동주택", "방문자", "공동주택방문자", "화상", "정보", "화상정보", "신원정보", "리스트화", "거주자", "단말기", "거주자단말기", "전송", "네트워 크(4000)", "시스템", "네트워크(4000)시스템", "방문자", "서비스", "시스템", "서비스시스템"
이어, 본 발명의 핵심 키워드 추출기(1110)는 예비 공기쌍 정보를 추출한다. 공기쌍 정보란 위치적으로 이격되어 있지만, 함께 등장한 핵심 키워드에 대한 정보를 말한다. 상기 예시 문장에서, 다음과 같은 예비 공기쌍이 추출될 수 있다.
"공동주택방문자|화상정보", "공동주택방문자|신원정보", "신원정보|화상정보", "리스트화|화상정보", "리스트화|신원정보", "거주자단말기|신원정보", "거주자단말기|리스트화", "리스트화|전송", "거주자단말기|전송", "거주자단말기|네트워크(4000)시스템", "네트워크(4000)시스템|전송", "방문자|전송", "네트워크(4000)시스템|방문자", "네트워크(4000)시스템|서비스시스템", "방문자|서비스시스템"
이어, 상기 핵심 키워드 추출기(1110)는 상기 예비 키워드 및 예비 공기쌍에 대한 텀빈도(TF, Term Frequency)를 생성한다. 예를 들어, 거주자는 1회, 거주자단말기|네트워크(4000)시스템은 1회, 방문자는 2회의 빈도가 있다.
하기 표는 출원번호 1019900000891 특허에 대한 각 예비 키워드별 특허 명세서 필드별 예비 키워드의 빈도 및 가중치에 대한 정보의 예시를 보여 주고 있다.
출원번호 IPC 출원일 핵심 키워드 F1 F2 F3 F4 TF 가중치
1019900000891 A61K7/42 19900125 외용제 1 0 1 0 2 3
1019900000891 A61K7/42 19900125 코지산 0 0 2 0 2 3
1019900000891 A61K7/42 19900125 불포화 0 0 2 0 2 2
1019900000891 A61K7/42 19900125 유도체 0 0 2 0 2 2
F1: 제목 F2:청구항 F3:선행기술 F4:특허 명세서의 나머지 부분, TF : 텀(term)의 빈도(frequency)
상기 예비 키워드 집합에 포함된 예비 키워드에는 가중치가 더 부여되어 있을 수 있으며, 예비 키워드와 가중치 정보는 명세서 분석 결과 DB(1510)에 저장된다. 상기 명세서 분석 엔진(1100)에 포함된 핵심 키워드 추출기(1110)는 예비 키워드 및 /또는 상기 예비 공기쌍들에 핵심 키워드 추출 알고리즘을 적용하여(S15) 상기 추출한 예비 키워드 및 /또는 상기 예비 공기쌍들 중에서 상기 특허 명세서의 기술적 내용을 대표할 수 있는 핵심 키워드 및 /또는 핵심 공기쌍을 생성하고 저장한다(S16). 상기 핵심 키워드 추출 알고리즘은 자연어 처리 기술 분야에서 다양하게 제시된 방법을 사용할 수 있다. 본 발명에서는 하기 수학식1은 이러한 한 알고리즘을 사용했다. 하기 수학식 1에서는 특허 명세서에 특화된 필드 가중치(Fwi)가 적용되어 있다.
Figure 112009077628351-pat00001
tf : term frequency로 핵심 키워드(색인아)가 현재 문서에 출현한 빈도수
N : 전체 문서의 개수
df : document frequency로 핵심 키워드가 출현한 문서수
slope : 기울기(임의의 상수값, 조정가능)
ut : 전체 문서집합에서의 unique terms
pivot : 평균 문헌 길이(ut/N)
uf : 해당문서의 ut
Fwi : 필드별 가중치
상기 예시된 핵심 키워드 추출 알고리즘은 하나의 특허 명세서에서 추출된 텀(term)의 빈도(frequency)와 그 텀을 포함하고 있는 문서(document)의 빈도를 고려하여 추출된다. 특허 명세서에서는 발명의 명칭, 초록이 특히 가중치가 높고, 특허 청구 범위 등도 발명의 상세한 설명보다 가중치를 더 줄 수 있으므로, 이들 가중치가 높은 필드에서 추출된 핵심 키워드는 특별한 가중치를 가질 수 있다.
이때, 상기 예비 공기쌍에 대해서도 상기와 같은 알고리즘을 적용하여 핵심 공기쌍을 생성할 수 있음은 물론이다 할 것이다. 이하, 핵심 공기쌍도 핵심 키워드와 동등하게 취급할 수 있으므로, 이하에서는 핵심 키워드에는 협의의 핵심 키워드 외에도 핵심 공기쌍도 포함되는 것으로 한다.
한편, 상기 명세서 분석 엔진(1100)의 평가 요소 추출기는 패턴 매칭 또는 규칙 기반 정보 처리로 평가 기초 DB(1520)를 생성할 수 있다. 예를 들면 특허 명세서 상의 배경 기술에 나와 있는 선행 기술 정보에 대한 설명 중 선행 특허 문건 번호에 해당하는 패턴이 발견되는 경우, 이를 입수해 올 수 있으며, 특허 청구 범위에서도 각 청구항의 독립항/종속항 여부, 종속항의 깊이(독립항을 직접 인용하는 종속항은 깊이2, 깊이n인 종속항을 인용하는 종속항의 깊이는n+1이 된다.), 청구항의 길이(청구항, 특히 독립항을 구성하는 단어수 등), 명세서의 길이 등에 관한 정보를 생성하여 명세서 분석 결과 data를 생성할 수 있다. 상기 명세서 분석 결과 data를 포함하여 평가 기초 DB(1520)에 포함된 data를 활용하여 평가 요소값이 생성되면, 생성된 상기 평가 요소값은 본 발명의 평가 요소값 DB(1530)에 저장된다.
본 발명의 평가 요소 처리부(1200)는 평가 요소값 생성부(1210)를 포함한다. 상기 평가 요소값 생성부(1210)는 각 평가 요소에 대응되는 생성 규칙을 참조하여 상기 명세서 분석 엔진(1100)의 언어 처리 결과, 평가 기초 DB(1520)에 포함된 각 데이터 소스별로의 데이터를 참조하여 각 평가 요소에 대응되는 평가 요소값을 생성한다. 예를 들면, 서지 사항 data에는 각 특허마다 청구항수, 출원인수나, 발명자 국적 등에 관한 정보가 포함되어 있는데, 이들 정보를 처리하여 평가 요소(예를 들면, 청구항 수, 공동 출원인수, 발명자 국적수 등)에 대응되는 평가 요소값(예를 들면, 청구항 수 5개, 공동 출원인 수 2, 발명자 국적수 3개국 등)을 생성한다. 이러한 평가 요소는 다양한 종류가 있을 수 있다. 본 발명에서는 본 발명 특유의 평가 요소를 중심으로 설명한다.
평가 대상 특허가 있을 때, 상기 평가 대상 특허를 자연어 처리(핵심 키워드를 기반으로 하여 군집 분석(clustering)을 주로 사용함))하여, 상기 평가 대상 특허와 기술적으로 유사한 특허로 구성되는 유사 특허군을 제공하고, 상기 유사 특허 군에 대한 각종 분석 정보를 제공해 주는 것은 미국 OceanTomo 시스템이나 일본 IPB 시스템에도 존재한다.
본 발명에서는 상기 유사 특허군 정보를 처리하여 상기 유사 특허군 정보에 기반한 평가 요소를 도출하고, 상기 도출된 평가 요소를 평가 모델의 수립 및 특허 자동 평가에 활용하는 기술을 제시한다. 상기 유사 특허군에 기반한 평가 요소값을 생성하는 것은 본 발명의 평가 요소값 생성부(1210)에서 처리한다.
상기 유사 특허군을 구성하는 유사 특허도 일반 특허와 마찬가지로 각종 메타 정보를 가질 수 있다. 상기 유사 특허의 메타 정보는 상기 유사 특허의 서지 정보, 경과 정보, 패밀리 정보, 인용 정보, 피인용 정보, 상기 유사 특허에서 추출되는 핵심 키워드 정보 및 상기 유사 특허의 출원인과 관련되는 시장 정보 등이 있을 수 있다. 상기 메타 정보는 특허 명세서에서 포함되어 있는 것도 있지만, 외부 data 소스(특히, 시장 정보)에서 입수되어 가공된 것도 있을 수 있다. 외부 data 소스에는 DocDB가 포함될 수 있다. 상기 시장 정보는 상기 출원인의 출원인 유형 정보, 출원인 국적 정보, 출원인 규모 정보, 재무 정보를 포함한 회계 정보, 주가 정보, 취급 품목 정보 및 소속 업종 정보 등이 그 예가 될 수 있다.
이하, 예시적으로 유사 특허군에 기반한 평가 요소를 소개한다.
관련 시장 참여자의 평균 매출 규모가 있다. 상기 관련 시장 참여자의 평균 매출 규모는 유사 특허군에서 재무 정보가 있는 권리자(주로 기업)을 대상으로 하여 하기와 같은 일실시예적 계산식으로 계산한다. 이 평가 요소는 유사 특허군 내에 기업들이 많을수록, 기업의 매출 규모가 클수록 특허 평가(특히, 특허의 시장성 평가)에 긍정적인 효과를 미친다. 통상적으로 특허 기술의 시장성 측면에서는 대학, 연구소, 개인 등의 특허보다, 기업(대기업, 외국 기업)의 특허들이 시장성이 좋은 경향이 있으므로, 이러한 경향이 평가 요소로서 반영되어야 한다.
1) 관련 시장 참여자의 평균 매출 규모 = sum(유사 특허군에 속하는 기업i의 매출액/기업i의 등록 특허수*기업i의 유사 특허군내 특허수)
상기 계산식은 예시적인 것으로 상기 관련 시장 참여자의 평균 매출 규모는 하기와 같은 식으로도 계산될 수도 있다.
2) 관련 시장 참여자의 평균 매출 규모 = sum(유사 특허군에 속하는 기업i의 매출액*기업i의 유사 특허군내 특허수)/유사특허군 구성 특허수
한편, 유사 특허군을 구성하는 권리자(기업)의 평균 매출 증가율이나, 평균 이익율 등도 동일한 취지에서 본 발명의 유사 특허군 정보를 이용하는 평가 요소가 될 수 있다.
한편, 유사 특허군에 속하는 권리자 중 대학, 연구, 개인의 비중보다 기업의 비중이 높은 경우나, 중소 기업보다 대기업의 비중이 높은 경우에는 그 유사 특허군을 특징 짓는 기술 분야의 기술의 시장성이 더 좋을 수 있다. 그러므로, 유사 특허군을 구성하는 권리자 속성 비율도 중요한 평가 요소가 될 수 있다. 예를 들어 다음과 같은 평가 요소가 도입될 수 있을 것이다.
3) 유사 특허군 구성 대기업 특허 비율 = 유사 특허군에 속하는 대기업 특허수/유사 특허군에 속하는 전체 기업 특허수*100
4) 유사 특허군 구성 대기업 특허 비율 = 유사 특허군에 속하는 대기업 특허 수/유사 특허군 구성 전체 특허수 특허수*100
5) 유사 특허군 구성 기업 특허 비율 = 유사 특허군에 속하는 대기업 특허수/유사 특허군 구성 전체 특허수 특허수*100
한편, 유사 특허군에 외국 기업이 다수 포함되어 있을 때, 외국 기업과의 평균적인 기술 격차나 기타 시장의 선도성에서의 격차를 예상할 수 있다면, 유사 특허군 내에서의 외국 기업 비율도 좋은 평가 요소가 될 수 있다. 하기는 일 예시이다.
6) 유사 특허군 내의 외국 기업 비율 = 유사 특허군 내의 외국 기업 특허수/유사 특허군 내의 전체 기업 특허수*100
7) 유사 특허군 내의 외국 기업 비율 = 유사 특허군 내의 외국 기업 특허수/유사 특허군 내의 전체 특허수*100
8) 유사 특허군 내의 외국 기업 비율 = 유사 특허군 내의 외국 기업 특허수/유사 특허군 내의 특정 국가(예를 들면 대한민국)의 기업 특허수*100
이와 같은 방식으로 유사 특허군을 구성하는 유사 특허에 포함된 각종 메타 정보(권리자 국적, 권리자 속성(기업, 대학, 개인, 연구소 등), 매출 규모, 이익율, 매출 증가율 등)를 활용하여 다양한 평가 요소를 구상할 수 있다. 상기는 단지 예시일 뿐이다. 상기 평가 요소마다 예시된 바와 같이 평가 요소를 정의하는 수식이 대응될 수 있고, 상기 수식을 구성하는 각 구성 요소에 대한 정보를 처리하면(주로 평가 기초 DB(1520)에 이러한 정보 처리를 위한 기초 data가 있다.) 각 평가 요소별로의 평가 요소값을 생성할 수 있다. 한편, 상기 예시로 든 평가 요소는 복합적으로 구성될 수도 있음은 물론일 것이다. 예를 들면, 다음과 같은 수식을 생각할 수 있다.
9) 유사 특허군에서 상업성 높은 권리자 비율 = (특허군에 속하는 대기업 특허수/유사 특허군에 속하는 전체 기업 특허수*100)*(유사 특허군 내의 외국 기업 특허수/유사 특허군 내의 전체 기업 특허수*100)
한편, 상기 예시로 든 각종 비율은 그 비율의 증감율도 중요한 유사 특허군 활용 평가 요소가 될 수 있다. 예를 들어, 유사 특허군 구성 대기업 비율이 시간의 경과에 따라 증가하고 있다면, 이 기술 분야에서 대기업의 특허 활동(출원이나 등록)이 활발하다는 것이며, 이는 통상적으로 이 기술 분야의 시장성에 긍정적인 영향을 준다. 이러한 비율의 증감율은 예시적으로 연도 단위로 비율을 구하고, 연도별로 그 비율의 증감의 정도를 계산함으로써 알 수 있게 된다.
한편, 통상적으로 기업은 상용화를 염두에 둔 연구 결과를 다수 특허 출원하는 경향이 있고, 대학은 상업성과는 독립적으로 선도적, 개척적 연구 결과를 특허 출원하는 경향이 상대적으로 강하므로, 유사 특허군에 기업 비중이 상당히 낮고, 대학의 비중이 상당히 높은 경우, 그 유사 특허군에 속하는 기술은 도입기의 기술일 가능성이 크다고 볼 수 있다. 따라서, 평가 대상 특허 기술이 도입기-성장기-성숙기-쇠퇴기 등과 같은 기술 변화 주기 중 어디에 속할 가능성이 높을 것인지도 상기 평가 대상 특허의 유사 특허군에 포함된 권리자의 속성 등에서 추정할 수 있게 된다.
상기와 같은 유사 특허군을 기반으로 하는 평가 요소를 도입하는 것의 장점은 평가 대상 특허와 기술적으로 유사한 유사 특허군 구성 특허들의 집단적 속성을 살펴 봄으로써, 상기 평가 대상 특허 자체에서는 추정하기 힘든 속성을 추정할 수 있다는 것이다.
이어, 본 발명의 특허 평가를 위한 평가 모델 생성 방법에 대해서 도 5를 참조하면서 더욱 상세하게 설명한다. 평가 모델을 생성하기 위해서는 특허 샘플 선정 및 기타 다양한 목적을 위하여 1) 평가 기초 DB(1520)를 생성하고(S21), 2) 전문가 조사를 수행할 평가 모집단으로서의 샘플 특허를 선정하고(S22), 3) 샘플 특허에 대하여 전문가 평가를 실시하여 전문가가 평가한 점수로 평가 기준 정보를 생성하고(S33), 4) 전문가 평가 결과를 참값으로 하여, 샘플 특허의 평가 요소 측정값으로 평가 모델을 생성하고(S24), 5) 생성된 평가 모델을 검증하고(S25), 6) 평가 모델을 확정한다(S26).
샘플 특허를 선정할 때, 너무 많은 샘플을 선정하면 전문가 평가 비용이 늘어나므로, 적정한 수의 샘플을 선정할 필요가 있게 된다. 이를 위하여 통계학의 샘플 추출법을 활용할 수 있으며, 통상적으로 층화추출법이 자주 사용된다. 층화추출법을 위해서 예비적인 평가 요소별로 각 특허의 평가 요소 측정값 정보가 필요한데, 이는 평가 기초 DB(1520)의 생성이 전제되어야 한다. 평가 요소 측정값 정보를 참조하여 다양한 평가 요소를 반영할 수 있도록 적정한 개수의 샘플을 선정한다. 전문가 평가는 샘플 특허에 대하여 각 기술 분야별 전문가, 시장 평가 전문가 등 각 전문가들에게 각 샘플 특허의 평가 항목(예를 들어, 권리성, 기술성, 시장성)별 점수 또는 평가 항목을 구성하는 세부 평가 항목(예를 들어 권리성에서 권리의 강도, 권리의 충실성, 특허망 형성의 강도 등과 같은 상기 평가 항목의 세부 평가 항목)별 점수 및 /또는 세세 평가 항목(예를 들면, 권리의 강도의 하부에 있을 수 있는 더 세세한 평가 항목)별 점수를 요청할 수 있다. 1개의 특허에 대해서1인의 전문가가 평가할 수도 있지만, 2~3인(3인이 더욱 바람직하다)인 것이 바람직하다. 전문가 평가 결과, 1개의 샘플 특허에 대하여 전체 점수, 평가 항목별 점수, 세부 평가 항목별 점수, 세세 평가 항목별 점수 중 어느 하나 이상이 생성되는데, 이는 상기 평가 기준 정보를 구성한다.
이어, 평가 모델을 생성한다. 평가 모델 생성은 본 발명의 가장 중요한 요소 중의 하나이다. 평가 모델의 생성은 가장 단순한 회귀 분석(상기 참값(샘플 특허에 대한 전문가 평가 점수)을Y값으로 놓고, 평가 요소별 값을 독립 변수로 놓고 다항회귀분석을 함)을 수행할 수도 있지만, 이 경우, 평가 요소들 간의 다중 공선선(multilinearity)등의 문제가 있으며, 각 평가 요소가 비선형적 특징을 가지는 경우의 문제를 해결할 수 없는 단점이 있다. 이에, 본 발명에서는 다항회귀분석을 배제하지는 않지만, 첨단적인 통계 분석 기법을 적용한다. 이에 대해서는 도 6을 참조하면서 더욱 상세하게 설명한다.
먼저, 상기 평가 요소(X)의 평가 요소 측정값과 전문가가 평가한 평가 기준 점수(Y)를 이용하여 첫번째 최적 평가 모델 트리(Tree)(classifier) f1(X)을 생성한다(S31). 상기f1(X)는 다음과 같은 형태일 수 있다.
f1(X) = {m11*I1(X1) + m12*I2(X1) + m1i*Ii*(X1)} + . . . . {mj1*I1(Xj) + mj2*I2(Xj) + mji*Ii*(Xj). . . 이다.
I는 indicator function으로 조건에 따라 0 또는 1의 값을 가진다.
mji는 평가 요소j에 관하여 i번째 인디케이트 함수가 적용될 때의 특허들의 평가 점수들의 평균을 말한다. 인디케이트 함수는 각 평가 요소에 따라 달라질 수도 있지만, 2 또는 3과 같이 동일한 값을 가질 수도 있다. i는 트리의 분기 수에 대응된다.
간단한 예를 들어 상기 수식을 설명한다. 예를 들어 평가 요소가 청구항 수로 1개라면, j = 1이고, 트리가 분기 되는 것이 2개라면 i의 최대값은 2가 된다. 예를 들어 X1이 청구항 수이고, 청구항 수의 개수가 10에서 최적으로 분기가 된다면 위 식은 다음과 같이 될 수 있다.
f1(X) = m11*I1(청구항 수 =< 10) + m12*I1(청구항 수 > 10)
I1(청구항 수 =< 10)은 청구항 수 10 이하인 경우이며, m11은 청구항 수 10 이하인 특허들의 평가 기준 점수의 평균이 되며, m12는 청구항 수 10을 초과하는 특허들의 평가 기준 점수의 평균이 된다.
분기가 되는 청구항 수 = 10을 찾아내는 것은 여러 분기 후보별로 분기하여 반복적으로 에러의 최소값을 계산하여 최적의 분기를 평가 요소별로 찾아낼 수 있다. 이는 최적치(optiomal)값을 찾는 것으로 당업자에게는 용이한 일일 것이므로, 상세한 설명은 생략한다.
이어, 참값 Y와 예측값 f1으로 생성되는 제1평가 모델 트리값의 차이값(잔차)을 구한다. 상기 차이값 Y-f1(X)으로 제2평가 모델 트리 f2를 생성하고, 차이값(잔차) Y-f1(X)-f2(X)를 구한다.(S32) 상기 차이값 Y-f1(X)-f2(X)으로 제3평가 모델 트리 f3(X)를 생성하고, 차이값(잔차) Y-f1(X)-f2(X)-f3(X)를 구한다. 이와 같이 fi(X)를 생성한 다음, Y-f1(X)-f2(X)-..fM - 1(X)값으로 제M 평가 모델 트리 fM(X)을 생성하는 과정을 반복적으로 수행한다. f1(X)내지 fM(X)을 가중 평균하여 평가 모델을 완성한다. 한편, fM(X)를 생성할 때, fM -1(X)에 shrinkage parameter s를 곱한 값을 취하여 Y-sf1(X)-sf2(X)-..sfM(X)로 처리할 수도 있다. 이때 가중치는 동일하게 줄 수도 있고, 에러의 크기를 고려하여 가중치를 다르게 줄 수도 있다. 하기 최종 평가 모델은 가중치가 동일하게 되는 경우의 일례다.
f(X) = f1(X) + f2(X) + . . . + fM(X)
본 발명의 평가 모델 생성은 특허 전체에 대한 평가 모델뿐만 아니라 평가 항목(권리성, 기술성, 시장성 등)별 평가 모델 및 상기 평가 항목의 하위를 구성하 는 상기 세부 평가 항목에 대해서도 동등하게 적용된다. 즉, Y값은 특허 전체에 대한 전문가의 평가 점수가 될 수도 있지만, 평가 항목별 전문가의 평가 점수일 수 있고, 세부 평가 항목별 전문가의 평가 점수일 수 있다. Y값의 속성에 따라 전체 평가 모델, 평가 항목별 평가 모델, 세부 평가 항목별 평가 모델이 생성되게 된다.
한편, 본 발명에서는 기술 분야별, 권리자 속성별, 시기별 평가 모델을 도입한다. 기술 분야별 평가 모델을 생성하기 위해서는 샘플 자체를 특정 기술 분야에 한정하는 샘플링을 수행하고, 샘플링 이후의 과정을 수행하면, 특정 기술 분야별 평가 모델이 완성되게 된다. 한편, 권리자 속성별로도 샘플링하고, 샘플링 이후의 과정을 수행하면, 권리자 속성별로의 평가 모델을 생성하게 된다. 시기별 평가 모델도 마찬가지이다. 여러 평가 모델을 생성하는 것은 본 발명의 평가 모델 생성부(1310)에서 담당한다. 생성된 평가 모델은 평가 모델 관리부(1320)가 관리한다.
한편, 평가 모델이 수립되면, 평가 모델을 검증할 수 있다. 검증은 검증 대상 특허에 대해서 전문가가 평가한 평가 기준 점수와 상기 평가 모델이 생성하는 예측 점수에 대한 1) 차이로 검증하는 방법, 2) 점수로 랭킹을 생성하고, 검증 대상 특허의 랭킹의 차이로 검증하는 방법, 3) 점수로 랭킹을 생성하고, 랭킹에 따른 등급을 부여하고, 등급의 차이로 검증하는 방법 등이 있다. 검증 대상 특허는 전문가 평가 대상 특허일 수도 있지만, 별개의 검증용 특허일 수도 있다. 한편, 상기 샘플 특허를 평가 모델을 수립하는데 사용하는 training set와 검증을 위한 test set으로 n회 양분하고, 상기 training set 를 통해서 생성되는 평가 모델로 상기 test set의 특허에 대한 검증을 n회 수행할 수 있으며, 이러한 n회의 검증 결과로 평가 모델의 성능을 테스트할 수도 있다. 이때, 평가 모델에서 상기 shrinkage parameter를 튜닝할 수도 있다.
평가 모델이 수립되면, 상기 평가 모델에 평가 요소가 반영되어 있으며, 평가 요소별로의 평가 요소 측정값이 입력되면, 상기 평가 요소별로의 평가 요소 측정값을 처리하여 평가 정보를 생성할 수 있게 된다. 도 7을 중심으로 설명한다. 평가 정보의 생성은 1) 사용자 컴퓨터(2000)로부터 평가 대상 특허 및 사용할 평가 모델에 대한 선택 정보를 입수 받고(S41), 상기 평가 대상 특허에 대한 평가 요소값 data를 입수하고(S42), 상기 선택 정보를 입수 받은 평가 모델에 상기 평가 요소값 data를 적용하여(S43), 평가 엔진(1300)에 의해 평가 결과값을 포함하는 평가 정보를 생성하고(S41), 사용자 컴퓨터(2000)에 상기 평가 결과값을 포함한 평가 정보를 리포팅해 준다(S45). 이때, 상기 평가 모델의 선택은 상기 특허 자동 평가 시스템(1000)에서 제공되는 디폴트 평가 모델이 선택될 수도 있다. 이하, 필요한 단계별로 분설한다.
상기 평가 정보는 전체 평가 점수, 평가 항목별 평가 점수, 세부 평가 항목별 평가 점수 등 평가 모델에 따라 여러 종류가 있다. 특허 평가 정보는 평가 모델에 따라 달라질 수 있으므로, 평가 모델의 선택이 특허 평가 정보의 생성에 선행될 수 있을 것이다. 상기 평가 대상 특허를 평가할 평가 모델(범용 평가 모델, 기술 분야별 평가 모델, 권리자 속성별 평가 모델 및 시기별 평가 모델 들의 적어도 1개 이상의 조합이나 선택이 가능함)의 확정 또는 선택은 상기 특허 자동 평가 시스템(1000)의 사용자가 할 수도 있지만, 상기 특허 자동 평가 시스템(1000)이 할 수 도 있다. 후자의 예를 들면 상기 특허 자동 평가 시스템(1000)은 평가 대상 특허의 IPC(main IPC를 사용하는 것이 타당할 것이다.) 정보를 참조하여 어느 기술 분야별 평가 모델을 적용할 것인지를 자동적으로 지정할 수 있을 것이며, 평가 대상 특허의 권리자 정보로 권리자의 속성을 파악하여 타당한 권리자 속성별 평가 모델을 지정할 수 있을 것이며, 평가 대상 특허의 출원일 또는 등록일을 참조하여 타당한 시기적 평가 모델을 지정할 수도 있을 것이다. 본 발명의 상기 평가 모델 관리부(1320)는 사용자에게 자신이 관리하고 있는 평가 모델 전체 집합을 제공해 주고, 선택을 유도할 수 있을 것이다.
한편, 특별한 평가 전문가들을 위해서 상기 평가 모델 관리부(1320)는 상기 평가 모델을 구성하는 평가 요소의 가중치를 수동으로 조정할 수 있는 인터페이스를 제공해 줄 수 있을 것이며, 상기 전문가들로부터 상기 가중치를 입력 받으면, 상기 가중치를 반영하여 전문가 특화된 평가 모델이 수립되고, 상기 수립된 평가 모델로 특허 평가가 진행될 수 있다.
평가 대상 특허와 평가 모델이 결정되면, 상기 평가 대상 특허의 평가 요소별로 평가 요소 측정값 정보를 입수해 올 수 있으며, 상기 평가 요소별로 상기 평가 요소 측정값 정보를 상기 평가 모델에 투입하면 상기 평가 모델은 기 설정된 평가 정보를 생성한다. 평가 정보의 생성은 본 발명의 평가 정보 생성부(1330)가 담당한다. 상기 평가 정보에는 평가 점수와 평가 등급이 있을 수 있다. 상기 평가 모델에 의해 평가 점수가 결정되면, 상기 평가 점수에 대응되는 평가 등급 부여 모델에 따라 평가 등급이 부여된다. 평가 등급은 임의의 등급이 될 수 있으나, 5등급 이상 15 등급 미만인 것이 타당할 것이다. 평가 등급을 부여하는 방법은 크게1) 점수 구간 대응 등급 구간 방법, 2) 서열(ranking) 구간 대응 등급 구간 방법이 있다. 상기1)은 점수가 몇 점부터 몇 점까지는 몇 등급을 부여하는 방식이며, 상기2)는 상기 평가 대상 특허가 속하는 모집단을 기준으로, 상기 모집단에 속하는 모든 특허에 대한 평가 점수로 상기 평가 대상 특허의 서열을 구한 다음, 서열 백분위% 구간에 대응되는 평가 등급을 결정한다.
이어, 가점 부여 평가 요소를 설명한다. 무효 심판, 정보 제공 등과 같은 경과 정보는 희소한 평가 요소이므로, 빈도의 문제 때문에 통계학적 모델에서는 평가 모델에서 누락될 여지가 있다. 이 경우, 평가 모델을 적용하여 평가 점수를 생성한 다음에, 상기 평가 대상 특허에 상기 무효 심판 등과 같은 경과 정보에 따른 특수 이벤트 내지는 실시권 설정 등과 같은 특수 이벤트가 발생된 사실이 확인되면, 상기 특수 이벤트 종류/회수별 및/또는 상기 특허 이벤트의 결과의 종류(예를 들어 일부 무효 심결 확정 등)별로 1점 내지 기설정된 점수만큼 가점 내지는 감점을 부여할 수 있다. 상기 특수 이벤트에 대하여 가점 내지 감점 처리는 본 발명이 특수 이벤트 처리부(1331)가 담당한다. 상기 가점 내지 감점은 전체 특허 평가 점수에 부여할 수도 있지만, 권리성/기술성/시장성 등 평가 항목별로도 부여할 수 있다. 이에 따라 특수 이벤트가 발생한 경우, 상기 평가 모델의 평가 점수에 가점 내지는 감점 처리를 수행한 후의 평가 점수로 평가 등급이 산정될 수 있다. 물론, 개념적으로 상기 평가 모델은 상기 특허 이벤트에 따른 가점 내지 감점이 반영된 것일 수도 있으므로, 이 경우에는 평가 모델의 평가 점수로 평가 등급이 산정될 수 있다.
상기 생성된 평가 점수와 평가 등급은 상기 사용자 컴퓨터(2000)에 전달될 수 있다. 상기 평가 정보는 웹 페이지 또는 리포팅(예를 들면 pdf 형식의 리포트)로 전달 될 수 있다.
한편, 본 발명의 상기 특허 자동 평가 시스템(1000)은 상기 평가 대상 특허에 대한 유사 특허군 정보를 제공해 줄 수 있다. 상기 유사 특허군 정보를 제공해 줄 때, 상기 평가 대상 특허와 상기 유사 특허군에 포함된 유사 특허의 유사도 점수/정보를 더 포함시켜 제공해 줄 수 있다. 상기 유사도 점수/정보는 상기 평가 대상 특허와 상기 유사 특허가 핵심 키워드 측면에서 얼마나 유사성 내지는 관련성이 있는가에 대한 정보로, 군집 분석 시에 생성되는 것이며, 이는 자연어 처리에서는 통상적인 것이므로, 상세한 설명은 생략한다.
본 특허 자동 평가 시스템(1000)에서 처리되는 데이터는 본 발명의 DB부(1500)에 저장된다. 상기 DB부(1500)에는 서지 data(1511), 경과 정보 data(1512), 시장 정보 data(1513), DocDB data(1514), 특허 명세서나 등록 원부의 조회수를 담고 있는 조회수 data(1515) 등을 포함하는 평가 기초 DB(1510)가 포함되어 있다. 한편, 상기 DB부(1500)에는 명세서 분석 결과를 포함하는 명세서 분석과 관련된 명세서 분석 결과 DB(1520)가 있는데, 이에는 필드별 색인어(1521), 색인어 빈도 data(1522), 기간별 핵심 키워드 누적 정보(1523), 기술 분야별 전문 용어 정보(1524), 연관 공기쌍 정보(1525), 평가 요소 정보(1526), 유사 특허군 data(1527), 추출 핵심 키워드 data(1528) 등이 포함되어 있을 수 있다. 한편, 상기 DB부(1500)에는 각 특허별로의 각 평가 요소마다의 평가 요소값인 평가 요소값 data(1531)를 포함하는 평가 요소값 DB(1530)를 더 포함하고 있을 수 있다. 한편 상기 DB부(1500)에는 본 발명의 다양한 평가 모델(기술 분야별, 권리자 속성별 등)이 있는데, 이는 평가 모델 DB(1540)에 저장되어 있다. 한편, 본 특허 자동 평가 시스템(1000)의 사용자가 생성하는 정보는 사용자 DB(1550)에 포함되어 있는데, 이 DB에는 이용자로서의 사용자에 관한 정보인 사용자 정보 data(1551), 사용자가 관리하는 데이터인 사용자 관리 data(1552)가 있을 수 있다.
상기 특허 자동 평가 시스템(1000)은 사용자로부터 평가 대상 특허에 관한 특허 식별 정보를 입수 받고, 평가 정보를 제공하는 사용자 인터페이스부(1600)를 더 포함하고 있을 수 있다. 상기 사용자 인터페이스부(1600)에는 상기 특허 식별 정보를 입수 받기 위한 입력 UI(user interface) 및 평가 정보를 제공하는 출력 UI를 포함할 수 있으며, 도 8와 도 9는 각각 상기 입력 UI와 상기 출력 UI의 일실시예를 보여주고 있다.
도 8에서 볼 수 있듯이 상기 입력 UI에는 번호 입력UI(810), 출원인 입력UI(820) 및 파일 입력UI(830)중 어느 하나 이상을 더 포함할 수 있다. 한편, 도 9에서 볼 수 있듯이, 상기 출력 UI에는 서지사항 출력UI(910), 평가 정보 출력UI(920), 평가 항목별 평가 정보 출력UI(930), 리포트 출력UI(940)중 어느 하나 이상을 더 포함하고 있을 수 있다.
본 발명은 특허 산업, 평가 산업 및 지식 재산권 컨설팅 산업에 활용될 수 있다.
도 1은 본 발명의 특허 자동 평가 시스템에 대한 일 실시예적 구성에 관한 도면이며,
도 2는 본 발명의 명세서 분석 엔진에 대한 일 실시예적 구성에 관한 도면이며,
도 3은 본 발명의 DB부에 대한 일 실시예적 구성에 관한 도면이며,
도 4는 본 발명의 명세서 분석 엔진의 정보 처리 방법에 관한 일 실시예에 관한 도면이며,
도 5는 본 발명의 특허 자동 평가 시스템에서 평가 모델을 생성하는 흐름에 관한 도면이며,
도 6은 본 발명의 평가 모델 중 평가 알고리즘의 생성에 관련된 일 실시예에 대한 도면이며,
도 7은 본 발명의 특허 자동 평가 시스템이 평가 정보를 생성하는 흐름에 대한 일 실시예적 도면이며,
도 8은 본 발명의 특허 자동 평가 시스템의 입력 UI에 대한 일 실시예적 구성에 관한 도면이며,
도 9는 본 발명의 특허 자동 평가 시스템의 출력 UI에 대한 일 실시예적 구성에 관한 도면이다.

Claims (8)

  1. 적어도 하나 이상의 사용자 컴퓨터로부터 적어도 하나 이상의 지정된 특허 식별 정보를 입수 받고, 상기 특허 식별 정보에 대응되는 평가 대상 특허에 대하여 기 설정된 평가 모델을 적용하여 기 설정된 평가 정보를 생성하는 특허 자동 평가 시스템의 특허 자동 평가 방법에 있어서, 상기 특허 자동 평가 시스템이
    상기 사용자 컴퓨터로부터 평가 대상 특허 식별 정보를 입수 받는 단계;
    상기 평가 대상 특허를 평가할 평가 모델이 상기 사용자 컴퓨터로부터 또는 상기 특허 자동 평가 시스템의 기 설정된 기준에 의해 선택되는 단계;
    상기 선택된 평가 모델에 적용하여 평가 정보를 생성하는 단계; 및
    상기 평가 정보를 상기 사용자 컴퓨터에 전송하는 단계;를 포함하며,
    상기 평가 정보를 생성하는 단계는
    상기 평가 모델별로 상기 평가 대상 특허에 대하여 사전에 평가 정보 생성하고 저장한 다음, 상기 평가 대상 특허에 대한 평가 정보를 입수하는 제1방법 및 상기 평가 모델별로 실시간으로 평가 정보를 생성하는 제2방법 중 어느 한 방법으로 실시되는 것이며,
    상기 평가 모델은
    기 설정된 기준을 충족하면서 선별된 등록 특허로 구성되는 평가 기준 집단에 포함된 상기 등록 특허에 대하여 평가 기준 점수를 입수 받는 단계;
    상기 등록 특허에 대한 적어도 2이상의 평가 요소별로 평가 요소 측정값을 입수하는 단계; 및
    상기 평가 요소 측정값으로 제1평가 모델 트리(Tree)를 생성하고, 제i평가 모델 트리의 예측값과 실제값의 차이로 제i+1평가 모델 트리를 반복적으로 생성하며, 생성된 평가 모델 트리를 가중 평균하여 평가 모델을 완성하는 단계;를 통하여 생성되는 것인 것이며, i는 1보다 크거나 같은 정수이며,
    상기 예측값은 상기 제i평가 모델 트리로 상기 등록 특허를 평가한 값이며, 상기 실제값은 상기 등록 특허에 대한 기준 점수인 것인 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 정보 처리 방법.
  2. 제1항에 있어서,
    상기 평가 모델은 기 설정된 기준을 적용한 적어도 2이상의 기술 분야별 및 적어도 2이상의 권리자 속성별, 시기적 속성별 중 어느 하나 이상을 적용하여 생성되는 것인 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 정보 처리 방법.
  3. 제1항에 있어서,
    상기 평가 모델은 평가 항목별로 생성되는 것이며, 상기 평가 항목은 권리성, 기술성 및 시장성 중 어느 하나 이상인 것인 것을 특징으로 하는 특허 자동 평 가 시스템의 특허 평가 정보 처리 방법.
  4. 제1항에 있어서,
    상기 평가 요소에는 적어도 하나 이상의 유사 특허군 기반 평가 요소가 포함되는 것이며,
    상기 유사 특허군 기반 평가 요소는 상기 평가 대상 특허에 대한 적어도 하나 이상의 유사 특허로 구성되는 유사 특허군 정보를 입수하고, 상기 유사 특허군에 포함된 상기 유사 특허의 메타 정보를 처리하여 생성되는 것이며,
    상기 유사 특허군은 상기 특허 명세서에 포함된 특허 내용에서 추출된 핵심 키워드를 군집 분석하여 생성되는 것인 것이며,
    상기 유사 특허군 기반 평가 요소에 대한 평가 요소값은 상기 사용자 컴퓨터로부터 평가 대상 특허 식별 정보를 입수 받기 이전에 사전 생성되어 저장되어 있는 것인 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 정보 처리 방법.
  5. 제1항에 있어서,
    상기 평가 정보는 상기 평가 대상 특허에 대하여 1) 하나의 종합 평가 점수가 생성되는 제1방법, 2) 권리성, 기술성 및 시장성 중 어느 하나 이상을 포함하여 평가 항목별로 평가 점수가 생성되는 제2방법 및 3) 상기 평가 항목을 구성하는 세부 평가 항목별로 평가 점수가 생성되는 제3방법 중 어느 하나 이상의 방법을 사용하여 생성되는 것인 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 정보 처리 방법.
  6. 제1항에 있어서,
    상기 평가 정보는 평가 점수 및 평가 등급인 것인 것이며,
    상기 평가 등급은 상기 평가 점수를 입력 변수로 하여 기 설정된 등급 부여 모델에 따라 부여되는 것인 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 정보 처리 방법.
  7. 제4항에 있어서,
    상기 사용자 컴퓨터에 상기 평가 대상 특허의 유사 특허군 정보를 제공하는 단계;를 더 포함하며,
    상기 유사 특허군 정보에는 상기 평가 대상 특허와 상기 유사 특허간의 유사도 점수를 더 포함하여 제공하는 것이며,
    상기 유사도 점수는 상기 유사 특허의 특허 명세서에서 추출된 핵심 키워드와 상기 평가 대상 특허의 특허 명세서에서 추출된 핵심 키워드간의 관련성으로 계산되는 것인 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 정보 처리 방법.
  8. 제1항에 있어서,
    상기 선택된 평가 모델에 적용하여 평가 정보를 생성하는 단계를 실시할 때, 상기 평가 대상 특허가 기 설정된 특수 이벤트에 해당하는 정보가 있을 경우, 기 설정된 가감점을 적용하여 평가 정보를 생성하는 것을 특징으로 하는 특허 자동 평가 시스템의 특허 평가 정보 처리 방법.
KR1020090125152A 2009-12-15 2009-12-15 특허 자동 평가 시스템의 특허 자동 평가 방법 KR101053968B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090125152A KR101053968B1 (ko) 2009-12-15 2009-12-15 특허 자동 평가 시스템의 특허 자동 평가 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090125152A KR101053968B1 (ko) 2009-12-15 2009-12-15 특허 자동 평가 시스템의 특허 자동 평가 방법

Publications (2)

Publication Number Publication Date
KR20110068278A KR20110068278A (ko) 2011-06-22
KR101053968B1 true KR101053968B1 (ko) 2011-08-04

Family

ID=44400550

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090125152A KR101053968B1 (ko) 2009-12-15 2009-12-15 특허 자동 평가 시스템의 특허 자동 평가 방법

Country Status (1)

Country Link
KR (1) KR101053968B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101456190B1 (ko) 2012-12-12 2014-11-04 한국발명진흥회 특허 평가 시스템을 위한 평가 엔진 검증 방법
KR102065928B1 (ko) 2018-11-16 2020-01-14 김정중 특허 평가 시스템

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014092361A1 (en) * 2012-12-12 2014-06-19 Kipa. Evaluation engine of patent evaluation system
KR101672987B1 (ko) * 2014-03-31 2016-11-07 (주)윕스 지식재산권 평가 장치 및 방법
KR101932517B1 (ko) * 2017-11-27 2018-12-26 한국발명진흥회 다중회귀모델을 활용한 특허 평가 방법 및 시스템
KR101995011B1 (ko) 2017-11-27 2019-07-02 한국발명진흥회 구조방정식 모델을 활용한 특허 평가 방법, 그 방법을 수행하는 시스템 및 그 방법이 수행되는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 저장 매체
KR20200091508A (ko) * 2018-12-12 2020-07-31 오종학 특허와 논문 데이터를 활용한 국가 및 기업들의 과학 기술력 진단 및 예측 방법
CN111611392B (zh) * 2020-06-23 2023-07-25 中国人民解放军国防科技大学 综合多特征和投票策略的教育资源引用分析方法、系统及介质
CN111798145A (zh) * 2020-07-09 2020-10-20 浙江大学 基于web2.0的专利价值评估系统及方法
CN117726307B (zh) * 2024-02-18 2024-04-30 成都汇智捷成科技有限公司 一种基于业务中台的数据治理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050096924A (ko) * 2002-12-27 2005-10-06 가부시키가이샤 아이.피.비. 기술평가장치, 기술평가프로그램, 기술평가방법
KR100602791B1 (ko) 2006-01-31 2006-07-20 재단법인 한국산업기술재단 기술 로드맵 작성에 있어서 특허 기술 평가 방법 및 특허기술 평가 시스템
KR20070102036A (ko) * 2006-04-13 2007-10-18 엘지전자 주식회사 문서분석 시스템 및 그 방법
KR20090002308A (ko) * 2007-06-27 2009-01-09 재단법인 한국특허정보원 텍스트 마이닝 기법을 이용한 등록특허의 기술평가 시스템및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050096924A (ko) * 2002-12-27 2005-10-06 가부시키가이샤 아이.피.비. 기술평가장치, 기술평가프로그램, 기술평가방법
KR100602791B1 (ko) 2006-01-31 2006-07-20 재단법인 한국산업기술재단 기술 로드맵 작성에 있어서 특허 기술 평가 방법 및 특허기술 평가 시스템
KR20070102036A (ko) * 2006-04-13 2007-10-18 엘지전자 주식회사 문서분석 시스템 및 그 방법
KR20090002308A (ko) * 2007-06-27 2009-01-09 재단법인 한국특허정보원 텍스트 마이닝 기법을 이용한 등록특허의 기술평가 시스템및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101456190B1 (ko) 2012-12-12 2014-11-04 한국발명진흥회 특허 평가 시스템을 위한 평가 엔진 검증 방법
KR102065928B1 (ko) 2018-11-16 2020-01-14 김정중 특허 평가 시스템

Also Published As

Publication number Publication date
KR20110068278A (ko) 2011-06-22

Similar Documents

Publication Publication Date Title
KR101118057B1 (ko) 특허 자동 평가 시스템 및 상기 시스템에서의 평가 요소 정보 처리 방법
KR101053968B1 (ko) 특허 자동 평가 시스템의 특허 자동 평가 방법
KR101333074B1 (ko) 특허 평가 모델 생성 방법, 특허 평가 방법, 그 방법을 실시하는 시스템 및 그 방법이 기록된 프로그램이 저장된 기록 매체
CN107958317A (zh) 一种众包项目中选取众包参与人的方法和装置
CN103294816A (zh) 一种为求职者推荐职位的方法和职位推荐系统
KR20050115238A (ko) 데이터 통합 방법
CN109784848B (zh) 酒店订单处理方法和相关产品
Wang et al. Where to place your next restaurant? Optimal restaurant placement via leveraging user-generated reviews
CN112632405A (zh) 一种推荐方法、装置、设备及存储介质
CN111198969A (zh) 一种基于网络大数据的经济信息咨询系统和方法
WO2010037314A1 (zh) 一种搜索的方法、系统和装置
Diirr et al. Improvement of IT service processes: a study of critical success factors
KR101623170B1 (ko) 논문 투고와 심사시스템에서 전문지식태그 관리 및 심사자 추천 방법 및 그 장치
CN114139539A (zh) 企业社会责任指标量化方法、系统及应用
CN113901308A (zh) 基于知识图谱的企业推荐方法及推荐装置、电子设备
Santos The transnational exchange of DNA data: Global standards and local practices
KR101291983B1 (ko) 유사 특허 분석맵 정보 제공 방법
CN111611387B (zh) 民事案件咨询方法、装置、计算机设备及存储介质
Zheng et al. Assessing e-government readiness of local governments in China: developing a bottom-up approach
CN110457009B (zh) 基于数据分析的软件安全需求推荐模型的实现方法
Hanafizadeh et al. Extracting core ICT indicators using entropy method
CN111898931A (zh) 基于变量的策略式风控引擎实现方法、装置及计算机设备
Charalabidis et al. Use case scenarios on legal text mining
CN115880077A (zh) 基于客户标签的推荐方法及其装置、电子设备及存储介质
Pakenaite et al. Investigation of the Blockchain’s influence on traditional banking: challenges and opportunities

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140718

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150707

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160721

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170823

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20180628

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20190725

Year of fee payment: 9