KR101282717B1 - ｎ차원 프레임을 활용하여 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법 및 그 시스템 - Google Patents

Abstract

본 발명은 특허 분류 등과 같은 분류 정보로 n차원 프레임을 형성하여 용이한 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법 및 그 시스템에 관한 것이다.
본 발명은 유무선 네트워크를 통하여 사용자 컴퓨터로 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템이 (a) 상기 사용자 컴퓨터로부터 제1 특허 분류를 사용하는 제1 특허 분류 집합 및 적어도 하나 이상의 제2 분류를 사용하는 제2 분류 집합에 대한 선택 정보를 입수 받는 단계; (b) 상기 제1 특허 분류 집합 및 상기 제2 분류 집합을 사용하여 적어도 2개 이상의 교차 영역을 가지는 교차 영역 집합을 구성하는 단계; 및 (c) 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합(교차 영역 집합)을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성하는 단계;를 실시하는 것을 특징으로 한다.
본 발명을 실시하면 니치 기술 영역을 효과적으로 탐색하고, 발견할 수 있는 장점이 있다.

Description

ｎ차원 프레임을 활용하여 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법 및 그 시스템{System and Method on Navigating Niche Technological Areas Using Multi Dimensional Frame}

본 발명은 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법 및 그 시스템에 관한 것으로 더욱 자세하게는 특허 분류 등과 같은 분류 정보로 n차원 프레임을 형성하여 용이한 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법 및 그 시스템에 관한 것이다.

특허 정보는 기술 정보, 권리 정보 및 경영 정보의 성격을 가지며, 글로벌한 국제 경쟁에서 그 중요성이 증가 되고 있다. 기술 정보로서 기술 개발 동향, 개별 특허에 적용된 기술적 아이디어를 알 수 있고, 권리 정보로서 개별 특허의 권리 범위, 국내외 권리화 정도를 파악할 수 있으며, 경영 정보로서 경쟁 기업의 기술 개발 동향 등을 파악할 수 있다.

특허 정보를 입수할 수 있는 방법은 다양하나, 크게 1) 각국 특허청이 제공해 주는 특허 정보 시스템을 이용하는 것과 2) 민간 기업이 개발한 특허 정보 시스템을 이용하는 것, 및 3) 개별 기업이 자사의 목적에 맞게 구축된 특허 정보 시스템을 이용하는 것 등으로 대별할 수 있다. 1)의 방법의 대표적인 예가 대한민국 특허청(www.kipo.go.kr) 및 대한민국 특허정보원(www.kipris.or.kr)이 제공하는 특허 정보 시스템이 있으며, 2)의 대표적인 예로 미국의 www.delphion.com, 일본의 www.patolis.co.jp, 대한민국의 www.wips.co.kr, www.wisdomain.com 등 있다.

www.delphion.com 의 운영회사인 톰슨사이언티픽과 같은 각 국가의 민간 기업들은 특허 정보 데이터베이스를 구축해 놓고, 특허 검색 엔진을 통하여 입력된 검색식에 대해 다양한 방식으로 검색 결과를 제공해 주고 있다. 또한, 이들 특허 정보를 기반으로 한 다양한 종류의 분석 소프트웨어가 개발되어 있으며, www.micropatent.com의 운영사(톰슨사이언티픽에 인수 합병되었음)가 개발한 상표명 AUREKA로 보급되는 소프트웨어가 유명하다. 그리고, 세계 각국의 기술 선진 대기업들은 내부에 특허 검색 및 특허 관리 시스템을 구축하여 운영하고 있는 것으로 알려져 있으나, 외부에서 그 기업들의 특허 검색 및 특허 관리 시스템에 대해 접근하기가 어렵다.

이러한 특허 검색 및 특허 관리 시스템을 구축하기 위해서는 수십억원 이상의 비용이 지출되는 것이 통상이어서, 국내외 대부분의 중견 및 중소 벤처 기업들은 자체 특허 검색 및 특허 관리 시스템을 구축하고 있지 못하고 있다. 이들 중견 및 중소 벤처 기업들은 특허 전담 조직을 두고 있는 경우도 다수 있으며, 이들이 자사의 특허에 대한 관리 및 자사를 위한 특허 정보를 수집하고 있다. 하지만, 기업 규모가 작거나, 특허에 대한 의식이 크지 않은 기업들은 이러한 특허 전담 조직을 갖추고 있지 못하는 경우가 많다. 이들 기업들은 특허법률사무소나 로펌 등에 의뢰하여 자신의 특허를 관리하고 있는 수준에 거치고 있다.

이들 특허 전담 조직은 www.delphion.com 등과 같은 외부에서 접근 가능한 유무료 온라인 특허 정보 서비스 업체들을 이용하여, 이들이 제공해 주는 플랫폼으로 특허 정보를 수집, 관리하고 있다. 그리고, 기업 명의로 된 특허 출원의 대부분은 그 기업 소속 발명자들에 의해서 이루어 지며, 그 발명자는 자신의 발명과 관련된 국내외의 특허 정보를 수집하는 것이 전세계적인 추세가 된다. 그 이유가 특허 공개 기간의 존재에도 불구하고 전세계의 신기술 정보는 70% 이상이 특허 정보의 형태로 공개되며, 특허 정보가 논문 정보 등에 비해서 상업적으로 이용가능한 아이디어가 많기 때문으로 풀이된다. 하지만, 이들 발명자들의 상당 부분은 특허 검색에 익숙해 있지 않거나, 검색에 익숙한 자라 하더라도 www.delphion.com 등과 같은 외부 특허 정보 서비스 제공업체에 접속하여 특허 정보를 입수 받고 있다.

통상적으로 발명자들은 특정 기술 분야에 대하여 수년 내지 십수년간 지속적으로 연구하는 것이 일반적이므로, 자신 발명한 기술 분야가 크게 변동되지 않는 것이 일반적이다. 그러므로, 자신이 발명한 기술 분야와 직접 또는 간접적으로 관련되는 분야에 관한 국내 또는 해외 각국의 특허 기술 정보는 발명자에게 유익한 정보가 될 것이다. 그러므로, 개별 기업 단위 뿐만 아니라, 그 기업 소속의 발명자 단위로 운영되며, 발명자 단위까지 최적화되어 특정 발명자 만을 위한 차별화된 특허 정보 서비스 시스템의 공급이 요청되어 왔으며, 이와 같은 특허 정보 서비스 시스템은 자체적으로 개발하고 유지할 수 없는 중견 및 중소벤처 기업들에게는 특허 정보에 대한 접근성을 크게 향상시킬 것이며, 자체적으로 개발 유지할 수 있는 기업들에게는 사내 특허 정보 유통의 새로운 플랫폼이 될 것이다.

AUREKA는 텍스트마이닝 처리를 통해 키워드를 추출하고, 이를 co-occurrence 처리하여 등고선 맵으로 제공해 주는 AUREKA 서비스는 매력적인 등고선 맵으로 빈발 키워드군을 보여주고 있으나, 바다(푸른색으로 채워져 있는 영역) 또는 키워드가 밀집하지 않은 영역에 대한 기술적 의미가 없어(AUREKA에는 그리드(위도/경도, 좌표축)이 없다.) 틈새 기술의 구조적 발견 등과 같은 고부가가치 서비스를 제공해 주지 못하는 문제가 있다.

이에 따라, 니치 기술을 조기에 발견하고 선점하기 위해서는 체계적으로 니치 기술 영역이나 틈새 기술 영역의 발견을 지원해 탐색을 지원해 주는 서비스나 시스템의 개발이 절실히 요구되어 왔다.

본 발명이 해결하려는 첫번째 기술적 과제는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법을 제시하는 것이다.

본 발명이 해결하려는 두번째 기술적 과제는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템을 제시하는 것이다.

본 발명이 이루고자 하는 기술적 과제를 달성하기 위하여, 유무선 네트워크를 통하여 사용자 컴퓨터로 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법에 있어서, 상기 특허 정보 시스템이 (a) 상기 사용자 컴퓨터로부터 제1 특허 분류를 사용하는 제1 특허 분류 집합 및 적어도 하나 이상의 제2 분류를 사용하는 제2 분류 집합에 대한 선택 정보를 입수 받는 단계; (b) 상기 제1 특허 분류 집합 및 상기 제2 분류 집합을 사용하여 적어도 2개 이상의 교차 영역을 가지는 교차 영역 집합을 구성하는 단계; 및 (c) 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합(교차 영역 집합)을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성하는 단계;를 포함하며, 상기 제1 특허 분류는 IPC, F-term, FI, UPSC, ECLA 중 어느 하나 이상인 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법을 제시한다.

(d) 상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시하도록 하는 단계;를 더 포함하는 것이 바람직하다.

상기 교차 영역 집합은 상기 제1 특허 분류 집합과 상기 제2 분류 집합을 사용하는 매트릭스나 큐브 형태의 교차 영역 프레임인 것이 바람직하다.

상기 교차 영역 문건 집합은 적어도 하나 이상의 타겟 문건 집합의 부분 문건 집합인 것이며, 상기 타겟 문건 집합은 상기 사용자가 지정하거나 생성한 문건 집합이거나, 상기 시스템이 지정하거나 생성한 문건 집합인 것인 것이며, 선택적으로 상기 타겟 문건 집합은 기 설정된 한정 조건을 충족하는 문건들로만 한정될 수 있는 것이며, 상기 한정 조건은 시간 한정, 출원인이나 권리자 한정, 발명자 한정, 특허 평가 점수나 특허 평가 등급의 한정, 출원인, 권리자 또는 발명자의 속성 한정, 특허 평가 지표의 충족 정도의 한정, 특정 서지 사항 속성 포함 여부의 한정, 특허에 대한 측정값의 한정 중 어느 하나 이상인 것이 바람직하다.

상기 제2 분류는 특허 분류 또는 특허 분류와 대응 관계를 가지는 준 특허 분류인 것이며, 상기 준 특허 분류는 IndextoUSPC, CatchWord 중 어느 하나 이상인 것이며, 상기 준 특허 분류는 준 특허 분류 1개당 적어도 하나 이상의 특허 분류가 대응되는 것인 것이 바람직하다.

상기 (a) 단계에서, 적어도 하나 이상의 하위 특허 분류를 가지는 적어도 하나 이상의 상위 특허 분류를 선택함으로써, 상기 선택된 상위 특허 분류에 대한 상기 하위 특허 분류를 상기 제1 특허 분류 집합으로 처리하는 것인 것이 바람직하다.

상기 교차 영역 문건 집합은 타겟 문건 집합 중 상기 제1 특허 분류 집합을 구성하는 제1 특허 분류와 상기 제2 분류 집합을 구성하는 제 2분류의 속성을 동시에 충족하는 문건들로 구성되는 것이며, 상기 속성의 충족은 상기 교차 영역 문건에 상기 제1 특허 분류와 상기 제2 분류의 전부 또는 일부분이 동시에 나타나 있거나, 상기 교차 영역 문건에 나와 있는 특허 분류의 특허 분류 체계 상의 적어도 하나 이상의 상위 특허 분류의 전부 또는 일부분이 상기 제1 특허 분류와 상기 제2 분류에 동시에 나타나는 것인 것이 바람직하다.

상기 제1 특허 분류 집합은 특허 분류 체계 상에서 어느 하나의 상위 특허 분류에 대하여, 상기 상위 특허 분류의 전체 하위 특허 분류 중 상기 사용자가 선택하는 하위 특허 분류를 포함하여 구성되는 것인 것이 바람직하다.

상기 니치 분석 정보는 상기 사용자가 선택할 수 있는 것이며, 상기 니치 분석 정보는 적어도 하나 이상의 니치 분석 지표나 니치 분석 모델을 사용하는 것이며, 상기 교차 영역값은 상기 니치 분석 지표나 상기 니치 분석 모델의 선택에 따라 변동되는 것인 것이 바람직하다.

상기 교차 영역 프레임에는 상기 제1 특허 분류 집합을 구성하는 특허 분류와 상기 제2 분류 집합을 구성하는 제2 분류가 나타나는 것이며, 상기 교차 영역 프레임은 상기 제1 특허 분류 집합을 구성하는 특허 분류가 나타나는 제1 프레임축, 상기 제2 분류 집합을 구성하는 제2 분류가 나타나는 제2 프레임축으로 구성되며, 상기 교차 영역이 배치되는 방법은 상기 제1 특허 분류 집합이 특허 분류 체계 상에서 나열되는 순서 및 상기 제2 분류 집합이 상기 제2 분류 체계 상에서 나열되는 순서를 기준으로 배치하는 제1 배치 방법, 제1 특허 집합의 특허 분류에 대응되는 교차 영역 집합이 없는 없거나 제2 분류 집합의 제2 분류에 대응되는 교차 영역 집합이 없는 경우, 교차 영역 집합이 없는 특허 분류나 제2 분류를 제외하고 교차 영역 집합이 존재하는 특허 분류나 제2 분류에 대하여, 상기 제1 특허 분류 집합이 특허 분류 체계 상에서 나열되는 순서 및 상기 제2 분류 집합이 상기 제2 분류 체계 상에서 나열되는 순서를 기준으로 배치하는 제2 배치 방법, 및 상기 제1 프레임축 방향의 모든 교차 영역에 대한 교차 영역값의 합계가 높을수록 상기 제2 프레임축에 가까이 배치하고, 상기 제2 프레임축 방향의 모든 교차 영역에 대한 교차 영역값의 합계가 높을수록 상기 제1 프레임축에 가까이 배치하는 제3 배치 방법 중 어느 하나의 방법이 적용되는 것인 것이며, 상기 제1 배치 방법, 상기 제2 배치 방법 및 상기 제3 배치 방법은 상기 사용자의 선택이나 상기 시스템의 설정에 따라 선택될 수 있는 것인 것이 바람직하다.

본 발명이 이루고자 하는 기술적 과제를 달성하기 위하여, 유무선 네트워크를 통하여 사용자 컴퓨터로 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템에 있어서, 상기 사용자 컴퓨터로부터 제1 특허 분류를 사용하는 제1 특허 분류 집합 및 적어도 하나 이상의 제2 분류를 사용하는 제2 분류 집합에 대한 선택 정보를 입수 받는 교차 영역 프레임 선택부; 상기 제1 특허 분류 집합 및 상기 제2 분류 집합을 사용하여 적어도 2개 이상의 교차 영역을 가지는 교차 영역 집합을 구성하는 교차 영역 집합 생성부; 및 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합(교차 영역 집합)을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성하는 니치 분석 정보 생성부;를 포함하며, 상기 제1 특허 분류는 IPC, F-term, FI, UPSC, ECLA 중 어느 하나 이상인 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템을 제시한다.

상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시하도록 하는 니치 분석 정보 표시부;를 더 포함하는 것이 바람직하다.

제1 특허 분류 집합 및 제2 분류 집합의 선택 이력 및 현재 선택 사항을 관리하는 선택 프레임 관리부;를 더 포함하는 것이 바람직하다.

상기 니치 분석 정보 생성부는 니치 관점별로 니치 분석 정보를 생성하는 니치 관점 분석 정보 생성부; 및 니치 모델별로 니치 분석 정보를 생성하는 니치 모델 분석 정보 생성부; 중 어느 하나 이상을 더 포함하는 것인 것이 바람직하다.

상기 교차 영역 집합을 배치하는 교차 영역 집합 배치부;를 더 포함하며, 상기 교차 영역 집합 배치부가 상기 교차 영역 집합 배치부가 상기 교차 영역을 배치하는 방법은

상기 제1 특허 분류 집합이 특허 분류 체계 상에서 나열되는 순서 및 상기 제2 분류 집합이 상기 제2 분류 체계 상에서 나열되는 순서를 기준으로 배치하는 제1 배치 방법, 제1 특허 집합의 특허 분류에 대응되는 교차 영역 집합이 없는 없거나 제2 분류 집합의 제2 분류에 대응되는 교차 영역 집합이 없는 경우, 교차 영역 집합이 없는 특허 분류나 제2 분류를 제외하고 교차 영역 집합이 존재하는 특허 분류나 제2 분류에 대하여, 상기 제1 특허 분류 집합이 특허 분류 체계 상에서 나열되는 순서 및 상기 제2 분류 집합이 상기 제2 분류 체계 상에서 나열되는 순서를 기준으로 배치하는 제2 배치 방법, 및 제1 프레임축 방향의 모든 교차 영역에 대한 교차 영역값의 합계가 높을수록 제2 프레임축에 가까이 배치하고, 제2 프레임축 방향의 모든 교차 영역에 대한 교차 영역값의 합계가 높을수록 제1 프레임축에 가까이 배치하는 제3 배치 방법 중 어느 하나의 방법 중 어느 하나를 실시하는 것이며, 교차 영역 프레임에는 상기 제1 특허 분류 집합을 구성하는 특허 분류와 상기 제2 분류 집합을 구성하는 제2 분류가 나타나는 것이며, 상기 교차 영역 프레임은 상기 제1 특허 분류 집합을 구성하는 특허 분류가 나타나는 제1 프레임축, 상기 제2 분류 집합을 구성하는 제2 분류가 나타나는 제2 프레임축으로 구성되며, 상기 제1 배치 방법, 상기 제2 배치 방법 및 상기 제3 배치 방법은 상기 사용자의 선택이나 상기 시스템의 설정에 따라 선택될 수 있는 것인 것이 바람직하다.

본 발명을 실시하면 다음과 같은 효과가 있다.

첫째 니치 기술 영역을 극히 용이하게 탐색할 수 있어 니치 기술 영역의 발견 및 선점의 기회를 향유할 수 있게 된다. 특히, 특정한 문건 집합을 대상으로 다양하게 프레임 축을 변경해 가면서 그 문건 집합을 다각도로 분석해 볼 수 있으며, 다양한 프레임 하에서의 니치 영역을 용이하게 탐색해 갈 수 있다.

둘째, 다양한 니치 관점별로 니치 평가 요소가 대응되므로, 니치 기술 영역에 대한 체계적인 분석이 가능하다.

셋째, 니치 옵션 처리부를 통하여 니치 옵션을 활용하여 다양한 한정을 할 수 있고, 니치 영역을 정밀하게 탐색해 갈 수 있게 된다.

넷째, 니치 기술 영역이 시각적으로 분명하게 드러나게 되며, 탐색의 효율성이 극대화된다. 한편, 니치 기술 영역에 대한 평가값에 칼라 등의 범례를 적용함으로써 시각적인 명쾌함을 누릴 수 있어, 탐색의 우선 순위를 용이하게 정할 수 있다.

도 1은 본 발명의 특허 정보 시스템의 네트워크적 구성에 관한 일실시예적 도면이다.
도 2는 본 발명의 특허 정보 시스템의 구성에 관한 일실시예적 도면이다.
도 3은 본 발명의 데이터 가공부에 관한 일실시예적 도면이다.
도 4는 본 발명의 데이터 가공부에 관한 일실시예적 도면이다.
도 5는 본 발명의 특허 정보 서비스 지원부에 관한 일실시예적 도면이다.
도 6은 본 발명의 특허 분석 정보 생성부에 관한 일실시예적 도면이다.
도 7은 본 발명의 특허 분석 정보 생성부에 관한 일실시예적 도면이다.
도 8은 본 발명의 니치 기술 영역 발견 시스템의 구성에 관한 일 실시예적 도면이다.
도 9는 본 발명의 니치 평가 모델을 생성하는 방법에 대한 일 실시예적 도면이다.
도 10은 본 발명의 니치 평가 모델로 니치 평가값을 생성하는 방법에 대한 일 실시예적 도면이다.
도 11은 본 발명의 니치 평가 모델을 활용하여 니치 기술 영역을 발견하는 시뮬레이션 방법에 대한 일 실시예적 도면이다.
도 12는 본 발명의 니치 기술 영역 발견 시스템이 교차 영역에 니치 평가 요소값으로 교차 영영값을 생성하는 방법에 관한 일 실시예적 도면이다.
도 13은 본 발명의 니치 기술 영역 발견 시스템이 니치 옵션을 사용하여 니치 분석 정보를 생성하는 방법에 관한 일 실시예적 도면이다.
도 14는 본 발명의 니치 기술 영역 발견 시스템이 특허 분류 집합이나 분류 집합을 변경하여 새로운 교차 영역 집합을 구성하고 교차 영영값을 생성하는 방법에 관한 일 실시예적 도면이다.
도 15는 본 발명의 니치 기술 영역 발견 시스템이 니치 옵션을 사용하여 타겟 문건 집합을 한정하여 새롭게 교차 영영값을 생성하는 방법에 관한 일 실시예적 도면이다.
도 16 본 발명의 니치 기술 영역 발견 시스템의 일 실시예적 구현예이다. 본 발명의 니치 기술 영역 탐색 UI가 나타나 있다.
도 17는 제1 특허 분류를 사용하는 제1 특허 분류 집합의 선택 방법에 대한 일 구현예를 보여 주는 도면이다. 도 17에서는 5D107AA 전체가 선택되고 있음을 보여 준다.
도 18은 다른 니치 평가 요소(다른 니치 관점)에 대하여 상기 니치 분석 정보 생성부가 니치 분석 정보를 생성하기 위하여, 니치 관점을 선택하고 있는 모습을 보여 주는 일 실시예적 도면이다.
도 19는 같이 상기 교차 영역 프레임 선택부를 이용하여, 제1 특허 분류 집합 및 제2 분류 집합 중 사용자가 원하는 특허 분류나 분류를 루트(root)로부터 선택해 가능 과정을 보여 주는 개념도이다.
도 20은 가로 프레임이나 세로 프레임 중 어느 하나 이상이 변경되고, 변경된 프레임을 기준으로 니치 관점에 따른 니치 분석 정보가 생성되는 예를 보여 주는 도면이다.
도 21은 특정 국가의 특허에 대하여, 기술 영역 A에 대한 특허 출원수의 시기적 변화를 나타내는 그래프의 일례이다.
도 22는 기술 영역 A, B, C에 대한 특허 출원수의 시기적 변화를 나타내는 그래프의 일례이다.
도 23은 Gradient Boost algorithm 알고리즘에 대한 요약을 설명하는 도면이다.
도 24는 과적합의 경우를 설명하기 위한 보조 도면이다.
도 25는 Friedman(2002)이 새로이 stochastic gradient boosting algorithm을 제안한 알고리즘에 대한 요약을 설명하는 도면이다.
도 26는 니치 평가 모델 생성 과정에 관한 일 실시예적 개념을 설명하는 도면이다.
도 27은 종래 기술의 Aureka 분석 결과 화면에 관한 일실시예적 도면이다. 본 화면에서는 좌표축의 제목, 범례, 구역, 셀(cell)의 기술적 명칭이 없음을 알 수 있다.
도 28은 본 발명의 틈새 영역 발견 분석 결과에 관한 다른 일실시예적 도면이다. 본 화면에서는 각 축, 구역/셀(cell)에 대하여 thermograph 효과가 적용되어 있음을 볼 수 있다.
도 29는 H01B 1/00의 하부에 있는 H01B 1/06의 형제 노드와 H01B 1/06의 하위 특허 분류 노드를 보여 주는 특허 분류 체계의 일 부분에 대한 도면이다.
도 30은 WIPO가 제공하는 IPC에 대한 캐치워드로 이들에 대한 정보에 관한 일실시예적 도면이다.
도 31는 USPTO가 제공하는 USPC에 대한 인덱스에 대한 일실시예적 도면이다.

이하, 도면을 참조하면서 더욱 상세하게 설명한다.

본 발명의 특허 정보 시스템(10000)은 도 1에서 예시되어 있는 바와 같이, 유무선 네트워크(200)를 통하여 사용자 컴퓨터(100)에게 정보 서비스를 제공한다. 상기 특허 정보 시스템(10000)은 적어도 하나 이상의 연계 시스템(300)과 유무선 네트워크(200)로 연결되어 있을 수 있는데, 상기 연계 시스템(300)의 예는 특허 raw data를 제공하는 각국 특허청 또는 raw data 공급자의 시스템, 기업 정보 제공자의 시스템 등이 그 예가 될 수 있으며, 본 발명의 특허 정보 시스템(10000)의 서비스를 연계하여 제공하는 적어도 하나 이상의 시스템이 그 예가 될 수 있으며, 본 설명에 한정하지 않는다.

상기 특허 정보 시스템(10000)은 도 2에서 예시되어 있는 바와 같이, 크게 데이터부(1000) 및 데이터 가공부(2000), 검색 처리부(3100), 분석 정보 생성부(4000), 등을 포함하고 있다. 상기 데이터부(100)는 특허 데이터부(1100), 비특허 데이터부(1200)로 구성되며, 상기 특허 데이터부(1100)는 특허 명세서 파일부(1110)와 특허 DB(1120), 특허 분류 DB(1130) 및 기타 분류 DB부(1140)를 포함하고 있다.

특허 DB(1120)는 모든 특허에 대한 서지 사항과 명세서 본문, 도면 등을 필드별로 관리하며, 상기 명세서 본문을 구성하는 각종 필드(제목, 요약, 선행 기술, 특허 청구 범위, 발명의 상세한 설명 등)에서 추출한 핵심 키워드를 포함하고 있다. 한편, 상기 특허들은 상기 특허들에 대한 선행 기술 문건으로 인용 정보를 더 포함하고 있을 수 있다. 미국 특허 data를 예로 들면, 상기 인용 정보는 Reference에 포함된 정보들로, 미국 특허 문건 번호, 외국 특허 문건 번호, 비특허 문건에 대한 표시자 등이 포함되어 있다. 한편, 특허청 심사관이나 관련자에 의한 선행 기술 조사 정보, 심사관 의견 제출 시 참증 정보 등도 광의의 인용 정보가 된다. 특정 문건에 전방 인용 정보가 있는 경우, 상기 전방 인용 정보에 포함된 문건의 입장에서 보면 상기 특정 문건은 후방 인용 문건이 된다. 특정 문건을 기준으로 전방 인용 정보에 포함된 문건은 부모(parent) 문건이 되며, 상기 부모 문건을 기준으로 보면 상기 특정 문건은 자식(child) 문건이 된다. 이러한 child-parent 관계에 있는 정보를 DB로 처리하는 것은 당업자에게는 자명한 것으로 상세한 설명은 생략한다.

특허 문건의 서지 사항에는 발행 국가 정보, 각종 일자 정보, 각종 번호 정보, 적어도 하나 이상의 권리자 정보, 적어도 하나 이상의 발명자 정보, 적어도 하나 이상의 특허 분류 정보, 적어도 하나 이상의 우선권 정보 등이 포함되어 있다. 일자에는 출원일, 공개일, 등록일 및 기타 일자들이 있다. 각종 번호 정보에는 출원번호, 공개번호, 등록번호, 원출원 번호, 우선권 주장 번호 등이 있다. 권리자 정보는 출원인, 양수인, 특허권자 등이 있으며, 권리자의 변동이 있고, 변동이 관리되는 경우, 양도인과 양수인에 대한 정보 및 최종 권리자 정보가 있을 수 있다. 우선권 정보에는 우선권 주장 번호, 주장일자, 국가 등의 정보가 포함되어 있다. 한편, 분할출원이나 일부 계속 출원, 계속 출원 등이 있는 경우, 원출원 번호, 원출원일자 등의 정보가 부가되어 있다. 또한, 대표도, 제목, 요약, 색인어 등도 서지 사항에 포함되기도 한다. 한편, 가공된 서지 사항으로는 국내 패밀리 정보(분할출원, 변경출원이나 일부계속출원, 계속출원 관계에 있는 특허 출원)이나, 해외 패밀리 정보(조약 우선권 관계로 연관될 수 있는 출원, 국제출원 등)이 있을 수 있다. 한편, 자연어 처리 등을 통해서 특허 명세서 본문의 텍스트를 본문을 구성하는 각 필드별 또는 필드 통합별로 기 설정된 키워드 추출 방식으로 추출한 핵심 키워드 정보가 더 있을 수 있다. 특허 분류 정보는 공통적인 IPC 이외에도 USPC, FT, FI, ECLA 등과 같이 각 국가별로 자국만의 특별한 특허 분류가 있을 수 있다.

도 29는 H01B 1/00의 하부에 있는 H01B 1/06의 형제 노드와 H01B 1/06의 하위 특허 분류 노드를 보여 주는 특허 분류 체계의 일 부분에 대한 도면이다. 이와 같이 특허 분류는 계층 구조를 가진다. 본 발명의 특허 분류는 특허 분류는 IPC, USPC, FT, FI, ECLA를 포함한다.

인덱스(index)란, 캐치워드(catchword)라고 불리기도 하는 것으로, 단어, 구 또는 절에 적어도 하나 이상의 특허 분류를 대응해 놓은 체계를 말한다. 상기 인덱스 중 대표적인 것으로 IPC를 처리해 놓은 catchword가 있으며, 미국 특허청이 발행하는 index to USPC가 있다. 상기 인덱스도 특허 분류처럼 계층 구조를 가지는 경우가 많다. 상기 인덱스에는 제품명/부품명/요소기술 등에 해당하는 키워드가 내재되어 있는 경우가 많다. 상기 인덱스는 특허 분류를 용이하게 찾아 보기 쉽게 해 놓은 것으로 도 13 및 도 14에 그 예시가 있다. 도 13는 WIPO가 제공하는 IPC에 대한 캐치워드로 이들에 대한 정보는 2010년 3월 현재 http://www.wipo.int/ipc/itos4ipc/ITSupport_and_download_area/20100101/MasterFiles/에 있는 ipcr _ catchwordindex _20100101. zip 파일로 입수 가능하다. 도 13에서 ABACUSES에 대하여 G06C 1/00이 대응되어 있음을 볼 수 있다. 이때, ABACUSES를 대하여 G06C 1/00에 대응되는 인덱스라 명명한다. 이에 따라, G06C 1/00은 Abacuses로 역맵핑 할 수 있다. 한편, 도 13의 내용 중 인덱스 ABARADING에서 알 수 있듯이, 상기 캐치워드 체계는 적어도 1단계 이상의 계층 구조를 가지고 있음을 알 수 있다. ABARADING은 2단계 계층임을 보여 준다.

도 14는 USPTO가 USPC에 대한 인덱스로 이들에 대한 정보는 2010년 3월 현재 http://www.uspto.gov/web/patents/classification/uspcindex/indextouspc.htm에서 확인할 수 있다. 도 14의 내용 중에서 인덱스 Abrading은 3단계의 계층으로 분류되어 있음을 알 수 있다. 인덱스 Abrading은 USPC 451/38에 대응되고 있음을 알 수 있으며, Abrading의 하위 인덱스에 Class 451 이외의 다른 Class의 특허 분류도 존재함을 알 수 있다.

상기 데이터 가공부(2000)는 도 3에서 예시되어 있는 바와 같이, 핵심 키워드 생성부와 분류 메타 데이터 생성부 및 목적 특화 데이터 생성부를 포함하고 있다. 니치 발견 서비스를 위해서는 분류 메타 데이터 생성부가 필요하며, 발견된 니치 기술 영역을 분석하기 위해서는 핵심 키워드 생성부 및 목적 특화 데이터 생성부가 필요하게 된다.

이하, 도면을 참조하면서 더욱 더 상세하게 설명한다. 도 8은 본 발명의 니치 기술 영역 발견 시스템(5000)의 구성에 관한 일 실시예적 도면이다. 상기 니치 기술 영역 발견 시스템(5000)은 니치 기술 영역 발견을 지원하는 니치 기술 영역 발견 엔진, 니치 평가 모델을 생성하는 니치 평가 모델 생성부(5200) 및 니치 발견 정보를 생성하는 니치 발견 정보 생성부(5300)를 포함하고 있다. 상기 니치 기술 영역 발견 엔진은 니치 기술 영역의 발견을 용이하게 돕는 프레임 정보를 처리하는 n차원 프레임 처리부(5110), 니치 영역에 대한 분석 정보를 생성하는 니치 분석 정보 생성부(5120), 니치 관련된 각종 옵션을 처리하는 니치 옵션 처리부(5130)를 포함하고 있다.

상기 n차원 프레임 처리부(5110)는 n차원의 프레임에 대하여, 선택된 복수 개의 프레임으로 교차 영역이 생성될 때, 프레임의 선택을 지원하는 교차 영역 프레임 선택부(5111), 상기 교차 영역 프레임 선택부(5111)를 통하여 프레임이 결정되는 경우, 상기 결정되는 프레임으로 교차 영역 집합을 생성하는 교차 영역 집합 생성부(5112), 입수된 타겟 문건 집합에 대하여, 생성되는 교차 영역 집합을 구성하는 교차 영역에 니치 분석 정보를 표시하는 니치 분석 정보 표시부(5113), 사용자에게 선택된 프레임 정보를 관리하는 선택 프레임 관리부(5114)를 포함하고 있다.

상기 니치 분석 정보 생성부(5120)는 교차 영역별로 선택된 니치 관점별 분석 정보를 생성하는 니치 관점 분석 정보 생성부, 교차 영역별로 선택된 니치 모델별로 분석 정보를 생성하는 니치 모델 분석 정보 생성부(5122)를 포함하고 있다. 한편, 상기 니치 분석 정보 생성부(5120)는 상기 사용자의 니치 관점의 선택을 돕기 위해, 니치 분석 종류를 제시할 수 있으며, 이는 본 발명의 니치 분석 종류 제시부(5123)가 담당한다. 그리고, 상기 니치 모델 종류의 선택을 돕는 것은 본 발명의 니치 모델 종류 제시부(5124)가 담당한다.

상기 니치 옵션 처리부(5130)는 한정 처리를 수행하는 한정 계열의 기능부와 범례 처리부(5135)를 포함한다. 상기 한정 계열의 기능부는 기간을 한정하는 기간 한정부가 있으며, 출원인, 발명자, 대리인 등의 한정을 관리하는 주체 한정부(5132), 기술 분야의 한정을 관리하는 기술 분야 한정부(5133), 개별 특허의 한정을 관리하는 개별 특허 한정부(5134)가 있다. 상기 기간에는 기간의 종류(출원일, 공개일, 등록일, 최선일 등)별로 기간이 관리 될 수 있을 것이다. 출원인의 한정은 출원인명 또는 출원인의 종류별(기업, 대학, 공공기관, 개인) 또는 출원인의 국적별(주소 정보나 우선권 주장 시의 국가 정보로 처리할 수 있다.) 또는 기 설정된 출원인 속성(특허 괴물 등과 같은 다분쟁 발생 출원인, 대기업, 고피인용 출원인 등)별로 한정될 수 있을 것이다. 발명자의 한정은 발명자별, 발명자 국적별, 또는 발명자의 소속 기관의 종류나 속성별로 한정될 수 있을 것이다. 한편, 기술 분야의 한정은 특허 분류나 준 특허분류(Catchword, Index 등)를 사용하는 한정, 키워드를 사용하는 한정 등이 있을 수 있다. 개별 특허에 대한 한정은 서지 사항의 양(청구항 수 등), 서지 사항을 처리한 양(피인용수 등)의 정도나, 기 설정된 속성(특허 자동 평가 등급이나 평가 점수, 분쟁 발생 특허, 표준 특허풀 포함 특허 등)의 양이나 여부 등으로 한정될 수 있을 것이다.

니치 평가 모델 생성부(5200)는 니치 평가 모델을 생성하기 위하여 복수개의 샘플 문건 집합을 기 설정된 분할 기준으로 분할하는 문건 집합 분할 모듈(5210), 니치 기준 요소값을 생성하는 니치 기준 요소값 생성 모듈(5220), 니치 평가 요소별로 주어진 문건 집합에 대하여 니치 평가 요소값을 생성하는 니치 평가 요소값 생성 모듈(5230), 니치 평가 알고리즘을 생성하는 니치 평가 알고리즘 생성 모듈(5240), 생성된 니치 평가 알고리즘을 검증하는 니치 평가 알고리즘 검증 모듈(5250), 주어진 문건 집합에 대하여 니치 평가값을 생성하는 니치 평가값 생성 모듈(5260)을 포함하고 있다. 니치 평가 모델과 관련된 각종 data는 니치 평가 모델 DB(5280)에 저장된다. 한편, 특정 문건 집합(교차 영역별 문건 집합을 포함한다.)에 대하여 생성되는 상기 니치 평가 요소값은 니치 평가 요소값 DB(5270)에 저장될 수 있다.

상기 니치 발견 정보 생성부(5300)는 니치 분석용 특허 문건 집합을 입수하는 니치 분석용 문건 집합 입수부(5310)를 포함하고 있다. 상기 니치 분석용 문건 집합 입수부(5310)는 사용자 컴퓨터(100)로부터 문건 집합을 입수 받을 수도 있으며, 상기 특허 정보 시스템(10000)으로부터 문건 집합을 입수 받을 수 있다. 입수 받는 문건 집합은 사용자 컴퓨터(100) 또는 특허 정보 시스템(10000)이 검색 엔진부나 DB 쿼리 처리부 등을 이용하여 검색하거나 호출(select)하는 문건 집합일 수도 있으며, 상기 사용자나 시스템이 저장해 놓은 문건 집합 중에서 지정되는 어느 하나 이상이 될 수도 있다. 한편, 상기 니치 발견 정보 생성부(5300)는 니치 발견을 위한 기 설정된 적어도 하나 이상의 시뮬레이션을 수행하는 니치 발견 시뮬레이션 모듈(5320)을 더 포함하고 있을 수 있다. 발견되거나 분석된 니치 기술 영역에 관한 정보는 니치 발견 리포팅 정보 생성부(5330)를 통해서 웹이나, pdf 등의 파일로 리포팅 정보가 생성된다. 한편, 상기 사용자는 본 발명의 니치 기술 발견 UI부(5340)를 통하여 상기 특허 정보 시스템(10000)과 커뮤니케이션 할 수 있다.

도 16은 본 발명의 니치 기술 영역 발견 시스템(5000)의 일 실시예적 구현예이다. 상기 도 16에는 본 발명의 니치 기술 발견 UI부(5340)를 구성하는 UI부가 도시되어 있다. 상기 UI부에는 가로축과 세로축의 선택을 지원하는 프레임 선택 UI부(UI110), 니치 관점의 선택을 지원하는 니치 관점 선택 UI부(UI120), 니치 모델의 선택을 지원하는 니치 모델 선택 UI(미도시), 니치 옵션 UI부(UI130) 및 니치 분석 결과를 제공하는 니치 분석 결과 UI(UI140) 및 범례 보기 UI(UI150)가 예시되어 있음을 알 수 있다. 상기 프레임 선택 UI부는 세로 선택부와 가로 선택부를 포함하고 있음을 알 수 있다. 상기 니치 관점 선택 UI부에는 니치 관점을 대분류, 중분류 및 소분류로 구분하여 제공하면서 니치 관점을 선택할 수 있다. 상기 소분류의 니치 관점은 니치 평가 요소에 대응된다. 한편, 적어도 하나 이상의 소분류 니치 관점이 모여 1개의 중분류 니치 관점이 될 수 있는데, 이러한 것을 니치 관점(니치 평가 요소)의 그룹핑이라 하고, 하나의 니치 평가 요소 그룹은 적어도 하나 이상의 니치 평가 요소를 포함한다. 상기 니치 옵션 UI부에는 날짜 기준과 날짜 범위나 연도를 선택할 수 있음을 볼 수 있다.

상기 니치 분석 결과 UI부는 n*m(n, m은 자연수)개의 교차 영역을 가지고 있음을 보여 준다. 도 16에서는 세로축(세로 프레임)(UI160)에는 FT 5D107AA이하에 있는 FT들이 나열되어 있으며, 가로축(가로 프레임)(UI170)에는 FT 5D107BB이하에 있는 FT들이 나열되어 있음을 알 수 있다. 이러한 FT들은 각각 세로축과 가로축의 최외곽을 형성하고 있음을 알 수 있다. 한편, 복수 개의 가로축과 복수 개의 세로축이 교차하는 교차 영역에는 니치 분석 정보가 나타나 있음을 볼 수 있다. 도 16에서는 상기 니치 분석 정보로, 각 교차 영역에는 니치 관점이자 니치 평가 요소인 총량 중에서도 권리량 중에서도 출원량에 대한 정보가 표시되어 있음을 알 수 있다. 상기 출원량에 대하여 기 설정된 범례 기준에 따라 색깔 등과 같은 범례 표시가 적용되어 있음도 볼 수 있다. FT 체계에서 테마+영문자2자리(예를 들면5D107AA)를 표기할 때, 5D107AA00과 같이 테마+명문자 2자리+00으로 표기하기도 한다.01부터는 이 코드의 하위가 된다.

상기 니치 분석 결과는 입수되거나 선택된 타겟 문건 집합을 대상으로 하여 처리된다. 상기 니치 기술 영역 발견 시스템(5000)의 정보 처리 방법은 도 플1에 잘 나타나 있다. 상기 니치 기술 영역 발견 시스템(5000)의 교차 영역 프레임 선택부(5111)는 상기 사용자 컴퓨터(100)로부터 제1 특허 분류를 사용하는 제1 특허 분류 집합 및 적어도 하나 이상의 제2 분류를 사용하는 제2 분류 집합에 대한 선택 정보를 입수(Sa11)한다. 도 17는 제1 특허 분류를 사용하는 제1 특허 분류 집합의 선택 방법에 대한 일 구현예를 보여 주고 있다. 상기 사용자는 세로축에 5D107AA01부터 5D107AA20까지의 모든 특허 분류를 선택하고자 하는 경우라면, 상기 사용자는 5D107AA01부터 5D107AA20이 속하는 5D107AA를 선택하면, 상기 교차 영역 프레임 선택부(5111)는 5D107AA의 하위에 있는 5D107AA01부터 5D107AA20까지의 특허 분류 목록을 제공한다. 이때, 상기 사용자가 상위 특허 분류인 5D107AA을 선택하면, 상기 교차 영역 프레임 선택부(5111)는 5D107AA 하에 있는 모든 특허 분류인 5D107AA01부터 5D107AA20까지의 특허 분류가 세로축으로 선택되는 방식으로 정보 처리할 수 있다.

한편, 상기 사용자는 나열된 5D107AA01부터 5D107AA20 중에서 자신이 원하는 적어도 하나 이상의 특허 분류를 선택할 수 있고, 상기 교차 영역 프레임 선택부(5111)는 선택된 특허 분류만으로, 세로축 프레임을 구성할 수 있을 것이다. 동일한 방식으로 가로축을 선택할 수 있을 것이다. 한편, 제3의 축이 새로운 차원으로 필요한 경우, 상기 제3의 축에 해당되는 제3의 프레임도 동등한 방식으로 구성할 수 있을 것이다. 한편, 본 문단에서는 특허 분류를 예시로 들었지만, Catchword나 IndextoUSPC 등과 같은 계층(tree) 구조를 가지는 임의의 정보 구조에서도 본 문단의 발명 사상은 적용될 수 있을 것이다. 즉, 상기 사용자는 적어도 하나 이상의 하위 특허 분류를 가지는 적어도 하나 이상의 상위 특허 분류를 선택함으로써, 상기 선택된 상위 특허 분류에 대한 상기 하위 특허 분류를 상기 제1 특허 분류 집합 또는 제2 분류 집합으로 처리할 수 있을 것이다. 5D107AA01부터 5D107AA20의 특허 분류들이나, 이들 중에서 선택된 적어도 하나 이상의 특허 분류들은 제1 특허 분류 집합을 구성한다. 물론, 제1 특허 분류들이 특허 분류 체계나 기타 분류 체계 상 모두 동일한 형제 관계(sibling)이거나, 공통되는 부모(parent)를 가질 필요는 없을 것이다. 즉, 세로축을 구성하는 특허 분류 중에서 어느 하나 이상은 5D107AA 이하에서 선택되고, 다른 어느 하나 이상은 5H001이하에서 선택될 수 있을 것이다. 상기 특허 분류의 선택은 일본 특허 분류의 FT을 예시로 설명하였지만, 이는 계층 구조를 가지는 다른 특허 분류인 IPC나 USPC, ELCA나 FI에 대해서도 동등하게 적용될 수 있음은 당업자에게 자명할 것이다.

한편, 도 17에서 알 수 있듯이, 5D107AA01 이하에는 5D107AA02, 5D107AA02, 5D107AA03과 같은 하위 특허 분류가 더 포함되어 있을 수 있다. 이때, 상기 세로축에 나타날 때, 5D107AA01만 나타나게 할지, 5D107AA01의 하위 특허 분류도 모두 나타나게 할 지는 사용자의 선택에 따라 달라 질 수 있다. 하지만, 정보 처리는 본 발명의 하위 특허 분류 기초 관련 정보 자동 포함 사상에 따라 5D107AA01 이하의 모든 특허 정보는 5D107AA01에 계상되게 된다. 즉, 특정한 특허 문건에 5D107AA02의 표기 있는 경우, 이 표기의 기술 내용은 5D107AA01에도 당연히 포함되므로, 5D107AA01에 대한 특허 정보 분석은 5D107AA01뿐만 아니라 5D107AA02, 5D107AA03, 및 5D107AA04도 함께 포괄하여 수행되어야 한다. 물론, 5D107AA02는 하위 특허 분류가 없으므로, 5D107AA02에 대한 특허 분석 정보에는 5D107AA02만으로 처리함은 당연할 것이다.

한편, 특허 분류의 표기만으로는 5D107AA01 이하에 5D107AA02, 5D107AA03, 5D107AA04가 있고, 5D107AA05는 5D107AA01와 동등한 레벨에 있다는 것 알 수 없어, 상기 특허 분석 정보의 처리에서 like나 %와 같은 확장자를 활용하는 정보 처리는 특허 분류 타이틀 정보에 도트(dot)가 포함되어 있는 경우에는 불가능하다. 따라서, 본 발명의 데이터 가공부(2000)는 특허 분류 체계를 참조하여 하기 표 1과 같은 구조의 데이터 체계를 생성해 놓는다.

C1	C2	C3	C4	C5	C6	...	Cn	Self 특허 분류
5D		5D107						5D107
5D		5D107	5D107AA					5D107AA
5D		5D107	5D107AA	5D107AA01				5D107AA01
5D		5D107	5D107AA	5D107AA01	5D107AA02			5D107AA02
5D		5D107	5D107AA	5D107AA01	5D107AA03			5D107AA03
5D		5D107	5D107AA	5D107AA01	5D107AA04			5D107AA04
5D		5D107	5D107AA	5D107AA05				5D107AA05
...	...	...	...	...	...	...		...

표 1에서 알 수 있듯이, 자기 자신의 특허 분류가 있을 때, 특허 분류 체계를 참조하여 자신의 상위 특허 분류를 각 계층마다 생성해 놓을 수 있다. 이때, 생성해 놓는 상위 특허 분류는 최상위 특허분류까지 생성해 놓을 수도 있지만, 기 설정된 부분(예를 들면, 확장자 활용 검색이 가능한 수준까지만 생성해 놓을 수도 있다. 위 표 1의 경우에는 C5 계층이 된다.)까지만, 생성해 놓을 수도 있을 것이다. 한편, C3(FT의 경우 테마)와 C1 사이에 임의의 분류 단계를 1개 더 둘 수도 있을 것이며, 이 경우, C1은 반드시 5D가 될 필요는 없을 것이며, 다른 표기가 될 수도 있을 것이다. 즉, n개의 다른 테마가 계층적으로 묶어 하나의 기술군 표기가 될 수 있고, 5D로 시작하는 테마코드를 가지는 기술이 포함되어 있다고 하여 그 기술군 표기가 반드시 5D일 필요는 없을 것이다. 예를 들면, 5D107과 5H001 등이 묶여 Electric Motor Control이라는 기술군명을 가지는 기술군을 형성할 수도 있을 것이다.

상기 표 1과 같은 계층 구조는 IPC나 USPC 등과 같은 다른 특허 분류에 대해서도 동일하게 생성할 수 있을 것이다. 예를 들어 H01F 1/032가 있는 경우, 하기와 같은 IPC 분류 체계 정보를 활용하여 하기 표 2와 같은 정보를 생성할 수 있을 것이다.

(1) 섹션 : H 전기

(2) 클래스 : H01 기본적 전기소자

(3) 서브클래스 : H01F 자석

(4) 메인그룹 : H01F 1/00 자성재료를 특징으로 하는 자석 또는 자성체

(5) 1-도트 서브그룹 : H01F 1/01 ● 무기재료로 된 것

(6) 2-도트 서브그룹 : H01F 1/03 ● ● 보자력에 의해 특징 되는 것

(7) 3-도트 서브그룹 : H01F 1/032 ● ● ● 경질 자성재료의 것

C1	C2	C3	C4	C5	C6	C7	...	Cn	Self 특허 분류
H	H01	H01F	H01F 1/00	H01F 1/01	H01F 1/03	H01F 1/032			H01F 1/032

이에 따라, 표 3을 참조하면서, 특허 정보 분석에서 하위 특허 분류 기호 정보 자동 포함 사상에 대해서 더욱 더 상세하게 설명한다.

Self 특허 분류	Self 특허 분류의 문건수	합산 처리되는 특허 분류의 문건수	...	Self 분류가 받은 피인용수	Self 분류가 받은 피인용수
5D107AA01	1	10	...	5	14
5D107AA02	2	2	...	4	4
5D107AA03	3	3	...	3	3
5D107AA04	4	4	...	2	2
5D107AA05	5	5	...	1	1

표 3에서 알 수 있듯이, 5D107AA02, 5D107AA03, 5D107AA04의 값이 자신들의 상위인 5D107AA01에 합산됨을 알 수 있다. 본 발명의 특허 정보의 분석에서는 특정 특허 분류를 기준으로 분석 정보를 생성할 때, 그 특정 특허 분류의 하위 특허 분류가 표기되어 있는 특허 문건의 정보도 포함시켜 특허 정보를 생성한다.

이어, 상기 니치 기술 영역 발견 엔진은 상기 제1 특허 분류 집합 및 상기 제2 분류 집합을 사용하여 적어도 2개 이상의 교차 영역을 가지는 교차 영역 집합을 구성(Sa12)한다. 상기 예는 5D107AA의 하위에 있는 특허 분류와 과 5D107BB의 하위에 있는 특허 분류로 교차 영역 집합이 구성됨을 보여 주고 있다. 상기 교차 영역은 도 16에서와 같이 특허 분류의 타이틀 정보가 프레임에 표기되는 것이 바람직하나, 출력 특성(5D107AA01)와 같이 특허 분류 타이틀과 전체 특허 분류 코드가 다 보이게 하거나, 출력특성(AA01)과 같이 타이틀 정보와 간략한 형태의 특허 분류 코드가 보이는 방식으로 처리할 수도 있을 것이다.

제1 특허 분류를 PCi라 하고, 제2 분류를 Cj하고 할 때, 교차 영역은 (PCi, Cj)로 특정되며, 교차 영역 집합은 (PCi, Cj)의 집합이 된다. 이때, 상기 (PCi, Cj)가 표시되는(나타나거나 배치되는) 방식은 크게 3가지가 있다. 첫째 배치 방법은 상기 제1 특허 분류 집합이 특허 분류 체계 상에서 나열되는 순서 및 상기 제2 분류 집합이 상기 제2 분류 체계 상에서 나열되는 순서를 기준으로 배치되는 것이다. 이 경우, 교차 영역에 값이 없는 공백 셀이 존재할 수 있게 되며, 열 모두가 공백이거나, 행 모두가 공백인 공백열과 공백행이 존재하게 된다. 특히, 입수되는 타겟 문건 집합이 작은 경우에는 프레임을 적절하게 선택하더라도 다수의 공백 셀과 공백 열, 공백 행이 나타나게 된다. 둘째 배치 방법은 제1 특허 집합의 특허 분류에 대응되는 교차 영역 집합이 없는 없거나 제2 분류 집합의 제2 분류에 대응되는 교차 영역 집합이 없는 경우, 교차 영역 집합이 없는 특허 분류나 제2 분류를 제외하고 교차 영역 집합이 존재하는 특허 분류나 제2 분류에 대하여, 상기 제1 특허 분류 집합이 특허 분류 체계 상에서 나열되는 순서 및 상기 제2 분류 집합이 상기 제2 분류 체계 상에서 나열되는 순서를 기준으로 배치되는 것이다. 이 경우, 적어도 공백 열이나 공백 행이 모두 존재할 가능성은 현저하게 떨어지게 된다. 셋째 배치 방법은 상기 제1 프레임축 방향의 모든 교차 영역에 대한 교차 영역값의 합계가 높을수록 상기 제2 프레임축에 가까이 배치하고, 상기 제2 프레임축 방향의 모든 교차 영역에 대한 교차 영역값의 합계가 높을수록 상기 제1 프레임축에 가까이 배치되는 것이다. 이 경우, 모서리 쪽으로 갈수록 니치 평가 요소값이나 니치 평가값 등이 높거나 낮은 교차 영역들이 모이게 된다. 상기 제1 배치 방법, 상기 제2 배치 방법 및 상기 제3 배치 방법은 상기 사용자의 선택이나 상기 시스템의 설정에 따라 선택될 수 있을 것이다.

이어, 상기 니치 분석 정보 생성부(5120)는 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성(Sa13)한다. 상기 니치 분석 정보 중의 하나는 니치 평가 요소값이며, 니치 평가 요소는 니치 관점이 될 수 있다. 상기 니치 기술 영역 발견 시스템(5000)의 니치 분석 정보 생성부(5120)는 입수된 타겟 문건 집합을 대상으로 하여, 상기 타겟 문건 집합 중 상기 (PCi, Cj)라는 교차 영역에 대응되는 부분 타겟 문건 집합을 대상으로 기 설정된 기 설정된 니치 평가 요소에 대응되는 니치 평가 요소값을 생성한다. 상기 니치 평가 정보의 생성은 상기 니치 분석 정보 생성부(5120)의 니치 관점 분석 정보 생성부가 수행한다. 상기 n차원 프레임 처리부(5110)의 상기 니치 분석 정보 표시부(5113)는 상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시(Sa14)한다. 즉, 상기 니치 분석 정보 표시부(5113)는 생성된 니치 분석 정보를 표시하는 기능을 수행한다. 상기 니 도 16은 출원수란 니치 관점에 대응되는 니치 평가 요소에 대하여 각 (PCi, Cj)별로 니치 평가 요소값이 생성되고, 생성된 니치 평가 요소값이 표시되고 있음을 보여 줄 수 있다. 한편, 상기 니치 기술 영역 발견 시스템(5000)의 니치 분석용 문건 집합 입수부(5310)는 검색이나 쿼리 조건 설정 또는 관리하는 문건 집합군에서의 선택 등을 활용하여, 적어도 하나 이상의 문건을 포함하는 타겟 문건 집합을 입수한다.

도 16에서는 (PCi, Cj)에 대하여, 가장 간단한 니치 관점이자 니치 평가 요소인 출원수에 대한 니치 분석 정보가 생성되었지만, 상기 니치 분석 정보는 출원수에 한하지 않고, 하기 표 4내지 표7과 같은 다양한 니치 평가 요소에 대해서도 생성될 수 있을 것이다. 하기, 표 4 내지 표7은 이러한 니치 평가 요소를 보여 주고 있다.

표 4는 양적 속성에 관련된 니치 평가 요소의 예를 보여 주고 있다.

표 5는 양적 속성에 관련된 니치 평가 요소의 예를 보여 주고 있다.

표 6은 증감 속성에 관련된 니치 평가 요소의 예를 보여 주고 있다.

표 7은 신규(도입/참여) 속성에 관련된 니치 평가 요소의 예를 보여 주고 있다.

상기 표 4 내지 표 7에 있어서, C3는 IPC, FI, ECLA의 경우 subclass, FT의 경우 테마, USPC의 경우 class가 되며, C4는 IPC, FI, ECLA의 경우 main gropup, FT의 경우 테마 직하위, USPC의 경우 도트가 없는 subclass가 된다.

도 18은 다른 니치 평가 요소(다른 니치 관점)에 대하여 상기 니치 분석 정보 생성부(5120)가 니치 분석 정보를 생성하기 위하여, 니치 관점을 선택하고 있는 모습을 보여 주는 도면이다. 상기 니치 관점이 선택되고 나면 새로운 분석 결과가 나타나게 된다. 상기 도 18과 같이 상기 니치 기술 영역 발견 시스템(5000)은 다수의 니치 평가 요소에 대하여 니치 평가 요소를 선택할 수 있도록 지원하고, 생성된 니치 평가 요소값을 생성해 상기 사용자에게 보여 줄 수 있다.

한편, 상기 니치 기술 영역 발견 시스템(5000)은 니치 옵션을 통하여 타겟 문건 집합을 한정할 수 있으며, 이는 도 13에 잘 나와 있다. 도 13에서 알 수 있듯이, 상기 니치 기술 영역 발견 시스템(5000)은 타겟 문건 집합 입수(Sa41)하고, 상기 사용자 컴퓨터(100)로부터 제1 특허 분류를 사용하는 제1 특허 분류 집합 및 적어도 하나 이상의 제2 분류를 사용하는 제2 분류 집합에 대한 선택 정보를 입수(Sa42)하며, 상기 제1 특허 분류 집합 및 상기 제2 분류 집합을 사용하여 적어도 2개 이상의 교차 영역을 가지는 교차 영역 집합을 구성(Sa43)하고, 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성(Sa44)하며, 상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시(Sa45)한다. 이어, 상기 사용자 컴퓨터(100)로부터 상기 니치 옵션 처리부(5130)를 통하여 기간 한정, 주체 한정, 기술 분야 한정, 개별 특허 한정 중 어느 하나 이상에 대한 니치 옵션 정보를 입수(Sa46)하고, 상기 니치 옵션을 반영하여 교차 영역 문건 집합을 한정(Sa47)하며, 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 한정된 교차 영역 문건 집합을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성(Sa48)하고, 상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시(Sa49)한다.

한편, 상기 니치 기술 영역 발견 시스템(5000)은 상기 교차 영역 프레임 선택부(5111)를 통하여 선택된 가로축은 고정한 채 세로축을 다른 특허 분류로 변경하거나, 세로축은 고정한 채, 세로축을 변경하는 기능을 지원한다. 이러한 정보 처리 방법은 도 14에 잘 나와 있다. 상기 니치 기술 영역 발견 시스템(5000)은 타겟 문건 집합 입수(Sa31)하고, 상기 사용자 컴퓨터(100)로부터 제1 특허 분류를 사용하는 제1 특허 분류 집합 및 적어도 하나 이상의 제2 분류를 사용하는 제2 분류 집합에 대한 선택 정보를 입수(Sa32)하며, 상기 제1 특허 분류 집합 및 상기 제2 분류 집합을 사용하여 적어도 2개 이상의 교차 영역을 가지는 교차 영역 집합을 구성(Sa33)하여, 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성(Sa34)하고, 상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시(Sa35)한다. Sa35의 한 형태는 도 16이 될 수 있다. 이때, 도 19에서와 같이 상기 교차 영역 프레임 선택부(5111)를 이용하여, 제1 특허 분류 집합 및 제2 특허 분류 집합 중 어느 하나 이상에 대한 변경 정보 입수(Sa36)할 수 있다. 제1 특허 분류 집합 등을 선택할 때는 다단계로 탐색해 가면서 선택될 수 있으며, 도 19는 이를 잘 보여 준다. 즉, 5D107BB를 선택하기 위해서는 최상위인 FT->Electric Motor Control->5D107->5D107BB를 선택하는 과정을 거처야 한다. 통상적으로 탐색 과정은 주변부를 탐색해 가는 것이 보통이므로, 탐색의 대상이 되는 차원축(프레임)을 변경하려 할 때, 위와 같이 루트(root)로부터 차례로 선택해 가는 것은 불편함을 초래할 수 있을 것이다. 이에, 상기 교차 영역 프레임 선택부(5111)은 선택된 특허 분류나 선택된 분류의 이력(history)을 관리해 주어, 사용자가 특허 분류나 분류를 변경하려 할 때, 직전에 선택된 특허 분류나 분류를 최우선적으로 보여 줄 수도 있다. 이 경우 도 19에서는 맨 위에 맨 우측에 용도가 선택되는 창을 최우선적으로 보여 줄 수도 있을 것이다. 이 경우, 최상위인 FT->Electric Motor Control->5D107->5D107BB로 선택해 가는 수고를 덜 수 있게 된다. 상기 교차 영역 프레임 선택부(5111)는 변경이 발생한 상기 제1 특허 분류 집합 또는 상기 제2 분류 집합을 사용하여 적어도 2개 이상의 교차 영역을 가지는 교차 영역 집합을 구성(Sa37)한다. 상기 니치 분석 정보 생성부(5120)는 상기 교차 영역 집합을 구성하는 적어도 하나 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성(Sa38)하고, 상기 니치 분석 정보 표시부(5113)는 상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시(Sa39)한다. 도 20은 가로 프레임이나 세로 프레임 중 어느 하나 이상이 변경되고, 변경된 프레임을 기준으로 니치 관점에 따른 니치 분석 정보가 생성되는 예를 보여 주고 있다. 도 20에서는 세로축에 5D107AA이하의 특허 분류와 가로축에 5D107CC 이하의 특허 분류로 프레임이 형성되고 있음을 보여 주고 있다. 프레임이 변경 됨에 따라, (PCi,Cj)가 (PCz,Cw)가 될 수 있으며, 상기 교차 영역 집합 생성부(5112)는 (PCz,Cw)에 대하여 교차 영역 집합을 생성한다. 이 경우 도 16과 도 20를 비교하는 경우, 모든 교차 영역이 바뀌었기 때문에 바뀐 교차 영역에 대하여 니치 관점인 출원수에 대한 니치 평가 요소값을 보여 주고 있음을 알 수 있다.

하기 표 8은 도 16 내지 도 20에 나타나는 특허 분류 타이틀과 특허 분류 코드를 대응시켜 놓은 참고용 자료이다.

상기 니치 분석 종류 제시부(5123)는 표 4 내지 표7과 같은 니치 관점을 대분류, 중분류 및 소분류 니치 관점별로 니치 분석 종류를 제시할 수 있다. 복수 개의 니치 관점을 포함하여 생성되는 니치 모델이 있는 경우, 상기 니치 모델 종류의 선택을 돕는 것은 본 발명의 니치 모델 종류 제시부(5124)가 담당한다.

이어, 도면을 참조하면서 본 발명의 니치 평가 모델 생성 방법에 대해서 설명한다.

니치 평가 모델이란 특정한 교차 영역 (PCi,Cj) 또는 특정한 조건으로 특정되는 특정 문건 집합이 니치성을 얼마나 가지는 지를 평가하는 니치 점수 내지는 니치 등급을 생성하는 모델을 말한다. 니치 평가 모델이 생성되기 위해서는 독립 변수 및 독립 변수값과 종속 변수 및 종속 변수값이라는 2가지 조건이 선행되어야 한다. 니치 평가 요소는 니치 평가 모델을 생성하기 위한 독립 변수가 될 수 있으며, 상기 특정 문건 집합에 대해서 니치 평가 요소로 니치 평가 요소값이라는 독립 변수값을 생성할 수 있음은 전술한 바와 같다. 니치 평가 모델 수립을 위해서 문제시 되는 것은 종속 변수의 설정이다. 종속 변수는 전체적으로 니치 속성을 반영하는 변수이어야 한다. 니치 평가 요소값이라는 입력 변수값이 있을 때, 이러한 입력 변수값에 반응하는 값으로 니치라는 속성을 전체적으로 잘 표상하는 것이 종속 변수가 된다.

도 21은 특정 국가의 특허에 대하여, 기술 영역 A에 대한 특허 출원수의 시기적 변화를 나타내는 그래프의 일례이며, 도 22는 기술 영역 A, B, C에 대한 특허 출원수의 시기적 변화를 나타내는 그래프이다. 니치 속성을 가지는 기술 영역이란 도 21 내지 도 22에서 알 수 있듯이, 특정 시점을 기준으로 특허 출원수 등이 가파르게 상승하고 있는 특징이 있으되, 가파른 상승 이후에는 니치가 아닐 것이다. 한편, 특정 기술 영역에 특허 출원수 등이 거의 없는 경우에는 비어 있는 틈새(niche) 기술일 수도 있지만, 쓸모가 적어나 없어 버려진(deserted) 기술일 수도 있다. 본 발명에서 니치성이 큰 기술 영역에 대한 기본적인 가정은 니치성이 큰 기술 영역은 시간의 경과에 따라, 과거의 특정 시점, 현재, 또는 적어도 미래의 특정 시점에 그 기술 영역에 대한 채움(filling)의 속성이 있다는 것이다. 즉, 니치 기술 영역은 시간의 경과에 따라, 그 영역에 대한 특허 출원수가 증가하거나, 출원인 수가 증가하거나, 피 인용수가 증가하거나, 발명자 수가 증가하거나 하는 등 기타 어떠한 형태로든 채움이 발생한다. 따라서, 채움의 대상 또는 채움의 결과로 나타나는 수치값 또는 이러한 수치값을 복합하여 생성하는 수치값이 종속 변수가 될 수 있다. 예를 들면, 5년 기준 출원수 증가량, 5년 기준 출원수 증가율, 5년 기준 출원인수 증가량, 5년 기준 출원인수 증가율 또는 (5년 기준 출원수 증가율)*(5년 기준 출원인수 증가율) 등이 종속 변수의 한 예가 될 수 있다. 더욱 구체적으로는 분할 시점 기준으로 과거 5년 기준의 출원수와 분할 시점 기준 이후의 5년 동안의 출원수가 비교되는 경우, 5년 기준 출원수 증가량 및 5년 기준 출원수 증가율을 구할 수 있게 된다. 이러한 종속 변수가 본 발명의 니치 기준 요소가 되며, 종속 변수값은 니치 기준 요소값이 된다.

한편, 사용자에게 니치 분석 정보는 특정 과거 시점이 아니라, 상기 니치 기술 영역 발견 시스템(5000)을 사용하는 현재 시점에서 특정 기술 영역이 니치 속성을 얼마나 가지는 지가 관심사일 것이다. 따라서, 니치 평가 모델도 특정 시점을 기준으로 니치성을 평가해 줄 수 있어야 한다. 따라서, 종속 변수나 독립 변수에 있어서, 변수값을 계산할 때, 시점의 선택이 중요하게 된다. 즉, 모델 수립의 특성 상 특정 과거 시점까지의 데이터로 그 특정 과거 시점 이후를 예측하는 속성 상, 모델 수립에서도 시점의 선택은 변수값에 큰 영향을 미치게 된다.

본 발명에서는 상당히 큰 N개의 기술 영역에 대하여, 샘플 문건 집합을 입수하고, 입수된 샘플 문건 집합을 분할한다. 분할하는 방법은 크게 2가지가 있다. 첫째는 N개의 샘플 문건 집합에 공통된 시점 분할 기준을 적용하는 공통 시점 분할 방식이다. 이는, 적어도 하나 이상의 특정 시점을 기준으로 N개의 샘플 문건 집합을 강제 분할하는 방식이다. 예를 들면, N개의 샘플 문건 집합을 공개일이나 최선일(우선권 주장 시 우선일)을 기준으로 2005년 이전과 2006년 이후로 2분할하거나, 5년 단위로 n분할 하는 방법이다. 둘째는 N개의 샘플 문건 집합에 공통된 속성 분할 기준을 적용하는 공통 속성 분할 방식이다. 이 방식은 N개의 샘플 문건 집합에 따라 그 속성 분할 기준을 충족하는 시점을 기준으로 분할하는 방법이다. 예를 들면, 3년 단위 출원 증가율이 최초로 25% 이상인 경우, 최초로 25%가 되는 연도나 그 연도에서 1년 또는 2년을 뺀 연도를 기준으로 2분할 하는 방식이다. 이 경우, 샘플 문건 집합마다 이 속성을 만족하는 시점이 다르므로, 분할되는 기준 연도도 다를 수 있으며, 경우에 따라서는 분할이 되지 않을 수도 있을 것이다. 이에 따라 상기 N개의 표본 문건 집합의 크기는 공통 속성 분할 기준의 적용 시 줄어들 수 있을 것이다(to smaller N). 한편, 출원 증가율을 50%로 하는 등과 같이 속성 기준값을 다르게 가져 가면 N개의 표본 문건 집합의 크기는 공통 속성 분할 기준의 적용 시 훨씬 더 줄어들 수 있을 것이다(much smaller N). 전자의 경우는 제1 유형의 니치 발견 모델에 사용될 수 있다면, 후자의 경우는 제2 유형(급진적 니치 영역)의 발견에 사용될 수 있을 것이다. 물론 이때, 상기 표본의 생성은 줄어든 N개의 표본 문건 집합이 사용될 것이다. 즉, 공통 속성의 종류나 공통 속성 기준값의 만족 정도로 다양한 니치 평가 모델이 생성될 수 있게 된다. 설명의 편의상 니치 평가 모델의 생성에 사용되는 표본 문건 집합의 개수는 N으로 표기한다.

상기 도 22에서 예시 되듯이, 공통 시점 분할 방식보다 공통 속성 분할 방식이 상대적으로 더 타당할 수 있다. 예를 들어, 도 22에서 보듯이, 05년을 기준으로 강제 분할하면, 기술 A에 대해서는 니치성이 충분히 반영될 수 있지만, 기술 C에 대해서는 니치성이 충분히 반영되지 못할 수도 있기 때문이다. 기술 A에 대해서는 05년, 기술 B에 대해서는 04년, 기술 C에 대해서는 01년을 기준으로 분할하는 것이 상대적으로 더 타당할 수 있으며, 샘플 데이터의 낭비를 최소화시킬 수 있을 것이다.

상기와 같이 N개의 표본 문건 집합에 대하여 분할이 있게 되면, 하나의 표본 문건 집합은 제1 부분 표본 문건 집합(분할 시점 이전에 대응되는 문건 집합)과 적어도 하나 이상의 제2 부분 표본 문건 집합(분할 시점 이후에 대응되는 문건 집합)을 구성하게 된다. 이때, 제1 부분 표본 문건 집합이 어떠한 속성을 가질 때, 상기 분할 시점 이후에 그 기술 영역에서 채움(filling)이 일어나는가를 찾아 내는 것이 니치 평가 모델 생성의 핵심을 이룬다. 이때, 니치 평가 모델의 생성에 제2 부분 표본 문건 집합도 사용될 수 있지만, 본 발명에서는 제1 부분 표본 문건 집합을 사용하여, 니치 평가 모델을 생성하는 것이 특징이다. 제1 부분 표본 문건 집합을 기준으로 할 때, 상기 제2 부분 표본 문건 집합은 채움(filling)이 일어난 결과가 된다. 즉, 상기 니치 평가 모델 생성의 핵심은 빠르게 채워진 제2 부분 표본 문건 집합에 기여하는데 기여한 니치 평가 요소를 찾아내는 것이며, 이러한 니치 평가 요소의 니치 평가 요소값은 제1 부분 표본 문건 집합을 기준으로 생성된다.

상기와 같이 각 표본 문건 집합마다 종속 변수값이 적어도 하나 이상의 니치 기준 요소값이 생성되고, 독립 변수값으로 각 표본 문건 집합의 제1 부분 표본 문건 집합을 대상으로 적어도 2 이상의 니치 평가 요소에 대한 니치 평가 요소값이 생성되면, 하기 표 9와 같은 니치 모델 생성을 위한 데이터 값이 결정 나게 된다.

하기 표 10은 상기 표 9의 구체적인 예이다. 표 10은 표본 문건 집합을 FT 단위로 생성했다. 변수명은 상기 표 4 내지 표 7에서 사용된 것들이다.

상기 표 10과 같은 데이터로 상기 니치 기술 영역 발견 시스템(5000)은 니치 평가 모델을 생성할 수 있다. 상기 표 10에서는 최말단 또는 타이틀이 1 dot인 FT별로 표본 문건 집합을 구성했지만, FT의 00 레벨을 기준으로 표본 문건 집합을 구성할 수도 있을 것이다. 한편, FT 이외에도, IPC나 USPC 등과 같은 다른 특허 분류의 기 설정된 레벨(최말단 특허 분류 또는 n dot subgroup(IPC의 경우), n dot subclass(USPC의 경우)별 특허 분류)로도 표본 문건 집합을 생성할 수 있을 것이다. 한편, 상기 표본 문건 집합은 특허 문건 집합이므로, 복수 개의 rising 키워드i에 대하여, 키워드 i를 핵심 키워드로 포함하는 특허 문건 집합을 상기 표본 문건 집합이 될 수도 있을 것이다.

이하, 도 9를 참조하면서 본 발명 사상을 더욱 더 상세하게 설명한다. 상기 니치 기술 영역 발견 시스템(5000)은 N 개의 표본 문건 집합에 대하여, 상기 N개 각각의 표본 문건 집합을 적어도 하나 이상의 분할 기준을 적용하여 2 이상의 부분으로 분할하여 제1 부분 표본 문건 집합과 적어도 하나 이상의 제2 부분 표본 문건 집합을 구성(SM11)하고, 제1 부분 표본 문건 집합과 상기 제2 부분 표본 문건 집합을 대상으로 니치 기준 요소에 대한 니치 기준 요소값 정보를 생성(SM12)하고, 제1 부분 표본 문건 집합을 대상으로 적어도 2 이상의 니치 평가 요소에 대하여 니치 평가 요소값 정보를 생성(SM13)하며,

상기 니치 기준 요소값을 종속 변수값으로 하고, 상기 니치 평가 요소값을 독립 변수값으로 하여 기 설정된 통계 알고리즘을 적용하여 니치 평가 모델을 생성(SM14)한다.

이어, 상기 표 10과 같은 종속 변수값과 독립 변수값이 샘플별로 준비되어 있을 때, 상기 니치 기술 영역 발견 시스템(5000)의 니치 평가 모델 생성부(5200)는 기 설정된 적어도 하나 이상의 통계 모델을 적용하여 니치 평가 모델을 생성한다. 상기 통계 모델은 선형 회귀 모델을 사용할 수도 있지만, 선형 회귀 모델은 강건함(robust)이 떨어지고, 예측력이 낮은 문제가 있다. 이에, 비선형 회귀 알고리즘 중에서도 기계 학습 알고리즘을 사용하는 것이 여러 면에서 좋은 니치 평가 모델을 생성할 수 있다. 하기에서는 기계 학습 알고리즘 중에서도 부스팅 알고리즘을 사용하는 것에 대해서 설명한다. 하기 설명에서 당업자는 하기 설명으로 부스팅 알고리즘뿐만 아니라 랜덤 포리스트 등과 같은 다른 기계 학습 알고리즘을 사용할 수도 있을 것이다.

니치 영역을 탐색하고 이에 영향을 미치는 주요한 변수들을 찾는 문제는 통계학의 한 분야인 기계 학습(Machine Learning)분야에서 보편적으로 연구되는 회귀(Regression)문제이다. 이러한 회귀 문제를 푸는 방법에는 가장 기본적인 최소제곱법을 비롯한 수많은 방법들이 있다. 회귀 문제는 아래의 식과 같이 일반적으로 표현할 수 있는데, 이는 어떤 loss function, ψ이 주어져 있을 때 기대값을 최소화하는 함수를 추정하는 문제로 볼 수 있다.

전통적으로 추정함수 f에 대하여 모수적인 가정을 하거나 선형 가정을 하고 많은 방법들이 연구되어 왔다. 하지만 현실에는 몇 개의 모수를 가지고 설명하기에는 훨씬 복잡한 현상들이 많고 선형 모형은 극히 제한적으로 적용될 수 밖에 없는 한계점을 가지고 있다.　 따라서 복잡한 현상을 설명하기 위해서는 추정함수 f에 대해서 비모수적이고 비선형적인 가정하에서 분석이 이루어져야 한다. 하지만 이러한 조건하에서의 분석은 모수적, 선형적 분석방법보다 많은 어려움이 따른다. 본 과제에서 분석하는 특허자료 또한 굉장히 방대하고 복잡하기 때문에 이러한 자료를 잘 설명하려면 비모수적이고 비선형적인 모형이 수반되어야 한다. 그래서 그러한 방법들 중 대표적이고 우수한 방법이라고 할 수 있는 부스팅 모형을 적용하여 니치 영역 탐색 작업을 수행하였다.

부스팅(Boosting) 알고리즘은 Freund와 Schapire(1997)에 의해서 처음으로 분류(Classification) 문제를 다루기 위한 방법으로 제안되었다. 그 후 많은 학자들에 의해 활발한 연구가 진행되어 많은 발전이 이루어졌고 현재는 Friedman이 제안한 Gradient Boost algorithm이 보편적으로 널리 쓰이고 있다.

위와 같이 정의되는 목적함수롤 최소로 하는 함수를 찾는 것이 목표인데 이 때 국지적으로 gradient의 반대방향으로 움직이면 목적함수의 값이 가장 크게 감소한다고 할 수 이다 그래서 추정함수, f을 아래와 같은 식으로 업데이트 할 수 있다.

Gradient Boost algorithm 알고리즘은 도 23에 잘 요약되어 있다. 즉 이 알고리즘은 각 단계마다 새로운 함수 g을 계속 규합해서 광대한 머신을 만드는 알고리즘이라고 할 수 있다.

초기에 부스팅 알고리즘에는 과적합의 문제가 거의 없는지 알았지만 실제로는 과적합 문제가 존재한다. 과적합은 현재 주어진 자료에 대한 적응력이 너무 높아져서 정작 새로운 자료에 대해서는 적응력이 떨어지는 현상을 말한다. 도 24는 과적합의 경우를 그림으로 잘 표현해 주고 있다. 녹색으로 표시된 분류규칙은 현재 주어진 자료에 아주 잘 적응을 해서 잘못 분류한 경우가 하나도 없다 모든 주어진 자료를 완벽하게 분류하였다. 하지만 이러한 분류 규칙이 새로운 자료에 대해서도 잘 작동하리라는 보장은 없는 것이다. 반면 검정선으로 표시된 분류 규칙은 몇 개의 자료를 잘못 분류하고는 있지만 대부분의 자료를 적절히 잘 분류하고 있음을 볼 수 있다. 검정색으로 표시된 분류 규칙이 훨씬 더 자연스러운 분류 규칙이라고 할 수 있다.

따라서 현재 주어진 자료에서 구축하는 모형이 주어진 자료를 너무 따라가지 않도록 제약을 주어 과적합 문제를 해결해야 한다. 그래서 Gradient Boost algorithm에도 shrinkage parameter을 도입하여 이러한 과적합 문제를 해결하게 된다. 그리고 Friedman(2002)이 새로이 stochastic gradient boosting algorithm을 제안하는데 이는 함수 g을 추정할 때 자료 전체를 쓰지 말고 일부만을 사용하여 추정하면 성능이 더 좋아진다는 것이다. 특허 자료의 경우도 자료가 상당히 방대하기 때문에 이 방법을 적용하면 시간도 절약할 수 있을 뿐만 아니라 성능 향상도 도모할 수 있다. 이를 정리하면 도 25과 같이 요약할 수 있다. 함수 g을 적합하는 과정에서 Tree을 쓰는 것이 보통이다. 일반적으로는 한번 분기하는 stump을 사용하지만 변수들 간에 교호작용이 있다고 판단이 되면 분기를 여러 번 하는 Tree을 사용할 수도 있다.

도 25 에 있는 알고리즘을 구현하여 니치 자료에 적합하여 분석을 수행하였다. 알고리즘을 보면 알겠지만 구현할 때 중요한 것 중의 하나가 규합하는 tree의 개수와 과적합을 방지하는 shrinkage parameter의 선택이다. 보통 tree개수가 증가하면 shrinkage parameter는 작아지고 반대로 shrinkage parameter가 커지면 tree개수는 작아지는 경향이 있다. 그래서 보통 부스팅 모형을 적합할 때는 shrinkage parameter을 작은 값으로 고정시키고 tree의 개수를 변화시켜 가면서 최적의 모형을 찾는다. 실제 분석 과정에서는 shrinkage parameter로 0.01을 사용한다.

도 26는 니치 평가 모델 생성 과정에 관한 일 실시예적 개념을 설명하는 도면이다.

규합하는 tree의 개수에 따라서 수많은 부스팅 모형이 생기기 마련이다. 이런 수많은 모형들 중에서 최적의 모형을 선택할 필요가 있다. 이는 모형 선택의 문제이고 이에 관해서도 수많은 연구들이 수행되고 있고 여러 방법들이 알려져 있다. 그 중 부스팅 모형에 적합하다고 할 수 있는 cross validation 방법을 이용하여 최적의 모형을 선별하였다. 특허 자료에 대해서 5-fold cross validation 방법을 적용하여 최적 모형을 선택하였다. 도 26는 cross validation 방법을 도식적으로 잘 보여주고 있다. 분쟁특허와 비분쟁 특허가 섞여 있는 자료를 5개의 집합으로 나눈 다음 각각의 경우마다 4개의 집합으로 모형을 구축하고 나머지 하나의 집합으로 test error을 구해서 이 오류가 가장 작은 모형을 선택하는 방법이다.

상기와 같은 방법으로 니치 평가 모델을 생성한다. 상기 니치 평가 모델은 독립 변수로서 니치 평가 요소값이 제공되면, 종속 변수로서 니치 기준 요소값을 생성해 낸다. 니치 기준 요소값이 5년 기준 출원수의 증가량이고, 최근 5년간의 입수 문건 집합에 대한 니치 평가 요소값이 제공되면, 니치 평가 모델은 5년 기준 출원수 증가량을 제시하므로, 앞으로 5년간의 출원수가 제시될 수 있게 된다.

이와 같이 상기 니치 기술 영역 발견 시스템(5000)은 니치 평가의 대상이 되는 지정되거나 입력된 입수 문건 집합을 입수(SM21)하고, 상기 입수 문건 집합에 대하여 적어도 2 이상의 상기 니치 평가 요소에 대하여 상기 니치 평가 요소값 정보를 생성(SM22)하고, 생성된 상기 니치 평가 요소값 정보를 사용하여 상기 니치 평가 모델로 니치 평가값을 생성(SM23)하게 된다.

상기 n차원 프레임이 구성하는 교차 영역에 대응되는 문건 집합을 입수 문건 집합으로 간주하여, 교차 영역별로 니치 평가값을 생성할 수 있게 된다. 니치 평가값의 생성은 본 발명의 니치 평가값 생성 모듈(5260)이 담당한다. 상기 생성된 니치 평가값은 니치 분석 정보의 일종이 되며, 상기 니치 분석 정보 표시부(5113)를 통하여 상기 n차원 프레임에 나타나게 된다. 이때, 상기 타겟 문건 집합에 상기 니치 옵션 처리부(5130)를 통하여 한정이 되게 되면, 교차 영역에 대응되는 문건 집합이 한정되고 되고, 문건 집합에 대응되는 니치 평가 요소값이 변경되기 때문에, 니치 평가값도 변동되게 된다.

이어, 본 발명의 니치 발견 시뮬레이션 모듈(5320)에 대해 설명한다. 하나의 타겟 문건 집합이 있을 경우, 그 타겟 문건 집합별로 다양한 종류의 교차 영역 집합을 생성할 수 있을 것이다. 타겟 문건 집합에 포함된 최말단 특허 분류의 직상위 특허 분류 또는 상위 특허 분류가 n개일 경우, 2차원 교차 영역 집합만 하더라도 적어도 nC2 개의 교차 영역 집합이 생성될 수 있게 된다. 한편, 니치 옵션 처리부(5130)를 통하는 경우, 더욱 더 다양한 교차 영역 집합이 생성될 수 있으며, 2 종류 이상의 특허 분류가 대응되는 특허 문건일 경우에는 더욱 더 다양한 교차 영역 집합이 생성될 수 있고, CatchWord나 Index가 대응될 수 있는 경우, 더욱 더 다양한 교차 영역 집합이 생성될 수 있다. 타겟 문건 집합이 주어졌을 때, 이러한 다양한 교차 영역 집합의 생성은 시스템적으로 구성될 수 있음도 당연할 것이다.

상기 니치 기술 영역 발견 시스템(5000)은 문건 집합 분할 모듈(5210)을 사용하여 입수한 입수 문건 집합(타겟 문건 집합)을 분할하여 복수 개의 분할 입수 문건 집합을 생성(SM31)하고, 상기 생성된 분할 입수 문건 집합별로 상기 입수 문건 집합에 대하여 적어도 2 이상의 상기 니치 평가 요소에 대하여 상기 니치 평가 요소값 정보를 생성(SM32)하고, 생성된 상기 니치 평가 요소값 정보를 사용하여 상기 니치 평가 모델로 상기 생성된 분할 입수 문건 집합별로 니치 평가값을 생성(SM33)한 다음, 상기 복수 개의 분할 입수 문건 집합별로 생성되는 상기 니치 평가값에서 기 설정된 평가값 이상이거나, 기 설정된 랭킹 이상인 상기 분할 입수 문건 집합 정보를 선별(SM34)한다. 이러한 시뮬레이션은 본 발명의 니치 발견 시뮬레이션 모듈(5320)이 주도적으로 담당한다.

이어, 본 발명의 니치 기술 영역 발견 시스템(5000)를 중심으로 하여, 본 발명의 기술 사상을 더욱 더 상세하게 설명한다. 상기 니치 분석용 문건 집합 입수부(5310)은 특허 집합을 입수하는 특허 집합 입수부과 입수한 특허 집합을 한정하는 입수 특허 집합 한정부을 포함하고 있다. 상기 입수 대상 특허 집합 생성부은 대상 특허 집합을 입수하는 대상 특허 집합 입수부과 대상 특허 집합을 한정하는 대상 특허 집합 한정부을 포함하고 있다. 대상 특허 집합 입수부는 검색 엔진에 검색식을 질의하거나, DBMS에 질의식을 질의하거나, 상기 특허 정보 시스템(10000)을 사용하고 있는 사용자가 관리하는 적어도 하나 이상의 특허 문건 또는 특허 문건 ID를 포함하는 특허 문건 집합 또는 적어도 하나 이상의 특허 검색식이나 질의식으로 특허 문건 집합을 호출 또는 생성 또는 선택할 수 있게 된다.

상기 니치 분석용 문건 집합 입수부(5310)은 1) 검색 엔진으로의 검색어 입력 또는 2) 특허 DB(112)를 구성하는 필드를 활용하는 쿼리의 입력, 3) 상기 검색어 또는 상기 쿼리에 대응되는 특허 정보 추출 조건의 입력이나 선택 등으로 생성될 수 있다. 상기 특허 정보 추출 조건은 상기 특허 문건에 포함된 발행국, 시간 범위, 출원인이나 권리자나 양수인, 발명자, 특허 분류, (특허 주제 분류 및 기 설정된 분류 속성 등이 있다면, 이들 중 어느 하나 이상) 중 어느 하나 또는 어느 2 이상의 조합으로 생성되는 것인 것이며, 상기 시간 범위의 기준이 되는 시간은 상기 특허 문건의 우선일, 출원일, 공개일 및 등록일 중 어느 하나 또는 어느 2 이상의 조합을 사용하는 것이며, 상기 특허 분류는 IPC, USPC, FT, FI 및 ECLA 중 어느 하나 또는 어느 2 이상의 조합인 것이며, 상기 특허 주제 분류는 상기 IPC의 catchword, 상기 USPC의 catchword 또는 상기 IPC, USPC, FT, FI 및 ECLA 중 어느 하나 이상을 사용하여 생성되는 주제 분류 중 어느 하나 이상인 것이며, 상기 기 설정된 분류 속성은 상기 출원인이나 상기 권리자나 상기 양수인에 대한 분류 속성, 상기 특허 분류를 구성하는 특허 분류별 분류 속성, 상기 발명자에 대한 분류 속성, 또는 상기 특허 주제 분류별 분류 속성 중 어느 하나 이상이 될 수 있다. 예를 들어, 출원인에 대하여 기업, 대학, 연구 기관, 개인 등의 구분이 있을 때, 대학 속성을 가지는 출원인만으로 한정 지을 수 있을 것이며, 특정 기간 동안 특정 개수 이상의 출원/등록된 특허를 가지는 출원인(다출원인)만으로 한정 지을 수도 있을 것이다.

한편, 상기 니치 분석용 문건 집합 입수부(5310)은 특정한 특허 집합의 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 인용 발생 입수 특허 집합 등을 호출 또는 선택 또는 입수할 수 있다. 입수 대상 특허 집합 생성부이 특정한 조건을 가하여 대상 특허 집합을 한정하는 경우, 상기 조건을 반영하여, 데이터부로부터 대상 특허를 입수해 온다. 상기 특허정보특허 정보 시스템(10000)은 적어도 하나 이상의 카데고리별로 특허 집합을 생성하고 관리할 수 있으며, 상기 특허 집합의 관리는 본 발명의 특허 정보 시스템(10000) 특허 집합 관리부가 수행한다. 상기 특허 정보 시스템(10000) 특허 집합 관리부의 하부에는 출원인별로 특정되는 특허 집합을 관리하는 출원인별 특허 집합 관리부와, 특허 분류별로 특정되는 특허 집합을 관리하는 특허분류별 특허 집합 관리부와 기타 분류나 카테고리별로 특정되는 특허 집합을 관리하는 기타 분류별 특허 집합 관리부등 이 있다. 한편, 사용자들이 생성하는 특허 집합은 회원별 특허 집합 관리부가 수행한다.

상기와 같은 특허 문건 집합 및 축이 결정나게 되면, 개념적으로 가로m개 세로 n개로 구성되는 mXn 개의 셀로 구성되는 매트릭스가 생성되게 된다. 상기 (mi,nj) 교차 영역에는 특허 문건 부분 집합이 대응되게 된다. 예를 들면, mi와 nj가 특허 분류인 경우, 상기 (mi,nj)에는 특허 분류 mi와 nj를 동시에 포함하는 상기 선택된 특허 문건 집합의 모든 특허들이 입수되게 되며, 이러한 특허들은 상기 특허 문건 집합의 일부이므로, 상기 특허 문건 부분 집합이 되게 된다. 이때, mi나 nj 중 특허 분류가 있을 때에는 특허 분류의 종류뿐만 아니라, main 특허 분류와 sub 특허 분류의 문제가 발생하게 된다. 특허 문건에는 적어도 하나 이상의 main 특허 분류가 포함되어 있으며, 경우에 따라서는 1개 이상의 sub 특허 분류가 포함되어 있을 수 있게 되므로, 사용될 특허 분류의 범위가 문제시 되게 된다. 이는 옵션으로 제공될 수 있으며, 사용자는 어느 특허 분류까지를 사용할 것인지를 선택할 수 있게 된다. 가급적, main 특허 분류와 sub 특허 분류 모두를 사용하는 것이 더 타당할 것이다.

이어, 상기 (mi,nj)교차 영역에 대응되는 특허 문건 부분 집합에 대한 분석이 개시되며, 이는 본 발명의 특허 분석 정보 생성부(4000)가 처리한다. 상기 특허 분석 정보 생성부(4000)는 상기 특허 문건 부분 집합에 대하여 기설정된 평가 정보를 생성한다. 우선적으로 상기 특허 분석 정보 생성부(4000)는 상기 특허 문건 부분 집합에 속하는 개별 특허 단위 및/또는 상기 특허 문건 부분 집합에 속하는 특허 집합 단위별로 청구항수, 최초 (독립)청구항 길이, 페이지수, 도면수, 국내 패밀리수(분할+ US계속/일부계속), 해외 출원 패밀리수, 해외 등록 패밀리수, 국내 우선권 주장수, Large company 여부, 해외 출원인 여부, 권리자의 분쟁 제기 회수, 권리자의 분쟁 피소 회수, 전체 분쟁수, 최근 3년간 분쟁수, 전체 피고수, 최근 3년간 평균 피고수, 연차등록기간, 표준특허풀 포함여부, 양도 발생 여부, 피인용수, Reference수, IPC수, Subclass가 다른 IPC수, USPC수, Class가 다른 USPC수, FT수, Theme가 다른 FT수, (공동)출원인 수, (공동)발명자 수, 발명자 국적수, 권리의 경제적 잔여수명, IPC main group 기준 최근 3년간 US 출원수, IPC main group 기준 최근 3년간 non US 출원수, USPC no dot subgroup 기준 최근 3년간 US, IPC main group 기준 최근 3년간 US 출원수/최근10년간 US출원수, IPC main group 기준 최근 3년간 non US 출원수/ 최근10년간 non US출원수, USPC no dot subgroup 기준 최근 3년간 US출원수/ 최근10년간 US출원수, IPC main group 기준 최근 3년간 기업 비율, IPC main group 기준 최근 3년간 대기업 비율, IPC main group 기준 최근 3년간 대학/연구기관 비율, IPC main group 기준 최근 3년간 개인(not assigned) 비율, IPC main group 기준 최근 3년간 US권리자(권리자 주소 정보 참조) 비율, 출원일 백분위수, 전체 유사 모집단에서의 자사 특허 비율, 후방 인용에서의 자사 특허 비율, 전방 인용에서의 자사 특허 비율, 후방 인용에서의 자사 특허 개수, 전방 인용에서의 자사 특허 개수, 전방 인용 특허군에서의 기업 비율, 전방 인용 특허군에서의 대기업 비율, 전방 인용 특허군에서의 대학/연구기관 비율, 전방 인용 특허군에서의 개인 비율, 전방 인용 특허군에서의 US 권리자 비율, 전방 인용에서의 논문 비율, 전방 인용에서의 non US 특허 비율, 후방 인용 특허군에서의 기업 비율, 후방 인용 특허군에서의 대기업 비율, 후방 인용 특허군에서의 대학/연구기관 비율, 후방 인용 특허군에서의 개인 비율, 후방 인용 특허군에서의 US 권리자 비율, 후방 인용에서의 non US 특허 비율, 전체 유사 모집단에서의 자사 특허 비율, 5년 집중 영역 정도(AI), 5년 평균 특허 품질 지수, 5년 지수 평점, 5년 공동출원인 수, 5년 집중 영역 정도(AI), 5년 평균 특허 품질 지수, 5년 지수 평점, 5년 공동 발명자수, 실시권 설정 개수, 출원인 재무, 5년 국가별 상대 출원량, 5년 국가별 상대 등록량, 5년 국가별 상대 출원인수, 5년 국가별 상대 발명자수, 5년 국가별 특정 출원인 상대 출원량, 5년 출원인 중 기업 비율, 5년 출원인 중 대학 비율, 5년 국가별 특정 출원인 상대 등록량, 5년 국가별 특정 출원인 포함 출원량, 5년 국가별 특정 출원인 포함 등록량, 기술 분야별 rising 키워드 필드별(특허청구범위) 포함수, 5년 국가별 frequency rising 속도, 5년 국가별 network size rising 속도, 핵심 키워드의 특허 청구 범위 포함 개수, 5년 국가별 출원 증감율, 5년 국가별 등록 증감율, 5년 국가별 출원인수 증감율, 5년 국가별 발명자수 증감율, 5년 출원인 중 기업 비율, 5년 출원인 중 대학 비율, 5년 특정 출원인 포함 비율, 특허조회수, 수명 주기상의 위치, 연차등록납부액 등과 같은 니치 기술 영역 평가 요소 중 어느 하나 이상을 계산하거나 입수한다. 상기 니치 기술 영역 평가 요소에는 본 문단에서 예시한 평가 요소들의 변동값(증감율, 증가 속도 등)도 평가 요소가 됨은 물론이다 할 것이다.

한편, 도 28은 본 발명의 틈새 영역 발견 분석 결과에 관한 다른 일실시예적 도면으로, 도 10과는 다른 니치 기술 영역 평가 요소값을 사용하여 생성되는 니치 기술 영역 평가 정보에 대하여 각 축, 교차 영역/셀(cell)에 대하여 thermograph 효과가 적용되어 있음을 볼 수 있다.

한편, 상기 교차 영역값에 대한 특허 문건 부분 집합이 정해지는 경우, 상기 특허 문건 부분 집합에 속하는 특허들에 대해 기설정된 분석 정보를 제공해 줄 수 있다. 상기 특허 문건 부분 집합에 특허 문건이 대응되는 경우, 상기 특허 문건 부분 집합에 포함된 특허들에 대해서 정량 분석 정보가 제공될 수 있을 것이며(분석의 축은 시간, 출원인, 발명자, 특허 분류, 국가, 등록 여부 등이 될 수 있을 것이다.), 개별 특허들에 대한 서지 사항 및 전문 정보가 링크 될 수도 있을 것이다.

상기와 같은 본 발명 사상은 3 이상의 n차원 매트릭스로 확장할 수 있음은 당업자에게 당연할 것이며, 이 경우, 상기 교차 영역값은 n차원의 큐브 형태가 될 것이다. 한편, 사용자는 2차원까지의 정보만 시각적으로 확인할 수 있으므로, n개의 차원 중 자신이 원하는 차원 2개를 선택하여, 선택된 차원에 대한 상기 니치 기술 평가 정보를 볼 수 있게 된다. 생성된 큐브 data에 있어서, slice and dice 정보 처리를 하여, 원하는 매트릭스를 선택하거나, 선택된 매트릭스에 대하여 축 등을 변동해 보는 인터페이스를 상기 특허 정보 시스템(10000)은 상기 사용자 컴퓨터(100)에 제공할 수 있을 것이다.

본 발명 사상에서 예시로 든 계층 구조는 특허 분류뿐만 아니라, 도 13 내지 도14에 예시된 IPC 대응 캐치워드나, USPC 대응 Index에 대해서도 적용될 수 있음은 당연할 것이다.

본 발명은 특허 정보 산업, R&D 지원 사업, 신사업 영역 발굴 등에 다양하게 활용될 수 있다.

10000 : 특허 정보 시스템
300 : 연계 시스템
200 : 유무선 네트워크
100 : 사용자 컴퓨터
10000 : 특허 정보 시스템
1000 : 데이터부
1100 : 특허 데이터부
1200 : 비특허 데이터부
1300 : 핵심 키워드 DB
1400 : 분류 메타데이터 DB
1700 : 사용자 데이터부
1800 : 기타 DB
1900 : 목적 특화 데이터부
2000 : 데이터 가공부
2100 : 핵심 키워드 생성부
2200 : 분류 메타 데이터 생성부
2300 : 목적 특화 데이터 생성부
2400 : 유사 특허 집합 생성부
2500 : 네트워크 데이터 생성부
3000 : 특허 정보 서비스 지원부
3000 : 검색 처리부
4000 : 특허 분석 정보 생성부
4100 : 분석 대상 입수부
4200 : 특허 분석 처리부
4210 : 분석 지표 DB
4220 : 분석 명령 구문 DB
4300 : 특수 분석 정보 생성부
4400 : 분석 옵션 처리부
4600 : 분석 결과 리포팅부
20000 : 목적 특화 시스템부
5000 : 니치 기술 영역 발견 시스템
6000 : 특허 자동 평가 시스템
7000 : 특허 분쟁 예측 시스템
8000 : 미래 기술 예측 시스템
9000 : 융합 정보 처리 시스템
1110 : 특허 명세서 파일부
1120 : 특허 DB
1130 : 특허분류 DB
1140 : 기타 특허 데이터 DB
1210 : 비특허파일부
1220 : 비특허 DB
1230 : 기업정보 DB
1240 : 기타 비특허 데이터 DB
1310 : 핵심 키워드 메타 데이터 DB
1910 : 출원인 DB
1920 : 규칙 데이터부
1930 : 언어 데이터부
1940 : 표준 특허풀 데이터부
2110 : 키워드 추출부
2120 : 핵심 키워드 선정부
2130 : 구문 키워드 생성부
2140 : 핵심 키워드 메타 정보 생성부
2150 : 제품 키워드 생성부
2210 : 분류 대표 핵심 키워드군 생성부
2220 : 분류간 맵핑 정보 생성부
2230 : 핵심 키워드 계층화부
2240 : 특허 자동 분류부
2310 : 통계 분석용 데이터 생성부
2032 : 인용 분석용 데이터 생성부
2330 : 발견 분석용 데이터 생성부
2410 : 클러스터링 처리부
2510 : 노드 데이터 생성부
2520 : 에지 데이터 생성부
5100 : 니치 기술 영역 발견 엔진
5110 : n차원 프레임 처리부
5111 : 교차 영역 프레임 선택부
5112 : 교차 영역 집합 생성부
5113 : 니치 분석 정보 표시부
5114 : 선택 프레임 관리부
5120 : 니치 분석 정보 생성부
5121 : 니치 관점 분석 정보 생성부
5122 : 니치 모델 분석 정보 생성부
5123 : 니치 분석 종류 제시부
5124 : 니치 모델 종류 제시부
5130 : 니치 옵션 처리부
5131 : 기간 한정부
5132 : 주체 한정부
5133 : 기술 분야 한정부
5134 : 개별 특허 한정부
5135 : 범례 처리부
5200 : 니치 평가 모델 생성부
5210 : 문건 집합 분할 모듈
5220 : 니치 기준 요소값 생성 모듈
5230 : 니치 평가 요소값 생성 모듈
5240 : 니치 평가 알고리즘 생성 모듈
5250 : 니치 평가 알고리즘 검증 모듈
5260 : 니치 평가값 생성 모듈
5270 : 니치 평가 요소값 DB
5280 : 니치 평가 모델 DB
5300 : 니치 발견 정보 생성부
5310 : 니치 분석용 문건 집합 입수부
5320 : 니치 발견 시뮬레이션 모듈
5330 : 니치 발견 리포팅 정보 생성부
5340 : 니치 기술 분쟁 UI부
970 : 단위 융합 요소 생성부
971 : 핵심 키워드 단위 융합 요소 생성부
972 : 특허 분류 단위 융합 요소 생성부
973 : 하이브리드 융합 요소 생성부
974 : 인덱스 단위 융합 요소 생성부
910 : 융합 처리 모집합 입수부
920 : 융합 처리 대상 집합 생성부
921 : 집합 분할부
921-1 : 분할 처리 기준 제공부
921-2 : 분할 처리 기준 입수부
921-3 : 분할 처리 기준 DB
922 : 인용 특허 집합 입수부
923 : 집합 지정 정보 입수부
930 : 융합 처리 기준 정보부
931 : 융합 처리 기준 제공부
932 : 융합 처리 기준 입수부
933 : 융합 처리 기준 생성부
934 : 융합 처리 기준 정책 DB
940 : 융합 정보 처리부
941 : 키워드 융합 정보 처리부
942 : 특허 분류 융합 정부 처리부
943 : 하이브리드 융합 정보 처리부
960 : 융합 정보 배치 생성부
961 : 융합 정보 배치 생성 정책부
962 : 융합 정보 DB
950 : 융합 정보 분석부
951 : 융합 정보 시각화부
952 : 융합 정보 UI부
980 : 공백 융합 후보 발견부
981 : 대등 공백 융합 후보 발견부
982 : 심화 공백 융합 후보 발견부
983 : 중요 공백 융합 후보 발견부

Claims (15)

1. 복수 개의 가로 셀과 복수 개의 세로 셀로 구성되는 복수 개의 교차 영역으로 구성되는 2차원 매트릭스나 큐브 형태에 각 교차 영역에 기 설정된 교차 영역 처리값을 제공하여 니치 기술 영역에 대한 정보를 사용자가 사용하는 사용자 컴퓨터로 제공해 주는 특허 정보 시스템의 정보 처리 방법에 있어서,
   상기 특허 정보 시스템이
   (A) 상기 사용자 컴퓨터로부터 선택 정보를 입수받은 제1 특허 분류 집합에 포함되는 적어도 2 이상의 제1 특허 분류를 제1축에 배치하고, 상기 사용자 컴퓨터로부터 선택 정보를 입수받은 제2 특허 분류 집합에 포함된 적어도 2 이상의 제2 특허 분류를 제2축에 배치하여, 상기 제1 특허 분류 및 상기 제2 특허 분류가 교차되어 (제1 특허 분류, 제2 특허 분류)의 방식으로 형성되는 적어도 4개 이상의 교차 영역을 가지는 교차 영역 집합을 구성하는 단계; 및
   (B) 상기 사용자 컴퓨터로부터 선택 정보를 입수 받거나, 상기 사용자 컴퓨터로부터 전송받은 특허 문건 집합으로 구성되는 타겟 문건 집합에 포함되는 특허 문건 중 2개 이상의 특허 분류를 가지는 특허 문건만을 대상으로 하여, 상기 2개 이상의 특허 분류를 가지는 특허 문건을 상기 특허 문건에 포함된 특허 분류를 매개로 하여, 상기 (제1 특허 분류, 제2 특허 분류)의 방식으로 형성되는 상기 교차 영역에 대응시켜 교차 영역별로 교차 영역 문건 집합이 생성되는 단계;
   (C) 상기 교차 영역 집합을 구성하는 적어도 4 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성하는 단계;를 포함하며,
   상기 교차 영역 문건 집합은 상기 타겟 문건 집합 중 상기 제1 특허 분류 집합을 구성하는 제1 특허 분류와 상기 제2 특허 분류 집합을 구성하는 제 2 특허 분류의 속성을 동시에 충족하는 문건들로 구성되는 것이며,
   상기 제1 특허 분류는 IPC, F-term, FI, UPSC, ECLA 중 어느 하나 이상인 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
2. 제 1항에 있어서,
   (d) 상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시하도록 하는 단계;를 더 포함하는 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
3. 제 1항에 있어서,
   상기 교차 영역 집합은 상기 제1 특허 분류 집합과 상기 제2 특허 분류 집합을 사용하는 매트릭스나 큐브 형태의 교차 영역 프레임인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
4. 제 1항에 있어서,
   상기 교차 영역 문건 집합은 상기 타겟 문건 집합의 부분 문건 집합인 것이며,
   상기 타겟 문건 집합은 상기 사용자가 지정하거나 생성한 문건 집합이거나, 상기 특허 정보 시스템이 지정하거나 생성한 문건 집합인 것인 것이며,
   선택적으로 상기 타겟 문건 집합은 기 설정된 한정 조건을 충족하는 문건들로만 한정될 수 있는 것이며,
   상기 한정 조건은 시간 한정, 출원인이나 권리자 한정, 발명자 한정, 특허 평가 점수나 특허 평가 등급의 한정, 출원인, 권리자 또는 발명자의 속성 한정, 특허 평가 지표의 충족 정도의 한정, 특정 서지 사항 속성 포함 여부의 한정, 특허에 대한 측정값의 한정 중 어느 하나 이상인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
5. 제 1항에 있어서,
   상기 제2 특허 분류는 특허 분류 또는 특허 분류와 대응 관계를 가지는 준 특허 분류인 것이며,
   상기 준 특허 분류는 IndextoUSPC, CatchWord 중 어느 하나 이상인 것이며,
   상기 준 특허 분류는 준 특허 분류 1개당 적어도 하나 이상의 특허 분류가 대응되는 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
6. 제 1항에 있어서,
   상기 (A) 단계에서, 적어도 하나 이상의 하위 특허 분류를 가지는 적어도 하나 이상의 상위 특허 분류를 선택함으로써, 상기 선택된 상위 특허 분류에 대한 상기 하위 특허 분류를 상기 제1 특허 분류 집합으로 처리하는 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
7. 제 6항에 있어서,
   상기 속성의 충족은 상기 교차 영역 문건에 상기 제1 특허 분류와 상기 제2 특허 분류의 전부 또는 일부분이 동시에 나타나 있거나, 상기 교차 영역 문건에 나와 있는 특허 분류의 특허 분류 체계 상의 적어도 하나 이상의 상위 특허 분류의 전부 또는 일부분이 상기 제1 특허 분류와 상기 제2 특허 분류에 동시에 나타나는 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
8. 제 1항에 있어서,
   상기 제1 특허 분류 집합은 특허 분류 체계 상에서 어느 하나의 상위 특허 분류에 대하여, 상기 상위 특허 분류의 전체 하위 특허 분류 중 상기 사용자가 선택하는 하위 특허 분류를 포함하여 구성되는 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
9. 제 1항에 있어서,
   상기 니치 분석 정보는 상기 사용자가 선택할 수 있는 것이며,
   상기 니치 분석 정보는 적어도 하나 이상의 니치 분석 지표나 니치 분석 모델을 사용하는 것이며,
   상기 교차 영역값은 상기 니치 분석 지표나 상기 니치 분석 모델의 선택에 따라 변동되는 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
10. 제 3항에 있어서,
    상기 교차 영역 프레임에는 상기 제1 특허 분류 집합을 구성하는 특허 분류와 상기 제2 특허 분류 집합을 구성하는 제2 특허 분류가 나타나는 것이며,
    상기 교차 영역 프레임은 상기 제1 특허 분류 집합을 구성하는 특허 분류가 나타나는 제1 프레임축, 상기 제2 특허 분류 집합을 구성하는 제2 특허 분류가 나타나는 제2 프레임축으로 구성되는 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템의 정보 처리 방법.
11. 복수 개의 가로 셀과 복수 개의 세로 셀로 구성되는 복수 개의 교차 영역으로 구성되는 2차원 매트릭스나 큐브 형태에 각 교차 영역에 기 설정된 교차 영역 처리값을 제공하여 니치 기술 영역에 대한 정보를 사용자가 사용하는 사용자 컴퓨터로 제공해 주는 특허 정보 시스템에 있어서,
    쿼리 또는 검색식 또는 상기 사용자 컴퓨터로부터 전송받은 특허 문건 집합을 통하여 적어도 하나 이상의 특허를 포함하는 특허 문건 집합이 선택되어 타겟 문건 집합이 생성되는 문건 집합 입수부;
    상기 사용자 컴퓨터로부터 제1 특허 분류를 사용하는 제1 특허 분류 집합 및 적어도 하나 이상의 제2 특허 분류를 사용하는 제2 특허 분류 집합에 대한 선택 정보를 입수 받는 교차 영역 프레임 선택부;
    상기 제1 특허 분류 집합에 포함되는 적어도 2 이상의 제1 특허 분류를 제1축에 배치하고, 상기 제2 특허 분류 집합에 포함된 적어도 2 이상의 제2 특허 분류를 제2축에 배치하여, 상기 제1 특허 분류 및 상기 제2 특허 분류가 교차되어 (제1 특허 분류, 제2 특허 분류)의 방식으로 형성되는 적어도 4개 이상의 교차 영역을 가지는 교차 영역 집합을 구성하고,
    상기 타겟 문건 집합에 포함되는 특허 문건 중 2개 이상의 특허 분류를 가지는 특허 문건만을 대상으로 하여, 상기 2개 이상의 특허 분류를 가지는 특허 문건을 상기 특허 문건에 포함된 특허 분류를 매개로 하여, 상기 (제1 특허 분류, 제2 특허 분류)의 방식으로 형성되는 상기 교차 영역에 대응시켜 교차 영역별로 교차 영역 문건 집합을 생성하는 교차 영역 집합 생성부; 및
    상기 교차 영역 집합을 구성하는 적어도 4 이상의 교차 영역에 대하여, 상기 교차 영역에 대응되는 교차 영역 문건 집합을 기준으로 하나 이상의 니치 분석 정보를 교차 영역값으로 생성하는 니치 분석 정보 생성부;를 포함하며,
    상기 교차 영역 문건 집합은 상기 타겟 문건 집합 중 상기 제1 특허 분류 집합을 구성하는 제1 특허 분류와 상기 제2 특허 분류 집합을 구성하는 제 2분류의 속성을 동시에 충족하는 문건들로 구성되는 것이며,
    상기 제1 특허 분류는 IPC, F-term, FI, UPSC, ECLA 중 어느 하나 이상인 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템.
12. 제 11항에 있어서,
    상기 교차 영역에 상기 교차 영역값 및 상기 교차 영역값을 기 설정된 기준으로 처리한 교차 영역값 처리 결과 중 어느 하나 이상을 상기 교차 영역에 표시하도록 하는 니치 분석 정보 표시부;를 더 포함하는 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템.
13. 제 12항에 있어서,
    상기 제1 특허 분류 집합 및 상기 제2 특허 분류 집합의 선택 이력 및 현재 선택 사항을 관리하는 선택 프레임 관리부;를 더 포함하는 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템.
14. 제 11항에 있어서,
    상기 니치 분석 정보 생성부는
    니치 관점별로 니치 분석 정보를 생성하는 니치 관점 분석 정보 생성부; 및
    니치 모델별로 니치 분석 정보를 생성하는 니치 모델 분석 정보 생성부; 중 어느 하나 이상을 더 포함하는 것인 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템.
15. 제 11항에 있어서,
    상기 교차 영역 집합을 배치하는 교차 영역 집합 배치부;를 더 포함하는 것을 특징으로 하는 니치 기술 영역 탐색 서비스를 제공해 주는 특허 정보 시스템.
    
    

Images