KR101645643B1 - 미래의 특허 인용 횟수 추정 방법 및 그 장치 - Google Patents
미래의 특허 인용 횟수 추정 방법 및 그 장치 Download PDFInfo
- Publication number
- KR101645643B1 KR101645643B1 KR1020150053865A KR20150053865A KR101645643B1 KR 101645643 B1 KR101645643 B1 KR 101645643B1 KR 1020150053865 A KR1020150053865 A KR 1020150053865A KR 20150053865 A KR20150053865 A KR 20150053865A KR 101645643 B1 KR101645643 B1 KR 101645643B1
- Authority
- KR
- South Korea
- Prior art keywords
- classification
- technical
- citations
- technical classification
- pairs
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005516 engineering process Methods 0.000 claims abstract description 77
- 239000011159 matrix material Substances 0.000 claims abstract description 76
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 46
- 238000010586 diagram Methods 0.000 description 10
- 238000012935 Averaging Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
-
- G06F17/30598—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
미래 특허 인용 횟수 추정 방법이 개시된다. 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 방법은 특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 상기 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성하는 단계; 상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계; 및상기 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계를 포함한다.
Description
본 발명은 특허 인용 횟수 분석에 관한 것으로, 특히 미래의 특허 인용 횟수 추정 방법 및 그 장치에 관한 것이다.
특허는 경쟁시장에서 기술 기회를 선점하기 위한 중요한 정보원으로서 기술 개발의 트랜드나 전략을 분석하기 위한 중요한 자료로서 다양한 연구에 활용되고 있다.
특히, 특허 인용 정보는 기술들간의 결합 매커니즘을 분석하기 위한 대표적인 방법으로 미래의 기술 지식 흐름을 추정하고 이를 토대로 미래의 기술 관계를 예측함으로써 다양한 기술 기회를 획득할 수 있다.
그럼에도 불구하고, 기존 연구들은 과거의 특허 인용 정보 분석에만 집중하고 있어, 기술 상호간의 인용 관계를 예측하여 미래의 기술 관계를 추정하는 연구는 미흡한 실정이다.
관련 기술로는 한국등록특허공보 10-1278135(발명의 명칭: 확률론적 특허 인용 분석에 기반한 미래 유망 특허 탐색 장치 및 그 방법, 등록일: 2013.06.18)가 있다.
본 발명의 목적은 미래의 기술 분야간의 융합 가능성을 정량적으로 예측할 수 있는 미래의 특허 인용 횟수 추정 방법 및 그 장치를 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 방법은 특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 상기 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성하는 단계; 상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계; 및상기 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계를 포함한다.
바람직하게는, 상기 제1 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 낮은 유형이고, 상기 제2 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 높은 유형일 수 있다.
바람직하게는, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계는 상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍별로 년도별 인용 횟수의 평균 값인 평균인용 횟수 또는 년도별 인용 횟수 증가율의 평균 값인 평균인용증가율을 산출하는 단계; 상기 복수의 기술분류쌍 각각에서의 상기 평균인용 횟수를 횟수임계치와 비교하거나 상기 평균인용증가율을 증가율임계치와 비교하는 단계; 및 상기 비교 결과에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계를 포함할 수 있다.
바람직하게는, 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계는 상기 제1 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서의 상기 제1 유형에 대응되는 기술분류쌍의 년도별 인용 횟수에 곡선맞춤(curve fitting) 알고리즘을 이용하여 미래 시점의 인용 횟수를 추정할 수 있다.
바람직하게는, 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계는 상기 제2 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 인용하는 기술분류에 의해 피인용되는 다른 기술분류를 포함하는 기술분류쌍인 복수의 제1 참조기술분류쌍 및 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 피인용되는 기술분류를 인용하는 다른 기술 분류를 포함하는 기술분류쌍인 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 신경망분석(Neural Network) 알고리즘을 적용하여 미래 시점의 인용 횟수를 추정할 수 있다.
바람직하게는, 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계는 상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 대한 평균 값을 후보임계치로 설정하고, 상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍 중에서 상기 후보임계치 이상의 인용 횟수를 가지는 기술분류쌍에서의 인용 횟수만을 이용하여 상기 미래 시점의 인용 횟수를 추정할 수 있다.
바람직하게는, 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 방법은 상기 복수의 기술분류쌍 각각을 구성하는 상기 인용하는 기술분류에 의해 피인용된 모든 기술분류에 대응되는 인용 횟수의 합계인 제1 인용 횟수 합계와 상기 복수의 기술분류쌍 각각을 구성하는 상기 피인용되는 기술분류를 인용하는 모든 기술분류에 대응되는 인용 횟수의 합계인 제2 인용 횟수 합계를 곱한 값을 이용하여, 상기 년도별로 생성된 인용 매트릭스에 포함된 상기 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 정규화하는 단계; 및 상기 정규화된 인용 횟수를 이용하여 상기 인용 매트릭스를 년도별로 재생성하는 단계를 더 포함할 수 있다.
바람직하게는, 상기 미래 시점의 인용 횟수를 추정하는 단계는 상기 미래 시점의 정규화된 인용 횟수를 추정하는 단계; 및 상기 정규화된 인용 횟수를 이용하여 상기 미래 시점의 복원된 인용 횟수를 추정하는 단계를 포함하고, 상기 미래 시점의 복원된 인용 횟수를 추정하는 단계는 상기 년도별로 생성된 인용 매트릭스에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계에 곡선맞춤(curve fitting) 알고리즘을 적용하여 상기 미래 시점에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계를 추정하는 단계; 및 상기 추정된 미래시점에서의 상기 제1 인용 횟수 합계와 상기 제2 인용 횟수 합계를 곱한 값을 상기 정규화된 인용 횟수에 곱하여 상기 미래 시점의 복원된 인용 횟수를 추정하는 단계를 포함할 수 있다.
또한, 상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 장치는 특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 상기 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성하는 매트릭스 생성부; 상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 분류부; 및 상기 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 추정부를 포함한다.
바람직하게는, 상기 제1 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 낮은 유형이고, 상기 제2 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 높은 유형일 수 있다.
바람직하게는, 상기 분류부는 상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍별로 년도별 인용 횟수의 평균 값인 평균인용 횟수 또는 년도별 인용 횟수 증가율의 평균 값인 평균인용증가율을 산출하는 산출부; 상기 복수의 기술분류쌍 각각에서의 상기 평균인용 횟수를 횟수임계치와 비교하거나 상기 평균인용증가율을 증가율임계치와 비교하는 비교부; 및 상기 비교 결과에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 유형분류부를 포함한다.
바람직하게는, 상기 추정부는 상기 제1 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서의 상기 제1 유형에 대응되는 기술분류쌍의 년도별 인용 횟수에 곡선맞춤(curve fitting) 알고리즘을 이용하여 미래 시점의 인용 횟수를 추정하는 것을 특징으로 하는 미래 인용 횟수 추정 장치.
바람직하게는, 상기 추정부는 상기 제2 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 인용하는 기술분류에 의해 피인용되는 다른 기술분류를 포함하는 기술분류쌍인 복수의 제1 참조기술분류쌍 및 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 피인용되는 기술분류를 인용하는 다른 기술 분류를 포함하는 기술분류쌍인 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 신경망분석(Neural Network) 알고리즘을 적용하여 미래 시점의 인용 횟수를 추정할 수 있다.
바람직하게는, 상기 추정부는 상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 대한 평균 값을 후보임계치로 설정하고, 상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍 중에서 상기 후보임계치 이상의 인용 횟수를 가지는 기술분류쌍에서의 인용 횟수만을 이용하여 상기 미래 시점의 인용 횟수를 추정할 수 있다.
바람직하게는, 상기 매트릭스 생성부는 상기 복수의 기술분류쌍 각각을 구성하는 상기 인용하는 기술분류에 의해 피인용된 모든 기술분류에 대응되는 인용 횟수의 합계인 제1 인용 횟수 합계와 상기 복수의 기술분류쌍 각각을 구성하는 상기 피인용되는 기술분류를 인용하는 모든 기술분류에 대응되는 인용 횟수의 합계인 제2 인용 횟수 합계를 곱한 값을 이용하여, 상기 년도별로 생성된 인용 매트릭스에 포함된 상기 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 정규화하고, 상기 정규화된 인용 횟수를 이용하여 상기 인용 매트릭스를 년도별로 재생성하는 동작을 더 수행할 수 있다.
바람직하게는, 상기 추정부는 상기 미래 시점의 정규화된 인용 횟수를 추정하고, 상기 정규화된 인용 횟수를 이용하여 상기 미래 시점의 복원된 인용 횟수를 추정하되, 상기 미래 시점의 복원된 인용 횟수의 추정은 상기 년도별로 생성된 인용 매트릭스에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계에 곡선맞춤(curve fitting) 알고리즘을 적용하여 상기 미래 시점에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계를 추정한 후, 상기 추정된 미래시점에서의 상기 제1 인용 횟수 합계와 상기 제2 인용 횟수 합계를 곱한 값을 상기 정규화된 인용 횟수에 곱하여 상기 미래 시점의 복원된 인용 횟수를 추정할 수 있다.
본 발명의 일 실시예에 따르면 기술분류간의 미래 시점의 인용 횟수를 추정함으로써, 미래의 기술 분야간의 융합 가능성을 정량적으로 예측할 수 있게 되는 효과가 있다.
또한, 본 발명의 다른 실시예에서는 기술분류간의 상관 관계에 따라 상이한 알고리즘을 이용하여 미래 시점의 인용 횟수를 추정함으로써, 기술분류간의 미래 시점의 인용 횟수를 보다 정확하게 추정할 수 있게 되는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 방법을 설명하기 위하여 도시한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 복수의 기술분류쌍의 유형 분류 방법을 설명하기 위하여 도시한 흐름도이다.
도 3a는 본 발명의 일 실시예에 따른 인용 매트릭스를 설명하기 위하여 도시한 도면이다.
도 3b는 본 발명의 일 실시예에 따른 인용 횟수 정규화 방법을 설명하기 위하여 도시한 도면이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따라 정규화된 인용 횟수를 이용하여 미래 시점의 복원된 인용 횟수를 추정하는 방법을 설명하기 위하여 도시한 도면이다.
도 5a 내지 도 5c는 본 발명의 일실시예에 따른 신경망 분석 알고리즘을 이용한 미래 특허 인용 횟수 추정 방법을 설명하기 위하여 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 장치를 설명하기 위하여 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 복수의 기술분류쌍의 유형 분류 방법을 설명하기 위하여 도시한 흐름도이다.
도 3a는 본 발명의 일 실시예에 따른 인용 매트릭스를 설명하기 위하여 도시한 도면이다.
도 3b는 본 발명의 일 실시예에 따른 인용 횟수 정규화 방법을 설명하기 위하여 도시한 도면이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따라 정규화된 인용 횟수를 이용하여 미래 시점의 복원된 인용 횟수를 추정하는 방법을 설명하기 위하여 도시한 도면이다.
도 5a 내지 도 5c는 본 발명의 일실시예에 따른 신경망 분석 알고리즘을 이용한 미래 특허 인용 횟수 추정 방법을 설명하기 위하여 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 장치를 설명하기 위하여 도시한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 방법을 설명하기 위하여 도시한 흐름도이다.
단계 110에서는, 미래 특허 인용 횟수 추정 장치가 특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는(citing) 기술분류와 인용하는 기술분류에 의해 피인용되는(cited) 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성한다.
이때, 특허들에 대한 특허 서지 정보는 각국의 특허청 DB에서 수집할 수도 있고, 사설기관에서 보유하는 특허 DB로부터 획득할 수도 있으며, 특허들에 대한 서지 정보로는 출원번호, 출원일, 공개번호, 공개일, 출원인명, 특허 인용 횟수 등이 포함될 수 있다.
또한, 인용 매트릭스는 제1 축에 복수의 인용하는 기술분류가 표시되고, 제2 축에는 제1 축의 복수의 인용하는 기술분류에 의해 피인용되는 복수의 기술 분류가 표시되고, 제1 축의 기술분류와 제2 축의 기술분류의 2개의 축간에 교차하는 지점에 위치하는 셀(cell)에 제1 축의 기술분류가 제2 축의 기술분류를 인용한 횟수가 표시되도록 구성될 수 있다.
이때, 제1 축의 기술분류와 제2 축의 기술분류가 교차하는 지점에 위치하는 셀이 기술분류쌍에 대응되는 셀이 되고, 그 셀에 표시되는 인용 횟수가 기술분류쌍에 대응되는 인용 횟수가 된다
인용 매트릭스의 상세한 구성에 대해서는 도 3a 및 도 3b를 참조하여 후술한다.
한편, 다른 실시예에서는 인용 매트릭스는 매년 단위로 생성되지 않고, 매달 단위, 소정 기간 단위(3년, 5년)로 생성될 수도 있다.
단계 120에서는, 미래 특허 인용 횟수 추정 장치가 년도별로 생성된 인용 매트릭스에 기초하여, 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류한다.
이때, 제1 유형은 복수의 기술분류쌍 각각에 속하는 인용하는 기술분류와 피인용되는 기술분류간의 상관 관계가 낮은 유형이고, 제2 유형은 복수의 기술분류쌍 각각에 속하는 인용하는 기술분류와 피인용되는 기술분류간의 상관 관계가 높은 유형일 수 있다.
미래 특허 인용 횟수 추정 장치가 기술분류쌍에 대해 유형을 분류하는 방법에 대한 구체적인 설명은 도 2를 참조하여 후술한다.
단계 130에서는, 미래 특허 인용 횟수 추정 장치가 그 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정한다.
예컨대, 미래 특허 인용 횟수 추정 장치는 제1 유형(기술분류간 상관 관계가 낮은 유형)에 해당하는 기술분류쌍의 경우에는, 년도별로 생성된 인용 매트릭스에서의 해당 기술분류쌍의 년도별 인용 횟수에 곡선맞춤(curve fitting) 알고리즘을 이용하여 미래 시점의 인용 횟수를 추정할 수 있다.
즉, 기술분류간 상관 관계가 낮은 유형에 해당하는 기술분류쌍의 경우에는 다른 기술 분류와의 상관 관계가 높지 않으므로 년도별 인용매트릭스에서 해당 기술 분류쌍의 년도별 인용 횟수만을 참고하여 미래의 인용 횟수를 추정하더라도 정확하게 미래 시점의 인용 횟수를 추정할 수 있다고 가정하여, 해당 기술 분류쌍의 년도별 인용 횟수를 기반으로 하는 곡선맞춤 알고리즘을 이용하는 것이다.
보다 구체적으로는, 곡선 맞춤 알고리즘은 시계열 또는 순차적 흐름이 있는 데이터와 가장 유사한 형태의 곡선 함수를 추정하고, 그 추정된 곡선 함수에 기초하여 미래의 데이터를 추정하는 알고리즘이다. 곡선 맞춤 알고리즘은 선형, N차형, 지수함수형, 로그형 등의 곡선을 이용할 수 있다.
한편, 미래 특허 인용 횟수 추정 장치는 제2 유형(기술분류간 상관 관계가 높은 유형)에 해당하는 기술분류쌍의 경우에는, 신경망 분석 알고리즘을 이용하여 미래 특허 인용 횟수를 추정할 수 있는데, 이에 대한 구체적인 동작에 대해서는 도 5a 내지 도 5c를 참조하여 후술한다.
이와 같이, 본 발명의 일 실시예는 기술분류쌍의 유형에 따라 상이한 알고리즘을 이용하여 미래 시점의 인용 횟수를 추정함으로써, 그 기술분류쌍의 미래 시점의 인용 횟수를 보다 정확하게 추정할 수 있게 되는 효과가 있다.
도 2는 본 발명의 일 실시예에 따른 복수의 기술분류쌍의 유형 분류 방법을 설명하기 위하여 도시한 흐름도이다.
단계 210에서는, 미래 특허 인용 횟수 추정 장치가 년도별로 생성된 인용 매트릭스에 기초하여, 복수의 기술분류쌍별로 년도별 인용 횟수의 평균 값인 평균인용 횟수 또는 년도별 인용 횟수 증가율의 평균 값인 평균인용증가율을 산출한다.
단계 220에서는, 미래 특허 인용 횟수 추정 장치가 복수의 기술분류쌍 각각에서의 평균인용횟수를 횟수임계치와 비교하거나 평균인용증가율을 증가율임계치와 비교한다.
이때, 횟수임계치는 인용 매트릭스를 구성하는 모든 기술분류쌍의 인용횟수를 전체 평균한 값일 수 있고, 증가율임계치는 인용 매트릭스를 구성하는 모든 기술분류쌍의 인용 횟수 증가율을 전체 평균한 값일 수 있다.
예컨대, 미래 특허 인용 횟수 추정 장치는 2000년부터 2014년까지의 년도별 인용 매트릭스의 모든 기술분류쌍에서의 인용 횟수의 전체 평균한 값이 40이고, 모든 기술분류쌍의 인용 횟수 증가율을 전체 평균한 값이 3%일 경우에, 횟수임계치를 40으로 설정하고, 증가율임계치를 3%로 정할 수 있고, 이를 기술분류쌍 각각에서의 평균인용횟수 또는 평균인용증가율과 비교할 수 있다.
단계 230에서는, 미래 특허 인용 횟수 추정 장치가 그 비교 결과에 기초하여, 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류한다.
보다 구체적으로는, 미래 특허 인용 횟수 추정 장치는 기술분류쌍의 평균인용 횟수가 횟수임계치 미만인 경우 또는 기술분류쌍의 평균인용증가율이 증가율임계치 미만인 경우 그 기술분류쌍을 제1 유형(기술분류간 상관 관계가 낮은 유형)으로 분류하고, 그 외의 경우에는 제2 유형(기술분류간 상관 관계가 높은 유형)으로 분류할 수 있다.
예컨대, 횟수임계치가 40으로 설정된 경우에 2000년부터 2014년까지의 년도별 인용 매트릭스에서의 어느 기술분류쌍의 평균인용횟수가 45라면 그 기술 분류쌍은 제2 유형으로 분류될 수 있다.
또한, 증가율임계치가 3%로 설정된 경우에 2000년부터 2014년까지의 년도별 인용 매트릭스에서의 어느 기술분류쌍의 평균인용증가율이 4%라면 그 기술 분류쌍은 제2 유형으로 분류될 수 있다.
한편, 다른 실시예에서는 평균인용횟수와 평균인용증가율이 모두 고려될 수 있는데, 이 경우에는 평균인용증가율을 우선적으로 고려할 수 있다.
예컨대, 횟수임계치가 40으로 설정되고, 증가율임계치가 3%로 설정된 상태에서, 어느 기술분류쌍의 평균인용횟수가 30회이고, 기술분류쌍의 평균인용증가율이 4%라면, 원칙적으로 평균인용횟수가 횟수임계치 미만이어서 제1 유형으로 분류되어야 하지만 평균인용증가율이 4%로 증가율임계치 이상이므로 제2 유형으로 분류될 수 있다.
도 3a는 본 발명의 일 실시예에 따른 인용 매트릭스를 설명하기 위하여 도시한 도면이다.
도 3a는 2000년도의 인용 매트릭스로서, 가로축에는 인용하는 기술분류들로서 IPC코드 A61K3800, A61K3900, C07K14, C12M, G05F, H01Q, H03H, H04R이 표시되어 있고, 세로축에는 인용하는 기술분류들에 의해 피인용되는 기술분류들로서 IPC코드 A61K3800, A61K3900, C07K14, C12M, G05F, H01Q, H03H, H04R이 표시되어 있다.
또한, 가로축의 기술분류와 세로축의 기술분류의 2개의 축이 교차하는 지점에 위치하는 셀에는 가로축의 인용하는 기술분류에 의해 피인용되는 기술 분류의 인용 횟수가 표시된다.
예컨대, 인용하는 기술분류 A61K3800이 피인용되는 기술분류 C12M을 인용한 횟수 23이 A61K3800을 포함하는 세로축과 C12M을 포함하는 가로축이 교차하는 지점에 위치하는 셀에 표시되어 있다. 이때, 기술분류 A61K3800과 피인용되는 기술분류 C12M은 한개의 기술분류쌍(A61K3800-C12M 기술분류쌍)을 구성하게 되고, 한개의 인용 매트릭스에는 인용횟수가 표시된 셀의 개수만큼의 기술분류쌍이 존재하게 된다.
한편, 도 3a의 최하단셀에는 인용하는 기술분류에 의해 피인용된 모든 기술분류에 대응되는 인용 횟수의 합계인 제1 인용 횟수 합계가 표시되어 있고, 도 3a의 최우측셀에는 피인용되는 기술분류를 인용하는 모든 기술분류에 대응되는 인용 횟수의 합계인 제2 인용 횟수 합계가 표시되어 있다.
예컨대, A61K3800-C12M 기술분류쌍에 대한 제1 인용 횟수 합계와 제2 인용 횟수 합계는 각각은 504, 68이 된다. 기술분류 A61K3800에 의해 피인용된 모든 기술 분류의 인용 횟수의 합계(232+244+23+2+1+2)는 504이고, 기술분류 C12M을 인용하는 모든 기술분류에 대응되는 제2 인용 회수 합계(23+9+36)는 68이기 때문이다.
한편, 본 발명의 다른 실시예에 따르면 기술분류쌍의 미래 인용 횟수를 추정할 때 정규화된 인용 횟수를 사용할 수 있다. 이는, 기술분류별 인용 횟수의 차이를 완화시키기 위한 것으로 정규화된 인용 회수를 생성하는 방법에 대해서는 도 3b를 참조하여 설명한다.
도 3b는 본 발명의 일 실시예에 따른 인용 횟수 정규화 방법을 설명하기 위하여 도시한 도면이다.
도 3b를 참조하면, 인용 매트릭스에 포함되는 기술분류쌍들 각각에 대응되는 셀들에 정규화된 인용 횟수가 표시되어 있는 것을 알 수 있다.
미래 특허 인용 횟수 추정 장치는 복수의 기술분류쌍 각각을 구성하는 인용하는 기술분류에 대응되는 제1 인용 횟수 합계와 복수의 기술분류쌍 각각을 구성하는 피인용되는 기술분류에 대응되는 제2 인용 횟수 합계를 곱한 값을 이용하여 년도별로 생성된 인용 매트릭스에 포함된 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 정규화할 수 있다.
예컨대, A61K3800-C12M 기술분류쌍의 경우 인용하는 기술 분류 A61K3800에 대응되는 제1 인용 횟수 합계는 504이고, 피인용되는 기술분류 C12M에 대응되는 제2 인용 횟수 합계는 68이므로, 그 제1 인용 횟수 합계와 제2 인용 횟수 합계를 곱한 값(508*68)으로 A61K3800-C12M 기술분류쌍의 인용 횟수 23을 나눠줌으로써 정규화된 인용 횟수인 0.0006752를 생성할 수 있게 된다.
미래 특허 인용 횟수 추정 장치는 이와 같이 생성된 정규화된 인용 횟수를 이용하여 인용 매트릭스를 년도별로 재생성할 수 있다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따라 정규화된 인용 횟수를 이용하여 미래 시점의 복원된 인용 횟수를 추정하는 방법을 설명하기 위하여 도시한 도면이다.
도 4a에는 과거 시점인 2011년도부터 2013년 까지의 인용 매트릭스(402, 404, 406)가 도시되어 있고, 도 4b에는 미래 시점인 2020년에서의 인용 매트릭스(410)가 도시되어 있다.
미래 특허 인용 횟수 추정 장치는 년도별로 생성된 인용 매트릭스(402, 404, 406)에서의 제1 인용 횟수 합계(B3, B2, B1) 및 제2 인용 횟수 합계(A3, A2, A1)에 곡선맞춤 알고리즘을 적용하여 미래 시점에서의 인용매트릭스(410)의 제1 인용 횟수 합계(B) 및 제2 인용 횟수 합계(A)를 추정한다. 보다 구체적으로는 제1 인용 횟수 합계는 2011년부터 2013년까지 B3, B2, B1으로 값이 변경되었고, 제2 인용 횟수 합계는 2011년부터 2013년까지 A3, A2, A1으로 값이 변경되었기 때문에, 년도별 제1 인용 횟수 합계와 년도별 제2 인용 횟수 합계의 변경된 값들에 대응되는 최적의 곡선을 산출하여 미래 시점인 2020년의 제1 인용 횟수 합계(B) 및 제2 인용 횟수 합계(A)를 추정하게 된다.
다음으로, 미래 특허 인용 횟수 추정 장치는 미래 시점에서의 인용 매트릭스(410)에서 추정된 제1 인용 횟수 합계(B)와 제2 인용 횟수 합계(A)를 곱한 값(B*A)을 정규화된 인용 횟수(x11)에 곱하여 미래 시점의 복원된 인용 횟수를 추정할 수 있다.
도 5a 내지 도 5c는 본 발명의 일실시예에 따른 신경망 분석 알고리즘을 이용한 미래 특허 인용 횟수 추정 방법을 설명하기 위하여 도시한 도면이다.
도 5a를 참조하면, 1993년부터 2012년까지의 인용 매트릭스가 도시되어 있는데, 2012년도의 인용 매트릭스를 보면 T3-T2 기술분류쌍의 인용 횟수 X32에 대한 셀을 중심으로 가로축 셀들과 세로축 셀들이 회색으로 표시되어 있다. 이때, X32에 대한 셀을 중심으로 가로축 셀들은 T3-T2 기술분류쌍의 인용하는 기술분류인 T3에 의해 피인용되는 다른 기술분류들(X31, X33, X34, X35)을 포함하는 제1 참조기술분류쌍에 대한 셀들이고, X32에 대한 셀을 중심으로 세로축 셀들은 T3-T2 기술분류쌍의 피인용되는 기술분류인 T2를 인용하는 다른 기술분류들(X12, X22, X42, X52)을 포함하는 제2 참조기술분류쌍에 대한 셀들이다.
미래 특허 인용 횟수 추정 장치는 T3-T2 기술분류쌍에 대응되는 제1 참조기술분류쌍과 제2 참조기술분류쌍을 입력으로 신경망분석을 수행하여 T3-T2 기술분류쌍에 대한 미래 인용 횟수를 추정할 수 있다.
한편, 다른 실시예에서는 미래 특허 인용 횟수 추정 장치가 제1 참조기술분류쌍 중 일부의 기술 분류쌍과 제2 참조기술분류쌍 중 일부의 기술 분류쌍만을 이용하여 T3-T2 기술분류쌍에 대한 미래 인용 횟수를 추정할 수도 있다.
예컨대, 미래 특허 인용 횟수 추정 장치는 T3-T2 기술분류쌍에 대응되는 제1 참조기술분류쌍 및 제2 참조기술분류쌍에서의 인용 횟수에 대한 평균 값을 후보임계치로 설정하고, 그 후보임계치 이상의 인용 횟수를 가지는 기술분류쌍에서의 인용 횟수만을 이용하여 미래 시점의 인용 횟수를 추정할 수 있다.
만일, 제1 참조기술분류쌍 중에서 후보임계치를 초과하는 인용 횟수를 가지는 기술분류쌍이 T3-T1 및 T3-T4 기술 분류쌍 뿐이고, 제2 참조 기술분류쌍 중에서 후보임계치를 초과하는 인용 횟수를 가지는 기술분류쌍이 T1-T2 및 T4-T2 기술분류쌍 뿐이라면, 미래 특허 인용 횟수 추정 장치는 제1 참조기술분류쌍 중에서는 T3-T1 기술분류쌍의 인용 횟수 X31과 T3-T4 기술분류쌍의 인용 횟수 X34만을 이용하고, 제2 참조기술분류쌍 중에서는 T1-T2 기술분류쌍의 인용 횟수 X12와 T4-T2 기술분류쌍의 인용 횟수 X42만을 이용하여 T3-T2 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정할 수 있다.
도 5b의 좌측에는 과거 시점인 2012년도의 인용 매트릭스(502)가 도시되어 있고, 우측에는 미래 시점인 2013년도의 인용 매트릭스(504)가 도시되어 있다. 이때, 2012년도와 2013년도 인용 매트릭스(502, 504)는 가로축과 세로축에 각각 기술분류 235, 340, 361, 365, 375를 포함하고, 25개의 기술분류쌍을 포함한다.
도 5b에서는, 2012년도 인용 매트릭스(502)에서 361-340 기술분류쌍에 대한 셀이 미래 특허 인용 횟수를 추정하기 위한 기술분류쌍에 대한 셀로서 선정되어 노란색으로 표시되었으며, 미래 특허 인용 횟수 추정 장치는 그 선정된 361-340 기술분류쌍에 대한 셀에 인접한 셀들에 신경망분석 알고리즘을 적용하여 2013년도의 인용 횟수를 추정하여 2013년도 인용 매트릭스(504)의 노란색으로 표시된 셀에 표시한다.
도 5c를 참조하면, 좌측의 인용 매트릭스(512)에서 361-340 기술분류쌍을 중심으로 가로축으로 제1 참조기술분류쌍에 대한 셀들이 초록색으로 표시되어 있고, 361-340 기술분류쌍을 중심으로 세로축으로 제2 참조기술분류쌍에 대한 셀들이 빨간색으로 표시되어 있다.
우측에는 신경망 분석 매트릭스(514)가 도시되어 있는데, 신경망 분석 매트릭스(514)는 입력(input) 영역과 출력(output) 영역으로 구분되고, 입력 영역의 왼쪽에는 빨간색으로 표시된 제2 참조기술분류쌍에 대한 셀들이 배치되고, 입력 영역의 오른쪽에는 초록색으로 표시된 제1 참조기술분류쌍에 대한 셀들이 배치된다.
미래 특허 인용 횟수 추정 장치는 신경망 분석 매트릭스(514)의 입력 영역의 제1 참조기술분류쌍 및 제2 참조기술분류쌍의 정규화된 인용 횟수를 입력으로 하여 신경망 분석을 수행함으로써, 신경망 분석 매트릭스(514)의 출력 영역에 표시될 361_340 기술분류쌍의 2013년도 인용 횟수 예측 값을 추정할 수 있다.
도 6은 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 장치를 설명하기 위하여 도시한 도면이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 미래 특허 인용 횟수 추정 장치는 매트릭스 생성부(610), 분류부(620) 및 추정부(630)를 포함한다.
매트릭스 생성부(610)는 특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 그 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성한다.
분류부(620)는 년도별로 생성된 인용 매트릭스에 기초하여, 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류한다.
바람직하게는, 분류부(620)는 산출부(미도시), 비교부(미도시) 및 유형분류부(미도시)를 더 포함할 수 있다.
산출부는 년도별로 생성된 인용 매트릭스에 기초하여,복수의 기술분류쌍별로 년도별 인용 횟수의 평균 값인 평균인용 횟수 또는 년도별 인용 횟수 증가율의 평균 값인 평균인용증가율을 산출한다.
비교부는 복수의 기술분류쌍 각각에서의 평균인용 횟수를 횟수임계치와 비교하거나 평균인용증가율을 증가율임계치와 비교한다.
유형분류부는 그 비교 결과에 기초하여, 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류한다.
추정부(630)는 그 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정한다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독매체(예를 들면, 시디롬, 디브이디 등)를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다.
본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명이 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
Claims (16)
- 삭제
- 삭제
- 저장매체에 기록된 프로그램에 따라 컴퓨터로 수행되는 방법으로서,
특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 상기 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성하는 단계;
상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계; 및
상기 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계를 포함하고,
상기 제1 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 낮은 유형이고,
상기 제2 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 높은 유형이고,
상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계는
상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍별로 년도별 인용 횟수의 평균 값인 평균인용 횟수 또는 년도별 인용 횟수 증가율의 평균 값인 평균인용증가율을 산출하는 단계;
상기 복수의 기술분류쌍 각각에서의 상기 평균인용 횟수를 횟수임계치와 비교하거나 상기 평균인용증가율을 증가율임계치와 비교하는 단계; 및
상기 비교 결과에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계를 포함하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 방법. - 제3항에 있어서,
상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계는
상기 제1 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서의 해당 기술분류쌍의 년도별 인용 횟수에 곡선맞춤(curve fitting) 알고리즘을 이용하여 미래 시점의 인용 횟수를 추정하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 방법. - 제3항에 있어서,
상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계는
상기 제2 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 인용하는 기술분류에 의해 피인용되는 다른 기술분류를 포함하는 기술분류쌍인 복수의 제1 참조기술분류쌍 및 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 피인용되는 기술분류를 인용하는 다른 기술 분류를 포함하는 기술분류쌍인 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 신경망분석(Neural Network) 알고리즘을 적용하여 미래 시점의 인용 횟수를 추정하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 방법. - 제5항에 있어서,
상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계는
상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 대한 평균 값을 후보임계치로 설정하고, 상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍 중에서 상기 후보임계치 이상의 인용 횟수를 가지는 기술분류쌍에서의 인용 횟수만을 이용하여 상기 미래 시점의 인용 횟수를 추정하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 방법. - 저장매체에 기록된 프로그램에 따라 컴퓨터로 수행되는 방법으로서,
특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 상기 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성하는 단계;
상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 단계; 및
상기 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 단계를 포함하고,
상기 복수의 기술분류쌍 각각을 구성하는 상기 인용하는 기술분류에 의해 피인용된 모든 기술분류에 대응되는 인용 횟수의 합계인 제1 인용 횟수 합계와 상기 복수의 기술분류쌍 각각을 구성하는 상기 피인용되는 기술분류를 인용하는 모든 기술분류에 대응되는 인용 횟수의 합계인 제2 인용 횟수 합계를 곱한 값을 이용하여, 상기 년도별로 생성된 인용 매트릭스에 포함된 상기 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 정규화하는 단계; 및
상기 정규화된 인용 횟수를 이용하여 상기 인용 매트릭스를 년도별로 재생성하는 단계를 더 포함하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 방법. - 제7항에 있어서,
상기 미래 시점의 인용 횟수를 추정하는 단계는
상기 미래 시점의 정규화된 인용 횟수를 추정하는 단계; 및
상기 정규화된 인용 횟수를 이용하여 상기 미래 시점의 복원된 인용 횟수를 추정하는 단계를 포함하고,
상기 미래 시점의 복원된 인용 횟수를 추정하는 단계는
상기 년도별로 생성된 인용 매트릭스에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계에 곡선맞춤(curve fitting) 알고리즘을 적용하여 상기 미래 시점에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계를 추정하는 단계; 및
상기 추정된 미래시점에서의 상기 제1 인용 횟수 합계와 상기 제2 인용 횟수 합계를 곱한 값을 상기 정규화된 인용 횟수에 곱하여 상기 미래 시점의 복원된 인용 횟수를 추정하는 단계를 포함하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 방법. - 삭제
- 삭제
- 특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 상기 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성하는 매트릭스 생성부;
상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 분류부; 및
상기 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 추정부를 포함하고,
상기 제1 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 낮은 유형이고,
상기 제2 유형은 상기 복수의 기술분류쌍 각각에 속하는 상기 인용하는 기술분류와 상기 피인용되는 기술분류간의 상관 관계가 높은 유형이고,
상기 분류부는
상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍별로 년도별 인용 횟수의 평균 값인 평균인용 횟수 또는 년도별 인용 횟수 증가율의 평균 값인 평균인용증가율을 산출하는 산출부;
상기 복수의 기술분류쌍 각각에서의 상기 평균인용 횟수를 횟수임계치와 비교하거나 상기 평균인용증가율을 증가율임계치와 비교하는 비교부; 및
상기 비교 결과에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 유형분류부를 포함하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 장치. - 제11항에 있어서,
상기 추정부는
상기 제1 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서의 상기 제1 유형에 대응되는 기술분류쌍의 년도별 인용 횟수에 곡선맞춤(curve fitting) 알고리즘을 이용하여 미래 시점의 인용 횟수를 추정하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 장치. - 제11항에 있어서,
상기 추정부는
상기 제2 유형에 해당하는 기술분류쌍의 경우에, 상기 년도별로 생성된 인용 매트릭스에서 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 인용하는 기술분류에 의해 피인용되는 다른 기술분류를 포함하는 기술분류쌍인 복수의 제1 참조기술분류쌍 및 상기 제2 유형에 해당하는 기술분류쌍을 구성하는 상기 피인용되는 기술분류를 인용하는 다른 기술 분류를 포함하는 기술분류쌍인 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 신경망분석(Neural Network) 알고리즘을 적용하여 미래 시점의 인용 횟수를 추정하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 장치. - 제13항에 있어서,
상기 추정부는
상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍에서의 복수의 인용 횟수에 대한 평균 값을 후보임계치로 설정하고, 상기 복수의 제1 참조기술분류쌍 및 상기 복수의 제2 참조기술분류쌍 중에서 상기 후보임계치 이상의 인용 횟수를 가지는 기술분류쌍에서의 인용 횟수만을 이용하여 상기 미래 시점의 인용 횟수를 추정하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 장치. - 특허 DB로부터 수집된 소정 기간 내의 특허들에 대한 특허 서지 정보에 기초하여, 인용하는 기술분류와 상기 인용하는 기술분류에 의해 피인용되는 기술분류로 구성되는 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 표시하는 인용 매트릭스를 년도별로 생성하는 매트릭스 생성부;
상기 년도별로 생성된 인용 매트릭스에 기초하여, 상기 복수의 기술분류쌍을 제1 유형 또는 제2 유형으로 분류하는 분류부; 및
상기 유형 분류에 기초하여, 제1 알고리즘 또는 제2 알고리즘을 이용하여 상기 복수의 기술분류쌍에 대응되는 미래 시점의 인용 횟수를 추정하는 추정부를 포함하고,
상기 매트릭스 생성부는
상기 복수의 기술분류쌍 각각을 구성하는 상기 인용하는 기술분류에 의해 피인용된 모든 기술분류에 대응되는 인용 횟수의 합계인 제1 인용 횟수 합계와 상기 복수의 기술분류쌍 각각을 구성하는 상기 피인용되는 기술분류를 인용하는 모든 기술분류에 대응되는 인용 횟수의 합계인 제2 인용 횟수 합계를 곱한 값을 이용하여, 상기 년도별로 생성된 인용 매트릭스에 포함된 상기 복수의 기술분류쌍 각각에 대응되는 인용 횟수를 정규화하고, 상기 정규화된 인용 횟수를 이용하여 상기 인용 매트릭스를 년도별로 재생성하는 동작을 더 수행하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 장치. - 제15항에 있어서,
상기 추정부는
상기 미래 시점의 정규화된 인용 횟수를 추정하고, 상기 정규화된 인용 횟수를 이용하여 상기 미래 시점의 복원된 인용 횟수를 추정하되,
상기 미래 시점의 복원된 인용 횟수의 추정은 상기 년도별로 생성된 인용 매트릭스에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계에 곡선맞춤(curve fitting) 알고리즘을 적용하여 상기 미래 시점에서의 상기 제1 인용 횟수 합계 및 상기 제2 인용 횟수 합계를 추정한 후, 상기 추정된 미래시점에서의 상기 제1 인용 횟수 합계와 상기 제2 인용 횟수 합계를 곱한 값을 상기 정규화된 인용 횟수에 곱하여 상기 미래 시점의 복원된 인용 횟수를 추정하는 것을 특징으로 하는 미래 특허 인용 횟수 추정 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150053865A KR101645643B1 (ko) | 2015-04-16 | 2015-04-16 | 미래의 특허 인용 횟수 추정 방법 및 그 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150053865A KR101645643B1 (ko) | 2015-04-16 | 2015-04-16 | 미래의 특허 인용 횟수 추정 방법 및 그 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101645643B1 true KR101645643B1 (ko) | 2016-08-05 |
Family
ID=56711385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150053865A KR101645643B1 (ko) | 2015-04-16 | 2015-04-16 | 미래의 특허 인용 횟수 추정 방법 및 그 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101645643B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220070936A (ko) * | 2020-11-23 | 2022-05-31 | 아주대학교산학협력단 | 소멸특허 분석 방법 및 장치 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120006280A (ko) * | 2010-07-12 | 2012-01-18 | 한국원자력연구원 | 특허의 피인용횟수 추정방법 |
| KR20130045514A (ko) * | 2011-10-26 | 2013-05-06 | 한국과학기술정보연구원 | 미래 기술 가치 평가 시스템 및 방법 |
| KR101278135B1 (ko) * | 2011-05-02 | 2013-06-27 | 서울대학교산학협력단 | 확률론적 특허 인용 분석에 기반한 미래 유망 특허 탐색 장치 및 그 방법 |
-
2015
- 2015-04-16 KR KR1020150053865A patent/KR101645643B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120006280A (ko) * | 2010-07-12 | 2012-01-18 | 한국원자력연구원 | 특허의 피인용횟수 추정방법 |
| KR101278135B1 (ko) * | 2011-05-02 | 2013-06-27 | 서울대학교산학협력단 | 확률론적 특허 인용 분석에 기반한 미래 유망 특허 탐색 장치 및 그 방법 |
| KR20130045514A (ko) * | 2011-10-26 | 2013-05-06 | 한국과학기술정보연구원 | 미래 기술 가치 평가 시스템 및 방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220070936A (ko) * | 2020-11-23 | 2022-05-31 | 아주대학교산학협력단 | 소멸특허 분석 방법 및 장치 |
| KR102494490B1 (ko) | 2020-11-23 | 2023-02-06 | 아주대학교산학협력단 | 소멸특허 분석 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kim et al. | A novel approach to forecast promising technology through patent analysis | |
| WO2019214248A1 (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
| CN111291816B (zh) | 针对用户分类模型进行特征处理的方法及装置 | |
| Kočišová et al. | Discriminant analysis as a tool for forecasting company's financial health | |
| US20200151565A1 (en) | Applied Artificial Intelligence Technology for Processing Trade Data to Detect Patterns Indicative of Potential Trade Spoofing | |
| US20120296835A1 (en) | Patent scoring and classification | |
| Wang et al. | Cost-effective quality assurance in crowd labeling | |
| JP4391506B2 (ja) | 評価装置、評価方法及び評価プログラム | |
| US20170061484A1 (en) | Method for determining next purchase interval for customer and system thereof | |
| KR101597939B1 (ko) | 거시경제지표를 활용한 산업별 신용위험도 예측 장치 및 방법 | |
| Durica et al. | Business failure prediction using cart-based model: A case of Slovak companies. | |
| Thomas et al. | Real-time prediction of severe influenza epidemics using Extreme Value Statistics | |
| KR101625124B1 (ko) | 특허 정량분석을 이용한 기술평가 방법 | |
| KR20180059203A (ko) | 지불 거절 사기 사용자의 예측 방법 및 프로그램 | |
| Tsao et al. | A patent quality classification model based on artificial immune system | |
| Bansak | Can nonexperts really emulate statistical learning methods? A comment on “The accuracy, fairness, and limits of predicting recidivism” | |
| Sintaro et al. | Combination of Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) and Pivot Pairwise Relative Criteria Importance Assessment (PIPRECIA) in Determining the Best Cashier | |
| Chaudhary et al. | Comparative Analysis of Entropy Weight Method and C5 Classifier for Predicting Employee Churn | |
| KR101645643B1 (ko) | 미래의 특허 인용 횟수 추정 방법 및 그 장치 | |
| Bhambri | A CAD system for software effort estimation | |
| WO2013120023A2 (en) | System for valuing investment opportunities | |
| Pisula et al. | Non-statistical methods of analysing of bankruptcy risk | |
| Soepriyanto | Comparative Analysis of K-NN and Naïve Bayes Methods to Predict Stock Prices | |
| Jazri et al. | Measuring cybersecurity wellness index of critical organisations | |
| US11151483B2 (en) | System and a method for assessing data for analytics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| FPAY | Annual fee payment |
Payment date: 20190702 Year of fee payment: 4 |