KR101831532B1 - 특허 라이센스 대상기업 예측 방법 및 시스템 - Google Patents
특허 라이센스 대상기업 예측 방법 및 시스템 Download PDFInfo
- Publication number
- KR101831532B1 KR101831532B1 KR1020160157788A KR20160157788A KR101831532B1 KR 101831532 B1 KR101831532 B1 KR 101831532B1 KR 1020160157788 A KR1020160157788 A KR 1020160157788A KR 20160157788 A KR20160157788 A KR 20160157788A KR 101831532 B1 KR101831532 B1 KR 101831532B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- information
- data model
- company
- model
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013499 data model Methods 0.000 claims abstract description 166
- 238000005065 mining Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000002860 competitive effect Effects 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000002360 preparation method Methods 0.000 claims description 10
- 238000012800 visualization Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G06F17/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 특허 라이센스 대상기업 예측 방법 및 시스템에 관한 것으로, 서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 준비하는 준비단계; 적어도 하나 이상의 특허번호를 입력하는 입력단계; 상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 기준 데이터모델 생성단계; 상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 예측 데이터모델 생성단계; 및 상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 출력단계;를 포함하는 것으로 특징으로 한다.
본 발명은 기업데이터를 중심으로 분석하고 필요한 특허정보를 결합하여 효과적으로 데이터를 구성함으로써, 종래 단순 특허분석과 달리, 실제 시장현황, 거래정보 및 기업현황이 충분히 반영된 높은 신뢰성을 갖는 예측 데이터를 생성할 수 있는 장점이 있다.
본 발명은 기업데이터를 중심으로 분석하고 필요한 특허정보를 결합하여 효과적으로 데이터를 구성함으로써, 종래 단순 특허분석과 달리, 실제 시장현황, 거래정보 및 기업현황이 충분히 반영된 높은 신뢰성을 갖는 예측 데이터를 생성할 수 있는 장점이 있다.
Description
본 발명은 특허 라이센스 대상기업 예측 방법 및 시스템에 관한 것으로, 보다 상세하게는 특허번호만 입력하면 기업데이터와 특허데이터를 분석하여, 해당 특허에 대하여 라이센스 가능성이 높은 대상기업을 예측한 결과를 도출하는 방법 및 시스템에 대한 것이다.
최근 기술 보호의 수단으로서 지적재산권의 중요성이 커지면서 특허 출원에 대한 관심도 급증하고 있으며, 이러한 영향으로 특허 라이센스 시장도 점차 확대되고 있는 추세이다.
특허기술의 상용화, 침해방지, 특허포트폴리오 구축, 경쟁사 대응 등 다양한 목적으로 특허 라이센스가 이루어지고 있으나, 실제로 전세계에 존재하는 많은 기업과 특허를 모두 분석하여 효과적인 라이센스 대상을 발굴하고 협상을 진행하는 것은 어려운 실정이다.
따라서, 종래의 특허분석이 아니라, 기업정보를 중심으로 특허정보를 활용하여 분석함으로써, 실제 시장현황, 거래정보 및 기업현황이 충분히 반영되고, 특허번호만으로 간편하게 전세계 수많은 기업 중 특허 라이센스 대상이 될 가능성이 높은 기업을 예측하고 제공해줄 수 있는 시스템이 요구되고 있다.
따라서, 본 발명의 목적은 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 기업의 주요상품, 종업원수, 규모, 형태, 공시사항 등의 서지정보 및 매출액, 영업이익, 자산총계 등의 재무정보 등의 기업정보를 중심으로 특허정보를 결합하여 분석함으로써, 특허 라이센스 가능성이 높은 대상기업을 예측하기 위한 것이다.
구체적으로 본 발명이 해결하고자 하는 기술적 과제는, 특허번호만 입력하면 해당 특허를 라이센스할 가능성이 높은 대상기업을 기업데이터를 중심으로 분석하여 제공하는 것이다.
또한, 입력방식이 간단하여 사용자 편의성이 높으며, 특허비전문가도 쉽게 사용할 수 있으면서도, 데이터 마이닝 방식, 기업 및 특허데이터의 분석 방식 등을 최적화하여 예측 데이터가 높은 신뢰성을 갖는 것을 목적으로 한다.
또한, 특허 라이센스는 결국 기업이 수행하는 것이므로 특허데이터만의 분석으로는 현실을 반영하기 어려웠으나, 본 발명은 기업데이터를 중심으로 분석하고 필요한 특허정보를 결합하여 효과적으로 데이터를 구성함으로써, 종래 단순 특허분석과 달리, 실제 시장현황, 거래정보 및 기업현황이 충분히 반영된 높은 신뢰성을 갖는 예측 데이터를 생성하는 것을 목적으로 한다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위하여, 본 발명의 일 실시예에 따른 특허 라이센스 대상기업 예측 방법은,
서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 준비하는 준비단계; 적어도 하나 이상의 특허번호를 입력하는 입력단계; 상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 기준 데이터모델 생성단계; 상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 예측 데이터모델 생성단계; 및 상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 출력단계;를 포함하며,
상기 기준 데이터모델은 상기 특허데이터를 기반으로 하고, 상기 예측 데이터모델은 상기 기업데이터를 기반으로 하며, 상기 기준 데이터모델은 상기 특허데이터의 텍스트 마이닝 정보, 특허분류코드정보 또는 인명정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하고, 상기 예측 데이터모델은 상기 기업데이터의 텍스트 마이닝 정보 또는 서지정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하며, 상기 기준 데이터모델의 기술분류데이터와 상기 예측 데이터모델의 기술분류데이터는 공통기술분류를 기반으로 분류되어 상기 기준 데이터모델과 상기 예측 데이터모델의 링크데이터 역할을 수행할 수 있다.
상기 공통기술분류는 상기 텍스트 마이닝 정보, 국제특허분류코드 또는 표준산업분류 중 적어도 하나를 이용하여 기설정된 기준에 따라 구성되며, 분류별로 가중치가 부여될 수 있으며, 상기 텍스트 마이닝 정보는 하기 <식 1>에 의하여 상기 특허데이터와 상기 기업데이터에서 중요도가 높은 키워드를 추출하여 생성될 수 있다.
<식 1>
또한, 상기 출력단계에서 출력되는 기업데이터는 상기 예측 데이터모델에 의하여 특허 라이센스 대상이 될 확률 순으로 정렬될 수 있으며, 상기 출력단계에서 출력되는 기업데이터 중 일부 또는 전부에 대한 통계정보를 생성하여, 텍스트화 또는 시각화 중 적어도 하나의 방식으로 출력할 수 있다.
상기 기준 데이터모델에 포함되는 기술분류데이터와 상기 예측 데이터모델에 포함되는 기술분류데이터 간의 일치율과 상기 공통기술분류의 가중치를 기설정된 기준으로 조합하여 일정 기준을 만족하는 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅할 수 있으며, 상기 기준 데이터모델 생성단계에서, 상기 기준 데이터모델은 상기 특허데이터의 상기 요약, 청구항 또는 명세서 중 적어도 하나; 상기 서지정보; 또는 인용정보, 패밀리정보, 법적상태, 심판정보 또는 라이센스 여부 중 적어도 하나를 포함하는 관련정보; 중 적어도 하나를 분석하여 특허를 평가한 특허평가데이터를 포함할 수 있다.
또한, 상기 예측 데이터모델 생성단계에서, 상기 예측 데이터모델은 상기 예측 데이터모델의 기술분류데이터와 상기 기업데이터의 서지정보 및 재무정보를 기초로 상기 기준 데이터모델의 기술분류데이터와 특허평가데이터를 기설정된 기준으로 조합하여 상기 기업데이터의 기업들 각각이 상기 특허번호에 대응되는 특허데이터에 대한 라이센스 대상이 될 확률을 산출할 수 있다.
상기 출력단계에서 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 경쟁기업 데이터 생성단계;를 더 포함할 수 있으며, 상기 경쟁기업 데이터는 상기 출력단계에서 출력되는 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나와 상기 준비단계의 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나를 기설정된 기준으로 매칭 확률을 계산하여 일정 기준 이상인 상기 준비단계의 기업데이터에 속한 기업을 경쟁기업으로 추출한 데이터일 수 있다.
본 발명의 일 실시예에 따른 특허 라이센스 대상기업 예측 시스템은, 서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 저장하는 데이터 저장부; 적어도 하나 이상의 특허번호를 입력하는 입력부; 상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 기준 데이터모델 생성부; 상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 예측 데이터모델 생성부; 및 상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 출력부;를 포함할 수 있으며,
상기 기준 데이터모델은 상기 특허데이터를 기반으로 하고, 상기 예측 데이터모델은 상기 기업데이터를 기반으로 할 수 있고, 상기 출력부에서 출력되는 기업데이터는 상기 예측 데이터모델에 의하여 특허 라이센스 대상이 될 확률 순으로 정렬되어 출력될 수 있고, 상기 출력부에서 출력되는 기업데이터 중 일부 또는 전부에 대한 통계정보를 생성하여, 텍스트화 또는 시각화 중 적어도 하나의 방식으로 출력할 수 있다.
또한, 상기 출력부에서 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 경쟁기업 데이터 생성부;를 더 포함할 수 있으며, 상기 경쟁기업 데이터는 상기 출력부에서 출력되는 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나와 상기 데이터 저장부의 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나를 기설정된 기준으로 매칭 확률을 계산하여 일정 기준 이상인 상기 데이터 저장부의 기업데이터에 속한 기업을 경쟁기업으로 추출한 데이터이고,
상기 기준 데이터모델에 포함되는 기술분류데이터와 상기 예측 데이터모델에 포함되는 기술분류데이터 간의 일치율과 상기 공통기술분류의 가중치를 기설정된 기준으로 조합하여 일정 기준을 만족하는 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅할 수 있다.
또한, 상기 기준 데이터모델은 상기 특허데이터의 텍스트 마이닝 정보, 특허분류코드정보, 인명정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하고, 상기 예측 데이터모델은 상기 기업데이터의 텍스트 마이닝 정보 또는 서지정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하며, 상기 기준 데이터모델의 기술분류데이터와 상기 예측 데이터모델의 기술분류데이터는 공통기술분류를 기반으로 분류되어 상기 기준 데이터모델과 상기 예측 데이터모델의 링크데이터 역할을 수행할 수 있다.
상기 기준 데이터모델 생성부에서, 상기 기준 데이터모델은 상기 특허데이터의 상기 요약, 청구항 또는 명세서 중 적어도 하나; 상기 서지정보; 또는 인용정보, 패밀리정보, 법적상태, 심판정보 또는 양도양수여부를 포함하는 관련정보; 중 적어도 하나를 분석하여 특허를 평가한 특허평가데이터를 포함하며, 상기 예측 데이터모델 생성부에서, 상기 예측 데이터모델은 상기 예측 데이터모델의 기술분류데이터와 상기 기업데이터의 서지정보 및 재무정보를 기초로 상기 기준 데이터모델의 기술분류데이터와 특허평가데이터를 기설정된 기준으로 조합하여 상기 기업데이터의 기업들 각각이 상기 특허번호에 대응되는 특허데이터에 대한 라이센스 대상이 될 확률을 산출할 수 있다.
본 발명의 일 실시예에 따른 기록매체에 저장된 컴퓨터 프로그램은, 컴퓨팅 장치와 결합하여, 서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 준비하는 준비단계; 적어도 하나 이상의 특허번호를 입력하는 입력단계; 상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 기준 데이터모델 생성단계; 상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 예측 데이터모델 생성단계; 및 상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 단계를 실행할 수 있다.
본 발명의 일 실시예에 따르면, 기업의 주요상품, 종업원수, 규모, 형태, 공시사항 등의 서지정보 및 매출액, 영업이익, 자산총계 등의 재무정보 등의 기업정보를 중심으로 특허정보를 결합하여 분석함으로써, 특허 라이센스 가능성이 높은 대상기업을 예측할 수 있는 장점이 있다.
또한, 특허번호만 입력하면 해당 특허를 라이센스할 가능성이 높은 대상기업을 기업데이터를 중심으로 분석하여 제공함으로써, 사용자 편의성이 높으며, 특허비전문가도 쉽게 사용할 수 있으면서도, 데이터 마이닝 방식, 기업 및 특허데이터의 분석 방식 등을 최적화하여 예측 데이터가 높은 신뢰성을 갖는 장점이 있다.
또한, 특허 라이센스는 결국 기업이 수행하는 것이므로 특허데이터만의 분석으로는 현실을 반영하기 어려웠으나, 본 발명은 기업데이터를 중심으로 분석하고 필요한 특허정보를 결합하여 효과적으로 데이터를 구성함으로써, 종래 단순 특허분석과 달리, 실제 시장현황, 거래정보 및 기업현황이 충분히 반영된 높은 신뢰성을 갖는 예측 데이터를 생성할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 특허 라이센스 대상기업 예측 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 기업데이터를 특허 라이센스 대상이 될 확률 순으로 평가하여 정렬하는 방식에 관한 예시도이다.
도 3은 본 발명의 일 실시예에 따라 출력되는 기업데이터에 대한 통계정보를 나타낸 예시도이다.
도 4는 본 발명의 일 실시예에 따라 출력되는 기업데이터에 대한 통계정보를 나타낸 예시도이다.
도 5는 본 발명의 일 실시예에 따라 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 방식에 관한 예시도이다.
도 6은 본 발명의 일 실시예에 따라 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅하는 방식에 관한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 특허 라이센스 대상기업 예측시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 기업데이터를 특허 라이센스 대상이 될 확률 순으로 평가하여 정렬하는 방식에 관한 예시도이다.
도 3은 본 발명의 일 실시예에 따라 출력되는 기업데이터에 대한 통계정보를 나타낸 예시도이다.
도 4는 본 발명의 일 실시예에 따라 출력되는 기업데이터에 대한 통계정보를 나타낸 예시도이다.
도 5는 본 발명의 일 실시예에 따라 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 방식에 관한 예시도이다.
도 6은 본 발명의 일 실시예에 따라 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅하는 방식에 관한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 특허 라이센스 대상기업 예측시스템의 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
도 1에 나타난 바와 같이, 본 발명의 특허 라이센스 대상기업 예측방법은 준비단계(S10); 입력단계(S20); 기준 데이터모델 생성단계(S30); 예측 데이터모델 생성단계(S40); 및 출력단계(S50);를 포함할 수 있다.
먼저, 준비단계(S10)는 서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 준비하는 단계이다.
상기 기업데이터에서, 서지정보는 기업의 기업명, 설립일자, 사업자번호, 법인번호, 대표자, 홈페이지, 주요상품, 종업원수, 규모, 형태, 지역, 본사주소, 표준산업분류, 공시사항 등 기업이 공시하거나 공개하고 있는 모든 정보 중 적어도 하나를 의미하며, 재무정보는 연도별 매출액, 자산총계, 부채총계, 자본총계, 영업이익, 당기순이익 등의 재무 관련 모든 정보 중 적어도 하나를 의미한다.
상기 특허데이터에서, 서지정보는 국가, 출원인, 출원일, 발명자, 권리자, 특허분류코드 등 특허에 관한 모든 서지(bibliography)정보 중 적어도 하나를 의미하며, 상기 특허데이터는 관련정보를 포함할 수 있으며, 관련정보는 인용정보, 패밀리정보, 법적상태, 심판정보, 라이센스 여부 등의 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 제외한 해당 특허와 관련된 모든 정보 중 적어도 하나를 의미한다.
입력단계(S20)는 적어도 하나 이상의 특허번호를 입력하는 단계이다. 본 발명에 의하면 사용자는 특허번호만을 입력함으로써 해당 특허에 대한 라이센스 대상기업 예측정보를 수득할 수 있다.
사용자는 하나의 특허번호를 입력할 수도 있고, 여러 개의 특허번호를 동시에 입력하여 결과를 수득할 수도 있다. 주로 서로 관련 있는 기술의 특허포트폴리오나 특정 기업의 특허포트폴리오에 속한 특허들을 동시에 입력함으로써, 라이센스 대상기업의 예측확률을 더 증가시킬 수 있으며, 보다 유의미한 대상기업들의 통계자료를 수득할 수 있다.
상기 특허번호는, 특허에 기재된 어떠한 번호가 될 수 있으나, 출원번호, 공개번호, 공고번호 또는 등록번호 중 적어도 하나인 것이 바람직하다.
기준 데이터모델 생성단계(S30)는 상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 단계이다. 이는 사용자가 입력한 특허번호에 관한 특허데이터를 분석하여 이에 적합한 기업데이터를 추출하기 위한 전단계이다.
즉, 상기 기준 데이터모델은 상기 특허데이터를 기반으로 한다.
상기 기준 데이터모델은 상기 특허데이터의 텍스트 마이닝 정보, 특허분류코드정보 또는 인명정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하는 것이 바람직하다. 이는 해당 특허의 기술분야나 제품군을 특정하여 기업데이터와의 링크데이터로 역할을 할 뿐만 아니라, 예측 데이터모델의 예측확률을 높이기 위하여 활용될 수 있다.
또한, 상기 기준 데이터모델은 상기 특허데이터의 상기 요약, 청구항 또는 명세서 중 적어도 하나; 상기 서지정보; 또는 인용정보, 패밀리정보, 법적상태, 심판정보 또는 라이센스 여부 중 적어도 하나를 포함하는 관련정보; 중 적어도 하나를 분석하여 특허를 평가한 특허평가데이터를 포함하는 것이 바람직하다.
또한, 여기 특허데이터는 입력된 특허번호에 해당되는 특허뿐만 아니라, 기업데이터에서 해당 기업이 보유하고 있는 특허데이터 전부를 포함하는 것이 바람직하다. 이는 예측 데이터모델에서의 예측확률을 높일 뿐만 아니라, 본 발명의 유사특허 또는 경쟁기업 데이터 추출에 활용될 수 있다.
다음으로, 예측 데이터모델 생성단계(S40)는 상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 단계이다. 이는 기업데이터를 중심으로 기준 데이터모델을 참조하여 특허 라이센스 대상기업을 추출하고 그 확률을 예측하는 예측 데이터모델을 생성하기 위한 단계이다.
상기 예측 데이터모델은 상기 기업데이터를 기반으로 한다.
상기 예측 데이터모델은 상기 기업데이터의 텍스트 마이닝 정보 또는 서지정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하는 것이 바람직하다. 이는 해당 특허의 기술분야나 제품군을 특정하여 기업데이터와의 링크데이터로 역할을 할 뿐만 아니라, 특허데이터를 기반으로 한 기준 데이터모델의 정보를 조합함으로써, 예측확률을 높이기 위함이다.
구체적으로, 상기 예측 데이터모델은 상기 예측 데이터모델의 기술분류데이터와 상기 기업데이터의 서지정보 및 재무정보를 기초로 상기 기준 데이터모델의 기술분류데이터와 특허평가데이터를 기설정된 기준으로 조합하여 상기 기업데이터의 기업들 각각이 상기 특허번호에 대응되는 특허데이터에 대한 라이센스 대상이 될 확률을 산출할 수 있다.
기업데이터의 연구개발비용이나 비율의 변화, 라이센스 비용, 주요 기술이나 제품, 그리고 회사의 매출액, 종업원수 등의 요소를 기초로 하여, 기준 데이터모델의 보유 특허의 품질, 기술분야, 라이센스하거나 받은 특허 등의 요소를 각 요소별로 가중치를 부여하여 조합함으로써, 기업별로 상기 특허번호에 대응되는 특허데이터에 대한 라이센스 대상이 될 확률을 산출할 수 있으며, 이 경우 실제 사례들을 토대로 수차례 실험을 실시한 결과, 그 신뢰성과 확률 정확도가 종래의 그 어떠한 분석방법보다 우수함을 확인하였다.
또한, 기업데이터의 요소들의 가중치는 기준 데이터모델의 요소들의 가중치보다 높게 설정하는 것이 바람직하다.
상기 기준 데이터모델의 기술분류데이터와 상기 예측 데이터모델의 기술분류데이터는 공통기술분류를 기반으로 분류되어 상기 기준 데이터모델과 상기 예측 데이터모델의 링크데이터 역할을 수행하는 것이 바람직하다. 각 데이터모델은 기초로 하는 데이터가 기업과 특허로 상이함으로 그 텍스트 마이닝이나 관련 코드 등의 결과가 상이할 수 밖에 없으나, 양 데이터모델에서 도출된 기술분류데이터를 정합도에 따라 텍스트 마이닝으로 일치확률을 분석하여 공통된 기술분류를 만들어 코드화함으로써, 양 데이터모델을 링크할 수 있다.
상기 공통기술분류는 상기 텍스트 마이닝 정보, 국제특허분류코드 또는 표준산업분류 중 적어도 하나를 이용하여 기설정된 기준에 따라 구성되며, 분류별로 가중치가 부여되는 것이 바람직하다. 즉, 기술분류는 계층적으로 형성되고, 기술분야별로 상이한 특징이 있는 바, 이러한 데이터모델의 통계분석과 텍스트 마이닝 기법을 이용하여 분류별로 가중치를 부여함으로써, 매칭의 정확도와 예측 결과의 신뢰성을 향상시킬 수 있다.
본 발명에서 사용되는 모든 텍스트 마이닝 정보는 하기 <식 1>에 의하여 상기 특허데이터와 상기 기업데이터에서 중요도가 높은 키워드를 추출하여 생성되는 것이 바람직하다. 이는 중요도 높은 키워드를 추출하기 위한 방법으로, 식 1에서 문서가 포함하는 키워드 개수 / 문서가 포함하는 모든 단어수 부분은, 특정 키워드가 해당 문서 내에서 얼마나 자주 등장하는 지에 관한 것이고, log로 기재된 부분은 해당 문서군 내에서 해당 키워드가 나타난 문서의 수로, 특정 키워드가 몇 개의 문서에서 나타나고 있는지를 의미하는 것이다.
따라서, 기업데이터와 특허데이터에서의 텍스트 정보에 대해서는 모두 하기 <식 1>을 통해 중요한 텍스트를 마이닝하여 활용할 수 있다. 이는 수많은 기업데이터와 특허데이터를 공통적인 기준으로 분석하기 위해 가장 최적화된 방식으로, 수차례의 실험과 적용 끝에 도출된 것이다.
<식 1>
출력단계(S50)는 상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 단계이다. 이는 사용자가 입력한 특허에 대한 결과를 사용자에게 디스플레이하는 단계로, 종래와 다르게, 특허번호를 입력하여 기업데이터가 결과로 출력된다는 특징이 있다.
상기 출력단계(S50)에서 출력되는 기업데이터는 상기 예측 데이터모델에 의하여 특허 라이센스 대상이 될 확률 순으로 정렬되는 것이 바람직하다. 도 2에 나타난 바와 같이, 확률 또는 확률로 인해 평가된 등급에 따라 기업데이터를 리스팅함으로써, 사용자는 본 발명의 예측방법에 의해 도출된 기업을 한눈에 확인할 수 있고, 우선적으로 검토할 수 있는 장점이 있다.
또한, 도 3 및 도 4에 나타난 바와 같이, 상기 출력단계(S50)에서 출력되는 기업데이터 중 일부 또는 전부에 대한 통계정보를 생성하여, 텍스트화 또는 시각화 중 적어도 하나의 방식으로 출력하는 것이 바람직하다. 이는 사용자가 예측 데이터모델에 의해 도출된 기업데이터에 대한 통계를 한눈에 볼 수 있다. 즉, 실제 해당 특허의 라이센스 대상 기업이 얼마나 많은지, 어디 소재 기업, 어느 규모의 기업이 많은지 등을 쉽게 파악할 수 있으며, 많은 특허를 동시에 입력하는 경우에도 빠르게 기업데이터를 확인할 수 있는 장점이 있다.
추가적으로, 경쟁기업 데이터 생성단계(S60)를 더 포함할 수 있으며, 경쟁기업 데이터 생성단계(S60)는 도 5에 나타난 바와 같이, 상기 출력단계(S50)에서 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 단계이다. 이는 특정 기업의 경쟁기업을 기업데이터와 특허데이터를 활용하여 예측하여 추출하는 기술이다.
상기 경쟁기업 데이터는 상기 출력단계(S50)에서 출력되는 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나와 상기 준비단계(S10)의 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나를 기설정된 기준으로 매칭 확률을 계산하여 일정 기준 이상인 상기 준비단계의 기업데이터에 속한 기업을 경쟁기업으로 추출한 데이터인 것이 바람직하다.
실제 경쟁기업은 산업상 같은 분야에 있고, 유사한 기술을 보유하고 있으며, 비슷한 규모일 가능성이 높으므로, 이러한 요소들을 일정 기준에 따라 가중치를 부여하고 각 요소들의 매칭 확률을 계산하여 도출하는 것은 실험결과 실제 경쟁기업이 될 확률이 매우 높음을 확인하였다.
또한, 도 6에 나타난 바와 같이, 상기 기준 데이터모델에 포함되는 기술분류데이터와 상기 예측 데이터모델에 포함되는 기술분류데이터 간의 일치율과 상기 공통기술분류의 가중치를 기설정된 기준으로 조합하여 일정 기준을 만족하는 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅하는 것이 바람직하다. 이는 사용자가 입력한 특허를 통한 결과로 도출된 기업데이터의 각 기업들이 입력된 특허와 유사한 특허를 보유하고 있는지를 확인하기 위한 것이다.
사용자는 이러한 기술에 따라 도출된 유사특허를 확인함으로써, 해당 기업의 특허 침해나 라이센스 가능성을 확인할 수 있다.
본 발명의 특허 라이센스 대상기업 예측방법은 특허 라이센스 대상기업 예측 시스템(100)에 의해 수행될 수 있다.
본 발명의 특허 라이센스 대상기업 예측 시스템(100)은, 도 7에 나타난 바와 같이, 데이터 저장부(10); 입력부(20); 기준 데이터모델 생성부(30); 예측 데이터모델 생성부(40); 및 출력부(50);를 포함할 수 있다.
데이터 저장부(10)는 서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 저장하는 역할을 한다.
데이터 저장부(10)는 각종 데이터, 명령 및/또는 정보를 저장하며, 본 발명의 실시예에 따른 특허 라이센스 대상기업 예측방법을 제공받기 위한 하나 이상의 애플리케이션을 저장할 수 있다. 또한, 데이터 저장부(10)는 통신부를 통해 수신되는 각종 정보, 입력부(20)을 통해 입력되는 각종 정보를 저장할 수도 있다.
데이터 저장부(10)는 외부 장치로부터 전달된 데이터 등을 임시적으로 또는 비임시적으로 저장할 수 있다. 데이터 저장부(10)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
입력부(20)는 적어도 하나 이상의 특허번호를 입력받는 형태로 구성되며, 특히, 입력부(20)에 입력되는 특허번호는 특허 및 실용신안에 관한 모든 번호를 의미하며, 출원번호, 공개번호, 공고번호 또는 등록번호 중 적어도 하나일 수 있으나, 특허를 식별할 수 있으면 어떠한 형태든 무방한다.
상기 입력부(20)는 본 발명이 속하는 기술분야에서 잘 알려진 임의의 형태의 입력 수단을 포함하여 구성될 수 있다. 예를 들어, 입력부(20)는 사용자 입력을 수신하기 위한 키패드, 마우스, 버튼, 터치 스크린 중 적어도 하나를 포함하여 구성될 수 있다.
기준 데이터모델 생성부(30)는 상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 역할을 한다. 상기 기준 데이터모델은 상기 특허데이터를 기반으로 하고, 상기 특허데이터의 텍스트 마이닝 정보, 특허분류코드정보, 인명정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함할 수 있다.
상기 기준 데이터모델 생성부(30)에서, 상기 기준 데이터모델은 상기 특허데이터의 상기 요약, 청구항 또는 명세서 중 적어도 하나; 상기 서지정보; 또는 인용정보, 패밀리정보, 법적상태, 심판정보 또는 양도양수여부를 포함하는 관련정보; 중 적어도 하나를 분석하여 특허를 평가한 특허평가데이터를 포함할 수 있다.
예측 데이터모델 생성부(40)는 상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 역할을 한다.
상기 예측 데이터모델은 상기 기업데이터를 기반으로 하며, 상기 기업데이터의 텍스트 마이닝 정보 또는 서지정보 중 적어도 하나를 분석하여 기술분야 또는 제품 중 적어도 하나로 분류한 기술분류데이터를 포함할 수 있다.
예측 데이터모델 생성부(40)에서, 상기 예측 데이터모델은 상기 예측 데이터모델의 기술분류데이터와 상기 기업데이터의 서지정보 및 재무정보를 기초로 상기 기준 데이터모델의 기술분류데이터와 특허평가데이터를 기설정된 기준으로 조합하여 상기 기업데이터의 기업들 각각이 상기 특허번호에 대응되는 특허데이터에 대한 라이센스 대상이 될 확률을 산출하는 역할을 한다.
또한, 상기 기준 데이터모델의 기술분류데이터와 상기 예측 데이터모델의 기술분류데이터는 공통기술분류를 기반으로 분류되어 상기 기준 데이터모델과 상기 예측 데이터모델의 링크데이터 역할을 수행할 수 있다.
출력부(50)는 사용자에게 각종 데이터, 명령, 정보 및/또는 GUI를 디스플레이하며, 상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 역할을 한다.
상기 출력부(50)에서 출력되는 기업데이터는 상기 예측 데이터모델에 의하여 특허 라이센스 대상이 될 확률 순으로 정렬되어 출력되는 것이 바람직하며, 상기 출력부(50)에서 출력되는 기업데이터 중 일부 또는 전부에 대한 통계정보를 생성하여, 텍스트화 또는 시각화 중 적어도 하나의 방식으로 출력하는 것이 바람직하다.
또한, 경쟁기업 데이터 생성부(60)를 더 포함할 수 있으며, 경쟁기업 데이터 생성부(60)는 상기 출력부에서 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 역할을 한다. 상기 경쟁기업 데이터는 상기 출력부(50)에서 출력되는 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나와 상기 데이터 저장부의 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나를 기설정된 기준으로 매칭 확률을 계산하여 일정 기준 이상인 상기 데이터 저장부의 기업데이터에 속한 기업을 경쟁기업으로 추출한 데이터인 것이 바람직하다.
또한, 상기 기준 데이터모델에 포함되는 기술분류데이터와 상기 예측 데이터모델에 포함되는 기술분류데이터 간의 일치율과 상기 공통기술분류의 가중치를 기설정된 기준으로 조합하여 일정 기준을 만족하는 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅할 수 있다.
특허 라이센스 대상기업 예측시스템(100)은 컴퓨터 프로그램에 의해 수행될 수 있다.
본 발명의 일 실시예에 의한 기록매체에 저장된 컴퓨터 프로그램은 컴퓨팅 장치와 결합하여, 서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 준비하는 준비단계; 적어도 하나 이상의 특허번호를 입력하는 입력단계; 상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 기준 데이터모델 생성단계; 상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 예측 데이터모델 생성단계; 및 상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 단계를 실행시킬 수 있다.
지금까지 첨부된 도면을 참조하여 설명된 본 발명의 실시예에 따른 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터프로그램은 인터넷 등의 네트워크를 통하여 제1컴퓨팅 장치로부터 제2컴퓨팅 장치에 송신되어 상기 제2컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는, 서버 장치, 데스크탑 PC와 같은 고정식 컴퓨팅 장치, 노트북, 스마트폰, 태블릿 PC와 같은 모바일 컴퓨팅 장치를 모두 포함한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.
100: 특허 라이센스 대상기업 예측시스템
10: 데이터 저장부
20: 입력부
30: 기준 데이터모델 생성부
40: 예측 데이터모델 생성부
50: 출력부
60: 경쟁기업 데이터 생성부
10: 데이터 저장부
20: 입력부
30: 기준 데이터모델 생성부
40: 예측 데이터모델 생성부
50: 출력부
60: 경쟁기업 데이터 생성부
Claims (15)
- 특허 라이센스 대상기업 예측장치가 수행하는 방법에 있어서,
서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 준비하는 준비단계;
적어도 하나 이상의 특허번호를 입력하는 입력단계;
상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 기준 데이터모델 생성단계;
상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 예측 데이터모델 생성단계; 및
상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 출력단계;를 포함하며,
상기 기준 데이터모델은 상기 특허데이터를 기반으로 하고, 상기 예측 데이터모델은 상기 기업데이터를 기반으로 하며,
상기 기준 데이터모델은 상기 특허데이터의 텍스트 마이닝 정보, 특허분류코드정보 또는 인명정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하고, 상기 예측 데이터모델은 상기 기업데이터의 텍스트 마이닝 정보 또는 서지정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하며, 상기 기준 데이터모델의 기술분류데이터와 상기 예측 데이터모델의 기술분류데이터는 공통기술분류를 기반으로 분류되어 상기 기준 데이터모델과 상기 예측 데이터모델의 링크데이터 역할을 수행하며,
상기 링크데이터는 상기 기준 데이터모델과 상기 예측 데이터모델로부터 도출된 기술분류데이터를 정합도에 따라 텍스트 마이닝으로 일치확률을 분석하여 공통된 기술분류를 만들어 코드화함으로써, 상기 기준 데이터모델과 상기 예측 데이터모델을 링크하며,
상기 공통기술분류는 상기 텍스트 마이닝 정보, 국제특허분류코드 또는 표준산업분류 중 적어도 하나를 이용하여 기설정된 기준에 따라 구성되며, 분류별로 가중치가 부여되고,
상기 텍스트 마이닝 정보는 하기 <식 1>에 의하여 상기 특허데이터와 상기 기업데이터에서 중요도가 높은 키워드를 추출하여 생성되며,
<식 1>
상기 기준 데이터모델에 포함되는 기술분류데이터와 상기 예측 데이터모델에 포함되는 기술분류데이터 간의 일치율과 상기 공통기술분류의 가중치를 기설정된 기준으로 조합하여 일정 기준을 만족하는 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅하는 것을 특징으로 하는 특허 라이센스 대상기업 예측방법.
- 제 1항에 있어서,
상기 출력단계에서 출력되는 기업데이터는 상기 예측 데이터모델에 의하여 특허 라이센스 대상이 될 확률 순으로 정렬되는 것을 특징으로 하는 특허 라이센스 대상기업 예측방법.
- 제 1항에 있어서,
상기 출력단계에서 출력되는 기업데이터 중 일부 또는 전부에 대한 통계정보를 생성하여, 텍스트화 또는 시각화 중 적어도 하나의 방식으로 출력하는 것을 특징으로 하는 특허 라이센스 대상기업 예측방법.
- 제 1항에 있어서,
상기 기준 데이터모델 생성단계에서,
상기 기준 데이터모델은 상기 특허데이터의 상기 요약, 청구항 또는 명세서 중 적어도 하나;
상기 서지정보; 또는
인용정보, 패밀리정보, 법적상태, 심판정보 또는 라이센스 여부 중 적어도 하나를 포함하는 관련정보; 중 적어도 하나를 분석하여 특허를 평가한 특허평가데이터를 포함하는 것을 특징으로 하는 특허 라이센스 대상기업 예측방법.
- 제 1항에 있어서,
상기 예측 데이터모델 생성단계에서,
상기 예측 데이터모델은 상기 예측 데이터모델의 기술분류데이터와 상기 기업데이터의 서지정보 및 재무정보를 기초로 상기 기준 데이터모델의 기술분류데이터와 특허평가데이터를 기설정된 기준으로 조합하여 상기 기업데이터의 기업들 각각이 상기 특허번호에 대응되는 특허데이터에 대한 라이센스 대상이 될 확률을 산출하는 것을 특징으로 하는 특허 라이센스 대상기업 예측방법.
- 제 1항에 있어서,
상기 출력단계에서 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 경쟁기업 데이터 생성단계;를 더 포함하며,
상기 경쟁기업 데이터는 상기 출력단계에서 출력되는 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나와 상기 준비단계의 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나를 기설정된 기준으로 매칭 확률을 계산하여 일정 기준 이상인 상기 준비단계의 기업데이터에 속한 기업을 경쟁기업으로 추출한 데이터인 것을 특징으로 하는 특허 라이센스 대상기업 예측방법.
- 서지정보 및 재무정보를 포함하는 기업데이터와 요약, 청구항 또는 명세서 중 적어도 하나와 서지정보를 포함하는 특허데이터를 저장하는 데이터 저장부;
적어도 하나 이상의 특허번호를 입력하는 입력부;
상기 특허번호에 대응되는 특허데이터를 분석하여 기준 데이터모델을 생성하는 기준 데이터모델 생성부;
상기 기준 데이터모델을 토대로 기업데이터를 분석하여 예측 데이터모델을 생성하는 예측 데이터모델 생성부; 및
상기 예측 데이터모델을 이용하여 상기 특허번호에 대응하는 기업데이터를 출력하는 출력부;를 포함하며,
상기 기준 데이터모델은 상기 특허데이터를 기반으로 하고, 상기 예측 데이터모델은 상기 기업데이터를 기반으로 하며,
상기 기준 데이터모델은 상기 특허데이터의 텍스트 마이닝 정보, 특허분류코드정보 또는 인명정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하고, 상기 예측 데이터모델은 상기 기업데이터의 텍스트 마이닝 정보 또는 서지정보 중 적어도 하나를 분석하여 기술분야 또는 제품군 중 적어도 하나로 분류한 기술분류데이터를 포함하며, 상기 기준 데이터모델의 기술분류데이터와 상기 예측 데이터모델의 기술분류데이터는 공통기술분류를 기반으로 분류되어 상기 기준 데이터모델과 상기 예측 데이터모델의 링크데이터 역할을 수행하며,
상기 링크데이터는 상기 기준 데이터모델과 상기 예측 데이터모델로부터 도출된 기술분류데이터를 정합도에 따라 텍스트 마이닝으로 일치확률을 분석하여 공통된 기술분류를 만들어 코드화함으로써, 상기 기준 데이터모델과 상기 예측 데이터모델을 링크하며,
상기 공통기술분류는 상기 텍스트 마이닝 정보, 국제특허분류코드 또는 표준산업분류 중 적어도 하나를 이용하여 기설정된 기준에 따라 구성되며, 분류별로 가중치가 부여되고,
상기 텍스트 마이닝 정보는 하기 <식 1>에 의하여 상기 특허데이터와 상기 기업데이터에서 중요도가 높은 키워드를 추출하여 생성되며,
<식 1>
상기 기준 데이터모델에 포함되는 기술분류데이터와 상기 예측 데이터모델에 포함되는 기술분류데이터 간의 일치율과 상기 공통기술분류의 가중치를 기설정된 기준으로 조합하여 일정 기준을 만족하는 기업 각각이 보유한 특허를 유사특허로 추출하여 리스팅하고,
상기 출력부에서 출력되는 기업데이터는 상기 예측 데이터모델에 의하여 특허 라이센스 대상이 될 확률 순으로 정렬되어 출력되는 것을 특징으로 하는 특허 라이센스 대상기업 예측 시스템. - 제 7항에 있어서,
상기 출력부에서 출력되는 기업데이터 중 일부 또는 전부에 대한 통계정보를 생성하여, 텍스트화 또는 시각화 중 적어도 하나의 방식으로 출력하는 것을 특징으로 하는 특허 라이센스 대상기업 예측 시스템.
- 제 7항에 있어서,
상기 출력부에서 출력되는 기업데이터의 기업 각각에 대하여 경쟁기업 데이터를 생성하여 리스팅하는 경쟁기업 데이터 생성부;를 더 포함하고,
상기 경쟁기업 데이터는 상기 출력부에서 출력되는 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나와 상기 데이터 저장부의 기업데이터에 속한 기업의 보유 특허, 서지정보 또는 재무정보 중 적어도 하나를 기설정된 기준으로 매칭 확률을 계산하여 일정 기준 이상인 상기 데이터 저장부의 기업데이터에 속한 기업을 경쟁기업으로 추출한 데이터인 것을 특징으로 하는 특허 라이센스 대상기업 예측 시스템.
- 제 7항에 있어서,
상기 기준 데이터모델 생성부에서, 상기 기준 데이터모델은 상기 특허데이터의 상기 요약, 청구항 또는 명세서 중 적어도 하나; 상기 서지정보; 또는 인용정보, 패밀리정보, 법적상태, 심판정보 또는 양도양수여부를 포함하는 관련정보; 중 적어도 하나를 분석하여 특허를 평가한 특허평가데이터를 포함하며,
상기 예측 데이터모델 생성부에서, 상기 예측 데이터모델은 상기 예측 데이터모델의 기술분류데이터와 상기 기업데이터의 서지정보 및 재무정보를 기초로 상기 기준 데이터모델의 기술분류데이터와 특허평가데이터를 기설정된 기준으로 조합하여 상기 기업데이터의 기업들 각각이 상기 특허번호에 대응되는 특허데이터에 대한 라이센스 대상이 될 확률을 산출하는 것을 특징으로 하는 특허 라이센스 대상기업 예측 시스템. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150165084 | 2015-11-24 | ||
| KR20150165084 | 2015-11-24 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170060603A KR20170060603A (ko) | 2017-06-01 |
| KR101831532B1 true KR101831532B1 (ko) | 2018-02-22 |
Family
ID=59221797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160157788A KR101831532B1 (ko) | 2015-11-24 | 2016-11-24 | 특허 라이센스 대상기업 예측 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101831532B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102018679B1 (ko) * | 2018-06-26 | 2019-09-04 | (주) 케이티지 | 지식재산권 기술가치 평가방법 |
| WO2022154630A1 (ko) * | 2021-01-18 | 2022-07-21 | (주)애니파이브 | 인공지능을 기반으로 한 특허 평가 방법 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102041915B1 (ko) * | 2018-02-09 | 2019-11-07 | (주)다음소프트 | 인공지능을 활용한 데이터베이스 모듈 및 이를 이용하는 경제데이터 제공 시스템 및 방법 |
| CN112270614B (zh) * | 2020-09-29 | 2024-05-10 | 广东工业大学 | 一种面向制造企业全系统优化设计的设计资源大数据建模方法 |
| KR102545952B1 (ko) * | 2020-11-26 | 2023-06-20 | 한국수력원자력 주식회사 | 사업화 가능성 평가 시스템 |
| JP6998093B1 (ja) * | 2021-03-18 | 2022-01-18 | 地方独立行政法人大阪産業技術研究所 | 特許活用支援装置、特許活用支援方法およびプログラム |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009064246A (ja) * | 2007-09-06 | 2009-03-26 | Omron Corp | 知的財産権流通支援システムおよび特許権活用システム |
-
2016
- 2016-11-24 KR KR1020160157788A patent/KR101831532B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009064246A (ja) * | 2007-09-06 | 2009-03-26 | Omron Corp | 知的財産権流通支援システムおよび特許権活用システム |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102018679B1 (ko) * | 2018-06-26 | 2019-09-04 | (주) 케이티지 | 지식재산권 기술가치 평가방법 |
| WO2022154630A1 (ko) * | 2021-01-18 | 2022-07-21 | (주)애니파이브 | 인공지능을 기반으로 한 특허 평가 방법 |
| KR20220104529A (ko) * | 2021-01-18 | 2022-07-26 | (주) 애니파이브 | 인공지능을 기반으로 한 특허 평가 방법 |
| KR102502271B1 (ko) * | 2021-01-18 | 2023-02-21 | (주) 애니파이브 | 인공지능을 기반으로 한 특허 평가 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20170060603A (ko) | 2017-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101831532B1 (ko) | 특허 라이센스 대상기업 예측 방법 및 시스템 | |
| Gerl et al. | A review of flood loss models as basis for harmonization and benchmarking | |
| Tezel et al. | Lean construction and BIM in small and medium-sized enterprises (SMEs) in construction: a systematic literature review | |
| Santos-Neto et al. | Enterprise maturity models: a systematic literature review | |
| McNamara et al. | Intelligent contract adoption in the construction industry: Concept development | |
| Yang et al. | Developing a strategy map for forensic accounting with fraud risk management: An integrated balanced scorecard-based decision model | |
| Rameezdeen et al. | A qualitative examination of major barriers in implementation of reverse logistics within the South Australian construction sector | |
| Williams et al. | Predicting construction cost overruns using text mining, numerical data and ensemble classifiers | |
| Fawcett et al. | Flexible strategies for long-term sustainability under uncertainty | |
| Ekener-Petersen et al. | Potential hotspots identified by social LCA–Part 2: Reflections on a study of a complex product | |
| JP5827208B2 (ja) | 文書管理システムおよび文書管理方法並びに文書管理プログラム | |
| US20150032645A1 (en) | Computer-implemented systems and methods of performing contract review | |
| Amin | A practical road map for assessing cyber risk | |
| Svensson et al. | Managing quality requirements: A systematic review | |
| CN111125343A (zh) | 适用于人岗匹配推荐系统的文本解析方法及装置 | |
| Bethel et al. | Federal market information technology in the post flash crash era: roles for supercomputing | |
| US20180025428A1 (en) | Methods and systems for analyzing financial risk factors for companies within an industry | |
| CN109872230A (zh) | 金融数据分析系统的测试方法、装置、介质、电子设备 | |
| Ibbs et al. | Proactive project change-prediction tool | |
| Brocke et al. | Context-aware business process management | |
| Amini et al. | Optimization of coal blending operations under uncertainty–robust optimization approach | |
| WO2015136885A1 (ja) | 評価システム、評価方法およびコンピュータ読み取り可能な記憶媒体 | |
| Kim | Characteristics of ICT‐Based Converging Technologies | |
| JP6966289B2 (ja) | 情報分析装置、プログラム及び方法 | |
| WO2015118619A1 (ja) | 文書分析システム及び文書分析方法並びに文書分析プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |