KR102173204B1 - 빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법 - Google Patents

빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법 Download PDF

Info

Publication number
KR102173204B1
KR102173204B1 KR1020180094337A KR20180094337A KR102173204B1 KR 102173204 B1 KR102173204 B1 KR 102173204B1 KR 1020180094337 A KR1020180094337 A KR 1020180094337A KR 20180094337 A KR20180094337 A KR 20180094337A KR 102173204 B1 KR102173204 B1 KR 102173204B1
Authority
KR
South Korea
Prior art keywords
index
self
patents
map
technology
Prior art date
Application number
KR1020180094337A
Other languages
English (en)
Other versions
KR20200023657A (ko
Inventor
박상성
김종찬
장동식
이홍철
Original Assignee
고려대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020180094337A priority Critical patent/KR102173204B1/ko
Publication of KR20200023657A publication Critical patent/KR20200023657A/ko
Application granted granted Critical
Publication of KR102173204B1 publication Critical patent/KR102173204B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법에 관한 것으로, 일실시예에 따른 특허 분석 시스템은 목표 기술 분야의 특허 데이터를 수집하는 특허 데이터 수집부와, 수집된 특허 데이터로부터 특허 평가 지수(Patent index)를 산출하는 평가 지수 산출부와, 특허 평가 지수를 입력 벡터로 이용하여 자기조직화 지도(Self-Organizing Map; SOM)를 생성하는 SOM 생성부 및 자기조직화 지도를 시각화하는 시각화부를 포함한다.

Description

빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법{SYSTEM AND METHOD FOR ANALYZING PATENT BASED ON VISUALIZING BIG DATA}
특허 분석 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 빅데이터 시각화에 기반하여 특허를 분석하는 기술에 관한 것이다.
현대사회에서 기업은 지속 가능한 성장을 위해서 기술혁신을 통한 미래 신성장동력을 지속적으로 발굴해야 한다. 즉, 기업은 성공적인 연구개발 통해 막대한 수익을 얻을 수 있으며 시장에서의 경쟁우위를 얻을 수 있다.
그러나, 기업은 연구개발에 실패한다면 연구 개발에 투자한 비용과 시간 이상의 막대한 손실을 감수할 수 밖에 없다. 따라서, 연구개발을 위한 초기 과정에서 올바른 연구개발 방향의 설정과 연구개발 전략 수립은 성공적인 연구개발을 위한 필수적인 요소가 되고 있다.
한편, 특허는 연구개발 방향 설정과 전략 수립에 필요한 통찰을 얻을 수 있는 최적의 데이터로 사용되고 있다.
이에 따라, 기술 혁신을 위한 특허 마이닝(Mining)의 중요성이 커지면서 특허 분석을 통한 기술 혁신 사례가 증가하고 있으며 다양한 특허 분석 방법론에 대한 연구가 활발히 수행되고 있다.
그러나, 기 공지된 특허 분석 방법론은 분석 결과를 시각화하는 기술이 부족한 실정이며, 데이터가 커질수록 분석 결과를 시각화 하는데 어려움을 겪고 있다.
한국등록특허 제10-0751276호, "데이터 간 상관 정도를 파악할 수 있는 특허 맵 제공시스템및 그 방법"
본 발명은 방대한 양의 특허 빅데이터 분석 결과를 효과적으로 시각화하는 특허 분석 시스템 및 그 방법을 제공하고자 한다.
또한, 본 발명은 시각화 결과를 통해 특허 빅데이터 상에서 특허 분석을 위한 유의미한 특징들을 보다 빠르고 용이하게 추출할 수 있는 특허 분석 시스템 및 그 방법을 제공하고자 한다.
또한, 본 발명은 특허 빅데이터 분석 결과로 도출되는 자기조직화 지도 및 히트맵을 시각화하여 관심 기술 분야의 부상 기술, 공백 기술 및 핵심 기술을 용이하게 분석할 수 있는 특허 분석 시스템 및 그 방법을 제공하고자 한다.
본 발명의 일실시예에 따른 특허 분석 시스템은 목표 기술 분야의 특허 데이터를 수집하는 특허 데이터 수집부와, 수집된 특허 데이터로부터 특허 평가 지수(Patent index)를 산출하는 평가 지수 산출부와, 특허 평가 지수를 입력 벡터로 이용하여 자기조직화 지도(Self-Organizing Map; SOM)를 생성하는 SOM 생성부 및 자기조직화 지도를 시각화하는 시각화부를 포함할 수 있다.
일측에 따르면, 특허 데이터 수집부는 사용자가 입력한 검색식을 이용하여 특허 데이터베이스로부터 목표 기술 분야의 특허 데이터를 수집할 수 있다.
일측에 따르면, 평가 지수 산출부는 수집된 특허 데이터로부터 기술 영향력(Technology influence) 지수, 기술 시장성(Technology marketability) 지수, 신규성(Novelty) 지수 및 발명자 등급(Applicant grade) 중 적어도 하나를 포함하는 특허 평가 지수를 산출할 수 있다.
일측에 따르면, 발명자 등급은 발명자가 보유한 특허들의 출원 지수, 발명자가 보유한 특허들의 피인용 특허 지수 및 발명자가 보유한 특허들의 패밀리 특허 지수 중 적어도 하나로부터 산출될 수 있다.
일측에 따르면, 시각화부는 자기조직화 지도를 카운트 플롯(Counts plot) 및 코드 플롯(Codes plot) 중 적어도 하나의 형태로 시각화할 수 있다.
일측에 따르면, SOM 생성부는 자기조직화 지도의 출력 노드 간에 계층적 클러스터링(Hierarchical clustering)을 수행할 수 있다.
일측에 따르면, 시각화부는 계층적 클러스터링 결과를 매핑 플롯(Mapping plot)의 형태로 시각화할 수 있다.
일측에 따르면, 시각화부는 자기조직화 지도의 출력 노드와 특허 평가 지수 사이의 관계를 매핑(Mapping)하는 히트맵(Heat map)을 생성하고, 히트맵을 통해 출력 노드의 특징을 직관적으로 시각화할 수 있다.
본 발명의 일실시예에 따른 특허 분석 방법은 특허 데이터 수집부에서 목표 기술 분야의 특허 데이터를 수집하는 단계와, 평가 지수 산출부에서 특허 데이터로부터 특허 평가 지수(Patent index)를 산출하는 단계와, SOM 생성부에서 특허 평가 지수를 입력 벡터로 이용하여 자기조직화 지도(Self-Organizing Map; SOM)를 생성하는 단계 및 시각화부에서 자기조직화 지도를 시각화하는 단계를 포함할 수 있다.
일측에 따르면, 특허 평가 지수를 산출하는 단계는 평가 지수 산출부에서 수집된 특허 데이터로부터 기술 영향력(Technology influence) 지수, 기술 시장성(Technology marketability) 지수, 신규성(Novelty) 지수 및 발명자 등급(Applicant grade) 중 적어도 하나를 포함하는 특허 평가 지수를 산출할 수 있다.
일측에 따르면, 발명자 등급은 발명자가 보유한 특허들의 출원 지수, 발명자가 보유한 특허들의 피인용 특허 지수 및 발명자가 보유한 특허들의 패밀리 특허 지수 중 적어도 하나로부터 산출될 수 있다.
일측에 따르면, 자기조직화 지도를 생성하는 단계는 SOM 생성부에서 자기조직화 지도의 출력 노드 간에 계층적 클러스터링(Hierarchical clustering)을 수행하는 단계를 더 포함할 수 있다.
일측에 따르면, 자기조직화 지도를 시각화하는 단계는 시각화부에서 자기조직화 지도의 출력 노드와 특허 평가 지수 사이의 관계를 매핑(Mapping)하는 히트맵(Heat map)을 생성하고, 히트맵을 통해 출력 노드의 특징을 직관적으로 시각화하는 단계를 더 포함할 수 있다.
일실시예에 따르면, 방대한 양의 특허 빅데이터 분석 결과를 효과적으로 시각화할 수 있다.
또한, 일실시예에 따르면, 시각화 결과를 통해 특허 빅데이터 상에서 특허 분석을 위한 유의미한 특징들을 보다 빠르고 용이하게 추출할 수 있다.
또한, 일실시예에 따르면, 특허 빅데이터 분석 결과로 도출되는 자기조직화 지도 및 히트맵을 시각화하여 관심 기술 분야의 부상 기술, 공백 기술 및 핵심 기술을 용이하게 분석할 수 있다.
도 1은 본 발명의 일실시예에 따른 특허 분석 시스템을 도시하는 도면이다.
도 2a 내지 도 2e는 본 발명의 일실시예에 따른 특허 분석 시스템에서 자기조직화 지도를 시각화하는 실시예를 설명하는 도면이다.
도 3은 본 발명의 일실시예에 따른 특허 분석 방법을 도시하는 도면이다.
이하, 본 문서의 다양한 실시 예들이 첨부된 도면을 참조하여 기재된다.
실시 예 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다.
하기에서 다양한 실시 예들을 설명에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
그리고 후술되는 용어들은 다양한 실시 예들에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다.
"제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다.
본 명세서에서, "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다.
어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다.
예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)를 의미할 수 있다.
또한, '또는' 이라는 용어는 배타적 논리합 'exclusive or' 이기보다는 포함적인 논리합 'inclusive or' 를 의미한다.
즉, 달리 언급되지 않는 한 또는 문맥으로부터 명확하지 않는 한, 'x가 a 또는 b를 이용한다' 라는 표현은 포함적인 자연 순열들(natural inclusive permutations) 중 어느 하나를 의미한다.
상술한 구체적인 실시 예들에서, 발명에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다.
그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 상술한 실시 예들이 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 발명의 설명에서는 구체적인 실시 예에 관해 설명하였으나, 다양한 실시 예들이 내포하는 기술적 사상의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다.
그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 아니되며 후술하는 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일실시예에 따른 특허 분석 시스템을 도시하는 도면이다.
도 1을 참조하면, 일실시예에 따른 특허 분석 시스템(100)은 특허 빅데이터 분석 결과로 도출되는 자기조직화 지도 및 히트맵을 시각화하여 관심 기술 분야의 부상 기술, 공백 기술 및 핵심 기술을 용이하게 분석할 수 있다.
이를 위해, 특허 분석 시스템(100)은 특허 데이터 수집부(110), 평가 지수 산출부(120), SOM 생성부(130) 및 시각화부(140)를 포함할 수 있다.
구체적으로, 일실시예에 따른 특허 데이터 수집부(110)는 목표 기술 분야의 특허 데이터를 수집할 수 있다.
일측에 따르면, 특허 데이터 수집부(110)는 사용자가 입력한 검색식을 이용하여 특허 데이터베이스로부터 목표 기술 분야의 특허 데이터를 수집할 수 있다.
예를 들면, 특허 데이터베이스는 윕스온(Wipson), 키프리스(Kipris) 및 위즈 도메인(Wisdomain)과 같은 특허 검색 데이터베이스일 수 있으나, 본 발명의 특허 데이터베이스는 전술한 예시에 한정되는 것은 아니다.
하기의 표1은 3D display 기술 분야의 핵심 특허와 유망 특허를 도출하기 위해 관련 특허 데이터를 수집하는 예시를 나타낸다.
Analysis Data Database Search Words Period
US
(4,875)		 Wipson TI= {(3d OR 3-d OR ORDER/1((three,3),dimension) OR tridimension OR threedimension OR stereoscope) AND (display)} AND {(glassless OR glassesless OR ORDER/1(no, glasses) OR ORDER/1(without, glasses)) OR ((ORDER/1(parallax, barrier) OR parallaxbarrier) OR lenticular OR ORDER/1(integration, image) OR volumetric OR holography OR ORDER/1(super, multi, view))} ~ 12. 31. 2015
구체적으로, 표1의 예시에 따르면, 사용자는 특허 검색 데이터베이스(Database)에서 3D display 기술과 관련한 검색식(Search Words)을 검색하여 관련 특허 데이터를 도출할 수 있으며, 일실시예에 따른 특허 데이터 수집부(110)는 도출된 특허 데이터를 수집할 수 있다.
예를 들면, 표1에서 사용자는 특허 검색 데이터베이스를 이용한 특허 검색을 통해 2015년까지 미국에서 등록된 4,875건의 특허를 도출할 수 있으며, 일실시예에 따른 특허 데이터 수집부(110)는 도출된 4,875건의 특허에 대한 특허 데이터를 수집할 수 있다.
다음으로, 일실시예에 따른 평가 지수 산출부(120)는 수집된 특허 데이터로부터 특허 평가 지수(Patent index)를 산출할 수 있다.
일측에 따르면, 평가 지수 산출부(120)는 수집된 특허 데이터로부터 기술 영향력(Technology influence) 지수, 기술 시장성(Technology marketability) 지수, 신규성(Novelty) 지수 및 발명자 등급(Applicant grade) 중 적어도 하나를 포함하는 특허 평가 지수를 산출할 수 있다.
예를 들면, 기술 영향력 지수는 피인용(Forward citation) 특허 지수이고, 기술 시장성 지수는 패밀리(Family) 특허 지수이며, 신규성 지수는 인용(Backward citation) 특허 지수일 수 있다.보다 구체적으로, 피인용 특허 지수, 패밀리 특허 지수 및 신규성 특허 지수 각각은 특허 데이터 수집부(110)를 통해 수집된 특허 데이터로부터 도출된 피인용 특허, 패밀리 특허 및 인용 특허 각각에 대한 총합(Sum), 평균(Average), 최대값(Max), 최소값(Min) 및 분산값(Variance) 중 적어도 하나를 포함할 수 있다.
예를 들면, 피인용 특허의 총합은 수집된 특허 데이터에서 각각의 특허 건에 대한 피인용 특허의 총건수를 합산한 값을 의미하고, 피인용 특허의 최대값은 각각의 특허 건에서 가장 많은 피인용 특허를 보유하고 있는 특허의 피인용 특허 건수를 의미하며, 최소값은 각각의 특허 건에서 가장 적은 피인용 특허를 보유하고 있는 특허의 피인용 특허 건수를 의미할 수 있다.
또한, 피인용 특허 지수, 패밀리 특허 지수 및 신규성 특허 지수는 특허 데이터 수집부(110)를 통해 수집된 특허 데이터에서 각각의 단일 특허 건에 대한 피인용 특허의 개수, 패밀리 특허의 개수 및 인용 특허의 개수일 수도 있다.
일측에 따르면, 발명자 등급은 발명자가 보유한 특허들의 출원 지수, 발명자가 보유한 특허들의 피인용 특허 지수 및 발명자가 보유한 특허들의 패밀리 특허 지수 중 적어도 하나로부터 산출될 수 있다.
구체적으로, 평가 지수 산출부(120)는 특허 데이터 수집부(110)를 통해 수집된 특허 데이터를 발명자 정보에 따라 분류할 수 있으며, 분류된 특허들에서 특정 발명자가 보유한 특허들의 출원 지수, 특정 발명자가 보유한 특허들의 피인용 특허 지수 및 특정 발명자가 보유한 특허들의 패밀리 특허 지수 중 적어도 하나를 산출할 수 있다.
예를 들면, 발명자가 보유한 특허들의 출원 지수는 발명자가 보유한 특허들의 출원 건수일 수 있다.
또한, 발명자가 보유한 특허들의 피인용 특허 지수 및 패밀리 특허 지수 각각은 발명자가 보유한 특허들의 피인용 특허 및 패밀리 특허 각각의 총합(Sum), 평균(Average), 최대값(Max), 최소값(Min) 및 분산값(Variance) 중 적어도 하나를 포함할 수 있다.
하기의 표2는 특허 평가 지수에 대한 예시를 나타낸다.
Patent Index Example
기술 영향력 지수(Technology influence) 피인용 특허 지수
기술 시장성 지수(Technology marketability) 패밀리 특허 지수
신규성 지수(Novelty) 인용 특허 지수
발명자 등급(Applicant Grade) 발명자가 보유한 특허들의 출원 지수
발명자가 보유한 특허들의 피인용 특허 지수
발명자가 보유한 특허들의 패밀리 특허 지수
일반적으로, 특허는 기술의 원리를 서술하고 있을 뿐만 아니라 기술이 특허로써 가지고 있는 특성과 가치를 정량적으로 나타내주는 특허 지표를 포함할 수 있다.
구체적으로, 특허 지표는 기술의 영향력, 시장성, 신규성 그리고 기술 권리자의 수준(발명자등급) 등 기술이 특허로써의 가치를 나타내는 측도로 정량적인 특허 분석에 유용하게 활용될 수 있으며, 특허 분석에 활용되는 대표적인 특허 지표는 IPC(International Patent Classification), 피인용 특허 지수, 인용 특허 지수 및 패밀리 특허 지수 등이 포함될 수 있다.
본 발명의 일실시예에 따른 평가 지수 산출부(120)는 특허 지표 중에서 피인용 특허 지수, 인용특허 지수, 패밀리 특허지수 및 발명자 등급을 포함하는 특허 평가 지수를 산출함으로써, 관심 기술 분야의 부상 기술, 공백 기술 및 핵심 기술을 용이하게 분석할 수 있다.
구체적으로, 표2의 예시에 따르면, 피인용 특허는 개수가 많을수록 해당 특허가 출원 이후 다른 기술들에 많은 영향을 미치고 있다는 것을 나타내므로, 일실시예에 따른 평가 지수 산출부(120)는 기술 영향력 지수로서 피인용 특허 지수를 이용할 수 있다.
또한, 패밀리 특허는 개수가 많을수록 해당 특허가 많은 국가에 권리를 확보하고 있다는 것을 나타내므로, 일실시예에 따른 평가 지수 산출부(120)는 기술 시장성 지수로서 패밀리 특허 지수를 이용할 수 있다.
또한, 인용 특허는 개수가 많을수록 해당 특허가 출원되기 전에 이미 관련 특허가 많이 출원되어 있다는 것을 의미하므로, 인용 특허의 개수가 적을수록 신규성이 높은 것으로 판단할 수 있다.
따라서, 일실시예에 따른 평가 지수 산출부(120)는 신규성 지수로서 인용 특허 지수를 이용할 수 있다.
또한, 발명자 등급은 해당 기술 분야의 발명자들이 보유하고 있는 특허들의 개수, 피인용 특허의 개수 및 패밀리 특허의 사이즈(Size)를 표준화하고, 표준화된 지수들을 합한 값을 기준으로 하여 발명자들의 순위를 결정할 수 있다.
예를 들면, 발명자 등급은 순위에 따라 상위 10% 이상은 9점, 상위 20% 이상은 8점, 상위 80% 이상은 2점으로 부여할 수 있다.
이하에서는, 기술 영향력 지수를 피인용 특허 지수로, 기술 시장성 지수를 패밀리 특허 지수로, 신규성 지수를 인용 특허 지수로 설명하기로 한다.
하기의 표3은 특허 평가 지수 산출에 대한 예시를 나타낸다.
Backward
Citation 		Forward
Citation 		Applicant
Grade 		Family
Average 20.23 17.00 6.06 4.10
Sum 98614 82894 29539 19993
Max 1701 536 9 35
Min 0 0 2 0
Variance 4591.45 909.80 4.408 11.89
전술한 바와 같이, 일실시예에 따른 평가 지수 산출부(120)는 수집된 특허 데이터로부터 피인용(Forward citation) 특허 지수, 패밀리(Family) 특허 지수, 인용(Backward citation) 특허 지수 및 발명자 등급(Applicant grade)을 포함하는 특허 평가 지수를 산출할 수 있다.
또한, 피인용 특허 지수, 패밀리 특허 지수 및 인용 특허 지수는 특허 데이터 수집부(110)를 통해 수집된 특허 데이터에서 피인용 특허, 패밀리 특허 및 인용 특허에 대한 총합(Sum), 평균(Average), 최대값(Max), 최소값(Min) 및 분산값(Variance)을 포함할 수 있다.
표3의 예시에 따르면, 특허 권리자의 수는 1,725명이고, 특허 평가 지수에 포함되는 정보인 인용 특허의 평균값은 20.23, 피인용 특허의 평균값은 17.00, 발명자 등급의 평균값은 6.06, 패밀리 특허의 평균값은 4.10으로 나타났다.
다음으로, 일실시예에 따른 SOM 생성부(130)는 평가 지수 산출부(120)에서 산출한 특허 평가 지수를 입력 벡터로 이용하여 자기조직화 지도(Self-Organizing Map; SOM)를 생성할 수 있다.
일반적으로, 자기조직화 지도는 Kohonen에 의해 제시된 경쟁 학습 신경망 모델로 클러스터링 분석이 필요한 광범위한 분야에 활용되고 있다. 구체적으로, 자기조직화 지도는 고차원으로 표현된 데이터를 저차원의 지도로 생성해 가시화하는 방법으로 반복된 자율 학습을 통해 군집 분석을 수행하고 그 결과를 시각화할 수 있어 특허 빅데이터 분석에 유용하게 이용될 수 있다.
한편, 자기조직화 지도는 클러스터링 분석이 필요한 모든 분야에서 활발하게 사용되고 있으나, 특허 마이닝에 관한 분야에서는 텍스트 마이닝을 이용한 키워드(Keyword) 기반 클러스터링에 제한적으로 이용되고 있었다. 즉, 기공지된 기술들은 특허를 기술적 특징에 따라 자동으로 분류를 하는데 목적을 두고 있었다.
다시 말해, 지금까지 특허 분야 연구자들은 자기조직화 지도를 활용하여 연구동향과 공백 기술을 찾기 위한 노력을 하였으나, 키워드를 입력벡터로 활용하는 연구로 제한됨으로써, 키워드를 통한 연구 동향을 파악하기에는 유용하였지만 각 기술 군집이 지식재산권으로써 어떤 가치를 갖고 있는지는 알 수 없다는 문제가 있었다.
반면, 일실시예에 따른 특허 분석 시스템(100)은 자기조직화지도의 입력 벡터로 특허 평가 지수를 이용하여 기술 군집을 수행함으로써, 각 군집에 포함된 특허를 핵심 특허와 유망 특허로 용이하게 선별할 수 있다.
다시 말해, 일실시예에 따른 특허 분석 시스템(100)은 각 특허를 키워드가 아닌 지식재산권의 가치를 기준으로 군집함으로써, 핵심 기술 군집과 유망 기술 군집을 도출할 수 있다.
보다 구체적으로, 자기조직화 지도의 구조는 m개의 입력 노드로 구성된 입력층과 n개의 출력 노드로 구성된 출력층으로 구성되어 있으며, 각 입력노드에는 입력 벡터 X가 입력되어 출력층에 매핑(Mapping)될 수 있다.
또한, 출력층은 일반적으로 2차원 구조를 사용하고, 출력 노드의 수는 사용자가 원하는 임의의 수로 정해줄 수 있으며, 모든 출력 노드는 모든 입력 노드와 연결되어 있고 0과 1사이의 연결 가중치(Connecting weight)를 가질 수 있다.
또한, 연결 가중치는 임의의 초기 값이 주어지지만 학습이 반복되며 조절되며, 학습 방법은 입력 벡터와 연결 강도의 유클리디안 거리를 계산하여 가장 가까운 출력 노드를 승자 노드로 결정할 수 있다.
한편, 승자 노드에 근접해 있는 다른 출력 노드를 이웃 노드(Neighborhood node)라고 하고, 승자 노드는 연결 가중치와 입력 벡터 사이의 차이를 줄일수록 이웃 노드의 수가 감소할 수 있다. 즉, 승자 노드는 학습이 반복 되면서 이웃 노드가 존재하지 않도록 입력 벡터와 연결 가중치 사이의 차이를 감소시키며 조정될 수 있다.
자기조직화 지도의 학습 절차를 요약하면, 입력층에 입력 벡터를 입력하고, 다음으로 입력 벡터와 연결 강도 사이의 거리를 계산하여 하나의 승자 노드를 결정하며, 다음으로 학습 규칙에 따라 연결 강도를 조절할 수 있다.
또한, 자기조직화 지도는 전술한 학습 절차는 이웃 노드가 존재하지 않을 때까지 반복할 수 있다.
한편, 일실시예에 따른 SOM 생성부(130)는 특허 평가 지수를 입력 벡터로 활용하기 때문에 유사한 패턴의 특허 평가 지수를 갖는 특허들이 같은 출력 노드에 사상될 확률이 높다.
다시 말해, SOM 생성부(130)에서 생성한 자기조직화 지도의 출력 노드에 사상된 특허들은 기술의 영향력, 시장성, 신규성 그리고 권리자의 수준(발명자의 등급)이 유사한 특허들로 군집될 수 있다.
일측에 따르면, SOM 생성부(130)는 생성된 자기조직화 지도의 출력 노드 간에 계층적 클러스터링(Hierarchical clustering)을 수행할 수 있다.
보다 구체적으로, SOM 생성부(130)는 각 출력 노드에 사상된 특허들의 평균 벡터값을 이용하여 각 출력노드 간에 계층적 클러스터링을 수행할 수 있다.
다음으로, 일실시예에 따른 시각화부(140)는 SOM 생성부(130)를 통해 생성된 자기조직화 지도를 시각화 할 수 있다.
일측에 따르면, 시각화부(140)는 자기조직화 지도를 카운트 플롯(Counts plot) 및 코드 플롯(Codes plot) 중 적어도 하나의 형태로 시각화할 수 있고, 계층적 클러스터링 결과를 매핑 플롯(Mapping plot)의 형태로 시각화할 수도 있다.
한편, 시각화부(140)는 자기조직화 지도의 출력 노드와 특허 평가 지수 사이의 관계를 매핑(Mapping)하는 히트맵(Heat map)을 생성하고, 히트맵을 통해 출력 노드의 특징을 직관적으로 시각화할 수 있다.
구체적으로, 시각화 도구 중 하나인 히트맵은 열을 뜻하는 히트와 지도를 뜻하는 맵을 결합시킨 단어로, 색상으로 표현할 수 있는 다양한 정보를 일정한 이미지 위에 열 분포 형태의 시각적인 그래픽으로 출력할 수 있다.
전술한 히트맵의 특징은 데이터 간의 차이를 한눈에 비교할 수 있고 전체 데이터 안의 숨겨진 패턴을 직관적으로 찾아내는데 매우 효과적이기 때문에 빅데이터 시각화에 유용하게 활용될 수 있다.한편, 일실시예에 따른 특허 분석 시스템(100)은 자기조직화 지도로부터 유의미한 데이터를 추출하여 사용자에게 제공하는 분석 결과 제공부(미도시)를 더 포함할 수 있다.
구체적으로, 일실시예에 따른 분석 결과 제공부는 자기조직화 지도에서 부상 기술, 공백 기술 및 핵심 기술 중 적어도 하나의 기술을 포함하는 출력 노드를 도출할 수 있으며, 도출된 출력 노드들에 사상된 특허들의 데이터를 유의미한 데이터로서 추출할 수 있다.
일실시예에 따른 시각화부(140)에서 자기조직화 지도를 시각화하는 과정 및 분석 결과 제공부에서 유의미한 데이터를 추출하는 과정은 이후 실시예 도 2a 내지 도 2e를 통해 보다 구체적으로 설명하기로 한다.
도 2a 내지 도 2e는 본 발명의 일실시예에 따른 특허 분석 시스템에서 자기조직화 지도를 시각화하는 실시예를 설명하는 도면이다.
도 2a 내지 도 2e를 참조하면, 참조부호 210 내지 250은 앞서 표1의 예시를 통해 설명하였던 특허 데이터베이스로부터 수집된 4,875건의 특허 데이터를 매핑(Mapping)한 2차원의 자기조직화 지도의 시각화 결과를 도시한다.
구체적으로, 참조부호 210은 자기조직화 지도를 카운트 플롯(Counts plot)의 형태로 시각화한 결과를 도시하고, 참조부호 220은 자기조직화 지도를 코드 플롯(Codes plot)의 형태로 시각화한 결과를 도시한다.
또한, 참조부호 230 및 240은 계층적 클러스터링(Hierarchical clustering) 결과를 매핑 플롯(Mapping plot)의 형태로 시각화한 결과를 도시하고, 참조부호 250은 히트맵(Heat map)의 형태로 시각화한 결과를 도시한다.
한편, 참조부호 210 내지 240에 도시된 시각화 결과에서 참조부호 201은 제1 노드, 참조부호 202는 제2 노드, 참조부호 203은 제6 노드를 의미한다. 즉, 참조부호 210 내지 240에 도시된 시각화 결과에서 노드의 순번은 왼쪽 맨 밑에서부터 오른쪽 맨 위쪽까지 순차적으로 부여할 수 있다.
보다 구체적으로, 참조부호 210에 도시된 것과 같이 일실시예에 따른 특허 분석 시스템은 자기조직화 지도를 카운트 플롯의 형태로 시각화할 수 있다. 다시 말해, 일실시예에 따른 특허 분석 시스템은 자기조직화 지도에서 각 출력 노드에 할당된 특허의 수를 색상의 농도로 시각화하여 사용자에게 제공할 수 있다.
참조부호 210의 시각화 결과에 따르면, 제1 노드(201)와 제8 노드에 할당된 특허의 개수가 약 600개로 가장 많고, 가장 상단에 위치한 제16 노드 내지 제20 노드에는 할당된 특허의 개수가 100개 미만임을 알 수 있다.
하기의 표4는 각 출력 노드에서의 특허의 개수를 나타낸다.
Node 1 2 3 4 5 6 7 8 9 10
Patents 657 191 162 512 413 197 423 628 495 194
Node 11 12 13 14 15 16 17 18 19 20
Patents 75 59 371 229 96 13 61 10 63 26
표 4에 따르면, 전술한 바와 같이 제1 노드(201)와 제8 노드에 할당된 특허의 개수가 약 600개로 가장 많은 것을 확인할 수 있다.
즉, 본 발명의 일실시예에 따른 특허 분석 시스템은 카운트 플롯을 통해 각 출력 노드에 할당된 특허의 수를 시각화함으로써, 사용자가 출력 노드별로 특허 분포에 따른 특징을 용이하게 식별하도록 지원할 수 있다.
다음으로, 참조부호 220에 도시된 것과 같이, 일실시예에 따른 특허 분석 시스템은 자기조직화 지도를 코드 플롯의 형태로 시각화함으로써, 자기조직화 지도에서 각 출력 노드에 할당된 특허들의 특허 평가 지수를 파이 차트로 사용자에게 제공 할 수 있다.
참조부호 220의 시각화 결과에 따르면, 제16 노드의 경우 기술 영향력을 나타내는 피인용(Forward citation) 특허 지수가 가장 높고, 발명자 등급(Applicant grade)도 높은 것으로 분석되므로 목표 기술 분야의 핵심 특허를 포함하고 있는 노드일 가능성이 높다.
또한, 제18 노드는 인용(Backward citation) 특허 지수가 높은 것으로 분석되므로, 목표 기술 분야에서 지속적으로 개발되어왔던 기술 관련 특허들이 포함되어 있을 가능성이 높다.
또한, 제19 노드 및 제20 노드의 경우 발명자 등급과 기술 시장성을 나타내는 패밀리 특허(Family patent) 지수가 높은 반면에 인용 지수 및 피인용 지수는 매우 낮은 것으로 분석 되므로, 시장 선점이 중요한 새로운 기술 관련 특허들이 포함되어 있을 가능성이 높다. 즉, 제19 노드 및 제20 노드에 포함된 특허들은 유망 기술일 가능성이 높다.
한편, 참조부호 220의 시각화 결과에 따르면, 유사한 특징을 갖는 출력 노드들이 근접해 있는 것을 확인할 수 있다. 또한, 하기의 표5는 각 출력 노드별 특허 평가 지수의 평균값을 나타낸다.
Backward
Citation 		Forward
Citation 		Applicant
Grade 		Family
Patent
Node 1 -.0648 -.2837 1.1323 -.6020
Node 2 -.0888 1.2608 1.0345 -.3869
Node 3 -.1228 1.4784 -.6958 -.4142
Node 4 -.0894 -.2936 -.7491 -.7479
Node 5 -.1636 -.3209 -1.7910 -.6452
Node 6 .3654 -.0311 1.0493 1.4444
Node 7 -.0849 -.1765 1.1835 .2836
Node 8 -.0740 -.2542 .1787 -.6163
Node 9 -.1326 -.3631 -.7172 -.0029
Node 10 -.1645 -.3878 -1.3745 .5809
Node 11 .1655 2.3873 .6473 1.4701
Node 12 3.9260 .2597 .5756 .7222
Node 13 -.1129 -.3109 .2212 .2140
Node 14 -.1131 .1589 -.2073 .09227
Node 15 -.1244 -.2338 -.8510 2.3482
Node 16 .3326 10.2107 .4315 1.0033
Node 17 -.0337 4.5111 .2196 .0293
Node 18 16.4313 -.0619 .5824 2.0151
Node 19 .2170 -.0260 .8411 3.5134
Node 20 -.1512 0.4419 .3154 5.9775
즉, 본 발명의 일실시예에 따른 특허 분석 시스템은 코드 플롯을 통해 각 출력 노드에 할당된 특허들의 특허 평가 지수를 시각화함으로써, 사용자가 유망 기술을 용이하게 분석할 수 있도록 지원할 수 있다.
다음으로, 참조부호 230 내지 240에 도시된 바와 같이, 일실시예에 따른 특허 분석 시스템은 자기조직화 지도를 매핑 플롯의 형태로 시각화할 수 있다. 다시 말해, 일실시예에 따른 특허 분석 시스템은 자기조직화 지도에서 계층적 클러스터링(Hierarchical clustering)을 통해 군집된 출력 노드들을 사용자에게 시각적으로 제공할 수 있다.
구체적으로, 매핑 플롯에서는 참조부호 220에 도시된 코드 플롯에서 핵심 기술 코드로 도출된 제16 노드, 원천 기술 코드로 도출된 제18 노드 및 유망 기술 코드로 도출된 제19 노드 및 제20 노드 각각이 군집을 형성 하였다.
즉, 본 발명의 일실시예에 따른 특허 분석 시스템은 매핑 플롯을 통해 각 출력 노드의 군집 결과를 시각화함으로써, 사용자가 유사한 특징을 갖는 출력 노드들을 용이하게 분석할 수 있도록 지원할 수 있다.
다음으로, 참조부호 250에 도시된 바와 같이, 일실시예에 따른 특허 분석 시스템은 자기조직화 지도를 통한 군집 결과를 히트맵을 통해 시각화할 수 있으며, 사용자는 히트맵을 통해 출력 노드 간의 차이를 한눈에 비교할 수 있고 전체 데이터 안에 숨겨진 패턴을 직관적으로 찾아낼 수 있다.
구체적으로, 히트맵은 자기조직화 지도의 출력 노드와 특허 평가 지수인 인용 지수(BC), 피인용 지수(FC), 발명자 등급(AG) 및 패밀리 특허 지수(FP) 사이의 관계를 매핑하여 생성되며, 참조부호 250의 히트맵을 통해 자기조직화 지도에서 확인할 수 있었던 제16 노드, 제18 노드, 제19 노드 및 제20 노드 뿐만 아니라 핵심 출력 노드인 제16 노드와 유사한 제11 노드, 제17 노드 및 원천 기술 노드인 제18 노드와 유사한 제12 노드를 추가적으로 도출할 수 있다.
한편, 일실시예에 따른 특허 분석 시스템의 분석 결과 제공부는 참조부호 210 내지 250에 도시된 시각화 결과를 자동으로 분석하여 유의미한 데이터를 추출하고, 추출된 유의미한 데이터를 사용자에게 제공할 수 있다.
구체적으로, 분석 결과 제공부는 참조부호 210 내지 250에 도시되어 있는 시각화 결과를 통해, 제16 노드를 핵심 기술로 도출 하고, 제16 노드에 할당된 13건의 핵심 특허를 유의미한 데이터로 추출 할 수 있다.
또한, 분석 결과 제공부는 히트맵을 통해 추가적으로 도출된 제11 노드 및 제17 노드를 핵심 기술 후보로 도출 하고, 각각 75건 및 61건의 핵심 특허 후보를 유의미한 데이터로 추출할 수 있다.
또한, 분석 결과 제공부는 제18 노드를 원천 기술로 도출하고 할당된 10건의 원천 특허를 유의미한 데이터로 추출할 수 있으며, 마지막으로 제19 노드 및 제20 노드를 유망 기술로 도출하고 각각 할당된 63건 및 26건의 유망 기술 특허를 유의미한 데이터로 추출할 수 있다.
하기의 표6은 분석 결과 제공부에서 추출한 유의미한 데이터의 예시를 나타낸다.
Number of patents Patent number
Core
Patents
(Node 16)		 13 US7226196, US6755547, US5904493, US8692267, US8270674, US8154039, US7916221, US5101279,US8577097, US7986375, US7289741, US6734838, US6735482
Source
Patents
(Node 18)		 10 US8385610, US8270003, US8174037, US8169688, US7568688, US7300177, US7783075, US7760430, US7750981, US4517580
Emerging Patents
(Node 19,20)		 89 US7852384, US7564271, US7138629, US7128270, US6804244, US7734715, US7681799, US7643189, US5323251, US5289023, US8660293, USRE42974, US6947954, US6541284, US9019263, US7558499, US7404642, US7382890, US7301587, US7281802, US7245429, US7115961, US6703989, US6069680, US6013166, US5953148, US5696552, US7869126, US7479141, US7214919, US7154541, US7118134, US6527443, US6172799, US6055027, US5995132, US5416611, US5150138, US7683337, US5424852, US8587757, US8418952, US6785048, US5720123, US7926849, US7903249,US8885939, US7877132, US7483018, US7460300, US6089720, US5966167, US8125558, US8933878, US8761412, US8546154, US7922339, US5272029, US5479587, US4432010, US6692097, US8120687, US6122769, US7963687, US8405725, US7917077, US7796753, US7654580, US7646452, US7465369, US6191808, US5442397, US8319828, US7697201, US6392690, US6035071, US4808808, US8934049, US8611658, US8423655, US8274556, US6392726, US6084703, US8189143,US4456336, US6226906, US6053268, US4955580, US4625925
결국, 본 발명을 이용하면, 방대한 양의 특허 빅데이터 분석 결과를 효과적으로 시각화할 수 있으며, 시각화 결과를 통해 특허 빅데이터 상에서 특허 분석을 위한 유의미한 특징들을 보다 빠르고 용이하게 추출할 수 있다.
또한, 특허 시각화 결과에 기초하여 목표 기술 분야의 부상 기술, 공백 기술 및 핵심 기술을 용이하게 분석할 수 있다.
도 3은 본 발명의 일실시예에 따른 특허 분석 방법을 도시하는 도면이다.
도 3은 도 1을 통해 설명한 일실시예에 따른 특허 분석 시스템을 이용한 특허 분석 방법에 관한 것으로서, 이후 도 3을 통해 설명하는 내용 중 일실시예에 따른 특허 분석 시스템을 통해 설명한 내용과 중복되는 설명은 생략 하기로 한다.
도 3을 참조하면, 310단계에서 일실시예에 따른 특허 분석 방법은 특허 데이터 수집부에서 목표 기술 분야의 특허 데이터를 수집할 수 있다.
다음으로, 320단계에서 일실시예에 따른 특허 분석 방법은 평가 지수 산출부에서 특허 데이터로부터 특허 평가 지수(Patent index)를 산출할 수 있다.
일측에 따르면, 320단계에서 일실시예에 따른 특허 분석 방법은 평가 지수 산출부에서 수집된 특허 데이터로부터 기술 영향력(Technology influence) 지수, 기술 시장성(Technology marketability) 지수, 신규성(Novelty) 지수 및 발명자 등급(Applicant grade) 중 적어도 하나를 포함하는 특허 평가 지수를 산출할 수 있다.
일측에 따르면, 발명자 등급은 발명자가 보유한 특허들의 출원 지수, 발명자가 보유한 특허들의 피인용 특허 지수 및 발명자가 보유한 특허들의 패밀리 특허 지수 중 적어도 하나로부터 산출될 수 있다.
다음으로, 330단계에서 일실시예에 따른 특허 분석 방법은 SOM 생성부에서 특허 평가 지수를 입력 벡터로 이용하여 자기조직화 지도(Self-Organizing Map; SOM)를 생성할 수 있다.
일측에 따르면, 330단계에서 일실시예에 따른 특허 분석 방법은 SOM 생성부에서 자기조직화 지도의 출력 노드 간에 계층적 클러스터링(Hierarchical clustering)을 수행할 수 있다.
다음으로, 340단계에서 일실시예에 따른 특허 분석 방법은 시각화부에서 자기조직화 지도를 시각화할 수 있다.
일측에 따르면, 340단계에서 일실시예에 따른 특허 분석 방법은 시각화부에서 자기조직화 지도의 출력 노드와 특허 평가 지수 사이의 관계를 매핑(Mapping)하는 히트맵(Heat map)을 생성하고, 히트맵을 통해 출력 노드의 특징을 직관적으로 시각화할 수 있다.
일측에 따르면, 340단계에서 일실시예에 따른 특허 분석 방법은 분석 결과 제공부에서 자기조직화 지도로부터 유의미한 데이터를 추출하여 사용자에게 제공할 수 있다.
구체적으로, 일실시예에 따른 분석 결과 제공부는 자기조직화 지도에서 부상 기술, 공백 기술 및 핵심 기술 중 적어도 하나의 기술을 포함하는 출력 노드를 도출할 수 있으며, 도출된 출력 노드들에 사상된 특허들의 데이터를 유의미한 데이터로서 추출할 수 있다.
결국, 본 발명을 이용하면, 방대한 양의 특허 빅데이터 분석 결과를 효과적으로 시각화할 수 있다.
또한, 시각화 결과를 통해 특허 빅데이터 상에서 특허 분석을 위한 유의미한 특징들을 보다 빠르고 용이하게 추출할 수 있다.
또한, 특허 빅데이터 분석 결과로 도출되는 자기조직화 지도 및 히트맵을 시각화하여 관심 기술 분야의 부상 기술, 공백 기술 및 핵심 기술을 용이하게 분석할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다.
소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
100: 특허 분석 시스템 110: 특허 데이터 수집부
120: 평가 지수 산출부 130: SOM 생성부
140: 시각화부

Claims (13)

  1. 목표 기술 분야의 특허 데이터를 수집하는 특허 데이터 수집부;
    상기 수집된 특허 데이터로부터 특허 평가 지수(Patent index)를 산출하는 평가 지수 산출부;
    상기 특허 평가 지수를 입력 벡터로 이용하여 자기조직화 지도(Self-Organizing Map; SOM)를 생성하는 SOM 생성부;
    상기 자기조직화 지도를 시각화하는 시각화부 및
    상기 자기조직화 지도에 기반한 분석을 통해 유의미한 데이터를 추출하고, 상기 추출된 유의미한 데이터를 사용자에게 제공하는 분석 결과 제공부
    를 포함하고,
    상기 특허 평가 지수는
    기술 영향력(Technology influence) 지수, 기술 시장성(Technology marketability) 지수, 신규성(Novelty) 지수 및 발명자 등급(Applicant grade) 중 적어도 하나를 포함하며,
    상기 분석 결과 제공부는
    상기 자기조직화 지도의 출력 노드 중 상기 기술 영향력 지수가 기설정된 영향력 상한 임계값 이상이고, 상기 발명자 등급이 기설정된 발명자 임계 등급 이상인 노드들에 포함된 핵심 특허들을 상기 유의미한 데이터로 추출하고,
    상기 자기조직화 지도의 출력 노드 중 상기 신규성 지수가 기설정된 신규성 상한 임계값 이상인 노드에 포함된 원천 기술 특허들을 상기 유의미한 데이터로 추출하며,
    상기 자기조직화 지도의 출력 노드 중 상기 기술 시장성 지수가 기설정된 시장성 임계값 이상이고, 상기 신규성 지수가 기설정된 신규성 하한 임계값 이하이며, 상기 기술 영향력 지수가 기설정된 영향력 하한 임계값 이하인 노드에 포함된 유망 기술 특허들을 상기 유의미한 데이터로 추출하는
    특허 분석 시스템.
  2. 제1항에 있어서,
    상기 특허 데이터 수집부는
    상기 사용자가 입력한 검색식을 이용하여 특허 데이터베이스로부터 상기 목표 기술 분야의 상기 특허 데이터를 수집하는
    특허 분석 시스템.
  3. 삭제
  4. 제1항에 있어서,
    상기 발명자 등급은
    상기 발명자가 보유한 특허들의 출원 지수, 상기 발명자가 보유한 특허들의 피인용 특허 지수 및 상기 발명자가 보유한 특허들의 패밀리 특허 지수 중 적어도 하나로부터 산출되는
    특허 분석 시스템.
  5. 제1항에 있어서,
    상기 시각화부는
    상기 자기조직화 지도를 카운트 플롯(Counts plot) 및 코드 플롯(Codes plot) 중 적어도 하나의 형태로 시각화하는
    특허 분석 시스템.
  6. 제1항에 있어서,
    상기 SOM 생성부는
    상기 자기조직화 지도의 출력 노드 간에 계층적 클러스터링(Hierarchical clustering)을 수행하는
    특허 분석 시스템.
  7. 제6항에 있어서,
    상기 시각화부는
    상기 계층적 클러스터링 결과를 매핑 플롯(Mapping plot)의 형태로 시각화하는
    특허 분석 시스템.
  8. 제1항에 있어서,
    상기 시각화부는
    상기 자기조직화 지도의 출력 노드와 상기 특허 평가 지수 사이의 관계를 매핑(Mapping)하는 히트맵(Heat map)을 생성하고, 상기 히트맵을 통해 상기 자기조직화 지도의 출력 노드의 특징을 직관적으로 시각화하는
    특허 분석 시스템.
  9. 특허 데이터 수집부에서 목표 기술 분야의 특허 데이터를 수집하는 단계;
    평가 지수 산출부에서 상기 특허 데이터로부터 특허 평가 지수(Patent index)를 산출하는 단계;
    SOM 생성부에서 상기 특허 평가 지수를 입력 벡터로 이용하여 자기조직화 지도(Self-Organizing Map; SOM)를 생성하는 단계;
    시각화부에서 상기 자기조직화 지도를 시각화하는 단계 및
    분석 결과 제공부에서 상기 자기조직화 지도에 기반한 분석을 통해 유의미한 데이터를 추출하고, 상기 추출된 유의미한 데이터를 사용자에게 제공하는 단계
    를 포함하고,
    상기 특허 평가 지수는
    기술 영향력(Technology influence) 지수, 기술 시장성(Technology marketability) 지수, 신규성(Novelty) 지수 및 발명자 등급(Applicant grade) 중 적어도 하나를 포함하며,
    상기 분석 결과 제공부는
    상기 자기조직화 지도의 출력 노드 중 상기 기술 영향력 지수가 기설정된 영향력 상한 임계값 이상이고, 상기 발명자 등급이 기설정된 발명자 임계 등급 이상인 노드들에 포함된 핵심 특허들을 상기 유의미한 데이터로 추출하고,
    상기 자기조직화 지도의 출력 노드 중 상기 신규성 지수가 기설정된 신규성 상한 임계값 이상인 노드에 포함된 원천 기술 특허들을 상기 유의미한 데이터로 추출하며,
    상기 자기조직화 지도의 출력 노드 중 상기 기술 시장성 지수가 기설정된 시장성 임계값 이상이고, 상기 신규성 지수가 기설정된 신규성 하한 임계값 이하이며, 상기 기술 영향력 지수가 기설정된 영향력 하한 임계값 이하인 노드에 포함된 유망 기술 특허들을 상기 유의미한 데이터로 추출하는
    특허 분석 방법.
  10. 삭제
  11. 제9항에 있어서,
    상기 발명자 등급은
    상기 발명자가 보유한 특허들의 출원 지수, 상기 발명자가 보유한 특허들의 피인용 특허 지수 및 상기 발명자가 보유한 특허들의 패밀리 특허 지수 중 적어도 하나로부터 산출되는
    특허 분석 방법.
  12. 제9항에 있어서,
    상기 자기조직화 지도를 생성하는 단계는
    상기 SOM 생성부에서 상기 자기조직화 지도의 출력 노드 간에 계층적 클러스터링(Hierarchical clustering)을 수행하는 단계를 더 포함하는
    특허 분석 방법.
  13. 제9항에 있어서,
    상기 자기조직화 지도를 시각화하는 단계는
    상기 시각화부에서 상기 자기조직화 지도의 출력 노드와 상기 특허 평가 지수 사이의 관계를 매핑(Mapping)하는 히트맵(Heat map)을 생성하고, 상기 히트맵을 통해 상기 자기조직화 지도의 출력 노드의 특징을 직관적으로 시각화하는 단계를 더 포함하는
    특허 분석 방법.
KR1020180094337A 2018-08-13 2018-08-13 빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법 KR102173204B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180094337A KR102173204B1 (ko) 2018-08-13 2018-08-13 빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180094337A KR102173204B1 (ko) 2018-08-13 2018-08-13 빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20200023657A KR20200023657A (ko) 2020-03-06
KR102173204B1 true KR102173204B1 (ko) 2020-11-03

Family

ID=69802403

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180094337A KR102173204B1 (ko) 2018-08-13 2018-08-13 빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102173204B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210108716A (ko) 2020-02-26 2021-09-03 주식회사 엘지에너지솔루션 용접 불량 검사 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100751276B1 (ko) 2005-11-08 2007-08-23 한국과학기술정보연구원 데이터 간 상관 정도를 파악할 수 있는 특허 맵 제공시스템및 그 방법
KR100966106B1 (ko) * 2008-06-17 2010-06-28 한국과학기술원 특허 정보를 이용한 기술과 서비스의 평가 및 서비스중심의 기술 로드맵 작성 방법
US20130282599A1 (en) * 2010-11-02 2013-10-24 Kwanggaeto Co., Ltd. Method of generating patent evaluation model, method of evaluating patent, method of generating patent dispute prediction model, method of generating patent dispute prediction information, and method and system for generating patent risk hedging information
BR112015022329A2 (pt) * 2013-03-13 2017-07-18 John Parry Warren método para analisar dados relativos a um indivíduo, e, sistema de análise de dados para analisar dados relacionados a um indivíduo

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Dan Tanner.Introduction to Self Organizing Maps in R-the Kohonen Package and NBA Player Statistics(2017.06.25.)*
전성해 외 4인. 자기조직화 지도와 매트릭스분석을 이용한 특허분석시스템의 공백기술 예측. 한국콘텐츠학회(2010.02.)*

Also Published As

Publication number Publication date
KR20200023657A (ko) 2020-03-06

Similar Documents

Publication Publication Date Title
Shi et al. A novel learning-based feature recognition method using multiple sectional view representation
Garreta et al. Learning scikit-learn: machine learning in python
Shi et al. Adaptive simplification of point cloud using k-means clustering
Yu et al. Hierarchical streamline bundles
Jänicke et al. Brushing of attribute clouds for the visualization of multivariate data
US20160205137A1 (en) Visualization and analysis of complex security information
Nouanesengsy et al. Adr visualization: A generalized framework for ranking large-scale scientific data using analysis-driven refinement
US20090327259A1 (en) Automatic concept clustering
WO2014109127A1 (ja) インデックス生成装置及び方法並びに検索装置及び検索方法
CN105354593B (zh) 一种基于nmf的三维模型分类方法
US9798808B2 (en) Data visualization system
Kalamaras et al. Multi-objective optimization for multimodal visualization
Thomas et al. Detecting symmetry in scalar fields using augmented extremum graphs
CN102622753A (zh) 基于密度可达测度的半监督谱聚类sar图像分割方法
JP2000311246A (ja) 類似画像表示方法及び類似画像表示処理プログラムを格納した記録媒体
Oesterling et al. Visualizing nd point clouds as topological landscape profiles to guide local data analysis
Hendrich et al. Parallel BVH construction using progressive hierarchical refinement
Fan et al. Cadtransformer: Panoptic symbol spotting transformer for cad drawings
Jankun-Kelly et al. Scalability considerations for multivariate graph visualization
Bruzzese et al. DESPOTA: DEndrogram slicing through a pemutation test approach
KR101116663B1 (ko) 고차원 데이터의 유사도 검색을 위한 데이터 분할방법
KR102173204B1 (ko) 빅데이터 시각화 기반의 특허 분석 시스템 및 그 방법
Yu et al. A novel multi-feature representation of images for heterogeneous IoTs
CN102855624B (zh) 一种基于广义数据场和Ncut算法的图像分割方法
Hinneburg Concepts of visual and interactive clustering

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant