KR102371731B1 - 특허 데이터 기반의 기술인재 발굴 장치 및 방법 - Google Patents

특허 데이터 기반의 기술인재 발굴 장치 및 방법 Download PDF

Info

Publication number
KR102371731B1
KR102371731B1 KR1020200093716A KR20200093716A KR102371731B1 KR 102371731 B1 KR102371731 B1 KR 102371731B1 KR 1020200093716 A KR1020200093716 A KR 1020200093716A KR 20200093716 A KR20200093716 A KR 20200093716A KR 102371731 B1 KR102371731 B1 KR 102371731B1
Authority
KR
South Korea
Prior art keywords
technical
talent
candidate
talents
target
Prior art date
Application number
KR1020200093716A
Other languages
English (en)
Other versions
KR20220014094A (ko
Inventor
윤장혁
정재민
고남욱
김현수
Original Assignee
건국대학교 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 건국대학교 산학협력단 filed Critical 건국대학교 산학협력단
Priority to KR1020200093716A priority Critical patent/KR102371731B1/ko
Publication of KR20220014094A publication Critical patent/KR20220014094A/ko
Application granted granted Critical
Publication of KR102371731B1 publication Critical patent/KR102371731B1/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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

특허 데이터 기반의 기술인재 발굴 장치 및 방법이 개시되며, 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 방법은, 초기 특허 데이터를 수집하는 단계, 상기 초기 특허 데이터로부터 대상 기업과 연계된 특허 데이터 셋을 추출하는 단계, 상기 특허 데이터 셋에 기초하여 복수의 후보 기술인재를 추출하는 단계, 상기 특허 데이터 셋에 포함된 특허의 내용 정보에 기초하여 각각이 상기 복수의 후보 기술인재 중 적어도 일부의 후보 기술인재를 포함하는 기술분야별 타겟 인재풀을 결정하는 단계, 상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 성과 지표를 산출하는 단계 및 상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 경력 지표를 산출하는 단계를 포함할 수 있다.

Description

특허 데이터 기반의 기술인재 발굴 장치 및 방법{APPARATUS AND METHOD FOR MINING PROSPECTIVE HUMAN RESOURCE BASED ON PATENT DATA}
본원은 특허 데이터 기반의 기술인재 발굴 장치 및 방법에 관한 것이다.
유능한 기술인재는 가치 있고 대체가 어려워 기업의 성과에 지대한 영향을 미칠 수 있기 때문에 기술인재를 효과적으로 스카우트하는 것은 기업의 장기적인 성공에 매우 중요한 요소이다. 기업은 기업의 향후 운영 목표나 전략에 부합하는 적절한 역량을 갖춘 기술인재를 식별할 수 있어야 하고, 이를 위해 인적 자원이 기업의 기술적 요구, 주요 사업 영역과 관련된 능력을 갖고 있는지를 판단할 수 있어야 한다. 특히, 기술 기반 기업(Technology-based firms, TBF)에서는 기업의 전략을 구현할 수 있는 기술적 지식과 역량을 갖춘 인적 자원에 대한 중요성이 더욱 높다.
한편, 미래 지향적인 측면을 고려할 때, 기업은 기업의 장기적인 혁신을 이룰 수 있는 젊고 재능 있는 기술인재를 모집하는 것이 유리하다. 이러한 젊은 기술인재는 경험이 풍부한 전문가에 비하면 해당 분야에서의 경험이 적을 수 있지만 이러한 젊은 기술인재를 채용할 때 기업에는 다음과 같은 이점이 있다.
먼저, 젊은 인적 자원은 기업의 조직 문화와 분위기에 쉽게 적응할 수 있다. 또한, 젊은 인적 자원들은 기업의 장기적인 성장에 기여할 수 있는 높은 발전 가능성을 보유하고 있다. 또한, 젊은 기술인재를 채용하여 교육하는 것이 경험이 많거나 저명한 전문가를 채용하는 것에 비해 비용 측면에서 효율적일 수 있다.
한편, 최근 학술 자료나 기술 관련 웹 데이터에 대한 접근이 용이해짐에 따라 대량의 데이터를 기반으로 인적 자원의 능력을 평가하거나 유능한 인적 자원을 탐색하기 위한 많은 연구가 이루어지고 있다. 구체적으로, 전문가의 홈페이지 또는 학술 데이터에 대한 텍스트 마이닝 및 소셜 네트워크 분석을 통해 적합한 전문가를 추천하거나 학술 데이터를 기반으로 공동 저자 네트워크에 대한 분석 결과를 기반으로 연구자들의 역량을 평가하는 등의 선행 연구가 수행된바 있다.
특히, 폭넓은 기술 정보를 포함하며 연구자의 연구 개발의 결과물로 평가될 수 있는 특허 데이터를 연구자를 평가 또는 분류하는데 활용하는 일부 선행 연구가 존재하였으나, 이러한 종래의 선행 연구들은 앞서 언급한 재능 있고 전략 지향적인 젊은 인적 자원을 식별하는 데에는 한계가 있었다.
나아가, 종래의 선행 연구들에서는 기업의 전략 이행에 적합한 인적 자원을 추천하고 발견하는 과정을 충분히 고려하지 못했다. 이와 관련하여 기업의 R&D 전략은 현재 기업이 주력하고 있는 분야에 제한되는 것이 아니라 완전히 새로운 기술 분야에 진입하거나 기존 기술 역량을 강화하는 등 다양한 방향으로 수행될 수 있기에 이러한 기업의 전략에 필요한 인적 자원의 능력은 다양하게 나타나므로 기술인재의 연구 분야를 구체적으로 살펴본 다음 대상 기업의 기술 전략과 일치하는 분야에서 적절한 인적 자원을 탐색하는 것이 중요하다.
또한, 종래의 선행 연구들은 기술인재의 경력에 대한 젊음을 고려하지 않고 기술인재의 성장 추세 또는 잠재력을 평가하였기 때문에 기업의 미래를 이끌어 갈 수 있는 인적자원을 식별하는 데 한계가 존재하였으며, 기존기술 강화, 신규기술 개발 등 기업의 다방면의 기술전략을 모두 고려하지는 못했기 때문에 기업의 전략에 적합한 인적자원에 대한 탐색 결과를 제공하는 데는 이르지 못했다.
본원의 배경이 되는 기술은 한국공개특허공보 제10-2018-0048172호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 기술개발의 객관적인 결과물인 특허 데이터를 활용하여 발명가들의 세부 기술분야, 성과 및 경력을 파악하고, 이를 기반으로 기업의 기술전략에 적합한 인적자원을 식별할 수 있는 특허 데이터 기반의 기술인재 발굴 장치 및 방법을 제공하려는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 방법은, 초기 특허 데이터를 수집하는 단계, 상기 초기 특허 데이터로부터 대상 기업과 연계된 특허 데이터 셋을 추출하는 단계, 상기 특허 데이터 셋에 기초하여 복수의 후보 기술인재를 추출하는 단계, 상기 특허 데이터 셋에 포함된 특허의 내용 정보에 기초하여 각각이 상기 복수의 후보 기술인재 중 적어도 일부의 후보 기술인재를 포함하는 기술분야별 타겟 인재풀을 결정하는 단계, 상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 성과 지표를 산출하는 단계 및 상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 경력 지표를 산출하는 단계를 포함할 수 있다.
또한, 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 방법은, 상기 성과 지표 및 상기 경력 지표에 기초하여 상기 타겟 인재풀과 연계된 포트폴리오 맵을 생성하는 단계를 포함할 수 있다.
또한, 상기 포트폴리오 맵을 생성하는 단계는, 상기 기술분야마다 포트폴리오 맵을 개별적으로 생성할 수 있다.
또한, 상기 특허 데이터 셋을 추출하는 단계는, 상기 초기 특허 데이터에 포함된 복수의 특허 각각에 대하여 부여된 코드 정보 및 상기 복수의 특허 각각으로부터 도출되는 키워드 정보 중 적어도 하나에 기초하여 상기 복수의 특허 중에서 상기 특허 데이터 셋에 포함될 특허를 추출할 수 있다.
또한, 상기 복수의 후보 기술인재를 추출하는 단계는, 상기 특허 데이터 셋에 포함된 복수의 특허 각각에 대한 발명자 정보에 기초하여 상기 복수의 후보 기술인재를 결정할 수 있다.
또한, 상기 타겟 인재풀을 결정하는 단계는, 상기 특허 데이터 셋에 포함된 복수의 특허로부터 도출되는 키워드 정보에 기초하여 토픽 모델링을 수행하는 단계, 상기 토픽 모델링의 수행 결과에 기초하여 상기 기술분야를 결정하는 단계, 상기 복수의 후보 기술인재 각각의 상기 기술분야별 관련도 정보를 포함하는 기술 매칭 행렬을 생성하는 단계 및 상기 기술 매칭 행렬에 기초하여 상기 복수의 후보 기술인재 중 상기 타겟 인재풀에 포함될 소정의 후보 기술인재를 상기 기술분야마다 선정하는 단계를 포함할 수 있다.
또한, 상기 성과 지표를 산출하는 단계는, 상기 후보 기술인재가 발명자인 적어도 하나의 보유특허의 인용 이력 정보 및 상기 보유특허와 연계된 기간 정보에 기초하여 상기 성과 지표를 산출할 수 있다.
또한, 상기 경력 지표를 산출하는 단계는, 상기 후보 기술인재가 발명자인 특허 중 최초로 출원된 특허와 연계된 기간 정보에 기초하여 상기 경력 지표를 산출할 수 있다.
또한, 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 방법은, 상기 포트폴리오 맵에 기초하여 상기 타겟 인재풀 내의 복수의 후보 기술인재 중에서 추천 기술인재를 선정하는 단계를 포함할 수 있다.
또한, 상기 추천 기술인재를 선정하는 단계는, 상기 대상 기업과 연계된 기업 단말로부터 타겟 분야 정보를 수신하고, 상기 타겟 분야 정보에 대응되는 기술분야에 대하여 생성된 상기 포트폴리오 맵에 기초하여 상기 추천 기술인재를 선정할 수 있다.
한편, 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 장치는, 초기 특허 데이터를 수집하고, 상기 초기 특허 데이터로부터 대상 기업과 연계된 특허 데이터 셋을 추출하고, 상기 특허 데이터 셋에 기초하여 복수의 후보 기술인재를 추출하는 데이터 수집부, 상기 특허 데이터 셋에 포함된 특허의 내용 정보에 기초하여 각각이 상기 복수의 후보 기술인재 중 적어도 일부의 후보 기술인재를 포함하는 기술분야별 타겟 인재풀을 결정하는 데이터 가공부 및 상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 성과 지표를 산출하고, 상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 경력 지표를 산출하고, 상기 성과 지표 및 상기 경력 지표에 기초하여 상기 타겟 인재풀과 연계된 포트폴리오 맵을 생성하는 기술인재 분석부를 포함할 수 있다.
또한, 상기 데이터 수집부는, 상기 초기 특허 데이터에 포함된 복수의 특허 각각에 대하여 부여된 코드 정보 및 상기 복수의 특허 각각으로부터 도출되는 키워드 정보 중 적어도 하나에 기초하여 상기 복수의 특허 중에서 상기 특허 데이터 셋에 포함될 특허를 추출하고, 상기 특허 데이터 셋에 포함된 복수의 특허 각각에 대한 발명자 정보에 기초하여 상기 복수의 후보 기술인재를 결정할 수 있다.
또한, 상기 데이터 가공부는, 상기 특허 데이터 셋에 포함된 복수의 특허로부터 도출되는 키워드 정보에 기초하여 토픽 모델링을 수행하고, 상기 토픽 모델링의 수행 결과에 기초하여 상기 기술분야를 결정하고, 상기 복수의 후보 기술인재 각각의 상기 기술분야별 관련도 정보를 포함하는 기술 매칭 행렬을 생성하고, 상기 기술 매칭 행렬에 기초하여 상기 복수의 후보 기술인재 중 상기 타겟 인재풀에 포함될 소정의 후보 기술인재를 상기 기술분야마다 선정할 수 있다.
또한, 상기 기술인재 분석부는, 상기 후보 기술인재가 발명자인 적어도 하나의 보유특허의 인용 이력 정보 및 상기 보유특허와 연계된 기간 정보에 기초하여 상기 성과 지표를 산출하고, 상기 후보 기술인재가 발명자인 특허 중 최초로 출원된 특허와 연계된 기간 정보에 기초하여 상기 경력 지표를 산출할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 기술개발의 객관적인 결과물인 특허 데이터를 활용하여 발명가들의 세부 기술분야, 성과 및 경력을 파악하고, 이를 기반으로 기업의 기술전략에 적합한 인적자원을 식별할 수 있는 특허 데이터 기반의 기술인재 발굴 장치 및 방법을 제공할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 인적자원의 발명 경력을 고려하여 특허 출원 수 등 출판물의 개수는 적지만, 우수한 출판물을 보유한 인적자원의 성과를 나타낼 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 특허 데이터를 활용하여 발명가의 프로필을 정의할 수 있으며, 기업의 기술 전략에 부합하는 젊고 유망한 인적자원을 식별할 수 있다.
다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.
도 1은 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 장치의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 장치의 기능 및 동작을 개략적으로 설명하기 위한 개념도이다.
도 3은 수집된 초기 특허 데이터에 기초하여 특허 데이터 셋 및 후보 기술인재를 추출하는 프로세스를 설명하기 위한 개념도이다.
도 4는 본원의 일 실시예에 따른 기술 매칭 행렬을 설명하기 위한 도면이다.
도 5는 본원의 일 실시예에 따른 성과 지표를 설명하기 위한 도면이다.
도 6은 본원의 일 실시예에 따른 포트폴리오 맵을 예시적으로 나타낸 도면이다.
도 7a는 본원에서 개시하는 특허 데이터 기반의 기술인재 발굴 기법과 연계된 일 실험예로, 소정의 대상 기업에 대하여 도출된 복수의 하위 기술분야 및 개별 기술분야와 관련한 키워드 정보를 예시적으로 나타낸 도면이다.
도 7b 내지 도 7d는 본원에서 개시하는 특허 데이터 기반의 기술인재 발굴 기법과 연계된 일 실험예로, 소정의 대상 기업에 대하여 도출된 포트폴리오 맵을 기술분야 별로 예시적으로 나타낸 도면이다.
도 8은 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 방법에 대한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
본원은 특허 데이터 기반의 기술인재 발굴 장치 및 방법에 관한 것이다.
도 1은 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 장치의 개략적인 구성도이다.
도 1을 참조하면, 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 장치(100)(이하, '기술인재 발굴 장치(100)'라 한다.)는, 데이터 수집부(110), 데이터 가공부(120) 및 기술인재 분석부(130)를 포함할 수 있다.
또한, 기술인재 발굴 장치(100)는 기업 단말(미도시)과 네트워크(미도시)를 통해 통신 가능하도록 구현될 수 있다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
기업 단말(미도시)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치일 수 있다.
도 2는 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 장치의 기능 및 동작을 개략적으로 설명하기 위한 개념도이다.
도 2를 참조하면, 기술인재 발굴 장치(100)는 먼저 특허 데이터를 수집하고 전처리할 수 있다(Collecting and preprocessing patents). 이러한 특허 데이터 수집 및 전처리 과정에서는 수집된 특허에 대한 텍스트 분석을 통해 특허-용어 행렬(Patent-term matrix) 또는 후술하는 특허-키워드 행렬(Patent-keyword matrix)과 특허 인용 정보가 획득될 수 있다. 또한, 기술인재 발굴 장치(100)는 수집된 특허에서 후보 기술인재를 추출하고, 후보 기술인재 각각의 발명 기술분야(Invention field), 발명 성과(Performance) 및 발명 경력(Career)에 대한 분석을 수행할 수 있다. 또한, 기술인재 발굴 장치(100)는 후보 기술인재 각각의 기술분야, 성과 및 경력을 종합하여 포트폴리오 맵을 생성할 수 있다(Generating performance-career maps). 이하에서는, 도 2를 참조하여 상술한 기술인재 발굴 장치(100)의 기능 및 동작을 상세히 설명하도록 한다.
먼저, 기술인재 발굴 장치(100)의 데이터 수집부(110)는 초기 특허 데이터를 수집할 수 있다. 본원의 일 실시예에 따르면, 초기 특허 데이터는 대상 기업의 기술 분야를 고려하지 않고 소정의 수집 기간 동안 적어도 하나 이상의 국가의 특허청에 출원된 특허를 포함하는 데이터를 의미할 수 있다. 본원의 일 실시예에 따르면, 데이터 수집부(110)는 한국, 미국, 일본, 유럽 등 특정 국가의 특허청에 출원된 특허를 대상으로 초기 특허 데이터를 수집할 수 있으나, 이에만 한정되는 것은 아니고, 본원의 구현예에 따라 둘 이상의 복수의 국가의 특허청에 출원된 특허를 포함하는 초기 특허 데이터를 수집할 수 있다.
이해를 돕기 위해 예시하면, 데이터 수집부(110)는 미국특허청(USPTO)에서 제공하는 발명자 식별 정보가 반영된 미국 특허를 초기 특허 데이터로 수집할 수 있다. 예를 들어, 데이터 수집부(110)는 미국특허청(USPTO)에서 제공하는 특허 시각화 및 분석 플랫폼인 PatentsView를 활용하여 초기 특허 데이터를 수집할 수 있다.
또한, 데이터 수집부(110)는 수집된 초기 특허 데이터로부터 대상 기업과 연계된 특허 데이터 셋을 추출할 수 있다.
구체적으로, 데이터 수집부(110)는 초기 특허 데이터에 포함된 복수의 특허 각각에 대하여 부여된 코드 정보 및 초기 특허 데이터에 포함된 복수의 특허 각각으로부터 도출되는 키워드 정보 중 적어도 하나에 기초하여 초기 특허 데이터에 포함된 복수의 특허 중에서 특허 데이터 셋에 포함될 특허를 추출할 수 있다.
예를 들어, 코드 정보란 특허에 부여되는 CPC 코드, IPC 코드, F-term 등일 수 있다.
즉, 본원의 실시예에 관한 설명에서 특허 데이터 셋은 대상 기업의 기술분야에 대한 고려 없이 수집된 초기 특허 데이터로부터 대상 기업의 기술분야에 부합하는 특허 데이터(달리 말해, 대상 기업의 기술 도메인과 관련된 특허 데이터)를 선별한 것을 의미할 수 있다.
이와 관련하여, 데이터 수집부(110)는 사전 정의된 쿼리에 기초하여 초기 특허 데이터에서 대상 기업과 연계된 특허 데이터 셋을 검색할 수 있다. 여기서, 사전 정의된 쿼리는 특허에 부여되는 다양한 코드 중에서 대상 기업의 기술 영역을 표현하도록 선택된 코드의 코드 정보를 포함하도록 생성될 수 있다. 다른 예로, 사전 정의된 쿼리는 대상 기업의 기술 영역을 표현하도록 결정된 기술 키워드를 포함하도록 생성될 수 있다.
즉, 데이터 수집부(110)는 사전 정의된 쿼리에 포함된 코드 정보와 수집된 초기 특허 데이터에 포함된 특허 각각에 부여된 코드 정보를 상호 비교하여 특허 데이터 셋에 포함될 특허를 추출할 수 있다. 또한, 데이터 수집부(110)는 사전 정의된 쿼리에 포함된 기술 키워드와 수집된 초기 특허 데이터에 포함된 특허 각각으로부터 추출되는 키워드 정보를 상호 비교하여 특허 데이터 셋에 포함될 특허를 추출할 수 있다.
본원의 일 실시예에 따르면, 데이터 수집부(110)는 자연어 처리 도구를 활용 초기 특허 데이터에 포함된 특허의 발명의 명칭, 요약, 발명의 설명, 청구항 등의 텍스트 데이터에서 키워드 정보를 추출하도록 동작할 수 있다. 또한, 본원의 구현예에 따라 데이터 수집부(110)는 키워드 정보 추출에 소요되는 시간 및 연산량을 축소하기 위하여 특허의 요약 정보만을 분석 대상으로 활용활 수 있으나, 이에만 한정되는 것은 아니다.
또한, 데이터 수집부(110)는 자연어 처리 도구를 활용하여 1차적으로 획득된 원시 키워드 정보에 대한 추가적인 전처리를 통해 특허 각각의 최종적인 키워드 정보를 확정하도록 동작할 수 있다. 예시적으로, 데이터 수집부(110)가 수행하는 전처리에는 복수형으로 표현된 텍스트를 단수형으로 변경하는 프로세스, 기술적 의미가 없거나 텍스트 분석과 관련 없는 텍스트(예를 들면, 스톱 워드 등)를 배제하는 프로세스 등이 포함될 수 있다.
또한, 데이터 수집부(110)는 특허 데이터 셋에 기초하여 복수의 후보 기술인재를 추출할 수 있다. 구체적으로, 데이터 수집부(110)는 특허 데이터 셋에 포함된 복수의 특허 각각에 대한 발명자 정보에 기초하여 복수의 후보 기술인재를 결정할 수 있다. 달리 말해, 데이터 수집부(110)는 대상 기업과 연계된 특허 데이터 셋에 포함된 특허의 발명자로 기재된 기술인재를 종합하여 후보 기술인재로 결정할 수 있다. 이와 관련하여, 하나의 특허에 복수의 발명자가 기재될 수 있고, 동일한 기술인재가 복수의 특허에 발명자로 기재될 수 있으므로, 특허 데이터 셋에 포함된 특허의 수와 후보 기술인재로 도출된 발명자의 수가 대응될 필요가 없음은 물론이다.
또한, 데이터 수집부(110)는 특허 데이터 셋에 포함된 특허에 등장하는 키워드 정보 각각에 대한 용어 빈도(Term Frequency, TF)를 산출할 수 있다. 여기서, 용어 빈도는 소정의 키워드 정보가 특허 데이터 셋에 포함된 특허에서 등장한 횟수를 특허별로 나타낸 것이거나 특허 데이터 셋에 포함된 특허를 모두 종합하여 등장한 횟수를 카운트한 것일 수 있다.
또한, 데이터 수집부(110)는 산출된 용어 빈도에 기초하여 특허-키워드 행렬(patent-keyword matrix)을 생성할 수 있다. 이와 관련하여, 후술하는 데이터 가공부(120)는 데이터 수집부(110)에 의해 생성된 특허-키워드 행렬에 기초하여 토픽 모델링을 수행하는 것일 수 있으며, 이러한 토픽 모델링에 대하여는 상세히 후술하도록 한다.
도 3은 수집된 초기 특허 데이터에 기초하여 특허 데이터 셋 및 후보 기술인재를 추출하는 프로세스를 설명하기 위한 개념도이다.
도 3을 참조하면, 앞서 상세히 설명한 바와 같이 데이터 수집부(110)는 초기 특허 데이터(Initial patent data)에 기초하여 대상 기업과 연계된 특허 데이터 셋(Patent set)을 추출하고, 특허 데이터 셋에 포함된 특허의 발명자 정보에 기초하여 후보 기술인재(Candidate inventors)를 추출할 수 있다. 또한, 데이터 수집부(110)는 특허 데이터 셋에 포함된 특허에 대한 텍스트 분석을 통해 키워드 정보(Valid keyword set)를 획득하고, 이를 종합하여 특허-키워드 행렬(patent-keyword matrix)을 생성할 수 있다.
기술인재 발굴 장치(100)의 데이터 가공부(120)는 특허 데이터 셋에 포함된 특허의 내용 정보에 기초하여 각각이 복수의 후보 기술인재 중 적어도 일부의 후보 기술인재를 포함하는 기술분야별 타겟 인재풀을 결정할 수 있다.
구체적으로, 데이터 가공부(120)는 특허 데이터 셋에 포함된 복수의 특허로부터 도출되는 키워드 정보에 기초하여 토픽 모델링을 수행할 수 있다. 본원의 일 실시예에 따르면, 데이터 가공부(120)는 데이터 수집부(110)에 의해 생성된 특허-키워드 행렬(patent-keyword matrix)에 기초하여 토픽 모델링을 수행할 수 있다.
본원에서의 토픽 모델링(Topic modeling)은, 문서 세트에서 의미 있는 키워드를 클러스터링하여 잠재 주제를 결정하는 통계 모델로 이해될 수 있으며, 토픽 모델링이 적용되는 문서는 일련의 키워드로 이루어질 수 있으며, 키워드의 조합은 해당 문서의 주제를 나타낼 수 있다. 즉, 데이터 가공부(120)는 토픽 모델링을 활용하여 문서(예를 들면, 특허 데이터 셋에 포함된 각각의 특허의 명세서, 발명의 요약 등)에 포함된 키워드의 발생 빈도에 따라 각각의 문서에서 주제를 식별하고 식별된 주제와 관련된 키워드를 유추할 수 있다.
또한, 본원의 일 실시예에 따르면, 데이터 가공부(120)는 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 기반의 토픽 모델링을 수행할 수 있다. 잠재 디리클레 할당은 주어진 문서에 어떠한 주제들이 존재하는지를 추출하기 위한 확률적 토픽 모델 기법 중 하나로, 미리 확보된 주제별 단어(키워드) 분포를 바탕으로 주어진 문서에서 발견된 단어의 분포를 분석함으로써 해당 문서가 어떤 주제를 다루고 있는지를 파악하는데 활용된다.
또한, 데이터 가공부(120)는 토픽 모델링의 수행 결과에 기초하여 적어도 하나의 기술분야를 결정할 수 있다. 즉, 데이터 가공부(120)는 특허-키워드 행렬(patent-keyword matrix)에 기초한 토픽 모델링에 기초하여 대상 기업의 기술 영역과 연계된 하위 기술분야를 식별할 수 있다. 즉, 토픽 모델링에 의해 도출된 각각의 주제는 대상 기업과 연계된 하위 기술분야를 나타내며, 이는 후보 기술인재인 발명자들의 발명 분야로 해석될 수 있다.
보다 구체적으로, 데이터 가공부(120)는 토픽 모델링의 수행 결과에 기초하여 대상 기업과 연계된 하위 기술분야의 수를 결정할 수 있다. 예를 들어, 데이터 가공부(120)는 Elbow Method를 기초로 기술분야 간의 유사도가 미리 설정된 범위를 만족하도록 하는 기술분야의 수(달리 말해, 주제의 수, 클러스터의 수 등)를 결정할 수 있으나, 이에만 한정되는 것은 아니다. 다른 예로, 데이터 가공부(120)는 기업 단말(미도시)로부터 수신된 대상 기업이 기술인재를 탐색하고자 하는 기술분야에 대한 정보를 포함하는 데이터(예를 들면, 탐색 희망 기술분야 리스트 등)를 보유한 경우, 해당 데이터에 반영된 기술분야를 고려하여 토픽 모델링을 수행하도록 동작할 수 있다.
또한, 데이터 가공부(120)는 데이터 수집부(110)에 의해 생성된 특허-키워드 행렬(patent-keyword matrix) 및 결정된 기술분야의 수에 기초한 토픽 모델링을 통해 기술-키워드 분포 행렬(technology-keyword distribution matrix) 및 특허-기술 분포 행렬(patent-technology distribution matrix)을 생성할 수 있다.
또한, 데이터 가공부(120)는 토픽 모델링의 수행 결과에 기초하여 복수의 후보 기술인재 각각의 기술분야별 관련도 정보를 포함하는 기술 매칭 행렬을 생성할 수 있다.
이하에서는, 본원에서 개시하는 기술 매칭 행렬에 대해 상세히 설명하도록 한다.
도 4는 본원의 일 실시예에 따른 기술 매칭 행렬을 설명하기 위한 도면이다.
도 4를 참조하면, 데이터 가공부(120)는 발명자-특허-기술 행렬(inventor-patent-technology matrix)를 생성할 수 있다(도 4의 (a)). 또한, 데이터 가공부(120)는 발명자-특허-기술 행렬(inventor-patent-technology matrix)로부터 발명자-기술 행렬(inventor-technology matrix)인 기술 매칭 행렬을 생성할 수 있다(도 4의 (b)).
구체적으로, 데이터 가공부(120)는 토픽 모델링 수행 결과 생성된 특허-기술 분포 행렬(patent-technology distribution matrix)를 특허 각각의 발명자 정보를 기반으로 확장하여 발명자-특허-기술 행렬(inventor-patent-technology matrix)을 생성할 수 있다. 또한, 데이터 가공부(120)는 생성된 발명자-특허-기술 행렬(inventor-patent-technology matrix)을 발명자 각각에 대하여 합산하여 발명자 별로 정리한 발명자-기술 행렬(inventor-technology matrix)에 해당하는 기술 매칭 행렬을 생성할 수 있다.
도 4를 참조하여, 발명자-특허-기술 행렬(inventor-patent-technology matrix) 및 발명자-기술 행렬(inventor-technology matrix)을 보다 상세히 설명하면, 도 4의 (a)의 좌측 첫 번째 열은 특허 데이터 셋으로부터 도출된 후보 기술인재를 나타내며, 좌측 두 번째 열은 특허 데이터 셋 내에 포함된 특허를 나타내며, 좌측 세 번째 열부터는 도출된 하위 기술분야 각각에 대한 특허 데이터 셋 내에 포함된 특허 각각의 연관도를 수치화하여 나타낸 것일 수 있다. 여기서, 연관도란 해당 특허가 도출된 하위 기술분야 각각의 주제에 부합하는 정도(레벨)를 수치화한 것일 수 있다. 달리 말해, 좌측 세 번째 열부터의 각 셀에 표시된 수치는 해당 특허가 해당 기술분야(주제)에 속할 확률을 나타낸 것으로 이해될 수 있다. 예를 들면, 특허 1(Patent # 1)은 도출된 하위 기술분야 중 첫 번째 기술분야(Tech. 1)에 대한 연관도가 가장 높고(0.75), 특허 3(Patent # 3)은 도출된 하위 기술분야 중 세 번째 기술분야(Tech. 3)에 대한 연관도가 가장 높은 것(0.79)일 수 있다.
또한, 데이터 가공부(120)는 발명자-특허-기술 행렬(inventor-patent-technology matrix)에 반영된 특허 각각의 기술분야 별 연관도를 기술인재 별로 합산하여 도 4의 (b)에 도시된 발명자-기술 행렬(기술 매칭 행렬)을 생성할 수 있다. 예를 들어, 도 4의 (a)에서 제1후보 기술인재(Inv. 1)는 특허 1, 2, 7(Patent# 1, 2, 7)의 발명자이므로, 특허 1,2, 7의 기술분야 별 연관도를 합산한 값이 해당 후보 기술인재의 기술분야 별 연관도로 계산될 수 있다. 구체적으로 예를 들면, 제1후보 기술인재(Inv. 1)의 첫 번째 기술분야(Tech. 1)에 대한 연관도는 제1후보 기술인재가 발명자인 특허 1, 2, 7의 첫 번째 기술분야(Tech. 1)에 대한 연관도를 합산한 2.39(=0.75+0.80+0.84)로 결정될 수 있다.
또한, 데이터 가공부(120)는 생성된 기술 매칭 행렬에 기초하여 복수의 후보 기술인재 중 타겟 인재풀에 포함될 소정의 후보 기술인재를 기술분야마다 선정할 수 있다.
특히, 도 4의 (b)의 빗금친 영역(셀)은 후보 기술인재 각각이 포함되는 타겟 인재풀을 표시한 것일 수 있다. 예를 들면, 도 4의 (b)에 도시된 사항을 기준으로, 제1후보 기술인재(Inv. 1)는 첫 번째 기술분야(Tech. 1)에 대한 타겟 인재풀에 포함되고, 제2후보 기술인재(Inv. 2)는 세 번째 기술분야(Tech. 3)에 대한 타겟 인재풀에 포함되고, 제3후보 기술인재(Inv. 3)는 두 번째 기술분야(Tech. 2)에 대한 타겟 인재풀에 포함되는 것일 수 있다.
본원의 일 실시예에 따르면, 데이터 가공부(120)는 후보 기술인재의 기술분야별 연관도의 순위에 기초하여 타겟 인재풀에 포함될 소정의 후보 기술인재를 선정할 수 있다. 예를 들어, 도 4의 (b)는 데이터 가공부(120)가 후보 기술인재의 기술분야별 연관도의 순위가 1순위인 기술분야에 대한 타겟 인재풀에 해당 후보 기술인재가 포함되도록 선정된 것을 나타낸 것일 수 있다. 다만, 이에만 한정되는 것은 아니고, 본원의 구현예에 따라 기술분야별 연관도의 순위가 1 내지 3 순위인 기술분야에 대한 타겟 인재풀에 해당 후보 기술인재가 포함되도록 선정되는 등 복수의 기술분야에 대하여 동일한 후보 기술인재가 중복적으로 채택되는 것일 수 있다.
다른 예로, 데이터 가공부(120)는 후보 기술인재의 기술분야별 연관도의 수치와 미리 설정된 임계값의 비교 결과에 기초하여 타겟 인재풀에 포함될 소정의 후보 기술인재를 선정할 수 있다. 예를 들어 데이터 가공부(120)는 후보 기술인재의 기술분야별 연관도 수치가 미리 설정된 임계값을 초과하면, 해당 기술분야에 대한 타겟 인재풀에 해당 후보 기술인재를 포함하도록 동작할 수 있다. 예를 들어, 미리 설정된 임계값이 2.00이라고 가정하면, 제1후보 기술인재(Inv. 1)는 첫 번째 기술분야(Tech. 1)에 대한 타겟 인재풀에 포함되고, 제2후보 기술인재(Inv. 2)는 세 번째 기술분야(Tech. 3)에 대한 타겟 인재풀에 포함되고, 제3후보 기술인재(Inv. 3)는 첫 번째부터 세 번째 기술분야에 대응하는 타겟 인재풀에는 포함되지 않는 것일 수 있다.
기술인재 발굴 장치(100)의 기술인재 분석부(130)는 타겟 인재풀 내의 후보 기술인재 각각에 대한 성과 지표를 산출할 수 있다.
구체적으로, 기술인재 분석부(130)는 후보 기술인재가 발명자인 적어도 하나의 보유특허의 인용 이력 정보 및 후보 기술인재가 발명자인 적어도 하나의 보유특허와 연계된 기간 정보에 기초하여 해당 후보 기술인재에 대한 성과 지표를 산출할 수 있다.
본원의 일 실시예에 따르면, 기술인재 분석부(130)는 하기 식 1에 기초하여 후보 기술인재 각각에 대한 성과 지표를 산출하는 것일 수 있다.
[식 1]
Figure 112020078905904-pat00001
여기서, j는 특허 데이터 셋에 포함된 특허 중 해당 후보 기술인재가 발명자인 특허(보유특허)의 수이고, citationj은 j번째 보유특허의 인용횟수이고, agej는 j번째 보유특허에 대한 기간 정보를 나타내는 것일 수 있다. 예를 들어, j번째 보유특허에 대한 기간 정보는 해당 보유특허가 출원된 시점(출원일 등) 또는 등록된 시점(등록일 등)으로부터 경과된 기간으로 결정될 수 있다.
이와 관련하여, 본원에서 개시하는 기술인재 발굴 장치(100)는 후보 기술인재 각각의 보유특허의 인용 횟수뿐만 아니라 해당 보유특허의 연령(age)을 함께 고려하여 성과 지표를 산출함으로써 짧은 연구 경력(출원 이력 등)을 갖는 ??은 연구자들을 저평가하지 않고 합리적으로 평가할 수 있는 이점이 있다.
도 5는 본원의 일 실시예에 따른 성과 지표를 설명하기 위한 도면이다.
도 5를 참조하면, 예시적으로 후보 기술인재 A(Inventor A)는 5건의 보유특허의 발명자이고, 5건의 보유특허는 각각 70회, 10회, 18회, 5회, 3회 인용되었고, 각각 출원된 시점으로부터 5년, 4년, 4년, 2년, 1년이 경과하였다. 마찬가지로, 후보 기술인재 B(Inventor B)는 10건의 보유특허의 발명자이고, 10건의 보유특허는 각각 15회, 13회, 26회, 35회, 10회, 12회, 8회, 10회, 24회, 17회 인용되었고, 각각 출원된 시점으로부터 25년, 23년, 20년, 20년, 18년, 15년, 12년, 12년, 10년, 8년이 경과하였다.
이와 관련하여, 본원에서 개시하는 기술인재 발굴 장치(100)는 후보 기술인재 A 및 후보 기술인재 B의 성과 지표(AW-index)를 각각 5.1478 및 3.4053으로 도출하여 후보 기술인재 A의 성과가 더욱 우수한 것으로 평가할 수 있다. 그러나, 본원에서의 성과 지표(AW-index)와 달리 종래의 평가 방식인 h-index에 의하면, 발명자(연구자) 각각의 발행 문서의 수 및 인용 횟수만이 고려되어, 후보 기술인재 B가 후보 기술인재 A보다 월등히 우수한 성과를 보유한 것으로 단편적으로 평가되는 것을 확인할 수 있다. 달리 말해, 본원에서 개시하는 기술인재 발굴 장치(100)는 출판물(보유특허)의 수량 및 품질을 모두 고려할 수 있기 때문에 후보 기술인재 각각의 능력을 보다 객관적이고 효율적으로 측정할 수 있다.
또한, 기술인재 분석부(130)는 타겟 인재풀 내의 후보 기술인재 각각에 대한 경력 지표를 산출할 수 있다.
구체적으로, 기술인재 분석부(130)는 후보 기술인재가 발명자인 특허 중 최초로 출원된 특허와 연계된 기간 정보에 기초하여 해당 후보 기술인재에 대한 경력 지표를 산출할 수 있다. 여기서, 최초로 출원된 특허와 연계된 기간 정보란 예를 들어, 후보 기술인재가 발명자인 특허 중 출원시점이 가장 앞서는 최초 특허의 출원일 또는 등록일로부터 경과된 기간(일, 월, 년 단위 등)을 의미할 수 있다. 또한, 본원의 구현예에 따라 경력 지표 산출의 기준이 되는 최초 특허는 해당 후보 기술인재가 속하는 타겟 인재풀의 기술분야에 부합하는 특허로 선정될 수 있으나, 이에만 한정되는 것은 아니다. 다른 예로, 최초 특허는 해당 후보 기술인재가 보유한 특허 중 기술분야(주제)와 무관하게 출원시점이 가장 앞서는 특허로 선정되는 것일 수 있다.
또한, 기술인재 분석부(130)는 타겟 인재풀 내의 후보 기술인재 각각에 대하여 도출된 성과 지표 및 경력 지표에 기초하여 해당 타겟 인재풀과 연계된 포트폴리오 맵을 생성할 수 있다.
도 6은 본원의 일 실시예에 따른 포트폴리오 맵을 예시적으로 나타낸 도면이다.
도 6을 참조하면, 본원에서 개시하는 포트폴리오 맵은, 타겟 인재풀에 포함된 복수의 후보 기술인재 각각을 의미하는 노드를 성과 지표 또는 경력 지표를 가로축 또는 세로축으로 하는 좌표계 상에 맵핑하여 나타낸 것일 수 있다. 예를 들어, 도 6을 참조하면, 포트폴리오 맵에서 가로축은 경력 지표(Invention career)를 나타내며 양의 방향(오른쪽)으로 갈수록 경력이 짧고(상대적으로 젊은 기술인재) 음의 방향(왼쪽)으로 갈수록 경력이 길고, 세로축(Invention performance)은 성과 지표를 나타내며 양의 방향(위쪽)으로 갈수록 성과가 우수한 것으로 설정될 수 있다. 또한, 본원의 구현예에 따라 포트폴리오 맵은 성과-경력 포트폴리오 맵(performance-career portfolio map)으로 달리 지칭될 수 있다.
또한, 본원의 일 실시예에 따르면, 기술인재 분석부(130)는 기술분야마다 포트폴리오 맵을 개별적으로 생성할 수 있다.
또한, 기술인재 분석부(130)는 생성된 포트폴리오 맵에 기초하여 타겟 인재풀 내의 복수의 후보 기술인재 중에서 추천 기술인재를 선정할 수 있다.
구체적으로, 기술인재 분석부(130)는 타겟 인재풀 내의 복수의 후보 기술인재의 성과 지표 및 경력 지표의 분포 정보에 기초하여 추천 기술인재를 선정하는 것일 수 있다. 예를 들어, 도 6을 참조하면, 기술인재 분석부(130)는 타겟 인재풀의 후보 기술인재들의 성과 지표에 대한 2사분위(세로축의 Q2 P)와 경력 지표에 대한 2사분위(가로축의 Q2 P) 및 3사분위(가로축의 Q3 P)에 기초하여 타겟 인재풀 내의 복수의 후보 기술인재를 네 그룹으로 분류할 수 있다.
구체적으로, 도 6에서 노란색 노드로 표현되는 제1그룹은 성과 지표가 2사분위보다 높고 경력 지표가 3사분위 보다 짧은 후보 기술인재로 이루어진 그룹으로 상대적으로 ??으면서도 성과가 우수한 발명자로 평가되어 추천 기술인재로 선정되는 그룹(Prospective inventor)일 수 있다. 또한, 도 6에서 파란색 노드로 표현되는 제2그룹은 성과 지표는 2사분위보다 높으나 경력 지표가 3사분위 이하인 후보 기술인재로 이루어진 그룹으로 상대적으로 ??지는 않지만 상당한 발명 경험(성과)을 보유한 발명자로 평가되어 우수한 성과를 갖는 대안적 추천 기술인재로 선정되는 그룹(High performance alternative inventor)일 수 있다. 또한, 도 6에서 빨간색 노드로 표현되는 제3그룹은 경력 지표가 3사분위보다 짧지만 성과 지표가 2사분위 미만인 후보 기술인재로 이루어진 그룹으로 발명 성과는 비교적 미비하나 짧은 경력을 보유한 대안적 추천 기술인재로 선정되는 그룹(Short career alternative inventor)일 수 있다. 또한, 도 6에서 회색 노드로 표현되는 제4그룹은 성과 지표 및 경력 지표가 모두 소정 수준에 미치지 못하여 추천 기술인재에서 배제되는 후보 기술인재를 나타내는 그룹(Out-of-scope inventor)일 수 있다.
본원의 일 실시예에 따르면, 기술인재 분석부(130)는 제1그룹에 해당하는 후보 기술인재를 추천 기술인재로 결정할 수 있다. 다른 예로, 기술인재 분석부(130)는 제1그룹 및 제2그룹, 제1그룹 및 제3그룹 또는 제1그룹 내지 제3그룹을 포함하도록 추천 기술인재를 결정할 수 있다. 달리 말해, 기술인재 분석부(130)는 제1그룹은 추천 기술인재에 반드시 포함되도록 하되, 필요에 따라 제2그룹 및/또는 제3그룹의 대안적 추천 기술인재를 함께 포함하도록 추천 기술인재를 결정할 수 있다. 예를 들어, 기술인재 분석부(130)는 제1그룹에 포함된 후보 기술인재의 수가 미리 설정된 임계값 미만인 경우, 제2그룹 및/또는 제3그룹의 후보 기술인재를 추가로 포함하는 추천 기술인재를 결정하는 것일 수 있다. 다른 예로, 기술인재 분석부(130)는 기업 단말(미도시)로부터 인가된 추천 방식과 연계된 사용자 입력에 기초하여 후보 기술인재에 포함될 그룹을 제1 내지 제3그룹 중 적어도 하나 이상의 그룹으로 설정할 수 있다.
또한, 상술한 설명에서 제1그룹 내지 제4그룹을 분할하는 기준은 본원의 구현예에 따라 다양하게 설정될 수 있다. 예시적으로, 기술분야의 발전 수준을 고려하여 필요에 따라서는 경력 지표가 1사분위 및 2사분위를 기준으로 후보 기술인재를 분할하도록 그룹핑 기준이 설정되거나 성과 지표가 2사분위가 아닌 1사분위 또는 3사분위를 기준으로 후보 기술인재로 분할하도록 그룹핑 기준이 설정되는 등의 변형이 얼마든지 가능하다.
또한, 본원의 일 실시예에 따르면, 기술인재 분석부(130)는 대상 기업과 연계된 기업 단말(미도시)로부터 타겟 분야 정보를 수신할 수 있다.
또한, 기술인재 분석부(130)는 수신된 타겟 분야 정보에 대응되는 기술분야에 대하여 생성된 포트폴리오 맵에 기초하여 추천 기술인재를 선정할 수 있다.
예시적으로, 본원에서 개시하는 기술인재 발굴 장치(100)는 대상 기업과 연계된 복수의 기술분야 각각의 카테고리 정보를 포함하는 기술분야 목록을 기업 단말(미도시)로 제공하고, 이에 대응하여 기업 단말(미도시)로부터 인가된 기술분야 선택 입력에 기초하여 해당 기술분야에 대하여 구축된 포트폴리오 맵에 대한 정보(예를 들면, 포트폴리오 맵의 그래프 화상 등) 및 포트폴리오 맵에 기초하여 선별된 추천 기술인재에 대한 정보를 기업 단말(미도시)로 제공하는 것일 수 있다. 여기서, 복수의 기술분야 각각의 카테고리 정보란 예를 들어, 기술분야 명칭, 대상 기업의 현재 기술분야를 고려한 목록 내 기술분야 각각의 상대적 유형(예를 들면, 기업 기존 보유 기술분야, 기업 주력 기술분야, 기업의 현재 역량은 미비하나 향후 유망한 기술분야, 기업의 사업 영역 확장을 위하여 추천되는 신규 기술분야 등)을 의미하는 것일 수 있다.
이하에서는 도 7a 내지 도 7c를 참조하여, 앞서 상세히 설명한 본원의 일 실시예에 따른 기술인재 발굴 장치(100)에 의해 수행되는 특허 데이터 기반의 기술인재 발굴 방법과 연계된 실험예(사례 연구)의 결과를 설명하도록 한다.
구체적으로, 도 7a 내지 도 7c는 지문 및 얼굴 인식 기술과 연계된 생체 보안 관련 기업인 'Suprema'를 소정의 대상 기업으로 하여 본원에서 개시하는 기술인재 발굴 방법에 대한 사례 연구를 수행한 결과를 나타낸 것일 수 있다.
구체적으로, USPTO의 초기 특허 데이터로 1960년 이후 출원된 7,144,406개의 특허를 수집하고, 대상 기업인 Suprema가 보유한 등록 특허에 반영된 코드 정보(예를 들면, G06K 등의 CPC 코드)에 기초하여 초기 특허 데이터 중 대상 기업의 기술과 적어도 일부 관련이 있는 특허 데이터 셋 102,303 건을 선별하고, 추가로 특허 각각의 요약(초록)에서 도출 및 전처리가 수행된 키워드 정보에 기초하여 관련 있는 키워드가 등장하는 최종적인 특허 데이터 셋으로 78,006개의 특허를 선별한 후, 특허 데이터 셋에 대한 특허-키워드 행렬(patent-keyword matrix)을 생성하였다.
도 7a는 본원에서 개시하는 특허 데이터 기반의 기술인재 발굴 기법과 연계된 일 실험예로, 소정의 대상 기업에 대하여 도출된 복수의 하위 기술분야 및 개별 기술분야와 관련한 키워드 정보를 예시적으로 나타낸 도면이다.
도 7a를 참조하면, 대상 기업인 Suprema에 대하여 생성된 특허-키워드 행렬(patent-keyword matrix)에 기초하여 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 기반의 토픽 모델링을 수행하여 12개의 하위 기술분야를 선별하였다. 이 때, 선별된 하위 기술분야 각각의 명칭은 토픽 모델링 결과 도출된 기술-키워드 분포 행렬(technology-keyword distribution matrix) 및 특허-기술 분포 행렬(patent-technology distribution matrix)를 참조하여 레이블링하였다.
이후, 특허-기술 분포 행렬(patent-technology distribution matrix)을 확장하여 발명자-특허-기술 행렬(inventor-patent-technology matrix)를 생성하고, 이를 발명자(후보 기술인재)를 기준으로 정리하여 발명자-기술 행렬(inventor-technology matrix)인 기술 매칭 행렬을 기술분야 1 내지 12에 대하여 생성할 수 있다.
또한, 기술분야 각각에 대한 타겟 인재풀에 포함된 후보 기술인재 각각의 성과 지표 및 경력 지표를 앞서 설명한 과정을 통해 산출하고, 이를 기초로 기술분야별 포트폴리오 맵을 타겟 인재풀에 포함된 후보 기술인재가 각각 포함되도록 생성할 수 있다.
도 7b 내지 도 7d는 본원에서 개시하는 특허 데이터 기반의 기술인재 발굴 기법과 연계된 일 실험예로, 소정의 대상 기업에 대하여 도출된 포트폴리오 맵을 기술분야 별로 예시적으로 나타낸 도면이다.
특히, 도 7b는 도 7a의 도표에서의 3번째 기술분야('Image formation, feature extraction and object recognition')에 대하여 도출된 포트폴리오 맵을, 도 7a의 도표에서의 4번째 기술분야('Wireless communication and video/image data processing')에 대하여 도출된 포트폴리오 맵을, 도 7a의 도표에서의 9번째 기술분야('Object and attribute information identification in print, image, and fingerprint data')에 대하여 도출된 포트폴리오 맵을 각각 나타낸 것일 수 있다.
이와 관련하여, 도 7b의 포트폴리오 맵은 대상 기업이 이미지 형성 및 인식과 같은 기존 보유 기술을 기반으로 하여 기술 영역을 확장하려는 경우 활용될 수 있고, 도 7c의 포트폴리오 맵은 대상 기업이 무선 통신을 위한 신규 기술 전략을 구현하려는 경우 활용될 수 있고, 도 7d의 포트폴리오 맵은 대상 기업의 주력 기술분야를 강화하려는 목적을 갖는 경우 활용될 수 있다. 이렇듯, 본원에서 개시하는 기술인재 발굴 방법에 의하면, 대상 기업의 향후 목표 및 전략에 따라 기술분야를 적절히 선택하고 해당 기술분야에서의 성과 및 경력을 기초로 선택된 유망 기술인재에 대한 정보를 획득할 수 있는 이점이 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 8은 본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 방법에 대한 동작 흐름도이다.
도 8에 도시된 특허 데이터 기반의 기술인재 발굴 방법은 앞서 설명된 기술인재 발굴 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 기술인재 발굴 장치(100)에 대하여 설명된 내용은 특허 데이터 기반의 기술인재 발굴 방법에 대한 설명에도 동일하게 적용될 수 있다.
도 8을 참조하면, 단계 S11에서 데이터 수집부(110)는 초기 특허 데이터를 수집할 수 있다.
다음으로, 단계 S12에서 데이터 수집부(110)는 초기 특허 데이터로부터 대상 기업과 연계된 특허 데이터 셋을 추출할 수 있다.
또한, 단계 S12에서 데이터 수집부(110)는 초기 특허 데이터에 포함된 복수의 특허 각각에 대하여 부여된 코드 정보 및 초기 특허 데이터에 포함된 복수의 특허 각각으로부터 도출되는 키워드 정보 중 적어도 하나에 기초하여 초기 특허 데이터에 포함된 복수의 특허 중에서 특허 데이터 셋에 포함될 특허를 추출할 수 있다.
다음으로, 단계 S13에서 데이터 수집부(110)는 특허 데이터 셋에 기초하여 복수의 후보 기술인재를 추출할 수 있다.
또한, 단계 S13에서 데이터 수집부(110)는 특허 데이터 셋에 포함된 복수의 특허 각각에 대한 발명자 정보에 기초하여 복수의 후보 기술인재를 결정할 수 있다.
다음으로, 단계 S14에서 데이터 가공부(120)는 특허 데이터 셋에 포함된 특허의 내용 정보에 기초하여 각각이 복수의 후보 기술인재 중 적어도 일부의 후보 기술인재를 포함하는 기술분야별 타겟 인재풀을 결정할 수 있다.
또한, 단계 S14에서 데이터 가공부(120)는 특허 데이터 셋에 포함된 복수의 특허로부터 도출되는 키워드 정보에 기초하여 토픽 모델링을 수행할 수 있다.
또한, 단계 S14에서 데이터 가공부(120)는 토픽 모델링의 수행 결과에 기초하여 기술분야를 결정할 수 있다.
또한, 단계 S14에서 데이터 가공부(120)는 복수의 후보 기술인재 각각의 기술분야별 관련도 정보를 포함하는 기술 매칭 행렬을 생성할 수 있다.
또한, 단계 S14에서 데이터 가공부(120)는 생성된 기술 매칭 행렬에 기초하여 복수의 후보 기술인재 중 타겟 인재풀에 포함될 소정의 후보 기술인재를 기술분야마다 선정할 수 있다.
다음으로, 단계 S15에서 기술인재 분석부(130)는 타겟 인재풀 내의 후보 기술인재 각각에 대한 성과 지표를 산출할 수 있다.
또한, 단계 S15에서 기술인재 분석부(130)는 후보 기술인재가 발명자인 적어도 하나의 보유특허의 인용 이력 정보 및 보유특허와 연계된 기간 정보에 기초하여 성과 지표를 산출할 수 있다.
다음으로, 단계 S16에서 기술인재 분석부(130)는 타겟 인재풀 내의 후보 기술인재 각각에 대한 경력 지표를 산출할 수 있다.
또한, 단계 S16에서 기술인재 분석부(130)는 후보 기술인재가 발명자인 특허 중 최초로 출원된 특허와 연계된 기간 정보에 기초하여 경력 지표를 산출할 수 있다.
다음으로, 단계 S17에서 기술인재 분석부(130)는 산출된 성과 지표 및 경력 지표에 기초하여 타겟 인재풀과 연계된 포트폴리오 맵을 생성할 수 있다.
또한, 단계 S17에서 기술인재 분석부(130)는 도출된 기술분야마다 포트폴리오 맵을 개별적으로 생성할 수 있다.
다음으로, 단계 S18에서 기술인재 분석부(130)는 생성된 포트폴리오 맵에 기초하여 타겟 인재풀 내의 복수의 후보 기술인재 중에서 추천 기술인재를 선정할 수 있다.
또한, 단계 S18에서 기술인재 분석부(130)는 대상 기업과 연계된 기업 단말로부터 타겟 분야 정보를 수신하고, 수신된 타겟 분야 정보에 대응되는 기술분야에 대하여 생성된 포트폴리오 맵에 기초하여 추천 기술인재를 선정할 수 있다.
상술한 설명에서, 단계 S11 내지 S18은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시예에 따른 특허 데이터 기반의 기술인재 발굴 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 전술한 특허 데이터 기반의 기술인재 발굴 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
100: 특허 데이터 기반의 기술인재 발굴 장치
110: 데이터 수집부
120: 데이터 가공부
130: 기술인재 분석부

Claims (15)

  1. 기술인재 발굴 장치에 의해 수행되는 특허 데이터 기반의 기술인재 발굴 방법에 있어서,
    초기 특허 데이터를 수집하는 단계;
    상기 초기 특허 데이터로부터 대상 기업과 연계된 특허 데이터 셋을 추출하는 단계;
    상기 특허 데이터 셋에 기초하여 복수의 후보 기술인재를 추출하는 단계;
    상기 특허 데이터 셋에 포함된 특허의 내용 정보에 기초하여 각각이 상기 복수의 후보 기술인재 중 적어도 일부의 후보 기술인재를 포함하는 기술분야별 타겟 인재풀을 결정하는 단계;
    상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 성과 지표를 산출하는 단계; 및
    상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 경력 지표를 산출하는 단계,
    를 포함하는, 기술인재 발굴 방법.
  2. 제1항에 있어서,
    상기 성과 지표 및 상기 경력 지표에 기초하여 상기 타겟 인재풀과 연계된 포트폴리오 맵을 생성하는 단계,
    를 더 포함하는 것인, 기술인재 발굴 방법.
  3. 제2항에 있어서,
    상기 포트폴리오 맵을 생성하는 단계는,
    상기 기술분야마다 포트폴리오 맵을 개별적으로 생성하는 것인, 기술인재 발굴 방법.
  4. 제2항에 있어서,
    상기 특허 데이터 셋을 추출하는 단계는,
    상기 초기 특허 데이터에 포함된 복수의 특허 각각에 대하여 부여된 코드 정보 및 상기 복수의 특허 각각으로부터 도출되는 키워드 정보 중 적어도 하나에 기초하여 상기 복수의 특허 중에서 상기 특허 데이터 셋에 포함될 특허를 추출하는 것인, 기술인재 발굴 방법.
  5. 제4항에 있어서,
    상기 복수의 후보 기술인재를 추출하는 단계는,
    상기 특허 데이터 셋에 포함된 복수의 특허 각각에 대한 발명자 정보에 기초하여 상기 복수의 후보 기술인재를 결정하는 것인, 기술인재 발굴 방법.
  6. 제5항에 있어서,
    상기 타겟 인재풀을 결정하는 단계는,
    상기 특허 데이터 셋에 포함된 복수의 특허로부터 도출되는 키워드 정보에 기초하여 토픽 모델링을 수행하는 단계;
    상기 토픽 모델링의 수행 결과에 기초하여 상기 기술분야를 결정하는 단계;
    상기 복수의 후보 기술인재 각각의 상기 기술분야별 관련도 정보를 포함하는 기술 매칭 행렬을 생성하는 단계; 및
    상기 기술 매칭 행렬에 기초하여 상기 복수의 후보 기술인재 중 상기 타겟 인재풀에 포함될 소정의 후보 기술인재를 상기 기술분야마다 선정하는 단계,
    를 포함하는 것인, 기술인재 발굴 방법.
  7. 제1항에 있어서,
    상기 성과 지표를 산출하는 단계는,
    상기 후보 기술인재가 발명자인 적어도 하나의 보유특허의 인용 이력 정보 및 상기 보유특허와 연계된 기간 정보에 기초하여 상기 성과 지표를 산출하는 것인, 기술인재 발굴 방법.
  8. 제1항에 있어서,
    상기 경력 지표를 산출하는 단계는,
    상기 후보 기술인재가 발명자인 특허 중 최초로 출원된 특허와 연계된 기간 정보에 기초하여 상기 경력 지표를 산출하는 것인, 기술인재 발굴 방법.
  9. 제3항에 있어서,
    상기 포트폴리오 맵에 기초하여 상기 타겟 인재풀 내의 복수의 후보 기술인재 중에서 추천 기술인재를 선정하는 단계,
    를 더 포함하는 것인, 기술인재 발굴 방법.
  10. 제9항에 있어서,
    상기 추천 기술인재를 선정하는 단계는,
    상기 대상 기업과 연계된 기업 단말로부터 타겟 분야 정보를 수신하고, 상기 타겟 분야 정보에 대응되는 기술분야에 대하여 생성된 상기 포트폴리오 맵에 기초하여 상기 추천 기술인재를 선정하는 것을 특징으로 하는, 기술인재 발굴 방법.
  11. 특허 데이터 기반의 기술인재 발굴 장치에 있어서,
    초기 특허 데이터를 수집하고, 상기 초기 특허 데이터로부터 대상 기업과 연계된 특허 데이터 셋을 추출하고, 상기 특허 데이터 셋에 기초하여 복수의 후보 기술인재를 추출하는 데이터 수집부;
    상기 특허 데이터 셋에 포함된 특허의 내용 정보에 기초하여 각각이 상기 복수의 후보 기술인재 중 적어도 일부의 후보 기술인재를 포함하는 기술분야별 타겟 인재풀을 결정하는 데이터 가공부; 및
    상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 성과 지표를 산출하고, 상기 타겟 인재풀 내의 후보 기술인재 각각에 대한 경력 지표를 산출하고, 상기 성과 지표 및 상기 경력 지표에 기초하여 상기 타겟 인재풀과 연계된 포트폴리오 맵을 생성하는 기술인재 분석부,
    를 포함하는, 기술인재 발굴 장치.
  12. 제11항에 있어서,
    상기 데이터 수집부는,
    상기 초기 특허 데이터에 포함된 복수의 특허 각각에 대하여 부여된 코드 정보 및 상기 복수의 특허 각각으로부터 도출되는 키워드 정보 중 적어도 하나에 기초하여 상기 복수의 특허 중에서 상기 특허 데이터 셋에 포함될 특허를 추출하고, 상기 특허 데이터 셋에 포함된 복수의 특허 각각에 대한 발명자 정보에 기초하여 상기 복수의 후보 기술인재를 결정하는 것인, 기술인재 발굴 장치.
  13. 제12항에 있어서,
    상기 데이터 가공부는,
    상기 특허 데이터 셋에 포함된 복수의 특허로부터 도출되는 키워드 정보에 기초하여 토픽 모델링을 수행하고, 상기 토픽 모델링의 수행 결과에 기초하여 상기 기술분야를 결정하고, 상기 복수의 후보 기술인재 각각의 상기 기술분야별 관련도 정보를 포함하는 기술 매칭 행렬을 생성하고, 상기 기술 매칭 행렬에 기초하여 상기 복수의 후보 기술인재 중 상기 타겟 인재풀에 포함될 소정의 후보 기술인재를 상기 기술분야마다 선정하는 것인, 기술인재 발굴 장치.
  14. 제13항에 있어서,
    상기 기술인재 분석부는,
    상기 후보 기술인재가 발명자인 적어도 하나의 보유특허의 인용 이력 정보 및 상기 보유특허와 연계된 기간 정보에 기초하여 상기 성과 지표를 산출하고, 상기 후보 기술인재가 발명자인 특허 중 최초로 출원된 특허와 연계된 기간 정보에 기초하여 상기 경력 지표를 산출하는 것인, 기술인재 발굴 장치.
  15. 제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체.
KR1020200093716A 2020-07-28 2020-07-28 특허 데이터 기반의 기술인재 발굴 장치 및 방법 KR102371731B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200093716A KR102371731B1 (ko) 2020-07-28 2020-07-28 특허 데이터 기반의 기술인재 발굴 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200093716A KR102371731B1 (ko) 2020-07-28 2020-07-28 특허 데이터 기반의 기술인재 발굴 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220014094A KR20220014094A (ko) 2022-02-04
KR102371731B1 true KR102371731B1 (ko) 2022-03-04

Family

ID=80268533

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200093716A KR102371731B1 (ko) 2020-07-28 2020-07-28 특허 데이터 기반의 기술인재 발굴 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102371731B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100966106B1 (ko) 2008-06-17 2010-06-28 한국과학기술원 특허 정보를 이용한 기술과 서비스의 평가 및 서비스중심의 기술 로드맵 작성 방법
KR101113761B1 (ko) 2009-08-21 2012-02-27 (주)윕스 특허 문서 분류 방법 및 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180056286A (ko) * 2016-11-18 2018-05-28 주식회사 큐비스 기업 내 특허관리시스템 및 그 관리방법
KR20190052980A (ko) * 2017-11-09 2019-05-17 김태령 인재 정보 처리 방법 및 장치
KR20200000578A (ko) * 2018-06-25 2020-01-03 주식회사 한국지식재산경영평가원 특허 관리시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100966106B1 (ko) 2008-06-17 2010-06-28 한국과학기술원 특허 정보를 이용한 기술과 서비스의 평가 및 서비스중심의 기술 로드맵 작성 방법
KR101113761B1 (ko) 2009-08-21 2012-02-27 (주)윕스 특허 문서 분류 방법 및 시스템

Also Published As

Publication number Publication date
KR20220014094A (ko) 2022-02-04

Similar Documents

Publication Publication Date Title
Feng et al. An expert recommendation algorithm based on Pearson correlation coefficient and FP-growth
Oral et al. A methodology for collective evaluation and selection of industrial R&D projects
Park et al. Identification and evaluation of corporations for merger and acquisition strategies using patent information and text mining
Snehvrat et al. The state of ambidexterity research: a data mining approach
Hong et al. Dynamic user profile-based job recommender system
Ragab et al. HRSPCA: Hybrid recommender system for predicting college admission
Hatta et al. Business intelligence system adoption theories in SMES: A literature review
Bhowmik et al. Optimal green energy source selection: An eclectic decision
Trubowitz et al. The geopolitical threat index: A text-based computational approach to identifying foreign threats
CN103838857A (zh) 一种基于语义的自动服务组合系统及方法
Chen et al. A review of the literature on the belt and road initiative with factors influencing the transport and logistics
Jalote et al. Classification for research universities in India
KR20140081721A (ko) 텍스트마이닝을 이용한 중요 키워드 도출 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 매체
Yang et al. Niche comparisons: Toward a new approach for analysing competition and organizational performance in the international construction market
Fischer et al. The impact of mobile computing on individuals, organizations, and society-synthesis of existing literature and directions for future research
KR102371731B1 (ko) 특허 데이터 기반의 기술인재 발굴 장치 및 방법
Lee et al. Comparison analysis for subjective and objective weights of financial positions of container shipping companies
Schnell Web of Science: The first citation index for data analytics and scientometrics
Fridman et al. Competitive positions of a region in innovative economic development
Atsmara et al. Relevancy of Law No. 10 Year 2009 about Tourism Towards Creative Economy as a New Platform Of Tourism Development in Indonesia
Sushma Rao et al. Academic dashboard—descriptive analytical approach to analyze student admission using education data mining
KR20170030016A (ko) 특허정보를 이용한 지질자원 분야 유망기술군 분석방법 및 시스템
Shen et al. Are Chinese cities oversized?
JP7454213B2 (ja) 新規事業提案コンピュータシステム、新規事業提案コンピュータプログラム、新規事業提案方法、新規事業提案装置
Knight et al. Labour, mobility and temporary migration: A comparative study of Polish migration to Wales

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant