KR102499776B1 - 경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램 - Google Patents
경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램 Download PDFInfo
- Publication number
- KR102499776B1 KR102499776B1 KR1020200116741A KR20200116741A KR102499776B1 KR 102499776 B1 KR102499776 B1 KR 102499776B1 KR 1020200116741 A KR1020200116741 A KR 1020200116741A KR 20200116741 A KR20200116741 A KR 20200116741A KR 102499776 B1 KR102499776 B1 KR 102499776B1
- Authority
- KR
- South Korea
- Prior art keywords
- server
- patents
- monitoring
- information
- obtaining
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012552 review Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000013473 artificial intelligence Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000012827 research and development Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012800 visualization Methods 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
서버에 의해 수행되는 경쟁사 지식재산권 모니터링 방법이 제공된다. 상기 모니터링 방법은, 상기 서버가, 경쟁사 정보 및 기업 정보를 수신하는 단계; 상기 서버가, 상기 기업의 특허 및 직무 발명서를 획득하는 단계; 상기 서버가, 상기 기업의 특허 및 상기 직무 발명서를 바탕으로 상기 경쟁사에 대응되는 복수의 모니터링 특허를 획득하는 단계; 상기 서버가, 상기 복수의 모니터링 특허 중 타겟 특허를 획득하고, 상기 타겟 특허에 대응되는 무효 자료를 획득하는 단계; 및 상기 서버가, 상기 무효 자료를 바탕으로 무효성 검토 보고서를 생성하는 단계; 를 포함한다.
Description
본 발명은 경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램에 관한 것이다.
4차 산업의 발전과 함께 지식재산권에 대한 가치가 높아지고 있다. 이에 따라 많은 사람들은 자신이 가진 기술을 보호하고, 기술에 대한 권리를 획득하려 노력하고 있으며, 기술에 대한 특허 출원에 대한 관심도가 높아지고 있다.
한편, 특허 출원을 위해서는 자신의 기술이 특허 받을 수 있을지를 판단하기 위해 선행 기술 조사를 수행하며, 과거 공개된 다양한 특허 문헌을 검색함으로써 선행 기술 조사를 수행할 수 있다.
선행 기술 조사를 수행하는데 있어서 가장 중요한 것은, 상기 타겟 특허의 진보성을 부정할 수 있을만한 유사특허문서가 존재하는지 여부를 판단하는 일이다.
그러나, 특허 문서의 양이 방대하고, 시간의 제약으로 인하여 과거 공개된 모든 특허 문서를 분석하는 것은 사실상 불가능에 가까운 일이며, 주어진 시간 내에서 최대한의 결과를 얻기 위하여 검색식 입력 등의 방법을 통해 유사특허문서를 획득하는 것이 현실이다.
그러나, 검색식 입력 등을 통한 유사특허문서 획득은 선행기술 조사를 수행하는 인력의 능력에 좌우되는 경우가 많아 선행 기술 조사에 대한 안정적인 결과에 대한 보장이 되지 않는 경우가 많다.
나아가, 기업의 경우, 특허 출원뿐만 아니라, 이미 출원 및 등록된 특허에 대한 모니터링이 필요하다. 따라서, 특허 출원을 위한 선행조사 뿐만 아니라 적절한 특허 모니터링 방법의 필요성이 대두되고 있다.
본 발명이 해결하고자 하는 과제는 경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 서버에 의해 수행되는 경쟁사 지식재산권 모니터링 방법은, 상기 서버가, 경쟁사 정보 및 기업 정보를 수신하는 단계; 상기 서버가, 상기 기업의 특허 및 직무 발명서를 획득하는 단계; 상기 서버가, 상기 기업의 특허 및 상기 직무 발명서를 바탕으로 상기 경쟁사에 대응되는 복수의 모니터링 특허를 획득하는 단계; 상기 서버가, 상기 복수의 모니터링 특허 중 타겟 특허를 획득하고, 상기 타겟 특허에 대응되는 무효 자료를 획득하는 단계; 및 상기 서버가, 상기 무효 자료를 바탕으로 무효성 검토 보고서를 생성하는 단계; 를 포함한다.
이때, 상기 기업의 특허 및 직무 발명서를 획득하는 단계는, 상기 기업의 복수의 보유 특허 및 복수의 직무 발명서를 획득하는 단계; 상기 전자 장치로부터, 제1 특허 및 제1 직무 발명서를 수신하는 단계; 상기 보유 특허 중, 상기 제1 특허 및 상기 제1 직무 발명서와 기 설정된 제1값 이상의 유사도를 가지는 제2 특허를 획득하는 단계; 상기 복수의 직무 발명서 중, 상기 제1 특허 및 상기 제1 직무 발명서와 기 설정된 제2값 이상의 유사도를 가지는 제2 직무 발명서를 획득하는 단계; 및 상기 제2 특허 및 상기 제2 직무 발명서를 상기 기업의 특허 및 직무 발명서로 획득하는 단계; 를 포함할 수 있다.
이때, 상기 타겟 특허에 대응되는 무효 자료를 획득하는 단계는, 상기 타겟 특허를 제1 인공지능 모델에 입력하여 유사특허문서를 획득하는 단계; 상기 타겟 특허의 청구 범위에 포함된 복수의 문장을 획득하고, 상기 유사특허문서에 포함된 복수의 문장을 획득하는 단계; 상기 청구 범위에 포함된 복수의 문장 중 제1 문장을 획득하고, 상기 유사특허문서에 포함된 복수의 문장 중 제2 문장을 획득하는 단계; 및 상기 제1 문장 및 상기 제2 문장을 제2 인공지능 모델에 입력하여, 상기 제1 문장과 상기 제2 문장에 대한 평가 결과를 획득하는 단계; 를 포함할 수 있다.
이때, 상기 모니터링 방법은, 상기 서버가, 모니터링 대상 기간 및 상기 대상 기간을 분할한 복수의 분석 단위 구간에 대한 정보를 획득하는 단계; 상기 서버가, 상기 복수의 모니터링 특허를 상기 분석 단위 구간별로 정렬하는 단계; 상기 서버가, 상기 복수의 분석 단위 구간 중, 제n 분석 단위 구간에 상기 복수의 모니터링 특허가 포함되지 않는 경우, 상기 복수의 모니터링 특허의 기술 분야를 판단하는 단계; 상기 경쟁사의 복수의 보유 특허 중, 상기 판단된 기술분야와의 유사도가 기 설정된 제3값 이상인 제2 모니터링 특허를 획득하는 단계; 상기 제2 모니터링 특허 중, 상기 제n 분석 단위 구간에 대응되는 특허가 존재하면, 상기 제2 모니터링 특허를 상기 제n 분석 단위 구간에 정렬하는 단계; 상기 제2 모니터링 특허 중, 상기 제n 분석 단위 구간에 대응되는 특허가 존재하지 않으면, 상기 판단된 기술분야와의 유사도가 기 설정된 제4값 이상인 제3 모니터링 특허를 획득하는 단계;를 포함하고, 상기 기 설정된 제4값은, 상기 기 설정된 제3값보다 작은 값일 수 있다.
이때, 상기 모니터링 방법은, 상기 서버가, 상기 복수의 모니터링 특허 중, 상기 타겟 특허와의 유사도가 기 설정된 제5값 이상인 적어도 하나의 제3 특허를 획득하는 단계; 상기 서버가, 경쟁사의 복수의 보유 특허 중, 상기 적어도 하나의 제3 특허의 비율을 판단하는 단계; 및 상기 서버가, 상기 비율을 바탕으로, 상기 타겟 특허의 매입 가능성을 판단하는 단계; 를 포함할 수 있다.
이때, 상기 기업의 복수의 보유 특허 및 복수의 직무 발명서를 획득하는 단계는, 상기 기업에 대응되는 제1 출원인 정보, 상기 기업의 대표자에 대응되는 제2 출원인 정보 및 상기 기업의 직원에 대응되는 제3 출원인 정보를 획득하는 단계; 상기 제3 출원인의 상기 기업에서의 업무 범위를 판단하는 단계; 상기 제3 출원인에 대응되는 제4 특허 및 상기 제3 출원인에 대응되는 업무 범위에 대한 정보를 획득하는 단계; 상기 업무 범위와 상기 제4 특허와의 관련도 바탕으로, 상기 제4 특허가 직무 발명인지 여부를 판단하는 단계; 및 상기 제4 특허가 직무 발명으로 판단된 경우, 상기 제1 출원인에 대응되는 복수의 특허, 제2 출원인에 대응되는 복수의 특허 및 상기 제4 특허를 상기 기업의 복수의 보유 특허로 획득하는 단계; 를 포함하고, 상기 기업의 복수의 보유 특허 및 복수의 직무 발명서를 획득하는 단계는, 상기 복수의 보유특허 중, 상기 제4 특허와의 유사도가 기 설정된 제6값 이상인 제5 특허를 획득하는 단계; 상기 제5 특허에 대응되는 복수의 발명자 정보를 획득하는 단계; 상기 복수의 발명자에 상기 제3 출원인이 포함된 경우, 상기 제5 특허를 직무 발명으로 판단하는 단계; 상기 복수의 발명자 중 하나의 발명자가 상기 제3 출원인과 동일 부서에 속한 이력이 존재하는 경우, 상기 제5 특허를 직무 발명으로 판단하는 단계;를 포함할 수 있다.
이때, 상기 모니터링 방법은, 상기 제1 직무 발명서 및 제2 직무 발명서를 바탕으로 복수의 유사특허문서를 획득하는 단계; 상기 복수의 유사특허문서에 포함된 특허 분류 정보를 수집하는 단계; 상기 수집된 특허 분류 정보 중 최대 카운팅된 제1 특허 분류 정보를 획득하는 단계; 상기 복수의 유사특허문서 각각에 대한 복수의 대리인 정보를 획득하는 단계; 상기 복수의 대리인 중, 제1 대리인의 특허 출원 데이터를 획득하는 단계; 상기 제1 대리인의 특허 출원 데이터 중, 상기 제1 특허 분류 정보를 포함하는 제1 특허 출원 데이터를 획득하는 단계; 상기 제1 특허 출원 데이터의 등록률을 획득하는 단계; 상기 제1 특허 출원 데이터의 인용율 및 피인용율을 획득하는 단계; 상기 등록률, 인용율 및 피인용율이 기 설정된 조건을 만족하면, 상기 제1 대리인에 대한 정보를 상기 기업에 제공하는 단계; 를 포함할 수 있다.
이때, 상기 제1 대리인에 대한 정보를 상기 기업에 제공하는 단계는, 상기 제1 대리인의 구성원 정보를 획득하는 단계; 국민연금 정보를 바탕으로, 상기 제1 대리인의 구성원의 입사 정보 및 퇴사 정보를 획득하는 단계; 상기 입사 정보와 상기 퇴사 정보의 비율이 기 설정된 값 이상인 경우, 상기 제1 대리인은 추천 대상에서 제외하는 단계; 를 포함할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
상술한 본 발명의 실시예에 따라 효율적인 특허 모니터링 방법이 제공되며, 나아가, 기업에게 적절한 대리인을 추천해 줄 수 있는 효과가 존재한다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 시스템을 설명하기 위한 예시도이다.
도 2는 본 발명의 일 실시예에 따른 경쟁사 특허 모니터링 방법을 설명하기 위한 흐름도이다.
도 3 내지 도 6은 본 발명의 일 실시예에 따른 서비스 방법을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 장치의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 경쟁사 특허 모니터링 방법을 설명하기 위한 흐름도이다.
도 3 내지 도 6은 본 발명의 일 실시예에 따른 서비스 방법을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 장치의 구성도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 시스템을 설명하기 위한 예시도이다.
본 발명에 따른 특허문서의 유사도 판단을 위한 시스템은 서버(10) 및 전자 장치(20)를 포함한다.
서버(10)는 사용자에게 서비스를 제공하기 위한 구성이다.
구체적으로, 서버(10)는 전자장치(20)로부터 기업정보 또는 경쟁사 정보를 입력 받거나, 외부 서버로부터 모니터링 특허 및 타겟 특허를 획득할 수 있다.
본 명세서에서, 모니터링 특허, 타겟 특허 및 유사특허문서는 각국 특허청에 특허 등록을 받기 위해 출원인이 제출하는 기술 내용에 대한 문서일 수 있다.
본 명세서에서 직무 발명서는 특허 출원을 위한 직무 발명서, 논문 등 기술 내용을 포함한 다양한 문서를 포함하는 개념으로 이해될 수 있다. 일 실시예에 따라, 직무 발명서는 특허 문서를 포함할 수 있음은 물론이다.
전자 장치(20)는 서버(10)로 특허문서를 제공하기 위한 구성이다. 본 발명에 따른 전자 장치(200)는 스마트 폰으로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC (desktop PC), 랩탑 PC(laptop PC), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player) 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 경쟁사 특허 모니터링 방법을 설명하기 위한 흐름도이다.
단계 S110에서, 서버(10)는, 경쟁사 정보 및 기업 정보를 수신할 수 있다.
일 실시예로, 기업 정보는, 기업이 보유한 지식재산권에 대한 정보, 기업이 보유한 직무 발명서에 대한 정보, 기업의 연구개발 투자 비용에 대한 정보, 기업의 연구개발 진행 로드맵과 관련된 정보 중 적어도 하나의 정보를 포함할 수 있다.
일 실시예로, 경쟁사 정보는, 경쟁사가 보유한 지식재산권에 대한 정보, 경쟁사의 사업 카테고리에 대한 정보, 경쟁사의 판매 물품/서비스에 대한 정보, 경쟁사의 연구개발 기술에 대한 정보 중 적어도 하나의 정보를 획득할 수 있다.
단계 S120에서, 서버(10)는, 기업의 특허 및 직무 발명서를 획득할 수 있다.
일 실시예로, 획득되는 기업의 특허 및 직무 발명서는, 기업 사용자로부터 획득될 수 있으며, 기업이 모니터링 하고자 하는 기술 분야에 대한 특허 및 직무 발명서일 수 있다.
또다른 실시예로, 서버(10)는, 전자 장치(20)로부터 입력 받은 특허 및 직무 발명서를 바탕으로, 기업이 보유하고 있는 유사 특허 및 직무 발명서를 획득할 수 있다. 즉, 전자 장치(20)가 입력하는, 모니터링을 위한 정보가 부족한 경우, 전자 장치(20)는 입력된 정보를 바탕으로 유사 기술에 대한 정보를 획득하여 모니터링의 정확성을 향상시킬 수 있다.
구체적으로, 서버(10)는 기업의 복수의 보유 특허 및 복수의 직무 발명서를 획득할 수 있다.
복수의 보유 특허 및 복수의 직무 발명서는 전자 장치(20)로부터 획득되거나, 각국 특허청의 데이터베이스로부터 획득될 수 있음은 물론이다.
이후, 서버(10)는 전자 장치(20) 로부터, 제1 특허 및 제1 직무 발명서를 수신할 수 있다. 이때, 제1 특허 및 제1 직무 발명서는 경쟁사 모니터링을 수행하는데 필요한 특허 및 직무 발명서를 의미할 수 있다.
이후, 서버(10)는 기업의 보유 특허 중, 제1 특허 및 제1 직무 발명서와 기 설정된 제1값 이상의 유사도를 가지는 제2 특허를 획득할 수 있다.
또한, 서버(10)는 복수의 직무 발명서 중, 제1 특허 및 제1 직무 발명서와 기 설정된 제2값 이상의 유사도를 가지는 제2 직무 발명서를 획득할 수 있다.
서버(10)는 전자 장치(10)로부터 수신한 제1 특허 및 제1 직무 발명서뿐만 아니라, 제1 특허 및 제1 직무발명서로부터 획득된 제2 특허 및 제2 직무 발명서를 포함하여 경쟁사 모니터링을 위한 초기 데이터로 사용할 수 있다.
한편, 또 다른 실시예로, 서버(10)는 제2 특허를 획득하고, 제2 특허의 출원 과정에서 사용된 직무 발명서를 제2-1 직무 발명서로 획득할 수 있다. 또는, 서버(10)는 제2 직무 발명서를 획득하고, 제2 직무 발명서에 대응되는 출원이 진행된 경우, 해당 출원을 제2-1 특허로 획득할 수 있다. 이 경우, 서버(10)는, 제1 특허, 제2 특허, 제2-1 특허, 제1 직무 발명서, 제2 직무 발명서 및 제2-1 직무 발명서를 경쟁사 모니터링을 위한 초기 데이터로 획득할 수 있다.
한편, 본 발명의 다양한 실시예에 따라, 서버(10)는 전자 장치(20)로부터 수신하지 않은 추가 특허를 검색하여, 기업 특허로 추가할 수 있다. 예를 들어, 서버(10)는 기업과 대표자가 별개의 인격체인 경우, 대표자의 특허를 추가 검색하여 기업 특허로 추가할 수 있다. 또는, 서버(10)는 기업의 직원 명의로 출원된 특허를 기업 특허로 추가할 수 있다.
구체적으로, 서버(10)는, 기업에 대응되는 제1 출원인 정보, 기업의 대표자에 대응되는 제2 출원인 정보 및 기업의 직원에 대응되는 제3 출원인 정보를 획득할 수 있다.
서버(10)는, 제1 출원인에 대응되는 복수의 특허, 제2 출원인에 대응되는 복수의 특허 및 제3 출원인에 대응되는 특허 중, 직무 발명인 것으로 판단된 특허를 기업의 특허로 포함할 수 있다.
이때, 제1 출원인 및 제2 출원인은, 특허를 출원한 출원인 뿐만 아니라, 등록 권리자를 포함하는 개념일 수 있음은 물론이다. 즉, 본 명세서에서의 제1 출원인에 대응되는 특허는, 제1 출원인에 대응되는 기업이 출원한 특허 및 제1 출원인이 등록 권리자인 특허를 의미하고, 제2 출원인에 대응되는 특허는, 제2 출원인에 대응되는 개인이 출원한 특허 및 제2 출원인이 등록 권리자인 특허를 의미할 수 있다.
다만, 제3 출원인은 등록 권리자가 아닌 출원인만을 의미하는 개념일 수 있다. 즉, 출원인과 등록 권리자가 다른 특허에서 등록 권리자가 제3 출원인에 대응되는 개인인 경우, 해당 특허는 양도/양수의 과정을 통해 획득된 특허이므로, 직무 발명이 아닌 특허로 판단할 수 있으며, 이에 따라, 본 명세서에서의 제3 출원인에 대응되는 특허는, 제1 출원인에 대응되는 개인이 출원한 특허만을 의미할 수 있다.
나아가, 제3 출원인은 현재 기업에 재직중인 직원뿐만 아니라, 과거 기업에 재직하였던 직원을 포함하는 개념일 수 있음은 물론이다.
이때, 서버(10)는 하기 방법을 통해 제3 출원인의 특허가 직무 발명에 대한 특허인지 여부를 판단할 수 있다.
먼저, 서버(10)는, 제3 출원인의 기업에서의 업무 범위를 판단할 수 있다.
업무 범위 판단은 제3 출원인의 소속, 직책 업무 분장을 바탕으로 판단될 수 있다. 예를 들어, 제3 출원인이 연구개발 부서에 속한 경우, 서버(10)는 해당 연구개발부서에서 진행한 기술에 대한 정보를 제3 출원인의 업무 범위로 획득할 수 있다.
이후, 서버(10)는, 제3 출원인에 대응되는 제4 특허 및 제3 출원인에 대응되는 업무 범위에 대한 정보를 획득할 수 있다. 이때, 제4 특허는 제3 출원인이 출원한 특허를 의미할 수 있음은 물론이다.
이후, 업무 범위와 제4 특허와의 관련도를 바탕으로, 제4 특허가 직무 발명인지 여부를 판단할 수 있다.
구체적으로, 업무 범위와 제4 특허와의 관련도는, 업무 범위에 포함된 복수의 문장 중 제1 문장을 획득하는 단계, 제4 특허에 포함된 복수의 문장 중 제2 문장을 획득하는 단계, 제1 문장 및 제2 문장을 인공지능 모델에 입력하여, 상기 제1 문장과 상기 제2 문장에 대한 평가 결과를 획득하는 단계, 및 상기 평가 결과가 기 설정된 값 이상인 경우, 제4 특허를 직무 발명으로 판단하는 단계에 의해 수행될 수 있다.
제4 특허가 직무 발명으로 판단된 경우, 서버(10)는, 제1 출원인에 대응되는 복수의 특허, 제2 출원인에 대응되는 복수의 특허 및 제4 특허를 기업의 복수의 보유 특허로 획득할 수 있다.
한편, 본 발명의 다양한 실시예에 따라, 제4 특허가 직무 발명인지 여부를 판단하는 단계는, 복수의 보유특허 중, 제4 특허와의 유사도가 기 설정된 제6값 이상인 제5 특허를 획득하는 단계, 제5 특허에 대응되는 복수의 발명자 정보를 획득하는 단계, 복수의 발명자에 제3 출원인이 포함된 경우, 제5 특허를 직무 발명으로 판단하는 단계 및 복수의 발명자 중 하나의 발명자가 제3 출원인과 동일 부서에 속한 이력이 존재하는 경우, 제5 특허를 직무 발명으로 판단하는 단계를 수행하여 획득될 수 있다.
즉, 제3 출원인이 직접 특허를 출원한 경우뿐만 아니라, 제3 출원인이 발명자로 존재하는 경우에도, 서버(10)는 해당 특허(제5 특허)를 직무 발명으로 판단할 수 있다.
이 경우, 서버(10)는 제4 특허 및 제5 특허가 직무 발명임을 알리는 메시지를 전자 장치(20)로 전송할 수 있음은 물론이다. 즉, 서버(10)는 후술하는 바와 같이, 경쟁사 특허를 모니터링 할 수 있을 뿐만 아니라, 직원들의 부정 출원을 모니터링 할 수도 있다.
단계 S130에서, 서버(10)는, 기업의 특허 및 직무 발명서를 바탕으로 경쟁사에 대응되는 복수의 모니터링 특허를 획득할 수 있다.
이때, 복수의 모니터링 특허는, 후술하는 제1 인공지능 모델을 바탕으로 획득될 수 있다.
구체적으로, 서버(10)는 기업의 특허 및 직무 발명서를 제1 인공지능에 입력하여 기업의 특허 및 직무 발명서와 유사한 복수의 유사특허문서를 획득하고, 획득된 유사특허문서 중, 경쟁사가 출원인 또는 등록 권리자인 특허를 복수의 모니터링 특허로 획득할 수 있다.
단계 S140에서, 서버(10)는, 복수의 모니터링 특허 중 타겟 특허를 획득하고, 타겟 특허에 대응되는 무효 자료를 획득할 수 있다.
서버(10)는, 타겟 특허를 제1 인공지능 모델에 입력하여 유사특허문서를 획득할 수 있다.
구체적으로, 서버(10)는 제1 인공지능 모델을 이용하여 제1 데이터베이스에 저장된 복수의 특허문서 중, 타겟 특허와 유사한 유사특허문서를 획득할 수 있다.
구체적으로, 서버(10)는, 타겟 특허에 포함된 복수개의 단어 세트를 획득하고, 획득된 복수개의 단어 세트를 클러스터링하여 복수개의 대상특허 클러스터를 획득할 수 있다.
이때, 본 발명에 따른 클러스터링은 다양한 클러스터링 기법이 적용될 수 있다. 일 실시예로, 서버(10)는 엘라스틱 서치(Elasticsearch clustering) 클러스터링 기법을 이용하여 복수개의 대상특허 클러스터를 획득할 수 있다. 또 다른 실시예로, 서버(10)는 K-means 클러스터링, DBSCAN((Density-based spatial clustering of applications with noise) 클러스터링, Hierarchical 클러스터링, 혼합 가우시안 클러스터링 기법 중 적어도 하나의 클러스터링 기법을 이용하여 복수개의 대상특허 클러스터를 획득할 수 있다.
이후, 서버(10)는, 상기 복수개의 대상특허 클러스터 각각에 대한 복수개의 중점을 획득하고, 상기 복수개의 대상특허 클러스터 각각에 대한 복수개의 중점 및 상기 대상특허 클러스터에 포함된 단어 세트의 수를 바탕으로 상기 타겟 특허의 위치를 판단할 수 있다.
일 실시예로, 대상특허 클러스터의 중점은, 해당 클러스터에 포함된 복수의 단어 세트의 위치를 바탕으로 획득될 수 있으며, 타겟 특허의 위치는 복수의 대상특허 클러스터의 중점들에 대한 무게중심일 수 있다.
이후, 서버(10)는, 특허문서에 포함된 복수개의 단어 세트를 획득하고, 획득된 복수개의 단어 세트를 클러스터링하여 복수의 특허 클러스터를 획득할 수 있다.
이후, 서버(10)는, 상기 복수개의 특허 클러스터 각각에 대한 복수개의 중점을 획득하고, 상기 복수개의 특허 클러스터 각각에 대한 복수개의 중점 및 상기 특허 클러스터에 포함된 단어 세트의 수를 바탕으로 상기 특허문서의 위치를 판단할 수 있다.
일 실시예로, 특허 클러스터의 중점은, 해당 클러스터에 포함된 복수의 단어 세트의 위치를 바탕으로 획득될 수 있으며, 특허문서의 위치는 복수의 특허 클러스터의 중점들에 대한 무게중심일 수 있다.
이후, 서버(10)는, 상기 타겟 특허의 위치 및 상기 특허문서의 위치가 기 설정된 거리 이내인 경우, 상기 특허문서를 상기 유사특허문서로 결정할 수 있다.
일 실시예로, 서버(10)는 타겟 특허의 위치로부터 기 설정된 거리 이내에 존재하는 복수개의 특허문서를 유사특허문서로 결정할 수 있으며, 타겟 특허와의 거리가 가까운 유사특허문서 순으로 결정된 복수의 유사특허문서를 정렬할 수 있다.
일 실시예로, 서버(10)는, 제1 데이터베이스에 저장된 복수의 특허문서 각각에 대한 형태소 분석을 바탕으로, 복수의 특허문서 각각을 분석하고, 타겟 특허에 대한 형태소분석을 바탕으로 타겟 특허를 분석한 뒤, 타겟 특허와 연관도가 높은 유사특허문서를 획득할 수 있다.
이후, 서버(10)는, 타겟 특허의 청구 범위에 포함된 복수의 문장을 획득하고, 유사특허문서에 포함된 복수의 문장을 획득할 수 있다.
이후, 서버(10)는, 청구 범위에 포함된 복수의 문장 중 제1 문장을 획득하고, 유사특허문서에 포함된 복수의 문장 중 제2 문장을 획득할 수 있다.
구체적으로, 서버(10)는, 상기 타겟 특허에 포함된 복수의 문장을 중요도 스코어를 바탕으로 기 설정된 n개의 그룹으로 분류할 수 있다.
이후, 서버(10)는, 상기 유사특허문서에 포함된 복수의 문장을 중요도 스코어를 바탕으로 기 설정된 n개의 그룹으로 분류할 수 있다.
이후, 서버(10)는, 상기 제1 문장이 상기 타겟 특허의 n개의 그룹 중 제1 그룹에 포함되는 경우, 상기 제2 문장을 상기 유사특허문서에 포함된 전체 문장으로 획득할 수 있다.
이후, 서버(10)는, 상기 제1 문장이 상기 타겟 특허의 n개의 그룹 중 제k 그룹에 포함되는 경우, 상기 제2 문장을 상기 유사특허문서의 n개의 그룹 중, 제1 그룹 내지 제 (n-k+1)그룹에 포함된 문장으로 획득할 수 있다. 이때, n은 1 이상의 자연수, k는 n이하의 자연수일 수 있다.
예를 들어, 타겟 특허 및 유사특허문서가 3개의 그룹으로 분류된 경우를 가정할 수 있다. 이때, 제1 문장이 제1 그룹에 포함되는 경우, 서버(10)는 제1 문장과 유사특허문헌의 제1그룹 내지 제3그룹(즉, 유사특허문서 전체)에 포함된 모든 문장을 비교하여 평가 결과를 획득할 수 있다. 또한, 제1 문장이 제2 그룹에 포함되는 경우, 서버(10)는 제1 문장과 유사특허문서의 제1그룹 및 제2그룹에 포함된 모든 문장을 비교하여 평가 결과를 획득할 수 있다. 또한, 제1 문장이 제3 그룹에 포함되는 경우, 서버(10)는 제1 문장과 유사특허문서의 제1그룹에 포함된 모든 문장을 비교하여 평가 결과를 획득할 수 있다.
즉, 서버(10)는 문장의 중요도에 따라 중요한 문장이라고 판단되는 문장들에 대하여만 평가 결과를 획득함으로써, 불필요하거나 덜 중요한 문장에 대한 평가 결과 획득 과정을 방지하여 계산량을 줄일 수 있다. 구체적으로, 타겟 특허의 제1 그룹은 중요도가 높은 문장이므로 유사특허문서 전체와 비교하고, 타겟 특허의 제3 그룹은 중요도가 낮은 문장이므로 유사특허문서 중 중요도가 높은 제1 그룹의 문장과 비교함으로써, 서버(10)는 (덜 중요한) 타겟 특허의 제3 그룹과 (덜 중요한) 유사특허문서의 제3 그룹간의 비교는 생략할 수 있다.
한편, 본 발명의 다양한 실시예에 따라, 서버(10)는 타겟 특허 및 유사특허문서를 몇 개의 그룹으로 그루핑할 것인지 여부를 결정할 수 있다. 구체적으로, 서버(10)는 현재 서버(10)의 GPU 점유율 및 요구되는 정확도를 바탕으로 n의 값을 결정할 수 있다. GPU 점유율이 높거나 요구되는 정확도가 낮은 경우, 서버(10)는 n의 값을 증가시키고, GPU 점유율이 낮거나 요구되는 정확도가 높은 경우, 서버(10)는 n의 값을 감소시킬 수 있다. 예컨대 타겟 특허 및 유사특허문서가 6개의 문장으로 구성되고, n이 3인 경우 및 n이 6인 경우를 가정할 수 있다. n이 6인 경우, 서버(10)는 6+5+4+3+2+1=21개의 문장을 비교하고, n이 3인 경우 서버(10)는 6+6+4+4+2+2=24개의 문장을 비교하게 된다. 즉, n의 값이 클수록 타겟 특허와 유사특허문서에서 비교해야 되는 문장의 수가 적어지고, n의 값이 작을수록 타겟 특허와 유사특허문서에서 비교해야 되는 문장의 수가 많아지므로, 서버(10) 현재 자신이 처리할 수 있는 계산량(GPU 점유율)이 적거나 요구되는 정확도가 낮은 경우, 서버(10)는 n의 값을 증가시킬 수 있다.
한편, 상술한 실시예에서는 타겟 특허 및 유사특허문서가 동일한 n개의 개수로 그루핑 되는 경우에 대해 설명하였으나, 이에 한정되는 것은 아니다. 예컨대, 타겟 특허와 유사특허문서를 서로 다른 개수로 그루핑될 수 있음은 물론이다.
이후, 서버(10)는, 제1 문장 및 제2 문장을 제2 인공지능 모델에 입력하여, 제1 문장과 제2 문장에 대한 평가 결과를 획득할 수 있다.
구체적으로, 서버(10)는, 상기 제1 문장 및 상기 제2 문장의 유사도 점수 및 비유사도 점수를 각각 획득할 수 있다.
구체적으로, 유사도 점수는 제1 문장과 제2 문장이 관련된 문장인지 여부를 판단하기 위한 지표이며, 비유사도 점수는 제1 문장과 제2 문장이 관련성이 없는 문장인지 여부를 판단하기 위한 지표이다.
일 실시예로, 유사도 점수 및 비유사도 점수는, 제1 문장 및 제2 문장에 포함된 단어 세트의 의미 정보를 획득하고, 획득된 의미 정보가 동일 주제에 대한 의미 정보인지 여부를 판단하여 획득될 수 있다.
또 다른 실시예로, 서버(10)는 제1 문장 및 제2 문장의 문장 구조를 판단하여 유사도 점수 및 비유사도 점수 계산에 활용할 수 있다. 예를 들어, 서버(10)는 제1 문장 및 제2 문장의 문장 구조가 유사한 경우, 유사도 점수를 높이고, 제1 문장 및 제2 문장의 문장 구조가 비유사한 경우, 비유사도 점수를 높일 수 있다.
이후, 서버(10)는, 상기 비유사도 점수가 기 설정된 점수 이상인 경우, 상기 제1 문장과 상기 제2 문장은 관계없는 문장으로 판단할 수 있다.
이후, 서버(10)는, 상기 유사도 점수가 기 설정된 점수 이상인 경우, 상기 제1 문장에 포함된 단어 세트 중 상기 제2 문장에 포함되지 않은 적어도 하나의 단어 세트를 획득할 수 있다.
즉, 제1 문장과 제2 문장이 관련성이 있는 문장이라고 하더라도, 제1 문장과 제2 문장이 동일한 의미를 가지는 문장인 것은 아니다. 따라서, 서버(10)는 제1 문장과 제2 문장이 동일한 문장인지 또는 동일한 주제에 대한 문장이나 차이점이 존재하는 문장인지 여부를 판단할 수 있다.
일 실시예로, 서버(10)는 제1 문장과 제2 문장의 차이점을 판단하기 위하여 제1 문장에 포함된 단어 세트 중 제2 문장에 포함되지 않은 적어도 하나의 단어 세트를 판단할 수 있다.
또 다른 실시예로, 서버(10)는 제1 문장 및 제2 문장의 문장 구조를 판단할 수 있다.
이후, 서버(10)는, 상기 제2 문장에 포함되지 않은 적어도 하나의 단어 세트 각각에 대한 적어도 중요도 점수를 획득하고, 상기 획득된 적어도 하나의 중요도 점수 중 기 설정된 중요도 점수 이상인 단어 세트가 존재하는지 여부를 판단할 수 있다.
이후, 서버(10)는, 기 설정된 중요도 점수 이상인 단어 세트가 존재하지 않는 경우, 상기 제1 문장 및 상기 제2 문장을 일치 문장으로 판단할 수 있다.
이후, 서버(10)는, 상기 기 설정된 중요도 점수 이상인 단어 세트가 존재하면, 상기 제1 문장 및 상기 제2 문장을 불일치 문장으로 판단할 수 있다.
즉, 제1 문장의 적어도 하나의 단어 세트가 제2 문장에 포함되어 있지 않은 경우라고 하더라도, 중요도 점수가 낮은 단어 세트는 제1 문장과 제2 문장의 유사도와는 연관이 없는 경우가 존재할 수 있다. 따라서 서버(10)는, 제2 문장에 포함되지 않은 적어도 하나의 단어 세트의 중요도 점수가 기 설정된 중요도 점수 이상인 경우의 단어 세트를 획득하고, 획득된 단어 세트를 바탕으로 제1 문장 및 제2 문장이 일치 문장인지 불일치 문장인지 여부를 판단할 수 있다.
한편, 제1 인공지능 모델은 복수의 특허문서를 학습데이터로 입력하여 학습된 합성곱 신경망(Convolutional deep Neural Networks, CNN) 기반의 인공지능 모델이고, 제2 인공지능 모델은 복수의 특허문서 및 상기 복수의 특허문서 중 두 개의 특허문서 및 상기 두 개의 특허문서에 대한 선행기술조사보고서를 바탕으로 학습된 Bi-LSTM 모델 기반의 인공지능 모델일 수 있다. 다만, 이에 한정되는 것은 아니며, 다양한 인공지능 모델이 본 발명에 적용될 수 있음은 물론이다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 인공지능 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
이때, 합성곱 신경망(Convolutional deep Neural Networks, CNN)은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. 합성곱 신경망은 하나 또는 여러개의 합성곱 계층(convolutional layer)과 그 위에 올려진 일반적인 인공신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 합성곱 신경망은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 또한, 합성곱 신경망은 표준 역전달을 통해 훈련될 수 있다. 합성곱 신경망은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다. 합성곱 신경망은 입력 영상에 대하여 합성곱과 서브샘플링을 번갈아 수행함으로써 입력 영상으로부터 특징을 추출한다.
합성곱 신경망은 여러 개의 합성곱 계층(Convolution layer), 여러 개의 서브샘플링 계층(Subsampling layer, Lacal pooling layer, Max-Pooling layer), 완전 연결 층(Fully Connected layer)을 포함한다. 합성곱 계층은 입력 영상(Input Image)에 대해 합성곱을 수행하는 계층이다. 그리고 서브샘플링 계층은 입력 영상에 대해 지역적으로 최대값을 추출하여 2차원 영상으로 매핑하는 계층으로, 국소적인 영역을 더 크게 하고, 서브샘플링을 수행한다.
합성곱 계층에서는 커널의 크기(kernel size), 사용할 커널의 개수(즉, 생성할 맵의 개수), 및 합성곱 연산 시에 적용할 가중치 테이블 등의 정보가 필요하다. 예를 들어, 입력 영상의 크기가 32×32이고, 커널의 크기가 5×5이고, 사용할 커널의 개수가 20개인 경우를 예로 들자. 이 경우, 32×32 크기의 입력 영상에 5×5 크기의 커널을 적용하면, 입력 영상의 위, 아래, 왼쪽, 오른쪽에서 각각 2개의 픽셀(pixel)에는 커널을 적용하는 것이 불가능하다. 입력 영상의 위에 커널을 배치한 후 합성곱을 수행하면, 그 결과 값인 '-8'은 커널에 포함된 입력 영상의 픽셀들 중에서 커널의 중심요소(center element)에 대응하는 픽셀의 값으로 결정되기 때문이다. 따라서, 32×32 크기의 입력 영상에 5×5 크기의 커널을 적용하여 합성곱을 수행하면 28×28 크기의 맵(map)이 생성된다. 앞서, 사용할 커널의 개수가 총 20개인 경우를 가정하였으므로, 첫 번째 합성곱 계층에서는 총 20개의 28×28 크기의 맵이 생성된다.
서브샘플링 계층에서는 서브샘플링할 커널의 크기에 대한 정보, 커널 영역 내의 값들 중 최대값을 선택할 것인지 최소값을 선택할 것인지에 대한 정보가 필요하다.
또한, 심층 신경망(Deep Neural Networks, DNN)은 입력 계층(input layer)과 출력 계층(output layer) 사이에 복수개의 은닉 계층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)이다.
이때, 심층 신경망의 구조는 퍼셉트론(perceptron)으로 구성될 수 있다. 퍼셉트론은 여러 개의 입력 값(input)과 하나의 프로세서(prosessor), 하나의 출력 값으로 구성된다. 프로세서는 여러 개의 입력 값에 각각 가중치를 곱한 후, 가중치가 곱해진 입력 값들을 모두 합한다. 그 다음 프로세서는 합해진 값을 활성화함수에 대입하여 하나의 출력 값을 출력한다. 만약 활성화함수의 출력 값으로 특정한 값이 나오기를 원하는 경우, 각 입력 값에 곱해지는 가중치를 수정하고, 수정된 가중치를 이용하여 출력 값을 다시 계산할 수 있다. 이때, 각각의 퍼셉트론은 서로 다른 활성화함수를 사용할 수 있다. 또한 각각의 퍼셉트론은 이전 계층에서 전달된 출력들을 입력으로 받아들인 다음, 활성화 함수를 이용해서 출력을 구한다. 구해진 출력은 다음 계층의 입력으로 전달된다. 상술한 바와 같은 과정을 거치면 최종적으로 몇 개의 출력 값을 얻을 수 있다.
또한, 딥 러닝 기법에 대한 설명으로 다시 돌아가면, 순환 신경망(Reccurent Neural Network, RNN)은 인공신경망을 구성하는 유닛 사이의 연결이 Directed cycle을 구성하는 신경망을 말한다. 순환 신경망은 앞먹임 신경망과 달리, 임의의 입력을 처리하기 위해 신경망 내부의 메모리를 활용할 수 있다.
심층 신뢰 신경망(Deep Belief Networks, DBN)이란 기계학습에서 사용되는 그래프 생성 모형(generative graphical model)으로, 딥 러닝에서는 잠재변수(latent variable)의 다중계층으로 이루어진 심층 신경망을 의미한다. 계층 간에는 연결이 있지만 계층 내의 유닛 간에는 연결이 없다는 특징이 있다.
심층 신뢰 신경망은 생성 모형이라는 특성상 선행학습에 사용될 수 있고, 선행학습을 통해 초기 가중치를 학습한 후 역전파 혹은 다른 판별 알고리즘을 통해 가중치의 미조정을 할 수 있다. 이러한 특성은 훈련용 데이터가 적을 때 굉장히 유용한데, 이는 훈련용 데이터가 적을수록 가중치의 초기값이 결과적인 모델에 끼치는 영향이 세지기 때문이다. 선행학습된 가중치 초기값은 임의로 설정된 가중치 초기값에 비해 최적의 가중치에 가깝게 되고 이는 미조정 단계의 성능과 속도향상을 가능케 한다.
상술한 인공지능 및 그 학습방법에 관한 내용은 예시를 위하여 서술된 것이며, 이하에서 설명되는 실시 예들에서 이용되는 인공지능 및 그 학습방법은 제한되지 않는다. 예를 들어, 당 업계의 통상의 기술자가 동일한 과제해결을 위하여 적용할 수 있는 모든 종류의 인공지능 기술 및 그 학습방법이 개시된 실시 예에 따른 시스템을 구현하는 데 활용될 수 있다.
단계 S150에서, 서버(10)는, 무효 자료를 바탕으로 무효성 검토 보고서를 생성할 수 있다.
구체적으로, 서버(10)는 타켓 특허를 무효화시킬 수 있는 특허 문서를 포함하는 무효 자료, 타겟 특허의 청구범위 각각에 대응되는 무효 자료에 포함된 문장에 대한 정보를 전자 장치(20)로 제공할 수 있다.
한편, 본 발명의 다양한 실시예에 따라, 서버(10)는 복수의 모니터링 특허를 정렬하여 사용자에게 제공할 수 있다.
일 실시예로, 도 4에 도시된 바와 같이, 서버(10)는 복수의 모니터링 특허를 대상 기간동안 분석 단위 구간별로 정렬하여 사용자에게 제공할 수 있다.
예컨대, 도 3에 도시된 바와 같이, 서버(10)는 기업으로부터 기술 내용, 기업의 유사특허, 기업의 유사 직무발명서 및 경쟁사에 대한 정보를 입력할 수 있다. 구체적으로, 사용자는 모니터링하고자 하는 기술의 내용을 기술 내용 UI에 입력하고, 매입 대상 특허 및 기업의 특허를 유효성 모니터링을 위해 당사의 유사 특허 UI에 입력하고, 기업 특에의 직무발명서를 당사의 유사 직발서 UI에 입력하고, 경쟁사 UI에 경쟁사명 또는 경쟁사 특허를 입력할 수 있다. 도 3에 도시된 바와 같이, 사용자는 기술 내용, 기업의 유사특허, 기업의 유사 직무발명서 및 경쟁사에 대한 정보를 입력할 수 있다. 구체적으로, 사용자는 모니터링하고자 하는 기술의 내용을 기술 내용 UI에 입력하고, 매입 대상 특허 및 기업의 특허를 유효성 모니터링을 위해 당사의 유사 특허 UI에 입력하고, 기업 특에의 직무발명서를 당사의 유사 직발서 UI에 입력하고, 경쟁사 UI에 경쟁사명 또는 경쟁사 특허를 입력할 수 있다.
도 3에 도시된 UI를 통해 기업 정보 및 경쟁사 정보가 입력되면, 서버(10)는 도 4에 도시된 바와 같이 도출된 특허를 바탕으로 기술 동향을 사용자에게 제공할 수 있다. 즉, 서버(10)는, 연도별 기술 동향을 사용자에게 제공할 수 있다.
구체적으로, 서버(10)는 대상 기간(예를 들어 20년)을 분석 단위 구간(예를 들어 5년)별로 분할하고, 획득된 복수의 모니터링 특허를 해당 분석 단위 구간별로 분할하여 표시할 수 있다.
구체적으로, 서버(10)는, 모니터링 대상 기간 및 대상 기간을 분할한 복수의 분석 단위 구간에 대한 정보를 획득할 수 있다.
이후, 서버(10)는, 복수의 모니터링 특허를 분석 단위 구간별로 정렬할 수 있다.
이때, 복수의 모니터링 특허가 각각의 단위 분석 구간에 모두 포함될 수도 있으나, 특정 단위 분석 구간에는 복수의 모니터링 특허가 포함되지 않는 경우도 존재할 수 있다.
이 경우, 서버(10)는, 복수의 분석 단위 구간 중, 제n 분석 단위 구간에 복수의 모니터링 특허가 포함되지 않는 경우, 복수의 모니터링 특허의 기술 분야를 판단할 수 있다.
일 실시예로, 서버(10)는, 복수의 모니터링 특허의 기술 분야가 스태커 크레인식 주차장 시스템에 관련된 분야라고 판단할 수 있다.
이후, 서버(10)는, 경쟁사의 복수의 보유 특허 중, 판단된 기술분야와의 유사도가 기 설정된 제3값 이상인 제2 모니터링 특허를 획득할 수 있다.
서버(10)는, 제2 모니터링 특허를 분석하여 새로운 기술 분야를 획득할 수 있다. 이 경우, 제2 모니터링 특허의 기술 분야는, 제1 모니터링 특허의 기술 분야의 상위 기술 분야 또는 하위 기술 분야를 획득할 수 있음은 물론이다.
예를 들어, 서버(10)는 제2 모니터링 특허의 기술 분야를 엘리베이터형 주차장 또는 리프트형 주차장과 관련된 주차장 시스템으로 판단할 수 있다.
이후, 서버(10)는, 제2 모니터링 특허 중, 제n 분석 단위 구간에 대응되는 특허가 존재하면, 제2 모니터링 특허를 제n 분석 단위 구간에 정렬할 수 있다.
한편, 서버(10)는, 제2 모니터링 특허 중, 제n 분석 단위 구간에 대응되는 특허가 존재하지 않으면, 판단된 기술분야와의 유사도가 기 설정된 제4값 이상인 제3 모니터링 특허를 획득할 수 있다. 즉, 유사도기 기 설정된 값 이상인 제2 모니터링 특허가 존재하지 않는 경우, 서버(10)는 제2 모니터링 특허보다 유사도가 낮은 제3 모니터링 특허를 획득하고, 이를 정렬할 수 있다. 즉, 기 설정된 제4값은, 기 설정된 제3값보다 작은 값일 수 있다.
예를 들어, 제3 모니터링 특허는 주차장 시스템에 대한 비즈니스 모델 발명 등을 포함하는, 주차장 시스템에 대한 전반적인 특허일 수 있다.
한편, 서버(10)는 분석 단위 구간별로 정렬된 특허에 대한 구체적인 기술 내용을 획득하여 전자 장치(20)로 제공할 수 있다. 예를 들어, 서버(10)는 제1 분석 단위 구간에 포함된 특허는 "스태커 크레인식 주차장의 기본 구조 출원", 제2 분석 단위 구간에 포함된 특허는 "스태커 크레인식 주차 시스템의 각각의 구조물에 대한 출원으로 외부 및 내부 구조물 각각에 대한 출원", 제3 분석 단위 구간에 포함된 특허는 "스태커 크레인식 주차 시스템에 대한 출원 중단 후, 엘리베이터형, 리프트형 주차장 등에 대한 출원 및 등록 유지중"이라는 정보를 전자 장치(20)로 제공할 수 있다.
나아가, 서버(10)는 도 4에 도시된 바와 같이, 정렬된 특허의 도면 및 요약을 사용자에게 제공할 수 있음은 물론이다. 도면 및 요약을 포함하는 특허 UI를 통한 사용자 명령이 입력되면, 서버(10)는 해당 특허에 대한 상세 정보를 전자 장치(20)로 제공할 수 있다.
한편, 서버(10)는 도 5에 도시된 바와 같이, 도출된 특허 중 핵심 특허를 선별하고, 추출된 핵심 특허에 대한 정보를 제공할 수 있다. 나아가, 서버(10)는 핵심특허를 무효화시킬 수 있는 자료를 더 제공할 수 있음은 물론이다.
나아가, 서버(10)는 도 6에 도시된 바와 같이, 도출된 특허를 바탕으로 특허 동향을 파악할 수 있다. 예컨대, 서버(10)는 도 5에 도시된 바와 같이 특허에 대한 시각화 자료를 제공할 수 있음은 물론이다.
한편, 본 발명의 다양한 실시예에 따라, 서버(10)는, 복수의 모니터링 특허 중, 타겟 특허와의 유사도가 기 설정된 제5값 이상인 적어도 하나의 제3 특허를 획득할 수 있다. 이 경우, 적어도 하나의 제3 특허는 등록 특허를 의미할 수 있다.
이때, 기 설정된 제5값은, 제1 특허와의 관계에서 분쟁 발생 위험이 존재하는 특허를 도출할 수 있는 값일 수 있다. 예를 들어, 기 설정된 제5 값은 카테고리 X(특별한 관련이 있는 문헌. 해당 문헌 하나만으로도 청구된 발명의 신규성 또는 진보성이 없는 것으로 볼 수 있는 문헌)에 해당하는 문헌을 획득하기 위한 값을 의미할 수 있다. 한편, 복수의 모니터링 특허를 판단하기 위한 기준은 카테고리 Y문헌(특별한 관련이 있는 문헌. 해당 문헌이 하나 이상의 대른 문헌과 조합하는 경우로, 그 조합이 당업자에게 자명한 경우, 청구된 발명은 진보성이 없는 것으로 볼 수 있는 문헌) 또는, 카테고리A 문헌(특별히 관련이 없는 것으로 보이는 일반적인 기술 수준을 정의한 문헌)을 획득하기 위한 기준일 수 있다.
이후, 서버(10)는, 경쟁사의 복수의 보유 특허 중, 적어도 하나의 제3 특허의 비율을 판단할 수 있다.
이후, 서버(10)는, 비율을 바탕으로, 타겟 특허의 매입 가능성을 판단할 수 있다.
예를 들어, 복수의 보유 특허 중, 적어도 하나의 제3 특허의 비율이 기 설정된 비율 미만(예를 들어 1%이하)인 경우, 서버(10)는 적어도 하나의 제3 특허의 매입 가능성이 높은 것으로 판단할 수 있다.
다만, 본 발명의 다양한 실시예에 따라, 서버(10)는 적어도 하나의 제3 특허의 최종 출원일 정보를 바탕으로 매입 가능성을 산정할 수 있다. 예를 들어, 서버(10)는 적어도 하나의 제3 특허의 최종 출원일이 현재 시점으로부터 오래될수록 매입 가능성이 높은 것으로 판단할 수 있다.
또 다른 실시예로, 서버(10)는 적어도 하나의 제3 특허의 출원 주기를 바탕으로 매입 가능성을 산출할 수 있다. 예를 들어, 서버(10)는 적어도 하나의 제3 특허가 오랜기간 지속적으로 출원된 경우, 매입 가능성을 낮게 판단할 수 있다.
또 다른 실시예로, 서버(10)는 적어도 하나의 제3 특허의 기술 순환 주기(TCT)를 바탕으로 매입 가능성을 산출할 수 있다.
일 실시예로, 서버(10)는 하기 수학식을 바탕으로 제3 특허의 매입 가능성을 판단할 수 있다. P의 값이 클수록, 매입 가능성이 높을 것이다.
이때, 
이고, 이때 x1 내지 xn은 적어도 하나의 제3 특허의 출원년도, y1 내지 yn은 적어도 하나의 제3 특허의 등록년도, Y는 현재년도, K는 모니터링을 수행한 기간(예를 들어, 2001~2020년의 기간을 모니터링한 경우, K는 20), m은 x1 내지 xn의 평균값, zi는 xi의 기술 순환주기를 의미할 수 있다. 한편, zi는 xi가 인용한 복수의 등록 특허의 등록년도의 중간값을 의미할 수 있다.
한편, 본 발명의 다양한 실시예에 따라, 서버(10)는 제1 직무 발명서 및 제2 직무 발명서와 관련된 기술에 대한 대리인 추천 서비스를 제공할 수 있다.
구체적으로, 서버(10)는, 제1 직무 발명서 및 제2 직무 발명서를 바탕으로 복수의 유사특허문서를 획득할 수 있다. 유사 특허문서는 상술한 제1 인공지능 모델을 이용함으로써 획득될 수 있다.
이후, 서버(10)는 복수의 유사특허문서에 포함된 특허 분류 정보를 수집할 수 있다.
일 실시예에 따라, 특허 분류 정보는 기술분야에 따라 특허를 분류할 수 있는 코드로써, IPC(International Patent Classfication), CPC(Cooperative Patent Classification) 및 F-Term 중 어느 하나일 수 있다.
이후, 서버(10)는, 수집된 특허 분류 정보 중 최대 카운팅된 제1 특허 분류 정보를 획득할 수 있다. 예를 들어, 획득된 복수의 유사특허문서에 가장 많이 포함된 CPC 분류는 B60Q 1/06일 수 있다.
일 실시예에 따라, 서버(10)는 특허 분류 정보 중 상위 카테고리를 바탕으로 카운팅을 수행할 수 있다. 예를 들어, 서버(10)는 B60Q 1/06(즉, 메인 트렁크가 서브 그룹까지 포함)하도록 특허 분류 정보를 획득하는 것이 아니라, B60Q(즉, 메인 트렁크가 서브 클래스까지 포함)하도록 특허 분류 정보를 획득할 수 있다.
즉, CPC 코드를 메인 트렁크의 서브 그룹까지 포함할 경우, 너무 많은 CPC 코드가 발생하여 정확한 기술 분야에 대한 검색은 가능하나, 대리인 추천에는 적합하지 않을 수 있다. 즉, 서버(10)는 CPC 코드를 메인 트렁크의 서브 클래스까지 포함하여, 비교적 넓은 기술 분야에 대한 특허 출원을 진행한 대리인에 대한 정보를 획득할 수 있다.
일 실시예에 따라, 서버(10)는, 메인 트렁크가 서브 그룹까지 포함하도록 CPC 정보를 카운팅하되, 수집된 특허 분류 정보 각각의 카운팅 횟수의 분산값이 기 설정된 값 이하인 경우에는, 메인 트렁크가 서브 클래스까지만 포함하도록 CPC 정보를 카운팅할 수 있다. 예를 들어, 서버(10)는 메인 트렁크가 서브 그룹까지 포함하는 제1 코드 내지 제10 코드가 모두 10회 카운팅된 경우, 메인 트렁크가 서브 클래스까지 포함하는 제11코드 내지 제n 코드를 다시 카운팅할 수 있다. 상술한 방법을 통해 서버(10)는 전자 장치(20)로 적합한 대리인 정보를 전송할 수 있다.
한편, CPC 코드의 구조에 관한 사항은 종래의 CPC 매뉴얼 등을 참조하여 설명될 수 있으므로, 본 명세서에서의 자세한 설명은 생략한다.
즉, 서버(10)는 복수의 특허에 포함된 복수의 특허 분류 정보를 획득하고,
이후, 서버(10)는, 복수의 유사특허문서 각각에 대한 복수의 대리인 정보를 획득할 수 있다. 즉, 서버(10)는 복수의 유사특허문서를 작성한 대리인에 대한 정보를 수집할 수 있다.
이후, 서버(10)는, 복수의 대리인 중, 제1 대리인의 특허 출원 데이터를 획득할 수 있다.
이후, 서버(10)는, 제1 대리인의 특허 출원 데이터 중, 제1 특허 분류 정보를 포함하는 제1 특허 출원 데이터를 획득할 수 있다.
이후, 서버(10)는, 제1 특허 출원 데이터의 등록률을 획득할 수 있다.
이후, 서버(10)는, 제1 특허 출원 데이터의 인용율 및 피인용율을 획득할 수 있다.
이후, 서버(10)는, 등록률, 인용율 및 피인용율이 기 설정된 조건을 만족하면, 제1 대리인에 대한 정보를 기업에 제공할 수 있다.
즉, 서버(10)는 제1 특허 출원 데이터의 등록률을 바탕으로, 제1 대리인의 출원 밀 등록에 대한 데이터를 판단하고, 인용율 및 피인용율 바탕으로, 제1 대리인의 명세서 품질을 판단할 수 있다.
한편, 또 다른 실시예로, 서버(10)는 복수의 대리인 중, 최대 카운팅된 특허 분류 코드에 대한 출원 수가 가장 많은 제2 대리인을 전자 장치(20)로 전송할 수 있음은 물론이다. 또는, 서버(10)는 복수의 대리인 중, 대리인에 대응되는 회사의 직원 수 대비 최대 카운팅된 특허 분류 코드에 대한 출원 수의 비율이 가장 큰 제2 대리인을 전자 장치(20)로 전송할 수 있음은 물론이다.
한편, 본 발명의 다양한 실시예에 따라, 서버(10)는 제1 대리인의 구성원 정보를 획득할 수 있다.
이후, 서버(10)는, 국민연금 정보를 바탕으로, 제1 대리인의 구성원의 입사 정보 및 퇴사 정보를 획득할 수 있다.
이후, 서버(10)는, 입사 정보와 퇴사 정보의 비율이 기 설정된 값 이상인 경우, 제1 대리인은 추천 대상에서 제외할 수 있다.
즉, 입사율 및 퇴사율이 높은 경우, 특허 출원을 진행하는 인원이 자주 변경된다는 것을 의미하므로, 서버(10)는 입사율 및 퇴사율을 고려하여 전자 장치(20)로 대리인 정보를 제공할 지 여부를 결정할 수 있다.
도 7은 본 발명의 일 실시예에 따른 장치의 구성도이다.
프로세서(102)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(102)는 메모리(104)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 1 내지 도 6과 관련하여 설명된 방법을 수행한다.
예를 들어, 프로세서(102)는 메모리에 저장된 하나 이상의 인스트럭션을 실행함으로써 신규 학습용 데이터를 획득하고, 학습된 모델을 이용하여, 상기 획득된 신규 학습용 데이터에 대한 테스트를 수행하고, 상기 테스트 결과, 라벨링된 정보가 소정의 제1 기준값 이상의 정확도로 획득되는 제1 학습용 데이터를 추출하고, 상기 추출된 제1 학습용 데이터를 상기 신규 학습용 데이터로부터 삭제하고, 상기 추출된 학습용 데이터가 삭제된 상기 신규 학습용 데이터를 이용하여 상기 학습된 모델을 다시 학습시킬 수 있다.
한편, 프로세서(102)는 프로세서(102) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(102)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(104)에는 프로세서(102)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(104)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 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, 제한적이 아닌 것으로 이해해야만 한다.
10 : 서버
20 : 전자 장치
20 : 전자 장치
Claims (10)
- 서버에 의해 수행되는 경쟁사 지식재산권 모니터링 방법에 있어서,
상기 서버가, 경쟁사 정보 및 기업 정보를 수신하는 단계;
상기 서버가, 상기 기업의 특허 및 직무 발명서를 획득하는 단계;
상기 서버가, 상기 기업의 특허 및 상기 직무 발명서를 바탕으로 상기 경쟁사에 대응되는 복수의 모니터링 특허를 획득하는 단계;
상기 서버가, 상기 복수의 모니터링 특허 중 타겟 특허를 획득하고, 상기 타겟 특허에 대응되는 무효 자료를 획득하는 단계; 및
상기 서버가, 상기 무효 자료를 바탕으로 무효성 검토 보고서를 생성하는 단계; 를 포함하고,
상기 모니터링 방법은,
상기 서버가, 모니터링 대상 기간 및 상기 대상 기간을 분할한 복수의 분석 단위 구간에 대한 정보를 획득하는 단계;
상기 서버가, 상기 복수의 모니터링 특허를 상기 분석 단위 구간별로 정렬하는 단계;
상기 서버가, 상기 복수의 분석 단위 구간 중, 제n 분석 단위 구간에 상기 복수의 모니터링 특허가 포함되지 않는 경우, 상기 복수의 모니터링 특허의 기술 분야를 판단하는 단계;
상기 경쟁사의 복수의 보유 특허 중, 상기 판단된 기술분야와의 유사도가 기 설정된 제3값 이상인 제2 모니터링 특허를 획득하는 단계;
상기 제2 모니터링 특허 중, 상기 제n 분석 단위 구간에 대응되는 특허가 존재하면, 상기 제2 모니터링 특허를 상기 제n 분석 단위 구간에 정렬하는 단계;
상기 제2 모니터링 특허 중, 상기 제n 분석 단위 구간에 대응되는 특허가 존재하지 않으면, 상기 판단된 기술분야와의 유사도가 기 설정된 제4값 이상인 제3 모니터링 특허를 획득하는 단계;를 포함하고,
상기 기 설정된 제4값은, 상기 기 설정된 제3값보다 작은 값인 것을 특징으로 하는 모니터링 방법. - 제1항에 있어서,
상기 기업의 특허 및 직무 발명서를 획득하는 단계는,
상기 기업의 복수의 보유 특허 및 복수의 직무 발명서를 획득하는 단계;
전자 장치로부터, 제1 특허 및 제1 직무 발명서를 수신하는 단계;
상기 보유 특허 중, 상기 제1 특허 및 상기 제1 직무 발명서와 기 설정된 제1값 이상의 유사도를 가지는 제2 특허를 획득하는 단계;
상기 복수의 직무 발명서 중, 상기 제1 특허 및 상기 제1 직무 발명서와 기 설정된 제2값 이상의 유사도를 가지는 제2 직무 발명서를 획득하는 단계; 및
상기 제2 특허 및 상기 제2 직무 발명서를 상기 기업의 특허 및 직무 발명서로 획득하는 단계; 를 포함하는 모니터링 방법. - 제1항에 있어서,
상기 타겟 특허에 대응되는 무효 자료를 획득하는 단계는,
상기 타겟 특허를 제1 인공지능 모델에 입력하여 유사특허문서를 획득하는 단계;
상기 타겟 특허의 청구 범위에 포함된 복수의 문장을 획득하고, 상기 유사특허문서에 포함된 복수의 문장을 획득하는 단계;
상기 청구 범위에 포함된 복수의 문장 중 제1 문장을 획득하고, 상기 유사특허문서에 포함된 복수의 문장 중 제2 문장을 획득하는 단계; 및
상기 제1 문장 및 상기 제2 문장을 제2 인공지능 모델에 입력하여, 상기 제1 문장과 상기 제2 문장에 대한 평가 결과를 획득하는 단계; 를 포함하는 모니터링 방법. - 삭제
- 제1항에 있어서,
상기 모니터링 방법은,
상기 서버가, 상기 복수의 모니터링 특허 중, 상기 타겟 특허와의 유사도가 기 설정된 제5값 이상인 적어도 하나의 제3 특허를 획득하는 단계;
상기 서버가, 경쟁사의 복수의 보유 특허 중, 상기 적어도 하나의 제3 특허의 비율을 판단하는 단계; 및
상기 서버가, 상기 비율을 바탕으로, 상기 타겟 특허의 매입 가능성을 판단하는 단계; 를 포함하는 모니터링 방법. - 제2항에 있어서,
상기 기업의 복수의 보유 특허 및 복수의 직무 발명서를 획득하는 단계는,
상기 기업에 대응되는 제1 출원인 정보, 상기 기업의 대표자에 대응되는 제2 출원인 정보 및 상기 기업의 직원에 대응되는 제3 출원인 정보를 획득하는 단계;
상기 제3 출원인의 상기 기업에서의 업무 범위를 판단하는 단계;
상기 제3 출원인에 대응되는 제4 특허 및 상기 제3 출원인에 대응되는 업무 범위에 대한 정보를 획득하는 단계;
상기 업무 범위와 상기 제4 특허와의 관련도 바탕으로, 상기 제4 특허가 직무 발명인지 여부를 판단하는 단계; 및
상기 제4 특허가 직무 발명으로 판단된 경우, 상기 제1 출원인에 대응되는 복수의 특허, 제2 출원인에 대응되는 복수의 특허 및 상기 제4 특허를 상기 기업의 복수의 보유 특허로 획득하는 단계; 를 포함하고,
상기 기업의 복수의 보유 특허 및 복수의 직무 발명서를 획득하는 단계는,
상기 복수의 보유특허 중, 상기 제4 특허와의 유사도가 기 설정된 제6값 이상인 제5 특허를 획득하는 단계;
상기 제5 특허에 대응되는 복수의 발명자 정보를 획득하는 단계;
상기 복수의 발명자에 상기 제3 출원인이 포함된 경우, 상기 제5 특허를 직무 발명으로 판단하는 단계;
상기 복수의 발명자 중 하나의 발명자가 상기 제3 출원인과 동일 부서에 속한 이력이 존재하는 경우, 상기 제5 특허를 직무 발명으로 판단하는 단계;를 포함하는 모니터링 방법. - 제2항에 있어서,
상기 모니터링 방법은,
상기 제1 직무 발명서 및 제2 직무 발명서를 바탕으로 복수의 유사특허문서를 획득하는 단계;
상기 복수의 유사특허문서에 포함된 특허 분류 정보를 수집하는 단계;
상기 수집된 특허 분류 정보 중 최대 카운팅된 제1 특허 분류 정보를 획득하는 단계;
상기 복수의 유사특허문서 각각에 대한 복수의 대리인 정보를 획득하는 단계;
상기 복수의 대리인 중, 제1 대리인의 특허 출원 데이터를 획득하는 단계;
상기 제1 대리인의 특허 출원 데이터 중, 상기 제1 특허 분류 정보를 포함하는 제1 특허 출원 데이터를 획득하는 단계;
상기 제1 특허 출원 데이터의 등록률을 획득하는 단계;
상기 제1 특허 출원 데이터의 인용율 및 피인용율을 획득하는 단계;
상기 등록률, 인용율 및 피인용율이 기 설정된 조건을 만족하면, 상기 제1 대리인에 대한 정보를 상기 기업에 제공하는 단계; 를 포함하는 모니터링 방법. - 제7항에 있어서,
상기 제1 대리인에 대한 정보를 상기 기업에 제공하는 단계는,
상기 제1 대리인의 구성원 정보를 획득하는 단계;
국민연금 정보를 바탕으로, 상기 제1 대리인의 구성원의 입사 정보 및 퇴사 정보를 획득하는 단계;
상기 입사 정보와 상기 퇴사 정보의 비율이 기 설정된 값 이상인 경우, 상기 제1 대리인은 추천 대상에서 제외하는 단계; 를 포함하는 모니터링 방법. - 하나 이상의 인스트럭션을 저장하는 메모리; 및
상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
제1 항의 방법을 수행하는, 장치. - 하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200116741A KR102499776B1 (ko) | 2020-09-11 | 2020-09-11 | 경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200116741A KR102499776B1 (ko) | 2020-09-11 | 2020-09-11 | 경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220034416A KR20220034416A (ko) | 2022-03-18 |
| KR102499776B1 true KR102499776B1 (ko) | 2023-02-14 |
Family
ID=80936529
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200116741A KR102499776B1 (ko) | 2020-09-11 | 2020-09-11 | 경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102499776B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100676693B1 (ko) * | 2005-01-31 | 2007-02-02 | 주식회사 애니파이브시스템 | 특허관리 포탈 서비스 시스템 |
| KR101723310B1 (ko) * | 2015-11-19 | 2017-04-04 | 최병욱 | 특허공보를 기반으로한 대리인 검색 서비스 제공 시스템 및 방법 |
| KR102095892B1 (ko) * | 2019-10-02 | 2020-04-01 | (주)디앤아이파비스 | 인공지능 모델을 이용한 특허문서의 유사도 판단 방법, 장치 및 시스템 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140111238A (ko) * | 2014-08-22 | 2014-09-18 | 한국발명진흥회 | 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법 |
| KR102025805B1 (ko) | 2017-03-29 | 2019-11-12 | 중앙대학교 산학협력단 | 문서 유사도 분석 장치 및 방법 |
-
2020
- 2020-09-11 KR KR1020200116741A patent/KR102499776B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100676693B1 (ko) * | 2005-01-31 | 2007-02-02 | 주식회사 애니파이브시스템 | 특허관리 포탈 서비스 시스템 |
| KR101723310B1 (ko) * | 2015-11-19 | 2017-04-04 | 최병욱 | 특허공보를 기반으로한 대리인 검색 서비스 제공 시스템 및 방법 |
| KR102095892B1 (ko) * | 2019-10-02 | 2020-04-01 | (주)디앤아이파비스 | 인공지능 모델을 이용한 특허문서의 유사도 판단 방법, 장치 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220034416A (ko) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108984530A (zh) | 一种网络敏感内容的检测方法及检测系统 | |
| KR102095892B1 (ko) | 인공지능 모델을 이용한 특허문서의 유사도 판단 방법, 장치 및 시스템 | |
| Choi et al. | Confidence-based deep multimodal fusion for activity recognition | |
| Naz et al. | DT-FNN based effective hybrid classification scheme for twitter sentiment analysis | |
| Shehu et al. | An out-of-distribution attack resistance approach to emotion categorization | |
| Levonevskii et al. | Methods for determination of psychophysiological condition of user within smart environment based on complex analysis of heterogeneous data | |
| Meena et al. | Sentiment analysis on images using different transfer learning models | |
| Serbaya | Analyzing the role of emotional intelligence on the performance of small and medium enterprises (SMEs) using ai-based convolutional neural networks (CNNs) | |
| KR102499776B1 (ko) | 경쟁사 지식재산권 모니터링 방법, 장치 및 프로그램 | |
| CN111144453A (zh) | 构建多模型融合计算模型的方法及设备、网站数据识别方法及设备 | |
| Barata et al. | Graphology analysis for detecting hexaco personality and character through handwriting images by using convolutional neural networks and particle swarm optimization methods | |
| Homsi et al. | Detecting Twitter Fake Accounts using Machine Learning and Data Reduction Techniques. | |
| KR102405867B1 (ko) | 인공지능 모델을 이용한 특허문서의 중요도 판단 방법, 장치 및 시스템 | |
| CN113643283A (zh) | 一种人体衰老状况的检测方法、装置、设备及存储介质 | |
| Dey et al. | Emotion recognition using deep learning in pandemic with real-time email alert | |
| Srivastava et al. | Dictionary vectorized hashing of emotional recognition of text in mutual conversation | |
| Alghalibi et al. | Deep Tweets Analyzer Model for Twitter Mood Visualization and Prediction Based Deep Learning Approach | |
| Ruiz et al. | Infotec+ CentroGEO at SemEval-2020 task 8: Deep learning and text categorization approach for memes classification | |
| Muppudathi et al. | Anomaly Detection in Social Media Texts Using Optimal Convolutional Neural Network. | |
| Gawade et al. | Persona identification based on social media profile images for personification and safety | |
| KR20230018818A (ko) | 경쟁사 지식재산권 모니터링 시스템의 제어 방법 | |
| KR102315215B1 (ko) | 특허문서의 단어 세트 획득 방법 및 획득된 단어 세트를 바탕으로 특허문서의 유사도를 판단하기 위한 방법. | |
| KR102315214B1 (ko) | 유사도 점수 및 비유사도 점수를 이용한 특허문서의 유사도 판단 방법, 장치 및 시스템 | |
| KR102315213B1 (ko) | 클러스터링을 이용한 특허문서의 유사도 판단 방법, 장치 및 시스템 | |
| Sultana et al. | Human Emotion Recognition from Facial Images Using Convolutional Neural Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |