KR20120033934A - 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템 - Google Patents
다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템 Download PDFInfo
- Publication number
- KR20120033934A KR20120033934A KR1020100108710A KR20100108710A KR20120033934A KR 20120033934 A KR20120033934 A KR 20120033934A KR 1020100108710 A KR1020100108710 A KR 1020100108710A KR 20100108710 A KR20100108710 A KR 20100108710A KR 20120033934 A KR20120033934 A KR 20120033934A
- Authority
- KR
- South Korea
- Prior art keywords
- dispute
- group
- patents
- dispute prediction
- predetermined
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 144
- 238000012545 processing Methods 0.000 title claims description 94
- 238000005516 engineering process Methods 0.000 claims description 98
- 230000008859 change Effects 0.000 claims description 47
- 238000009826 distribution Methods 0.000 claims description 44
- 230000010365 information processing Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 30
- 238000003672 processing method Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 167
- 238000010586 diagram Methods 0.000 description 38
- 238000004422 calculation algorithm Methods 0.000 description 36
- 230000006870 function Effects 0.000 description 29
- 238000007726 management method Methods 0.000 description 22
- 230000004927 fusion Effects 0.000 description 21
- 238000011156 evaluation Methods 0.000 description 15
- 238000000605 extraction Methods 0.000 description 13
- 238000004445 quantitative analysis Methods 0.000 description 13
- 239000000411 inducer Substances 0.000 description 12
- 230000014509 gene expression Effects 0.000 description 10
- 238000000611 regression analysis Methods 0.000 description 9
- 238000003012 network analysis Methods 0.000 description 8
- 238000012502 risk assessment Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 238000012731 temporal analysis Methods 0.000 description 7
- 238000000700 time series analysis Methods 0.000 description 7
- 230000001939 inductive effect Effects 0.000 description 6
- 238000004451 qualitative analysis Methods 0.000 description 6
- 238000010835 comparative analysis Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000000556 factor analysis Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012098 association analyses Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000005304 joining Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 101001135471 Homo sapiens Potassium voltage-gated channel subfamily D member 3 Proteins 0.000 description 1
- 101001116222 Homo sapiens Proenkephalin-B Proteins 0.000 description 1
- 101000798552 Homo sapiens Transmembrane protein 240 Proteins 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 102100033184 Potassium voltage-gated channel subfamily D member 3 Human genes 0.000 description 1
- 102100024622 Proenkephalin-B Human genes 0.000 description 1
- 201000003541 Spinocerebellar ataxia type 23 Diseases 0.000 description 1
- 102100032492 Transmembrane protein 240 Human genes 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 208000015988 autosomal recessive spinocerebellar ataxia 4 Diseases 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 201000003545 spinocerebellar ataxia type 21 Diseases 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템에 관한 것으로서, 더욱 상세하게는 인용 정보 처리를 포함하는 특허 분쟁 예측 요소를 사용한 특허 분쟁 모델을 활용한 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템에 관한 것이다.
본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템의 정보 처리 방법 및 시스템을 사용하면, 특허 분쟁 유발 패턴을 알 수 있으며, 각 특허 분쟁 유발에 기여하는 특허 분쟁 예측 요소를 알 수 있으며, 특허 분쟁 예측 요소값 정보로 각 특허 분쟁 예측 요소별로 특허 분쟁 예측 가능성을 파악할 수 있게 된다. 나아가 특허 분쟁 예측에 기여하는 특허 분쟁 발생 가능성에 대한 예측 알고리즘 및 예측 모델을 통하여, 확률적 또는 통계적으로 특허 분쟁이 일어날 가능성에 대한 정보 및 관련된 분석 정보를 제공해 줄 수 있게 된다. 그리고, 사용자가 입력하는 특허 집합 또는 특허 집합을 호출할 수 있는 특정된 입력값에 대응하여 특허 분쟁 발생 가능성에 대한 예측 정보를 제공해 줄 수 있어, 사용자 최적화된 분쟁 예측 정보를 제공해 줄 수 있어, 특허 리스크를 체계적으로 관리할 수 있으며, 사용자가 입력하는 특허 집합 또는 특허 집합을 호출할 수 있는 특정된 입력값에 대응하여 특허 라이센싱 발생 가능성에 대한 예측 정보를 제공해 줄 수 있어, 사용자 최적화된 특허 라이센싱 예측 정보를 제공해 줄 수 있어, 라이센싱 가능성을 체계적으로 관리할 수 있다.
본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템의 정보 처리 방법 및 시스템을 사용하면, 특허 분쟁 유발 패턴을 알 수 있으며, 각 특허 분쟁 유발에 기여하는 특허 분쟁 예측 요소를 알 수 있으며, 특허 분쟁 예측 요소값 정보로 각 특허 분쟁 예측 요소별로 특허 분쟁 예측 가능성을 파악할 수 있게 된다. 나아가 특허 분쟁 예측에 기여하는 특허 분쟁 발생 가능성에 대한 예측 알고리즘 및 예측 모델을 통하여, 확률적 또는 통계적으로 특허 분쟁이 일어날 가능성에 대한 정보 및 관련된 분석 정보를 제공해 줄 수 있게 된다. 그리고, 사용자가 입력하는 특허 집합 또는 특허 집합을 호출할 수 있는 특정된 입력값에 대응하여 특허 분쟁 발생 가능성에 대한 예측 정보를 제공해 줄 수 있어, 사용자 최적화된 분쟁 예측 정보를 제공해 줄 수 있어, 특허 리스크를 체계적으로 관리할 수 있으며, 사용자가 입력하는 특허 집합 또는 특허 집합을 호출할 수 있는 특정된 입력값에 대응하여 특허 라이센싱 발생 가능성에 대한 예측 정보를 제공해 줄 수 있어, 사용자 최적화된 특허 라이센싱 예측 정보를 제공해 줄 수 있어, 라이센싱 가능성을 체계적으로 관리할 수 있다.
Description
본 발명은 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템에 관한 것으로서, 더욱 상세하게는 특허 분쟁 예측 요소를 사용한 특허 분쟁 모델을 활용한 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템에 관한 것이다.
종래의 특허 분쟁 대상 정보의 생성 방법은 특허 분쟁이 발생한 분쟁 정보를 DB로 구축하고, 분쟁 정보를 분석해 주거나, 분쟁 발생 정보를 뉴스 레터 등으로 전송해 주거나, 분쟁 정보를 검색할 수 있도록 해 주는 수준에서 그쳤다. 이들 서비스는 과거에 발생한 특허 분쟁에 대한 서비스로 미래에 발생할 분쟁에 대한 예측 정보를 제공해 주지 못하였다. 이에 따라, 분쟁의 원고나 피고가 되는 기업 등은 각자 처해진 현실이나, 제품, 기술 및 특허 포트폴리오가 다른 바, 이들에게 특화된 분쟁 예측 정보를 제공해 주는 서비스의 도입이 절실히 요구되어 왔다.
한편, 종래의 인용 분석은 1개의 특허를 대상으로 하여, 그 대상 특허가 인용하는 전방 인용 특허들이나, 그 대상 특허를 인용하는 후방 인용 특허들을 목록 형태의 검색 결과로 보여 주거나, 다이어그램 등으로 시각적으로 제시해 주었다. 이에 나아가 전방 인용 특허들이나 후방 인용 특허들을 적어도 1 이상의 인용 깊이(citation depth)를 적용하여, 대상 특허의 인용 깊이별로의 전체 전방 인용 특허들이나 전체 후방 인용 특허들을 다이어그램 등으로 보여 주었다. 이러한 수준의 인용 분석은 인용 분석의 충분한 가능성을 거의 개발하지 못하는 한계가 있었다. 특히, 1개가 특정되어야 하므로, 이는 주로 그 특정된 특허에 대해 분쟁이 발생하거나, 그 특정된 특허에 대해 사전에 알고 있어야 하는 문제가 있었다.
이에 따라, 분쟁 예측을 하기 위해 인용 정보를 충분히 사용할 수 없는 문제가 있었다.
본 발명이 해결하고자 하는 첫번째 과제는 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법을 제시하는 것이다.
본 발명이 해결하고자 하는 두번째 과제는 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템을 제시하는 것이다.
본 발명이 해결하려는 세번째 과제는 특허 분쟁 대상 정보를 생성하기 위한 집단 단위 인용 분석 정보 처리 시스템의 정보 처리 방법을 개시하는 것이다.
본 발명이 해결하려는 네번째 과제는 특허 분쟁 대상 정보를 생성하기 위한 집단 단위 인용 분석 정보 처리 시스템을 개시하는 것이다.
다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템의 정보 처리 방법에 있어서, 상기 시스템이 상기 시스템을 사용하는 사용자 컴퓨터로부터 적어도 하나 이상의 특허 문건이 대응될 수 있는 기설정된 종류의 적어도 하나 이상의 사용자 입력을 받아 적어도 하나 이상의 사용자 특허 집합을 생성하는 단계; 상기 사용자 특허 집합에 포함된 사용자 대응 특허를 대상으로 적어도 하나 이상의 기설정된 분쟁 예측 요소의 분쟁 예측 요소값을 생성하는 단계; 및 상기 분쟁 예측 요소값을 적어도 하나 이상의 기설정된 분쟁 예측 모델로 적어도 하나 이상의 분쟁 예측 결과 정보를 생성하는 단계;를 포함하며, 상기 분쟁 예측 요소는 상기 사용자 대응 특허에 대한 인용 관계에 있는 인용 관계 특허군을 처리하여 생성하는 인용 정보 계열, 상기 사용자 대응 특허와 기설정된 관련성을 가지는 유관 특허군을 처리하여 생성하는 유관 정보 계열, 상기 사용자 대응 특허가 속하는 기술 분야 특성을 처리하는 생성하는 기술 분야 반영 정보 계열, 상기 사용자 대응 특허가 속하는 제품 분야 또는 상기 사용자가 입력하는 제품 분야 특성을 처리하는 생성하는 제품 분야 반영 정보 계열, 상기 인용 관계 특허가 적어도 하나 이상의 기설정된 권리자 속성과 기설정된 관련성을 가지는 정도를 처리하여 생성하는 인용 권리자 정보 계열 및 상기 유관 특허가 적어도 하나 이상의 기설정된 권리자 속성과 기설정된 관련성을 가지는 정도를 처리하여 생성하는 유관 권리자 정보 계열 중 어느 하나 이상을 사용하여 생성되는 것인 것을 특징으로 하는 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법을 제시한다.
상기 사용자 입력은 적어도 하나 이상의 특허 입력, 적어도 하나 이상의 권리자 입력, 적어도 하나 이상의 발명자 입력, 적어도 하나 이상의 특허 분류 입력 및 적어도 하나 이상의 검색식 입력 중 어느 하나 또는 어느 하나 이상의 조합인 것이 바람직하다.
상기 사용자 컴퓨터로부터 적어도 하나 이상의 사용자 기인지 정보를 입수 받는 단계;를 더 포함하며, 사용자 기인지 정보는 개별 특허에 대한 기인지 정보, 개별 권리자에 대한 기인지 정보 및 개별 특허 분류에 관한 기인지 정보 중 어느 하나 이상인 것인 것이 바람직하다.
상기 인용 정보 계열은 상기 사용자 대응 특허가 인용하는 인용 깊이 1 이상의 전방 인용 특허군을 대상으로 전방 인용 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이거나, 상기 인용 정보 계열은 상기 사용자 대응 특허가 인용하는 인용 깊이 1 이상의 후방 인용 특허군을 대상으로 후방 인용 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이며, 상기 전방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 인용량, 전방 인용 증가량, 기설정된 기간을 기준으로 한 전방 인용량, 기설정된 기간을 기준으로 한 전방 인용 증가량을 처리하여 생성되는 것을 포함하는 것이거나, 상기 전방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 인용량의 분포, 전방 인용 증가량의 분포, 기설정된 기간을 기준으로 한 전방 인용량의 분포, 기설정된 기간을 기준으로 한 전방 인용 증가량의 분포를 처리하여 생성되는 것을 포함하는 것이며, 상기 후방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 인용량, 후방 인용 증가량, 기설정된 기간을 기준으로 한 후방 인용량, 기설정된 기간을 기준으로 한 후방 인용 증가량을 처리하여 생성되는 것을 포함하는 것이거나, 상기 후방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 인용량의 분포, 후방 인용 증가량의 분포, 기설정된 기간을 기준으로 한 후방 인용량의 분포, 기설정된 기간을 기준으로 한 후방 인용 증가량의 분포를 처리하여 생성되는 것을 포함하는 것이며, 상기 분포는 전체 분포 또는 상기 기준에 사용되지 않은 권리자별, 기술 분류별, 및 특허별 중 어느 하나 중 대한 분포인 것인 것이 바람직하다.
상기 기설정된 속성을 가지는 권리자별에 있어서, 상기 기설정된 속성은 다분쟁 유발자, 분쟁 경험자, 트롤, 시스템 설정 권리자 속성, 사용자 입력 권리자 속성 중 어느 하나인 것이며, 상기 사용자 입력 권리자 속성은 경쟁자, 분쟁 당사자, 준분쟁 당사자 및 유관 기업 중 어느 하나 이상인 것이며, 시스템 설정 권리자 속성은 분쟁, 표준 및 과점 중 어느 하나 이상과 관련되거나, 권리자의 기관 속성, 권리자의 재무 속성 중 어느 하나 이상과 관련되는 것인 것이 바람직하다.
기설정된 속성을 가지는 기술 분류별에서 상기 기설정된 속성은 전체 기간 또는 기설정된 기간을 기준으로 분쟁량, 분쟁 당사자수, 분쟁 시 권리자 승소율, 공동 피고수, 분쟁량의 변동량, 분쟁 당사자수의 변동량, 분쟁 시 권리자 승소율의 변동량 및 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것이거나, 전체 기간 또는 기설정된 기간을 기준으로 상기 기술 분류와 관련되는 특허군의 특허당 평균 분쟁량, 평균 분쟁 당사자수, 분쟁 시 평균 권리자 승소율, 평균 공동 피고수, 평균 분쟁량의 변동량, 평균 분쟁 당사자수의 변동량, 분쟁 시 평균 권리자 승소율의 변동량 및 평균 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것을 포함하는 것인 것이 바람직하다.
상기 기설정된 속성을 가지는 특허별에서 상기 속성은 상기 특허가 분쟁에 사용된 지의 여부, 관련 분쟁수, 분쟁수의 변동량, 적어도 하나 이상의 표준 특허풀에 속한 특허인지의 여부, 상기 특허가 인용 받은 회수, 상기 특허의 청구항 수, 상기 특허의 독립항 수, 상기 특허의 명세서량, 상기 특허의 레퍼런스 수, 상기 특허의 패밀리수 중 어느 하나 이상을 처리하여 생성되는 것을 포함하는 것인 것이 바람직하다.
상기 전방 인용 특허군 또는 상기 후방 인용 특허군을 생성할 때, 상기 전방 인용 특허군 및 상기 후방 인용 특허군에 속하는 특허와 상기 사용자 대응 특허군에 속하는 특허에는 공통 특허가 없도록 처리하는 것인 것이 바람직하다.
상기 전방 인용 특허군 또는 상기 후방 인용 특허군을 생성할 때, 상기 전방 인용 특허군 및 상기 후방 인용 특허군에 속하는 특허는 중복을 허용하는 것인 것이며, 상기 중복의 허용은 상기 사용자 대응 특허군에 속하는 서로 다른 특허가 동일한 인용 특허를 1인용 깊이 이상의 전방 인용하는 관계이거나 1인용 깊이 이상의 후방 인용하는 관계인 경우, 상기 인용 특허에 빈도를 부여하되, 상기 빈도는 상기 서로 다른 특허수로 처리하는 것인 것이 바람직하다.
상기 유관 특허군은 상기 사용자 대응 특허군에 속하는 사용자 대응 특허별로 생성되는 유관 특허들로 생성되는 것이며, 상기 유관 특허들은 상기 사용자 대응 특허에 포함된 적어도 하나 이상의 특허 분류 종류별 적어도 하나 이상의 특허 분류 및 상기 특허에 포함된 적어도 하나 이상의 필드별로 추출하는 적어도 하나 이상의 키워드 중 어느 하나 이상을 사용하여 생성하는 유사 특허군인 것인 것이 바람직하다.
상기 유사 특허군은 상기 사용자 대응 특허별로 생성되는 것이며, 상기 유사 특허군에 속하는 유사 특허에는 유사도 점수가 배정되며, 상기 유관 특허군은 상기 유사도 점수 및 상기 유사 특허군들에 속하는 유사 특허의 빈도 중 어느 하나 이상을 사용하여 생성되는 것인 것이 바람직하다.
상기 유관 특허군에 대하여 전방 유관 특허군 및 후방 유관 특허군을 생성하는 단계;를 더 포함하며, 상기 전방 유관 특허군 및 상기 후방 유관 특허군은 상기 유관 특허군의 기설정된 기준일을 기준으로 처리하는 것인 것이며, 상기 기준일은 특허에 우선일이 있는 경우에는 우선일로, 우선일이 없는 경우에는 출원일로 처리하는 것인 것이 바람직하다.
상기 전방 유관 특허군은 상기 사용자 대응 특허군에 속하는 사용자 대응 특허의 기준일의 평균값, 중앙값 또는 상기 기준일을 기설정된 통계 처리를 수행하여 생성되는 기준일값 중 어느 하나를 기준으로 하여, 상기 유관 특허군에 속하는 특허의 기준일이 상기 기준보다 빠른 특허로 구성되는 것이며, 상기 후방 유관 특허군은 상기 사용자 대응 특허군에 속하는 사용자 대응 특허의 기준일의 평균값, 중앙값 또는 상기 기준일을 기설정된 통계 처리를 수행하여 생성되는 기준일값 중 어느 하나를 기준으로 하여, 상기 유관 특허군에 속하는 특허의 기준일이 상기 기준보다 늦은 특허로 구성되는 것인 것이 바람직하다.
상기 유관 정보 계열은 전방 유관 특허군을 대상으로 전방 유관 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이거나, 상기 유관 정보 계열은 상기 후방 유관 특허군을 대상으로 후방 유관 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이며, 상기 전방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 유관량, 전방 유관 증가량, 기설정된 기간을 기준으로 한 전방 유관량, 기설정된 기간을 기준으로 한 전방 유관 증가량을 처리하여 생성되는 것을 포함하는 것이거나, 상기 전방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 유관량의 분포, 전방 유관 증가량의 분포, 기설정된 기간을 기준으로 한 전방 유관량의 분포, 기설정된 기간을 기준으로 한 전방 유관 증가량의 분포를 처리하여 생성되는 것을 포함하는 것이며, 상기 후방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 유관량, 후방 유관 증가량, 기설정된 기간을 기준으로 한 후방 유관량, 기설정된 기간을 기준으로 한 후방 유관 증가량을 처리하여 생성되는 것을 포함하는 것이거나, 상기 후방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 유관량의 분포, 후방 유관 증가량의 분포, 기설정된 기간을 기준으로 한 후방 유관량의 분포, 기설정된 기간을 기준으로 한 후방 유관 증가량의 분포를 처리하여 생성되는 것을 포함하는 것이며, 상기 분포는 전체 분포 또는 상기 기준에 사용되지 않은 권리자별, 기술 분류별, 및 특허별 중 어느 하나 중 대한 분포인 것인 것이 바람직하다.
상기 기설정된 속성을 가지는 권리자별에 있어서, 상기 기설정된 속성은 다분쟁 유발자, 분쟁 경험자, 트롤, 시스템 설정 권리자 속성, 사용자 입력 권리자 속성 중 어느 하나인 것이며, 상기 사용자 입력 권리자 속성은 경쟁자, 분쟁 당사자, 준분쟁 당사자 및 유관 기업 중 어느 하나 이상인 것이며, 시스템 설정 권리자 속성은 분쟁, 표준 및 과점 중 어느 하나 이상과 관련되거나, 권리자의 기관 속성, 권리자의 재무 속성 중 어느 하나 이상과 관련되는 것인 것이며, 기설정된 속성을 가지는 기술 분류별에서 상기 기설정된 속성은 전체 기간 또는 기설정된 기간을 기준으로 분쟁량, 분쟁 당사자수, 분쟁 시 권리자 승소율, 공동 피고수, 분쟁량의 변동량, 분쟁 당사자수의 변동량, 분쟁 시 권리자 승소율의 변동량 및 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것이거나, 전체 기간 또는 기설정된 기간을 기준으로 상기 기술 분류와 관련되는 특허군의 특허당 평균 분쟁량, 평균 분쟁 당사자수, 분쟁 시 평균 권리자 승소율, 평균 공동 피고수, 평균 분쟁량의 변동량, 평균 분쟁 당사자수의 변동량, 분쟁 시 평균 권리자 승소율의 변동량 및 평균 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것을 포함하는 것인 것이며, 상기 기설정된 속성을 가지는 특허별에서 상기 속성은 상기 특허가 분쟁에 사용된 지의 여부, 관련 분쟁수, 분쟁수의 변동량, 적어도 하나 이상의 표준 특허풀에 속한 특허인지의 여부, 상기 특허가 인용 받은 회수, 상기 특허의 청구항 수, 상기 특허의 독립항 수, 상기 특허의 명세서량, 상기 특허의 레퍼런스 수, 상기 특허의 패밀리수 중 어느 하나 이상을 처리하여 생성되는 것을 포함하는 것인 것이며,
상기 전방 유관 특허군 또는 상기 후방 유관 특허군을 생성할 때, 상기 전방 유관 특허군 및 상기 후방 유관 특허군에 속하는 특허는 중복을 허용하는 것인 것이며, 상기 중복의 허용은 상기 사용자 대응 특허군에 속하는 서로 다른 특허가 동일한 유관 특허와 유관 관계를 가지는 경우, 상기 유관 특허에 빈도를 부여하되, 상기 빈도는 상기 서로 다른 특허수로 처리하는 것인 것이 바람직하다.
상기 사용자 대응 특허가 속하는 기술 분야 특성을 처리하는 생성하는 기술 분야 반영 정보 계열에서, 상기 기술 분야 반영 정보 계열은 상기 사용자 대응 특허군에 대응되는 사용자 대응 기술군을 대상으로 기술 분야 반영 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이며, 상기 사용자 대응 기술군은 상기 사용자 대응 특허군을 적어도 하나 이상의 세부 기술군으로 분류하고, 상기 세부 기술군 단위로 기술 분야 반영 분쟁 예측 요소값을 생성하는 것인 것이 바람직하다.
상기 분쟁 예측 요소는 상기 세부 기술군별로의 전체 기간 또는 기설정된 기간을 기준으로 분쟁량, 분쟁 당사자수, 분쟁 시 권리자 승소율, 공동 피고수, 분쟁량의 변동량, 분쟁 당사자수의 변동량, 분쟁 시 권리자 승소율의 변동량 및 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것이거나, 전체 기간 또는 기설정된 기간을 기준으로 상기 기술 분류와 관련되는 특허군의 특허당 평균 분쟁량, 평균 분쟁 당사자수, 분쟁 시 평균 권리자 승소율, 평균 공동 피고수, 평균 분쟁량의 변동량, 평균 분쟁 당사자수의 변동량, 분쟁 시 평균 권리자 승소율의 변동량 및 평균 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것을 포함하는 것인 것이 바람직하다.
상기 사용자 대응 기술군에 대한 기술 분야 반영 분쟁 예측값을 생성하는 방법은 생성된 상기 세부 기술군 단위로 기술 분야 반영 분쟁 예측 요소값에 사용자 대응 기술군에 속하는 전체 사용자 대응 특허수에 대하여 상기 세부 기술분에 속하는 사용자 대응 특허수의 비율을 가중 처리하여 생성하는 것인 것이 바람직하다.
상기 사용자 대응 특허가 속하는 제품 분야 특성을 처리하는 생성하는 제품 분야 반영 정보 계열 또는 상기 사용자가 입력하는 제품 분야의 특성을 처리하는 생성하는 제품 분야 반영 정보 계열에서, 상기 제품 분야 반영 정보는 상기 적어도 하나 이상의 계층별로 구성되는 제품 분야별로 기설정된 특허 집합이 대응되거나, 적어도 한 종류 이상의 적어도 하나 이상의 특허 분류가 대응되거나, 적어도 하나 이상의 검색어가 대응되며, 상기 대응되는 기설정된 특허 집합, 상기 특허 분류가 호출하는 특허 집합, 상기 검색어가 호출하는 특허 집합으로 설정되는 특허 집합에 대하여 분재 예측 요소를 처리하는 것인 것이 바람직하다.
상기 시스템의 기설정된 조건에 따라 적어도 하나 이상의 분쟁 예측 대상 특허 집합을 생성하는 것은 상기 시스템이 적어도 하나 이상으로 구성되는 기설정된 적어도 하나 이상의 특허 분류로 상기 분쟁 예측 대상 특허 집합을 생성하는 방법, 기설정된 적어도 하나 이상의 권리자로 상기 분쟁 예측 대상 특허 집합을 생성하는 방법, 적어도 하나 이상의 검색어로 상기 분쟁 예측 대상 특허 집합을 생성하는 방법 또는 상기 시스템이 설정해 놓은 기설정된 적어도 하나 이상의 특허 집합을 사용하는 방법 중 어느 하나 이상인 채용되는 것인 것이 바람직하다.
본 발명이 이루고자 하는 기술적 과제를 달성하기 위하여, 집단 단위 인용 분석 정보 처리 시스템의 정보 처리 방법에 있어서, 상기 집단 단위 인용 분석 정보 처리 시스템이 (a)적어도 2 이상의 복수 개의 특허 정보로 구성되는 특허 집합을 입수하여 입수 특허 집합을 생성하는 단계; (b)상기 입수 특허 집합에 포함된 개별 특허를 처리하여 적어도 하나 이상의 인용 분석 대상 특허 집합을 생성하는 단계; (c)상기 인용 분석 대상 특허 집합에 대하여 기 설정된 적어도 하나 이상의 인용 분석 목적별에 따른 인용 분석을 처리하는 단계;를 포함하며, 상기 개별 특허를 처리하는 것은 상기 개별 특허의 적어도 1 깊이 이상의 전방 인용 특허군, 상기 개별 특허의 1 깊이 이상의 후방 인용 특허군을 입수하는 것이거나, 상기 개별 특허가 인용을 받은 경우 상기 개별 특허를 선정하는 것이며, 상기 인용 분석 대상 특허 집합은 상기 대상 특허 집합의 부분 집합인 것이며, 상기 대상 특허 집합은 중복 허용 특허 집합인 것을 디폴트로 하고, 상기 시스템의 사용자의 선택에 따라 중복 제거 특허 집합을 선택할 수 있는 것인 것이며, 상기 중복 허용은 상기 입수 특허 집합에 포함된 상기 복수 개의 개별 특허가 동일한 특허를 인용하거나, 상기 복수 개의 개별 특허를 동일한 특허가 인용하는 경우, 상기 동일한 특허를 상기 복수 개의 개별 특허 수만큼 가중하는 것인 것을 특징으로 하는 집단 단위 인용 분석 정보 처리 시스템의 정보 처리 방법을 개시한다.
상기 입수 특허 집합의 생성은 1차 입수 집합을 입수하고, 입수된 1차 입수 집합을 그대로 입수 특허 집합으로 처리하거나, 입수된 1차 입수 집합에 대하여 기 설정된 적어도 하나 이상의 한정 가하여 생성하는 것인 것이거나, 상기 인용 분석 대상 특허 집합의 생성은 1차 대상 특허 집합을 생성하고, 생성된 1차 대상 특허 집합을 그대로 인용 분석 대상 특허 집합으로 처리하거나 상기 1차 대상 특허 집합에 대하여 기 설정된 적어도 하나 이상의 한정 가하여 생성하는 것인 것이 바람직하다.
상기 한정을 가하는 것은 옵션 선택을 통하여 한정하는 것이며, 상기 옵션의 선택은 인용 방향, 인용 깊이, 서지 사항 한정, 추출 키워드 한정 및 기 설정된 적어도 하나 이상의 추가 한정 중 어느 하나 이상의 한정을 통하여 생성되는 것인 것이 바람직하다.
상기 서지 사항 한정은 서지 사항을 구성하는 필드의 속성별 한정 또는 상기 개별 필드값의 한정 중 어느 하나 이상인 것이 바람직하다.
상기 추가 한정은 개별 특허가 가지는 기설정되거나 기처리된 개별특허 속성값에 대한 한정인 것이 바람직하다.
인용 분석 대상 특허 집합의 속성은 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합 중 어느 하나 이상인 것인 것이며, 전방 인용 특허 집합은 상기 입수 특허 집합에 포함된 개별 특허들의 적어도 1 깊이 이상의 전방 인용 특허군으로 특정되는 특허 집합이며, 후방 인용 특허 집합은 상기 입수 특허 집합에 포함된 개별 특허들의 적어도 1 깊이 이상의 후방 인용 특허군으로 특정되는 특허 집합이며, 전방 자기 인용 특허 집합은 상기 전방 인용 특허 집합과 상기 입수 특허 집합에 공통적으로 포함되어 있는 특허군으로 특정되는 특허 집합이며, 후방 자기 인용 특허 집합은 상기 후방 인용 특허 집합과 상기 입수 특허 집합에 공통적으로 포함되어 있는 특허군으로 특정되는 특허 집합이며, 인용 발생 입수 특허 집합은 입수 특허 집합에 포함된 개별 특허들 중에서 적어도 1회 이상의 인용을 받은 특허군으로 특정되는 특허 집합인 것이 바람직하다.
상기 인용 분석 목적은 상기 인용 분석 대상 특허 집합에 포함된 특허군에 대한 기 설정된 정량 분석, 정성 분석, 네트워크 분석, 비교 분석, 리스크 분석 및 기회 요소 분석 중 어느 하나 이상인 것이 바람직하다.
상기 정량 분석, 정성 분석, 네트워크 분석, 비교 분석, 리스크 분석 및 기회 요소 분석은 서지 사항을 구성하는 필드별 또는 개별 필드값 또는 명세서 상의 추출값을 기준으로 하는 수치값의 분석 또는 수치값의 변동에 대한 분석인 것이 바람직하다.
상기 2 이상의 복수 개의 특허 정보로 구성되는 특허 집합을 입수하는 방법은 검색식을 통한 검색 결과로 입수하는 방법, 상기 시스템의 사용자가 특정하는 특허 집합을 입수하는 방법, 상기 시스템의 관리자가 특정해 놓은 특허 집합을 입수하는 방법 및 서지 사항을 구성하는 필드별로 상기 필드값을 공유하는 특허 집합을 입수하는 방법 중 어느 하나 이상인 것이 바람직하다.
상기 인용 분석을 처리하여 나온 인용 분석 결과를 구성하는 수치값에 대응되는 특허군을 상기 (a)단계의 상기 2 이상의 복수 개의 특허 정보로 구성되는 특허 집합으로 처리하여, 상기 (a) 단계, 상기 (b) 단계 및 상기 (c) 단계를 실시하는 것이 바람직하다.
본 발명이 이루고자 하는 기술적 과제를 달성하기 위하여, 집단 단위 인용 분석 정보 처리 시스템 에 있어서, 적어도 2 이상의 복수 개의 특허 정보로 구성되는 특허 집합을 입수하여 입수 특허 집합을 생성하는 입수 특허 집합 생성부; 상기 입수 특허 집합에 포함된 개별 특허를 처리하여 적어도 하나 이상의 인용 분석 대상 특허 집합(인용 특허 집합)을 생성하는 대상 특허 집합 생성부; 및 상기 인용 분석 대상 특허 집합에 대하여 기 설정된 적어도 하나 이상의 인용 분석 목적별에 따른 인용 분석을 처리하는 인용 분석부;를 포함하며, 상기 개별 특허를 처리하는 것은 상기 개별 특허의 적어도 1 깊이 이상의 전방 인용 특허군, 상기 개별 특허의 1 깊이 이상의 후방 인용 특허군을 입수하는 것이거나, 상기 개별 특허가 인용을 받은 경우 상기 개별 특허를 선정하는 것이며, 상기 인용 분석 대상 특허 집합은 상기 대상 특허 집합의 부분 집합인 것이며, 상기 대상 특허 집합은 중복 허용 특허 집합인 것을 디폴트로 하고, 상기 시스템의 사용자의 선택에 따라 중복 제거 특허 집합을 선택할 수 있는 것인 것이며, 상기 중복 허용은 상기 입수 특허 집합에 포함된 상기 복수 개의 개별 특허가 동일한 특허를 인용하거나, 상기 복수 개의 개별 특허를 동일한 특허가 인용하는 경우, 상기 동일한 특허를 상기 복수 개의 개별 특허 수만큼 가중하는 것인 것을 특징으로 하는 집단 단위 인용 분석 정보 처리 시스템을 개시한다.
상기 입수 특허 집합 생성부는 상기 입수 특허 집합의 생성은 1차 입수 집합을 입수하고, 입수된 1차 입수 집합을 그대로 입수 특허 집합으로 처리하거나, 입수된 1차 입수 집합에 대하여 기 설정된 적어도 하나 이상의 한정 가하여 생성하는 것인 것이거나, 상기 대상 특허 집합 생성부는 상기 인용 분석 대상 특허 집합의 생성은 1차 대상 특허 집합을 생성하고, 생성된 1차 대상 특허 집합을 그대로 인용 분석 대상 특허 집합으로 처리하거나 상기 1차 대상 특허 집합에 대하여 기 설정된 적어도 하나 이상의 한정 가하여 생성하는 것인 것이 바람직하다.
상기 한정을 가하는 것은 옵션 선택을 통하여 한정하는 것이며, 상기 옵션의 선택은 인용 방향, 인용 깊이, 서지 사항 한정, 추출 키워드 한정 및 기 설정된 적어도 하나 이상의 추가 한정 중 어느 하나 이상의 한정을 통하여 생성되는 것인 것이 바람직하다.
상기 서지 사항 한정은 서지 사항을 구성하는 필드의 속성별 한정 또는 상기 개별 필드값의 한정 중 어느 하나 이상인 것이 바람직하다.
상기 추가 한정은 개별 특허가 가지는 기설정되거나 기처리된 개별특허 속성값에 대한 한정인 것이 바람직하다.
인용 분석 대상 특허 집합의 속성은 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합 중 어느 하나 이상인 것인 것이며, 전방 인용 특허 집합은 상기 입수 특허 집합에 포함된 개별 특허들의 적어도 1 깊이 이상의 전방 인용 특허군으로 특정되는 특허 집합이며, 후방 인용 특허 집합은 상기 입수 특허 집합에 포함된 개별 특허들의 적어도 1 깊이 이상의 후방 인용 특허군으로 특정되는 특허 집합이며, 전방 자기 인용 특허 집합은 상기 전방 인용 특허 집합과 상기 입수 특허 집합에 공통적으로 포함되어 있는 특허군으로 특정되는 특허 집합이며, 후방 자기 인용 특허 집합은 상기 후방 인용 특허 집합과 상기 입수 특허 집합에 공통적으로 포함되어 있는 특허군으로 특정되는 특허 집합이며, 인용 발생 입수 특허 집합은 입수 특허 집합에 포함된 개별 특허들 중에서 적어도 1회 이상의 인용을 받은 특허군으로 특정되는 특허 집합인 것이 바람직하다.
상기 인용 분석 목적은 상기 인용 분석 대상 특허 집합에 포함된 특허군에 대한 기 설정된 정량 분석, 정성 분석, 네트워크 분석, 비교 분석, 리스크 분석 및 기회 요소 분석 중 어느 하나 이상인 것이 바람직하다.
상기 정량 분석, 정성 분석, 네트워크 분석, 비교 분석, 리스크 분석 및 기회 요소 분석은 서지 사항을 구성하는 필드별 또는 개별 필드값 또는 명세서 상의 추출값을 기준으로 하는 수치값의 분석 또는 수치값의 변동에 대한 분석인 것이 바람직하다.
상기 입수 특허 집합 생성부가 상기 2 이상의 복수 개의 특허 정보로 구성되는 특허 집합을 입수하는 방법은 검색식을 통한 검색 결과로 입수하는 방법, 상기 시스템의 사용자가 특정하는 특허 집합을 입수하는 방법, 상기 시스템의 관리자가 특정해 놓은 특허 집합을 입수하는 방법 및 서지 사항을 구성하는 필드별로 상기 필드값을 공유하는 특허 집합을 입수하는 방법 중 어느 하나 이상인 것이 바람직하다.
상기 입수 집합 생성부는 상기 인용 분석을 처리하여 나온 인용 분석 결과를 구성하는 수치값에 대응되는 특허군을 상기 2 이상의 복수 개의 특허 정보로 구성되는 특허 집합으로 입수하며, 상기 대상 특허 집합 생성부는 상기 입수 특허 집합에 포함된 개별 특허를 처리하여 적어도 하나 이상의 인용 분석 대상 특허 집합(인용 특허 집합)을 생성하며, 상기 인용 분석부는 상기 인용 분석 대상 특허 집합에 대하여 기 설정된 적어도 하나 이상의 인용 분석 목적별에 따른 인용 분석을 처리하는 것인 것이 바람직하다.
본 발명을 실시하면 다음과 같은 효과가 있다.
첫째, 특허 분쟁 유발 패턴을 알 수 있다.
둘째, 각 특허 분쟁 유발에 기여하는 특허 분쟁 예측 요소를 알 수 있으며, 특허 분쟁 예측 요소값 정보로 각 특허 분쟁 예측 요소별로 특허 분쟁 예측 가능성을 파악할 수 있다.
셋째, 특허 분쟁 예측에 기여하는 특허 분쟁 발생 가능성에 대한 예측 알고리즘 및 예측 모델을 통하여, 확률적 또는 통계적으로 특허 분쟁이 일어날 가능성에 대한 정보 및 관련된 분석 정보를 제공해 줄 수 있다.
넷째, 사용자가 입력하는 특허 집합 또는 특허 집합을 호출할 수 있는 특정된 입력값에 대응하여 특허 분쟁 발생 가능성에 대한 예측 정보를 제공해 줄 수 있어, 사용자 최적화된 분쟁 예측 정보를 제공해 줄 수 있어, 특허 리스크를 체계적으로 관리할 수 있다.
다섯째, 사용자가 입력하는 특허 집합 또는 특허 집합을 호출할 수 있는 특정된 입력값에 대응하여 특허 라이센싱 발생 가능성에 대한 예측 정보를 제공해 줄 수 있어, 사용자 최적화된 특허 라이센싱 예측 정보를 제공해 줄 수 있어, 라이센싱 가능성을 체계적으로 관리할 수 있다.
여섯째, IPC, USPC, FT 등과 같은 특허 분류 종류에 대하여, 특허 분류별로 특허 분쟁 예측 정보 및 특허 라이센싱 예측 정보를 제공해 줄 수 있다.
일곱째, 복수 개의 입수 특허 집합에 대한 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합을 생성할 수 있으며, 생성된 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합을 대상으로 다양한 특허 분석을 수행할 수 있다.
열째, 숨어 있는(latent) 리스크 요소, 분쟁 예측 대상자나 대상 특허, 라이센싱 대상자나 라이센싱 대상 특허, 출원인의 핵심 발명자 들을 효과적으로 발견할 수 있다.
열한번째, 개별 특허에 대한 인용 분석으로는 발견할 수 없는 집단 지성적 정보(collective intelligence)를 발견할 수 있다.
열두번째, 입수 특허 집합, 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합 등에 대한 다양한 제한 요소를 가해서 인용 분석을 더욱 더 정밀하게 수행할 수 있다.
열세번째, 입수 특허 집합에 포함된 복수 개의 특허들이 동일한 특허를 인용하는 경우, 그 동일한 특허에 복수 개만큼의 가중치를 부여할 수 있어, 중복 허용 집합 연산을 수행할 수 있어, 집합 단위의 전방 인용 분석 시 효과적인 전방 인용 분석을 수행할 수 있다.
도 1은 본 발명의 특허 정보 시스템의 네트워크적 구성에 관한 일실시예적 도면이다.
도 2는 본 발명의 특허 정보 시스템의 구성에 관한 일실시예적 도면이다.
도 3은 본 발명의 데이터 가공부에 관한 일실시예적 도면이다.
도 4는 본 발명의 분석 정보 생성부에 관한 일실시예적 도면이다.
도 5는 본 발명의 평가 정보 생성부에 관한 일실시예적 도면이다.
도 6은 본 발명의 특허 분석 정보 생성부에 관한 일실시예적 도면이다.
도 7은 본 발명의 특화 대상 발견부에 관한 일실시예적 도면이다.
도 8은 본 발명의 유사 특허 집합 생성부에 관한 일실시예적 도면이다.
도 9는 본 발명의 초기 신호 발견부에 관한 일실시예적 도면이다.
도 10은 본 발명의 니치 기술 영역 발견부에 관한 일실시예적 도면이다.
도 11은 본 발명의 오픈 이노베이션 대상 발견부에 관한 일실시예적 도면이다.
도 12는 본 발명의 미래 기술 발견부에 관한 일실시예적 도면이다.
도 13은 본 발명의 부가 서비스 제공부에 관한 일실시예적 도면이다.
도 14는 본 발명의 융합 정보 처리부에 관한 일 실시예적 도면이다.
도 15는 본 발명의 핵심 키워드 DB의 일실시예적 구성에 관한 도면이다.
도 17은 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 옵션 선택부의 일 실시예적 구성에 관한 도면이다.
도 18은 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 인용 분석 실행부의 일 실시예적 구성에 관한 도면이다.
도 19는 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 정보 처리 방법의 일 실시예적 구성에 관한 도면이다.
도 20은 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 정보 처리 방법의 일 실시예적 구성에 관한 도면이다.
도 21은 본 발명의 집단 단위 인용 분석 정보 처리의 개념을 설명하기 위한 인용 분석 대상 특허 집합의 속성을 설명하기 위한 개념도이다.
도 22은 본 발명의 인용 분석 대상 특허 집합의 속성 중 전방 인용 특허 집합을 설명하기 위한 개념도이다.
도 23은 본 발명의 인용 분석 대상 특허 집합의 속성 중 후방 인용 특허 집합을 설명하기 위한 개념도이다.
도 24는 본 발명의 인용 분석 대상 특허 집합의 속성 중 전방 자기 인용 특허 집합과 후방 자기 인용 특허 집합을 설명하기 위한 개념도이다.
도 25는 본 발명의 인용 분석 대상 특허 집합의 속성 중 인용 발생 입수 특허 집합을 설명하기 위한 개념도이다.
도 26은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 인용 특허 집합과 후방 인용 특허 집합을 설명하는 개념도이다.
도 27은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 자기 인용 특허 집합과 후방 자기 인용 특허 집합을 설명하는 개념도이다.
도 28은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 인용 발생 입수 특허 집합을 설명하는 개념도이다.
도 29는 조건을 가하여 한정된 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 인용 특허 집합과 후방 인용 특허 집합을 설명하는 개념도이다. 전방 인용 특허 집합과 후방 인용 특허 집합도 입수 특허 집합에 한정을 가함에 따라 한정을 가하지 않은 입수 특허 집합에 대한 전방 인용 특허 집합과 후방 인용 특허 집합의 부분 집합이 됨을 보여 준다. 입수 특허 집합에 조건을 가하게 되면, 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합 모두가 한정을 가하지 않은 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합의 부분 집합이 된다.
도 30은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 인용 특허 집합과 후방 인용 특허 집합에 조건을 가하여 한정된 전방 인용 특허 집합과 한정된 후방 인용 특허 집합을 설명하는 개념도이다. 한정된 전방 인용 특허 집합이나 한정된 후방 인용 특허 집합과 마찬가지로 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합도 한정을 가하는 경우, 한정을 가하지 않은 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합의 부분 집합이 된다.
도 31은 본 발명의 입수 특허 집합의 한 예로, 출원인 단위로 시스템이 사전에 생성해 놓은 특허 집합을 보여 준다. 본 방식의 국가별 또는 국가 통한 단위로 동일한 특허 출원인(권리자)를 가지는 특허 문건들로 한정되는 특허 집합으로 시스템이 사전에 생성해 놓을 수 있는 특허 집합이다.
도 32는 본 발명의 입수 특허 집합의 한 예로, 검색을 통해서 검색 결과로 생성해 놓은 특허 집합을 보여 준다. 검색 결과를 그대로 저장할 수도 있고, 노이즈를 제거하면서 저장할 수도 있으며, 저장한 후에 사후적으로 노이즈를 제거할 수도 있다. 한편, 복수개의 저장된 특허 집합이 있을 경우, 합집합, 교집합, 차집합 등의 집합 연산을 통해서 새로운 특허 집합을 생성할 수 있음은 물론일 것이다.
도 33은 본 발명의 입수 특허 집합의 한 예로, 특허 분류 단위로 시스템이 사전에 생성해 놓은 특허 집합을 보여 준다. 본 방식의 국가별 또는 국가 통한 단위로 동일한 특허 분류 코드를 가지는 특허 문건들로 한정되는 특허 집합으로 시스템이 사전에 생성해 놓을 수 있는 특허 집합이다. 특허 분류 코드는 IPC, FT, FI, USPC, ECLA 등이 있을 수 있으며, 각 특허 분류 체계 상에서의 깊이를 가진다.
도 31은 본 발명의 입수 특허 집합의 한 예로, 출원인 단위로 시스템이 사전에 생성해 놓은 특허 집합을 보여 준다. 본 방식의 국가별 또는 국가 통한 단위로 동일한 특허 출원인(권리자)를 가지는 특허 문건들로 한정되는 특허 집합으로 시스템이 사전에 생성해 놓을 수 있는 특허 집합이다.
도 34는 본 발명의 집단 단위 인용 분석 정보 처리 시스템에서 분석 목적을 선택하는 일 실시예적 구성에 관한 도면이다. 분석 목적에는 총량, 출원인, 개별 문건, 발명자, 키워드 등 여러 가지가 있을 수 있다. 출원인, 발명자, 개별 문건, 등록 여부, 기간, 우선권 주장 국가 등은 서지 사항을 구성하는 필드별이 된다.
도 35는 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 분석 결과의 표시의 한 예로 네트워크 분석을 보여 주고 있다.
도 36은 본 발명의 집단 단위 인용 분석 정보 처리 시스템을 활용하는 예를 설명하기 위하여, 실제 분쟁이 발생한 사례에 관한 정보를 보여 주는 도면이다. 사례에는 분쟁 대상 특허와, 분쟁 당사자가 있음을 보여 준다.
도 37은 본 발명의 집단 단위 인용 분석 정보 처리 시스템을 사용하는 일례로, 권리자(aSSignee) 명의로 된 입수 특허 집합의 목록을 보여 주는 일 실시예적 도면이다.
도 38은 도 37에서 입수한 특허 집합을 입수 특허 집합으로 하여 인용 발생 입수 문건 집합을 생성하고, 인용 발생 입수 문건 집합을 구성하는 개별 특허 별로 인용 받은 회수를 함께 보여 주는 도면이다. 인용을 다수 받은 특허 중 상위 1,2,4위의 도 36의 특허가 분쟁 발생 특허임을 보여 주고 있다.
도 39는 1, 2, 3, 4위의 고 피인용 특허를 입수 특허 집합으로 하여, 이 입수 특허 집합의 후방 인용 특허 집합을 구성하고, 후방 인용 특허 집합을 구성하는 특허군에 해하여 권리자/출원인 별로 카운팅 한 결과를 보여 주고 있다. 이들 권리자/출원인 중에서 도 36의 분쟁 당사자가 포함되어 있음을 볼 수 있다.
도 40은 인용 분석 결과 중 전방 인용 특허 집합에 대한 기술 분류의 일종의 하나인 특허 분류의 관점에서 특허 분류 체계 상의 IPC 서브 클래스 단위에서 필드별 시계열 분석의 일례를 보여 주고 있다.
도 41은 본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템의 일 실시예적 구성을 보여 주는 도면이다.
도 42는 본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템이 특허 분쟁 대상 정보를 생성하는 방법에 대한 일 실시예적 구성을 보여 주는 도면이다.
도 43은 본 발명의 특허 분쟁 예측 정보 생성 시스템이 분쟁 예측 요소 및 분쟁 민감도 정보를 생성하는 일 실시예적 방법에 관한 것이다.
도 44는 본 발명의 특허 분쟁 예측 정보 생성 시스템이 분쟁 예측 정보를 생성하는 일 실시예적 방법에 관한 것이다.
도 2는 본 발명의 특허 정보 시스템의 구성에 관한 일실시예적 도면이다.
도 3은 본 발명의 데이터 가공부에 관한 일실시예적 도면이다.
도 4는 본 발명의 분석 정보 생성부에 관한 일실시예적 도면이다.
도 5는 본 발명의 평가 정보 생성부에 관한 일실시예적 도면이다.
도 6은 본 발명의 특허 분석 정보 생성부에 관한 일실시예적 도면이다.
도 7은 본 발명의 특화 대상 발견부에 관한 일실시예적 도면이다.
도 8은 본 발명의 유사 특허 집합 생성부에 관한 일실시예적 도면이다.
도 9는 본 발명의 초기 신호 발견부에 관한 일실시예적 도면이다.
도 10은 본 발명의 니치 기술 영역 발견부에 관한 일실시예적 도면이다.
도 11은 본 발명의 오픈 이노베이션 대상 발견부에 관한 일실시예적 도면이다.
도 12는 본 발명의 미래 기술 발견부에 관한 일실시예적 도면이다.
도 13은 본 발명의 부가 서비스 제공부에 관한 일실시예적 도면이다.
도 14는 본 발명의 융합 정보 처리부에 관한 일 실시예적 도면이다.
도 15는 본 발명의 핵심 키워드 DB의 일실시예적 구성에 관한 도면이다.
도 17은 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 옵션 선택부의 일 실시예적 구성에 관한 도면이다.
도 18은 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 인용 분석 실행부의 일 실시예적 구성에 관한 도면이다.
도 19는 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 정보 처리 방법의 일 실시예적 구성에 관한 도면이다.
도 20은 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 정보 처리 방법의 일 실시예적 구성에 관한 도면이다.
도 21은 본 발명의 집단 단위 인용 분석 정보 처리의 개념을 설명하기 위한 인용 분석 대상 특허 집합의 속성을 설명하기 위한 개념도이다.
도 22은 본 발명의 인용 분석 대상 특허 집합의 속성 중 전방 인용 특허 집합을 설명하기 위한 개념도이다.
도 23은 본 발명의 인용 분석 대상 특허 집합의 속성 중 후방 인용 특허 집합을 설명하기 위한 개념도이다.
도 24는 본 발명의 인용 분석 대상 특허 집합의 속성 중 전방 자기 인용 특허 집합과 후방 자기 인용 특허 집합을 설명하기 위한 개념도이다.
도 25는 본 발명의 인용 분석 대상 특허 집합의 속성 중 인용 발생 입수 특허 집합을 설명하기 위한 개념도이다.
도 26은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 인용 특허 집합과 후방 인용 특허 집합을 설명하는 개념도이다.
도 27은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 자기 인용 특허 집합과 후방 자기 인용 특허 집합을 설명하는 개념도이다.
도 28은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 인용 발생 입수 특허 집합을 설명하는 개념도이다.
도 29는 조건을 가하여 한정된 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 인용 특허 집합과 후방 인용 특허 집합을 설명하는 개념도이다. 전방 인용 특허 집합과 후방 인용 특허 집합도 입수 특허 집합에 한정을 가함에 따라 한정을 가하지 않은 입수 특허 집합에 대한 전방 인용 특허 집합과 후방 인용 특허 집합의 부분 집합이 됨을 보여 준다. 입수 특허 집합에 조건을 가하게 되면, 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합 모두가 한정을 가하지 않은 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합의 부분 집합이 된다.
도 30은 입수 특허 집합에 대한 인용 분석 대상 특허 집합으로서의 전방 인용 특허 집합과 후방 인용 특허 집합에 조건을 가하여 한정된 전방 인용 특허 집합과 한정된 후방 인용 특허 집합을 설명하는 개념도이다. 한정된 전방 인용 특허 집합이나 한정된 후방 인용 특허 집합과 마찬가지로 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합도 한정을 가하는 경우, 한정을 가하지 않은 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합의 부분 집합이 된다.
도 31은 본 발명의 입수 특허 집합의 한 예로, 출원인 단위로 시스템이 사전에 생성해 놓은 특허 집합을 보여 준다. 본 방식의 국가별 또는 국가 통한 단위로 동일한 특허 출원인(권리자)를 가지는 특허 문건들로 한정되는 특허 집합으로 시스템이 사전에 생성해 놓을 수 있는 특허 집합이다.
도 32는 본 발명의 입수 특허 집합의 한 예로, 검색을 통해서 검색 결과로 생성해 놓은 특허 집합을 보여 준다. 검색 결과를 그대로 저장할 수도 있고, 노이즈를 제거하면서 저장할 수도 있으며, 저장한 후에 사후적으로 노이즈를 제거할 수도 있다. 한편, 복수개의 저장된 특허 집합이 있을 경우, 합집합, 교집합, 차집합 등의 집합 연산을 통해서 새로운 특허 집합을 생성할 수 있음은 물론일 것이다.
도 33은 본 발명의 입수 특허 집합의 한 예로, 특허 분류 단위로 시스템이 사전에 생성해 놓은 특허 집합을 보여 준다. 본 방식의 국가별 또는 국가 통한 단위로 동일한 특허 분류 코드를 가지는 특허 문건들로 한정되는 특허 집합으로 시스템이 사전에 생성해 놓을 수 있는 특허 집합이다. 특허 분류 코드는 IPC, FT, FI, USPC, ECLA 등이 있을 수 있으며, 각 특허 분류 체계 상에서의 깊이를 가진다.
도 31은 본 발명의 입수 특허 집합의 한 예로, 출원인 단위로 시스템이 사전에 생성해 놓은 특허 집합을 보여 준다. 본 방식의 국가별 또는 국가 통한 단위로 동일한 특허 출원인(권리자)를 가지는 특허 문건들로 한정되는 특허 집합으로 시스템이 사전에 생성해 놓을 수 있는 특허 집합이다.
도 34는 본 발명의 집단 단위 인용 분석 정보 처리 시스템에서 분석 목적을 선택하는 일 실시예적 구성에 관한 도면이다. 분석 목적에는 총량, 출원인, 개별 문건, 발명자, 키워드 등 여러 가지가 있을 수 있다. 출원인, 발명자, 개별 문건, 등록 여부, 기간, 우선권 주장 국가 등은 서지 사항을 구성하는 필드별이 된다.
도 35는 본 발명의 집단 단위 인용 분석 정보 처리 시스템의 분석 결과의 표시의 한 예로 네트워크 분석을 보여 주고 있다.
도 36은 본 발명의 집단 단위 인용 분석 정보 처리 시스템을 활용하는 예를 설명하기 위하여, 실제 분쟁이 발생한 사례에 관한 정보를 보여 주는 도면이다. 사례에는 분쟁 대상 특허와, 분쟁 당사자가 있음을 보여 준다.
도 37은 본 발명의 집단 단위 인용 분석 정보 처리 시스템을 사용하는 일례로, 권리자(aSSignee) 명의로 된 입수 특허 집합의 목록을 보여 주는 일 실시예적 도면이다.
도 38은 도 37에서 입수한 특허 집합을 입수 특허 집합으로 하여 인용 발생 입수 문건 집합을 생성하고, 인용 발생 입수 문건 집합을 구성하는 개별 특허 별로 인용 받은 회수를 함께 보여 주는 도면이다. 인용을 다수 받은 특허 중 상위 1,2,4위의 도 36의 특허가 분쟁 발생 특허임을 보여 주고 있다.
도 39는 1, 2, 3, 4위의 고 피인용 특허를 입수 특허 집합으로 하여, 이 입수 특허 집합의 후방 인용 특허 집합을 구성하고, 후방 인용 특허 집합을 구성하는 특허군에 해하여 권리자/출원인 별로 카운팅 한 결과를 보여 주고 있다. 이들 권리자/출원인 중에서 도 36의 분쟁 당사자가 포함되어 있음을 볼 수 있다.
도 40은 인용 분석 결과 중 전방 인용 특허 집합에 대한 기술 분류의 일종의 하나인 특허 분류의 관점에서 특허 분류 체계 상의 IPC 서브 클래스 단위에서 필드별 시계열 분석의 일례를 보여 주고 있다.
도 41은 본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템의 일 실시예적 구성을 보여 주는 도면이다.
도 42는 본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템이 특허 분쟁 대상 정보를 생성하는 방법에 대한 일 실시예적 구성을 보여 주는 도면이다.
도 43은 본 발명의 특허 분쟁 예측 정보 생성 시스템이 분쟁 예측 요소 및 분쟁 민감도 정보를 생성하는 일 실시예적 방법에 관한 것이다.
도 44는 본 발명의 특허 분쟁 예측 정보 생성 시스템이 분쟁 예측 정보를 생성하는 일 실시예적 방법에 관한 것이다.
이하, 도면을 참조하면서, 본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템에 대하여 설명한다.
도 41은 본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템의 일 실시예적 구성을 보여 주는 도면이다.
상기 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템(4000)은 특허 분쟁 예측 정보를 생성하는 분쟁 예측 엔진(4100), 분쟁에 대한 각종 데이터를 저장하고 있는 분쟁 DB부(4200), 특허 분쟁 정보의 입출력을 담당하는 분쟁 정보 입출력부(4300), 특허 분쟁에 대해서 시스템 및/또는 사용자의 관리 정보를 제어하는 분쟁 관리부(4400) 및 분쟁 예측 알고리즘을 생성하는 분쟁 예측 알고리즘 생성부(4500)를 포함하고 있을 수 있다.
상기 분쟁 예측 엔진(4100)은 분쟁 예측 요소마다 기설정된 분쟁 예측 요소값 생성 규칙에 따라 분쟁 예측 요소값을 생성하는 분쟁 예측 요소값 생성부(4110), 상기 분쟁 예측 알고리즘부(4500)가 생성한 분쟁 예측 알고리즘을 저장하거나 관리하거나, 사용하도록 제어하는 분쟁 예측 알고리즘부(4120), 분쟁 예측 알고리즘이 적용되어 있는 적어도 하나 이상의 분쟁 예측 모델에 대한 정보를 포함하고 있는 분쟁 예측 모델부(4130) 및 분쟁 예측 결과에 대한 기설정된 출력 정보를 생성하는 분쟁 예측 결과 출력부(4140)를 포함하고 있을 수 있다.
한편, 상기 분쟁 예측 요소값 생성부(4110)는 생성되는 분쟁 예측 요소값의 속성에 따라, 인용 계열 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 인용 계열 분쟁 예측 요소값 생성부(4111), 제품이나 기술군 계열 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 제품/기술군 계열 분쟁 예측 요소값 생성부(4112), 권리자나 출원인, 발명자 등 주체 계열 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 주체 계열 분쟁 예측 요소값 생성부(4113), 사용자가 입력하거나 설정하는 적어도 하나 이상의 트롤(Patent Troll), 특허 기술 분류, 특허 집합, 경쟁사나 관계사, 표준 특허 등과 같은 기설정된 속성을 가지는 특허군 등과 같이 사용자 계열 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 사용자 입력 계열 분쟁 예측 요소값 생성부(4114)가 있다.
상기 분쟁 DB부(4200)에는 발생된 분쟁에 관한 정보를 저장하는 분쟁 발생 DB(4210)가 있으며, 상기 분쟁 발생 DB부(4210)가 저장하는 정보에는 분쟁 고유 식별자 정보, 분쟁 처리 법원 정보, 적어도 하나 이상의 분쟁 대상 특허 정보(특허 번호, 및/또는 상기 특허 번호에 대응되는 서지 정보, 및/또는 명세서 정보, 및/또는 도면 정보, 및/또는 경과 정보 등 상기 특허 번호로 특정될 수 있는 일체의 특허 정보), 적어도 하나 이상의 원고 정보, 적어도 하나 이상의 피고 정보, 적어도 하나 이상의 소송 경과 정보 등이 저장되어 있을 수 있다. 한편, 상기 분쟁 DB부(4200)에는 분쟁 예측 요소와 관련된 데이터를 저장하고 있는 분쟁 예측 요소 DB(4220), 분쟁 예측 알고리즘과 관련된 데이터를 저장하고 있는 분쟁 예측 알고리즘 DB(4230), 분쟁 예측 모델과 관련된 데이터를 저장하고 있는 분쟁 예측 모델 DB(4240)를 포함하고 있을 수 있다.
상기 분쟁 정보 입출력부(4300)에는 특허 분쟁 관련된 데이터를 입수하고, 파싱(parsing) 등의 처리하는 분쟁 데이터 입수부(4310), 사용자가 입력하는 분쟁 관련 data를 처리하는 사용자 특허 분쟁 입력부(4320), 분쟁 관련되어 상기 분쟁 예측 엔진이 생성하는 분쟁 정보 및 상기 분석 정보 생성부(400)이 생성하는 각종 분석 정보에 대한 기설정된 적어도 하나 이상의 기설정된 형식의 리포트를 생성하는 특허 분쟁 정보 리포트 생성부(4330), 특허 분쟁 정보를 사용자에게 제공하는 특허 분쟁 UI부(4340)를 포함하고 있을 수 있다. 상기 특허 분쟁 정보 리포트 생성부(4330)가 생성하는 리포트는 상기 분쟁정보 입출력부(4300)를 통하여 사용자에게 전자 우편 등으로 메일링 또는 기설정된 방식으로 리포팅할 수 있다.
한편, 상기 특허 분쟁 관리부(4400)는 특허 분쟁에 대하여 상기 시스템의 관리자가 관리하는 특허 분쟁 정보에 대응되는 특허 분쟁 시스템 관리부(4410)와 사용자가 관리하는 특허 분쟁 정보에 대응되는 사용자 특허 분쟁 관리부(4420)가 있다.
그리고, 상기 분쟁 예측 알고리즘 생성부(4500)에는 분쟁 예측 요소 후보 정보를 저장하고 있는 분쟁 예측 요소 후보 DB(4510), 분쟁 예측 요소 후보값을 생성하는 분쟁 예측 요소 후보값 생성부(4520), 상기 분쟁 예측 요소 후보값을 사용하여 분쟁 예측 알고리즘을 생성하는 분쟁 예측 알고리즘 생성부(4530), 상기 분쟁 예측 알고리즘을 사용하여 분쟁 예측 모델을 생성하는 분쟁 예측 모델 생성부(4540)를 포함할 수 있다.
도 42는 본 발명의 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템이 특허 분쟁 대상 정보를 생성하는 방법에 대한 일 실시예적 구성을 보여 주는 도면이다. 특허 분쟁 대상 정보를 처리하는 방법은 상기 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 시스템이 상기 시스템을 사용하는 사용자 컴퓨터로부터 적어도 하나 이상의 특허 문건이 대응될 수 있는 기설정된 종류의 적어도 하나 이상의 사용자 입력을 받아 적어도 하나 이상의 사용자 특허 집합을 생성하는 단계(PLS11); 상기 사용자 특허 집합에 포함된 사용자 대응 특허를 대상으로 적어도 하나 이상의 기설정된 분쟁 예측 요소의 분쟁 예측 요소값을 생성하는 단계(PLS12); 및 상기 분쟁 예측 요소값을 적어도 하나 이상의 기설정된 분쟁 예측 모델로 적어도 하나 이상의 분쟁 예측 결과 정보를 생성하는 단(PLS13)계;를 포함하며, 상기 분쟁 예측 요소는 상기 사용자 대응 특허에 대한 인용 관계에 있는 인용 관계 특허군을 처리하여 생성하는 인용 정보 계열, 상기 사용자 대응 특허와 기설정된 관련성을 가지는 유관 특허군을 처리하여 생성하는 유관 정보 계열, 상기 사용자 대응 특허가 속하는 기술 분야 특성을 처리하는 생성하는 기술 분야 반영 정보 계열, 상기 사용자 대응 특허가 속하는 제품 분야 또는 상기 사용자가 입력하는 제품 분야 특성을 처리하는 생성하는 제품 분야 반영 정보 계열, 상기 인용 관계 특허가 적어도 하나 이상의 기설정된 권리자 속성과 기설정된 관련성을 가지는 정도를 처리하여 생성하는 인용 권리자 정보 계열 및 상기 유관 특허가 적어도 하나 이상의 기설정된 권리자 속성과 기설정된 관련성을 가지는 정도를 처리하여 생성하는 유관 권리자 정보 계열 중 어느 하나 이상을 사용하여 생성된다.
특허 분쟁이 일어난 특허(분쟁 대상 특허)들은 www.westlaw.com의 patent practitioner 등과 같은 온라인 사이트 등에서 유료 또는 무료로 입수할 수 있다. 이들 특허 분쟁 관련 데이터를 분석하면 다음과 같은 사실을 알 수 있다.
첫째, 분쟁 대상 특허와 소송 피고들 간의 인용 관계이다. 분쟁 대상 특허와 소송 피고 간에는 강한 인용 관계가 존재하는 경우가 많다. 즉, 분쟁 대상 특허를 피고의 특허가 인용하는 관계가 성립하는 경우가 많다. 이러한 인용 관계는 분쟁 대상 특허를 인용하는 후출원 특허들의 권리자(출원인) 정보 등과 같은 서지 사항을 입수하여, 입수된 서지 사항을 분석함으로써 알 수 있게 된다. 인용 관계가 분쟁 대상과 관련하여 중요한 역할을 하는 이유는 1) 특허들이 제품에 반영되는 경향이 강하고, 후출원 권리자가 자신의 제품의 기능(특히, 개선, 개량 기능)을 보호하기 위하여 그 기능과 관련된 특허를 출원하는 경우가 많으며, 2) 후출원 권리자의 특허권자가 선출원 권리자의 특허를 알고 있어 IDS 등으로 공개하거나, 선행 기술 조사, 특허청 심사관의 심사 과정에서 후출원 특허와 관련 있는 특허로 reference 등에 등재되는 경우가 많으며, 3) 선출원 권리자도 자신의 특허를 인용하는 후출원 권리자를 모니터링 하는 경우가 많으며, 4) 후출원 권리자로부터 많은 인용을 받는 선출원 권리자의 특허는 후출원 권리자의 제품에 반영되거나 강한 관련성을 가지는 경우가 많기 때문에(특히, 선출원 권리자의 특허의 청구항이 넓은 권리 범위를 가지는 경우에는 더욱 더 그러하다) 인용 관계는 분쟁과 상당히 강한 관련성을 가진다.
위와 같은 특허 분쟁과 인용과의 관계성에 따라, 다음과 같은 인용 관점 분쟁 예측 요소 후보군을 도출할 수 있다. 선출원 권리자의 개별 특허 관점에서, 개별 특허를 인용하는 후출원 특허를 대상으로 하여 1) 총피인용수, 2) 총피인용수 증가율, 3) 총피인용 집중율, 최근 5년 등과 같은 특정 기간을 중심으로 하는 4) 특정 기간 총피인용수, 5) 특정 기간 총피인용수 증가율, 6) 특정 기간 총피인용 집중율, 특정 국가의 후출원인이나 특정 특허 분류, 또는 특정한 키워드를 포함하는 특허를 출원한 후출원인, 특정한 검색 조건을 충족하는 특허를 보유하는 후출원인 등과 같은 7) 기설정된 특정 조건별로 그 조건을 충족하는 총피인용수, 8) 기설정된 특정 조건별로 그 조건을 충족하는 총피인용수 증가율, 9) 기설정된 특정 조건별로 그 조건을 충족하는 총피인용 집중율 등과 같은 인용 관점 분쟁 예측 요소의 인용 관점 분쟁 예측 요소값 중 어느 하나 이상을 계산할 수 있다. 상기 후출원 특허는 적어도 1 depth 이상의 후출원 특허를 말한다. 한편, 선출원 특허도 적어도 1 depth 이상의 선출원 특허를 말한다. 상기 인용의 깊이(depth)는 시스템 또는 사용자의 설정에 따라 변동될 수 있음은 물론일 것이다. 바람직하게는 1 내지 2 depth가 타당할 것이다.
한편, 적어도 하나 이상의 선출원 권리자의 특허군에서 기설정된 조건 또는 사용자의 선택에 의해 선택되는 적어도 하나 이상의 특허군에 포함되는 특허들에 대하여, 개별 특허들에 대한 후출원 특허 정보를 합산(중복을 허용하는 것이 더욱 더 타당할 것이다. 즉, 하나의 특허군에 속하는 2개 이상의 다른 특허를 동일한 후출원 특허가 인용되는 경우, 그 후출원 특허는 1이 아닌 인용 회수만큼 취급하는 것이 더욱 더 타당할 것이다.)하여, 합산된 후출원 특허군 상기 1) 내지 9)를 계산할 수 있음은 물론이다 할 것이다.
이때, 상기 1) 내지 9) 중 어느 하나 이상에 대하여, 1a) 후출원 권리자별, 2a) 후출원 개별 특허별, 3a) 후출원 발명자별, 4a) 특정한 특허 집합에 속하는 후출원 특허군 또는 특허별로 상기 1) 내지 9) 중 어느 하나 이상의 값을 계산할 수 있게 된다. 상기 1) 내지 9) 또는 상기 1) 내지 9)와 상기 1a) 내지 4a)의 교차 영역에 해당하는 것들에 대하여 값을 계산할 수 있게 된다. 상기 1) 내지 9) 또는 상기 1) 내지 9)와 상기 1a) 내지 4a)의 교차 영역에 해당하는 것들이 분쟁 예측 요소 후보가 되며, 상기 분쟁 예측 요소 후보에 대하여 계산되는 값은 분쟁 예측 요소 후보값이 된다. 이들 분쟁 예측 요소 후보값들은 선출원 특허의 관점에서 생성되는 것이므로, 선출원 관점 분쟁 예측 요소 후보값이 될 수 있다.
상기는 선출원 권리자의 개별 특허 관점 또는 특허군 관점에서 설명하였으나, 후출원 권리자 등과 같은 기설정된 속성을 지니는 개별 특허 또는 기설정된 속성을 지니는 특허군에 속한 특허에 대하여, 후출원 관점의 분쟁 예측 평가 요소 후보값을 생성할 수 있을 것이다.
즉, 적어도 하나 이상의 후출원 권리자의 특허군에서 기설정된 조건 또는 사용자의 선택에 의해 선택되는 적어도 하나 이상의 특허군에 포함되는 특허들에 대하여, 개별 특허들에 대한 선출원 특허 정보를 합산(중복을 허용하는 것이 더욱 더 타당할 것이다. 즉, 하나의 특허군에 속하는 2개 이상의 다른 특허를 동일한 선출원 특허가 피인용되는 경우, 그 선출원 특허는 1이 아닌 피인용 회수만큼 취급하는 것이 더욱 더 타당할 것이다.)하여, 합산된 선출원 특허군 상기 1) 내지 9)를 계산할 수 있음은 물론이다 할 것이다. 이때, 상기 1) 내지 9) 중 어느 하나 이상에 대하여, 1a) 선출원 권리자별, 2a) 선출원 개별 특허별, 3a) 선출원 발명자별, 4a) 특정한 특허 집합에 속하는 선출원 특허군 또는 특허별로 상기 1) 내지 9) 중 어느 하나 이상의 값을 계산할 수 있게 된다. 상기 1) 내지 9) 또는 상기 1) 내지 9)와 상기 1a) 내지 4a)의 교차 영역에 해당하는 것들에 대하여 값을 계산할 수 있게 된다. 상기 1) 내지 9) 또는 상기 1) 내지 9)와 상기 1a) 내지 4a)의 교차 영역에 해당하는 것들이 인용 관점 분쟁 예측 요소 후보가 되며, 상기 인용 관점 분쟁 예측 요소 후보에 대하여 계산되는 값은 인용 관점 평가 요소 후보값이 된다. 이들 인용 관점 분쟁 예측 요소 후보값들은 후출원 특허의 관점에서 생성되는 것이므로, 인용 관점 후출원 관점 분쟁 예측 요소 후보값이 될 수 있다.
특정 특허 집합(Self Set, SS)이 있을 때, 상기 특허 집합에 포함된 특허가 인용하는 특허군으로 형성되는 특허 집합은 선출원 특허 집합(Parent Set)이 될 수 있고, 특정한 조건을 만족하는 특허(예를 들면 상기 특허 집합에 포함된 특허를 인용하는 특허 중 최근 3년 이내 또는 특정 출원인 또는 특허 분류를 포함하는 특허 등) 등도 선출원 특허 집합(Parent Set)이 될 수 있다. 등록 특허가 이 선출원 특허 집합에 포함된 특허들의 임의의 조합은 선출원 특허군이 된다. 상기 특허 집합에 포함된 특허를 인용하는 특허군 또는 특정한 조건을 만족하면서 상기 특허 집합에 포함된 특허를 인용하는 특허군으로 형성되는 특허 집합은 후출원 특허 집합(Child Set)이 될 수 있다. 상기 후출원 특허 집합에 포함된 특허들의 임의의 조합은 후출원 특허군이 된다. 상기 인용 관점 분쟁 예측 요소값은 상기 특정 특허 집합별, 선출원 특허 집합별, 후출원 특허 집합별로도 생성될 수 있다. B라는 특정 특허 집합이 A라는 특허 집합의 후출원 특허 집합일 경우, A가 Self Set이 되고, B는 Child Set이 되며, B라는 특정 특허 집합이 C라는 특허 집합의 선출원 특허 집합일 경우, C가 Self Set이 되고, B는 Parent Set이 된다. 한편, 인용-피인용 관계의 특성상 B라는 특정 특허 집합이 A라는 특허 집합의 후출원 특허 집합일 경우, 반드시 B의 Parent Set이 A가 되는 것은 아니다. B의 Parent Set의 부분 집합이 A가 되는 것이 보통이다.
둘째, 특허 분쟁에 다수 참여하는 다분쟁 유발 특허가 존재한다. 등록된 모든 특허권에 대하여 고르게 분쟁이 유발되는 것이 아니라, 분쟁에 관련되는 분쟁 대상 특허는 소수이며, 특히 몇몇의 다분쟁 유발 특허가 다수의 분쟁을 유발시킨다. 상기 다분쟁 유발 특허는 특허 분쟁 정보를 분석함으로써도 알 수 있다. 특허 분쟁이 발생한 특허를 특허 분쟁별로 입수하여, 특허 분쟁과 관련된 특허 번호를 입수하고, 그 특허 번호 중 기설정된 분쟁 참여 회수 이상인 것은 다분쟁 유발 특허가 된다. 이러한 분쟁 발생 특허는 제1종 다분쟁 유발 특허가 된다.
한편, 분쟁 발생은 되지 않았지만, 분쟁 가능성이 높은 특허들도 존재한다. 예를 들면, 특허 괴물 또는 특허 괴물의의 자회사, 유관 회사, 특허 괴물이 관리하는 대상 권리자의 적어도 하나 이상의 특허군들이나, 적어도 하나 이상의 표준 특허풀에 포함된 특허, 다분쟁 유발자가 보유하고 있는 특허군의 특허나 이들에 신규로 편입(편입 여부는 current assignee 정보를 처리함으로 알 수 있다.)된 특허들이 예가 된다. 이러한 예에 속하는 특허를 제2종 다분쟁 유발 특허라 한다.
한편, Reissue 특허, 다패밀리량 특허, 다패밀리량 증가 특허, 다피인용 특허, 피인용 증가 속도가 높은 특허 등과 같은 특허를 제3종 다분쟁 유발 특허라 한다.
이때, 상기 다분쟁 유발 개별 특허의 관점 또는 기설정된 기간 또는 특정 국가의 후출원인이나 특정 특허 분류, 또는 특정한 키워드를 포함하는 특허를 출원한 후출원인, 특정한 검색 조건을 충족하는 다분쟁 유발 개별 특허의 관점에서 상기 1) 내지 9) 및/또는 상기 1) 내지 9)와 1a) 내지 4a) 등과 같은 선출원 인용 관점 분쟁 예측 요소 후보값과, 후출원 인용 관점 분쟁 예측 요소 후보값을 생성할 수 있을 것이다.
한편, 상기 다분쟁 유발 개별 특허의 관점 또는 기설정된 기간 또는 특정 국가의 후출원인이나 특정 특허 분류, 또는 특정한 키워드를 포함하는 특허를 출원한 후출원인, 특정한 검색 조건을 충족하는 다분쟁 유발 개별 특허군의 관점에서 상기 1) 내지 9) 및/또는 상기 1) 내지 9)와 1a) 내지 4a) 등과 같은 선출원 관점 분쟁 예측 요소 후보값과, 후출원 관점 분쟁 예측 요소 후보값을 생성할 수 있을 것이다.
개별 특허를 기준으로 상기 개별 특허 기준 다분쟁 유발 특허 관점 분쟁 예측 요소별로 상기 제1종, 제2종 및/또는 제3종 다분쟁 유발 개별 특허 인지의 여부는 개별 특허 기준 다분쟁 유발 특허 관점 분쟁 예측 요소값을 생성할 수 있다. 개별 특허 기준 다분쟁 유발 특허 관점 분쟁 예측 요소값은 Reissue 특허 해당 여부 등과 같이 해당되는 경우 1, 해당되지 않는 경우에는 0처럼 취급될 수도 있지만, 대부분의 다분쟁 유발 특허 관점 분쟁 예측 요소값은 0과 1이 아닌 값(예를 들어 패밀리량은 정수, 피인용 증가 속도는 유리수값이 될 수도 있다.)이 될 수도 있다. 한편, 개별 특허가 아닌 특허군 단위로 상기 다분쟁 유발 특허 관점 분쟁 예측 요소별로 상기 제1종, 제2종 및/또는 제3종 다분쟁 유발 특허 관점 분쟁 예측 요소값을 생성할 수 있다. 즉, n개의 특허로 이루어진 다분쟁 유발 특허군이 있을 때, 상기 n개의 특허 중에서 상기 다분쟁 유발 특허 관점 분쟁 예측 요소별로 다분쟁 유발 특허 관점 분쟁 예측 요소값을 생성할 수 있다. 이때 생성되는 다분쟁 유발 특허 관점 분쟁 예측 요소값은 카운트(합산 포함)값, 평균값(산술평균, 기하평균 등) 및 기설정된 함수식값 중 어느 하나가 될 수 있다. 예를 들어 100개의 특허로 이루어진 특허군이 있을 때, Reissue 특허의 개수가 10개일 경우, 10이 카운트값이 될 수 있다. 한편, 동일한 Reissue 특허 10개라도 모집단(n)이 작을수록 그 모집단은 상대적으로 많은 Reissue특허를 포함하게 된다. 즉, Reissue값의 밀도가 높아지게 되며, 높은 밀도는 그 특허군이 분쟁과 관련될 가능성을 높이게 된다. 한편, 상기 밀도는 평균값으로 측정될 수 있을 것이다.
나아가, 상기 제1종, 제2종 및/또는 제3종 다분쟁 유발 개별 특허별 또는 상기 제1종, 제2종 및/또는 제3종 다분쟁 유발 개별 특허군별로 상기 인용 관점 분쟁 예측 요소 후보값들을 생성할 수 있음은 물론이다 할 것이다.
셋째, 다분쟁 유발자가 존재한다. 다분쟁 유발자 정보는 특허 분쟁 정보를 입수하고, 특허 분쟁 정보에 포함된 특허 번호의 권리자 또는 원고(plaintiff)와 관련되어, 기설정된 빈도(frequency) 또는 기설정된 증가율 등의 각종 조건을 적용하여 적어도 하나 이상의 다분쟁 유발자를 추출할 수 있다. 분쟁 정보를 분석하여 생성하는 다분쟁 유발자를 제1종 다분쟁 유발자라 한다. 한편, 특허 괴물 또는 적어도 하나 이상의 특허풀에 기설정된 개수 이상의 특허를 보유하고 있거나 기설정된 조건(최근 개수, 고증가율)을 충족하는 특허를 보유하고 있는 권리자 등은 제2종 다분쟁 유발자라 한다. 그리고, 권리자들 중에서 그 권리자의 전체 특허 포트폴리오 또는 특정 시기 또는 특정 조건으로 결정되는 특허군의 특허 중에서 Reissue 특허 비중, 다패밀리량 특허 비중, 다패밀리량 증가 특허 비중, 다피인용 특허 비중, 피인용 증가 속도가 높은 특허 비중 등이 높은 특허군을 보유하는 권리자를 제3종 다분쟁 유발 권리자라 한다.
상기 특정 특허 집합이 있을 경우, 상기 특정 특허 집합(Self Set), 상기 Parent Set, 상기 Child Set별로, 상기 각 Set에 속한 개별 특허가 기설정된 적어도 하나 이상의 다분쟁 유발자와 관련성(다분쟁 유발자가 그 개별 특허의 권리자인지 여부 등)의 유무로써, 다분쟁 유발자 관점 분쟁 예측 요소값을 생성할 수 있을 것이다. n개의 특허로 이루어진 Set가 있을 때, 상기 n개의 특허 중에서 상기 다분쟁 유발자가 권리자로 되어 있는 특허의 카운트값, 평균값 및 기설정된 함수식값 중 어느 하나 이상을 다분쟁 유발자 관점 분쟁 예측 요소값으로 할 수 있다. 예를 들어 100개의 특허로 이루어진 특허군이 있을 때, AA라는 다분쟁 유발자가 권리자로 된 특허의 개수가 10개일 경우, 10이 카운트값이 될 수 있다. 한편, 동일한 다분쟁 유발자가 권리자인 특허가 10개라도 모집단(n)이 작을수록 그 모집단은 상대적으로 많은 수의 다분쟁 유발자가 권리자로 된 특허를 포함하게 된다. 즉, 다분쟁 유발자 관련 밀도가 높아지게 되며, 높은 밀도는 그 특허군이 분쟁과 관련될 가능성을 높이게 된다. 한편, 상기 밀도는 평균값으로 측정될 수 있을 것이다.
나아가, 상기 제1종, 제2종 및/또는 제3종 다분쟁 유발자의 다분쟁 유발자의 전체 특허로 생성되는 특허군 또는 기설정된 조건(특정 기간, 특정 특허 분류, 또는 특정 검색어 또는 기타 조건)을 충족하는 특허군 각각에 대하여 상기 인용 관점 분쟁 예측 요소 후보값을 생성해 놓을 수 있을 것이다.
넷째, 소송이 빈번하게 발생하는 다분쟁 기술군이 존재한다. 예를 들면, 미국 특허 분쟁 정보에서 분쟁 유발 특허의 특허 분류 중에서 IPC 기준 G06F와 A61K에는 다른 특허 분류에 비하여 다수의 특허 분쟁이 발생함을 알 수 있다. 분쟁 유발 특허에는 적어도 한 종류 이상의 적어도 하나 이상의 특허 분류가 포함되어 있으며, 상기 특허 분류를 처리하여 적어도 하나 이상의 다분쟁 기술군을 추출한다. 상기 다분쟁 기술군은 IPC, USPC 또는 기타 특허 서지 사항에 포함되어 있는 특허 분류가 될 수 있다. 한편, 특허 분류 체계의 계층 구조상 다양한 계층별로의 다분쟁 기술군 정보를 생성할 수 있다. 예를 들어, H04B 7/26라는 특허 분류가 있을 때, H04B 7/26(2 dot Subgroup) 부모는 특허 분류 체계 상 차례로 H04B 7/24(1dot Subgroup), H04B 7/00(Main Group), H04B(SubClass), H04(Class), H(Section)가 된다. 따라서, n dot Subgroup부터 Main Group, Sublcass, Class 등과 같이 각 계층별로 분쟁 발생 특허군의 특허 분류를 기준으로 적어도 하나 이상의 최빈 특허 분류를 추출할 수 있을 것이다. 이때, 주특허 분류(Main Classification)만으로 최빈 특허 분류를 추출할 지, 부특허 분류(Sub Classification)을 포함하여 최빈 특허 분류를 추출할 지는 시스템의 설정 또는 사용자의 선택에 따라 달라질 수 있다. 물론, 특허 분류 계층 구조상의 어느 깊이(IPC의 경우 Section에서 n dot Subgroup, USPC의 경우 Class에서 n dot Subgroup 등 특허 분류 체계의 종류마다 다를 수 있다.)를 선택할지도 시스템의 설정 또는 사용자의 선택에 따라 달라질 수 있다.
상기 특정 특허 집합이 있을 경우, 상기 특정 특허 집합(Self Set), 상기 Parent Set, 상기 Child Set별로, 상기 각 Set에 속한 개별 특허가 기설정된 적어도 하나 이상의 다분쟁 기술군과 관련성(다분쟁 기술군에 대응되는 특허 분류에 그 개별 특허의 특허 분류 정보가 해당하는지 여부 등)의 유무로써, 다분쟁 기술군 관점 분쟁 예측 요소값을 생성할 수 있을 것이다. n개의 특허로 이루어진 Set가 있을 때, 상기 n개의 특허 중에서 상기 다분쟁 기술군에 대응되는 특허의 카운트값, 평균값 및 기설정된 함수식값 중 어느 하나 이상을 다분쟁 기술군 관점 분쟁 예측 요소값으로 할 수 있다. 예를 들어 100개의 특허로 이루어진 특허군이 있을 때, BB라는 다분쟁 기술군에 대응되는 특허의 개수가 10개일 경우, 10이 카운트값이 될 수 있다. 한편, 동일한 다분쟁 기술군에 대응되는 특허가 10개라도 모집단(n)이 작을수록 그 모집단은 상대적으로 많은 수의 다분쟁 기술군과 관련된 특허를 포함하게 된다. 즉, 다분쟁 기술군 관련 밀도가 높아지게 되며, 높은 밀도는 그 특허군이 분쟁과 관련될 가능성을 높이게 된다. 한편, 상기 밀도는 평균값으로 측정될 수 있을 것이다.
나아가, 상기 제1종, 제2종 및/또는 제3종 다분쟁 기술군의 전체 특허(예를 들면, H04B 7/24가 다분쟁 기술군일 경우, Main IPC로 H04B 7/24를 포함하는 특허로 된 특허군(물론, H04B 7/24를 Parent 특허 분류로 하는 Child 특허 분류가 있을 경우, 그 Child 특허 분류 모두를 포함하는 특허로 된 특허군을 포함한다. 이는 특허 분류의 계층 구조의 속성상 당연할 것이다.)로 생성되는 특허군 또는 기설정된 조건(특정 기간, 특정 특허 분류, 또는 특정 검색어 또는 기타 조건)을 충족하는 특허군 각각에 대하여 상기 인용 관점 분쟁 예측 요소 후보값을 생성해 놓을 수 있을 것이다.
상기 각 관점별로의 분쟁 예측 요소(후보)에 대한 분쟁 예측 요소 후보값의 생성은 본 발명의 분쟁 예측 알고리즘 생성부(4500)의 분쟁 예측 요소 후보값 생성부(4520)가 담당한다.
이어, 분쟁 예측 요소 후보 중에서 분쟁 예측 요소를 선별하는 방법에 대해서 설명한다.
적어도 하나 이상의 조건을 충족하는 특정된 분쟁 발생 특허들로 이루어진 분쟁 특허 집합이 있고, 상기 분쟁 특허 집합에는 N개의 분쟁 발생 특허가 있다고 하자. 이때, 상기 분쟁 발생 특허에 대하여 n 개의 분쟁 예측 요소 후보에 대하여, n-m개의 분쟁 예측 요소를 선별하는 일 실시예적 방법을 설명한다.
먼저 n개의 분쟁 예측 요소 후보 집합을 수립한다. 개별 특허 Ni에 대하여 상기 분쟁 예측 요소 후보 집합의 원소가 되는 분쟁 예측 요소 후보 및 그 분쟁 예측 요소 후보값을 생성하는 방법의 일 실시예적 구성은 하기 표 1과 같을 수 있다.
| 분쟁 예측 요소 후보(예시) | 그 분쟁 예측 요소 후보값을 생성하는 방법(예시) | |
| 1 | 피인용수 | Ni를 인용하는 후출원 특허수 |
| 2 | 최근 5년간 피인용수 | 등록일 기준 최근 5년간 Ni를 인용하는 후출원 특허수 |
| 3 | 피인용수 증가율 | 등록일 기준 최근 5년간 Ni를 인용하는 후출원 특허수/ Ni를 인용하는 후출원 특허수 |
| 4 | 패밀리수 | Ni의 특정 국가 내 패밀리 수 (또는 해외 패밀리 수를 포함한 전체 패밀리 수 또는 출원/등록된 패밀리 수) |
| 5 | 특허 분쟁 발생수 | Ni가 특허 분쟁에 참여한 회수 |
| 6 | 표준 특허풀 포함수 | Ni가 참여하고 있는 표준 특허풀 수 |
| 7 | Reissue 특허 관련 여부 | Ni가 Reissue 특허인지 여부 (또는 Reissue 특허 관련성) |
| 8 | 등록된 트롤 관련성 | Ni의 권리자 속성이 등록된 트롤인지의 여부(또는 트롤 속성의 강도(strength)) |
| 9 | 다분쟁 권리자 관련성 | Ni의 권리자 속성이 분쟁 원고로 참여한 회수 |
| 10 | 대기업 여부 | Ni의 권리자 속성이 대기업인지 여부(대기업 여부는 미국 등록 특허인 경우, Maintenance Fee 정보에 나옴) |
| 11 | 분쟁 경험 권리자 관련성 | Ni의 권리자가 분쟁 원고, 분쟁 피고, 소송 참여자, 소송 청구인, 소송 피청구인이었던 회수 |
| 12 | 권리자 기관 속성 | Ni의 권리자가 기업/연구기관/대학/개인인지 여부(출원인의 유형 정보에서 도출함) |
| 14 | 분쟁 급증 권리자 관련성 | Ni의 권리자의 최근 5년 분쟁 참여 회수/전 기간 분쟁 참여 회수 |
| 15 | 해당 기술 분야 점유율 | IPC Main Group 기준 Ni 권리자의 점유율 |
| 16 | 해당 기술 분야 활동율(Activity Index) | IPC Main Group 기준 Ni 권리자의 활동율 |
| 17 | 권리자 분쟁 특허 보유수 | Ni 권리자의 분쟁 제기 특허수 |
| 18 | 분쟁 빈발 기술군 관련성 | IPC Main Group 기준 분쟁 빈도 랭킹 |
| 19 | 분쟁 급증 기술군 관련성 | 최근 5년 기준 IPC Main Group 기준 분쟁 빈도/전기간 기준 IPC Main Group 기준 분쟁 빈도 |
| 20 | 해당 기술 분야의 기술 수명 | USPC Class기준 또는 IPC Main Group 기준 기술의 경제적 잔여 수명(그 기술 분야에 속하는 특허의 공개일과 그 특허를 인용하는 후출원 특허의 출원일 간의 차이의 중앙값이 한 예가 될 수 있음) |
| 21 | 총 피고수 | Ni 권리자의 분쟁 참여 특허가 제기한 분쟁마다의 피고 수의 합 |
| 22 | 분쟁다 평균 피고수 | Ni 권리자의 분쟁 참여 특허가 제기한 분쟁마다의 피고 수의 합/분쟁 특허수 |
| 23 | 분쟁 특허 연계수 | Ni 권리자의 분쟁 참여 특허수/분쟁 제기수 |
cf) 공동 권리자의 경우에는 Ni의 권리자는 제일 앞에 나오는 권리자, 제일 앞에 나오는 기업 권리자 중 어느 하나일 수 있으며, 특허 분류는 USPC, IPC, FT 등일 수 있으며, 특허 분류의 깊이는 시스템의 관리자 또는 사용자에 의해 선택될 수 있다.
상기와 같이 n1 내지 n22의 분쟁 예측 요소 후보가 있을 때, Ni의 모든 특허에 대하여 상기 ni값을 계산한다. 예를 들면, 특정 특허가 인용을 10회 받은 경우 n1 = 10이 된다.
한편, ni값에 대하여 기설정된 범주화(categorization)을 수행할 수도 있음은 물론이다. 범주화 또는 표준화 또는 기설정된 통계 처리된 ni값을 ni_값이라 표기한다. 본질적으로 ni값이나 ni_값은 대등하거나 균등하거나, 적어도 같은 방향의 값을 가진다.
부수적으로 Ni별 상기 ni에 대한 ni값으로 상기 ni에 대한 기설정된 통계학적 기본 처리를 수행할 수 있다. 상기 통계학적 기본 처리는 1) 이상치 제거, 2) 다중 공선성(multilinearity) 제거 등이 있을 수 있다. 다중 공선성을 제거하는 방법은 통계학 영역에서 다수가 있음은 물론이며, 이는 당업자에게 당연하고 용이한 일일 것이다.
이어, 상기 ni별 ni값(Ni)이 분쟁 발생을 설명하는 정도, 즉 ni값(Ni)의 분쟁 발생 설명력, ni값(Ni)의 분쟁 연관성에 대한 모델을 수립하는 단계이다. 하나의 특허가 있을 때, 이 특허가 분쟁을 일으키는 분쟁과 관련된 Ni의 분쟁 민감도를 Sg(Ni)라 하자. Sg(Ni)=F(n1값(Ni), ..., ni값(Ni), ...)로 표현될 수 있을 것이며, F를 구하는 것이 Ni의 분쟁 민감도 평가 모델의 핵심을 이룬다. Sg(Ni)값이 주어졌을 때, ni값(Ni)으로부터 함수 F를 구하는 것을 Regression Analysis이라 한다. N개의 Ni에 대해서는 Sg(Ni)는 1이 될 수도 있으며, 분쟁 발생 회수에 기반한 함수값이 될 수도 있다.
상기 R를 구하기 위해서는 N개의 Ni들만으로 Ni의 분쟁 관련성 평가 모델을 수립할 수도 있을 것이며, 이 경우 Sg(Ni) = 1 = F(n1값(Ni), ..., ni값(Ni), ...)에서 F를 회귀 분석을 통하여 구한다. 상기 회기 분석 기법은 가장 단순한 선형 회귀 분석, 다중 선형 회귀 분석 등이 있겠지만, 기계 학습 알고리즘 영역의 Boosting 기법 또는 Random Forest 기법 등과 같은 비선형 회귀 분석 기법 등이 예측력이 매우 높고, 계산 속도가 빠른 등 특허 데이터에는 더욱 더 타당하다. 이때, Sg(Ni)를 분쟁 발생 회수로 하는 경우, ni 중에서 n5인 특허 분쟁 발생수는 제외하고 회귀 분석을 수행하는 것이 타당할 것이다.
이때, N개의 Ni들만으로 회귀 분석을 수행하는 경우에는 모든 Sg(Ni)가 1이 되는 되어 분쟁이 발생하지 않은 특허에 대한 설명력이 떨어질 우려가 있다. 그러므로, 회귀 분석을 수행하기 전에, 분쟁이 발생하지 않는 특허들을 N에 추가적으로 투입할 필요가 있다. 이 경우, 분쟁이 발생한 특허보다 분쟁이 발생하지 않는 특허가 훨씬 더 많으므로, 분쟁 미발생 특허에 대해서는 샘플링(sampling) 과정이 필수적이게 된다. 샘플링을 수행하는 방법은 다양할 수 있는데, 여기서는 비교적 다수 사용되는 층화추출법에 대해서 설명하나, 이 추출법에 한정되는 것은 아닐 것이다. 층화 추출시에는 비례 층화 추출이 타당한데, 층화 변수는 N개의 특허들이 가지는 속성(권리자, 기술분야, 기간 등 다양한 서지 사항 정보를 반영한 속성)을 반영하여 선정할 수 있다. 비례 층화추출법 등을 사용하여 분쟁 비발생 특허에서 M개의 특허를 추출할 수 있을 것이다. 이때, 동일 권리자의 비분쟁 발생 특허를 적절한 비율로 투입시키는 것도 바람직할 것이다. M의 크기는 N의 크기와 비슷하게 하는 방법과 M의 크기를 상대적으로 크게 가져가는 방법 등이 있는데, 이는 통계학적 기법의 문제 또는 모델 수립 시의 정책적인 문제이다. 표기의 문제 상 N+M = N'이라 하자. Mi 특허는 분쟁이 발생하지 않았으므로, Sg(Mi) = 0이 된다.
이 경우, Sg(N'i) = F(n1값(N'i), ..., ni값(N'i), ...)에서 F를 회귀 분석을 통해서 구한다.
부스팅 기법을 사용하는 경우, 다수의 Classifier를 생성한 다음, Classifier를 접합하여 Final Classifier를 생성하는 과정을 거친다. 이때, 전체 N'개의 data 중에서 모형의 생성에 참여하는 Training Set와 모형의 검증에 사용하는 Test Set으로 나누고, Training Set으로 만든 모형을 Test Set에 있는 N'i를 대상으로 모형을 평가 또는 검증할 수 있으며, 검증 기준을 통과할 때까지, 모형의 생성과 검증을 반복할 수 있다. 이때, 이때, 모형의 검증은 Cross Validation 기법을 사용하여 수행할 수 있다. 검증 기준을 통과한 모델은 Final Boosting Model이 된다. 이때, 모든 ni들이 분쟁 발생에 대하여 동일한 가중치(설명력에 비례하거나 관계함)를 가지지는 않을 것이며, 이 중에서 탈락되거나, 사용되지 않거나, 기설정된 기준에 미치지 못하는 ni들이 제거되고 남은, 즉 분쟁 민감도 모델에 사용되는 ni들을 nif라 하자. 예를 들어, n12는 분쟁 설명력이 없어 삭제될 수도 있다.
이와 같은 방법으로 N'i 특허에 대한 Sg(N'i) = F(n1f값(N'i), ..., nif값(N'i), ...)을 생성한다. 이렇게 되면, 모든 특허i에 대하여, nif값(특허i)를 생성할 수 있게 되고, 모든 특허i에 대하여 Sg(특허i) = F(n1f값(특허i), ..., nif값(특허i), ...)가 생성되게 된다. 상기 N에 따라서 Sg는 여러 개가 될 수 있을 것이다. 대표적인 Sg가 미국 분쟁 특허 전체를 대상으로 한 분쟁 민감도 모델과 특정 국가를 피고로 하는 분쟁 유발 특허군 N"을 대상으로 한 분쟁 민감도 모델이 있을 수 있다. 한편, 기술 분야별 또는 산업별로 분쟁 민감도 모델을 만들 수 있으며, 특정 기업을 기준(그 기업을 피고로 하는 분쟁 발생 특허군을 사용하여 생성함)으로 한 분쟁 민감도 모델을 만들 수도 있을 것이다. 이와 같은 방법으로 임의의 기설정된 특허 집합에 속하는 특허i에 대한 시스템이 제공하거나, 사용자가 생성하는 Sg가 생성되게 되며, 생성되는 Sg에 특허i를 입력하면, Sg(특허i)값이 생성되게 되므로, 상기 기설정된 특허 집합에 속하는 모든 특허i에 대하여, Sg(특허i)값을 가지게 된다.
상기와 같은 Sg를 생성하는 것은 본 발명의 분쟁 예측 알고리즘 생성부(4500)에서 수행한다. 상기 ni들 및 ni값(특허i), F(n1값(N'i), ..., ni값(N'i), ...)은 분쟁 예측 요소 후보 DB에 저장되며, ni값(특허i) 및 F(n1값(N'i), ..., ni값(N'i), ...)값은 분쟁 예측 요소 후보값 생성부(4520)에서 생성한다. 한편, nif들 및 nif값(특허i), F(n1f값(N'i), ..., nif값(N'i), ...)값은 분쟁 예측 요소 DB(4220)에 저장되며, nif값(특허i)과 F(n1f값(N'i), ..., nif값(N'i), ...)값nif값(특허i)는 분쟁 예측 요소 후보값 생성부(4520)에서 생성한다.
이제, 여러 Sg중에서 k번째 Sg모델인 Sgk를 사용한다고 가정하자. 이 경우, Sgk의 사용 대상이 되는 모든 특허i에 대하여 Sgk(특허i)값이 생성되게 되며, 이 값은 분쟁 예측 요소 후보 DB(4510)에 저장된다.
상기의 과정을 도 43을 참조하여 설명하면 다음과 같다. 상기 시스템은 분쟁 예측 요소 후보별 분쟁 예측 요소 후보값 생성(PLS21)하고, 분쟁 예측 요소 후보에 대하여 회귀 분석 정보 생성(PLS22)하며, 개별 특허별 분쟁 예측 요소에 대한 분쟁 예측 요소값을 사용하는 분쟁 민감도 정보값 생성(PLS23)한다.
상기에서 분쟁 민감도는 단지 명칭이며, 이 명칭이 의미하는 바는 분쟁 예측 요소 ni의 분쟁 예측을 설명하는 정도에 대한 정보값이다. 이때, 설명이라는 말은 분쟁 관련성에 대한 근거 정보를 제공해 줄 수 있다는 의미로도 해석될 수 있을 것이다.
이어, 분쟁 예측 모델에 대해서 설명한다. 먼저 분쟁 예측 대상 자기 집합(Self Set, SS)을 정의한다. 분쟁 예측 대상 자기 집합은 시스템의 기설정된 입력 또는 사용자가 분쟁 예측 정보의 생성을 위하여 입력하는 입력에 대응되는 특허군으로 특정되는 특허 집합을 말한다. 상기 입력은 적어도 하나 이상의 특허 입력, 적어도 하나 이상의 권리자 입력, 적어도 하나 이상의 발명자 입력, 적어도 하나 이상의 특허 분류 입력 및 적어도 하나 이상의 검색식 입력 중 어느 하나 또는 어느 하나 이상의 조합인 것일 수 있다. 상기 검색식은 특허 DB 상에 저장된 특허를 호출할 수 있는 모든 필드에 대한 필드별, 필드 조합별 검색식을 당연히 포함하며, 특정 필드에 대한 검색 키워드의 입력을 당연히 포함한다. 예시적으로 사용자는 자사의 기술 분야 트리(tree), 국내, 또는 해외 또는 국가별 경쟁사나 유관 기업 트리, 자사 제품과 관련된 기능에 대응되는 기술 분야별 트리, 자사가 관리하는 적어도 하나 이사의 특허군에 대한 트리, 자사가 관심 있는 특허군을 호출할 수 있는 검색식 트리를 생성할 수 있으며, 각 트리의 종단 노드(end node)에는 사용자의 입력 또는 조건 또는 개별 특허 문건들이 대응되어 있을 수 있다. 상기 트리는 적어도 1개 계층 이상의 다단 트리일 수 있음은 당연할 것이다. IPC 계층 구조는 상기 다단 트리의 대표적인 예시가 된다. 상기 SS를 생성하는 것은 본 발명의 분쟁 예측 대상 자기 집합 생성부(4150)가 수행한다.
상기 SSi를 도입하는 이유는 다음과 같다. 특허 분쟁은 본질적으로 원고의 특허권과 피고의 기계, 제품, 방법, 조성물(이하, 제품이라 한다)과의 관계의 문제이며, 원고의 특허와 피고의 특허 간의 문제가 아니다. 이에 따라, 피고의 제품을 시스템이 처리할 수 있는 데이터로 투사 또는 투영시키는 것이 필요하게 된다. 이에 따라, 본 시스템의 사용자는 자신이 관심이 있는 제품과 관련된 특허군을 시스템이 이해할 수 있도록 입력할 필요가 있게 된다. 상기 제품과 관련된 특허군의 입력의 예는 1) 자사의 제품의 기능, 구조, 방식, 재질 등 제품에 반영된 기술 중 특허화된 기술이 있는 경우, 그 특허들의 입력, 2) 자사의 특허가 없거나 부족한 경우, 자사의 제품과 관련된 타사의 특허, 3) 자사의 제품과 관련된 타인의 특허, 4) 자사의 제품과 관련된 기술 분야의 특허 분류 입력, 5) 자사의 제품과 관련된 특허를 검색할 수 있는 검색식의 입력 중 어느 하나 이상 또는 어느 하나 이상의 조합의 입력을 통하여 제품과 관련된 특허군을 특정할 수 있게 된다. 시스템은 직접적인 제품이 아닌, 제품이 투영된 특허군으로 특허 분쟁 예측 정보를 생성하게 된다.
상기 사용자가 상기 SS를 설정할 때도, 상기 SSi에 대하여 주관적인 가중치를 설정할 수 있다. 상기 가중치의 설정은 본 발명의 가중치 조절부(4170)에서 제공하는 UI를 통하여 수행한다. 상기 UI는 SS에 속하는 특허 리스트를 제공해 주고, 상기 특허 리스트에 사용자가 가중치나 중요도 또는 중요 등급을 입력할 수 있도록 하는 방식으로 수행한다. 이러한 가중치를 사용자 설정 SSi 가중치라 한다. 상기 사용자 설정 가중치는 상기 SSi로 생성되는 후술하는 TS에도 반영된다.
분쟁 예측 대상 자기 집합 SS에 속하는 특허를 SSi라 하자. 상기 SSi 개별 특허에 대하여 분쟁 예측 대상 타겟 집합(Target Set, TS)를 정의하자. TS는 사용자 또는 시스템이 SSi와 분쟁 예측 정보의 생성 목적으로 생성하거나 지정하거나, 입력하는 방식으로 특정되는 특허 집합을 말한다. 상기 TS를 생성하는 것은 본 발명의 분쟁 예측 대상 타겟 집합 생성부(4160)가 수행한다.
상기 TS의 대표적인 예는 SSi가 인용하는 선출원 특허들로 구성되는 협의의 선출원 인용 특허 집합이다. 상기 협의의 선출원 인용 특허 집합은 상기 SSi의 적어도 하나 이상의 인용 깊이별로 생성되는 선출원 특허들로 구성된다. 한편, 광의의 선출원 인용 특허 집합에는 2가지가 더 있을 수 있다. 하나는 잠재 인용(latent citation)과 관련된 잠재 전방 인용 특허이다. 잠재 전방(backward) 인용 특허이란 특허 a를 인용하는 특허 a의 child 특허들의 parent 특허 중 특허 a보다 출원일이 빠른 특허 중에서 특허 a가 직접 인용하지 않은 특허를 말한다. 둘째는 시간 격차(time lag) 특허로 구성되는 특허 집합이다.SSi에 속하는 개별 특허들이 제품에 반영되는 시간은 통상적으로 그 특허의 출원일보다 늦으므로, 제품 출시일과 특허 출원일간의 시간 격차에 대응되는 특허들이다. 상기 SSi를 인용하는 후출원 특허들 및 상기 잠재 후방 인용 특허들 중 상기 SSi에 속하는 특허의 출원일을 기준으로 기설정된 시간 격차 내에 출원일이 있는 후출원 특허들로 구성되는 특허 집합이다. 상기 기설정된 시간은 특허 출원일부터 상품 출시 시기에 대응되는 값으로 관련 기술 분야나 업계의 관행에 따라 차이가 있으며, 1년 내지 5년이 상대적으로 적합하다.
물론, 상기 SSi를 인용하는 후출원 특허들로 구성되는 협의의 후출원 인용 특허 집합을 생성할 수 있음은 물론이다 할 것이다. 잠재 후방(forward) 인용 특허란 특허 a가 인용하는 특허 a의 parent 특허들의 child 특허 중 특허 a보다 출원일이 늦은 특허 중에서 특허 a를 직접 인용하지 않은 특허를 말한다.
이때, 다른 상기 TS에 속하는 특허인 TSi는 가중치를 가질 수 있다. 가중치는 중복 인용, 인용 깊이, SSi에 기반한 가중치 등으로 결정된다. 서로 다른 n개의 SSi가 동일한 TSi를 인용할 수 있으므로, 이 경우 TSi의 중복 인용에 따른 가중치는 n이 되게 된다. 한편, SSi의 입장에서 자신이 직접 인용하는 인용 깊이 1인 parent 특허와 그 parent가 인용하는 인용 깊이 n(n>1)인 grand parent 특허를 동등한 가중치로 취급할 수는 없게 된다. 이때, 인용 깊이 n이 커질수록 지수적, 기하급수적 또는 산술급수적으로 감쇄하는 감쇄 팩터(factor)를 부가하여 인용 깊이에 따른 TSi의 가중치를 조절한다. 한편, TSi들 중에서 최근에 인용된 경우에 가중치를 더 부여하거나, 그 권리자가 트롤이나 다분쟁 권리자 또는 기타 사용자의 등록된 경쟁자인 경우 등과 같이 권리자의 속성에 따라 가중치를 더 부여하거나, 표준 특허풀에 소속된 특허이거나, 분쟁 발생 특허이거나 하는 등 그 특허가 기설정된 속성을 가지는 경우 가중치를 더 부여할 수도 있을 것이다. 시스템에 의한 TS의 가중치의 설정은 본 발명의 가중치 조절부(4170)에서 수행한다.
SSi에 기반한 가중치에 대해서 설명한다. 사용자는 자신이 설정한 SSi 특허별로 자신의 주관적인 가중치인 사용자 설정 SSi 가중치를 부여할 수 있다. 인용 특허 집합 또는 유사 특허군 등으로 생성되는 TSi들은 SSi에 기반하기 때문에, SSi에 부여된 가중치는 TSi에도 부가될 수 있게 된다. 즉, 가중치가 아주 높은 특정한 SSi가 인용하는 특허군인 TSi는 가중치가 낮은 SSj가 인용하는 특허군인 TSj보다 더 높은 가중치를 가지도록 해야 한다. 따라서, TS를 구성하는 TSi들에는 SSi에 기반한 가중치인 사용자 설정 SSi 가중치 정보가 부가되어 있는 것이 더욱 바람직하다.
상기 TS의 대표적인 다른 예는 상기 SSi에 속하는 특허들에 대하여 생성되는 유사 특허군이다. 이에 대해 설명한다. 우선적으로 모든 개별 특허에 대하여 적어도 하나 이상의 키워드 후보를 추출한 다음, 키워드 후보 중에서 핵심 키워드를 추출하고 저장한 다음, 임의의 특허i에 대응되는 핵심 키워드군과 유사성이 높은 핵심 키워드를 가지는 적어도 하나 이상의 특허를 추출하여 유사 특허군을 생성한다. 상기 키워드 후보에는 키워드 쌍(공기쌍), 특허 분류 코드가 포함되어 키워드처럼 처리될 수 있다.
특히, 특허 분류의 경우, 복수 개의 특허 분류 각각이 핵심 키워드처럼 사용될 수 있을 것이다. 한편, 주 특허 분류에 가중치를 더 주는 방식으로 특허 분류마다 다른 가중치를 부여할 수 있을 것이다. 한편, 특허 분류 중 깊이가 깊은 n dot subclSS 등에서 n이 클수록 특허 분류 체계 상에서 깊이가 깊은데, 이 깊은 특허 분류일수록 더 높은 가중치를 부여할 수 있다. 한편, H04B 7/26라는 특허 분류가 있을 때, H04B 7/26(2 dot Subgroup)의 부모에 해당하는 H04B 7/24(1dot Subgroup), H04B 7/00(Main Group) 등도 명시되어 나와있지는 않지만, 특허 명세서 상의 기술을 표상하는 것이므로, 핵심 키워드처럼 취급할 수 있을 것이다. 물론, H04B 7/26에 대한 가중치가 높고, H04B 7/24는 낮으며, H04B 7/00(Main Group)는 가장 낮게 설정할 수 있을 것이다.
유사 특허군을 생성하는 방법은 클러스터링 방법과 검색 엔진을 이용하는 방법이 있다. 클러서터링은 핵심 키워드 간의 거리에 기반하여 유사 특허군을 생성하는 방법이며, 가장 간단한 방법으로 K-Means 알고리즘이 있다. 한편, 검색 엔진은 자체 내에 랭킹 알고리즘을 포함하고 있기 때문에, 입력된 n개의 핵심 키워드의 입력이 있는 경우, 검색 대상 특허 문건 중에서 n개의 핵심 키워드를 다수 포함하고 있는 특허 문건을 출력해 주는데, 이 중 일정 개수 또는 일정 스코어 이상이 되는 특허군을 유사 특허군으로 처리할 수 있다. 이때, 각 핵심 키워드는 특허 명세서 상의 필드별로 다른 가중치를 가지도록 처리될 수 있음은 물론일 것이며(예를 들어, 발명의 명칭에 나온 핵심 키워드에 가중치를 가장 높게 주고, 특허 청구 범위에 나온 핵심 키워드에 대해서도 상대적으로 높은 가중치를 부여하며, 발명의 상세한 설명에만 나온 핵심 키워드에는 가장 낮은 가중치를 부여할 수 있을 것이다.), 검색 엔진이 키워드별 가중치를 입수 받을 수 있는 경우라면, 입력되는 n개의 핵심 키워드에 가중치를 부여하여 검색 엔진에 질의할 수 있을 것이다. 특히, 가중치가 포함된 n개의 핵심 키워드로 쿼리를 생성하고, 생성된 쿼리를 핵심 키워드 필드(추출된 핵심 키워드만을 모아 놓은 필드)에 질의하면 빠른 속도로 유사 특허군을 생성할 수 있을 것이다.
이어, 핵심 키워드를 생성하는 방법에 대해서 설명한다. 상기 키워드는 특허 명세서에 포함된 텍스트를 처리하여 생성할 수 있으며, 이는 본 발명의 상기 데이터 가공부(200)의 핵심 키워드 생성부(210)이 담당한다. 상기 핵심 키워드 생성부(210)는 특허 명세서를 구성하는 각종 필드별에 대응된 구나 문장에서 키워드를 추출한다. 공기쌍의 추출은 근접 거리(1개의 문장 내 등 기 설정된 텀 간의 거리 기준을 충족하는 거리)에 있는 텀간의 조합을 통하여 추출한다. 상기 필드는 발명의 명칭, 특허 청구 범위, 요약, 발명의 상세한 설명, 산업상 이용 가능성, 효과, 종래의 기술(배경 기술) 등 특허 명세서를 구성하는 각종 필드 중 어느 하나 이상일 수 있다. 상기 핵심 키워드 생성부(210)는 상기 필드에서 추출한 n개의 키워드에 대하여 핵심 키워드 집합을 생성한다. 상기 핵심 키워드 생성 시, 상기 핵심 키워드 생성부(210)는 동의어 처리, 시소러스 처리 등을 수행하여 실질적으로 같거나, 동등하거나, 대등한 의미를 지니는 텀들은 묶어서 대표 텀으로 처리하여 핵심 키워드를 선정하는 것이 바람직하다. 한편, 상기 대표 텀으로 처리할 때, 사전 내지는 기계 번역기를 활용하여 1개 특허 문건에 나오는 2 이상의 언어에 대한 동의어, 시소러스 처리를 수행하는 것이 바람직할 것이다. 한편, 상기 대표 텀 내지는 상기 추출된 핵심 키워드는 상기 사전 내지는 기계 번역기를 통하여 적어도 하나 이상의 언어로 번역해 놓는 것이 더욱 바람직할 것이다. 자연어 처리를 통하여 키워드(통상적으로 이 기술 분야에서는 키워드를 텀(term)이라 부른다.) 또는 공기쌍을 추출하는 것은 자연어 처리 기술 분야에서 공지의 기술에 속한다. 추출된 n 개의 키워드(공기쌍 포함함은 당연할 것이다.)에 대하여, 기 설정된 핵심 키워드 선정 알고리즘을 적용하여 상기 특허 명세서를 대표할 수 있는 핵심 키워드 집합(핵심 공기쌍 집합이 선택적으로 포함됨은 당연할 것이다.)을 선정한다. 가장 빈번하게 사용되는 알고리즘은 TF(Term Frequency)와 IDF(Inverse Document Frequency)를 사용하는 것이다. 자연어 처리 기술 분야에서는 상기 TF와 IDF를 변수로 한 다양한 함수식이 공개되어 있으며, 필드별 가중치 등 기타의 복잡한 산식을 정책적으로 적용할 수 있음은 당연하다 할 것이다. 이때, 상기 좁은 의미의 키워드만으로 구성되는 핵심 키워드 집합, 상기 공기쌍만으로 구성되는 핵심 키워드 집합을 분리하여 생성하거나, 상기 좁은 의미의 키워드 및 상기 공기쌍을 동등하게 상기 알고리즘으로 처리하여 상기 좁은 의미의 핵심 키워드와 핵심 공기쌍상기 핵심 키워드 선정 알고리즘이 상기 공기쌍을 대상으로 키워드와 같이 처리하면, n개의 키워드 쌍에 대하여, 핵심 키워드 쌍 집합을 생성할 수 있다. 한편, 상기 핵심 키워드 생성부(210)가 2개 이상의 단어/어휘/어절로 구성되는 새로운 텀(term)을 추출할 때, 상기 새로운 텀이 기술적으로 의미를 가지는 텀인지를 판단하기 어려운 경우가 다수 있다. 이때, google.com과 같은 외부 검색 엔진을 활용하여 새로운 텀이 기술적 의미를 가지는 것인지를 결정하는 방법이 있을 수 있다. 상기 핵심 키워드 생성부(210)는 상기 추출된 새로운 텀을 따옴표 처리(exact match를 처리하는 google.com의 검색어 처리 방식) 등과 같은 기 설정된 적어도 하나 이상의 처리를 수행한 다음, 상기 google.com과 같은 외부 검색 서비스 시스템에 전송하고, 상기 외부 검색 서비스 시스템으로부터 검색 결과를 전송 받고, 상기 검색 결과를 분석하여 기 설정된 기준이 충족되는 경우, 상기 추출된 새로운 텀을 정상적인 텀으로 처리한다. 상기 검색 결과의 분석은 검색 결과 수(hit 수, 그 질의어에 매칭되는 검색 결과가 몇 개인지를 가르쳐 줌)를 측정하는 것이며, 기 설정된 기준의 예로 영어의 경우, 1,000개 이상, 다른 언어의 경우에는 100개 이상 등이 될 수 있을 것이다. 예를 들어, 2010년 3월 현재 google.com에 "patent informatics"와 "patent informatics services"를 각각 질의하면, 67,300과 279개의 ResulTS가 나오는데, 이 경우에는 "patent informatics"는 텀으로 취급하고, "patent informatics services"는 새로운 텀으로 취급하지 않을 수 있을 것이다. 한편, google.com등과 같은 검색 엔진이 아니라, wikipedia.org와 같은 용어에 대한 설명을 제공하는 시스템에 질의하여 그 term에 대한 설명이 존재하면, 새로운 텀으로 취급할 수 있다.
상기와 같은 핵심 키워드 선정 알고리즘을 통하면, 1개의 특허 문건에 대응되는 1개 이상의 핵심 키워드 집합(Keyword Set, 1개 이상의 핵심 빈도 유지 핵심 키워드 조합 집합이 선택적으로 포함될 수 있음은 당연할 것이다.) 즉, i번째 특허 문건 Pi에 대응되는 핵심 키워드 집합 KS(Pi)={K1(Pi), K2(Pi), ,,,, Ki(Pi), Kj(Pi),,,,Kn(Pi)}을 얻게 된다. 상기에서 i, j, n은 정수이며, Kn(Pi)란 i번째 특허 문건 Pi에서 선정된 n번째 핵심 키워드를 말한다. 1개의 특허 문건에 복수개의 핵심 키워드 집합이 대응될 수 있는데, 그 이유는 1) 특정 필드(예를 들면 특허 청구 범위 또는 요약), 2) 필드별로 다른 가중치를 부여, 3) 2 이상의 핵심 키워드 선정 알고리즘 사용, 4) IDF 계산의 기준 범위, 5) 텀 추출 방식 등의 다양한 이유가 있을 수 있다.) 상기 i번째 특허 문건 Pi에 대응되는 핵심 키워드 집합 KS(Pi)={K1(Pi), K2(Pi), ,,,, Ki(Pi), Kj(Pi),,,,Kn(Pi)}은 Pi 또는 Pi에 대응되는 키(key)값을 기준으로 핵심 키워드 DB(130)에 저장될 수 있다.
상기와 같은 방법으로 SS에 속하는 개별 특허별로 유사 특허군을 생성할 수 있다. 생성되는 유사 특허의 개별 특허에는 유사도 점수가 배정되어 있을 수 있다. 따라서, SSi 전체 특허의 관점에서 유사 특허군 집합을 생성하는 것은 1) SS에 속하는 개별 특허별로 생성되는 유사 특허군 중에서 기설정된 유사도 점수 이상이 되는 특허들로 생성하는 방법, 2) SS에 속하는 개별 특허별로 유사도 점수를 포함하는 유사 특허군을 생성하고, 생성된 유사 특허군을 합하고, 합친 전체 유사 특허군 중에서 개별 특허를 기준으로 유사도의 합계 점수(2회 이상 나타나는 유사 특허는 2개 이상의 유사도 점수를 가짐)를 기준으로 기설정된 개수나 비율(SS의 특허 개수 대비 3~5배 등)의 유사 특허군 집합을 생성할 수 있다. 이와 같은 과정을 통하여 유사 특허군 집합에 포함되는 특허마다 유사도 합계 점수가 대응되게 된다. 상기 유사도 점수의 생성도 일종의 TSi에 대한 가중치가 되므로, 상기 유사도 점수의 설정은 본 발명의 가중치 조절부(4170)에서 수행한다.
상기 유사 특허군 집합에서 선출원 유사 특허군 집합을 생성할 수 있다. SSi가 다수 있을 때 이들의 특허 출원일이 범위(range)를 가질 수 있기 때문에, SS의 출원일을 일의적으로 특정하기 어려운 문제가 발생하여, 선출원 유사 특허군과 후출원 유사 특허군을 특정하기 어려워지는 문제가 발생한다. 선출원 유사 특허군 집합을 생성하는 방법은 1)SS에 속하는 개별 특허에서 유사 특허군을 생성할 때, 상기 개별 특허의 출원일보다 선출원인 유사 특허들로 유사 특허군을 생성하는 방법, 2)SS에 속하는 특허들의 출원인의 중앙값을 기준으로 전체 유사 특허군 중에서 중앙값보다 빠른 출원일을 가지는 경우, 그러한 속성을 가지는 특허군을 선출원 유사 특허군으로 하고, 그렇지 않은 속성을 가지는 특허군을 후출원 유사 특허군으로 처리하는 방법이 있을 수 있다.
상기 선출원 유사 특허군 집합을 생성하는 방법과 마찬가지로 후출원 유사 특허군 집합을 생성할 수 있음은 상기 설명으로 자명할 것이다.
상기 TS의 대표적인 또 다른 예는 사용자가 구성하는 사용자 구성 특허 집합이다. 상기 선출원/후출원 유사 특허군 집합이나, 선출원/후출원 인용 특허 집합 등에 대해서도 기간, 속성(권리자 속성, 특허 속성, 기술 분야 속성 등) 또는 검색어나 검색식 등으로 한정을 수행할 수 있지만, 본질적으로 일반적 특허 집합이다. 이에, 사용자는 자신의 검색식이나, 자신이 관리하는 특허 집합이나, 자신의 경쟁사의 특허나 유관사의 특허 등과 같은 임의의 특허 집합 한정 수단을 부가하여 자신만의 특허 집합을 생성할 수 있다. 예를 들면, 자신을 공격해온 A라는 권리자가 있을 때, A의 특허 포트폴리오에 속하는 특허 또는 공격해 온 특허 또는 공격해 온 특허의 유사 특허군에 속하는 특허 등의 특정된 특허 집합의 선출원 인용 특허 집합은 사용자 구성 특허 집합의 예가 될 수 있다. 사용자 구성 특허 집합을 생성하는 다른 방법은 상기 인용 특허 집합 및/또는 유사 특허군 집합 및/또는 사용자가 입력 또는 생성하는 특허 집합에 속하는 특허들 중에서 선별하는 방식으로 생성하는 것이다.
한편, 사용자 구성 특허 집합을 구성할 때, 상기 사용자는 상기 TSi에 대하여 주관적인 가중치를 설정할 수도 있을 것이다. 이러한 가중치는 사용자 설정 TSi 가중치라 한다. 상기 가중치의 설정은 본 발명의 가중치 조절부(4170)에서 제공하는 UI를 통하여 수행한다. 상기 UI는 TS에 속하는 특허 리스트를 제공해 주고, 상기 특허 리스트에 사용자가 가중치나 중요도 또는 중요 등급을 입력할 수 있도록 하는 방식으로 수행한다.
상기 TS의 대표적인 다른 예는 시스템이 제공하는 시스템 구성 특허 집합이다. 시스템은 SSi가 속하는 최빈 특허 분류 등과 같이 SS 또는 SSi를 대표하는 속성에 따라 SSi가 인용하는 선출원 특허들로 구성되는 협의의 선출원 인용 특허 집합이다. 한편, 상기 시스템은 최근 출원 또는 등록량이 급증하는 특허 집합 또는 대학이나 연구 기관의 특허, 특정 권리자(매각 예정 기업 등)의 특허 집합 등과 같이 시스템의 관리자 설정하는 다양한 특허 집합을 사용자에게 제시하여 선택 받거나, 디폴트로 처리하여 시스템 구성 특허 집합을 생성할 수 있게 된다.
이어, SS와 TS가 특정되는 경우, 상기 시스템의 정보 처리 방법에 대해서 설명한다. 먼저 분쟁 예측 방법에 대해 설명한다.
TS가 결정되면, TS에 속하는 모든 TSi에 대하여 Sg(TSi)가 생성되고 저장될 수 있음은 전술한 바와 같다. TS에 속하는 TSi 전체 또는 한정된 일부에 대한 Sg(TSi)에 대한 기설정된 분쟁 예측 통계 함수나 분쟁 예측 함수식을 사용하는 방법이다. 통계 함수나 함수식에는 합계(가중치를 반영하는 가중 합계를 포함할 수 있음)나 평균(산술평균 또는 기하 평균을 사용할 수 있음)을 포함하여, 통계 처리 대상(여기서는 Sg(TSi)값)의 속성을 추출하는 다양한 통계 함수나 함수식이 있다. 이때, TS에 속하는 모든 TSi에 대한 Sg(TSi)값을 사용할 수도 있지만, 4분위수 등과 같은 n분위수 중 기설정된 높은 분위에 속하는 Sg(TSi)들만을 처리 대상으로 하거나, Sg(TSi)값이 기설정된 기준 이상이 것들만을 처리 대상으로 하는 등, 처리 대상에 대한 한정을 수행할 수 있다. 이러한 처리 대상의 한정은 시스템이 설정하거나, 사용자가 설정할 수 있을 것이다. 상기 첫째 모델의 특징은 TS에 속하는 TSi의 속성만으로 분쟁 예측 정보를 생성한다는데 있다.
이때, 상기 TSi에는 각종 가중치가 부가되어 있을 수 있다. 따라서, 상기 통계함수나 함수식에 투입되는 값은 Sg(TSi)와 TSi에 대한 가중치 값인 W(TSi)가 함께 처리된 값인 wf(Sg(TSi), W(TSi))것이 바람직하다. 여기서 f는 처리식이며, f의 가장 간단한 예는 Sg(TSi)*W(TSi)이다. W(TSi)에는 중복 인용, 인용 깊이, SSi에 기반한 가중치, 유사도에 기반한 가중치, 사용자 설정 TSi 가중치 등이 관련될 수 있으며, 이들은 W(TSi) 값을 결정하는 인자가 될 수 있다. 이하에서는 sf(Sg(TSi), W(TSi))로 설명한다. 상기 가중치와 관련된 정보의 처리는 본 발명의 가중치 조절부(4170)에서 제공하는 UI를 통하여 수행한다.
TS가 결정되면, TS에 속한 TSi들에 대한 wf(Sg(TSi), W(TSi))를 처리한 기설정된 상기 분쟁 예측 통계 함수값 또는 기설정된 상기 분쟁 예측 함수식 값인 f(TS)가 생성되게 된다. 상기 f(TS)가 TS를 기준으로 한 SS 입장의 분쟁 리스크 정보가 된다.
상기 wf(Sg(TSi), W(TSi)), 상기 f(TS) 또는 후술하는 f(TSui)가 분쟁 예측 알고리즘을 구성하게 된다. 상기 분쟁 예측 알고리즘은 여러 개를 구성한 다음, 실제 분쟁 발생과 관련되는 다수의 SS를 생성한 다음, 상기 f의 분쟁 예측력을 검증할 수 있다. 상기 f는 통계학적 기법을 활용하여 다수 생성할 수 있으며, n개의 unit Classifier fui를 생성한 다음 이들을 접합하는 방식으로도 생성할 수 있다. 이때, 어떤 방식(비선형 방식 또는 선형 방식 등)으로 접합할 것이며, 어느 unit Classifier fui에 어느 정도의 가중치를 줄 것인가를 결정하는 것이 중요하다. 상기 다수의 unit Classifier fui에 대하여 생성되는 다수의 f 후보들 중에서 최적의 후보를 찾는 과정이 필요하다. 이때 부스팅이나 램덤 포리스트 등과 같은 기계 학습 알고리즘이 활용될 수 있다. 상기 f의 생성은 본 발명의 분쟁 예측 알고리즘 생성부(4530)에서 수행하며, 생성된 f는 분쟁 예측 알고리즘 DB(4230)에 저장되고, 분쟁 예측 엔진(4100)의 분쟁 예측 알고리즘부(4120) 또는 분쟁 예측 모델부(4130)에서 활용된다.
상기 f(TS)는 다음과 같은 속성을 가질 수 있다.
첫째, f(TS)는 1개의 값을 가질 수도 있지만, f에 따라 여러 개의 값을 가질 수도 있다. 즉, 분쟁 예측 요소인 ni별로도 생성될 수 있음은 물론일 것이며, f가 여러 개가 있는 경우, fi별로도 생성될 수 있다.
둘째, f는 TS에 대한 것이므로, 분할된 TS 유닛별로도 생성될 수 있음은 물론일 것이다. 유닛으로 분리된 i번째 TS를 TSui라 하자. 이 경우 f(TSui)의 값이 생성될 수 있을 것이다. TS를 분할하는 방법은 1) 권리자별, 2) 기술군(IPC나, USPC를 활용할 수 있음)별, 3) 기간별, 4) 발명자별, 5) 국가별, 6) 권리자 속성별, 7) 적어도 하나 이상의 특정 키워드 포함 여부별, 8) 기타 특허 집합을 분할하거나 한정할 수 있는 조건별, 9) 특정된 속성을 가지는 특허군별, 및/또는 10) 상기 1) 내지 9)의 방법을 조합한 것들이 있을 수 있다. 상기 6)의 예는 (1) 등록된 트롤 속성, (2) 다분쟁 유발자 등이 될 수 있다. 상기 9)의 특정된 속성의 예는 (1) TS 중 SS와 유사성이 높은 특허군, (2) 사용자 설정 SSi 가중치가 기설정된 랭킹, 수준, 범위 이상 높은 SSi에 대응되는 TSi들로 구성되는 특허군 등이 될 수 있다. 이와 같이 다양한 관점에서 분쟁 예측 정보 정보를 생성하게 되므로, 다차원 분쟁 예측 정보의 생성이 될 수 있다.
분쟁 예측 함수인 f에 대하여 상기 f(TS) 또는 f(TSui)별로 분쟁 예측 함수값이 나오면 분쟁 예측 함수값을 어떻게 구조화시켜 분쟁 예측 정보를 생성할 것인지는 본 발명의 분쟁 예측 모델 생성부(4540)에서 수행하며, 생성된 분쟁 예측 모델은 분쟁 예측 모델(4130)이 사용할 수 있다. 한편, 분쟁 예측 결과를 어떻게 출력할 것인지는 분쟁 예측 결과 출력부(4140)에서 수행한다. 실제 pdf 형태의 리포트나 전자 우편용 리포트는 본 발명의 특허 분쟁 정보 리포트 생성부(4330)가 담당하여 생성한다.
이어, 적어도 하나 이상의 분쟁 예측 함수인 f에 대하여 상기 f(TS) 또는 f(TSui)별로 분쟁 예측 함수값이 나오면, 기설정된 등급 부여 모델에 따라, 분쟁 예측 등급을 결정할 수 있다. 등급 부여 모델은 분쟁 예측 함수값 구간별로 등급을 부여하거나, 분쟁 예측 함수값의 분포를 고려하여, 분포에 기반한 등급 구간을 정하고, 정해진 등급 구간으로 예측 등급을 부여할 수 있을 것이다. 점수값이 있을 때, 이를 n개의 등급으로 나누는 모델은 다수가 있으며, 이는 당업자에게 당연할 것이다.
이어, 시스템의 모델을 업그레이드하는 방법에 대해 설명한다. 시간이 경과할수록 분쟁 발생 특허들이 추가되는 경우, 추가된 분쟁 발생 특허들을 대상으로 하여 분쟁 예측 요소 후보를 생성하고, 분쟁 예측 요소를 생성해 내고, 분쟁 예측 정보 처리를 수행할 수 있게 된다.
이어, 사용자별로 alert 서비스를 제공하는 방법에 대해서 설명한다. 사용자는 적어도 하나 이상의 SS를 설정할 수 있으며, 자신과 관련된 경쟁사 등의 권리자, 자신의 관심 특허, 자신의 관심 기술군(특허 분류로 등록) 등을 등록해 놓을 수 있다. 이때, 신규 특허 데이터의 발생 또는 권리자 변동 등과 같이 전체 특허 데이터에서 변동이 일어나거나, 새로운 트롤의 추가, 표준 특허풀의 추가 등이 발생하거나, 주기적으로 분쟁 발생 특허가 추가되는 경우, 상기 SS마다의 상기 f(TS) 또는 f(TSui)별로 분쟁 예측 함수값이 변동되게 된다. 이때, 특정 시점(t=t1)에서의 상기 f(TS) 또는 f(TSui)별로 분쟁 예측 함수값과 다른 시점(t=t2)에서의 상기 f(TS) 또는 f(TSui)별로 분쟁 예측 함수값에서 기설정된 값 이상이 변동되는 경우, 상기 시스템은 상기 사용자에게 변동의 발생 등에 대한 정보를 제공해 줄 수 있게 된다. 예를 들어, 최근 1달간에 특정 트롤이 그 트롤의 자회사로 적어도 하나 이상의 타인으로부터 n개의 특허를 매입(current assignee 정보로 알 수 있음)하는 event가 발생한 경우, 그 n개의 특허의 권리자 변동에 따라 현시점(t=t2)에서의 SS에 대한 상기 f(TS) 또는 f(TSui)별로 분쟁 예측 함수값에서 기설정된 값 이상이 변동이 발생하여, 사용자에게 특허 분쟁 위험성이 현격하게 증가할 수도 있게 된다. 물론, 상기 시스템은 n개의 특허가 있을 때, 상기 특허에 대한 기설정된 정량 분석(권리자 분석, 기술 분야 분석, 시계열 분석 등)을 수행해 줄 수 있음은 물론일 것이며, n개의 특허가 인용하는 parent 특허 집합을 입수해 줄 수 있을 것이며, parent 특허 집합에 대해서도 기설정된 정량 분석을 수행해 줄 수 있을 것이다.
이하, 도 44를 참조하면서 설명하면 다음과 같다. 상기 시스템은 분쟁 예측 대상 자기 집합을 입수(PLS31)하고, 분쟁 예측 대상 타겟 집합을 생성(PLS32)하며, 분쟁 예측 알고리즘 또는 분쟁 예측 모델을 사용하여 분쟁 예측 정보를 생성(PLS33)한다.
이상에서는 분쟁 리스크 예측을 중심으로 설명하였다. 분쟁 리스크 예측은 주로, 잠재적인 피해자(피고)의 입장에서 소송을 당하거나, 경고장을 수령할 가능성에 대한 예측값을 생성해 주는 것이 핵심이다. 한편, 본 발명을 응용하면 잠재적인 원고, 잠재적인 라이센서 입장에서는 자신의 특허 집합을 어느 누구에게 라이센싱을 하는 것이 합리적인가에 대한 정보를 생성하는 것도 가능하다.
이어, 상기 특허 분쟁 정보 처리의 핵심이 되는 요소 기술 중의 하나인 집단 단위 인용 분석 정보 생성 방법에 대하여 도면을 참조하면서 상술한다.
도 16 본 발명의 집합 단위 인용 분석부(2000)에 대한 일 실시예적 구성에 관한 도면이다. 상기 집합 단위 인용 분석부(2000)는 적어도 2 이상의 복수 개의 특허 정보로 구성되는 특허 집합을 입수하여 입수 특허 집합을 생성하는 입수 특허 집합 생성부와 상기 입수 특허 집합에 포함된 개별 특허를 처리하여 적어도 하나 이상의 인용 분석 대상 특허 집합을 생성하는 대상 특허 집합 생성부와 상기 인용 분석 대상 특허 집합에 대하여 기 설정된 적어도 하나 이상의 인용 분석 목적별에 따른 인용 분석을 처리하는 인용 분석부;를 포함하고 있다.
상기 입수 특허 집합 생성부(2100)은 특허 집합을 입수하는 특허 집합 입수부(2110)과 입수한 특허 집합을 한정하는 입수 특허 집합 한정부(2120)을 포함하고 있다. 상기 입수 대상 특허 집합 생성부(2200)은 대상 특허 집합을 입수하는 대상 특허 집합 입수부(2220)과 대상 특허 집합을 한정하는 대상 특허 집합 한정부(2210)을 포함하고 있다. 대상 특허 집합 입수부(2220)가 입수하는 특허 집합은 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 인용 발생 입수 특허 집합 등이 있을 수 있다. 입수 대상 특허 집합 생성부(2200)이 특정한 조건을 가하여 대상 특허 집합을 한정하는 경우, 상기 조건을 반영하여, 데이터부로부터 대상 특허를 입수해 온다. 입수된 대상 특허군으로 상기 인용 분석 대상 특허 집합 생성부(2230)은 인용 특허 집합을 생성한다. 상기 인용 분석부(2300)은 인용 분석 목적을 선택하는 인용 분석 목적 선택부(2310)과 선택된 목적으로 인용 분석을 수행하는 인용 분석 실행부(2320)을 포함하고 있다. 한편, 상기 특허정보시스템(1000)은 적어도 하나 이상의 카데고리별로 특허 집합을 생성하고 관리할 수 있으며, 상기 특허 집합의 관리는 본 발명의 시스템 특허 집합 관리부(2900)이 수행한다. 상기 시스템 특허 집합 관리부(2900)의 하부에는 출원인별로 특정되는 특허 집합을 관리하는 출원인별 특허 집합 관리부(2910)와, 특허 분류별로 특정되는 특허 집합을 관리하는 특허분류별 특허 집합 관리부(2920)와 기타 분류나 카테고리별로 특정되는 특허 집합을 관리하는 기타 분류별 특허 집합 관리부(2930)등이 있다.
한편, 사용자들이 생성하는 특허 집합은 회원별 특허 집합 관리부가 수행한다.
특허 데이터부는 도 2에서 예시되어 있듯이, 특허 명세서 파일부, 특허 DB, 특허 분류 DB 등을 포함하고 있다. 특허 DB부는 모든 특허에 대한 서지 사항과 명세서 본문, 도면 등을 필드별로 관리하며, 상기 명세서 본문을 구성하는 각종 필드(제목, 요약, 선행 기술, 특허 청구 범위, 발명의 상세한 설명 등)에서 추출한 핵심 키워드를 포함하고 있다. 한편, 상기 특허들은 상기 특허들에 대한 선행 기술 문건으로 인용 정보를 더 포함하고 있을 수 있다. 미국 특허 data를 예로 들면, 상기 인용 정보는 Reference에 포함된 정보들로, 미국 특허 문건 번호, 외국 특허 문건 번호, 비특허 문건에 대한 표시자 등이 포함되어 있다. 한편, 특허청 심사관이나 관련자에 의한 선행 기술 조사 정보, 심사관 의견 제출 시 참증 정보 등도 광의의 인용 정보가 된다. 특정 문건에 전방 인용 정보가 있는 경우, 상기 전방 인용 정보에 포함된 문건의 입장에서 보면 상기 특정 문건은 후방 인용 문건이 된다. 특정 문건을 기준으로 전방 인용 정보에 포함된 문건은 부모(parent) 문건이 되며, 상기 부모 문건을 기준으로 보면 상기 특정 문건은 자식(child) 문건이 된다. 이러한 child-parent 관계에 있는 정보를 DB로 처리하는 것은 당업자에게는 자명한 것으로 상세한 설명은 생략한다.
특허 문건의 서지 사항에는 발행 국가 정보, 각종 일자 정보, 각종 번호 정보, 적어도 하나 이상의 권리자 정보, 적어도 하나 이상의 발명자 정보, 적어도 하나 이상의 특허 분류 정보, 적어도 하나 이상의 우선권 정보 등이 포함되어 있다. 일자에는 출원일, 공개일, 등록일 및 기타 일자들이 있다. 각종 번호 정보에는 출원번호, 공개번호, 등록번호, 원출원 번호, 우선권 주장 번호 등이 있다. 권리자 정보는 출원인, 양수인, 특허권자 등이 있으며, 권리자의 변동이 있고, 변동이 관리되는 경우, 양도인과 양수인에 대한 정보 및 최종 권리자 정보가 있을 수 있다. 우선권 정보에는 우선권 주장 번호, 주장일자, 국가 등의 정보가 포함되어 있다. 한편, 분할출원이나 일부 계속 출원, 계속 출원 등이 있는 경우, 원출원 번호, 원출원일자 등의 정보가 부가되어 있다. 또한, 대표도, 제목, 요약, 색인어 등도 서지 사항에 포함되기도 한다. 한편, 가공된 서지 사항으로는 국내 패밀리 정보(분할출원, 변경출원이나 일부계속출원, 계속출원 관계에 있는 특허 출원)이나, 해외 패밀리 정보(조약 우선권 관계로 연관될 수 있는 출원, 국제출원 등)이 있을 수 있다. 한편, 자연어 처리 등을 통해서 특허 명세서 본문의 텍스트를 본문을 구성하는 각 필드별 또는 필드 통합별로 기 설정된 키워드 추출 방식으로 추출한 핵심 키워드 정보가 더 있을 수 있다. 특허 분류 정보는 공통적인 IPC 이외에도 USPC, FT, FI, ECLA 등과 같이 각 국가별로 자국만의 특별한 특허 분류가 있을 수 있다.
이어, 도 19 내지 도 20을 참조하면서 집합 단위 인용 분석부(2000)의 정보 처리 방법을 더욱 더 자세히 설명한다.
도 19에서 알 수 있듯이, 상기 입수 특허 집합 생성부(2100)은 적어도 2 이상의 복수 개의 특허 정보로 구성되는 입수 특허 집합을 입수 받고(SCA11), 상기 대상 특허 집합 생성부(2200)는 상기 입수 특허 문건 집합에 포함된 개별 특허를 처리하여 적어도 하나 이상의 대상 특허 집합을 생성(SCA12)하고, 상기 인용 분석부(2300)는 상기 대상 특허 집합에 대하여 기설정된 적어도 하나 이상의 인용 분석을 처리(SCA13)한다.
한편, 도 20에서 알 수 있듯이, 상기 집합 단위 인용 분석부(2000)는 입수 특허 집합 한정부(2120) 또는 옵션 선택부(2211)를 통하여 입수 특허 집합 또는 대상 특허 집합에 대한 한정을 수행(SCA21)하고, 상기 인용 분석 목적 선택부(2310)을 통하여 인용 분석 목적에 대한 선택 정보를 입수(SCA22)하고, 상기 인용 분석 대상 특허 집합 생성부(2230)를 통하여 한정된 특허 집합을 대상으로 인용 분석의 대상이 되는 인용 분석 대상 특허 집합 생성(SCA23)하고, 인용 분석 목적 선택부(2310)과 인용 분석 실행부(2320)을 통하여 인용 분석 대상 집합에 포함된 특허들을 대상으로 인용 분석 목적에 따른 분석 정보 생성(SCA24)한다.
상기 특허 집합 입수부(2110)이 복수개의 특허를 입수하는 경우, 상기 입수 특허 집합 한정부(2120)은 입수 특허 집합을 한정한다. 한정을 수행하는 방법은 기간 한정, 국가 한정, 권리자 한정, 발명자 한정, 특허 분류 한정 등이 있을 수 있으며, 이는 각각 기간 한정부(2211-1), 국가 한정부(2211-2), 출원인 한정부(2211-3), 발명자 한정부(2211-4) 및 특허 분류 한정부(2211-5)가 수행한다. 출원인 등을 한정할 때, 입수한 특허 집합에 포함된 권리자의 리스트를 보여 주고, 상기 특허정보시스템(1000)을 사용하는 사용자가 적어도 하나 이상의 권리자를 선택할 수 있게 한다. 이는 발명자 한정과 특허 분류 한정에서도 마찬가지이다.
이어, 특수한 한정을 소개한다. 먼저 필드 속성 한정이다. 예를 들어 특정한 권리자가 특허 괴물로 분류되거나, 경쟁사로 분류되는 경우, 특허 괴물이나 경쟁사 등이 특별한 필드 속성이 된다. 이는 특히 특허 괴물로 분류되는 권리자의 특허를 다수 인용하는 경우, 특허 분쟁이나 라이센스 요구 리스크가 커지게 되기 때문에 중요하다. 권리자는 출원인과 같은 필드이며, 출원인 필드 속성에는 특허 괴물이나 경쟁사(이러한 특허 괴물이나 경쟁사는 특정한 사용자별로 다를 수 있으며, 사용자별로 지정이 가능함은 물론이다 할 것이다.)뿐만 아니라, 권리자 속성(대학, 연구 기관, 기업)이나, 권리자 규모(대기업, 중소 기업), 권리자 속성(다출원 기업, 핵심 특허 다수 보유 기업, 특허 품질 지수가 높은 기업 등)과 같은 다양한 속성이 있을 수 있다. 발명자 등도 권리자와 마찬가지로 다양한 속성이 부여 될 수 있음은 당연할 것이다. 이러한 필드 속성의 한정은 본 발명의 필드 속성 한정부(2211-6)가 수행한다. 한편, 필드 속성이 값으로 존재할 때, 이러한 한정은 본 발명은 개별 필드값 한정부(2211-7)가 수행한다. 한편, 특정 특허 집합에 대하여 공동 출원인수 2주체 이상, 공동 발명자수 3인 이상, 특허 분류 개수 2개 이상, 피인용수 5회 이상 등과 같이 개별 필드의 필드값별로 필드값을 한정하여, 한정된 조건을 만족하는 특허군 만을 추출할 수도 있을 것이다. 이러한 한정은 개별 특허 속성값 한정부(2111-8)가 수행한다. 한편, 기타 한정이 있는 경우 이러한 한정은 본 발명은 기타 한정부(2211-9)가 수행한다. 상기 한정 등은 포괄적으로 수행하는 것은 옵션 선택부(2211)의 기능이다. 상기 한정은 입수 특허 집합과 인용 특허 집합 모두에 대하여 수행할 수 있고, 상기 입수 특허 집합의 생성이 1차 입수 집합을 입수하고, 입수된 1차 입수 집합을 그대로 입수 특허 집합으로 처리하는 경우, 상기 1차 입수 집합에 대해서도, 상기 인용 분석 대상 특허 집합의 생성이 1차 대상 특허 집합을 생성하는 경우, 상기 1차 대상 특허 집합에 대해서도 한정될 수 있다. 이러한 한정이 수행되는 경우에 대해서는 도 29와 도 30에 잘 나타나 있다. 도 29에서는 입수 특허 집합에 추가적으로 한정하는 경우, 한정된 입수 특허 집합에 대해서 전방 인용 특허 집합도 한정되지 않은 입수 특허 집합에 대한 전방 인용 특허 집합보다 한정되며, 한정된 입수 특허 집합에 대해서 후방 인용 특허 집합도 한정되지 않은 입수 특허 집합에 대한 후방 인용 특허 집합보다 한정됨을 보여 주고 있다. 한편, 도 30은 입수 특허 집합에 대하여 전방 인용 특허 집합과 후방 인용 특허 집합이 생성될 때, 상기 전방 인용 특허 집합과 후방 인용 특허 집합에 한정을 가하여, 한정된 전방 인용 특허 집합과 후방 인용 특허 집합을 생성할 수 있음을 보여 준다.
특수한 한정으로 키워드 한정이 있다. 즉, 개별 특허들마다 핵심 키워드를 추출해 놓은 경우, 특정한 적어도 하나 이상의 키워드를 포함하거나 배제되거나 하는 등의 키워드 관련 조건으로 특허 집합을 한정할 수 있게 된다.
이어, 도 21내지 도30을 참조하면서 상기 입수 특허 집합, 인용 특허 집합, 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합에 대해서 설명한다.
도 21에서 I1 내지 I6 특허는 입수 특허 집합을 구성한다. I1은 P1을 인용하고, I2는 P2를 인용하며, I3는 P3와 P4를 인용하며, I4는 P5와 입수 특허 집합에 속하는 I4를 인용하며, I 4는 I 5를 인용하며, I5는 I6을 인용하고 있다. 한편, I1은 C1에 의해 인용되고 있으며, I2는 C2 내지 C4에 의해 인용되고 있다. 이때, 인용 특허 집합 I1 내지 I6에 대하여, P1 내지 P5 및 I5, I6이 전방 인용 특허 집합이 되며, C1 내지 C4 및 I4와 I5가 후방 인용 특허 집합이 된다. 도 22에서 알 수 있듯이, 인용 특허 집합이 I1 내지 I4로 한정이 되는 경우, 상기 전방 인용 특허 집합은 P1 내지 P5 및 I5가 돈다. 한편, 도 23에서 알 수 있듯이, 인용 특허 집합이 I1 내지 I3로 한정이 되는 경우, 상기 후방 인용 특허 집합은 C1 내지 P4가 된다.
도 24는 자기 인용 다이어그램의 개념을 보여 주고 있다. I4 내지 I6은 입수 특허 집합에 속하며, I4의 입장에서는 I5가 전방 인용이며, I6은 깊이 2의 전방 인용이며, I5의 입장에서는 I6이 전방 인용이고, I4가 후방 인용이며, I6의 입장에서는 I5가 후방 인용이며, I4가 깊이 2의 후방 인용이 된다. 따라서, I1 내지 I4로 입수 특허 집합이 한정되는 경우, I5가 깊이 1의 전방 자기 인용 특허 집합이 되며, I6은 깊이 2의 전방 자기 인용 특허 집합이 된다. 전방 자기 인용 특허 집합은 상기 I1 내지 I6이 동일한 권리자일 경우, 전방 자기 인용 특허 집합을 구성하는 I5 및/또는 I6은 동일한 권리자의 특허이므로 I5 및/또는 I6과 I4의 관계는 유사한 기술일 가능성이 높으며, I4는 I5 및/또는 I6을 개선하거나 개량한 기술일 가능성이 높으므로, 특정한 권리자의 기술 개발 동향(지속성, 집중 분야) 등을 알 수 있게 된다. 이는 후방 자기 인용 특허 집합의 경우도 마찬가지이다. 즉, 인용 특허 집합에 포함되는 특허에 대하여, 전방 자기 인용 특허 집합과 후방 자기 인용 특허 집합의 관계에 있는 특허들은 유관성이 강하게 되며, 그 권리자의 특허 포트폴리오에 있어서, 연속성, 개량성, 확장성과 포괄성 등을 표상하게 된다. 이는 상기 인용 특허 집합을 권리자의 관점에서 본 것이며, 발명자 단위로 인용 특허 집합을 한정하건, 특허 분류(기술 분야를 대변한다.)별로 인용 특허 집합을 한정하여 볼 경우도 마찬가지일 것이다. 즉, 인용 특허 집합에 있는 특정 발명자의 특허와 인용 발생 입수 특허 집합과 후방 자기 인용 특허 집합의 관계를 가지는 특허 중 동일 발명자의 특허들은 그 발명자를 기준으로 볼 때, 기술 개발이나 연구의 연속성 등을 표상할 수 있다. 이러한 결과를 볼 수 있는 것이 본 발명의 집단 단위 인용 분석의 특유한 효과가 된다.
이어, 인용 발생 입수 특허 집합에 대해서 설명한다. 인용 발생 입수 특허 집합은 입수 특허 집합을 구성하는 특허 중 적어도 1회 이상의 인용을 받은 특허군으로 이루어진다. 상기 인용을 인용 특허 집합을 구성하는 특허 중에서 I1, I2, I4, I5이 인용 발생 입수 특허 집합을 구성한다. 한편, 상기 인용 발생 입수 특허 집합 중에서 특별한 한정 중의 하나인 인용 발생 입수 특허 집합을 구성하는 특허 중 입수 특허 집합의 구성하는 특허를 제외하는 한정을 수행하면, 도 25와 같은 한정된 인용 발생 입수 특허 집합이 생성되게 된다. 만약 I1 내지 I6의 권리자가 동일하고, C1 내지 C4의 출원인이 I1 내지 I6의 권리자와 다르다면, I2는 타 권리자에 의해 가장 많은 인용을 받은 특허가 되어, 인용 발생 입수 특허 집합 중에서도 중요한 특허가 될 가능성이 높으며, 이러한 중요한 특허를 발명한 자도 중요 발명자가 될 가능성이 높다. 도 38은 인용을 다수 받은 인용 발생 입수 특허 집합의 특허 목록 및 인용 받은 회수를 보여 주고 있다.
이어, 도 26 내지 도 30을 참조하면서 상기 입수 특허 집합, 인용 특허 집합, 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 및 인용 발생 입수 특허 집합에 대해서 설명한다. 도 26에서 IS(Input Set)는 입수 특허 집합을 의미하며, PIS(Parent of Input Set)은 전방 인용 특허 집합을, CIS(Child of Input Set)은 후방 인용 특허 집합을 의미한다. 도 27에서 CPIS(Cross-over Parent of Input Set)은 전방 자기 인용 특허 집합을, CCIS(Cross-over Child of Input Set)은 후방 자기 인용 특허 집합을 의미한다. CPIS(Cross-over Parent of Input Set)와 CCIS(Cross-over Child of Input Set)에 속하는 특허들은 IS에도 속한다. 도 28은 COIS(Citation Occurred IS)으로 인용 발생 입수 특허 집합을 의미한다. IS에 속하는 모든 특허들에 대한 후방 인용 특허 집합과 COIS에 속하는 모든 특허들에 대한 후방 인용 특허 집합은 동일하다는 특징이 있다.
도 29 내지 도 30은 한정이 발생하는 경우를 예시하고 있다. 입수 특허 집합 IS에 특정한 한정이 가해 지면 SIS(Specified Input Set)이 생성되게 된다. 상기 SIS에 대한 한정된 전방 인용 특허 집합인 PSIS(Parent of Specified Input Set)과 한정된 후방 인용 특허 집합인 CSIS(Child of Specified Input Set)이 생성되게 된다. 도 30은 입수 특허 집합 IS에 대하여 전방 인용 특허 집합과 후방 인용 특허 집합이 생성되었을 때, 상기 전방 인용 특허 집합과 후방 인용 특허 집합에 대하여 기 설정된 한정을 수행했을 경우, 생성되는 한정된 전방 인용 특허 집합의 일종인 SPIS(Specified Parent of Input Set-전방 인용 특허 집합이 먼저 생성된 후, 그 전방 인용 특허 집합에 한정(specification)을 가함)과 후방 인용 특허 집합의 일종인 SCIS(Specified Child of Input Set)가 생성되게 된다.
도 34는 한정의 일례를 보여 주고 있다. 첫 번째는 기간 한정이며, 기간은 from ~ to 로 선택할 수 있으며, 기간의 기준은 출원일, 공개일, 등록일 등 여러 가지가 있을 수 있다. 국가의 한정은 우선권 주장 출원에 나와 있는 국가일 수 있으며(권리자의 국적) 발명자의 국적(발명자 주소 정보에 나옴)일 수도 있으며, 상태는 공개나 등록, 무효, 소멸 등 특허의 각종 현재 상황을 나타낸다. 특허 분류의 경우에는 IPC, USPC, FT, FI, ECLA에 대한 특허 분류 종류의 선택과, 메인 특허 분류인지 서브 특허 분류 인지의 종류의 선택과, 깊이(IPC의 경우 섹션, 클래스, 서브클래스, 메인그룹, 1 dot 서브 그룹, n dot 서브 그룹 등)의 선택 등이 있을 수 있다.한편, 수치값의 선택으로는 공동 발명자수, 공동 출원인 수, 피인용수, 특허 분류 수, 특허 등급, 특허 점수 등과 같은 개별 특허에 대하여 측정하거나, 계산되거나, 입수되는 필드별 수치값에 대한 선택이 있을 수 있다.
한편, 한정은 아니지만 분석 목적은 인용 분석 결과에 나타나는 주요 정보가 무엇에 관한 것인지를 나타낸다. 도 39는 분석 목적이 출원인으로 되어 있다. 분석 목적의 예시로는 총량, 출원인/권리자, 발명자, 특허 분류, 개별 특허가 있을 수 있다. 도 39는 도 36의 권리자의 인용 발생 입수 특허 집합을 구성하는 특허 중 고피인용 특허 몇 개를 입수 특허 집합으로 했을 때, 상기 입수 특허 집합에 대한 후방 인용 특허 집합을 구성하는 특허군에 대해서, 권리자별로의 문건 수를 인용 분석 결과로 보여 주는 것이다. 도 36의 분쟁 당사자인 YELDUP는 54건의 특허가 상기 입수 특허 집합의 상위 고 피인용 4건의 특허를 인용하고 있음을 알 수 있다. 만약, 분석 목적을 개별 문건으로 하는 경우에는 상기 후방 인용 특허 집합에 포함된 특허 문건별로 상기 고 피인용 4건의 특허를 얼마나 인용하고 있는지를 알 수 있을 것이다. 만약 특정 특허가 상기 고 피인용 특허 4건 중 3건을 인용하고 있다고 한다면, 그 특정 특허가 반영된 제품이 있다면, 그 제품은 특허 침해의 소지가 상당히 높을 가능성이 있을 것이다. 특히, 그 특정 특허가 도 24에서와 같은 인용 발생 입수 특허 집합에 속하는 특허일 경우에는 더욱 더 그러할 가능성이 클 것으로 기대할 수 있을 것이다. 이러한 리스크(YELDUP 입장의 분석)은 본 발명의 리스크 분석부가 수행하며, 기회요소 분석(권리자인 CMF의 입장)의 분석은 본 발명의 기회요소 분석부가 수행할 수 있다. 상기 리스크 분석부나 기회요소 분석부는 동일한 분석 모듈일 수 있으나, 리스크 분석부는 전방 인용에 초점을 두고 있고, 기회요소 분석부는 후방 인용에 초점을 두고 있다.
도 18은 본 발명의 인용 분석 실행부를 보여 준다. 상기 인용 분석 실행부(2320)에는 정량 분석을 수행하는 정량 분석부를 포함하고 있다. 상기 정량 분석은 필드별로 수행할 수도 있다. 한편, 상기 정량 분석은 시계열 분석을 포함하고 있을 수 있으며, 필드별 시계열 분석도 상기 정량 분석에 포함된다. 도 40은 전형적인 시계열 분석의 예를 보여 준다. 도 40은 인용 분석 결과 중 전방 인용 특허 집합에 대한 기술 분류의 일종의 하나인 특허 분류의 관점에서 특허 분류 체계 상의 IPC 서브 클래스 단위에서 필드별 시계열 분석의 일례를 보여 주고 있다. 도 34는 분석 목적이 총량인 인용 분석의 일례를 보여 주고 있다. 한편, 전방 인용 특허 집합 또는 후방 인용 특허 집합을 구성하는 특허군에 대하여 연관성(association) 분석을 수행할 수 있고, 그 결과는 도 34의 우측 하단과 같이 네트워크 다이어그램으로 나타날 수도 있다. 이러한 네트워크 분석을 수행하는 것은 본 발명의 네트워크 분석부가 수행한다. 도 35도 임의의 특허 집합에 속하는 특허 문건 중 2개 이상의 특허 분류를 가지는 특허들에 한정하여, 상기 2개 이상의 특허 분류들 간의 연관성 분석 결과를 네트워크 다이어그램으로 표현해 주고 있다.
인용 방향은 전방 또는 후방 또는 인용 발생 입수 특허 집합 자체 중 어느 하나가 된다. 한편, 전방 인용 특허 집합이나 후방 인용 특허 집합은 중복을 허용하는 것인 타당하나 특수한 경우에는 중복을 허용하지 않는 선택을 사용자가 할 수 있다. 즉, 입수 특허 집합에 속하는 n개의 특허(I1,,,, ,In)가 동일한 특허 Pi를 인용하고 있는 경우, Pi는 n회의 가중치를 가지는 것으로 취급해야 함이 더 타당하다. 통상적으로 집합 연산(합집합 연산)을 수행하면, 중복되는 원소(Pi들)는 중복이 제거되어 1회로 취급되는데, 인용 분석의 취지상 이렇게 되는 것은 타당하지 않다. 따라서, 각 Pi들은 빈도(frequency) n을 유지하면서 처리되어야 한다.
한편, 한정이 있거나, 한정이 없는 상기 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 인용 발생 입수 특허 집합 등을 구성하는 특허군에 대하여 rising 분석(증감율 분석)을 수행할 수 있다. rising 분석이란, 개별적인 출원인별, 발명자별, 특허 분류별, 키워드별(키워드 쌍을 포함한다), 개별 문건별 또는 공동출원인별, 공동 발명자별, 특허 분류쌍별, 키워드 쌍별로 빈도 등에 대한 시계열 분석을 수행할 수 있게 된다. 한편, 상기 한정이 있거나, 한정이 없는 상기 전방 인용 특허 집합, 후방 인용 특허 집합, 전방 자기 인용 특허 집합, 후방 자기 인용 특허 집합, 인용 발생 입수 특허 집합 등을 구성하는 특허군에 대하여 신규 진입 분석을 수행할 수 있다. 신규 진입 분석이란, 특정한 cutoff(threshold)인 특정 시점을 정해 놓고, 그 시점 이전에는 없고 그 시점 이후에만 발생한 개별적인 출원인, 발명자, 특허 분류, 키워드, 개별 문건 또는 공동출원인, 공동 발명자, 특허 분류쌍, 키워드쌍을 추출할 수 있을 것이다. 한편, 신규 진입 분석의 일종으로 특정한 cutoff를 기준으로 출원인, 발명자, 특허 분류, 키워드, 개별 문건 또는 공동출원인, 공동 발명자, 특허 분류쌍, 키워드쌍의 빈도의 rising speed가 큰 출원인, 발명자, 특허 분류, 키워드, 개별 문건 또는 공동출원인, 공동 발명자, 특허 분류쌍, 키워드쌍을 추출할 수 있을 것이다.
한편, 인용 분석의 결과에 나오는 모든 수치마다에는 그 수치가 나온 조건이 할당될 수 있으므로(모든 조건은 SQO문으로 한정할 수 있다.) 그 수치에 클릭을 하면, 그 수치에 대응되는 특허 문건들을 호출할 수 있을 것임은 당업자에게 용이할 것이다. 이렇게 되면, 분석 수치에 대응되는 특허 문건을 입수 특허 집합으로 하여 다시 인용 분석을 수행할 수 있게 된다.
본 발명은 특허 정보 산업, 인용 분석 사업, 기술 분석 및 컨설팅 산업, R'D 지원 사업, 정보 분석 산업 등 기술 정보와 관련된 다양한 산업에 활용될 수 있다.
100 : 데이터부 1000 : 특허정보시스템
110 : 특허 데이터부 111 : 특허 명세서 파일부
112 : 특허 DB 113 : 특허분류 DB
114 : 기타 특허 데이터 DB 114-1 : Catchword DB
114-2 : IndextoUSPC DB 120 : 비특허 데이터부
121 : 비특허파일부 122 : 비특허 DB
123 : 기업정보 DB 124 : 기타 비특허 데이터 DB
130 : 핵심 키워드 DB 131 : 기술 키워드 DB
131-1 : 기술 키워드 공기쌍 DB 132 : 제품 키워드 DB
132-1 : 제품 키워드 공기쌍 DB 133 : 구문 키워드 DB
133-1 : 키워드 구문 공기쌍 DB 133-2 : 구문 키워드 공기쌍 DB
133-3 : 패턴별 구문 DB 140 : 특허 분류 메타데이터 DB
150 : 출원인 DB 160 : 규칙 데이터부
170 : 언어 데이터부 180 : 기타 DB
190 : 목적특화 데이터부 200 : 데이터 가공부
210 : 핵심 키워드 생성부 211 : 키워드 추출부
212 : 기술 키워드 생성부 213 : 제품 키워드 생성부
214 : 구문 키워드 생성부 220 : 분류 메타 데이터 생성부
223 : 핵심 키워드 계층화부 224 : 특허 자동 분류부
230 : 목적특화 데이터 생성부 231 : 통계분석용 데이터 생성부
232 : 인용분석용 데이터 생성부 233 : 발견분석용 데이터 생성부
300 : 검색처리부 3000 : 연계 시스템
400 : 분석 정보 생성부 400 : 분석정보 생성부
410 : 분석용 데이터 입수부 410 : 특수 분석 정보 생성부
420 : 특화 대상 발견부 421 : 분석 지표 DB
421 : 유사 특허 집합 발견부 422 : 니치 기술 영역 발견부
423 : 초기 신호 발견부 424 : 오픈이노베이션 대상 발견부
425 : 미래 기술 발견부 430 : 분석 항목 선택부
440 : 옵션 처리부 441 : 데이터 한정 옵션 처리부
442 : 표시 옵션 처리부 443 : 기타 옵션 처리부
450 : 분석 실행부 451 : 분석 명령 구문 DB
460 : 분석결과 리포팅부 461 : 표 생성부
462 : 차트 생성부 463 : 다이어그램 생성부
464 : 리포트 생성부 470 : 문건 집합 호출부
490 : 무한 분석 제공부 500 : 평가 정보 생성부
5000 : 사용자 컴퓨터 510 : 특허 평가 정보 생성부
511 : 출원인 평가 정보 생성부 512 : 발명자 평가 정보 생성부
513 : 대리인 평가 정보 생성부 514 : 문건 집합 평가 정보 생성부
520 : 핵심 키워드 평가 정보 생성부 600 : 특수 분석 정보 생성부
610 : 비교 분석부 611 : 비교 항목 선택부
612 : 비교 결과 표시 선택부 620 : What If 분석부
621 : 집합 연산부 622 : 시뮬레이션부
630 : 편입/협의 대상 분석부 630 : 편입/협의 분석부
640 : 연관 분석부 641 : 연관 대상 선택부
642 : 동종 연관 분석부 643 : 이종 연관 분석부
644 : 연관 결과 표시 선택부 650 : Risk/기회 분석부
651 : Risk/기회 패턴 선택부 652 : Risk/기회 요인 관리부
660 : 2X2 분석부 661 : 지표 선택부
700 : 특화 대상 발견부 710 : 유사 특허 집합 발견부
710 : 유사 특허 집합 생성부 711 : 유사 특허 집합 생성용 데이터 생성부
711-1 : 핵심 키워드 생성부 711-2 : 상위 특허 분류 기호 추출부
711-3 : 인용/피인용 특허 문건 추출부 711-4 : 가중치 부여부
711-4a : 핵심 키워드 가중치 부여부 711-4b : 특허 분류 기호 가중치 부여부
711-4c : 인용/피인용 깊이 가중치 부여부 712 : 유사 특허 집합 생성부
713 : 문건 집합 선택부 714 : 유사 특허 집합 제공부
715 : 문건 유사성 평가 정보 생성부 716 : 무효 참증 발견부
720 : 초기 신호 발견부 721 : 초기 신호 패턴부
722 : 초기 신호 패턴 측정부 723 : 복합 데이터 분석부
724 : 초기 신호 판단부 724-1 : 초기 신호 패턴 기준부
725 : 초기 신호 평가 정보 생성부 726 : 초기 신호 발견 배치 처리부
726 : 초기 신호 발견배치 처리부 730 : 니치 기술 영역 발견부
731 : 문건 집합 선택부 732 : 네트워크 다이어그램 비교부
733 : n차원 매트릭스 선택부 734 : 선행 특허 표시부
735 : 니치 기술 영역 평가 정보 생성부 740 : 오픈이노베이션 대상 발견부
741 : 소스 선택부 742 : 타겟 속성 지정부
743 : 소스-타겟 분석부 744 : 오픈 이노베이션 대상 평가 정보 생성부
750 : 미래 기술 발견부 751 : 선도 대상 발견부
752 : 선도 대상 지정부 753 : 선도 대상 분석부
754 : 미래 기술 적용 제품 분석부 755 : 미래 기술 평가 정보 생성부
760 : 특허 전략 발견부 800 : 부가 서비스 제공부
810 : 회원용 관리부 811 : 회원 data부
811a : 회원 문건 DB 811b : 회원 맵핑 정보 DB
811c : 회원 과금 DB 812 : 회원 디렉토리 생성부
813 : 회원 플래그 생성부 814 : 회원 맵핑 정보 생성부
814a : 회원 키워드 맵핑 정보 생성부 814b : 회원 출원인 맵핑 정보 생성부
820 : 플랫폼 서비스 제공부 821 : 웹서비스 제공부
821a : 웹서비스 계정 관리부 821b : 웹서비스 인터페이스부
830 : 커뮤니티 서비스 제공부 840 : 전자상거래 서비스 제공부
841 : 전자상거래 대상 DB 842 : 전자상거래 처리부
843 : 오픈 마켓 생성부 850 : 과금 처리부
860 : 번역 처리부 870 : 댓글 처리부
871 : 댓글 수신부 872 : 댓글 저장부
873 : 동일성 판단부 874 : 댓글 전달부
900 : 융합 정보 처리부 9000 : 유무선 네트워크
910 : 융합 처리 모집합 입수부 920 : 융합 처리 대상 집합 생성부
921 : 집합 분할부 921-1 : 분할 처리 기준 제공부
921-2 : 분할 처리 기준 입수부 921-3 : 분할 처리 기준 DB
922 : 인용 특허 집합 입수부 922-1 : 전방 인용 특허 집합 입수부
923 : 집합 지정 정보 입수부 930 : 융합 처리 기준 정보부
931 : 융합 처리 기준 제공부 932 : 융합 처리 기준 입수부
933 : 융합 처리 기준 생성부 934 : 융합 처리 기준 정책 DB
940 : 융합 패턴 처리부 941 : 키워드 융합 패턴 처리부
942 : 특허 분류 융합 패턴 처리부 943 : 하이브리드 융합 패턴 처리부
944 : 비교 정보 생성부 945 : 비교 정보 처리부
950 : 융합 패턴 분석부 951 : 융합 패턴 시각화부
952 : 융합 패턴 UI부 960 : 융합 패턴 정보 배치 생성부
961 : 융합 패턴 정보 배치 생성 정책부 962 : 융합 패턴 정보 DB
970 : 단위 융합 요소 생성부 971 : 핵심 키워드 단위 융합 요소 생성부
972 : 특허 분류 단위 융합 요소 생성부 973 : 하이브리드 융합 요소 생성부
974 : 인덱스 단위 융합 요소 생성부 992-2 : 후방 인용 특허 집합 입수부
980 : 공백 융합 후보 발견부 981 : 대등 공백 융합 후보 발견부
982 : 심화 공백 융합 후보 발견부 983 : 요 공백 융합 후보 발견부
30-1 : 공백 융합 후보 유형 선택부 30-2 : 특허 분류 표시 유형 선택부
30-3 : 특허 분류 속성 선택부 30-7 : 문서 개수에 대한 표시 정보
35-1 : 하위 특허 분류 확장 표시부 35-2 : 특허 분류 설명 표시부
2000 : 집합 단위 인용 분석부
2100 : 입수 특허 집합 생성부
2110 : 특허 집합 입수부
2111-8 : 개별 특허 속성값 한정부
2120 : 입수 특허 집합 한정부
2200 : 대상 특허 집합 생성부
2210 : 대상 특허 집합 한정부
2211-1 : 기간 한정부
2211-2 : 국가 한정부
2211-3 : 출원인 한정부
2211-4 : 발명자 한정부
2211-5 : 특허 분류 한정부
2211-6 : 필드 속성 한정부
2211-7 : 개별 필드값 한정부
2211-9 : 기타 한정부
2211 : 옵션 선택부
2211 : 옵션 선택부
2220 : 대상 특허 집합 입수부
2221 : 인용 특허 집합 입수부
2222 : 피인용 특허 집합 입수부
2230 : 인용 분석 대상 특허 집합 생성부
2300 : 인용 분석부
2310 : 인용 분석 목적 선택부
2320 : 인용 분석 실행부
2320 : 인용 분석 실행부
2320 : 정량 분석부
2321 : 필드별 정량 분석부
2330 : 정성 분석부
2331 : 필드별 정성 분석부
2340 : 네트워크 분석부
2350 : 비교 분석부
2360 : 리스크 분석부
2370 : 기회요소 분석부
2380 : 기타 분석부
2390 : 인용 분석 시각화부
2900 : 시스템 특허 집합 관리부
2910 : 출원인별 특허 집합 관리부
2920 : 특허분류별 특허 집합 관리부
2930 : 기타 분류별 특허 집합 관리부
5000 : 사용자 컴퓨터
810 : 회원용관리부
811-1 : 회원별 특허 집합 관리부
811 : 회원 data부
811a : 회원 문건 DB
4000 : 특허 분쟁 예측 정보 생성 시스템
4100 : 분쟁 예측 엔진
4110 : 분쟁 예측 요소값 생성부
4111 : 인용 계열 분쟁 예측 요소값 생성부
4112 : 제품/기술군 계열 분쟁 예측 요소값 생성부
4113 : 주체 계열 분쟁 예측 요소값 생성부
4114 : 사용자 입력 계열 분쟁 예측 요소값 생성부
4120 : 분쟁 예측 알고리즘부
4130 : 분쟁 예측 모델부
4140 : 분쟁 예측 결과 출력부
4150 : 분쟁 예측 대상 자기 집합 생성부
4151 : 인용 특허 집합 생성부
4152 : 유사 특허군 생성부
4160 : 분쟁 예측 대상 타겟 집합 생성부
4170 : 가중치 조절부
4200 : 분쟁 DB부
4210 : 분쟁 발생 DB
4220 : 분쟁 예측 요소 DB
4230 : 분쟁 예측 알고리즘 DB
4240 : 분쟁 예측 모델 DB
4300 : 분쟁 정보 입출력부
4310 : 분쟁 data입수부
4320 : 사용자 특허 분쟁 입력부
4330 : 특허 분쟁 정보 리포트 생성부
4340 : 특허 분쟁 UI부
4400 : 특허 분쟁 관리부
4410 : 특허 분쟁 시스템 관리부
4420 : 사용자 특허 분쟁 관리부
4500 : 분쟁 예측 알고리즘 생성부
4510 : 분쟁 예측 요소 후보 DB
4520 : 분쟁 예측 요소 후보값 생성부
4530 : 분쟁 예측 알고리즘 생성부
4540 : 분쟁 예측 모델 생성부
110 : 특허 데이터부 111 : 특허 명세서 파일부
112 : 특허 DB 113 : 특허분류 DB
114 : 기타 특허 데이터 DB 114-1 : Catchword DB
114-2 : IndextoUSPC DB 120 : 비특허 데이터부
121 : 비특허파일부 122 : 비특허 DB
123 : 기업정보 DB 124 : 기타 비특허 데이터 DB
130 : 핵심 키워드 DB 131 : 기술 키워드 DB
131-1 : 기술 키워드 공기쌍 DB 132 : 제품 키워드 DB
132-1 : 제품 키워드 공기쌍 DB 133 : 구문 키워드 DB
133-1 : 키워드 구문 공기쌍 DB 133-2 : 구문 키워드 공기쌍 DB
133-3 : 패턴별 구문 DB 140 : 특허 분류 메타데이터 DB
150 : 출원인 DB 160 : 규칙 데이터부
170 : 언어 데이터부 180 : 기타 DB
190 : 목적특화 데이터부 200 : 데이터 가공부
210 : 핵심 키워드 생성부 211 : 키워드 추출부
212 : 기술 키워드 생성부 213 : 제품 키워드 생성부
214 : 구문 키워드 생성부 220 : 분류 메타 데이터 생성부
223 : 핵심 키워드 계층화부 224 : 특허 자동 분류부
230 : 목적특화 데이터 생성부 231 : 통계분석용 데이터 생성부
232 : 인용분석용 데이터 생성부 233 : 발견분석용 데이터 생성부
300 : 검색처리부 3000 : 연계 시스템
400 : 분석 정보 생성부 400 : 분석정보 생성부
410 : 분석용 데이터 입수부 410 : 특수 분석 정보 생성부
420 : 특화 대상 발견부 421 : 분석 지표 DB
421 : 유사 특허 집합 발견부 422 : 니치 기술 영역 발견부
423 : 초기 신호 발견부 424 : 오픈이노베이션 대상 발견부
425 : 미래 기술 발견부 430 : 분석 항목 선택부
440 : 옵션 처리부 441 : 데이터 한정 옵션 처리부
442 : 표시 옵션 처리부 443 : 기타 옵션 처리부
450 : 분석 실행부 451 : 분석 명령 구문 DB
460 : 분석결과 리포팅부 461 : 표 생성부
462 : 차트 생성부 463 : 다이어그램 생성부
464 : 리포트 생성부 470 : 문건 집합 호출부
490 : 무한 분석 제공부 500 : 평가 정보 생성부
5000 : 사용자 컴퓨터 510 : 특허 평가 정보 생성부
511 : 출원인 평가 정보 생성부 512 : 발명자 평가 정보 생성부
513 : 대리인 평가 정보 생성부 514 : 문건 집합 평가 정보 생성부
520 : 핵심 키워드 평가 정보 생성부 600 : 특수 분석 정보 생성부
610 : 비교 분석부 611 : 비교 항목 선택부
612 : 비교 결과 표시 선택부 620 : What If 분석부
621 : 집합 연산부 622 : 시뮬레이션부
630 : 편입/협의 대상 분석부 630 : 편입/협의 분석부
640 : 연관 분석부 641 : 연관 대상 선택부
642 : 동종 연관 분석부 643 : 이종 연관 분석부
644 : 연관 결과 표시 선택부 650 : Risk/기회 분석부
651 : Risk/기회 패턴 선택부 652 : Risk/기회 요인 관리부
660 : 2X2 분석부 661 : 지표 선택부
700 : 특화 대상 발견부 710 : 유사 특허 집합 발견부
710 : 유사 특허 집합 생성부 711 : 유사 특허 집합 생성용 데이터 생성부
711-1 : 핵심 키워드 생성부 711-2 : 상위 특허 분류 기호 추출부
711-3 : 인용/피인용 특허 문건 추출부 711-4 : 가중치 부여부
711-4a : 핵심 키워드 가중치 부여부 711-4b : 특허 분류 기호 가중치 부여부
711-4c : 인용/피인용 깊이 가중치 부여부 712 : 유사 특허 집합 생성부
713 : 문건 집합 선택부 714 : 유사 특허 집합 제공부
715 : 문건 유사성 평가 정보 생성부 716 : 무효 참증 발견부
720 : 초기 신호 발견부 721 : 초기 신호 패턴부
722 : 초기 신호 패턴 측정부 723 : 복합 데이터 분석부
724 : 초기 신호 판단부 724-1 : 초기 신호 패턴 기준부
725 : 초기 신호 평가 정보 생성부 726 : 초기 신호 발견 배치 처리부
726 : 초기 신호 발견배치 처리부 730 : 니치 기술 영역 발견부
731 : 문건 집합 선택부 732 : 네트워크 다이어그램 비교부
733 : n차원 매트릭스 선택부 734 : 선행 특허 표시부
735 : 니치 기술 영역 평가 정보 생성부 740 : 오픈이노베이션 대상 발견부
741 : 소스 선택부 742 : 타겟 속성 지정부
743 : 소스-타겟 분석부 744 : 오픈 이노베이션 대상 평가 정보 생성부
750 : 미래 기술 발견부 751 : 선도 대상 발견부
752 : 선도 대상 지정부 753 : 선도 대상 분석부
754 : 미래 기술 적용 제품 분석부 755 : 미래 기술 평가 정보 생성부
760 : 특허 전략 발견부 800 : 부가 서비스 제공부
810 : 회원용 관리부 811 : 회원 data부
811a : 회원 문건 DB 811b : 회원 맵핑 정보 DB
811c : 회원 과금 DB 812 : 회원 디렉토리 생성부
813 : 회원 플래그 생성부 814 : 회원 맵핑 정보 생성부
814a : 회원 키워드 맵핑 정보 생성부 814b : 회원 출원인 맵핑 정보 생성부
820 : 플랫폼 서비스 제공부 821 : 웹서비스 제공부
821a : 웹서비스 계정 관리부 821b : 웹서비스 인터페이스부
830 : 커뮤니티 서비스 제공부 840 : 전자상거래 서비스 제공부
841 : 전자상거래 대상 DB 842 : 전자상거래 처리부
843 : 오픈 마켓 생성부 850 : 과금 처리부
860 : 번역 처리부 870 : 댓글 처리부
871 : 댓글 수신부 872 : 댓글 저장부
873 : 동일성 판단부 874 : 댓글 전달부
900 : 융합 정보 처리부 9000 : 유무선 네트워크
910 : 융합 처리 모집합 입수부 920 : 융합 처리 대상 집합 생성부
921 : 집합 분할부 921-1 : 분할 처리 기준 제공부
921-2 : 분할 처리 기준 입수부 921-3 : 분할 처리 기준 DB
922 : 인용 특허 집합 입수부 922-1 : 전방 인용 특허 집합 입수부
923 : 집합 지정 정보 입수부 930 : 융합 처리 기준 정보부
931 : 융합 처리 기준 제공부 932 : 융합 처리 기준 입수부
933 : 융합 처리 기준 생성부 934 : 융합 처리 기준 정책 DB
940 : 융합 패턴 처리부 941 : 키워드 융합 패턴 처리부
942 : 특허 분류 융합 패턴 처리부 943 : 하이브리드 융합 패턴 처리부
944 : 비교 정보 생성부 945 : 비교 정보 처리부
950 : 융합 패턴 분석부 951 : 융합 패턴 시각화부
952 : 융합 패턴 UI부 960 : 융합 패턴 정보 배치 생성부
961 : 융합 패턴 정보 배치 생성 정책부 962 : 융합 패턴 정보 DB
970 : 단위 융합 요소 생성부 971 : 핵심 키워드 단위 융합 요소 생성부
972 : 특허 분류 단위 융합 요소 생성부 973 : 하이브리드 융합 요소 생성부
974 : 인덱스 단위 융합 요소 생성부 992-2 : 후방 인용 특허 집합 입수부
980 : 공백 융합 후보 발견부 981 : 대등 공백 융합 후보 발견부
982 : 심화 공백 융합 후보 발견부 983 : 요 공백 융합 후보 발견부
30-1 : 공백 융합 후보 유형 선택부 30-2 : 특허 분류 표시 유형 선택부
30-3 : 특허 분류 속성 선택부 30-7 : 문서 개수에 대한 표시 정보
35-1 : 하위 특허 분류 확장 표시부 35-2 : 특허 분류 설명 표시부
2000 : 집합 단위 인용 분석부
2100 : 입수 특허 집합 생성부
2110 : 특허 집합 입수부
2111-8 : 개별 특허 속성값 한정부
2120 : 입수 특허 집합 한정부
2200 : 대상 특허 집합 생성부
2210 : 대상 특허 집합 한정부
2211-1 : 기간 한정부
2211-2 : 국가 한정부
2211-3 : 출원인 한정부
2211-4 : 발명자 한정부
2211-5 : 특허 분류 한정부
2211-6 : 필드 속성 한정부
2211-7 : 개별 필드값 한정부
2211-9 : 기타 한정부
2211 : 옵션 선택부
2211 : 옵션 선택부
2220 : 대상 특허 집합 입수부
2221 : 인용 특허 집합 입수부
2222 : 피인용 특허 집합 입수부
2230 : 인용 분석 대상 특허 집합 생성부
2300 : 인용 분석부
2310 : 인용 분석 목적 선택부
2320 : 인용 분석 실행부
2320 : 인용 분석 실행부
2320 : 정량 분석부
2321 : 필드별 정량 분석부
2330 : 정성 분석부
2331 : 필드별 정성 분석부
2340 : 네트워크 분석부
2350 : 비교 분석부
2360 : 리스크 분석부
2370 : 기회요소 분석부
2380 : 기타 분석부
2390 : 인용 분석 시각화부
2900 : 시스템 특허 집합 관리부
2910 : 출원인별 특허 집합 관리부
2920 : 특허분류별 특허 집합 관리부
2930 : 기타 분류별 특허 집합 관리부
5000 : 사용자 컴퓨터
810 : 회원용관리부
811-1 : 회원별 특허 집합 관리부
811 : 회원 data부
811a : 회원 문건 DB
4000 : 특허 분쟁 예측 정보 생성 시스템
4100 : 분쟁 예측 엔진
4110 : 분쟁 예측 요소값 생성부
4111 : 인용 계열 분쟁 예측 요소값 생성부
4112 : 제품/기술군 계열 분쟁 예측 요소값 생성부
4113 : 주체 계열 분쟁 예측 요소값 생성부
4114 : 사용자 입력 계열 분쟁 예측 요소값 생성부
4120 : 분쟁 예측 알고리즘부
4130 : 분쟁 예측 모델부
4140 : 분쟁 예측 결과 출력부
4150 : 분쟁 예측 대상 자기 집합 생성부
4151 : 인용 특허 집합 생성부
4152 : 유사 특허군 생성부
4160 : 분쟁 예측 대상 타겟 집합 생성부
4170 : 가중치 조절부
4200 : 분쟁 DB부
4210 : 분쟁 발생 DB
4220 : 분쟁 예측 요소 DB
4230 : 분쟁 예측 알고리즘 DB
4240 : 분쟁 예측 모델 DB
4300 : 분쟁 정보 입출력부
4310 : 분쟁 data입수부
4320 : 사용자 특허 분쟁 입력부
4330 : 특허 분쟁 정보 리포트 생성부
4340 : 특허 분쟁 UI부
4400 : 특허 분쟁 관리부
4410 : 특허 분쟁 시스템 관리부
4420 : 사용자 특허 분쟁 관리부
4500 : 분쟁 예측 알고리즘 생성부
4510 : 분쟁 예측 요소 후보 DB
4520 : 분쟁 예측 요소 후보값 생성부
4530 : 분쟁 예측 알고리즘 생성부
4540 : 분쟁 예측 모델 생성부
Claims (22)
- 특허 분쟁 예측 정보 생성 시스템의 정보 처리 방법에 있어서, 상기 시스템이
상기 시스템을 사용하는 사용자 컴퓨터로부터 적어도 하나 이상의 특허 문건이 대응될 수 있는 기설정된 종류의 적어도 하나 이상의 사용자 입력을 받아 적어도 하나 이상의 사용자 특허 집합을 생성하는 단계;
상기 사용자 특허 집합에 포함된 사용자 대응 특허를 대상으로 적어도 하나 이상의 기설정된 분쟁 예측 요소의 분쟁 예측 요소값을 생성하는 단계; 및
상기 분쟁 예측 요소값을 적어도 하나 이상의 기설정된 분쟁 예측 모델로 적어도 하나 이상의 분쟁 예측 결과 정보를 생성하는 단계;를 포함하며,
상기 분쟁 예측 요소는 상기 사용자 대응 특허에 대한 인용 관계에 있는 인용 관계 특허군을 처리하여 생성하는 인용 정보 계열, 상기 사용자 대응 특허와 기설정된 관련성을 가지는 유관 특허군을 처리하여 생성하는 유관 정보 계열, 상기 사용자 대응 특허가 속하는 기술 분야 특성을 처리하는 생성하는 기술 분야 반영 정보 계열, 상기 사용자 대응 특허가 속하는 제품 분야 또는 상기 사용자가 입력하는 제품 분야 특성을 처리하는 생성하는 제품 분야 반영 정보 계열, 상기 인용 관계 특허가 적어도 하나 이상의 기설정된 권리자 속성과 기설정된 관련성을 가지는 정도를 처리하여 생성하는 인용 권리자 정보 계열 및 상기 유관 특허가 적어도 하나 이상의 기설정된 권리자 속성과 기설정된 관련성을 가지는 정도를 처리하여 생성하는 유관 권리자 정보 계열 중 어느 하나 이상을 사용하여 생성되는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 사용자 입력은 적어도 하나 이상의 특허 입력, 적어도 하나 이상의 권리자 입력, 적어도 하나 이상의 발명자 입력, 적어도 하나 이상의 특허 분류 입력 및 적어도 하나 이상의 검색식 입력 중 어느 하나 또는 어느 하나 이상의 조합인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 사용자 컴퓨터로부터 적어도 하나 이상의 사용자 기인지 정보를 입수 받는 단계;를 더 포함하며,
사용자 기인지 정보는 개별 특허에 대한 기인지 정보, 개별 권리자에 대한 기인지 정보 및 개별 특허 분류에 관한 기인지 정보 중 어느 하나 이상인 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 인용 정보 계열은 상기 사용자 대응 특허가 인용하는 인용 깊이 1 이상의 전방 인용 특허군을 대상으로 전방 인용 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이거나, 상기 인용 정보 계열은 상기 사용자 대응 특허가 인용하는 인용 깊이 1 이상의 후방 인용 특허군을 대상으로 후방 인용 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이며,
상기 전방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 인용량, 전방 인용 증가량, 기설정된 기간을 기준으로 한 전방 인용량, 기설정된 기간을 기준으로 한 전방 인용 증가량을 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것이거나,
상기 전방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 인용량의 분포, 전방 인용 증가량의 분포, 기설정된 기간을 기준으로 한 전방 인용량의 분포, 기설정된 기간을 기준으로 한 전방 인용 증가량의 분포를 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것이며,
상기 후방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 인용량, 후방 인용 증가량, 기설정된 기간을 기준으로 한 후방 인용량, 기설정된 기간을 기준으로 한 후방 인용 증가량을 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것이거나,
상기 후방 인용 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 인용량의 분포, 후방 인용 증가량의 분포, 기설정된 기간을 기준으로 한 후방 인용량의 분포, 기설정된 기간을 기준으로 한 후방 인용 증가량의 분포를 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것이며,
상기 분포는 전체 분포 또는 상기 기준에 사용되지 않은 권리자별, 기술 분류별, 및 특허별 중 어느 하나 중 대한 분포인 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 4항에 있어서,
상기 기설정된 속성을 가지는 권리자별에 있어서, 상기 기설정된 속성은
다분쟁 유발자, 분쟁 경험자, 트롤, 시스템 설정 권리자 속성, 사용자 입력 권리자 속성 중 어느 하나인 것이며,
상기 사용자 입력 권리자 속성은 경쟁자, 분쟁 당사자, 준분쟁 당사자 및 유관 기업 중 어느 하나 이상인 것이며,
시스템 설정 권리자 속성은 분쟁, 표준 및 과점 중 어느 하나 이상과 관련되거나, 권리자의 기관 속성, 권리자의 재무 속성 중 어느 하나 이상과 관련되는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 4항에 있어서,
기설정된 속성을 가지는 기술 분류별에서 상기 기설정된 속성은
전체 기간 또는 기설정된 기간을 기준으로 분쟁량, 분쟁 당사자수, 분쟁 시 권리자 승소율, 공동 피고수, 분쟁량의 변동량, 분쟁 당사자수의 변동량, 분쟁 시 권리자 승소율의 변동량 및 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것이거나,
전체 기간 또는 기설정된 기간을 기준으로 상기 기술 분류와 관련되는 특허군의 특허당 평균 분쟁량, 평균 분쟁 당사자수, 분쟁 시 평균 권리자 승소율, 평균 공동 피고수, 평균 분쟁량의 변동량, 평균 분쟁 당사자수의 변동량, 분쟁 시 평균 권리자 승소율의 변동량 및 평균 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 기설정된 속성을 가지는 특허별에서 상기 속성은
상기 특허가 분쟁에 사용된 지의 여부, 관련 분쟁수, 분쟁수의 변동량, 적어도 하나 이상의 표준 특허풀에 속한 특허인지의 여부, 상기 특허가 인용 받은 회수, 상기 특허의 청구항 수, 상기 특허의 독립항 수, 상기 특허의 명세서량, 상기 특허의 레퍼런스 수, 상기 특허의 패밀리수 중 어느 하나 이상을 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 전방 인용 특허군 또는 상기 후방 인용 특허군을 생성할 때, 상기 전방 인용 특허군 및 상기 후방 인용 특허군에 속하는 특허와 상기 사용자 대응 특허군에 속하는 특허에는 공통 특허가 없도록 처리하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 전방 인용 특허군 또는 상기 후방 인용 특허군을 생성할 때, 상기 전방 인용 특허군 및 상기 후방 인용 특허군에 속하는 특허는 중복을 허용하는 것인 것이며,
상기 중복의 허용은 상기 사용자 대응 특허군에 속하는 서로 다른 특허가 동일한 인용 특허를 1인용 깊이 이상의 전방 인용하는 관계이거나 1인용 깊이 이상의 후방 인용하는 관계인 경우, 상기 인용 특허에 빈도를 부여하되, 상기 빈도는 상기 서로 다른 특허수로 처리하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 유관 특허군은 상기 사용자 대응 특허군에 속하는 사용자 대응 특허별로 생성되는 유관 특허들로 생성되는 것이며,
상기 유관 특허들은 상기 사용자 대응 특허에 포함된 적어도 하나 이상의 특허 분류 종류별 적어도 하나 이상의 특허 분류 및 상기 특허에 포함된 적어도 하나 이상의 필드별로 추출하는 적어도 하나 이상의 키워드 중 어느 하나 이상을 사용하여 생성하는 유사 특허군인 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 10항에 있어서,
상기 유사 특허군은 상기 사용자 대응 특허별로 생성되는 것이며,
상기 유사 특허군에 속하는 유사 특허에는 유사도 점수가 배정되며,
상기 유관 특허군은 상기 유사도 점수 및 상기 유사 특허군들에 속하는 유사 특허의 빈도 중 어느 하나 이상을 사용하여 생성되는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 10항에 있어서,
상기 유관 특허군에 대하여 전방 유관 특허군 및 후방 유관 특허군을 생성하는 단계;를 더 포함하며,
상기 전방 유관 특허군 및 상기 후방 유관 특허군은 상기 유관 특허군의 기설정된 기준일을 기준으로 처리하는 것인 것이며,
상기 기준일은 특허에 우선일이 있는 경우에는 우선일로, 우선일이 없는 경우에는 출원일로 처리하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 12항에 있어서,
상기 전방 유관 특허군은 상기 사용자 대응 특허군에 속하는 사용자 대응 특허의 기준일의 평균값, 중앙값 또는 상기 기준일을 기설정된 통계 처리를 수행하여 생성되는 기준일값 중 어느 하나를 기준으로 하여, 상기 유관 특허군에 속하는 특허의 기준일이 상기 기준보다 빠른 특허로 구성되는 것이며,
상기 후방 유관 특허군은 상기 사용자 대응 특허군에 속하는 사용자 대응 특허의 기준일의 평균값, 중앙값 또는 상기 기준일을 기설정된 통계 처리를 수행하여 생성되는 기준일값 중 어느 하나를 기준으로 하여, 상기 유관 특허군에 속하는 특허의 기준일이 상기 기준보다 늦은 특허로 구성되는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 13항에 있어서,
상기 유관 정보 계열은 전방 유관 특허군을 대상으로 전방 유관 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이거나, 상기 유관 정보 계열은 상기 후방 유관 특허군을 대상으로 후방 유관 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이며,
상기 전방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 유관량, 전방 유관 증가량, 기설정된 기간을 기준으로 한 전방 유관량, 기설정된 기간을 기준으로 한 전방 유관 증가량을 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것이거나,
상기 전방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 전방 유관량의 분포, 전방 유관 증가량의 분포, 기설정된 기간을 기준으로 한 전방 유관량의 분포, 기설정된 기간을 기준으로 한 전방 유관 증가량의 분포를 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것이며,
상기 후방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 유관량, 후방 유관 증가량, 기설정된 기간을 기준으로 한 후방 유관량, 기설정된 기간을 기준으로 한 후방 유관 증가량을 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것이거나,
상기 후방 유관 분쟁 예측 요소는 권리자별, 기설정된 속성을 가지는 권리자별, 기술 분류별 또는 기설정된 속성을 가지는 기술 분류별, 특허별 및 기설정된 속성을 가지는 특허별 중 어느 하나 이상을 기준으로 한 후방 유관량의 분포, 후방 유관 증가량의 분포, 기설정된 기간을 기준으로 한 후방 유관량의 분포, 기설정된 기간을 기준으로 한 후방 유관 증가량의 분포를 처리하여 생성되는 것인 것이며,
상기 분포는 전체 분포 또는 상기 기준에 사용되지 않은 권리자별, 기술 분류별, 및 특허별 중 어느 하나 중 대한 분포인 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 14항에 있어서,
상기 기설정된 속성을 가지는 권리자별에 있어서, 상기 기설정된 속성은
다분쟁 유발자, 분쟁 경험자, 트롤, 시스템 설정 권리자 속성, 사용자 입력 권리자 속성 중 어느 하나인 것이며,
상기 사용자 입력 권리자 속성은 경쟁자, 분쟁 당사자, 준분쟁 당사자 및 유관 기업 중 어느 하나 이상인 것이며,
시스템 설정 권리자 속성은 분쟁, 표준 및 과점 중 어느 하나 이상과 관련되거나, 권리자의 기관 속성, 권리자의 재무 속성 중 어느 하나 이상과 관련되는 것인 것이며,
기설정된 속성을 가지는 기술 분류별에서 상기 기설정된 속성은
전체 기간 또는 기설정된 기간을 기준으로 분쟁량, 분쟁 당사자수, 분쟁 시 권리자 승소율, 공동 피고수, 분쟁량의 변동량, 분쟁 당사자수의 변동량, 분쟁 시 권리자 승소율의 변동량 및 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것이거나,
전체 기간 또는 기설정된 기간을 기준으로 상기 기술 분류와 관련되는 특허군의 특허당 평균 분쟁량, 평균 분쟁 당사자수, 분쟁 시 평균 권리자 승소율, 평균 공동 피고수, 평균 분쟁량의 변동량, 평균 분쟁 당사자수의 변동량, 분쟁 시 평균 권리자 승소율의 변동량 및 평균 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. 포함하는 것인 것이며,
상기 기설정된 속성을 가지는 특허별에서 상기 속성은
상기 특허가 분쟁에 사용된 지의 여부, 관련 분쟁수, 분쟁수의 변동량, 적어도 하나 이상의 표준 특허풀에 속한 특허인지의 여부, 상기 특허가 인용 받은 회수, 상기 특허의 청구항 수, 상기 특허의 독립항 수, 상기 특허의 명세서량, 상기 특허의 레퍼런스 수, 상기 특허의 패밀리수 중 어느 하나 이상을 처리하여 생성되는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법.
- 제 15항에 있어서,
상기 전방 유관 특허군 또는 상기 후방 유관 특허군을 생성할 때, 상기 전방 유관 특허군 및 상기 후방 유관 특허군에 속하는 특허는 중복을 허용하는 것인 것이며,
상기 중복의 허용은 상기 사용자 대응 특허군에 속하는 서로 다른 특허가 동일한 유관 특허와 유관 관계를 가지는 경우, 상기 유관 특허에 빈도를 부여하되, 상기 빈도는 상기 서로 다른 특허수로 처리하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 사용자 대응 특허가 속하는 기술 분야 특성을 처리하는 생성하는 기술 분야 반영 정보 계열에서,
상기 기술 분야 반영 정보 계열은 상기 사용자 대응 특허군에 대응되는 사용자 대응 기술군을 대상으로 기술 분야 반영 분쟁 예측 요소에 대한 분쟁 예측 요소값을 생성하는 것인 것이며,
상기 사용자 대응 기술군은 상기 사용자 대응 특허군을 적어도 하나 이상의 세부 기술군으로 분류하고, 상기 세부 기술군 단위로 기술 분야 반영 분쟁 예측 요소값을 생성하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 17항에 있어서,
상기 분쟁 예측 요소는 상기 세부 기술군별로의 전체 기간 또는 기설정된 기간을 기준으로 분쟁량, 분쟁 당사자수, 분쟁 시 권리자 승소율, 공동 피고수, 분쟁량의 변동량, 분쟁 당사자수의 변동량, 분쟁 시 권리자 승소율의 변동량 및 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것이거나,
전체 기간 또는 기설정된 기간을 기준으로 상기 기술 분류와 관련되는 특허군의 특허당 평균 분쟁량, 평균 분쟁 당사자수, 분쟁 시 평균 권리자 승소율, 평균 공동 피고수, 평균 분쟁량의 변동량, 평균 분쟁 당사자수의 변동량, 분쟁 시 평균 권리자 승소율의 변동량 및 평균 공동 피고수의 변동량 중 어느 하나 이상을 처리하여 생성되는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 17항에 있어서,
상기 사용자 대응 기술군에 대한 기술 분야 반영 분쟁 예측값을 생성하는 방법은 생성된 상기 세부 기술군 단위로 기술 분야 반영 분쟁 예측 요소값에 사용자 대응 기술군에 속하는 전체 사용자 대응 특허수에 대하여 상기 세부 기술분에 속하는 사용자 대응 특허수의 비율을 가중 처리하여 생성하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 사용자 대응 특허가 속하는 제품 분야 특성을 처리하는 생성하는 제품 분야 반영 정보 계열 또는 상기 사용자가 입력하는 제품 분야의 특성을 처리하는 생성하는 제품 분야 반영 정보 계열에서,
상기 제품 분야 반영 정보는 상기 적어도 하나 이상의 계층별로 구성되는 제품 분야별로 기설정된 특허 집합이 대응되거나, 적어도 한 종류 이상의 적어도 하나 이상의 특허 분류가 대응되거나, 적어도 하나 이상의 검색어가 대응되며, 상기 대응되는 기설정된 특허 집합, 상기 특허 분류가 호출하는 특허 집합, 상기 검색어가 호출하는 특허 집합으로 설정되는 특허 집합에 대하여 분재 예측 요소를 처리하는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항에 있어서,
상기 시스템의 기설정된 조건에 따라 적어도 하나 이상의 분쟁 예측 대상 특허 집합을 생성하는 것은 상기 시스템이 적어도 하나 이상으로 구성되는 기설정된 적어도 하나 이상의 특허 분류로 상기 분쟁 예측 대상 특허 집합을 생성하는 방법, 기설정된 적어도 하나 이상의 권리자로 상기 분쟁 예측 대상 특허 집합을 생성하는 방법, 적어도 하나 이상의 검색어로 상기 분쟁 예측 대상 특허 집합을 생성하는 방법 또는 상기 시스템이 설정해 놓은 기설정된 적어도 하나 이상의 특허 집합을 사용하는 방법 중 어느 하나 이상인 채용되는 것인 것을 특징으로 하는 특허 분쟁 예측 정보 생성 방법. - 제 1항 내지 제21항의 방법을 실시하는 특허 분쟁 예측 정보 생성 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100094866 | 2010-09-30 | ||
| KR20100094866 | 2010-09-30 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20120033934A true KR20120033934A (ko) | 2012-04-09 |
Family
ID=46136589
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100108433A KR20120033933A (ko) | 2010-09-30 | 2010-11-02 | 인용 정보를 사용하는 다차원 특허 분쟁 유발 모델을 통한 특허 분쟁 정보 처리 방법 및 그 시스템 |
| KR1020100108711A KR20120033935A (ko) | 2010-09-30 | 2010-11-03 | 사용자 생성 특허 집합을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템 |
| KR1020100108710A KR20120033934A (ko) | 2010-09-30 | 2010-11-03 | 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템 |
Family Applications Before (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100108433A KR20120033933A (ko) | 2010-09-30 | 2010-11-02 | 인용 정보를 사용하는 다차원 특허 분쟁 유발 모델을 통한 특허 분쟁 정보 처리 방법 및 그 시스템 |
| KR1020100108711A KR20120033935A (ko) | 2010-09-30 | 2010-11-03 | 사용자 생성 특허 집합을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR20120033933A (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014017678A1 (ko) * | 2012-07-24 | 2014-01-30 | (주)광개토연구소 | 특허 평가 시스템 및 그 시스템의 정보 처리 방법 |
| KR101361208B1 (ko) * | 2013-03-27 | 2014-02-11 | 한양대학교 산학협력단 | Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법 |
| KR101458857B1 (ko) * | 2014-03-04 | 2014-11-07 | 엠앤에스시스템 주식회사 | 특허 분석 시스템 및 방법과 이를 실행하기 위한 프로그램이 기록된 기록매체 |
| KR101753274B1 (ko) * | 2016-04-08 | 2017-07-05 | (주)윕스 | 무효정보 제공 방법 및 무효정보 제공 서버 |
| KR101724302B1 (ko) * | 2016-10-04 | 2017-04-10 | 한국과학기술정보연구원 | 특허분쟁예보장치 및 그 방법 |
-
2010
- 2010-11-02 KR KR1020100108433A patent/KR20120033933A/ko not_active Application Discontinuation
- 2010-11-03 KR KR1020100108711A patent/KR20120033935A/ko not_active Application Discontinuation
- 2010-11-03 KR KR1020100108710A patent/KR20120033934A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| KR20120033933A (ko) | 2012-04-09 |
| KR20120033935A (ko) | 2012-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101333074B1 (ko) | 특허 평가 모델 생성 방법, 특허 평가 방법, 그 방법을 실시하는 시스템 및 그 방법이 기록된 프로그램이 저장된 기록 매체 | |
| Tangherlini et al. | An automated pipeline for the discovery of conspiracy and conspiracy theory narrative frameworks: Bridgegate, Pizzagate and storytelling on the web | |
| Liu et al. | Author name disambiguation for p ub m ed | |
| Willenborg et al. | Elements of statistical disclosure control | |
| US20180247078A1 (en) | System for anonymization and filtering of data | |
| KR101476350B1 (ko) | 발명자 단위의 특허 정보 제공 방법 | |
| CN108984667A (zh) | 一种舆情监测系统 | |
| KR20120033934A (ko) | 다차원 특허 분쟁 예측 모델을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템 | |
| Sinkala et al. | InMap: automated interactive code-to-architecture mapping | |
| Vani et al. | Integrating syntax‐semantic‐based text analysis with structural and citation information for scientific plagiarism detection | |
| van Opijnen | A model for automated rating of case law | |
| Tu et al. | How to improve the rumor-confutation ability of official rumor-refuting account on social media: A Chinese case study | |
| Taduri et al. | A patent system ontology for facilitating retrieval of patent related information | |
| KR101199827B1 (ko) | 특허 분쟁 예측 정보 생성 방법, 그 방법을 실시하는 시스템 및 그 방법이 기록된 프로그램, 그 프로그램이 기록된 기록 매체 | |
| Kumar | Similarity analysis of legal judgments and applying ‘Paragraph-link’to find similar legal judgments | |
| KR102472640B1 (ko) | 빅데이터 기반 특허 분석 서비스 제공 방법 및 장치 | |
| KR101255181B1 (ko) | 특허 분쟁 예측 모델 생성 방법, 그 방법을 실시하는 시스템 및 그 방법이 기록된 기록 매체 | |
| KR101271115B1 (ko) | 특허 리스크 헤징 예측 정보 생성 방법, 그 방법을 실시하는 시스템, 그 방법을 실시하는 프로그램, 그 프로그램이 기록된 기록 매체 | |
| Shayegan et al. | A Recommender System based on the analysis of personality traits in Telegram social network | |
| KR101771634B1 (ko) | 특허 라이센싱 예측 정보 생성 방법, 그 방법을 실시하는 시스템, 그 방법을 실시하는 프로그램, 그 프로그램이 기록된 기록 매체 | |
| Srinivasa et al. | Characterizing utilitarian aggregation of open knowledge | |
| CN113836313B (zh) | 一种基于图谱的审计信息识别方法与系统 | |
| Sun et al. | Research on Collaborative Filtering Recommendation Algorithm Based on Sentiment Analysis and Topic Model | |
| Vitório et al. | Building a Relevance Feedback Corpus for Legal Information Retrieval in the Real-Case Scenario of the Brazilian Chamber of Deputies | |
| KR20120033381A (ko) | 집단 단위의 인용 분석 정보 처리 방법 및 그 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |