KR20140080591A - 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법 - Google Patents

Abstract

본 명세서에 개시된 일 실시예에 따른 방안은 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법을 제공한다. 상기 방법은 사용자 장치로부터 특정 특허에 대한 평가 요청을 수신하는 단계와; 미리 구축된 평가 엔진을 이용하여 상기 특정 특허에 대해 산출된 평가 결과를 상기 사용자 장치에 제공하는 단계를 포함할 수 있다. 상기 평가 엔진은 상기 특정 특허에 대한 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이 중 두 개 이상을 유기적으로 알고리즘화하여 복합 평가 요소로 정의한 후, 상기 복합 평가 요소에 따라 상기 특정 특허의 무효 가능성 여부에 대해서 판단할 수 있다.

Description

복합 평가 요소에 기초한 특허 무효성 자동 평가 방법{METHOD FOR AUTOMATICALLY EVALUATING INVALIDATION OF PATENTS BASED ON COMPLEX FACTORS}

본 명세서는 특허 평가 방법에 관한 것이다.

최근 들어, 우리나라 기업의 기술보호를 위한 지적재산권화 전략은 타 선진국과 비교하여도 손색이 없을 만큼 많은 노력과 성과가 있었다. 이러한 과정에서 다수의 지적재산권을 보유하고 있는 지적재산권자의 입장에서는 보유하고 있는 지적재산권들의 등록 후 유지관리에 드는 비용과 노력이 상당한 부담중의 하나로 작용하고 있는 게 사실이다.

또한, 기술변화가 워낙 급격히 이루어져 등록은 받았지만 더 이상은 유지가 불필요한 기술과, 보유하고 있는 기술 중 특히 집중 투자하여야 할 기술을 가려내는 것 또한 만만치 않은 과제이다.

이에, 지식재산권자는 보유하고 있는 지식재산권을 스스로 등급 평가하거나 혹은 영리/비영리 기관에 특허기술평가를 의뢰하여 해당 지적재산권의 등급을 평가받고 있다.

한편, 특허 평가의 결과는 특허의 유지관리, 특허의 활용 전략 제공, 연구기획 지원, 권리적, 경제적, 환경적인 측면을 동시에 검토하여 평점화 및 등급으로 평가, 발명평가, 중요발명 및 우선 순위 파악, 사업전략과 연계(전략적 제휴),R&D 기획 자원 할당, 금융기관 대출 목적의 기술담보 대출용 평가, 정부의 직/간접적인 기술개발지원 사업의 지원사업자(과제) 선정을 위한 평가, 무형자산 가치 산정을 위한 평가, 기술적, 경제적, 사회적인 측면을 동시에 검토하여 명확하고, 객관적인 자료를 바탕으로 고객의 보유기술에 대한 무형자산 기술가치를 현재가치로 평가, 발명자의 보상, 자산평가 (감가상각용), 기술거래 (기술이전, M&A 등)를 위한 지적재산권 등의 기술평가, 기술담보 설정을 위한 지적재산권의 가치평가, 투자 유치용 등으로 그 활용 범위가 굉장히 넓다.

하지만, 이러한 등록특허의 기술평가 후 지적재산권자에게 보고하는 과정인 데이터분석을 위해 소요되는 고급 인력 기반의 시간 및 비용이 상당하며, 대부분의 작업이 수동으로 이루어져 보다 객관적인 기술평가 시스템 및 방법이 절실히 필요한 실정이다.

도 1은 특허 평가 시스템의 도입의 필요성을 나타낸 예시도이다.

도 1(a)을 참고하여 알 수 있는 바와 같이, 대량의 특허, 예를 들어 수백건 또는 수천건이상의 특허가 있다고 하면, 이에 대한 특허 평가를 전문가에게 의뢰하면 상당한 시간 및 비용이 들게 된다.

그러나, 도 1(b)에 도시된 바와 같이, 대량의 특허를 시스템으로 1차적으로 필터링하게 되면, 전문가에게 소량의 특허, 예들 들어 수십건의 특허만을 평가 의뢰할 수 있게 되고, 경제적으로 상당히 많은 시간과 비용을 줄일 수 있다.

한편, 특허를 시스템으로 자동 평가하려고 할 때, 일부 기준이 애매한 경우가 있다. 예를 들어, 특허의 무효를 평가하는 경우, 사람이 아닌 시스템이 평가할 때에는 그 기준이 있어야 하는데, 종래에는 이러한 기준이 없어, 시스템으로 자동 평가할 수가 없었다.

따라서, 본 명세서에 개시된 일 실시 예는 특허 평가를 위한 시스템을 제시하는 것을 그 목적으로 한다. 또한, 본 명세서에 개시된 일 실시 예는 특허를 시스템으로 자동 평가하려고 할 때, 특허의 무효성을 평가하는 기준이 애매하므로, 이를 위한 복합 평가 요소 알고리즘을 제시하는 목적으로 한다.

전술한 과제를 해결하기 위한 본 명세서에 개시된 일 실시예에 따른 방안은 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법을 제공한다. 상기 방법은 사용자 장치로부터 특정 특허에 대한 평가 요청을 수신하는 단계와; 미리 구축된 평가 엔진을 이용하여 상기 특정 특허에 대해 산출된 평가 결과를 상기 사용자 장치에 제공하는 단계를 포함할 수 있다. 상기 평가 엔진은 상기 특정 특허에 대한 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이 중 두 개 이상을 유기적으로 알고리즘화하여 복합 평가 요소로 정의한 후, 상기 복합 평가 요소에 따라 상기 특정 특허의 무효 가능성 여부에 대해서 판단할 수 있다.

상기 복합 평가 요소의 알고리즘은 독립 청구항의 수, 종속 청구항 수에 따라 각 청구항에 대해 기준 점수를 배점하는 과정과; 상기 특정 특허에 대한 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이 중 하나 이상을 통하여, 각 청구항의 기준 점수에서 미리 설정된 값 만큼 점수를 차감하거나, 증가시키는 과정을 포함할 수 있다.

상기 선행 기술 문헌 존재 여부는 상기 특정 특허에 대해서 심사 과정에서 제시되지 않은 선행 기술 문헌이 존재하는지를 판단할 수 있다.

상기 선행 기술 문헌 존재 여부는 인용 및 피인용 관계로부터 파악되거나, 패밀리 특허로부터 파악될 수 있다.

상기 평가 엔진은 샘플 특허에 대해, 평가 항목 별로 전문가에 의해 미리 수행된 평가 결과를 학습하여 생성된 것일 수 있다.

상기 평가 엔진은: 상기 샘플 특허에 대한 전문가의 평가 결과에 기초하여, 미리 정의된 하나 이상의 평가 항목에 대해 평가 요소들이 가지는 상관도를 산출하는 과정과, 상기 산출된 상관도에 기초하여 각 평가 항목과 평가 요소를 매핑하는 과정과, 상기 평가 항목에 매핑된 평가 요소를 이용하여, 전문가의 평가 결과를 학습하는 과정 중 하나 이상을 통하여 구축될 수 있다.

상기 평가 요소는 등록 특허의 서지 정보, 경과 정보, 명세서, 청구범위 중 어느 하나 이상으로부터 추출되는 정보를 포함하거나, 등록 특허의 명세서 및 청구범위를 자연어 처리하여 추출되는 정보를 포함할 수 있다.

상기 전문가에 의한 평가 결과는 기술 분야 별로 수행되어 있고, 상기 평가 엔진은 기술 분야 별로 구축되어 있을 수 있다. 상기 평가 결과를 출력하는 단계에서는 상기 특정 특허의 기술 분야와 대응하는 기술 분야의 평가 엔진을 이용할 수 있다.

상기 평가 엔진은 기술 분야 별로 복수의 전문가들이 평가한 결과에 기초하여 전문가들 간에 상관도 산출하고, 상기 산출된 상관도에 기초하여 우수한 상관도를 가지는 전문가의 평가 결과에 기초하여 구축될 수 있다.

전술한 과제를 해결하기 위한 본 명세서에 개시된 일 실시예에 따른 방안은 평가 서버를 제공한다. 상기 평가 서버는 사용자 장치로부터 특정 특허에 대한 평가 요청을 수신하는 인터페이스부와; 상기 특정 특허에 대해 평가 결과를 산출하는 평가 엔진부를 포함할 수 있다. 상기 인터페이스부는 상기 산출된 평가 결과를 상기 사용자 장치에 제공하고, 상기 평가 엔진은 상기 특정 특허에 대한 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이 중 두 개 이상을 유기적으로 알고리즘화하여 복합 평가 요소로 정의한 후, 상기 복합 평가 요소에 따라 상기 특정 특허의 무효 가능성 여부에 대해서 판단할 수 있다.

본 명세서에서 제시된 일 실시예에 따르면, 특허를 시스템으로 자동으로 평가하여 그 평가 결과를 제시할 수 있게 된다. 또한, 본 명세서에서 제시된 일 실시예에 따르면, 일부 기준에 대한 알고리즘을 제시하여, 특허를 보다 정량적이고 객관적으로 자동 평가할 수 있게 된다.

도 1은 특허 평가 시스템의 도입의 필요성을 나타낸 예시도이다.
도 2는 본 발명의 일 실시예에 따른 특허 평가 시스템의 전체 구성을 나타낸 예시도이다.
도 3는 도 2에 도시된 하나 이상의 서버(100)를 상세하게 나타낸 예시도이다.
도 4는 도 3에 국내/해외 특허 평가 서버(110, 130)의 구성을 상세하게 나타낸 예시도이다.
도 5는 국내 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 알고리즘을 예시적으로 나타낸 흐름도이다.
도 6은 국내 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 또 다른 알고리즘을 예시적으로 나타낸 흐름도이다.
도 7은 미국 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 알고리즘을 예시적으로 나타낸 흐름도이다.
도 8은 미국 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 또 다른 알고리즘을 예시적으로 나타낸 흐름도이다.
도 9는 본 발명의 일 실시예에 따라 전문가 평가 결과를 학습하여 평가 엔진을 구축하는 방법을 나타낸 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 평가 엔진을 이용하여 특허 평가 서비스를 제공하는 방법을 나타낸 흐름도이다.
도 11은 본 발명의 일 실시예에서 제시되는 평가 서버(110, 130) 및 서비스 서버(120, 140)의 물리적 구성을 각각 나타낸다.

본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.

또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.

또한, 본 명세서에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.

또한, 본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.

도 2는 본 발명의 일 실시예에 따른 특허 평가 시스템의 전체 구성을 나타낸 예시도이다.

도 2를 참조하여 알 수 있는 바와 같이, 본 발명의 일 실시예에 따른 특허 평가 시스템은 하나 이상의 서버(100)와 하나 이상의 데이터 베이스(Database: 이하 ‘DB’라고 약침함)(190)를 포함한다. 그리고, 상기 하나 이상의 서버(100)는 도시된 관리 장치(500)에 의해서 원격으로 관리될 수 있다.

상기 하나 이상의 서버(100)는 유/무선 네트워크와 연결되어, 사용자 장치(600)에게 평가 결과 서비스 및 기타 여러 서비스를 제공할 수 있다. 구체적으로, 사용자 장치로부터 특정 특허에 대한 평가 서비스를 요청받으면, 상기 하나 이상의 서버(100)는 상기 특정 특허에 대한 평가 결과를 제공할 수 있다.

도 3는 도 2에 도시된 하나 이상의 서버(100)를 상세하게 나타낸 예시도이다.

도 3에 도시된 바와 같이, 하나 이상의 서버(100)는 국내 특허 평가 서버(110), 국내 특허 서비스 서버(120)와, 해외(예컨대, 미국) 특허 평가 서버(130), 해외(예컨대, 미국) 특허 서비스 서버(140)를 포함할 수 있다. 도 3에서는 예시적으로 국내 특허 평가 서버(110)와 해외(예컨대, 미국) 특허 평가 서버(130)가 물리적으로 각기 별도로 존재하는 것으로 도시되었으나, 이는 물리적으로 하나의 서버에 통합될 수 있다. 또한, 상기 국내 특허 서비스 서버(120)와, 해외(예컨대, 미국) 특허 서비스 서버(140)도 물리적으로 각기 별도로 존재하는 것으로 도시되었으나, 이는 물리적으로 하나의 서버에 통합될 수 있다. 더 나아가, 도시된 서버들(110, 120, 130, 140)은 물리적으로 하나의 서버에 통합될 수 도 있다.

또한, 도 3에 도시된 바와 같이, 전술한 하나 이상의 데이터베이스(190)은 특허 정보DB(191, 192), 평가요소(또는 평가지표)DB(193, 194), 유사특허DB(195, 196), 평가결과DB(197, 198)을 포함할 수 있다. 각 DB들은 국내 특허 평가와 미국 특허 평가를 위해 별도로 존재하는 것으로 도시되었으나, 병합될 수 있다. 예를 들어, 한국의 특허 정보DB(191)와 해외(예컨대, 미국)의 특허 정보DB(192)는 하나로 병합될 수 있고, 한국의 평가요소(또는 평가지표)DB(193)와 해외(예컨대, 미국)의 평가요소(또는 평가지표)DB(194)는 하나로 병합될 수 있다. 대안적으로, 상기 DB들은 모두 하나로 병합되고, 필드로 구분될 수 있다.

이와 같은 DB들은 외부 DB 제공자로부터 수신된 것에 기초하여 생성된 것일 수 있다. 이와 같은 수신을 위해, 상기 서버(100)는 외부 DB 제공자로부터 한국 또는 해외(예컨대, 미국)의 원시(raw) DB를 수신하는 데이터 수집부(150)를 포함할 수 있다. 상기 데이터 수집부(150)는 물리적으로는 네트워크 인터페이스(NIC)를 포함한다. 또한, 상기 데이터 수집부(150)는 논리적으로는 API(application programming interface)로 이루어진 프로그램일 수 있다. 상기 데이터 수집부(150)는 상기 외부 DB 제공자로부터 수신하는 원시 DB를 가공하여, 상기 서버(100)와 연결된 하나 이상의 DB(190), 에컨대 특허 정보 DB(191, 192)에 저장할 수 있다.

한편, 상기 국내/해외 특허 평가 서버(110, 130)는 명세서 처리부(111, 131), 자연어 처리부(112, 132), 핵심어 처리부(113, 133), 유사특허 처리부(114, 134), 평가요소(또는 평가지표)(115, 135) 및 평가 엔진부(116, 136) 중 하나 이상을 포함할 수 있다.

상기 명세서 처리부(111, 131)는 상기 하나 이상의 DB(190), 예컨대 특허 정보 DB(191, 192)로부터 각 정보를 추출하고, 파싱(parsing)(또는 변환)한다. 예를 들어 상기 명세서 처리부(111, 131)는 특허 명세서, 서지 정보, 경과 정보, 청구범위, 도면 등 중 하나 이상의 정보를 추출하고, 평가 요소(또는 평가 지표) DB의 각 필드에 저장할 수 있다.

상기 자연어 처리부(112, 132)는 상기 추출된 특허 명세서와 청구범위에 포함된 텍스트에 대해 자연어 처리를 수행한다. 여기서 자연어 처리라 함은 컴퓨터용의 특수한 프로그래밍 언어가 아니라 일반 회화 등에서 사용되는 자연의 언어를 컴퓨터가 처리하는 것을 말한다. 예를 들어, 상기 자연어 처리부(112, 132)는 문장 분석, 구문 분석, 복합어 처리 등을 수행할 수 있다. 또한, 상기 자연어 처리부(112, 132)는 시맨틱(semantic) 처리를 수행할 수도 있다.

상기 핵심어 처리부(113, 133)은 상기 자연어 처리 결과에 기초하여, 각 특허에서 핵심어를 추출한다. 상기 핵심어를 추출하기 위해, VSM(Vector Space Model), LSA(Latent Semantic Analysis)등의 기법이 사용될 수 있다. 여기서 특허 명세서의 핵심어라 함은 특허 명세서의 주제를 대표하는 단어로서, 예를 들어 본 특허 명세서의 경우, “특허 평가”가 핵심어가 될 수 있다. 이와 같이 개별 특허 명세서의 주제를 대표하는 핵심어를 가능한 많은 개수로 추출하는 것이 유리할 수도 있지만, 개수만 늘이게 되면 오히려 부정확성을 높일 수도 있기 때문에, 적정 개수로 선정하는 것이 바람직하다.

상기 유사특허 처리부(114, 134)는 상기 추출된 핵심어에 기초하여, 각 특허와 가장 유사한 특허들을 검색하고, 검색 결과를 상기 유사 특허DB(195, 196)에 저장할 수 있다. 일반적으로 유사한 특허군은 국제특허분류(IPC; International Patent Classification)에서 동일한 서브 클래스에 속하는 것으로 알려져 있지만, 본 명세서에 제시된 일 실시예는 동일한 서브 클래스를 넘어서서 다른 서브 클래스에서도 유사 특허를 검색할 수 있다. 이와 같이 다른 서브 클래스에서도 유사 특허를 검색할 때 정확성을 높이기 위해서는, 핵심어가 정확하게 추출되는 것이 가장 중요하다. 특히, 앞서 설명한 바와 같이, 핵심어의 개수를 단순하게 늘이게되면, 부정확한 핵심어가 추출되게 되고, 이에 의해서 다른 서브 클래스에서 완전히 상이한 특허를 유사 특허로 검색해버리는 오류를 낼 수 있다. 따라서, 본 명세서에서 제시된 일 실시예는 핵심어의 개수에 따른 시뮬레이션 결과에 기초하여, 핵심어의 적정 개수를 산출하고, 상기 산출된 개수의 핵심어로 유사 특허를 검색한다.

한편, 상기 평가요소(또는 평가지표) 처리부(115, 116)는 평가요소(또는 평가지표) 의 값을 특허 명세서, 서지 정보, 경과 정보, 청구범위, 도면 등 중 하나 이상의 정보로부터 추출하여, 상기 평가요소DB(194)에 저장한다.

상기 평가 요소는 국내 특허 평가를 위한 것과 해외 특허 평가를 위한 것이 서로 다를 수 있다. 예를 들어 먼저 국내 특허 평가를 위한 평가 요소를 표로 정리하면 다음과 같다.

	평가 요소명	설명
1	독립 청구항길이	독립 청구항의 단어의 개수
2	청구항 수	청구항의 개수
3	청구항 계열 수	독립 청구항의 카테고리(물건 또는 방법)의 개수
4	독립항 수	독립청구항의 개수
5	국내 패밀리 특허수	국내 패밀리 특허(분할출원, 동일 기초 우선권에 기초한 패밀리)의 수
6	해외 패밀리 특허수	해외 국가의 패밀리 특허
7	연차등록회수	등록 연차의 회수
8	우선심사 청구여부	우선 심사 청구가 있었는지 여부
9	심사청구 경과일	출원 후 심사 청구가 이루어진 날짜까지의 기간
10	의견서 제출 회수	의견서의 제출 횟수
11	거절결정불복심판 수	거절결정불복심판의 청구 회수
12	총 피인용수	피인용된 총 횟수
13	공동출원인수	공동 출원인의 수
14	실시권자수	실시권자의 수
15	적극적 권리범위 확인 심판 수	심판의 청구 회수
16	우선심판청구 수	심판의 청구 회수
17	조기공개 여부	종기공개가 있었는지 여부
18	정보제공 수	정보제공의 회수
19	이의신청 수	이의신청의 회수
20	제3자심사청구	출원인 또는 제3자 중 누가 심사청구했는지 여부
21	무효심판 수	심판의 회수
22	소극적 권리범위 확인심판 수	심판의 회수
23	실시예수	실시예의 수
24	도면수	도면의 수
25	발명의 상세한 설명의 단어수	명세서 중 상세한 설명 부분의 단어 개수
26	IPC수	IPC 분류 코드의 수
27	권리자 변동	권리자 변동의 회수
28	소송정보	소송이 있었던 경우, 그 회수
29	선행기술문헌 수	심사과정중에 제시된 선행기술 문헌의 수

한편, 해외 특허, 예컨대 미국 특허 평가를 위한 평가 요소를 표로 정리하면 다음과 같다.

	평가 요소	설명
1	독립 청구항길이	독립 청구항의 단어의 개수
2	청구항 계열 수	독립 청구항의 카테고리(물건 또는 방법)의 개수
3	독립항 수	독립청구항의 개수
4	발명의 상세한 설명의 단어수	명세서 중 상세한 설명 부분의 단어 개수
5	청구항 수	청구항의 개수
6	미국 내 패밀리 특허수	미국 내 패밀리 특허의 수
7	Reexamination 수	Reexamination 회수
8	Interference 수	Interference 회수
9	Reissue 수	Reissue 회수
10	총 피인용수	피인용된 총 횟수
11	IPC수	IPC 분류 코드의 수
12	해외 패밀리 특허수	해외 국가 패밀리 특허의 수
13	연차등록회수	등록 연차의 회수
14	우선심사 청구여부	우선 심사 청구가 있었는지 여부
15	Certification of Correction 수	Certification of Correction이 청구된 회수
16	권리자 변동	권리자 변동의 회수
17	소송정보	소송이 있었던 경우, 그 회수
18	선행기술문헌 수	심사과정중에 제시된 선행기술 문헌의 수

한편, 위에서 제시된 평가요소(평가지표)는 예시에 불과하고, 특허 정보로부터 직접 도출되는 어떠한 정보도 평가요소(평가지표)로 활용될 수 있다. 더 나아가, 특허 정보를 가공하여 간접적으로 도출 또는 산출될 수 있는 어떠한 정보도 평가요소(평가지표)로 활용될 수 있다.

한편, 상기 평가엔진부(116, 136)는 상기 평가요소DB(193,194)에 저장된 상기 평가요소와 평가 메커니즘을 기초로 각각의 특허를 미리 정의된 평가 항목 별로 평가하고, 평가 결과를 산출한다. 또한, 상기 평가엔진부(116, 136)는 상기 산출된 평가 결과를 상기 평가 결과 DB(197, 198)에 저장할 수 있다.

상기 평가 항목은 권리성, 기술성, 활용성으로 정의될 수 있다. 또는, 상기 평가 항목은 권리성, 상업성으로 정의될 수도 있다. 이러한 정의는 특허를 평가하려는 주된 목적이 무엇인지에 따라 변경될 수 있다. 따라서, 본 발명의 범위는 위에 나열한 것에만 제한되는 것이 아니며, 본 발명의 사상이 적용될 수 있는 그 어떠한 것에도 확대될 수 있다.

상기 평가 메커니즘은 가중치와 학습 모델을 포함할 수 있다. 상기 가중치는 전문가가 여러 샘플 특허들을 사전에 평가한 결과에 기초하여 산출된 값일 수 있다. 상기 평가엔진부(116, 136)에 대해서는 도 4를 참조하여 상세하게 후술하기로 한다.

상기 국내/해외 특허 서비스 서버(120, 140)은 평가 보고서 생성부(121, 141)와, 포트폴리오 분석부(122, 142) 중 하나 이상을 포함할 수 있다. 상기 평가 보고서 생성부(121, 141)는 상기 평가 결과 DB(197, 198)에 저장된 평가 결과에 기초하여, 평가 보고서를 생성한다. 그리고, 상기 포트폴리오 분석부(122, 142)는 상기 유사 특허 DB(195, 196)에 저장된 정보에 기초하여, 권리자가 보유한 특허들의 포트폴리오를 분석할 수 있다. 또한, 상기 포트폴리오 분석부(122, 142)는 기술 분야별, 또는 IPC 분류별 특허의 현황을 권리자 별로 분석할 수도 있다. 이외에, 상기 포트폴리오 분석부(122, 142)는 상기 유사 특허 DB(195, 196) 및 상기 평가 결과 DB(197, 19)에 기초하여, 다양한 분석을 수행할 수 있다. 예를 들어, 상기 포트폴리오 분석부(122, 142)는 특허 동향 분석, 특허권자 별 연간 연차료 총액 분석 등 다양한 분석을 수행할 수 있다.

이와 같은 상기 국내/해외 특허 서비스 서버(120, 140)는 사용자 장치로부터 특정 특허에 대한 평가 서비스를 요청받으면, 상기 특정 특허에 대한 평가 결과를 제공할 수 있다. 또한, 사용자의 요청에 따라 상기 평가 보고서를 웹페이지 형태, 엑셀 파일 형태, 또는 PDF 파일 형태, 또는 워드 파일 형태로 제공하거나, 상기 분석 결과를 제공할 수 있다. 이러한 서비스를 위해 사용자 인증/ 권한 관리부(160)가 필요할 수도 있다.

도 4는 도 3에 국내/해외 특허 평가 서버(110, 130)의 구성을 상세하게 나타낸 예시도이다.

도 4 및 전술한 내용으로부터 알 수 있는 바와 같이, 상기 명세서 처리부(111,131)는 특허정보DB(191, 192)로부터 특허 명세서 정보를 넘겨받아, 명세서를 파싱한다. 상기 명세서는 예컨대 XML으로 작성되어 있을 수 있는데, 이러한 XML을 파싱하기 위해 상기 명세서 처리부(111,131)는 XML 태그 처리부를 포함할 수 있다.

상기 평가 요소 처리부(115, 135)는 상기 파싱된 명세서에 기초하여 평가 요소를 처리하는 제1 평가요소 처리부와, 제2 평가 요소 처리부를 포함할 수 있다. 상기 제1 평가 요소 처리부는 상기 파싱된 명세서에 기초하여 자연어 처리 결과가 필요없는 평가요소를 추출한다. 예컨대, 상기 제1 평가 요소 처리부는 위에 정리한 표1 에서 독립 청구항 길이, 청구항 수, 청구항 계열 수, 독립항 수, 국내 패밀리 특허수, 해외 패밀리 특허수 등과 같이 자연어 처리를 요하지 않는 평가요소들의 값을 산출하고, 상기 평가요소DB(193/194)에 저장한다.

상기 자연어 처리부(112, 132)는 상기 파싱된 명세서에 기초하여 자연어 처리를 수행한다. 상기 자연어 처리부(112, 132)는 사전 DB에 기초하여 작업을 수행하는 형태소 분석부와, TM 분석를 포함한다. 형태소 (morpheme)라 함은 의미의 최소단위로서, 더 이상 분석 불가능한 가장 작은 의미 요소를 말하고, 형태소 분석이라 함은 자연언어 분석의 첫 단계로서, 입력문자열을 형태소열로 바꾸는 작업을 한다. 상기 TM 분석은 two-level 분석 작업으로서, Tm = (R, F, D)으로 표현되고, R은 규칙집합, F는 유한자동변환기, T는 트라이 사전이다.

상기 자연어 처리가 완료되면, 상기 평가 요소 처리부(115, 135)의 제2 평가 요소 처리부는 상기 자연어 처리 결과에 기초하여, 나머지 평가 요소들을 산출한다. 예를 들어, 위의 표1 에 정리된 “유사 해외 특허군과의 키워드 일치성”과 같은 평가 요소의 값을 산출하고, 상기 평가요소DB(193/194)에 저장한다.

한편, 상기 자연어 처리 결과에 기초하여 핵심어를 추출하는 상기 핵심어 추출부(113/133)는 핵심어 후보 선정부, 불용어 제거부, 핵심어 선택부를 포함할 수 있다. 상기 핵심어 후보 선정부는 개별 특허의 주제를 가장 잘 대표할 수 있는 핵심어들의 후보를 선정한다. 상기 불용어 제거부는 추출된 핵심어 후보들 중에서 중요도가 떨어지는 불용어들을 제거한다. 상기 핵심어 선택부는 불용어가 제거된 나머지 핵심어 후보들 중에서 적정 수의 핵심어를 최종적으로 선택하고, 상기 평가요소DB(193/194)에 저장한다.

상기 핵심어의 개수에 따른 정확도를 표로 정리하면 다음과 같다.

핵심어 수	10개	50개
재호출 빈도(Recall)	22.7%	54.1%
정확도(Precision)	20.6%	10.9%

표 3을 참조하면, 재호출될 확률(즉, 핵심어가 다시 사용될 확률)은 핵심어가 10개일 경우 22.7%이고, 핵심어가 50개로 늘어날 경우 54.1%로 증가한다. 그러나, 핵심어가 50개일 때는 정확도는 10.9%로 낮고, 반대로 핵심어 수가 10개일 경우에는 정확도는 20.6%이다. 이상과 같이, 핵심어 개수를 단순히 늘이게 되면, 재호출 빈도는 증가할 순 있지만, 정확도는 떨어지게 되므로, 산출되는 정확도에 기초하여, 핵심어에 대한 가장 최적 개수를 산출할 수 있다.

상기 유사특허 추출부(114,134)는 상기 핵심어에 기초하여, 유사 특허를 검색하는 역할을 수행하며, 문서 클러스터링부, 문서 유사도 계산부, 유사특허 생성부를 포함할 수 있다. 상기 문서 클러스터링부는 상기 핵심어에 기초하여, 1차적으로 유사한 특허들을 클러스터링한다. 상기 문서 유사도 계산부는 상기 클러스터링된 특허들 중에서 특허 문서 간에 유사도를 계산한다. 상기 유사 특허 생성부는 상기 계산된 유사도에 기초해서, 상기 1차적으로 클러스터링된 특허문서들 중에서 실제로 가장 유사한 특허들을 결과로 생성하고, 상기 결과를 유사특허DB(195, 196)에 저장한다.

상기 특허 평가엔진부(116, 136)는 학습 모델부와, 특허 평가부를 포함한다. 상기 학습 모델부는 전문가 평가 결과 DB에 기초하여 학습을 수행한다. 이를 위해 각 기술 분야 별 전문가에게 샘플 특허에 대한 평가 결과를 받을 수 있다.

상기 샘플 특허는 학습을 위한 세트로서, 특허 정보 DB(191, 192)에서 수백건에서 수천건 정도를 추출하여 생성한다. 상기 샘플 특허는 표 1 및 표 2에서 나타낸 평가 요소들의 값이 골고루 포함되도록 추출될 수 있다. 예컨대, 전술한 평가 요소들 중 무효심판, 적극적 권리범위 확인 심판, 소극적 권리범위 확인 심판, 우선 심판과 같은 평가 요소들의 값이 0이 아닌 특허는 전체 등록된 특허(대략 수십~수백만 건의 특허) 중에서 상당히 희소하다. 따라서, 각 평가 요소들의 값이 0이 아닌 특허들이 일정 비율로 분포되도록, 샘플 특허들을 추출하는 것이 바람직하다. 또한, 상기 샘플 특허들을 선정할 때에는, 대략 복수개의 세트(예컨대, 10개의 세트)로 나눌 수 있다. 그리고 상기 복수개의 세트들 중 다수의 세트를 이용하여 학습하고, 나머지 세트를 이용하여 상기 학습 결과를 검증할 수 있다.

상기 전문가 평가 결과를 받기 위해서, 상기 서비스 서버(120, 140)는 각 샘플 특허에 대한 평가 요소의 값과, 전술한 평가 항목을 상기 전문가에게 제공한다. 예를 들어, 상기 서비스 서버(120, 140)는 전술한 평가 항목(예컨대, 권리성, 기술성, 활용성)이 나열된 웹페이지를 상기 전문가의 컴퓨터에게 제공한다. 또한, 상기 서비스 서버(120, 140)는 표 1 또는 표 2에 정리된 바와 같은 평가 요소가 나열된 웹페이지를 상기 전문가의 컴퓨터에게 제공한다. 이때, 상기 서비스 서버(120, 140)는 각 평가 항목과 관련성있는 평가 요소의 후보들을 매핑하여 보여줄 수 있다. 그러면, 상기 전문가는 각 평가 항목에 대해 상기 관련성 있는 평가 요소 후보들의 값을 보면서, 각 평가 항목에 대한 점수를 상기 웹페이지 상에 입력하고, 상기 서비스 서버(120, 140)는 상기 점수를 입력받아, 상기 전문가 평가 DB에 저장한다.

그러면, 상기 학습 모델부는 상기 전문가 평가 DB에 기초하여 각 평가 항목과 실제로 관련있는 평가 요소들을 추출한다. 구체적으로, 상기 학습 모델부는 상기 전문가 평가 DB에 기초하여, 각 평가 항목과 각 평가 요소 간에 상관 관계를 분석한다. 예를 들어, 전문가 평가 결과 DB에 기초한 결과, 평가 요소의 값이 증가할 때 전문가가 입력한 평가 항목의 점수가 증가하는지, 혹은 평가 요소의 값이 낮아질 때 전문가의 입력한 평가 항목의 점수가 증가하는지를 분석한다. 상관도 값에서 음수 값은 평가 요소의 값이 감소할 때, 평가 항목의 값은 반대로 증가함을 나타내고, 양의 값은 평가 요소의 값이 증가할 때 평가 항목의 값이 증가함을 나타낸다.

상기 학습 모델부는 상관 값에 기초해서, 예를 들어 평가 항목 “권리성”와 높은 상관 관계를 가지는 평가 요소를 추출한다. 상관도의 값은 -1에서 +1 사이의 값으로 나오는데, 통상적으로 0.2~0.6의 값을 가지면, 상관 관계가 높다고 할 수 있다. 따라서, 상기 학습 모델부는 예컨대, 평가 항목 “권리성”에 대해서, 청구항 수, 독립항 수, 청구항 계열 수 등을 평가 요소로 선택할 수 있다.

한편, 상기 각 기술 분야별 전문가들이 특허를 평가할 때, 서로 상이한 평가 결과를 낼 수도 있는데, 이러한 이슈를 해결하기 위하여, 본 발명의 일 실시예에 따르면, 전문가들 간에 상관관계를 추가적으로 산출할 수 있다.

분야	전문가		상관도
			권리성	기술성	활용성
전자	A	B	0.64	0.39	0.83
	C	D	0.29	0.32	0.48
기계	E	F	0.60	0.23	0.55
	G	H	0.59	0.23	0.63
화학	I	J	0.66	0.71	0.60
	K	L	0.59	0.34	0.50
물리	M	N	0.50	0.35	0.48
	O	P	0.81	0.15	0.80
바이오	Q	R	0.64	0.66	0.19
	S	T	0.51	0.45	0.38

위 표 4에 정리된 바와 같이, 예컨대 기술 분야를 전자, 기계, 화학, 물리, 바이오 분야로 구분할 수 있다. 그리고, 각 분야 별로 전문가를 복수로 지정한 후, 각 분야별 전문가들을 쌍을 지을 수 있다. 예를 들어, 전자 분야의 경우, 전문가 A, 전문가 B, 전문가 C, 전문가 D를 지정한 후, 전문가 A와 전문가 B는 쌍을 이루어 동일한 등록 특허에 대해서 평가를 수행하고, 마찬가지로 전문가 C와 전문가 D는 쌍을 이루어 동일한 등록 특허에 대해서 평가를 수행한다. 이러한 경우, 전자 분야에서 전문가A와 전문가 B간에 상관도를 산출한 결과 표 5와 같이, 평가 항목 “권리성”에 대해서는 0.64, 평가 항목 “기술성”에 대해서는 0.39, 평가 항목 “활용성”에 대해서는 0.89가 나왔다. 짝은 지은 전문가들 간에 상관도가 낮을 경우에는, 보다 상관도가 높은 전문가 쌍의 평가 결과를 이용할 수도 있고, 대안적으로 쌍을 이룬 전문가들 중에서 어느 한명의 전문가에게 보다 높은 가중치를 부여할 수도 있다.

이와 같은 방식으로 상기 학습 모델부가 각 평가 항목에 대한 평가 요소를 정의한 후, 상기 학습 모델부는 상기 전문가 평가 DB에 저장된 전문가의 평가 점수에 기초하여, 학습을 수행한다. 구체적으로, 상기 학습 모델부는 상기 전문가 평가 DB에 저장된 전문가의 평가 점수에 기초하여, 가중치 값을 산출하고, 상기 산출된 가중치 값을 이용하여 학습을 수행한다. 이때, 상기 학습은 기술 분야별로 이루어질 수 있다. 앞서 설명한 바와 같이, 전문가에 의한 샘플 특허 평가는 기술 분야별로 이루어진 것이므로, 마찬가지로 상기 학습도 기술 분야별로 수행된다. 예를 들어 설명하면, 기계 분야 및 전자 분야의 경우, 독립 청구항의 길이가 길어질수록, 청구범위도 협소하게 되나, 화학 분야의 경우 독립 청구항의 길이와 청구범위의 광협은 무관할 수 있기 때문에, 상기 학습은 기술 분야 별로 수행된다. 따라서, 전술한 가중치도 기술 분야별로 별도로 산정될 수 있다.

상기 특허 평가엔진부(116, 136)의 상기 특허 평가부는 상기 학습된 결과에 따라서 특허들을 평가하고, 상기 평가된 결과를 상기 평가 결과DB(197, 198)에 저장한다.

한편, 전술한 바와 같이 특허를 시스템으로 자동 평가하려고 할 때, 일부 기준이 애매한 경우가 있다. 예를 들어, 특허의 무효를 평가하는 경우, 사람이 아닌 시스템이 평가할 때에는 그 기준이 있어야 하는데, 종래에는 이러한 기준이 없어, 시스템으로 자동 평가할 수가 없었다

따라서, 이하에서는 특허의 무효성을 평가하는 기준이 애매하므로, 이를 위한 복합 평가 요소 알고리즘을 제시하기로 한다.

도 5는 국내 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 알고리즘을 예시적으로 나타낸 흐름도이다.

도 5를 참조하면, 먼저 상기 평가 서버(110, 130)는 무효 심판이 청구된적이 있는지를 판단한다(S501).

만약 무효 심판이 청구된 적이 있다면, 심결문이 존재하는지 판단한다(S502). 심결문이 존재하면, 무효 심판이 확정인지 아니면 취하인지, 아니면 심결취소 소송으로 계속중인지를 판단한다(S503). 만약, 심결이 있은 후 취하되었거나, 혹은 심결취소 소송으로 계속중인 경우, 청구항 별 초기 점수를 할당하고(S504). 무효된 청구항에 대해서는 최대 감점 처리를 하고(S505), S514 과정으로 진행한다.

그러나, 무효 심판이 확정이라면, 상기 평가 서버(110, 130)는 정정 공보 기준에 따라 처리를 진행한다(S506).

상기 심결문이 존재하지 않는 경우, 상기 평가 서버(110, 130)는 청구항 별 초기 점수를 할당한다(S507). 이때, 상기 정정 공보가 있는 경우, 상기 정정 공보 내의 청구항에 따라 청구항 별 초기 점수를 할당한다. 상기 청구항 별 초기 점수 할당에서 독립 청구항은 종속 청구항에 비해 더 많은 점수가 기본 점수로 할당된다. 이를 위해, 독립 청구항에 대해서는 가중치가 부여될 수 있다. 예를 들어, 가령 총 배점이 20점인 상태에서 총 청구항 수가 11개이고, 총 11개 청구항 중 1개가 독립 청구항이고, 나머지 10개 청구항이 종속항인 경우, 독립청구항은 10점 배점이 되고 나머지 10개의 종속항 각각에 대해서는 1점이 부여되어, 총 점수가 20점이 되도록 한다.

이어서, 상기 평가 서버(110, 130)는 심사 과정에서 인용안 된 선행 기술 문헌이 존재하는지 검색한다(S508). 상기 안용안된 선행 기술 문헌이 존재하는지 검색하는 것은 인용 관계 혹은 피 인용 관계들을 역학 조사함으로써, 달성될 수 있다. 예를 들어, 평가 대상 특허 A를 인용하고 있는 후행 특허 B에 대해 선행 기술 문헌들이 상기 A 뿐만 아니라 C도 있는 경우, 상기 선행 기술 문헌 C는 상기 평가 대상 특허 A의 선행 기술로도 작용할 수 있다.

만약, 이와 같이 안용안 된 선행 기술 문헌이 존재하는 경우, 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감한다(S509). 예를 들어, 앞서 설명한 바와 같이 독립 청구항에 10점이 배점되어 있고, 미리 설정된 값이 예컨대 20%라면, 차감될 점수는 10*20%=2이고, 결과적으로 상기 독립 청구항의 점수는 10-2=8이 되게 된다.

다음으로, 상기 평가 서버(110, 130)는 패밀리 특허로부터 파악된 선행 기술들 중 상기 평가 대상 특허에서 인용되지 않은 선행 기술 문헌이 존재하는지 판단한다(S510). 상기 인용되지 않은 선행 기술 문헌이 존재하는 경우, 전술한 바와 마찬가지로, 독립 청구항 별로 점수를 미리 설정된 값만큼 차감한다(S511).

이어서, 상기 평가 서버(110, 130)는 각 독립 청구항의 길이가 평균 보다 긴지 짧은지를 판단한다(S512). 각 독립 청구항의 길이가 평균 보다 긴 경우, 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 증가시킨다(S513).

다음으로, 상기 평가 서버(110, 130)는 종속항의 깊이가 전체 특허의 평균 보다 깊은지 판단한다(S514). 상기 종속항의 깊이라 함은, 각 종속항이 단계적으로 청구항을 인용하고 있을 때, 그 단계가 몇 단계인지를 의미한다. 예를 들어, 1항은 독립항, 2항 내지 5항은 종속항일 때, 2항은 1항을 인용하고 있고, 3항은 2항을 인용하고 있고, 4항은 3항을 인용하고 있고, 5항은 4항을 인용하고 있다면, 이 경우의 종속항의 깊이는 4단계라고 할 수 있다.

종속항의 깊이가 전체 특허의 평균 보다 깊은 경우 종속항 별로 점수를 미리 설정된 값만큼 증가시키고(S515), 반대의 경우 종속항 별로 점수를 미리 설정된 값만큼 차감시킨다(S516).

다음으로, 상기 평가 서버(110, 130)는 평가 대상 특허의 패밀리 특허가 몇건인지를 판단한다(S517). 상기 패밀리 특허라 함은 동일한 우선권을 기초로한 특허 혹은 분할/이중 출원을 통한 특허 등을 의미한다. 만약, 평가 대상 특허의 패밀리 특허가 0건이 아닌 경우, 여태까지 차감되거나 증가된 청구항의 점수를 합산한 전체 점수에서 미리 설정된 만큼 점수를 증가시킨다(S518). 그러나, 패밀리 특허가 0건인 경우, 전체 점수에서 미리 설정된 만큼 점수를 차감한다(S519). 이는 만약 패밀리 특허가 여러건이 있다면, 그렇지 않은 것에 비해, 심사가 보다 여러 번 수행되어 보다 충실했기 때문이다

이상에서 설명한 바와 같이, 무효 심판 청구 여부, 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부 등을 각기 개별적으로 판단하지 않고, 알고리즘화하여 유기적으로 판단함으로써, 보다 정량적이고 객관적으로 무효 가능성을 평가할 수 있게 된다.

이와 같이 개별 평가 요소들이 유기적으로 알고리즘화된 것을 복합 평가 요소라고 명명할 수 있다.

도 6은 국내 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 또 다른 알고리즘을 예시적으로 나타낸 흐름도이다.

도 5를 참조하면, 먼저 상기 평가 서버(110, 130)는 정정 공보가 존재하는지 판단한다(S601).

상기 정정 공보가 있는 경우, 상기 평가 서버(110, 130)는 S615 과정으로 진행하여, 상기 정정 공보 내의 청구항에 따라 청구항 별 초기 점수를 할당한다(S615).

상기 정정 공보가 없는 경우, 상기 평가 서버(110, 130)는 국내/해외 패밀리 특허가 몇건인지를 판단한다(S602). 만약 패밀리 특허가 0건인 경우, 배점된 전체 점수에서 미리 설정된 만큼 점수를 차감한다(S603).

이어서, 상기 평가 서버(110, 130)는 상기 차감되고 남은 점수에서 청구항의 개수 따라 청구항 별 초기 점수를 할당한다. 전술한 바와 같이, 상기 청구항 별 초기 점수 할당에서 독립 청구항은 종속 청구항에 비해 더 많은 점수가 기본 점수로 할당된다.

이어서, 상기 평가 서버(110, 130)는 무효 심판이 청구된적이 있는지를 판단한다(S605). 만약 무효 심판이 청구된 적이 있다면, 심결문이 존재하는지 판단한다(S606).

심결문이 존재하면, 무효가 아닌지 무효라면 일부 무효인지 아니면 전부 무효인지를 판단한다(S607). 무효가 아니라면, 추가적인 감점없이(S608) 종료한다. 그러나, 일부 또는 전부 무효인 경우, 무효된 청구항에 대해서 최대 감점 처리를 하고(S609). 종료한다.

만약 심결문이 존재하지 않는다면, 심결이 있기 전에 취하된 것이거나 계속 중인 경우므로, 법적 지위가 불안정한 상태라고 할 수 있다. 따라서, 상기 평가 서버(110, 130)는 독립항 별로 점수를 미리 설정된 만큼 차감한다(S610).

이어서, 상기 평가 서버(110, 130)는 심사 과정에서 인용안 된 선행 기술 문헌이 존재하는지 검색한다(S611). 만약, 이와 같이 안용안 된 선행 기술 문헌이 존재하는 경우, 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감한다(S612).

다음으로, 상기 평가 서버(110, 130)는 패밀리 특허로부터 파악된 선행 기술들 중 상기 평가 대상 특허에서 인용되지 않은 선행 기술 문헌이 존재하는지 판단한다(S613). 상기 인용되지 않은 선행 기술 문헌이 존재하는 경우, 전술한 바와 마찬가지로, 독립 청구항 별로 점수를 미리 설정된 값만큼 차감한다(S614).

이어서, 상기 평가 서버(110, 130)는 각 독립 청구항의 길이가 평균 보다 긴지 짧은지를 판단한다(S616). 각 독립 청구항의 길이가 평균 보다 짧은 경우 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감시키고(S617), 반대의 경우 독립 청구항 별로 점수를 미리 설정된 값만큼 증가시킨다(S618).

다음으로, 상기 평가 서버(110, 130)는 독립항 내의 한정 어구가 전체 특허의 평균 보다 많은지 판단한다(S619). 만약 한정 어구가 적다면, 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감시키고(S620), 반대의 경우 독립 청구항 별로 점수를 미리 설정된 값만큼 증가시킨다(S621.

다음으로, 상기 평가 서버(110, 130)는 종속항의 깊이가 전체 특허의 평균 보다 깊은지 판단한다(S514). 종속항의 깊이가 전체 특허의 평균 보다 낮은 경우 상기 평가 서버(110, 130)는 종속항 별로 점수를 미리 설정된 값만큼 차감시키고(S623), 반대의 경우 종속항 별로 점수를 미리 설정된 값만큼 증가시킨다(S624).

이어서, 상기 평가 서버(110, 130)는 정보 제공 혹은 거절 결정불복 심판이 존재했는지 판단한다(S615). 만약 존재했다면, 여태까지 차감되거나 증가된 청구항의 점수를 합산한 전체 점수에서 미리 설정된 만큼 점수를 증가시킨다(S626).

도 6을 참조하여 설명한 바와 같이, 무효 심판 청구 여부, 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이, 정보 제공 존재 여부 등을 각기 개별적으로 판단하지 않고, 알고리즘화하여 유기적으로 판단함으로써, 보다 정량적이고 객관적으로 무효 가능성을 평가할 수 있게 된다.

이와 같이 개별 평가 요소들이 도 6과 같이 유기적으로 알고리즘화된 것을 복합 평가 요소라고 명명할 수 있다.

한편, 도 6에 도시된 각 단계는 도 5에 도시된 각 단계와 적절히 결합할 수도 있다. 따라서, 본 발명은 각각의 도면에 도시된 사항에만 한정되는 것은 아님을 유의해야 한다.

도 7은 미국 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 알고리즘을 예시적으로 나타낸 흐름도이다.

먼저, 상기 평가 서버(110, 130)는 평가 대상 특허의 청구항 수에 따라 청구항 별 초기 점수를 할당한다(S701). 전술한 바와 같이, 상기 청구항 별 초기 점수 할당에서 독립 청구항은 종속 청구항에 비해 더 많은 점수가 기본 점수로 할당된다.

이어서, 상기 평가 서버(110, 130)는 심사 과정에서 인용안 된 선행 기술 문헌이 존재하는지 검색한다(S702). 만약, 이와 같이 안용안 된 선행 기술 문헌이 존재하는 경우, 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감한다(S703).

다음으로, 상기 평가 서버(110, 130)는 패밀리 특허로부터 파악된 선행 기술들 중 상기 평가 대상 특허에서 인용되지 않은 선행 기술 문헌이 존재하는지 판단한다(S704). 상기 인용되지 않은 선행 기술 문헌이 존재하지 않는 경우, S710 과정으로 진행한다. 그러나, 상기 인용되지 않은 선행 기술 문헌이 존재하는 경우, 해당 선행 기술 문헌을 인용한 패밀리 특허가 상기 평가 대상 특허보다 먼저 등록되었는지 나중에 등록되었는지 판단한다(S705). 만약 먼저 등록되었다면, 상기 평가 서버(110, 130)는 상기 평가 대상 특허와 상기 선행 기술간에 유사도가 높은지 판단한다(S706). 만약 유사도가 높다면, 미국 특허법 상 IDS(Information Disclosure statement) 제출 의무를 다하지 못한 것이므로, 최대 감점을 하고(S707), 종료한다.

그러나, 해당 선행 기술 문헌을 인용한 패밀리 특허가 상기 평가 대상 특허보다 나중에 등록되었다면, 상기 평가 서버(110, 130)는 상기 평가 대상 특허와 상기 선행 기술간에 유사도가 높은지 판단한다(S708). 만약 유사도가 높다면, 상기 평가 서버(110, 130)는 독립항 별로 점수를 미리 설정된 만큼 차감한다(S709).

다음으로, 상기 평가 서버(110, 130)는 각 독립 청구항의 길이가 평균 보다 긴지 짧은지를 판단한다(S710). 각 독립 청구항의 길이가 평균 보다 짧은 경우 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감시키고(S712), 반대의 경우 독립 청구항 별로 점수를 미리 설정된 값만큼 증가시킨다(S713).

다음으로, 상기 평가 서버(110, 130)는 종속항의 깊이가 전체 특허의 평균 보다 깊은지 판단한다(S713). 종속항의 깊이가 전체 특허의 평균 보다 낮은 경우 상기 평가 서버(110, 130)는 종속항 별로 점수를 미리 설정된 값만큼 차감시키고(S714), 반대의 경우 종속항 별로 점수를 미리 설정된 값만큼 증가시킨다(S715).

이어서, 상기 평가 서버(110, 130)는 미국 특허법 상 Reexamination 또는 Reissue가 존재했는지 판단한다(S716). 만약 존재했다면, 여태까지 차감되거나 증가된 청구항의 점수를 합산한 전체 점수에서 미리 설정된 만큼 점수를 증가시킨다(S717).

도 7을 참조하여 설명한 바와 같이, 전체 청구항 수, 독립 청구항 수, 종속항 수, 청구항 계열수, Reexamination, Reissue와 같은 평가 요소들은 그 기준이 모호하므로, 이들을 개별적으로 판단하지 않고, 유기적으로 판단함으로써, 보다 정량적이고 객관적으로 평가할 수 있게 된다.

이와 같이 개별 평가 요소들이 도 7과 같이 유기적으로 알고리즘화된 것을 복합 평가 요소라고 명명할 수 있다.

도 8은 미국 등록 특허의 무효성을 복합 평가 요소 기반하에 평가하기 위한 또 다른 알고리즘을 예시적으로 나타낸 흐름도이다.

먼저, 상기 평가 서버(110, 130)는 평가 대상 특허의 청구항 수에 따라 청구항 별 초기 점수를 할당한다(S801)..

이어서, 상기 평가 서버(110, 130)는 심사 과정에서 인용안 된 선행 기술 문헌이 존재하는지 검색한다(S802). 만약, 이와 같이 안용안 된 선행 기술 문헌이 존재하는 경우, 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감한다(S803).

다음으로, 상기 평가 서버(110, 130)는 패밀리 특허로부터 파악된 선행 기술들 중 상기 평가 대상 특허에서 인용되지 않은 선행 기술 문헌이 존재하는지 판단한다(S804). 상기 인용되지 않은 선행 기술 문헌이 존재하지 않는 경우, S811 과정으로 진행한다. 그러나, 상기 인용되지 않은 선행 기술 문헌이 존재하는 경우, 해당 선행 기술 문헌을 인용한 패밀리 특허가 상기 평가 대상 특허보다 먼저 등록되었는지 나중에 등록되었는지 판단한다(S805). 만약 먼저 등록되었다면, 상기 평가 서버(110, 130)는 상기 평가 대상 특허와 상기 선행 기술간에 유사도가 높은지 판단한다(S806). 만약 유사도가 높다면, 미국 특허법 상 IDS(Information Disclosure statement) 제출 의무를 다하지 못한 것이므로, 최대 감점을 하고(S807), 종료한다.

그러나, 해당 선행 기술 문헌을 인용한 패밀리 특허가 상기 평가 대상 특허보다 나중에 등록되었다면, 상기 평가 서버(110, 130)는 상기 평가 대상 특허와 상기 선행 기술간에 유사도가 높은지 판단한다(S809). 만약 유사도가 높다면, 상기 평가 서버(110, 130)는 독립항 별로 점수를 미리 설정된 만큼 차감한다(S810).

다음으로, 상기 평가 서버(110, 130)는 각 독립 청구항의 길이가 평균 보다 긴지 짧은지를 판단한다(S811). 각 독립 청구항의 길이가 평균 보다 짧은 경우 상기 평가 서버(110, 130)는 독립 청구항 별로 점수를 미리 설정된 값만큼 차감시키고(S812), 반대의 경우 독립 청구항 별로 점수를 미리 설정된 값만큼 증가시킨다(S813).

다음으로, 상기 평가 서버(110, 130)는 종속항의 깊이가 전체 특허의 평균 보다 깊은지 판단한다(S814). 종속항의 깊이가 전체 특허의 평균 보다 낮은 경우 상기 평가 서버(110, 130)는 종속항 별로 점수를 미리 설정된 값만큼 차감시키고(S715), 반대의 경우 종속항 별로 점수를 미리 설정된 값만큼 증가시킨다(S816).

다음으로, 상기 평가 서버(110, 130)는 평가 대상 특허의 패밀리 특허가 몇건인지를 판단한다(S817). 만약, 평가 대상 특허의 패밀리 특허가 0건인 경우, 여태까지 차감되거나 증가된 청구항의 점수를 합산한 전체 점수에서 미리 설정된 만큼 점수를 차감시킨다(S818).

이어서, 상기 평가 서버(110, 130)는 미국 특허법 상 Reissue가 존재했는지 판단한다(S819). 만약 존재했다면, 여태까지 차감되거나 증가된 청구항의 점수를 합산한 전체 점수에서 미리 설정된 만큼 점수를 증가시킨다(S820).

이어서, 상기 평가 서버(110, 130)는 미국 특허법 상 Reexamination가 존재했는지 판단한다(S821). 만약 존재했다면, 최대 점수로 증가시킨다(S823).

도 8을 참조하여 설명한 바와 같이, 전체 청구항 수, 독립 청구항 수, 종속항 수, 청구항 계열수, Reexamination, Reissue와 같은 평가 요소들은 그 기준이 모호하므로, 이들을 개별적으로 판단하지 않고, 유기적으로 판단함으로써, 보다 정량적이고 객관적으로 평가할 수 있게 된다.

이와 같이 개별 평가 요소들이 도 8과 같이 유기적으로 알고리즘화된 것을 복합 평가 요소라고 명명할 수 있다.

한편, 도 8에 도시된 각 단계는 도 7에 도시된 각 단계와 적절히 결합할 수도 있다. 따라서, 본 발명은 각각의 도면에 도시된 사항에만 한정되는 것은 아님을 유의해야 한다.

한편, 이하에서는 평가 엔진을 구축하는 방법에 대해서 설명하기로 한다.

도 9는 본 발명의 일 실시예에 따라 전문가 평가 결과를 학습하여 평가 엔진을 구축하는 방법을 나타낸 흐름도이다.

도 9 및 전술한 내용을 참조하여 알 수 있는 바와 같이, 평가 항목이 사전에 정의될 수 있다(S910). 상기 평가 항목은 전술한 바와 같이, 권리성, 기술성, 활용성으로 정의될 수 있다. 또는, 상기 평가 항목은 권리성, 상업성으로 정의될 수도 있다. 이러한 정의는 특허를 평가하려는 주된 목적이 무엇인지에 따라 변경될 수 있다.

이어서, 상기 서비스 서버(120, 140)는 평가 항목과 샘플 특허에 대한 평가 요소를 1차적으로 매핑하여, 전문가 컴퓨터에 제공한다(S920). 상기 1차적 매핑은 각 평가 항목과 관련있다고 추론된 평가 요소의 후보들을 매핑하는 것일 수 있다.

이어서, 상기 전문가 컴퓨터로부터 상기 샘플 특허에 대한 평가 결과를 수신할 수 있다(S930). 상기 평가 결과는 상기 평가 항목에 대해 상기 전문가가 평가한 점수일 수 있다. 이와 같이 상기 전문가 컴퓨터에게 정보를 제공하고, 평가 결과를 수신하기 위해, 상기 서비스 서버(120, 140)는 웹페이지를 미리 준비할 수 있다.

이어서, 상기 샘플 특허에 대한 전문가의 평가 결과에 기초하여, 미리 정의된 하나 이상의 평가 항목에 대해 평가 요소들이 가지는 상관도를 산출할 수 있다(S940). 상기 상관도는 전술한바와 같이 -1에서 +1 사이의 값일 수 있다.

이어서, 상기 산출된 상관도에 기초하여 각 평가 항목과 평가 요소를 재매핑할 수 있다(S950). 상기 재매핑에 의해 각 평가 항목에 1차적으로 매핑된 평가 요소들 중 일부는 매핑에서 제외될 수도 있고, 다른 평가 요소가 임의 평가 항목에 매핑될 수도 있다.

이와 같이, 매핑이 완료되면, 상기 평가 항목에 매핑된 평가 요소를 이용하여, 전문가의 평가 결과를 학습하여, 평가 엔진을 구축한다(S960).

도 10은 본 발명의 일 실시예에 따른 평가 엔진을 이용하여 특허 평가 서비스를 제공하는 방법을 나타낸 흐름도이다.

도 10을 참조하여 알 수 있는 바와 같이, 상기 서비스 서버(120, 140)사용자 장치로부터 특정 특허에 대한 정보를 수신하고(S1010), 상기 사용자 장치로부터 상기 특정 특허에 대한 평가 요청을 수신할 수 있다(S1020). 이를 위해, 상기 서비스 서버(120, 140)는 웹페이지를 상기 사용자의 컴퓨터에 제공할 수 있다.

그러면, 상기 서비스 서버(120, 140)는 상기 정보를 이용해 확인되는 특정 특허에 대해 미리 구축된 평가 엔진을 이용하여 산출된 평가 결과를 제공하여, 상기 사용자의 컴퓨터에 출력되도록 할 수 있다(S1030).

이때, 상기 서비스 서버(120, 140)는 단순히 평가 결과만을 제공할 수도 있지만, 평가 보고서를 생성하여, 상기 사용자의 컴퓨터로 제공할 수도 있다. 상기 평가 보고서는 산출된 평가 결과와, 그 평가 결과에 대한 부연 설명 등을 포함할 수 있다. 이러한 평가 보고서는 PDF와 같은 포맷일 수도 있고, 혹은 웹페이지 기반일 수 도 있다.

이상에서 본 명세서에 개시된 실시예들을 첨부된 도면들을 참조로 설명하였다. 여기서, 본 전술한 방법은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.

하드웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.

펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.

도 11은 본 발명의 일 실시예에서 제시되는 평가 서버(110, 130) 및 서비스 서버(120, 140)의 물리적 구성을 각각 나타낸다.

도 11에 도시된 바와 같이 평가 서버(110, 130)는 송수신부(110a, 130a), 컨트롤러(110b, 130b), 저장수단(110c, 130c)을 포함할 수 있고, 각 서비스 서버(120, 140)은 송수신부(120a, 140a), 컨트롤러(120b, 140b), 저장수단(120c, 140c)을 포함할 수 있다.

상기 저장 수단들은 도 4 내지 도 10에 도시된 방법 및 전술한 내용을 저장한다. 예를 들어, 상기 평가 서버(110, 130)의 저장 수단(110c, 130c)는 각기 전술한 명세서 처리부(111, 131), 자연어 처리부(111, 132), 핵심어 처리부(113, 133), 유사특허 처리부(114, 134), 평가요소(또는 평가지표)(115, 135) 및 평가 엔진부(116, 136)이 각기 구현된 프로그램을 저장할 수 있다. 그리고, 상기 서비스 서버(120, 140)의 저장 수단들(120c, 140c)은 평가 보고서 생성부(121, 141)와, 포트폴리오 분석부(122, 142) 중 하나 이상을 저장할 수 있다.

상기 컨트롤러는 상기 송수신부 및 상기 저장 수단을 각기 제어한다. 구체적으로 상기 컨트롤러들은 상기 저장 수단에 각기 저장된 상기 방법 또는 상기 프로그램들을 실행한다. 그리고 상기 컨트롤러는 상기 송수신부를 통해 신호를 송수신한다.

이상에서 본 명세서에 개시된 실시예들을 첨부된 도면들을 참조로 설명하였다. 여기서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 본 명세서에 개시된 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 명세서에 개시된 일 실시예에 불과할 뿐이고, 본 명세서에 개시된 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

110: 국내 특허 평가 서버
120: 국내 특허 서비스 서버
130: 해외(예컨대, 미국) 특허 평가 서버
140: 해외(예컨대, 미국) 특허 서비스 서버
191, 192, 특허 정보DB
193, 194: 평가요소(또는 평가지표)DB
195, 196: 유사특허DB
197, 198: 평가결과DB

Claims (10)

1. 사용자 장치로부터 특정 특허에 대한 평가 요청을 수신하는 단계와;
   미리 구축된 평가 엔진을 이용하여 상기 특정 특허에 대해 산출된 평가 결과를 상기 사용자 장치에 제공하는 단계를 포함하고,
   상기 평가 엔진은 상기 특정 특허에 대한 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이 중 두 개 이상을 유기적으로 알고리즘화하여 복합 평가 요소로 정의한 후, 상기 복합 평가 요소에 따라 상기 특정 특허의 무효 가능성 여부에 대해서 판단하는 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
2. 제1항에 있어서, 상기 복합 평가 요소의 알고리즘은
   독립 청구항의 수, 종속 청구항 수에 따라 각 청구항에 대해 기준 점수를 배점하는 과정과;
   상기 특정 특허에 대한 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이 중 하나 이상을 통하여, 각 청구항의 기준 점수에서 미리 설정된 값 만큼 점수를 차감하거나, 증가시키는 과정을 포함하는 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
3. 제2항에 있어서, 상기 선행 기술 문헌 존재 여부는
   상기 특정 특허에 대해서 심사 과정에서 제시되지 않은 선행 기술 문헌이 존재하는지를 판단하는 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
4. 제2항에 있어서, 상기 선행 기술 문헌 존재 여부는
   인용 및 피인용 관계로부터 파악되거나, 패밀리 특허로부터 파악되는 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
5. 제1항에 있어서,
   상기 평가 엔진은 샘플 특허에 대해, 평가 항목 별로 전문가에 의해 미리 수행된 평가 결과를 학습하여 생성된 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
6. 제5항에 있어서, 상기 평가 엔진은
   상기 샘플 특허에 대한 전문가의 평가 결과에 기초하여, 미리 정의된 하나 이상의 평가 항목에 대해 평가 요소들이 가지는 상관도를 산출하는 과정과,
   상기 산출된 상관도에 기초하여 각 평가 항목과 평가 요소를 매핑하는 과정과,
   상기 평가 항목에 매핑된 평가 요소를 이용하여, 전문가의 평가 결과를 학습하는 과정 중 하나 이상을 통하여
   구축되는 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
7. 제6항에 있어서, 상기 평가 요소는
   등록 특허의 서지 정보, 경과 정보, 명세서, 청구범위 중 어느 하나 이상으로부터 추출되는 정보를 포함하거나,
   등록 특허의 명세서 및 청구범위를 자연어 처리하여 추출되는 정보를 포함하는 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
8. 제5항에 있어서,
   상기 전문가에 의한 평가 결과는 기술 분야 별로 수행되어 있고,
   상기 평가 엔진은 기술 분야 별로 구축되어 있고,
   상기 평가 결과를 출력하는 단계에서는 상기 특정 특허의 기술 분야와 대응하는 기술 분야의 평가 엔진을 이용하는 것을 특징으로 하는 복합 평가 요소에 기초한 특허 무효성 자동 평가 방법.
9. 제5항에 있어서, 상기 평가 엔진은
   기술 분야 별로 복수의 전문가들이 평가한 결과에 기초하여 전문가들 간에 상관도 산출하고, 상기 산출된 상관도에 기초하여 우수한 상관도를 가지는 전문가의 평가 결과에 기초하여 구축되어 있는 것을 특징으로 하는 특허 무효성 자동 평가 방법.
10. 사용자 장치로부터 특정 특허에 대한 평가 요청을 수신하는 인터페이스부와;
    상기 특정 특허에 대해 평가 결과를 산출하는 평가 엔진부를 포함하고,
    상기 인터페이스부는 상기 산출된 평가 결과를 상기 사용자 장치에 제공하고,
    상기 평가 엔진은 상기 특정 특허에 대한 선행 기술 문헌 존재 여부, 패밀리 특허 존재 여부, 독립항의 길이 중 두 개 이상을 유기적으로 알고리즘화하여 복합 평가 요소로 정의한 후, 상기 복합 평가 요소에 따라 상기 특정 특허의 무효 가능성 여부에 대해서 판단하는 것을 특징으로 하는 평가 서버.

Images