KR20180048172A - 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체 - Google Patents
특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체 Download PDFInfo
- Publication number
- KR20180048172A KR20180048172A KR1020160145424A KR20160145424A KR20180048172A KR 20180048172 A KR20180048172 A KR 20180048172A KR 1020160145424 A KR1020160145424 A KR 1020160145424A KR 20160145424 A KR20160145424 A KR 20160145424A KR 20180048172 A KR20180048172 A KR 20180048172A
- Authority
- KR
- South Korea
- Prior art keywords
- recommendation
- information
- unit
- keyword
- enterprise
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 96
- 230000010365 information processing Effects 0.000 claims abstract description 69
- 238000011156 evaluation Methods 0.000 claims abstract description 47
- 238000003672 processing method Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims description 77
- 150000001875 compounds Chemical class 0.000 claims description 12
- 238000003745 diagnosis Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000003578 releasing effect Effects 0.000 claims 2
- 241000972773 Aulopiformes Species 0.000 claims 1
- 235000019515 salmon Nutrition 0.000 claims 1
- 230000036962 time dependent Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 42
- 230000004044 response Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 241000567769 Isurus oxyrinchus Species 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004579 scanning voltage microscopy Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- FGRBYDKOBBBPOI-UHFFFAOYSA-N 10,10-dioxo-2-[4-(N-phenylanilino)phenyl]thioxanthen-9-one Chemical compound O=C1c2ccccc2S(=O)(=O)c2ccc(cc12)-c1ccc(cc1)N(c1ccccc1)c1ccccc1 FGRBYDKOBBBPOI-UHFFFAOYSA-N 0.000 description 1
- 241000220479 Acacia Species 0.000 description 1
- 241000271317 Gonystylus bancanus Species 0.000 description 1
- 235000010643 Leucaena leucocephala Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000024241 parasitism Effects 0.000 description 1
- OVSQVDMCBVZWGM-QSOFNFLRSA-N quercetin 3-O-beta-D-glucopyranoside Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=C(C=2C=C(O)C(O)=CC=2)OC2=CC(O)=CC(O)=C2C1=O OVSQVDMCBVZWGM-QSOFNFLRSA-N 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G06F17/30539—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
- G06Q30/0619—Neutral agent
-
- 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
-
- 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
- G06Q50/188—Electronic negotiation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
기업 추천 시스템을 사용하는 사용자 시스템의 의도에 대응하여 복수의 권리자에 대한 평가 카테고리 별 평가 정보를 생성하여 제공하는 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체에 관한 것이다.
본 발명의기업 추천 시스템은 (A) 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계; (B) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계; (C) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및 (D) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 포함하는 방식으로 정보 처리하는 것이 특징이다.
본 발명을 활용하면, 특허 정보를 통해서 핵심 기업를 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있으며, 다양한 단위 추천 항목별로 특화된 핵심 기업를 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있고, 셋째, 기술 키워드, 특허 기술 분류, 발명자 명칭 등 주어진 범위 내에서의 핵심 기업을 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있으며, 추천된 핵심 기업에 대한 상세한 추천 근거 정보를 확인할 수 있어, 추천의 객관성도 확보할 수 있게 된다.
본 발명의기업 추천 시스템은 (A) 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계; (B) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계; (C) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및 (D) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 포함하는 방식으로 정보 처리하는 것이 특징이다.
본 발명을 활용하면, 특허 정보를 통해서 핵심 기업를 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있으며, 다양한 단위 추천 항목별로 특화된 핵심 기업를 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있고, 셋째, 기술 키워드, 특허 기술 분류, 발명자 명칭 등 주어진 범위 내에서의 핵심 기업을 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있으며, 추천된 핵심 기업에 대한 상세한 추천 근거 정보를 확인할 수 있어, 추천의 객관성도 확보할 수 있게 된다.
Description
본 발명은 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체에 관한 것으로서 더욱 상세하게는 기업 추천 시스템을 사용하는 사용자 시스템의 의도에 대응하여 복수의 현재 권리자에 대한 평가 카테고리 별 평가 정보를 생성하여 제공하는 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체에 관한 것이다.
글로벌 특허 정보는 기술 집단 지성의 결집체로서, 기술 정보, 권리 정보 및 주체 정보 등 다양한 정보를 포함하고 있다. 이러한 글로벌 특허 정보는 특허 소송이나 분쟁, 특허 거래나 라이센싱, 담보, M&A, 주가 등과 같은 특허 유관 정보와 결합되어 분석 및 마이닝 될 때 더욱 더 강력한 효용성을 나타낸다.
하지만, 글로벌 특허 정보에는 출원인 정보가 포함되어 있고, 특허의 이전 정보를 통해서 현재 권리자 정보를 파악할 수 있음에도 불구하고, 이러한 정보를 고차원적으로 분석 및 마이닝하여 구직이나 기업 추천 등에 사용하는 경우는 극히 없는 것으로 파악된다. 미국 특허 7716060(Patent-related tools and methodology for use in the merger and acquisition process)에는 M&A를 위한 특허 정보의 처리 방법에 기업 발굴에 언급이 있으나, 특허 정보를 마이닝하여 핵심 기업을 추천해 내는 것에 대해서는 상세히 설명하고 있지 않다.
이에, 글로벌 기술 집단 지성의 결집체인 글로벌 특허 정보를 마이닝하여 기술 키워드별, 기술 분류별, 권리자 명칭별 또는 사용자가 요청하는 특허 집합별로 핵심 기업을 추천 랭킹별로 서열화시킨 다음 다양한 단위 추천 항목별로의 추천 근거 정보와 함께 추천해 주는 방법 및 시스템의 개발이 절실히 요구되어 왔다.
본 발명이 해결하고자 하는 첫번째 과제는 특허 정보 활용 기업 추천 시스템의 구성을 제시하는 것이다.
본 발명이 해결하고자 하는 두번째 과제는 기업 추천 시스템의 정보 처리 방법을 제시하는 것이다.
본 발명이 해결하고자 하는 세번째 과제는 기업 추천 시스템의 정보 처리 방법이 기록된 기록 매체를 제시하는 것이다.
본 발명이 이루고자 하는 과제를 달성하기 위하여, 기업 추천 시스템의 정보 처리 방법에 있어서, 상기 기업 추천 시스템이 (A) 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계; (B) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계; (C) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및 (D) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 포함하는 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법을 제시한다.
상기 단위 추천 정보의 생성은 2 이상 복수 개의 단위 추천 정보를 생성하는 것인 것이며, (E)상기 복수 개의 단위 추천 정보에 랭킹 알고리즘을 적용하여 기업에 대한 랭킹 정보를 생성하는 단계;를 더 포함하는 것이 바람직하다.
상기 기업 추천 요청 정보는 단일 키워드인 것이며, 상기 (A) 단계의 특허 식별키 입수 처리는 (A-1a) 상기 단일 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 키워드 기반 특허 식별키 입수 방법; 및 (A-2a)상기 단일 키워드를 검색 조건으로 하여 상기 단일 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 2 키워드 기반 특허 식별키 입수 방법; (A-3a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 3 키워드 기반 특허 식별키 입수 방법; 및 (A-4a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 검색 조건으로 하여 상기 단일 키워드 또는 상기 동일성 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 4 키워드 기반 특허 식별키 입수 방법; 중 어느 하나 이상을 적용하는 것인 것이 바람직하다.
상기 단위 추천 알고리즘은 기업 단위로 적어도 2 이상의 상기 특허 식별키 대응 추천 기반 정보를 사용하여 산출되는 것인 것이며, 상기 단위 추천 알고리즘은 상기 기업 추천 요청 정보 중 상기 기업에만 대응되는 기업별 특허 식별키 대응 추천 기반 정보를 필수적으로 사용하고, 선택적으로 상기 기업 추천 요청 정보에 대응되는 모집단 특허 식별키 대응 추천 기반 정보를 사용하는 것인 것이 바람직하다.
상기 특허 식별키 대응 추천 기반 정보는 특허별로 생성되며, 상기 특허 식별키 대응 추천 기반 정보는 시간 독립적 또는 시간 종속적으로 생성되는 특허의 내부적 속성, 특허가 사용된 이벤트 속성, 특허 관련 주체 속성, 특허 관리 속성 및 관련 특허의 속성 중 어느 하나 이상인 것이며, 상기 내부적 속성은 특허에 포함된 서지 사항 기반 속성, 명세서 기반 속성, 특허 분류 속성 중 어느 하나 이상인 것이거나 특허 사용 이벤트 속성은 특허와 관련된 거래 속성, 라이선스의 설정과 해제 속성, 담보의 설정과 해제 속성, 특허가 사용된 소송 속성, 특허와 관련된 분쟁 속성 중 어느 하나 이상인 것이거나, 특허 관련 주체 속성은 특허의 출원인 속성, 대리인 속성, 거래 특허인 경우 현재 권리자와 직전 권리자 속성, 심사관 속성 중 어느 하나 이상인 것이거나, 특허 소속 집단 속성은 표준 특허 기구 속성, 표준 특허풀 속성, 국가 R&D 특허 속성 중 어느 하나 이상인 것이거나, 관련 특허의 속성은 피인용 특허의 속성, 레퍼런스 특허 속성, 패밀리 특허 속성, 유사 특허 속성 중 어느 하나 이상인 것이거나, 상기 피인용 특허의 속성은 전체 피인용 속성, 심사관 피인용 속성 및 OA 피인용 속성 중 어느 하나 이상인 것이거나, 상기 레퍼런스 특허의 속성은 전체 레퍼런스속성, 심사관 레퍼런스 속성 및 OA 레퍼런스 속성 중 어느 하나 이상인 것이거나, 패밀리 특허 속성은 국내 패밀리 속성, 국가별 패밀리 속성, 해외 통합 패밀리 속성 중 어느 하나 이상인 것이거나, 상기 유사 특허 속성은 키워드 기반 유사 특허 속성, 인용 네트워크 기반 유사 특허 속성, 특허 분류 기반 유사 특허 속성 중 어느 하나 이상인 것인 것이 바람직하다.
(F) 복수 개의 기업 추천 요청 정보에 대하여, 상기 (A) 내지 (D) 단계를 실시하며, 생성된 상기 단위 추천 정보를 저장하는 단계;를 더 포함하며, 상기 복수 개의 기업 추천 요청 정보는, 적어도 하나 이상의 기업 추천 대상 핵심 키워드 집합에서 추출하는 적어도 2 이상의 키워드이거나, 적어도 하나 이상의 기업 추천 대상 권리자 집합에서 추출하는 적어도 2 이상의 권리자이거나 적어도 하나 이상의 기업 추천 대상 특허 분류 집합에서 추출하는 적어도 2 이상의 특허 분류이거나 상기 키워드, 상기 권리자, 상기 특허 분류 중 어느 2 이상을 사용하여 생성되는 복합 단위 기업 추천 요청 정보인 것이 바람직하다.
상기 기업 추천 요청 정보는 복수 개의 키워드인 것이며, 상기 복수 키워드의 처리는 개별 키워드별로 처리하는 제1 복수 키워드 처리 방법 및 상기 복수 키워드를 1개의 단일 개념 키워드 집합으로 처리하는 제2 복수 키워드 처리 방법 중 어느 하나 이상의 방법이 적용되는 것인 것이며, 상기 제1 복수 키워드 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 키워드를 1개씩으로 구분하고, 단일 키워드로 분할하고, 분할된 단일 키워드별로, (A-1a) 상기 단일 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 키워드 기반 특허 식별키 입수 방법; 및 (A-2a)상기 단일 키워드를 검색 조건으로 하여 상기 단일 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 2 키워드 기반 특허 식별키 입수 방법; (A-3a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 3 키워드 기반 특허 식별키 입수 방법; 및 (A-4a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 검색 조건으로 하여 상기 단일 키워드 또는 상기 동일성 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 4 키워드 기반 특허 식별키 입수 방법; 중 어느 하나 이상을 적용하여 처리하는 것이며, 상기 제2 복수 키워드 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 키워드에 대하여, (A-1b) 상기 복수 키워드를 OR 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 복수 키워드 기반 특허 식별키 입수 방법; 및 (A-2b)상기 복수 키워드를 OR 검색 조건으로 하여 상기 단일 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 2 복수 키워드 기반 특허 식별키 입수 방법; (A-3b) 상기 복수 키워드를 OR 검색 조건으로 하여, 상기 복수 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 복수 키워드와 상기 동일성 키워드를 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 3 복수 키워드 기반 특허 식별키 입수 방법; 및 (A-4b) 상기 복수 키워드를 OR 검색 조건으로 하여, 상기 복수 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 복수 키워드와 상기 동일성 키워드를 검색 조건으로 하여 상기 복수 키워드 또는 상기 동일성 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 4 복수 키워드 기반 특허 식별키 입수 방법; 중 어느 하나 이상을 적용하여 처리하는 것이 바람직하다.
상기 기업 추천 요청 정보는 권리자 명칭인 것이며, 상기 권리자 명칭이 단일 명칭인 경우에는 상기 (A) 단계의 특허 식별키 입수 처리는 (A-1c) 상기 단일 권리자 명칭을 검색 조건으로 하여 적어도 하나 이상의 권리자 명칭 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 권리자 명칭 기반 특허 식별키 입수 방법을 적용하며, 상기 권리자 명칭이 복수 개일 경우에는 상기 복수 권리자 명칭의 처리는 개별 권리자 명칭별로 처리하는 제1 복수 권리자 명칭 처리 방법 및 상기 복수 권리자 명칭을 1개의 단일 개념 권리자 명칭 집합으로 처리하는 제2 복수 권리자 명칭 처리 방법 중 어느 하나 이상의 방법이 적용되는 것인 것이며, 상기 제1 복수 권리자 명칭 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 권리자 명칭을 1개씩으로 구분하고, 단일 권리자 명칭으로 분할하고, 분할된 단일 권리자 명칭별로, (A-1c) 상기 단일 권리자 명칭을 검색 조건으로 하여 적어도 하나 이상의 권리자 명칭 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 권리자 명칭 기반 특허 식별키 입수 방법;을 사용하며, 상기 제2 복수 권리자 명칭 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 권리자 명칭에 대하여, (A-1d) 상기 복수 권리자 명칭을 OR 검색 조건으로 하여 적어도 하나 이상의 권리자 명칭 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 복수 권리자 명칭 기반 특허 식별키 입수 방법을 적용하여 처리하는 것이 바람직하다.
상기 기업 추천 요청 정보는 특허 번호 집합인 것이며, 상기 기업 추천 요청 정보가 특허 번호 집합인 경우, (A) 단계의 특허 식별키 입수 처리는 (A-1e) 상기 특허 번호 집합에 포함된 특허 번호들을 OR 검색 조건으로 하여 적어도 하나 이상의 특허 번호 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 특허 번호 기반 특허 식별키 입수 방법을 적용하는 것인 것이 바람직하다.
상기 기업 추천 요청 정보는 특허 번호 집합인 것이며, 상기 기업 추천 요청 정보가 특허 번호 집합인 경우, (A) 단계의 특허 식별키 입수 처리는 (A-1d1) 상기 특허 번호 집합에 포함된 특허 번호들을 OR 검색 조건으로 하여 적어도 하나 이상의 특허 번호 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하고, 상기 특허 식별키를 사용하여 관련 특허를 입수하기 위하여, (A-1d2) 상기 (A-1d1) 단계에서 입수한 특허 식별키를, 특허 식별키-관련 특허 식별키 정보가 포함되어 있는 관련 특허 테이블 또는 특허 식별키를 입력하는 경우, 관련 특허 식별키를 출력해 줄 수 있는 검색 인덱스에 질의하여 관련 특허 식별키를 입수하는 제 2 특허 번호 기반 관련 특허 식별키 입수 방법을 적용하는 것인 것이 바람직하다.
상기 관련 특허의 속성은 피인용 특허의 속성, 레퍼런스 특허 속성, 패밀리 특허 속성, 유사 특허 속성 중 어느 하나 이상인 것이며, 상기 피인용 특허의 속성은 전체 피인용 속성, 심사관 피인용 속성 및 OA 피인용 속성 중 어느 하나 이상인 것이거나, 상기 레퍼런스 특허의 속성은 전체 레퍼런스속성, 심사관 레퍼런스 속성 및 OA 레퍼런스 속성 중 어느 하나 이상인 것이거나, 패밀리 특허 속성은 국내 패밀리 속성, 국가별 패밀리 속성, 해외 통합 패밀리 속성 중 어느 하나 이상인 것이거나, 상기 유사 특허 속성은 키워드 기반 유사 특허 속성, 인용 네트워크 기반 유사 특허 속성, 특허 분류 기반 유사 특허 속성 중 어느 하나 이상인 것인 것이며, 선택적으로 상기 (A-1d2)의 처리는 관련 특허의 범위를 제한하기 위한 적어도 하나 이상의 제한 조건이 더 부가될 수 있는 것인 것이며, 상기 기업 추천 시스템은 부가된 제한 조건을 포함하여 상기 관련 특허 식별키 정보를 입수하는 것인 것이 바람직하다.
상기 특허 식별키 대응 추천 기반 정보는 특허별 적어도 1종 이상의 평가 정보를 포함하는 것인 것이며, 상기 단위 추천 정보는 상기 평가 정보를 반영하여 생성되는 것인 것을
상기 단위 추천 정보의 생성 시 현재 권리자별로 생성되는 단위 추천 정보 정보에는 특허별로 상기 현재 권리자의 추정 지분 정보를 반영하여 생성되는 것인 것이 바람직하다.
본 발명이 이루고자 하는 과제를 달성하기 위하여, 기업 추천 시스템의 정보 처리 방법에 있어서, 상기 기업 추천 시스템이 (I) 상기 기업 추천 시스템에 유무선 네트워크로 접속되는 적어도 하나 이상의 사용자 시스템으로부터 기업 추천 요청 정보를 입수 받는 단계; (J) 상기 기업 추천 시스템에 실시간 처리 판단 알고리즘을 적용하여 진단하는 단계; (K) 상기 진단 결과를 반영하여 단위 추천 정보를 생성하는 단계;및 (L)상기 생성된 단위 추천 정보 정보를 포함한 기업 추천 정보를 상기 사용자 시스템에 전송하는 단계;를 포함하며, 상기 (K) 단계는 (K-1) 상기 (J) 단계에서 진단 결과가 실시간 처리 대상인 경우에는 (a1) 상기 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계; (b1) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계; (c1) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및 (d1) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 실행하는 것이며, (K-2) 상기 (J) 단계에서 진단 결과가 비 실시간 처리 대상인 경우에는 상기 기업 추천 요청 정보로 기 생성된 단위 추천 정보를 검색하여 입수하는 단계;를 실시하는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법을 제시한다.
상기 (K-2) 단계에서 검색 대상이 되는 단위 추천 정보는 (a2) 복수 개의 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계; (b2) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계; (c2) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및 (d2) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 실행하여 생성되는 것인 것이 바람직하다.
상기 (J) 단계의 실시간 처리 판단 알고리즘은 (J-1) 상기 기업 추천 요청 정보의 속성값을 처리하여 분류한 다음, 분류 기반으로 실시간 처리 여부를 판단하는 것인 것이며, 상기 속성값은 기업 추천 요청 정보의 개수, 기업 추천 요청 정보의 표시 연어, 기업 추천 요청 정보의 길이, 상기 기업 추천 요청 정보의 표기에 상기 기업 추천 시스템이 제공하는 기업 추천 요청 정보 식별 구분 기호의 포함 여부 중 어느 하나 이상인 것이 바람직하다.
(J-2) 상기 실시간 처리 판단 알고리즘은 상기 기업 추천 요청 정보 식별 구분 기호가 존재하고, 기업 추천 요청 정보 식별 구분 기호 값이 있는 경우 상기 기업 추천 요청 정보 식별 구분 기호 값으로 기 생성된 기업 추천 정보가 존재하는 지를 검색하는 단계; 및 (J-3) 상기 (J-2)의 검색 결과가 존재하지 않거나, 실시간 생성 요건에 대응되는 경우에는 실시간 기업 추천 정보 생성 처리 대상으로 진단 처리하는 단계;를 더 포함하는 것이 바람직하다.
상기 사용자 시스템에 전송되는 기업 추천 정보에는 기업 인종 그룹 정보가 더 포함되어 있는 것인 것이며, 상기 기업 인종 그룹 정보는 기업의 이름 표기 패턴을 처리하여 생성되는 것인 것이 바람직하다.
상기 사용자 시스템에 전송되는 기업 추천 정보에는 기업별 추천 근거 정보가 더 포함되어 있으며, 상기 기업별 추천 근거 정보는 기업별 단위 추천 정보에 대응되어 제공되는 것인 것이 바람직하다.
상기 기업 추천 시스템은 API 방식으로 상기 사용자 시스템에게 정보를 전송하는 것인 것이 바람직하다.
본 발명이 이루고자 하는 과제를 달성하기 위하여, 유무선 네트워크로 연결된 적어도 하나 이상의 사용자 시스템에 대하여 기업 추천 정보를 제공하는 기업 추천 시스템에 있어서, 상기 기업 추천 시스템은 상기 사용자 시스템과 정보를 주고 받는 기업 추천 인터페이스부; 기업 추천 요청 정보를 판단하여, 상기 사용자 시스템에게 전송할 기업 추천 정보를 생성하는 기업 추천 정보 처리 엔진; 및 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 생성하는 특허별 기반 정보 생성부를 포함하는 기업 추천 기반 정보 생성 엔진;을 포함하는 것을 특징으로 하는 기업 추천 시스템을 제시한다.
상기 기업 추천 시스템은 일관 처리 방식으로 기업 추천 정보를 생성하는 기업 추천 정보 배치 처리부;를 더 포함하며, 상기 기업 추천 시스템은 지정된 단위의 특허 집합을 생성하는 지정 특허 집합 생성부; 및 상기 기업 추천 기반 정보 생성 엔진은 지정된 단위의 상기 특허 집합을 대상으로 기업 추천 정보를 생성하는 것인 것이 바람직하다.
상기 기업 추천 정보 처리 엔진은 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 생성하는 특허별 기반 정보 생성부;을 더 포함하는 것인 것이 바람직하다.
상기 기업 추천 시스템은 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 대응 특허 집합 입수부; 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단위 추천 알고리즘 입수부; 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 추천 기반 정보 입수부;및 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단위 추천 알고리즘 적용부;을 더 포함하는 것인 것이 바람직하다.
상기 단위 추천 정보의 생성은 2 이상 복수 개의 단위 추천 정보를 생성하는 것인 것이며, 상기 기업 추천 시스템은 상기 복수 개의 단위 추천 정보에 랭킹 알고리즘을 적용하여 기업에 대한 랭킹 정보를 생성하는 추천 랭킹 처리부;를 더 포함하는 것인 것이 바람직하다.
상기 기업 추천 시스템은 기업별 추천 근거 정보를 제공하는 추천 근거 정보 제공부;를 더 포함하는 것인 것이며, 상기 추천 근거 정보 제공부는 기업별로 단위 추천 정보별로 추천 근거 정보를 제공하는 것인 것이 바람직하다.
상기 기업 추천 정보 배치 처리부는 지정 특허 집합을 생성하는 지정 특허 집합 생성부; 기업 추천 정보 처리 엔진을 호출하는 기업 추천 정보 처리 엔진 호출부; 및 배치 생성된 기업 추천 정보를 구조적으로 저장하는 배치 생성 기업 추천 정보 저장부;를 더 포함하는 것인 것이 바람직하다.
본 발명이 이루고자 하는 과제를 달성하기 위하여, 상기 어느 한 방법을 실시하는 것을 특징으로 하는 컴퓨터가 읽을 수 있는 프로그램이 기록된 기록 매체를 제시한다.
본 발명을 실시하면 다음과 같은 효과가 있다.
첫째, 특허 정보를 통해서 핵심 기업를 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있다.
둘째, 다양한 단위 추천 항목별로 특화된 핵심 기업를 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있다.
셋째, 기술 키워드, 특허 기술 분류, 기업/연구기관/대학 등 주어진 범위 내에서의 핵심 기업를 효과적으로 추출해 내고, 사용자에게 추천해 줄 수 있다.
넷째, 추천된 핵심 기업에 대한 상세한 추천 근거 정보를 확인할 수 있어, 추천의 객관성을 확보할 수 있게 된다.
도 1은 본 발명의 기업 추천 시스템의 구성 및 기업 추천 시스템이 실시되는 환경에 대한 일 실시예적 도면이다.
도 2는 본 발명의 기업 추천 시스템의 기업 추천 인터페이스부에 대한 일 실시예적 도면이다.
도 3은 본 발명의 기업 추천 시스템의 기업 추천 정보 처리 엔진에 대한 일 실시예적 도면이다.
도 4는 본 발명의 기업 추천 시스템의 기업 추천 정보 배치 처리부에 대한 일 실시예적 도면이다.
도 5는 본 발명의 기업 추천 시스템의 기업 추천 기반 정보 생성 엔진에 대한 일 실시예적 도면이다.
도 6은 본 발명의 기업 추천 시스템의 시스템 기반 정보 처리부에 대한 일 실시예적 도면이다.
도 7은 본 발명의 기업 추천 시스템의 시스템 관리부에 대한 일 실시예적 도면이다.
도 8은 본 발명의 기업 추천 시스템의 DB부에 대한 일 실시예적 도면이다.
도 9는 본 발명의 기업 추천 시스템의 특허 정보 DB부에 대한 일 실시예적 도면이다.
도 10은 본 발명의 기업 추천 시스템의 추천 기반 정보 DB부에 대한 일 실시예적 도면이다.
도 11은 본 발명의 기업 추천 시스템의 배치 생성 기업 추천 정보 DB부에 대한 일 실시예적 도면이다.
도 12는 본 발명의 기업 추천 시스템의 평가 정보 DB부에 대한 일 실시예적 도면이다.
도 13은 본 발명의 기업 추천 시스템의 정보 처리 방법에 대한 일 실시예적 도면이다.
도 14는 본 발명의 기업 추천 시스템의 단위 추천 정보의 생성과 전송에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 15는 본 발명의 기업 추천 시스템의 단위 추천 알고리즘의 적용에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 16은 본 발명의 기업 추천 시스템의 단위 추천 정보의 생성에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 17은 본 발명의 기업 추천 시스템의 기업 추천 요청 정보의 특성별로 구분되는 정보 처리 방법에 대한 일 실시예적 도면이다.
도 18은 본 발명의 기업 추천 시스템의 단일 기업 추천 요청 정보 키에 대응되는 배치 생성 기업 추천 정보의 조회 후 조회 결과에 따른 정보 처리 방법에 대한 일 실시예적 도면이다.
도 19는 본 발명의 기업 추천 시스템의 추천 랭킹 제공과 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 20은 본 발명의 기업 추천 시스템의 추천 근거 제공과 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 21은 본 발명의 기업 추천 시스템의 동일성 키워드 탐색 처리 및 복합 키워드 탐색 처리와 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 2는 본 발명의 기업 추천 시스템의 기업 추천 인터페이스부에 대한 일 실시예적 도면이다.
도 3은 본 발명의 기업 추천 시스템의 기업 추천 정보 처리 엔진에 대한 일 실시예적 도면이다.
도 4는 본 발명의 기업 추천 시스템의 기업 추천 정보 배치 처리부에 대한 일 실시예적 도면이다.
도 5는 본 발명의 기업 추천 시스템의 기업 추천 기반 정보 생성 엔진에 대한 일 실시예적 도면이다.
도 6은 본 발명의 기업 추천 시스템의 시스템 기반 정보 처리부에 대한 일 실시예적 도면이다.
도 7은 본 발명의 기업 추천 시스템의 시스템 관리부에 대한 일 실시예적 도면이다.
도 8은 본 발명의 기업 추천 시스템의 DB부에 대한 일 실시예적 도면이다.
도 9는 본 발명의 기업 추천 시스템의 특허 정보 DB부에 대한 일 실시예적 도면이다.
도 10은 본 발명의 기업 추천 시스템의 추천 기반 정보 DB부에 대한 일 실시예적 도면이다.
도 11은 본 발명의 기업 추천 시스템의 배치 생성 기업 추천 정보 DB부에 대한 일 실시예적 도면이다.
도 12는 본 발명의 기업 추천 시스템의 평가 정보 DB부에 대한 일 실시예적 도면이다.
도 13은 본 발명의 기업 추천 시스템의 정보 처리 방법에 대한 일 실시예적 도면이다.
도 14는 본 발명의 기업 추천 시스템의 단위 추천 정보의 생성과 전송에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 15는 본 발명의 기업 추천 시스템의 단위 추천 알고리즘의 적용에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 16은 본 발명의 기업 추천 시스템의 단위 추천 정보의 생성에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 17은 본 발명의 기업 추천 시스템의 기업 추천 요청 정보의 특성별로 구분되는 정보 처리 방법에 대한 일 실시예적 도면이다.
도 18은 본 발명의 기업 추천 시스템의 단일 기업 추천 요청 정보 키에 대응되는 배치 생성 기업 추천 정보의 조회 후 조회 결과에 따른 정보 처리 방법에 대한 일 실시예적 도면이다.
도 19는 본 발명의 기업 추천 시스템의 추천 랭킹 제공과 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 20은 본 발명의 기업 추천 시스템의 추천 근거 제공과 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
도 21은 본 발명의 기업 추천 시스템의 동일성 키워드 탐색 처리 및 복합 키워드 탐색 처리와 관련된 정보 처리 방법에 대한 일 실시예적 도면이다.
이하, 도면을 참조하면서 더욱 더 상세하게 설명한다.
도 1은 본 발명의 기업 추천 시스템(10000)의 구성 및 기업 추천 시스템(10000)이 실시되는 환경에 대한 일 실시예적 도면이다. 도 1에서 알 수 있듯이, 본 발명의 기업 추천 시스템(10000)은 유무선 네트워크(50000)를 통하여, 적어도 하나 이상의 사용자 시스템(20000)과 연결되어 있으며, 선택적으로 적어도 하나 이상의 추천 정보 사용 시스템(30000) 또는 적어도 하나 이상의 기초 정보 연계 시스템(40000)과 연결되어 있다. 본 발명의 상기 사용자 시스템(20000)에는 사용자 단말기(21000) 또는 사용자 서버(22000)가 있다. 상기 사용자 서버(22000)는 상기 기업 추천 시스템(10000)으로부터 제공받은 기업 추천 정보의 전부 또는 일부를 직접 사용하거나, 상기 사용자 서버(22000)에 접속되어 있는 특정 또는 불특정 단말기(미도시)에게 직접 제공하거나, 가공 또는 편집 또는 다른 정보와 연계 또는 결합하여 제공하는 기능을 수행한다. 상기 사용자 서버(22000)는 상기 기업 추천 시스템(10000)을 사용하므로, 기업 추천 시스템(10000)의 입장에서는 사용자가 된다. 상기 기업 추천 시스템(10000)은 예시적으로 웹, 앱, 또는 모바일 웹 등의 다양한 방식으로 사단에게 기업 추천 시스템(10000)의 정보를 제공할 수 있다. 한편, 상기 기업 추천 시스템(10000)은 상기 기업 추천 시스템(10000)이 제공하는 각종 정보 또는 서비스를 API 방식으로 오픈하고, 상기 사용자 시스템(20000)은 API 방식으로 상기 기업 추천 시스템(10000)으로부터 기업 추천 정보를 제공받을 수 있다.
상기 기초 정보 연계 시스템(40000)은 각 국가의 특허 원천 데이터를 제공해 주는 시스템이거나, 특허 소송이나 분쟁 원천 데이터, 특허 거래 원천 데이터 등 본 발명의 기업 추천 시스템(10000)이 가공 처리하는 원천 데이터를 제공해 주는 시스템이다.
상기 기업 추천 시스템(10000)은 기업 추천 인터페이스부(11000), 기업 추천 정보 처리 엔진(12000), 기업 추천 정보 배치 처리부(13000), 기업 추천 기반 정보 생성 엔진(14000), 시스템 기반 정보 처리부(15000), 시스템 관리부(16000) 및 DB부(17000)를 예시적으로 포함하고 있다.
도 2는 본 발명의 기업 추천 시스템(10000)의 기업 추천 인터페이스부(11000)에 대한 일 실시예적 도면이다. 도 2에서 예시되듯이, 본 발명의 상기 기업 추천 인터페이스부(11000)는 기업 추천 요청 정보 입수부(11100), 기업 추천 정보 요청부(11200) 및 생성 기업 추천 정보 전송부(11300)를 포함하고 있다.
상기 기업 추천 요청 정보 입수부(11100)는 상기 사용자 시스템(20000)으로부터 기업 추천 요청 정보를 입수 받는 기능을 수행한다. 상기 기업 추천 요청 정보는 적어도 하나 이상의 키워드, 적어도 하나 이상의 권리자 명칭, 적어도 하나 이상의 특허 분류, 적어도 하나 이상의 특허 번호 또는 이들의 조합이 될 수 있다. 나아가 본 발명의 상기 기업 추천 요청 정보는 상기 기업 추천 시스템(10000)이 상기 기업 추천 요청 정보를 처리하여 적어도 하나 이상의 특허 식별자를 호출할 수 있는 임의의 검색 가능 조건의 집합일 수 있다. 예를 들어, 검색 엔진 또는 DBMS에 질의 가능한 하나 이상의 검색어 및 상기 검색어가 검색되는 검색 필드 및 각종 검색 연산자가 조합된 임의의 검색식도 본 발명의 기업 추천 요청 정보가 될 수 있다. 상기 기업 추천 요청 정보 입수부(11100)는 상기 기업 추천 요청 정보를 API 호출 방식으로 입수할 수도 있으며, 특정한 URL 또는 링크에 포함된 형태로 입수할 수도 있으며, 임의의 문자열 또는 엑셀 파일 또는 CSV 파일 형태로도 입수할 수도 있다.
상기 기업 추천 정보 요청부(11200)는 상기 기업 추천 정보 처리 엔진(12000)에 입수받은 기업 추천 요청 정보를 전달하고 기업 추천 정보의 전송을 요청한다. 상기 생성 기업 추천 정보 전송부(11300)는 상기 전송 받은 기업 추천 정보 처리 엔진(12000) 생성 기업 추천 정보를 기 설정된 방식 또는 양식으로 상기 사용자 시스템(20000)에 전송한다.
도 3은 본 발명의 기업 추천 시스템(10000)의 기업 추천 정보 처리 엔진(12000)에 대한 일 실시예적 도면이다. 도 3에서 예시되듯이, 본 발명의 상기 기업
추천 정보 처리 엔진(12000)에는 추천 요청 정보 판단부(12100), 추천 정보 생성부(12200), 배치 생성 추천 정보 입수부(12300) 및 추천 정보 제공부(12400)을 포함하고 있다.
상기 추천 요청 정보 판단부(12100)는 추천 요청 정보에 대하여 실시간으로 기업 추천 정보를 생성해야 할 것인지, 상기 기업 추천 정보 배치 처리부(13000)가 생성된 배치 생성 기업 추천 정보에서 입수할 것인지를 판단한다. 상기 추천 요청 정보 판단부(12100)의 정보 처리 방법은 도 16 및 도 17에 예시적으로 잘 나타나 있다. 상세한 것은 후술한다.
상기 추천 정보 생성부(12200)는 대응 특허 집합 입수부(12210), 추천 기반 정보 입수부(12220) 및 단위 추천 정보 생성부(12200)을 포함하고 있다.
상기 대응 특허 집합 입수부(12210)는 기업 추천 요청 정보에 대응되는 특허 식별값을 입수한다.
상기 대응 특허 집합 입수부(12210)는 기업 추천 요청 정보를 질의식으로 처리하여 DBMS 또는 검색 엔진을 통하여 특허 식별값을 입수할 수 있다. 예를 들면, 기업 추천 요청 정보가 "virtual reality"일 경우, 상기 "virtual reality"라는 문자열을 DBMS를 통하여 특정 테이블에 조회하거나, 검색 엔진의 특정한 필드(예, 특허 청구 범위 또는 초록 또는 가공된 특정한 검색 필드 등)에 질의하여 "virtual reality"와 관련된 특허 번호 등과 같은 특허 식별값을 입수할 수 있다.
상기 추천 기반 정보 입수부(12220)는 상기 특허 식별값에 대응되는 개별 특허별로 생성되어 있는 추천 기반 정보 및 개별 특허별 권리자 정보를 입수한다.
상기 단위 추천 정보 생성부(12200)는 단위 추천 알고리즘 입수부(12231) 및 단위 추천 알고리즘 적용부(12232)를 포함하고 있다. 상기 단위 추천 알고리즘 입수부(12231)는 단위 추천 알고리즘을 입수한다. 상기 단위 추천 알고리즘은 예시적으로 하기 표 1과 같을 수 있다.
| 단위 추천 알고리즘 번호 | 단위 추천 알고리즘 명칭 | 단위 추천 알고리즘 설명 |
| K-I_1 | 관련도 | 권리자의 관련 특허수의 랭킹 |
| K-I_2 | 선행성 | 권리자의 관련 특허의 평균 출원 연도 기준 선행성 비율의 랭킹 |
| K-I_3 | 인용도 | 권리자의 관련 특허가 받은 forward citation by examiner 합계의 랭킹 |
| K-I_4 | 양질성 | 권리자의 관련 특허 중 거래/소송/표준 특허 수의 랭킹 |
| K-I_5 | R&D 연속성 | 권리자의 관련 특허 중 최근 5년 자기 피인용수합계의 랭킹 |
| K-I_6 | 글로벌 커버리지 | 권리자의 관련 특허 중 총 출원 글로벌 패밀리 특허수 합계의 랭킹 |
예시적으로 단위 추천 알고리즘 K-I_1인 관련도는 하기와 같은 처리 알고리즘을 가진다.
step 1 : 기업 추천 요청 정보와 관련된 특허 집합(A)의 특허를 입수하고, 개수를 측정(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 2 : 특허 집합의 특허별 권리자 명칭 입수하고, 권리자 명칭이 포함된 특허로 구성되는 권리자 특허 집합(B) 생성 또는 입수
step 3 : (A)와 (B)를 사용하여 권리자 명칭별 특허수를 집계하여 관련도 계산함. 관련도는 (A)의 개수를 분모로 하고, 하기 sub step에서 산출되는 값을 분자로 하여 처리할 수 있음
sub step 3-1 : 특허 시간(우선일/출원일/공개일/등록일), 특허 상태(공개/공개 후 미등록/등록/등록 후 소멸), 특허 지분(1/공동 권리자 수), 특허 평가 파라미터 값과 무관하게 권리자 명칭별 특허수 계산
sub step 3-2 : 최근 시간에 가중치 부여(최근 특허에 높은 가중치 부여 또는 옛날 특허에 높은 가중치 부여 또는 일정 시간 가중치 동등 유지 후 감쇄 또는 증가)
sub step 3-3 : 특허 상태에 따른 가중치 부여(등록에 최고 가중치, 공개 후 미등록에 최저 가중치 부여)
sub step 3-4 : 지분 반영 부여
sub step 3-4 : 특허 시간, 특허 상태 및 특허 지분 중 2가지 이상을 반영한 가중치 부여
예시적으로 단위 추천 알고리즘 K-I_2인 선행성은 하기와 같은 처리 알고리즘을 가진다.
step 1 : 기업 추천 요청 정보와 관련된 특허 집합(A)의 특허를 입수하고, 특허 시간을 측정(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 2 : 특허 집합의 특허별 권리자 명칭 입수하고, 권리자 명칭이 포함된 특허로 구성되는 권리자 특허 집합(B) 생성 또는 입수(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 3 : (A)와 (B)를 사용하여 권리자 명칭별 특허의 선행성을 측정하여 관련도 계산
sub step 3-1 : 특허 집합(A)와 관련된 기준 특허 시간(우선일/출원일/공개일/등록일) 선택
sub step 3-2 : 선택된 기준 특허 시간에 대하여 선행성 기준 특허 시간(예시적으로 특허 집합 (A)의 특허 우선일의 평균(mean) 또는 중앙값(median) 선택)
sub step 3-3 : 선행성 기준 특허 시간에 대하여 권리자 특허 집합(B)의 통계학적 분포(OX 방식 : (B) 특허별로 선행성 기준 특허 시간과 비교하여 기준 특허 시간이 빠를 경우 1로 늦을 경우는 -1 또는 0으로 처리한 다음 평균값의 취함, 또는 선행성 기준 특허 시간과 기준 특허 시간의 차이값의 집계값 또는 다른 분포 기반 통계량)를 측정하고 선행성값 계산
예시적으로 단위 추천 알고리즘 K-I_3인 인용도는 하기와 같은 처리 알고리즘을 가진다.
step 1 : 기업 추천 요청 정보와 관련된 특허 집합(A)의 특허를 입수하고, (A)에 속하는 특허를 인용하는 특허인 (A)의 forward citation 특허 집합(A1)을 생성 또는 입수함(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 2 : 특허 집합(A)의 특허별 권리자 명칭 입수하고, 권리자 명칭이 포함된 특허로 구성되는 권리자 특허 집합(B) 생성 또는 입수하거나 직접적으로 권리자 명칭이 포함된 특허로 구성되는 권리자 특허별 forward citation 특허 집합(B1) 생성 또는 입수(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 3 : (A), (A1)와 (B),(B1)를 사용하여 권리자 명칭별 특허의 인용도를 측정하여 인용도 계산. 인용도는 (B)의 개수를 분모로 하고, 하기 sub step에서 산출되는 값을 분자로 하여 처리할 수 있음
sub step 3-1 : 특허 시간(우선일/출원일/공개일/등록일), 특허 상태(공개/공개 후 미등록/등록/등록 후 소멸), 특허 지분(1/공동 권리자 수), 인용의 종류(forward citation, forward citation by examiner, self-forward citation, self-forward citation by examiner, search report based forward citation, user input based forward citation), forward citation 특허의 특허 시간(우선일/출원일/공개일/등록일), forward citation 특허의 특허 상태(공개/공개 후 미등록/등록/등록 후 소멸), 하나 이상의 forward citation 특허의 평가 파라미터(예, 평가 등급, 매입/소송 회수, 표준 특허 여부 등)과 무관하게 권리자 명칭별 forward citation 특허수 계산
sub step 3-2 : 특허 시간(우선일/출원일/공개일/등록일), forward citation의 종류(forward citation, forward citation by examiner, self-forward citation, self-forward citation by examiner, search report based forward citation, user input based forward citation), forward citation 특허의 특허 시간(우선일/출원일/공개일/등록일), forward citation 특허의 특허 상태(공개/공개 후 미등록/등록/등록 후 소멸), 하나 이상의 forward citation 특허의 평가 파라미터(예, 평가 등급, 매입/소송 회수, 표준 특허 여부 등) 중 어느 하나 이상에 가중치 부여
sub step 3-3 : 특허 상태에 따른 가중치 부여(등록에 최고 가중치, 공개 후 미등록에 최저 가중치 부여)
sub step 3-4 : 지분 반영 부여
예시적으로 단위 추천 알고리즘 K-I_4인 양질성은 하기와 같은 처리 알고리즘을 가진다.
step 1 : 기업 추천 요청 정보와 관련된 특허 집합(A)의 특허를 입수(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 2 : 특허 집합의 특허별 권리자 명칭 입수하고, 권리자 명칭이 포함된 특허로 구성되는 권리자 특허 집합(B) 생성 또는 입수하며, 권리자 특허 집합에는 양질성에 대응되는 평가 파라미터(소송수, 거래수, 라이선스 설정 수, 표준 특허수, forward citation 종류별 forward citation의 최근성(예, 최근 1~5년간 발생한 forward citation/전체 forward citation수 등), 독립항 권리 범위 유지율(예, 등록 시의 독립항의 단어수 평균값/공개 시의 독립항 단어수 평균 값 등)가 포함되어 있음(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 3 : (A) 및 (B)를 사용하여, 권리자 명칭별 양질성과 관련된 특허수만을 집계하거나, 양질성에 대응되는 평가 파라미터 값을 가중치로 반영하여 집계한 특허수를 계산하여 양질성 계산. 양질성은 ())의 개수를 분모로 하고, 하기 sub step에서 산출되는 값을 분자로 하여 처리할 수 있음
sub step 3-1 : 특허 시간(우선일/출원일/공개일/등록일), 특허 상태(공개/공개 후 미등록/등록/등록 후 소멸), 특허 지분(1/공동 권리자 수), 특허 평가 파라미터값와 무관하게 권리자 명칭별 특허수 계산
sub step 3-2 : 최근 시간에 가중치 부여(최근 특허에 높은 가중치 부여 또는 옛날 특허에 높은 가중치 부여 또는 일정 시간 가중치 동등 유지 후 감쇄 또는 증가)
sub step 3-3 : 특허 상태에 따른 가중치 부여(등록에 최고 가중치, 공개 후 미등록에 최저 가중치 부여)
sub step 3-4 : 지분 반영 부여
sub step 3-4 : 특허 시간, 특허 상태 및 특허 지분 중 2가지 이상을 반영한 가중치 부여
예시적으로 단위 추천 알고리즘 K-I_5인 R&D 연속성은 하기와 같은 처리 알고리즘을 가진다.
step 1 : 기업 추천 요청 정보와 관련된 특허 집합(A)의 특허를 입수하고, (A)에 속하는 특허를 인용하는 특허인 (A)의 self-forward citation 특허 집합(A1), (A)에 속하는 특허가 인용하는 특허인 (A)의 self-backward citation 특허 집합(A2)을 생성 또는 입수함(단, 이 경우 인용 관계에 있는 특허는 출원인 및/또는 현재 권리자가 동일함) (생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 2 : 특허 집합(A)의 특허별 권리자 명칭 입수하고, 권리자 명칭이 포함된 특허로 구성되는 권리자 특허 집합(B) 생성 또는 입수하거나 직접적으로 권리자 명칭이 포함된 특허로 구성되는 권리자 특허별 self-forward citation 특허 집합(B1) 또는 권리자 특허별 self-backward citation 특허 집합(B2) 생성 또는 입수(선택적으로 인용 관계에 있는 특허의 권리자가 동일할 수 있음) (생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 3 : (A), (A1), (A2)와 (B),(B1), (B2)를 사용하여 권리자 명칭별 특허의 R&D 연속성을 계산함. R&D 연속성은 권리자 명칭별 self-forward citation, self-backward citation self-forward citation by examiner, self-backward citation by examiner 중 어느 하나 이상을 계산하거나, self-citation 종류별 가중치(동일할 수도 있음)를 고려한 집계 기준별 집계량을 계산함. R&D 연속성은 (B)의 개수를 분모로 하고, 하기 sub step에서 산출되는 값을 분자로 하여 처리할 수 있음
sub step 3-1 : 특허 시간(우선일/출원일/공개일/등록일), 특허 상태(공개/공개 후 미등록/등록/등록 후 소멸), 특허 지분(1/공동 권리자 수), 특허 평가 파라미터값와 무관하게 권리자 명칭별 특허수 계산
sub step 3-2 : 최근 시간에 가중치 부여(최근 특허에 높은 가중치 부여 또는 옛날 특허에 높은 가중치 부여 또는 일정 시간 가중치 동등 유지 후 감쇄 또는 증가)
sub step 3-3 : 특허 상태에 따른 가중치 부여(등록에 최고 가중치, 공개 후 미등록에 최저 가중치 부여)
sub step 3-4 : 지분 반영 부여
sub step 3-4 : 특허 시간, 특허 상태 및 특허 지분 중 2가지 이상을 반영한 가중치 부여
예시적으로 단위 추천 알고리즘 K-I_6인 글로벌 커버리지는 하기와 같은 처리 알고리즘을 가진다.
step 1 : 기업 추천 요청 정보와 관련된 특허 집합(A)의 특허를 입수하고, (A)에 속하는 특허의 해외 패밀리 특허로 구성되는 (A)의 해외 패밀리 특허 집합 특허 집합(A1), (A)에 속하는 특허의 국내 패밀리 특허로 구성되는 (A)의 국내 패밀리 특허 집합(A2)을 생성 또는 입수함(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 2 : 특허 집합(A)의 특허별 권리자 명칭 입수하고, 권리자 명칭이 포함된 특허로 구성되는 권리자 특허 집합(B) 생성 또는 입수하거나 직접적으로 권리자 명칭이 포함된 특허로 구성되는 권리자 특허별 해외 패밀리 특허 집합(B1) 또는 권리자 특허별 국내 패밀리 특허 집합(B2) 생성 또는 입수(생성 또는 입수는 전체 기간 내 또는 특정 기간 내(예, 최근 10년 등)의 범위에서 입수할 수 있음)
step 3 : (A), (A1), (A2)와 (B),(B1), (B2)를 사용하여 권리자 명칭별 특허의 글로벌 커버리지를 계산함. R&D 연속성은 권리자 명칭별 해외 패밀리 및 국내 패밀리의 종류별 또는 패밀리 특허의 상태(공개/공개 후 미등록/등록/등록 후 소멸) 중 어느 하나만을 적용하거나, 이들 중 어느 하나 이상을 적용하되 가중치(동일할 수도 있음)를 고려한 집계 기준별 집계량을 계산함. 글로벌 커버리지는 (B)의 개수를 분모로 하고, 하기 sub step에서 산출되는 값을 분자로 하여 처리할 수 있음
sub step 3-1 : 특허 시간(우선일/출원일/공개일/등록일), 특허 상태(공개/공개 후 미등록/등록/등록 후 소멸), 특허 지분(1/공동 권리자 수), 특허 평가 파라미터값와 무관하게 권리자 명칭별 특허수 계산
sub step 3-2 : 최근 시간에 가중치 부여(최근 특허에 높은 가중치 부여 또는 옛날 특허에 높은 가중치 부여 또는 일정 시간 가중치 동등 유지 후 감쇄 또는 증가)
sub step 3-3 : 특허 상태에 따른 가중치 부여(등록에 최고 가중치, 공개 후 미등록에 최저 가중치 부여)
sub step 3-4 : 지분 반영 부여
sub step 3-4 : 특허 시간, 특허 상태 및 특허 지분 중 2가지 이상을 반영한 가중치 부여
상기 단위 추천 알고리즘 적용부(12232)는 단위 추천 알고리즘을 적용하여, 기 설정된 적어도 하나 이상의 단위 추천 정보를 생성한다.
하기 표 2 내지 7은 기업 추천 요청 정보로 "virtual reality"를 입력했을 때, 권리자 A라는 권리자에 대한 간략한 형태의 생성된 단위 추천 정보의 일 실시예적 구현예이다.
| 단위 추천 알고리즘 번호 | 단위 추천 알고리즘 명칭 | 전체 권리자의 관련 특허수 (A) | 권리자 A의 관련 특허수 (B) | 점유 비율 (B/A) |
| K-I_1 | 관련도 | 3928 | 55 | 1.4% |
| 단위 추천 알고리즘 번호 | 단위 추천 알고리즘 명칭 | 전체 권리자의 관련 특허수 (A) | 전체 입력 키워드 관련 특허의 평균 출원 연도 | 권리자 A의 관련 특허수 (B) | 관련 특허의 평균 출원 연도 | 선행성 |
| K-I_2 | 선행성 | 3928 | 2006 | 55 | 2015 | 0% |
| 단위 추천 알고리즘 번호 | 단위 추천 알고리즘 명칭 | 권리자 A의 관련 특허수(A) | 권리자 A의 Forward citation by Examiner 발생 특허수(B) | Forward citation by Examiner 합계 | 인용도 (B/A) |
| K-I_3 | 인용도 | 55 | 1 | 1.82% |
| 단위 추천 알고리즘 번호 | 단위 추천 알고리즘 명칭 | 권리자 A의 관련 특허수 (A) | 권리자 A의 거래 이력 특허수(B1) | 권리자 A의 소송 이력 특허수(B2) | 권리자 A의 표준 특허수(B3) | 양질성 ((B1+B2+B3)/A) |
| K-I_4 | 양질성 | 55 | 0 | 0 | 0 | 1.4% |
| 단위 추천 알고리즘 번호 | 단위 추천 알고리즘 명칭 | 권리자 A의 관련 특허수 (A) | 최근 5년 이내에 Self forward citation이 있는 관련 특허수(B) | R&D 연속성(B/A) |
| K-I_5 | R&D 연속성 | 55 | 0 | 0% |
| 단위 추천 알고리즘 번호 | 단위 추천 알고리즘 명칭 | 권리자 A의 관련 특허수 (A) | 글로벌 패밀리가 있는 관련 특허수(B) | 점유 비율 (B/A) |
| K-I_6 | 글로벌 커버리지 | 55 | 51 | 92.7% |
상기 추천 정보 제공부(12400)는 추천 랭킹 처리부(12410) 및 추천 근거 정보 제공부(12420)를 포함하고 있으며, 상기 추천 랭킹 처리부(12410)에는 추천 랭킹 알고리즘 적용부(12411)가 포함되어 있다. 상기 추천 정보 제공부(12400)는 사용자 시스템(20000) 또는 기업 추천 정보를 요청하는 임의의 시스템, 모듈, 단말기 등에 생성된 기업 추천 정보를 제공하는 기능을 수행한다. 이때, 상기 추천 랭킹 처리부(12410)는 단위 추천 알고리즘이 복수 개가 있는 경우, 어느 단위 추천 알고리즘의 처리 결과를 기준으로 기업을 우선적으로 추천해야 하는 지를 결정한다. 이때, 추천 랭킹의 처리는 추천 랭킹 알고리즘을 기업별 단위 추천 정보의 값에 적용하여 처리한다. 추천 랭킹 알고리즘은 n개의 단위 추천 정보의 값이 있을 때, 예시적으로 다음과 같은 알고리즘을 적용할 수 있다.
1) 특정 단위 추천 정보의 값을 사용
2) 각 기업에 대해서 기업의 단위 추천 정보의 값이 통계값(예, 제3사분위 수) 이상이 되는 단위 추천 정보의 보유 개수
3) 각 기업에 대해서 기업의 단위 추천 정보의 값이 비정상적 분포값(예, 상위 1% 또는 상위 5% 이내 등) 이상이 되는 단위 추천 정보의 보유 개수
4) 각 기업에 대해서 기업의 단위 추천 정보별 등수(rank)의 합계를 사용
하기 표 8은 랭킹 알고리즘이 적용된 예시이다.
| 추천 순위 | 추천 권리자 | 관련 특허수 | 관련도 | 선행성 | 인용도 | 양질성 | R&D 연속성 | 글로벌 커버리지 |
| 1 | 권리자 A | 55 | 1.40% | 0% | 1.82% | 0 | % | 92.70% |
| 2 | 권리자 B | 48 | 1.22% | 0% | 12.50% | 0 | 6.25% | 37.50% |
| 3 | 권리자C | 21 | 0.53% | 0% | 57.14% | 2 | 71.43% | 61.90% |
| 4 | 권리자D | 13 | 0.33% | 0% | 76.92% | 0 | 69.23% | 76.92% |
| 5 | 권리자E | 12 | 0.31% | 0% | 58.33% | 1 | 58.33% | 58.33% |
| 6 | 권리자F | 11 | 0.28% | 0% | 54.55% | 1 | 54.55% | 54.55% |
| 7 | 권리자G | 11 | 0.28% | 0% | % | 0 | % | 81.82% |
| 8 | 권리자H | 11 | 0.28% | 0.18% | 90.91% | 10 | 81.82% | 0% |
| 9 | 권리자I | 10 | 0.25% | 0% | 40% | 0 | 10% | 90% |
| 10 | 권리자 J | 9 | 0.23% | 0% | 33.33% | 0 | 11.11% | 33.33% |
상기 추천 근거 정보 제공부(12420)는 기업별로추천 근거 정보를 제공할 뿐만 아리나, 단위 추천 정보별로도 적어도 하나 이상의 추천 근거 정보를 제공할 수 있다. 상기 추천 근거 정보는 단위 추천 알고리즘의 계산에 관련된 모든 변수값 및 변수값에 대응되는 상세 근거 정보일 수 있다. 예를 들면, 해외 패밀리 특허수가 단위 추천 알고리즘에 사용되었을 다음과 같은 항목들이 예시적으로 추천 근거 정보일 수 있다.
총 해외 패밀리 특허수 : 100(예)
해외 패밀리 존재 국가 : JP, CN, KR(예)
각 국가별 패밀리 특허수, 패밀리 특허 번호 리스트 및 특허 내용을 확인할 수 있는 링크 정보
각 국가별 패밀리 특허의 상태(출원, 공개, 공개 후 미등록 거절, 등록, 소멸 등)
상기 추천 근거 정보 제공부(12420)는 사용자 시스템(20000)에서의 추천 근거 정보에 대한 요청(웹/앱 등에 제공되는 메뉴나 항목에 부여된 링크 클릭 방식의 요청, API 방식의 요청 등)이 있는 경우, 대응되는 추천 근거 정보를 사용자 시스템(20000)에 제공한다. 상기 추천 근거 정보는 사전에 배치 방식으로 생성되어 있을 수도 있지만, 조건 집합을 사용하는 SQL 등으로 실시간으로 생성할 수도 있다.
도 4는 본 발명의 기업 추천 시스템(10000)의 기업 추천 정보 배치 처리부(13000)에 대한 일 실시예적 도면이다. 기업 추천 정보 배치 처리부(13000)는 배치 또는 일관 처리 방식으로 기업 추천 정보를 생성한다. 기업 추천 정보는 실시간으로 생성되는 것이 바람직하지만, 이 경우 특정한 기업 추천 정보는 실시간 생성 시 과도한 전산 자원을 요구할 수도 있게 될 수도 있다. 이에 따라, 사용자 시스템(20000)과의 응답성 측면에서 사전에 다양한 조건/차원/관점/축에 대응되는 기업 추천 정보 또는 최종적인 기업 추천 정보의 계산을 위한 전처리 재료 데이터를 사전에 생성해 놓고, 사용자 시스템(20000)에서의 기업 추천 정보에 대한 요청이 있을 경우, 사전 생성된 기업 추천 정보 또는 전처리 재료 데이터를 입수하여 사용자 시스템(20000)에 전송할 최종적인 기업 추천 정보를 생성하는 방식이 바람직할 수 있다.
상기 기업 추천 정보 배치 처리부(13000)의 기업 추천 정보의 생성은 (제1 기준, 제2 기준, ..제 n 기준)으로 특정되는 매트릭스나 n(n>=3) 이상의 큐브의 셀 단위로 생성할 수 있다.
각각의 제n 기준은 사전에 특정 시점을 기준으로 m개의 특허 집합이 확정될 수 있는 임의의 기준이 될 수 있다. 예를 들면, 기술 키워드, 특허 분류, 출원인 또는 현재 권리자, 발명자, 기간, 조건(예, 거래 발생, 소송 발생, 표준 특허 등)이 될 수 있다. 실시간 검색이나 실시간 조건 또는 특허 번호 업로드가 아닌 경우에는 상기 기업 추천 정보 배치 처리부(13000)가 작동할 수 있을 것이다.
도 4에서 예시되듯이, 본 발명의 상기 기업 추천 정보 배치 처리부(13000)에는 지정 특허 집합 생성부(13100), 기업 추천 정보 처리 엔진(12000) 호출부(13200) 및 배치 생성 기업 추천 정보 저장부(13300)이 포함되어 있다. 상기 지정 특허 집합 생성부(13100)는 상기 각 n 기준별로 지정된 특허 집합을 생성하는 기능을 수행한다. 상기 지정 특허 집합 생성부(13100)에는 기술 키워드 단위 지정 특허 집합 생성부(13100), 기술 분류 단위 지정 특허 집합 생성부(13100), 발명자 단위 지정 특허 집합 생성부(13100) 및 복합 차원 단위 지정 특허 집합 생성부(13100)가 포함되어 있다. 상기 기술 키워드 단위 지정 특허 집합 생성부(13100)는 키워드 단위로 상기 키워드에 대응되는 특허 집합을 호출, 추출 또는 생성한다. 예를 들면, "virtual reality"라는 키워드에 대하여, 상기 기술 키워드 단위 지정 특허 집합 생성부(13100)는 상기 "virtual reality"등과 같은 키워드와 특허 식별 번호가 포함되어 있는 테이블 또는 검색 인덱스 또는 검색 엔진에 질의하여 "virtual reality"에 대응되는 (예시적으로 3928건의) 특허 식별 번호를 입수한다. 이와 같은 방식으로 상기 기술 키워드 단위 지정 특허 집합 생성부(13100)는 "virtual reality"라는 기술 키워드에 대하여 기술 키워드 단위 지정 특허 집합을 생성한다. 상기 기술 키워드 단위 지정 특허 집합 생성부(13100)는 "virtual reality"뿐만 아니라 다른 기술 키워드에 대해서도 동등한 방식으로 기술 키워드 단위 지정 특허 집합을 생성할 수 있다.
마찬가지 방식으로 상기 기술 분류 단위 지정 특허 집합 생성부(13100)는 CPC, IPC, USPC, FI, FT 등의 특허 분류 종류별 특허 분류 코드 단위로 특정된 특허 분류가 주특허 분류(main patent classification) 또는 전체 특허 분류(all patent classification, 주 특허 분류 또는 부 특허 분류(sub patent classification))로서 사용된 특허들의 집합인 기술 분류 단위 지정 특허 집합을 생성한다. 한편, 상기 발명자 단위 지정 특허 집합 생성부(13100)는 표현되는 발명자 단위(하나의 국가 내에서 동일한 표현의 발명자 명칭은 동일한 발명자로 취급함) 또는 현재 권리자 또는 출원인(original assignee) 하의 표현되는 발명자 단위(하나의 현재 권리자 또는 출원인 내에서 동일한 표현의 발명자 명칭은 동일한 발명자로 취급함)로, 발명자에 대응되는 특허들의 집합인 발명자 단위 지정 특허 집합을 생성한다.
상기 기업 추천 정보 배치 처리부(13000)의 기업 추천 정보 처리 엔진(12000) 호출부는 지정 특허 집합을 사용하여 기업 추천 정보를 생성하기 위하여 기업 추천 정보 처리 엔진(12000)을 호출한다. 상기 기업 추천 정보 처리 엔진(12000)의 추천 정보 생성부(12200)는 지정 특허 집합을 대응 특허 집합으로 입수하고, 추천 기반 정보를 입수한 다음, 단위 추천 정보를 생성하는 등의 일련의 처리를 거쳐 기업 추천 정보를 생성한다. 상기 기업 추천 정보 배치 처리부(13000)는 n개의 기술 키워드 각각에 대하여 각 기술 키워드를 포함하는 특허를 발명한 권리자별로 적어도 하나 이상의 단위 추천 정보 또는 단위 추천 정보의 재료 정보를 생성해 놓는다. 마찬가지로 상기 기업 추천 정보 배치 처리부(13000)는 n개의 특허 분류 각각에 대하여 각 특허 분류를 주 특허 분류 또는 전체 특허 분류의 하나로서 포함하는 특허를 발명한 권리자별로 적어도 하나 이상의 단위 추천 정보 또는 단위 추천 정보의 재료 정보를 생성해 놓는다. 그리고, 상기 기업 추천 정보 배치 처리부(13000)는 n개의 권리자에 대하여 각 권리자에 대응(권리자가 출원하거나, 권리자가 현재 보유하고 있는 등)되는 특허를 발명한 권리자별로 적어도 하나 이상의 단위 추천 정보 또는 단위 추천 정보의 재료 정보를 생성해 놓는다. 한편, 상기 기업 추천 정보 배치 처리부(13000)는 기술 키워드, 특허 분류 및 권리자 중에서 선택되는 어느 2 이상의 조합으로 특정되는 복합 차원의 특허 집합에 대해서도 기업 추천 정보를 생성해 놓을 수 있다. 상기 복합 차원의 특허 집합의 생성은 상기 복합 차원 단위 지정 특허 집합 생성부(13100)가 처리한다.
도 5는 본 발명의 기업 추천 시스템(10000)의 기업 추천 기반 정보 생성 엔진(14000)에 대한 일 실시예적 도면이다. 도 5에서 예시되듯이, 본 발명의 상기 기업 추천 기반 정보 생성 엔진(14000)에는 특허별 기반 정보 생성부(14100), 특허-관련 특허별 기반 정보 생성부(14100), 기업 기반 정보 생성부(14300)이 포함되어 있다. 상기 추천 기반 정보 입수부(12220)는 기업 추천 기반 정보 생성 엔진(14000)이 생성한 특허별 기반 정보를 입수한다.
상기 특허별 기반 정보 생성부(14100)는 특허별로 기업 추천을 위한 기반 정보를 생성한다. 하기 표 9 내지 표 13은 상기 특허별 기반 정보 생성부(14100)가 생성하는 특허별/특허 식별자별 기업 추천 기반 정보의 예시이다.
| Patent Identification Number_input | 현재 권리자_input | 출원인_input | 총 심사관 피인용수_input | 총 심사관 self 피인용수_input | 총 피인용수_input | 총 self 피인용수_input | 총 소송수_input | 최초 소송 연도_input | 최근 소송 연도_input | 총 Review수_input |
| US00008640183B2 | CONVERGENT MEDIA SOLUTIONS | CONVERGENT MEDIA SOLUTIONS | 5 | 14 | 5 | 3 | 2015 | 2015 | 1 | |
| US00007831292B2 | MAKO SURGICAL | MAKO SURGICAL | 32 | 173 | 15 | 1 | 2013 | 2013 | ||
| US00007305691B2 | OPENTV | ACTV | 26 | 155 | 1 | 2014 | 2014 | |||
| US00007224326B2 | ABARTA | VOLO | 3 | 16 | 8 | 2012 | 2013 | |||
| US00007121982B2 | NINTENDO | POWERGRID FITNESS | 2 | 43 | 22 | 1 | 2010 | 2010 | ||
| US00006850794B2 | CALIFORNIA INSTITUTE OF COMPUTER ASSISTED SURGERY | THE BOARD OF TRUSTEES OF THE LELAND STANFORD JUNIOR UNIVERSITY | 7 | 120 | 2 | 2010 | 2010 |
| Patent Identification Number_input | 총 양도수_input | 최초 양도 기록 연도_input | 최종 양도 기록 연도_input | 총 국내 패밀리 특허수_input | 총 출원 글로벌 패밀리 특허수_input | 표준 특허(=1) 여부_input | 지난 1~5년간 총 심사관 피인용수_input | 지난 1~5년간 총 심사관 self 피인용수_input | 지난 1~5년간 총 피인용수_input | 지난 1~5년간 총 self 피인용수_input |
| US00008640183B2 | 2 | 2013 | 2013 | 21 | 23 | 5 | 14 | 5 | ||
| US00007831292B2 | 1 | 2010 | 2010 | 14 | 27 | 19 | 130 | 8 | ||
| US00007305691B2 | 1 | 2011 | 2011 | 5 | 18 | 126 | ||||
| US00007224326B2 | 1 | 2013 | 2013 | 1 | 2 | 3 | 14 | |||
| US00007121982B2 | 3 | 2007 | 2014 | 11 | 22 | 27 | 13 | |||
| US00006850794B2 | 1 | 2007 | 2007 | 4 | 5 | 89 |
| 일p평가 점수_input | 평가 등급_input | 현재 권리자 중 NPE 개수_input | 현재 권리자 보유 유효 등록 특허수_input | 현재 권리자 국적/지역(추정)_input | 현재 권리자수_input | 관련 표준 특허풀수_input |
| 99.43 | S | 1 | 22 | United States of America | 1 | |
| 98.2 | S | 78 | United States of America | 1 | ||
| 99.09 | S | 175 | United States of America | 1 | ||
| 99.05 | S | 1 | United States | 1 | ||
| 93.52 | A+ | 1473 | Japan | 1 | ||
| 96 | A+ | 7 | United States of America | 1 | 관련 표준 특허풀수_input |
| 패i 미국 등록 패밀리 특허수_input | 지난 1~2년간 미국 출원 패밀리 특허수_input | 일본 출원 패밀리 특허수_input | 일본 등록 패밀리 특허수_input | 지난 1~2년간 일본 출원 패밀리 특허수_input | 총 출원 글로벌 패밀리 특허수_input | 총 등록 글로벌 패밀리 특허수_input |
| 15 | 10 | 23 | 15 | |||
| 9 | 1 | 1 | 27 | 11 | ||
| 1 | 5 | 1 | ||||
| 2 | ||||||
| 5 | 3 | 22 | 5 | |||
| 1 | 4 |
| 총 self 특허 레퍼런스수_input | 총 심사관 self 특허 레퍼런스수_input | 총 특허 레퍼런스수_input | 총 심사관 특허 레퍼런스수_input | 총 레퍼런스수(비 특허 포함)_input | 등록 청구항수_input | 등록 독립항수_input |
| 123 | 2 | 590 | 61 | 4 | ||
| 10 | 99 | 5 | 158 | 56 | 8 | |
| 18 | 474 | 5 | 583 | 72 | 6 | |
| 24 | 1 | 25 | 20 | 2 | ||
| 11 | 92 | 5 | 109 | 28 | 2 | |
| 1 | 1 | 1 | 12 | 2 |
한편, 상기 특허-관련 특허별 기반 정보 생성부(14100)는 특허별로 관련 특허 집합을 생성한다. 관련 특허 집합은 크게 forward citation 특허 집합, backward citation 특허 집합, 유사 특허 집합 등이 있다.
하기는 forward citation 특허 집합의 예시이다. forward citation 특허도 특허이므로, 각 특허별로 생성되는 특허별 추천 기반 정보가 대응되어 있음은 물론일 것이다. 하기 표 14는 특허 vs. forward citation 간의 관계성을 중심으로 본 발명의 특허-관련 특허별 기반 정보 생성부(14100)가 생성하는 추천 기반 정보의 예시이다. for_cit는 forward citation 특허를 가리킨다.
| Patent Identification Number_input | Patent Identification Number_for_cit | 입력 특허의 우선일에서 forward citation 특허의 우선일까지의 경과 개월수_for_cit | 현재 권리자 일치수(입력 특허와 forward citation 특허 간)_for_cit | 공통 Forward Citation수_for_cit | 공통 Reference수_for_cit |
| US00008640183B2 | US00008743286B2 | 88 | |||
| US00008640183B2 | US00009059996B2 | 34 | |||
| US00008640183B2 | US00009069782B2 | 125 | |||
| US00008640183B2 | US00008914840B2 | 0 | 1 | 1 | 122 |
| US00008640183B2 | US00008893212B2 | 0 | 1 | 1 | 123 |
| US00008640183B2 | US00008638937B2 | 34 | |||
| US00008640183B2 | US00008806035B2 | 36 | |||
| US00008640183B2 | US00009215075B1 | 130 | |||
| US00008640183B2 | US00008803808B1 | 122 | |||
| US00008640183B2 | US00008914397B2 | 79 | |||
| US00008640183B2 | US00008850507B2 | 0 | 1 | 1 | 123 |
| US00008640183B2 | US00008898722B2 | 0 | 1 | 1 | 122 |
| US00008640183B2 | US00008875215B2 | 0 | 1 |
상기 표 14와 동등 또는 마찬가지 방식으로 상기 특관 기생은 특허별 backward citation 특허에 대해서 특허별 추천 기반 정보를 생성해 놓을 수 있을 것이다. 물론, 상기 forward citation 및 backward citation은 동일 국가 내에서 생성할 수도 있겠지만, 타 국가(cross national)에서의 인용까지 반영하여 생성해 놓을 수도 있을 것이다. 이 경우에는 각 forward citation, backward citation앞에 국가 표기가 포함 됨은 당업자에게 당연할 것이다.
하기 표 15 내지 표 17은 유사 특허 집합의 예시이다. 유사 특허도 특허이므로, 각 특허별로 생성되는 특허별 추천 기반 정보가 대응되어 있음은 물론일 것이다. 하기 표는 특허 vs. 유사 특허 간의 관계성을 중심으로 본 발명의 특허-관련 특허별 기반 정보 생성부(14100)가 생성하는 추천 기반 정보의 예시이다. sim_pat은 유사 특허를 가리킨다.
| Patent Identification Number_input | Patent Identification Number_sim_pat | 입력 특허의 우선일에서 유사 특허의 우선일까지의 경과 개월수_sim_pat | 입력 특허의 출원일에서 유사 특허의 출원일까지의 경과 개월수_sim_pat |
| US00008640183B45 | US00007660868B1 | 76 | -49 |
| US00008640183B95 | US20020133562A1 | -34 | -149 |
| US00008640183B113 | US00008266667B2 | 102 | -22 |
| US00008640183B246 | US20020030854A1 | -12 | -137 |
| US00008640183B257 | US20160142743A1 | -119 | -212 |
| Patent Identification Number_input | Patent Identification Number_sim_pat | 공통 키워드수_sim_pat | 공통 키워드_sim_pat |
| US00008640183B45 | US00007660868B1 | 10 | graphical user||internet||internet connection||medium content||moving image||presentation||protocol||session||television||user interface |
| US00008640183B95 | US20020133562A1 | 6 | continuous||continuous medium||continuous medium content||listing||medium content||synchronization |
| US00008640183B113 | US00008266667B2 | 8 | authentication||authentication credential||browsing||browsing activit||content||credential||medium selection||tablet computer |
| US00008640183B246 | US20020030854A1 | 9 | internet||local area||presentation||reality||reality data||streaming||television||virtual reality||virtual reality data |
| US00008640183B257 | US20160142743A1 | 8 | control function||graphical||graphical user||selection of control function||session||user interface||user selection||video data |
| Patent Identification Number_input | Patent Identification Number_sim_pat | 패밀리 관계(=1) 여부_sim_pat | 함께 사용된 소송수_sim_pat |
| US00008640183B45 | US00007660868B1 | ||
| US00008640183B95 | US20020133562A1 | ||
| US00008640183B113 | US00008266667B2 | ||
| US00008640183B246 | US20020030854A1 | ||
| US00008640183B257 | US20160142743A1 |
상기 기업 기반 정보 생성부(14300)에는 기업별 기반 정보 생성부(14310) 및 특허-기업 관계 정보 생성부(14320)가 포함되어 있다. 하기 표 18은 본 발명의 기업 기반 정보 생성부(14300)의 기업별 기반 정보 생성부(14310)가 생성하는 기업별 기반 정보의 일 실시예가 된다. 하기 표와 같은 정보로, 본 발명의 특허-기업 관계 정보 생성부(14320)는 특허 식별 번호와 기업 관계 정보를 생성할 수 있게 된다. 이는 특허 식별자를 키로 사용하여 DBMS의 join 기능을 사용하는 것으로 당업자에게는 당연할 것으로 보아 상세한 설명은 생략한다.
| 특허 식별자 | 현재 권리자_input | 권리자 주소 기반 국적 | 직전 권리자_input | 출원인_input | 현재 권리자 추정 지분 |
| US00008640183B2 | CONVERGENT MEDIA SOLUTIONS | United States of America | ACACIA RESEARCH GROUP | CONVERGENT MEDIA SOLUTIONS | 1 |
| US00007831292B2 | MAKO SURGICAL | United States of America | Z-KAT | MAKO SURGICAL | 1 |
| US00007305691B2 | OPENTV | United States | ACTV | ACTV | 1 |
| US00007224326B2 | ABARTA | Japan | VOLO | VOLO | 1 |
| US00007121982B2 | NINTENDO | United States of America | IALABS-CA | POWERGRID FITNESS | 1 |
| US00006850794B2 | CALIFORNIA INSTITUTE OF COMPUTER ASSISTED SURGERY | United States of America | SHAHIDI, RAMIN | THE BOARD OF TRUSTEES OF THE LELAND STANFORD JUNIOR UNIVERSITY | 1 |
표 18에서 알 수 있듯이 본 발명은 특허 식별값별 현재 권리자, 직전 권리자, 출원인 등과 같은 권리자 리스트, 각 권리자의 추정 지분("1/공동 권리자 수"를 추정 지분으로 처리함), 주소 정보를 가공한 주소 기반 국적 정보를 포함하고 있다.
도 6은 본 발명의 기업 추천 시스템(10000)의 시스템 기반 정보 처리부(15000)에 대한 일 실시예적 도면이다. 도 6에서 예시되듯이, 본 발명의 상기 시스템 기반 정보 처리부(15000)에는 특허 정보 가공부(15100), 평가 정보 생성부(15200) 및 논문 정보 가공부(15300)가 포함되어 있다.
상기 특허 정보 가공부(15100)는 특허 정보를 가공하는 기능을 수행한다. 특허 공보에 포함된 서지 및 각종 키워드 정보, 특허 거래에 포함된 거래 대상 특허, 날짜, 거래 주체, 거래 속성, 거래 일시 등의 특허 거래 관련 정보, 특허 소송에 포함된 원고, 피고 등의 소송 주체, NPE 소송 등과 같은 소송 속성, 소송 일시, 소송 특허 등과 같은 소송 특허, 정보, 표준 특허 여부, 표준화 기구, 표준 풀 등과 같은 표준 특허 정보 등을 사용하여 상기 특허 정보 가공부(15100)는 상기 특허별로 특허 정보를 가공한다. 특허 정보의 가공의 대표적인 예는 backward citation 정보를 사용하여 다양한 종류의 인용 정보의 생성이다.
상기 특허 정보 가공부(15100)에는 특허 평가 정보 생성부(15200), 키워드 평가 정보 생성부(15200), 및 기업 평가 정보 생성부(15200)가 포함되어 있다. 상기 특허 평가 정보 생성부(15200)는 기 설정된 반응 변수와 반응 변수가 아닌 특허별 추천 기반 정보를 설명 변수로 하여 기 설정된 통계 알고리즘을 적용하여 평가 모델을 생성한다. 이때, 반응 변수의 특정 기간까지의 반응 변수값(예를 들면, 특허별 2013년에서 2015년 사이에 발생한 소송수/소송 여부, (심사관)인용수 등)으로 처리하고, 설명 변수값은 특정 기간 이전까지의 정보만으로 생성되는 방식(예를 들면, 2012년까지의 거래 수, 연도별 인용의 종류별 피인용수, 소송수, 권리자 속성, 레퍼런스 개수 등과 같은 레퍼런스 속성 등)으로 처리할 수 있다. 이 때, 반응 변수를 Y값으로 하고, 설명 변수를 X 값으로 하여, 부스팅(boosting), 램던 포리스트(random forest), 딥 러닝(deep learning) 계열의 알고리즘(convolution neural network, recurrent neural network, Boltzmann machine, deep neural network), SVM, 로지스틱 회귀분석 등의 기법을 사용하여, 특허별로 향후 3년 내에 소송에 사용될 확률값 계산 또는 특허별로 향후 3년 내에 받은 인용 종류별 피인용수 예측값 계산)등과 같은 목적별(소송 예측, 피인용 수 예측 등)과 같은 목적별 특허 평가 정보를 생성할 수 있다.
상기 키워드 평가 정보 생성부(15200)는 기 설정된 반응 변수와 반응 변수가 아닌 키워드별 추천 기반 정보를 설명 변수로 하여 기 설정된 통계 알고리즘을 적용하여 평가 모델을 생성한다. 이때, 반응 변수의 특정 기간까지의 반응 변수값(예를 들면, 기술 키워드별 2013년에서 2015년 사이에 발생한(공개 또는 미공개 등록) 특허수가 포함된 가공 변수식의 값)으로 처리하고, 설명 변수값은 특정 기간 이전까지의 정보만으로 생성되는 방식(예를 들면, 2012년까지의 연도별 공개 특허수, 연도별 등록 특허수, 연도별 거래 수, 연도별 인용의 종류별 피인용수, 연도별 소송수, 권리자 속성, 레퍼런스 개수 등과 같은 레퍼런스 속성 등)으로 처리할 수 있다. 이 때, 반응 변수를 Y값으로 하고, 설명 변수를 X 값으로 하여, 부스팅, 램던 포리스트, 딥 러닝 계열의 알고리즘, SVM, 로지스틱 회귀분석 등의 기법을 사용하여, 기술 키워드별로 향후 3년 내에 나타날 특허의 개수를 예측하는 등 목적별(기술 키워드별 부상성 등)과 같은 목적별 특허 평가 정보를 생성할 수 있다.
예를 들어 기술 키워드i에 대한 반응 변수는 다음과 같을 수 있다.
반응 변수 = (분자)/(분모)
분자 : 기술 키워드i가 포함된 2013년에서 2015년 사이에 발생한(공개 또는 미공개 등록) 특허수
분모 : 기술 키워드i가 포함된 2012년까지 발생한(공개 또는 미공개 등록) 특허수 + 기술 키워드i가 포함된 2013년에서 2015년 사이에 발생한(공개 또는 미공개 등록) 특허수
(이 때, 기술 키워드i가 포함된 특허는 기술 키워드i가 포함되어 있는 특허 중 기술 키워드가 특정한 조건을 만족하는 특허의 개수만일 수 있다. 상기 특정한 조건은 기술 키워드i의 TFIDF 값이 일정값 이상이거나, 기술 키워드i의 TF가 일정 값 이상일 것 등을 예로 들 수 있다.)
한편, 상기 기업 평가 정보 생성부(15200)는 기업별 평가 정보를 생성한다. 기업별 평가 정보의 생성은 크게 3가지 계열이 있다.
첫번째는 기업이 권리자로 포함된 특허로 구성되는 기업 특허 집합의 개별 특허에 대응되는 적어도 하나 이상의 평가 근거 정보를 사용하여 기 설정된 계산식으로 계산하는 방식이다. 예를 들면, 기업 특허 집합의 특허별 forward citation by examiner의 합계값 또는 특허당 forward citation by examiner 값의 평균을 예로 들 수 있다.
두번째는 기업 특허 집합의 개별 특허의 평가 정보를 사용하여 기업을 평가하는 방식이다. 예를 들면, 기업 특허 집합의 특허별 평가 점수의 합계값 또는 특정 평가 점수 이상인 특허 또는 상위 25% 특허에 대한 특허별 평가 점수의 합계값 등을 예로 들 수 있다.
세번째는 기업 특허 집합의 개별 특허에 포함되어 있는 기술 키워드의 평가값을 사용하여 기업을 평가하는 방식이다. 예를 들면, 기업 특허 집합의 개별 특허에 포함되어 있는 기술 키워드 중 일정 수준 이상(예, 상위 75% 이상)의 키워드 평가 정보값을 가지는 특허의 개수나, 키워드 평가 정보값의 평균 또는 키워드 평가 정보값의 합계 등을 예로 들 수 있다.
도 7은 본 발명의 기업 추천 시스템(10000)의 시스템 관리부(16000)에 대한 일 실시예적 도면이다. 도 7에서 예시되듯이, 본 발명의 상기 시스템 관리부(16000)에는 서비스 API 관리부(16100) 및 서비스 사용자 관리부(16200)가 포함되어 있다. 상기 시스템 관리부(16000)는 상기 기업 추천 시스템(10000)이 API 방식으로 기업 추천 정보를 사용자 시스템(20000)에 제공하는 경우,이와 관련된 일체의 정보를 관리하는 기능을 수행한다. 한편, 상기 서비스 사용자 관리부(16200)는 상기 기업 추천 시스템(10000)을 사용하는 자연인 사용자뿐만 아니라 시스템 사용자(기업 추천 시스템(10000)의 내부 또는 외부 서버, 기업 추천 시스템(10000)의 정보를 받아서 제3의 시스템에 제공하는 서버 등)에 대한 일체의 관리 기능을 수행한다.
도 8은 본 발명의 기업 추천 시스템(10000)의 DB부(17000)에 대한 일 실시예적 도면이다. 도 8에서 예시되듯이, 본 발명의 상기 DB부(17000)에는 특허 정보에 대한 원천 데이터 및 각종 가공 데이터가 포함되어 있는 특허 정보 DB부(17000), 기업 추천 시스템(10000)의 기업 추천을 위한 추천 기반 정보가 저장되어 있는 추천 기반 정보 DB부(17000), 배치 생성된 기업 추천 정보가 저장되어 있는 배치 생성 기업 추천 정보 DB부(17000), 특허별, 기술 키워드별 또는 기업별로의 각종 평가 결과값과 평가 파라미터별 평가 파라미터값(평가 근거 정보 등)이 저장되어 있는 평가 정보 DB부(17000), API와 관련된 각종 데이터가 저장되어 있는 API 관리 DB(17500) 및 기업 추천 시스템(10000)을 사용하는 자연인, 법인 또는 서버 등에 관한 일체의 정보가 저장되어 있는 사용자 DB(17600)가 포함되어 있다.
도 9는 본 발명의 기업 추천 시스템(10000)의 특허 정보 DB부(17000)에 대한 일 실시예적 도면이다. 도 9에서 예시되듯이, 본 발명의 상기 특허 정보 DB부(17000)에는 공보 기반 특허 DB부(17000), 비공보 기반 특허 DB부(17000), 주체 DB부(17000), 가공 키워드 DB(17140) 및 연관 정보DB(17150)가 포함되어 있다. 상기 공보 기반 특허 DB부(17000)에는 특허 서지 DB(17111), 명세서 추출 비 서지 정보 DB(17112), 기업 정보 DB부(17000), 특허 패밀리 DB(17114), 인용 관계 DB(17115), 추출 키워드 DB(17116)가 포함되어 있다. 상기 비공보 기반 특허 DB부(17000)에는 특허 거래 DB(17121), 특허 분쟁 DB(17122), 표준 특허 DB(17123), 선행 기술 조사 DB(17124), 특허 분류 DB(17125), 주체 DB부(17000) 등이 포함되어 있다. 상기 주체 DB부(17000)에는 권리자 DB(17131), NPE DB(17132), 소송 관계자 DB(17133), 심사관 DB(17134), 로펌-대리인 DB(17135), 법원-판사 DB(17136)가 포함되어 있다.
상기 연관 정보DB(17150)에는 연관 특허 DB(17151), 연관 키워드 DB(17152), 연관 특허 분류 DB(17153), 연관 권리자 DB(17154)가 포함되어 있다. 연관 특허에는 인용/피인용 특허, 유사 특허가 있다. 유사 특허에는 특정 특허와 일정 개수 이상의 co-reference, co-forward citation, co-classification, co-keyword를 가지는 특허가 포함된다. 특정 특허와 일정 개수 이상의 co-something을 가지는 특허를 추출하는 방법은 당업자에게 널리 알려져 있으므로, 상세한 설명은 생략한다. 연관 특허 분류는 1개의 특허에 동시에 포함되어 있는 특허 분류를 처리하여 (특허 분류I, 특허 분류ij)의 관계 정보를 생성하는 방식으로 만든다. 연관 권리자는 공동 피고, 공동 원고, 공동 권리자 등을 처리하여 (권리자i, 권리자ij)의 관계 정보를 생성하는 방식으로 만들 수 있다.
도 10은 본 발명의 기업 추천 시스템(10000)의 추천 기반 정보 DB부(17000)에 대한 일 실시예적 도면이다. 도 10에서 예시되듯이, 본 발명의 상기 추천 기반 정보 DB부(17000)에는 특허별로 생성된 추천 기반 정보를 저장하는 특허별 기반 정보 DB부(17000), 특허-관련 특허별로 생성된 추천 기반 정보를 저장하는 특허-관련 특허별 기반 정보 DB부(17000), 발명자별 추천 기반 정보를 저장하는 발명자 기반 정보 DB부(17000)가 있다. 선택적으로 상기 추천 기반 정보 DB부(17000)에는 특허 대신 논문 정보를 처리하여 생성된 정보를 저장하는 논문별 기반 정보 DB부(17000), 논문-관련 논문별 기반 정보 DB부(17000), 논문 저자 기반 정보 DB부(17000)가 포함되어 있다. 논문 정보에는 논문의 저자이 소속 기관이 특허의 발명자에 대응되고, 논문에서 추출한 색인어나 논문의 초록이나 본문에서 추출한 단어가 특허의 기술 키워드에 대응되며, 저자의 소속 기관은 특허의 권리자에 대응될 수 있다. 상기 발명자 기반 정보 DB부(17000)에는 발명자별 기반 정보DB부(17000), 특허-발명자 관계 정보 DB부(17000)가 포함되어 있다. 상기 논문 저자 기반 정보 DB부(17000)에는 논문 저자별 기반 정보DB부(17000), 논문-논문 저자 관계 정보 DB부(17000)가 포함되어 있다.
도 11은 본 발명의 기업 추천 시스템(10000)의 배치 생성 기업 추천 정보 DB부(17000)에 대한 일 실시예적 도면이다. 도 11에서 예시되듯이, 본 발명의 상기 배치 생성 기업 추천 정보 DB부(17000)에는 기술 키워드 단위로 배치 생성된 기업 추천 정보 또는 단위 추천 정보가 포함되어 있는 기술 키워드 단위 배치 생성 기업 추천 정보 DB부(17000), 기술 분류 단위로 배치 생성된 기업 추천 정보 또는 단위 추천 정보가 포함되어 있는 기술 분류 단위 배치 생성 기업 추천 정보 DB부(17000), 현재 권리자 또는 출원인 단위로 배치 생성된 기업 추천 정보 또는 단위 추천 정보가 포함되어 있는 주체 단위 배치 생성 기업 추천 정보 DB부(17000), 기술 키워드, 기술 분류, 주체 중 어느 2 이상의 복합 단위로 배치 생성된 기업 추천 정보 또는 단위 추천 정보가 포함되어 있는 복합 차원 단위 배치 생성 기업 추천 정보 DB부(17000)가 포함되어 있다.
도 12는 본 발명의 기업 추천 시스템(10000)의 평가 정보 DB부(17000)에 대한 일 실시예적 도면이다. 도 12에서 예시되듯이, 본 발명의 상기 평가 정보 DB부(17000)에는 특허 평가 DB부(17000), 기업 평가 DB부(17000), 키워드 평가 DB부(17000)가 포함되어 있다.
도 13은 본 발명의 기업 추천 시스템(10000)의 정보 처리 방법에 대한 일 실시예적 도면이다. 도 13에서 예시되듯이, 상기 기업 추천 시스템(10000)은 사용자 시스템(20000)으로부터 기업 추천 요청 정보를 입수(S1)하고, 기업 추천 요청 정보에 대응하며, 추천 기준 항목별 추천 평가 정보를 포함하는 기업 추천 정보를 생성(S12)하며, 기업 추천 정보를 사용자 시스템(20000)으로 전송(S13)한다.
도 14는 본 발명의 기업 추천 시스템(10000)의 단위 추천 정보의 생성과 전송에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다. 도 14에서 예시되듯이, 상기 기업 추천 시스템(10000)은 기업 추천 시스템(10000)에 유무선 네트워크(50000)로 접속되는 적어도 하나 이상의 사용자 시스템(20000)으로부터 기업 추천 요청 정보를 입수(S21)한다. 상기 기업 추천 요청 정보는 적어도 하나 이상의 기술 키워드, 적어도 하나 이상의 특허 분류, 적어도 2 이상의 특허 번호 집합, 적어도 하나 이상의 발명자 명칭, 적어도 하나 이상의 권리자 등과 같이 특허 집합을 대응시킬 수 있는 것일 수 있다. 상기 기업 추천 시스템(10000)의 상기 추천 요청 정보 판단부(12100)는 기업 추천 요청 정보에 실시간 처리 판단 알고리즘을 적용하여 진단(S22)한다. 진단은 실시간 처리 여부 또는 배치 생성 정보 활용 여부를 판단하는 진단을 포함한다. 단일 키워드, 단일 특허 분류 또는 단일 권리자인 경우에는 실시간 처리도 가능하나 배치 생성 정보 활용도 아울러 가능하다. 하지만, 이러한 조건이 아닌 경우에는 실시간 처리가 더 타당하다. 상기 기업 추천 시스템(10000)의 상기 단위 추천 정보 생성부(12200)는 진단 결과가 실시간 생성 처리로 결정되면, 그 진단 결과를 반영하여 단위 추천 정보를 생성(S23)한다. 이어, 상기 기업 추천 시스템(10000)의 생성 기업 추천 정보 전송부(11300)는 생성된 단위 추천 정보 정보를 포함하거나, 가공한 기업 추천 정보를 상기 사용자 시스템(20000)에 전송(S24)한다.
도 15는 본 발명의 기업 추천 시스템(10000)의 단위 추천 알고리즘의 적용에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다. 도 15에서 예시되듯이, 본 발명의 기업 추천 시스템(10000)의 상기 추천 정보 생성부(12200)의 상기 대응 특허 집합 입수부(12210)는 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수(S31)하고, 상기 단위 추천 정보 생성부(12200)의 단위 추천 알고리즘 입수부(12231)는 상기 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수(S32)하며, 상기 추천 정보 생성부(12200)의 추천 기반 정보 입수부(12220)는 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수(S33)하고, 상기 단위 추천 정보 생성부(12200)는 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성(S34)한다.
도 16은 본 발명의 기업 추천 시스템(10000)의 단위 추천 정보의 생성에 관련된 정보 처리 방법에 대한 일 실시예적 도면이다. 도 16에서 예시되듯이, 상기 기업 추천 시스템(10000)의 상기 추천 정보 생성부(12200)의 상기 대응 특허 집합 입수부(12210)는 복수의 특허 식별키 입수(S51)하고, 상기 단위 추천 정보 생성부(12200)의 상기 단위 추천 알고리즘 입수부(12231)는 처리 대상인 단위 추천 항목에 대응되는 단위 추천 알고리즘 입수(S52)하고, 상기 추천 정보 생성부(12200)의 추천 기반 정보 입수부(12220)는 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수(S53)하고, 상기 단위 추천 알고리즘 적용부(12232)는 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 처리하여 단위 추천 정보 생성(S54)한다.
도 17은 본 발명의 기업 추천 시스템(10000)의 기업 추천 요청 정보의 특성별로 구분되는 정보 처리 방법에 대한 일 실시예적 도면이다. 도 17에서 예시되듯이, 상기 추천 요청 정보 판단부(12100)는 기업 추천 요청 정보 정보를 입수(S61)하고, 상기 입수된 기업 추천 요청 정보 정보의 특성을 분류(S62)하고, 기업 추천 요청 정보 정보가 단일 기업 추천 요청 정보 키에 대응되는가(S63)를 판단한 다음, yes(S64)인 경우에는 단일 기업 추천 요청 정보 키를 기준으로 한 기업 추천 정보 생성 처리(S65)하도록 제어하고, no(S66)인 경우, 실시간으로 기업 추천 정보 생성 처리(S67)하도록 제어한다.
도 18은 본 발명의 기업 추천 시스템(10000)의 단일 기업 추천 요청 정보 키에 대응되는 배치 생성 기업 추천 정보의 조회 후 조회 결과에 따른 정보 처리 방법에 대한 일 실시예적 도면이다. 도 18에서 예시되듯이, 상기 추천 요청 정보 판단부(12100)는 단일 기업 추천 요청 정보 키를 입수(S71)하고, 단일 기업 추천 요청 정보 키에 대응되는 배치 생성 기업 추천 정보의 조회(S72)하고, 그 조회 결과가 yes(S73)인 경우, 배치 생성 추천 정보 입수부(12300)를 통하여 배치 생성 기업 추천 정보 입수(S74)하도록 제어하고, 상기 생성 기업 추천 정보 전송부(11300)는 입수된 기업 추천 정보를 사용자 시스템(20000)에 제공(S75)한다. 상기 조회 결과가 no(S76)인 경우, 상기 대응 특허 집합 입수부(12210)는 단일 기업 추천 요청 정보 키를 사용한 특허 검색 수행(S77)하고, 상기 추천 정보 생성부(12200)는 검색 특허 집합을 사용하여 실시간으로 기업 추천 정보 생성(S78)하고, 상기 생성 기업 추천 정보 전송부(11300)는 생성된 기업 추천 정보를 사용자 시스템(20000)에 제공(S79)한다.
도 19는 본 발명의 기업 추천 시스템(10000)의 추천 랭킹 제공과 관련된 정보 처리 방법에 대한 일 실시예적 도면이다. 도 19에서 예시되듯이, 상기 추천 정보 제공부(12400)는 단위 추천 항목별 단위 추천 정보 입수(S81)하고, 상기 추천 정보 제공부(12400)의 추천 랭킹 처리부(12410)는 추천 랭킹 알고리즘을 입수(S82)하고, 상기 추천 랭킹 처리부(12410)의 추천 랭킹 알고리즘 적용부(12411)는 추천 랭킹을 적용(S83)하여 추천 랭킹이 포함된 기업 추천 정보를 생성한다.
도 20은 본 발명의 기업 추천 시스템(10000)의 추천 근거 제공과 관련된 정보 처리 방법에 대한 일 실시예적 도면이다. 도 20에서 예시되듯이, 상기 기업 추천 인터페이스부(11000)는 상기 사용자 시스템(20000)으로부터 기업에 대한 선택 정보를 입수(S91)하고, 상기 사용자 시스템(20000)에게 선택된 기업에 대한 추천 근거 요약 정보를 제공(S92)한다. 상기 추천 정보 제공부(12400)의 추천 근거 정보 제공부(12420)는 상기 기업 추천 인터페이스부(11000)가 입수하는 추천 근거 항목에 대한 선택 정보 입수(S93)를 활용하여 추천 근거 정보를 입수하고, 입수된 추천 근거 정보는 상기 기업 추천 인터페이스부(11000)를 통하여 선택된 기업에 대한 추천 근거 항목별 추천 근거 정보가 제공(S94)된다.
도 21은 본 발명의 기업 추천 시스템(10000)의 동일성 키워드 탐색 처리 및 복합 키워드 탐색 처리와 관련된 정보 처리 방법에 대한 일 실시예적 도면이다. 도 21에서 예시되듯이, 상기 기업 추천 요청 정보 입수부(11100)는 상기 사용자 시스템(20000)으로부터 입수된 단일 키워드를 입수(S10-1)하고, 상기 추천 요청 정보 판단부(12100)는 동일성 키워드 탐색 처리 여부(S10_2)를 판단한다. 상기 추천 요청 정보 판단부(12100)는 동일성 키워드 탐색 처리의 필요성이 yes (S10_3)인 경우, 동일성 키워드 존재를 질의 (S10_4)하고, 동일성 키워드의 존재 여부(S10_5)가 yes (S10_6)인 경우, 동일성 키워드 입수(S10_7)하여 (S10_18)로 넘어가며, (no) (S10_8)인 경우에는 그냥 (S10_18)로 넘어간다. 동일성 키워드 탐색은 주로 약어에서 다수 발생한다. 예를 들면, "virtual reality"는 "VR"과 동일성 키워드가 된다. 본 발명의 상기 연관 키워드 DB(17152)부에는 각 키워드별로 동일성이 인정되는 키워드가 대응되어 저장되어 있다.
한편, 상기 추천 요청 정보 판단부(12100)는 동일성 키워드 탐색 처리의 필요성이 (no) (S10_9)인 경우에는 선택적으로 복합 키워드 탐색 처리 여부(S10_10)를 판단할 수 있다. 판단 결과가 (yes) (S10_11)인 경우에는 복합 키워드 존재 질의(S10_12) 후, 복합 키워드 존재 여부(S10_13)가 (yes) (S10_14)인 경우에는 복합 키워드 입수(S10_15)하여 (S10_18)로 넘어가며, (no) (S10_16) 경우에는 그냥 (S10_18)의 처리를 수행한다. 판단 결과가 (no) (S10_17)인 경우에는 입수된 단일 키워드를 대상으로 (S10_18)의 처리를 수행한다. 상기 추천 정보 생성부(12200)는 특허 식별키의 입수를 위한 처리 대상 키워드 입수(S10_18)하고, 처리 대상 키워드를 사용하여 DBMS 또는 검색 엔진에 질의(S10_19)한 다음, 질의 결과로 특허 식별키를 입수(S10_20)한다.
본 발명에서 기업은 특허 데이터의 처리에 관한 한 출원인 또는 특허의 거래 정보의 추적을 통해서 파악될 수 있는 현재 권리자와 동등한 의미로 사용된다. 즉, 본 발명에서 추천되는 기업의 명칭은 출원인 명칭 또는 현재 권리자의 명칭일 수 있다. 출원인 또는 현재 권리자는 법률상으로는 기업뿐만 아니라, 대학, 연구 기관, 특허 관리 기관이나 조직 등도 가능하므로, 본 발명의 설명에서 표현한 기업은 이러한 의미로 해석되어야 할 것이다.
다만, 논문 데이터의 처리를 통해서 기업/대학/연구 기관의 추천도 가능하므로, 본 발명에서는 논문의 저자 소속 기관을 포함하여 기업이라고 표현하였다. 본 발명의 상기 기업 추천 시스템(10000)를 구성하는 각 기능부들은 프로그램 모듈일 수 있다. 상기 프로그램 모듈은 운영 시스템, 응용 프로그램 및 기타 프로그램 모듈의 형태로 특정한 시스템에 탑재될 수도 있을 것이며, 공지의 기억 장치 상에 저장될 수 있을 것이다. 한편, 상기 프로그램 모듈은 유무선 네트워크(50000)를 통하여 통신 가능한 원격 기억 장치에 저장될 수도 있다. 이러한 프로그램 모듈은 본 발명에 따라 전술한 특정 업무를 수행하거나 특정 데이터 유형을 실행하는 루틴, 서브 루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지 않는다. 전술한 본 발명에 대한 상세한 설명은 본 발명이 실시될 수 있는 특정한 실시예를 중심으로 설명하였다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 특정한 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시 예로 구현될 수 있다. 또한, 각각의 개시 된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발 명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 전술한 상세한 설명은 한정적인 의미로서 취하 려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조 부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
본 발명은 특허 정보 처리 산업, 구인 및 구직과 관련된 HR 산업 등에 광범위하게 활용될 수 있다.
10000 : 기업 추천 시스템
11000 : 기업 추천 인터페이스부
12000 : 기업 추천 정보 처리 엔진
13000 : 기업 추천 정보 배치 처리부
14000 : 기업 추천 기반 정보 생성 엔진
15000 : 시스템 기반 정보 처리부
16000 : 시스템 관리부
17000 : DB부
50000 : 유무선 네트워크
20000 : 사용자 시스템
21000 : 사용자 단말기
22000 : 사용자 서버
30000 : 추천 정보 사용 시스템
40000 : 기초 정보 연계 시스템
11100 : 기업 추천 요청 정보 입수부
11200 : 기업 추천 정보 요청부
11300 : 생성 기업 추천 정보 전송부
12100 : 추천 요청 정보 판단부
12200 : 추천 정보 생성부
12210 : 대응 특허 집합 입수부
12220 : 추천 기반 정보 입수부
12230 : 단위 추천 정보 생성부
12231 : 단위 추천 알고리즘 입수부
12232 : 단위 추천 알고리즘 적용부
12300 : 배치 생성 추천 정보 입수부
12400 : 추천 정보 제공부
12410 : 추천 랭킹 처리부
12411 : 추천 랭킹 알고리즘 적용부
12420 : 추천 근거 정보 제공부
13100 : 지정 특허 집합 생성부
13110 : 기술 키워드 단위 지정 특허 집합 생성부
13120 : 기술 분류 단위 지정 특허 집합 생성부
13130 : 발명자 단위 지정 특허 집합 생성부
13140 : 복합 차원 단위 지정 특허 집합 생성부
13200 : 기업 추천 정보 처리 엔진 호출부
13300 : 배치 생성 기업 추천 정보 저장부
14100 : 특허별 기반 정보 생성부
14200 : 특허-관련 특허별 기반 정보 생성부
14300 : 기업 기반 정보 생성부
14310 : 기업별 기반 정보 생성부
14320 : 특허-기업 관계 정보 생성부
15100 : 특허 정보 가공부
15200 : 평가 정보 생성부
15210 : 특허 평가 정보 생성부
15220 : 키워드 평가 정보 생성부
15230 : 기업 평가 정보 생성부
15300 : 논문 정보 가공부
16100 : 서비스 API 관리부
16200 : 서비스 사용자 관리부
17100 : 특허 정보 DB부
17200 : 추천 기반 정보 DB부
17300 : 배치 생성 기업 추천 정보 DB부
17400 : 평가 정보 DB부
17500 : API 관리 DB
17600 : 사용자 DB
17110 : 공보 기반 특허 DB부
17111 : 특허 서지 DB
17112 : 명세서 추출 비 서지 정보 DB
17113 : 기업 정보 DB부
17114 : 특허 패밀리 DB
17115 : 인용 관계 DB
17116 : 추출 키워드 DB
17120 : 비공보 기반 특허 DB부
17121 : 특허 거래 DB
17122 : 특허 분쟁 DB
17123 : 표준 특허 DB
17124 : 선행 기술 조사 DB
17125 : 특허 분류 DB
17130 : 주체 DB부
17131 : 권리자 DB
17132 : NPE DB
17133 : 소송 관계자 DB
17134 : 심사관 DB
17135 : 로펌-대리인 DB
17136 : 법원-판사 DB
17140 : 가공 키워드 DB
17150 : 연관 정보DB
17151 : 연관 특허 DB
17152 : 연관 키워드 DB
17153 : 연관 특허 분류 DB
17154 : 연관 권리자 DB
17210 : 특허별 기반 정보 DB부
17220 : 특허-관련 특허별 기반 정보 DB부
17230 : 발명자 기반 정보 DB부
17231 : 발명자별 기반 정보DB부
17232 : 특허-발명자 관계 정보 DB부
17240 : 논문별 기반 정보 DB부
17250 : 논문-관련 논문별 기반 정보 DB부
17260 : 논문 저자 기반 정보 DB부
17261 : 논문 저자별 기반 정보DB부
17262 : 논문-논문 저자 관계 정보 DB부
17310 : 기술 키워드 단위 배치 생성 기업 추천 정보 DB부
17320 : 기술 분류 단위 배치 생성 기업 추천 정보 DB부
17330 : 발명자 단위 배치 생성 기업 추천 정보 DB부
17340 : 복합 차원 단위 배치 생성 기업 추천 정보 DB부
17410 : 특허 평가 DB부
17420 : 기업 평가 DB부
17430 : 키워드 평가 DB부
11000 : 기업 추천 인터페이스부
12000 : 기업 추천 정보 처리 엔진
13000 : 기업 추천 정보 배치 처리부
14000 : 기업 추천 기반 정보 생성 엔진
15000 : 시스템 기반 정보 처리부
16000 : 시스템 관리부
17000 : DB부
50000 : 유무선 네트워크
20000 : 사용자 시스템
21000 : 사용자 단말기
22000 : 사용자 서버
30000 : 추천 정보 사용 시스템
40000 : 기초 정보 연계 시스템
11100 : 기업 추천 요청 정보 입수부
11200 : 기업 추천 정보 요청부
11300 : 생성 기업 추천 정보 전송부
12100 : 추천 요청 정보 판단부
12200 : 추천 정보 생성부
12210 : 대응 특허 집합 입수부
12220 : 추천 기반 정보 입수부
12230 : 단위 추천 정보 생성부
12231 : 단위 추천 알고리즘 입수부
12232 : 단위 추천 알고리즘 적용부
12300 : 배치 생성 추천 정보 입수부
12400 : 추천 정보 제공부
12410 : 추천 랭킹 처리부
12411 : 추천 랭킹 알고리즘 적용부
12420 : 추천 근거 정보 제공부
13100 : 지정 특허 집합 생성부
13110 : 기술 키워드 단위 지정 특허 집합 생성부
13120 : 기술 분류 단위 지정 특허 집합 생성부
13130 : 발명자 단위 지정 특허 집합 생성부
13140 : 복합 차원 단위 지정 특허 집합 생성부
13200 : 기업 추천 정보 처리 엔진 호출부
13300 : 배치 생성 기업 추천 정보 저장부
14100 : 특허별 기반 정보 생성부
14200 : 특허-관련 특허별 기반 정보 생성부
14300 : 기업 기반 정보 생성부
14310 : 기업별 기반 정보 생성부
14320 : 특허-기업 관계 정보 생성부
15100 : 특허 정보 가공부
15200 : 평가 정보 생성부
15210 : 특허 평가 정보 생성부
15220 : 키워드 평가 정보 생성부
15230 : 기업 평가 정보 생성부
15300 : 논문 정보 가공부
16100 : 서비스 API 관리부
16200 : 서비스 사용자 관리부
17100 : 특허 정보 DB부
17200 : 추천 기반 정보 DB부
17300 : 배치 생성 기업 추천 정보 DB부
17400 : 평가 정보 DB부
17500 : API 관리 DB
17600 : 사용자 DB
17110 : 공보 기반 특허 DB부
17111 : 특허 서지 DB
17112 : 명세서 추출 비 서지 정보 DB
17113 : 기업 정보 DB부
17114 : 특허 패밀리 DB
17115 : 인용 관계 DB
17116 : 추출 키워드 DB
17120 : 비공보 기반 특허 DB부
17121 : 특허 거래 DB
17122 : 특허 분쟁 DB
17123 : 표준 특허 DB
17124 : 선행 기술 조사 DB
17125 : 특허 분류 DB
17130 : 주체 DB부
17131 : 권리자 DB
17132 : NPE DB
17133 : 소송 관계자 DB
17134 : 심사관 DB
17135 : 로펌-대리인 DB
17136 : 법원-판사 DB
17140 : 가공 키워드 DB
17150 : 연관 정보DB
17151 : 연관 특허 DB
17152 : 연관 키워드 DB
17153 : 연관 특허 분류 DB
17154 : 연관 권리자 DB
17210 : 특허별 기반 정보 DB부
17220 : 특허-관련 특허별 기반 정보 DB부
17230 : 발명자 기반 정보 DB부
17231 : 발명자별 기반 정보DB부
17232 : 특허-발명자 관계 정보 DB부
17240 : 논문별 기반 정보 DB부
17250 : 논문-관련 논문별 기반 정보 DB부
17260 : 논문 저자 기반 정보 DB부
17261 : 논문 저자별 기반 정보DB부
17262 : 논문-논문 저자 관계 정보 DB부
17310 : 기술 키워드 단위 배치 생성 기업 추천 정보 DB부
17320 : 기술 분류 단위 배치 생성 기업 추천 정보 DB부
17330 : 발명자 단위 배치 생성 기업 추천 정보 DB부
17340 : 복합 차원 단위 배치 생성 기업 추천 정보 DB부
17410 : 특허 평가 DB부
17420 : 기업 평가 DB부
17430 : 키워드 평가 DB부
Claims (29)
- 기업 추천 시스템의 정보 처리 방법에 있어서, 상기 기업 추천 시스템이
(A) 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계;
(B) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계;
(C) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및
(D) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 포함하는 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제1항에 있어서,
상기 단위 추천 정보의 생성은 2 이상 복수 개의 단위 추천 정보를 생성하는 것인 것이며,
(E)상기 복수 개의 단위 추천 정보에 랭킹 알고리즘을 적용하여 기업에 대한 랭킹 정보를 생성하는 단계;를 더 포함하는 것을 특징으로 하는 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제1항에 있어서,
상기 기업 추천 요청 정보는 단일 키워드인 것이며,
상기 (A) 단계의 특허 식별키 입수 처리는
(A-1a) 상기 단일 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 키워드 기반 특허 식별키 입수 방법; 및
(A-2a)상기 단일 키워드를 검색 조건으로 하여 상기 단일 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 2 키워드 기반 특허 식별키 입수 방법;
(A-3a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 3 키워드 기반 특허 식별키 입수 방법; 및
(A-4a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 검색 조건으로 하여 상기 단일 키워드 또는 상기 동일성 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 4 키워드 기반 특허 식별키 입수 방법;
중 어느 하나 이상을 적용하는 것인 것을 특징으로 하는 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제1항에 있어서,
상기 단위 추천 알고리즘은 기업 단위로 적어도 2 이상의 상기 특허 식별키 대응 추천 기반 정보를 사용하여 산출되는 것인 것이며,
상기 단위 추천 알고리즘은 상기 기업 추천 요청 정보 중 상기 기업에만 대응되는 기업별 특허 식별키 대응 추천 기반 정보를 필수적으로 사용하고, 선택적으로 상기 기업 추천 요청 정보에 대응되는 모집단 특허 식별키 대응 추천 기반 정보를 사용하는 것인 것을 특징으로 하는 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제1항에 있어서,
상기 특허 식별키 대응 추천 기반 정보는 특허별로 생성되며,
상기 특허 식별키 대응 추천 기반 정보는 시간 독립적 또는 시간 종속적으로 생성되는 특허의 내부적 속성, 특허가 사용된 이벤트 속성, 특허 관련 주체 속성, 특허 관리 속성 및 관련 특허의 속성 중 어느 하나 이상인 것이며,
상기 내부적 속성은 특허에 포함된 서지 사항 기반 속성, 명세서 기반 속성, 특허 분류 속성 중 어느 하나 이상인 것이거나
특허 사용 이벤트 속성은 특허와 관련된 거래 속성, 라이선스의 설정과 해제 속성, 담보의 설정과 해제 속성, 특허가 사용된 소송 속성, 특허와 관련된 분쟁 속성 중 어느 하나 이상인 것이거나,
특허 관련 주체 속성은 특허의 출원인 속성, 대리인 속성, 거래 특허인 경우 현재 권리자와 직전 권리자 속성, 심사관 속성 중 어느 하나 이상인 것이거나,
특허 소속 집단 속성은 표준 특허 기구 속성, 표준 특허풀 속성, 국가 R&D 특허 속성 중 어느 하나 이상인 것이거나,
관련 특허의 속성은 피인용 특허의 속성, 레퍼런스 특허 속성, 패밀리 특허 속성, 유사 특허 속성 중 어느 하나 이상인 것이거나,
상기 피인용 특허의 속성은 전체 피인용 속성, 심사관 피인용 속성 및 OA 피인용 속성 중 어느 하나 이상인 것이거나,
상기 레퍼런스 특허의 속성은 전체 레퍼런스속성, 심사관 레퍼런스 속성 및 OA 레퍼런스 속성 중 어느 하나 이상인 것이거나,
패밀리 특허 속성은 국내 패밀리 속성, 국가별 패밀리 속성, 해외 통합 패밀리 속성 중 어느 하나 이상인 것이거나,
상기 유사 특허 속성은 키워드 기반 유사 특허 속성, 인용 네트워크 기반 유사 특허 속성, 특허 분류 기반 유사 특허 속성 중 어느 하나 이상인 것인 것을특징으로 하는 특징으로 하는 기업 추천 시스템의 정보 처리 방법.
- 제1항에 있어서,
(F) 복수 개의 기업 추천 요청 정보에 대하여, 상기 (A) 내지 (D) 단계를 실시하며, 생성된 상기 단위 추천 정보를 저장하는 단계;를 더 포함하며,
상기 복수 개의 기업 추천 요청 정보는,
적어도 하나 이상의 기업 추천 대상 핵심 키워드 집합에서 추출하는 적어도 2 이상의 키워드이거나,
적어도 하나 이상의 기업 추천 대상 권리자 집합에서 추출하는 적어도 2 이상의 권리자이거나
적어도 하나 이상의 기업 추천 대상 특허 분류 집합에서 추출하는 적어도 2 이상의 특허 분류이거나
상기 키워드, 상기 권리자, 상기 특허 분류 중 어느 2 이상을 사용하여 생성되는 복합 단위 기업 추천 요청 정보인 것을특징으로 하는 특징으로 하는 기업 추천 시스템의 정보 처리 방법.
- 제1항에 있어서,
상기 기업 추천 요청 정보는 복수 개의 키워드인 것이며,
상기 복수 키워드의 처리는 개별 키워드별로 처리하는 제1 복수 키워드 처리 방법 및 상기 복수 키워드를 1개의 단일 개념 키워드 집합으로 처리하는 제2 복수 키워드 처리 방법 중 어느 하나 이상의 방법이 적용되는 것인 것이며,
상기 제1 복수 키워드 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 키워드를 1개씩으로 구분하고, 단일 키워드로 분할하고, 분할된 단일 키워드별로,
(A-1a) 상기 단일 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 키워드 기반 특허 식별키 입수 방법; 및
(A-2a)상기 단일 키워드를 검색 조건으로 하여 상기 단일 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 2 키워드 기반 특허 식별키 입수 방법;
(A-3a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 3 키워드 기반 특허 식별키 입수 방법; 및
(A-4a) 상기 단일 키워드를 검색 조건으로 하여, 상기 단일 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 단일 키워드와 상기 동일성 키워드를 검색 조건으로 하여 상기 단일 키워드 또는 상기 동일성 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 4 키워드 기반 특허 식별키 입수 방법; 중 어느 하나 이상을 적용하여 처리하는 것이며,
상기 제2 복수 키워드 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 키워드에 대하여,
(A-1b) 상기 복수 키워드를 OR 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 복수 키워드 기반 특허 식별키 입수 방법; 및
(A-2b)상기 복수 키워드를 OR 검색 조건으로 하여 상기 단일 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 2 복수 키워드 기반 특허 식별키 입수 방법;
(A-3b) 상기 복수 키워드를 OR 검색 조건으로 하여, 상기 복수 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 복수 키워드와 상기 동일성 키워드를 적어도 하나 이상의 상기 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 3 복수 키워드 기반 특허 식별키 입수 방법; 및
(A-4b) 상기 복수 키워드를 OR 검색 조건으로 하여, 상기 복수 키워드와 동일성이 인정되는 동일성 키워드를 우선 탐색하고, 상기 동일성 키워드가 있는 경우, 상기 복수 키워드와 상기 동일성 키워드를 검색 조건으로 하여 상기 복수 키워드 또는 상기 동일성 키워드를 포함하는 적어도 하나 이상의 복합 키워드를 추출하고, 상기 복합 키워드를 검색 조건으로 하여 적어도 하나 이상의 키워드 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 4 복수 키워드 기반 특허 식별키 입수 방법; 중 어느 하나 이상을 적용하여 처리하는 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제1항에 있어서,
상기 기업 추천 요청 정보는 권리자 명칭인 것이며,
상기 권리자 명칭이 단일 명칭인 경우에는 상기 (A) 단계의 특허 식별키 입수 처리는 (A-1c) 상기 단일 권리자 명칭을 검색 조건으로 하여 적어도 하나 이상의 권리자 명칭 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 권리자 명칭 기반 특허 식별키 입수 방법을 적용하며,
상기 권리자 명칭이 복수 개일 경우에는 상기 복수 권리자 명칭의 처리는 개별 권리자 명칭별로 처리하는 제1 복수 권리자 명칭 처리 방법 및 상기 복수 권리자 명칭을 1개의 단일 개념 권리자 명칭 집합으로 처리하는 제2 복수 권리자 명칭 처리 방법 중 어느 하나 이상의 방법이 적용되는 것인 것이며,
상기 제1 복수 권리자 명칭 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 권리자 명칭을 1개씩으로 구분하고, 단일 권리자 명칭으로 분할하고, 분할된 단일 권리자 명칭별로,
(A-1c) 상기 단일 권리자 명칭을 검색 조건으로 하여 적어도 하나 이상의 권리자 명칭 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 권리자 명칭 기반 특허 식별키 입수 방법;을 사용하며,
상기 제2 복수 권리자 명칭 처리 방법을 사용할 때, 상기 (A) 단계의 특허 식별키 입수 처리는 상기 복수 권리자 명칭에 대하여,
(A-1d) 상기 복수 권리자 명칭을 OR 검색 조건으로 하여 적어도 하나 이상의 권리자 명칭 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 복수 권리자 명칭 기반 특허 식별키 입수 방법을 적용하여 처리하는 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제1항에 있어서,
상기 기업 추천 요청 정보는 특허 번호 집합인 것이며,
상기 기업 추천 요청 정보가 특허 번호 집합인 경우, (A) 단계의 특허 식별키 입수 처리는
(A-1e) 상기 특허 번호 집합에 포함된 특허 번호들을 OR 검색 조건으로 하여 적어도 하나 이상의 특허 번호 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하는 제 1 특허 번호 기반 특허 식별키 입수 방법을 적용하는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법.
- 제1항에 있어서,
상기 기업 추천 요청 정보는 특허 번호 집합인 것이며,
상기 기업 추천 요청 정보가 특허 번호 집합인 경우, (A) 단계의 특허 식별키 입수 처리는
(A-1d1) 상기 특허 번호 집합에 포함된 특허 번호들을 OR 검색 조건으로 하여 적어도 하나 이상의 특허 번호 포함 테이블 또는 검색 인덱스에 질의하여 특허 식별키를 입수하고,
상기 특허 식별키를 사용하여 관련 특허를 입수하기 위하여,
(A-1d2) 상기 (A-1d1) 단계에서 입수한 특허 식별키를, 특허 식별키-관련 특허 식별키 정보가 포함되어 있는 관련 특허 테이블 또는 특허 식별키를 입력하는 경우, 관련 특허 식별키를 출력해 줄 수 있는 검색 인덱스에 질의하여 관련 특허 식별키를 입수하는 제 2 특허 번호 기반 관련 특허 식별키 입수 방법을 적용하는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법.
- 제10항에 있어서,
상기 관련 특허의 속성은 피인용 특허의 속성, 레퍼런스 특허 속성, 패밀리 특허 속성, 유사 특허 속성 중 어느 하나 이상인 것이며,
상기 피인용 특허의 속성은 전체 피인용 속성, 심사관 피인용 속성 및 OA 피인용 속성 중 어느 하나 이상인 것이거나,
상기 레퍼런스 특허의 속성은 전체 레퍼런스속성, 심사관 레퍼런스 속성 및 OA 레퍼런스 속성 중 어느 하나 이상인 것이거나,
패밀리 특허 속성은 국내 패밀리 속성, 국가별 패밀리 속성, 해외 통합 패밀리 속성 중 어느 하나 이상인 것이거나,
상기 유사 특허 속성은 키워드 기반 유사 특허 속성, 인용 네트워크 기반 유사 특허 속성, 특허 분류 기반 유사 특허 속성 중 어느 하나 이상인 것인 것이며,
선택적으로 상기 (A-1d2)의 처리는 관련 특허의 범위를 제한하기 위한 적어도 하나 이상의 제한 조건이 더 부가될 수 있는 것인 것이며, 상기 기업 추천 시스템은 부가된 제한 조건을 포함하여 상기 관련 특허 식별키 정보를 입수하는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제1항에 있어서,
상기 특허 식별키 대응 추천 기반 정보는 특허별 적어도 1종 이상의 평가 정보를 포함하는 것인 것이며,
상기 단위 추천 정보는 상기 평가 정보를 반영하여 생성되는 것인 것을 - 제1항에 있어서,
상기 단위 추천 정보의 생성 시 권리자별로 생성되는 단위 추천 정보 정보에는 특허별로 상기 권리자의 추정 지분 정보를 반영하여 생성되는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 기업 추천 시스템의 정보 처리 방법에 있어서, 상기 기업 추천 시스템이
(I) 상기 기업 추천 시스템에 유무선 네트워크로 접속되는 적어도 하나 이상의 사용자 시스템으로부터 기업 추천 요청 정보를 입수 받는 단계;
(J) 상기 기업 추천 시스템에 실시간 처리 판단 알고리즘을 적용하여 진단하는 단계;
(K) 상기 진단 결과를 반영하여 단위 추천 정보를 생성하는 단계;및
(L)상기 생성된 단위 추천 정보 정보를 포함한 기업 추천 정보를 상기 사용자 시스템에 전송하는 단계;를 포함하며,
상기 (K) 단계는
(K-1) 상기 (J) 단계에서 진단 결과가 실시간 처리 대상인 경우에는
(a1) 상기 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계;
(b1) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계;
(c1) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및
(d1) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 실행하는 것이며,
(K-2) 상기 (J) 단계에서 진단 결과가 비 실시간 처리 대상인 경우에는 상기 기업 추천 요청 정보로 기 생성된 단위 추천 정보를 검색하여 입수하는 단계;를 실시하는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제14항에 있어서,
상기 (K-2) 단계에서 검색 대상이 되는 단위 추천 정보는
(a2) 복수 개의 기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 단계;
(b2) 단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단계;
(c2) 상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 단계; 및
(d2) 상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단계;를 실행하여 생성되는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제15항에 있어서,
상기 (J) 단계의 실시간 처리 판단 알고리즘은
(J-1) 상기 기업 추천 요청 정보의 속성값을 처리하여 분류한 다음, 분류 기반으로 실시간 처리 여부를 판단하는 것인 것이며,
상기 속성값은 기업 추천 요청 정보의 개수, 기업 추천 요청 정보의 표시 연어, 기업 추천 요청 정보의 길이, 상기 기업 추천 요청 정보의 표기에 상기 기업 추천 시스템이 제공하는 기업 추천 요청 정보 식별 구분 기호의 포함 여부 중 어느 하나 이상인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제15항에 있어서,
(J-2) 상기 실시간 처리 판단 알고리즘은 상기 기업 추천 요청 정보 식별 구분 기호가 존재하고, 기업 추천 요청 정보 식별 구분 기호 값이 있는 경우 상기 기업 추천 요청 정보 식별 구분 기호 값으로 기 생성된 기업 추천 정보가 존재하는 지를 검색하는 단계; 및
(J-3) 상기 (J-2)의 검색 결과가 존재하지 않거나, 실시간 생성 요건에 대응되는 경우에는 실시간 기업 추천 정보 생성 처리 대상으로 진단 처리하는 단계;를 더 포함하는 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제14항에 있어서,
상기 사용자 시스템에 전송되는 기업 추천 정보에는 기업 인종 그룹 정보가 더 포함되어 있는 것인 것이며,
상기 기업 인종 그룹 정보는 기업의 이름 표기 패턴을 처리하여 생성되는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제14항에 있어서,
상기 사용자 시스템에 전송되는 기업 추천 정보에는 기업별 추천 근거 정보가 더 포함되어 있으며,
상기 기업별 추천 근거 정보는 기업별 단위 추천 정보에 대응되어 제공되는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 제14항에 있어서,
상기 기업 추천 시스템은 API 방식으로 상기 사용자 시스템에게 정보를 전송하는 것인 것을 특징으로 하는 기업 추천 시스템의 정보 처리 방법. - 유무선 네트워크로 연결된 적어도 하나 이상의 사용자 시스템에 대하여 기업 추천 정보를 제공하는 기업 추천 시스템에 있어서, 상기 기업 추천 시스템은
상기 사용자 시스템과 정보를 주고 받는 기업 추천 인터페이스부;
기업 추천 요청 정보를 판단하여, 상기 사용자 시스템에게 전송할 기업 추천 정보를 생성하는 기업 추천 정보 처리 엔진; 및
기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 생성하는 특허별 기반 정보 생성부를 포함하는 기업 추천 기반 정보 생성 엔진;을 포함하는 것을 특징으로 하는 기업 추천 시스템. - 제21항에 있어서,
상기 기업 추천 시스템은 일관 처리 방식으로 기업 추천 정보를 생성하는 기업 추천 정보 배치 처리부;를 더 포함하며,
상기 기업 추천 시스템은
지정된 단위의 특허 집합을 생성하는 지정 특허 집합 생성부; 및
상기 기업 추천 기반 정보 생성 엔진은 지정된 단위의 상기 특허 집합을 대상으로 기업 추천 정보를 생성하는 것인 것을 특징으로 하는 기업 추천 시스템. - 제21항에 있어서,
상기 기업 추천 정보 처리 엔진은
기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 생성하는 특허별 기반 정보 생성부;을 더 포함하는 것인 것을 특징으로 하는 기업 추천 시스템. - 제21항에 있어서,
상기 기업 추천 시스템
기업 추천 요청 정보를 사용하여 기업 추천 정보의 생성에 사용할 복수의 특허 식별키를 입수하는 대응 특허 집합 입수부;
단위 추천 항목에 대응되는 적어도 하나 이상의 단위 추천 알고리즘 입수하는 단위 추천 알고리즘 입수부;
상기 특허 식별키로 기업 추천 정보 생성에 필요한 특허 식별키 대응 추천 기반 정보를 입수하는 추천 기반 정보 입수부;및
상기 단위 추천 알고리즘을 특허 식별키 대응 추천 기반 정보에 적용하여 적어도 하나 이상의 단위 추천 정보 생성하는 단위 추천 알고리즘 적용부;을 더 포함하는 것인 것을 특징으로 하는 기업 추천 시스템. - 제21항에 있어서,
상기 단위 추천 정보의 생성은 2 이상 복수 개의 단위 추천 정보를 생성하는 것인 것이며,
상기 기업 추천 시스템은 상기 복수 개의 단위 추천 정보에 랭킹 알고리즘을 적용하여 기업에 대한 랭킹 정보를 생성하는 추천 랭킹 처리부;를 더 포함하는 것인 것을 특징으로 하는 기업 추천 시스템. - 제21항에 있어서,
상기 기업 추천 시스템은 기업별 추천 근거 정보를 제공하는 추천 근거 정보 제공부;를 더 포함하는 것인 것이며,
상기 추천 근거 정보 제공부는 기업별로 단위 추천 정보별로 추천 근거 정보를 제공하는 것인 것을 특징으로 하는 기업 추천 시스템. - 제22항에 있어서,
상기 기업 추천 정보 배치 처리부는 지정 특허 집합을 생성하는 지정 특허 집합 생성부;
기업 추천 정보 처리 엔진을 호출하는 기업 추천 정보 처리 엔진 호출부; 및
배치 생성된 기업 추천 정보를 구조적으로 저장하는 배치 생성 기업 추천 정보 저장부;를 더 포함하는 것인 것을 특징으로 하는 기업 추천 시스템. - 제1항 내지 제13항 중 어느 한 방법을 실시하는 것을 특징으로 하는 컴퓨터가 읽을 수 있는 프로그램이 기록된 기록 매체.
- 제14항 내지 제20항 중 어느 한 방법을 실시하는 것을 특징으로 하는 컴퓨터가 읽을 수 있는 프로그램이 기록된 기록 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160145424A KR20180048172A (ko) | 2016-11-02 | 2016-11-02 | 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160145424A KR20180048172A (ko) | 2016-11-02 | 2016-11-02 | 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180048172A true KR20180048172A (ko) | 2018-05-10 |
Family
ID=62184084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160145424A KR20180048172A (ko) | 2016-11-02 | 2016-11-02 | 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180048172A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101996765B1 (ko) | 2018-10-31 | 2019-07-04 | 최은철 | 기술 중개 거래 서비스를 제공하는 기업 친화형 서비스 제공 시스템 |
| JP2021033365A (ja) * | 2019-08-15 | 2021-03-01 | 株式会社カネカ | 指標算出装置および指標算出プログラム |
| KR20220070936A (ko) * | 2020-11-23 | 2022-05-31 | 아주대학교산학협력단 | 소멸특허 분석 방법 및 장치 |
-
2016
- 2016-11-02 KR KR1020160145424A patent/KR20180048172A/ko not_active Application Discontinuation
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101996765B1 (ko) | 2018-10-31 | 2019-07-04 | 최은철 | 기술 중개 거래 서비스를 제공하는 기업 친화형 서비스 제공 시스템 |
| JP2021033365A (ja) * | 2019-08-15 | 2021-03-01 | 株式会社カネカ | 指標算出装置および指標算出プログラム |
| KR20220070936A (ko) * | 2020-11-23 | 2022-05-31 | 아주대학교산학협력단 | 소멸특허 분석 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8082247B2 (en) | Best-bet recommendations | |
| US7912816B2 (en) | Adaptive archive data management | |
| CN105431844B (zh) | 用于搜索系统的第三方搜索应用 | |
| US9043358B2 (en) | Enterprise search over private and public data | |
| CN109241427A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
| US20130159325A1 (en) | Bi-model recommendation engine for recommending items and peers | |
| US20170277907A1 (en) | Abstracted Graphs from Social Relationship Graph | |
| US10600011B2 (en) | Methods and systems for improving engagement with a recommendation engine that recommends items, peers, and services | |
| Chen et al. | Fully content-based movie recommender system with feature extraction using neural network | |
| CN102016787A (zh) | 确定所关注的域的相关信息 | |
| WO2017158452A1 (en) | Abstracted graphs from social relationship graph | |
| TW201421395A (zh) | 用以遞迴檢閱網際網路及其他來源以識別、收集、管理、判定及鑑定商業身分與相關資料之系統及方法 | |
| JP2015532495A (ja) | ネットワークデータセットを提示し、視覚的にナビゲートするためのシステム及び方法 | |
| KR20080065520A (ko) | 출원인 명의 단위의 특허 정보 시스템과 발명자 단위의특허 정보 시스템이 계층적으로 통합된 특허 정보 서비스방법 및 그 시스템 | |
| Li et al. | Integrating tag, topic, co-occurrence, and popularity to recommend web apis for mashup creation | |
| CN112632405A (zh) | 一种推荐方法、装置、设备及存储介质 | |
| KR20180048172A (ko) | 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체 | |
| WO2019030407A1 (en) | SYSTEMS AND METHODS FOR SELECTING DATA SETS | |
| Lin et al. | Integer nonlinear programming and optimized weighted-average approach for mobile hotel recommendation by considering travelers’ unknown preferences | |
| Vahedian et al. | Weighted random walk sampling for multi-relational recommendation | |
| de Amo et al. | Mining contextual preference rules for building user profiles | |
| KR101401225B1 (ko) | 문서 분석 시스템 | |
| Effendy et al. | Investigations on rating computer sciences conferences: An experiment with the microsoft academic graph dataset | |
| KR102472640B1 (ko) | 빅데이터 기반 특허 분석 서비스 제공 방법 및 장치 | |
| Alhabashneh et al. | Adaptive information retrieval system based on fuzzy profiling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |