TW202001603A - 基於專利技術整合之研發輔助系統及其方法 - Google Patents
基於專利技術整合之研發輔助系統及其方法 Download PDFInfo
- Publication number
- TW202001603A TW202001603A TW107121552A TW107121552A TW202001603A TW 202001603 A TW202001603 A TW 202001603A TW 107121552 A TW107121552 A TW 107121552A TW 107121552 A TW107121552 A TW 107121552A TW 202001603 A TW202001603 A TW 202001603A
- Authority
- TW
- Taiwan
- Prior art keywords
- association rule
- technical element
- technical
- association
- patent document
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一種基於專利技術整合之研發輔助系統及其方法,透過載入與檢索條件相符的專利文件,並且對專利文件的內容進行自然語言處理及語意分析,以便根據文字探勘產生對應各專利文件的技術元素訊息,以及使用關聯規則演算法對技術元素訊息進行分析,用以建立包含技術元素訊息及關聯規則強度的關聯規則,以及從關聯規則強度為弱/強的關聯規則中,將其包含的技術元素訊息進行組合以輸出成為研發建議/專利無效推論建議,用以達成提高研發及專利無效比對的效率之技術功效。
Description
本發明涉及一種研發輔助系統及其方法,特別是以文字探勘(Text Mining)產生技術元素訊息,並以此建立關聯規則及獲得相應的關聯規則強度,再根據關聯規則強度的強弱來組合技術元素訊息,進而輸出為輔助研發之建議。
近年來,隨著智慧財產權的普及與蓬勃發展,各種以專利資料庫為基礎的相關應用便如雨後春筍般出現,如:專利地圖分析、專利資料探勘及專利鑑價等等。
一般而言,傳統專利資料庫的運用大多朝向巨量分析的視覺化、機器學習、深度學習、語意分析的研究方向發展。然而,對於大數據的資料探勘來說,資訊科學在專利資料庫的運用上,大多朝向企業併購與智慧資本的高度需求來加以呈現,鮮少關注在研發體系的實質應用。另一方面,視覺化軟體呈現專利數據的美化與互動性,往往對研發人員的參考意義不大。再者,企業智慧財產權(Intellectual Property, IP)的發展大多由法務領域的人員主導與管理,針對其領域的需求大多限制在專利檢索的比對性,所以專利分析跨越至研發人員的需求往往無法在一般的企業中被彰顯出來,因此,也限制了專利分析的完整發展,導致研發人員無法將專利分析融入開發的工作流程中,例如:無法從專利分析中得到組合不同技術的點子,或是在遭遇競爭對手的專利阻礙時,無法獲得用於無效比對推論的前案建議,故具有研發及專利無效比對的效率不佳之問題。
有鑑於此,便有廠商提出應用人工智慧建立技術功效矩陣圖的技術,提供研發者了解技術聚集點以及技術空白點,進而規避技術熱點而發現新的研發方向。然而,此一方式需要耗費大量的計算機運算能力,而且無法呈現不同技術的結合可能性及關聯性,所以容易導致研發者在單一技術手段中鑽牛角尖,對研發者而言獲得的幫助十分有限,難以直接根據技術功效矩陣圖來發想出具可專利性的技術,或是做為專利無效推論的論證基礎,因此仍然無法有效解決研發及專利無效比對的效率不佳的問題。
綜上所述,可知先前技術中長期以來一直存在研發及專利無效比對的效率不佳之問題,因此實有必要提出改進的技術手段,來解決此一問題。
本發明揭露一種基於專利技術整合之研發輔助系統及其方法。
首先,本發明揭露一種基於專利技術整合之研發輔助系統,此系統包含:專利資料庫、檢索模組、分析模組、關聯模組及處理模組。其中,專利資料庫用以儲存專利文件;檢索模組用以提供鍵入檢索條件,並且將鍵入的檢索條件傳送至專利資料庫以進行專利檢索,查詢出符合檢索條件的專利文件;分析模組用以載入查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息;關聯模組用以執行關聯規則演算法以分析所有產生的技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個技術元素訊息及一個關聯規則強度;處理模組用以將關聯規則強度為弱的關聯規則中的技術元素訊息進行組合以輸出為具有可專利性的研發建議。
另外,本發明揭露一種基於專利技術整合之研發輔助方法,其步驟包括:在專利資料庫中儲存專利文件;提供鍵入檢索條件,並且將鍵入的檢索條件傳送至專利資料庫以進行專利檢索,查詢出符合檢索條件的專利文件;載入查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息;執行關聯規則演算法以分析所有產生的技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個技術元素訊息及一個關聯規則強度;以及將關聯規則強度為弱的關聯規則中的技術元素訊息進行組合以輸出為具有可專利性的研發建議。
接著,本發明揭露一種基於專利技術整合之研發輔助系統,此系統包含:專利資料庫、檢索模組、分析模組、關聯模組及處理模組。其中,專利資料庫用以儲存專利文件;檢索模組用以提供鍵入檢索條件,並且將鍵入的檢索條件傳送至專利資料庫以進行專利檢索,查詢出符合檢索條件的專利文件;分析模組用以載入查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息;關聯模組用以執行關聯規則演算法以分析所有產生的技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個所述技術元素訊息及一個關聯規則強度;處理模組用以將關聯規則強度為強的關聯規則中的技術元素訊息進行組合以輸出為專利無效推論建議。
接下來,本發明揭露一種基於專利技術整合之研發輔助方法,其步驟包括:在專利資料庫中儲存專利文件;提供鍵入檢索條件,並且將鍵入的檢索條件傳送至專利資料庫以進行專利檢索,查詢出符合檢索條件的專利文件;載入查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息;執行關聯規則演算法以分析所有產生的技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個技術元素訊息及關聯規則強度;以及將關聯規則強度為強的關聯規則中的技術元素訊息進行組合以輸出為專利無效推論建議。
本發明所揭露之系統與方法如上,與先前技術的差異在於本發明是透過載入與檢索條件相符的專利文件,並且對專利文件的內容進行自然語言處理及語意分析,以便根據文字探勘產生對應各專利文件的技術元素訊息,以及使用關聯規則演算法對技術元素訊息進行分析,用以建立包含技術元素訊息及關聯規則強度的關聯規則,以及從關聯規則強度為弱/強的關聯規則中,將其包含的技術元素訊息進行組合以輸出成為研發建議/專利無效推論建議。
透過上述的技術手段,本發明可以達成提高研發及專利無效比對的效率之技術功效。
以下將配合圖式及實施例來詳細說明本發明之實施方式,藉此對本發明如何應用技術手段來解決技術問題並達成技術功效的實現過程能充分理解並據以實施。
在說明本發明所揭露之基於專利技術整合之研發輔助系統及其方法之前,先對本發明所自行定義的名詞作說明,本發明所述的關聯規則強度是指在同一關聯規則中的相關聯元素(即:技術元素訊息,或稱之為技術元素)彼此之間的連結強弱,如:強連結或弱連結,舉例來說,當這些元素頻繁出現的次數大於某一預設值可代表關聯規則強度為強,或稱之為強連結;反之則代表關聯規則強度為弱,或稱之為弱連結。在資料探勘的領域之中,關聯規則(Association Rule)分析是最常被使用的方法,其方法則大致是『if 前項antecedent(s) then後項consequent(s) 』的概念,目的在於找出資料庫中資料間彼此的關聯性。
以下配合圖式對本發明基於專利技術整合之研發輔助系統及其方法做進一步說明,請先參閱「第1圖」,「第1圖」為本發明基於專利技術整合之研發輔助系統的系統方塊圖,此系統包含:專利資料庫110、檢索模組120、分析模組130、關聯模組140及處理模組150。其中,專利資料庫110用以儲存專利文件。在實際實施上,專利資料庫110可以是各國家/地區的專利專責機構所設置的專利資料庫,也可以是民間單位、組織或個人所自行建立的專利資料庫,假設是自行建立的專利資料庫,其中儲存的專利文件可直接向各國家/地區的專利專責機構定期購買及更新。
檢索模組120用以提供鍵入檢索條件,並且將鍵入的檢索條件傳送至專利資料庫110以進行專利檢索,以便查詢出符合檢索條件的專利文件。在實際實施上,使用者鍵入的檢索條件可包含關鍵字(如:單字、專利分類號、公告號等等)、邏輯運算子(如:「AND」、「OR」、「NOT」等等)及指定檢索欄位(如:「@TI」、「/TTL」等等)。舉例來說,所述檢索條件可為:「物聯網 AND A63F 13/32」、「(網路)@TI」、「TTL/network」等等。特別要說明的是,不同的專利資料庫110可能使用不同的方式來指定檢索欄位,例如:以「@」或「/」來指定檢索欄位,其中,以中文專利資料庫為例,假設檢索條件為「(網路)@TI」,其代表將關鍵字「網路」的指定檢索欄位設為標題;以英文專利資料庫為例,假設檢索條件為「TTL/network」,其代表將關鍵字「network」的指定檢索欄位設為標題。
分析模組130用以載入查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息。在實際實施上,在產生技術元素訊息的過程中,更可透過專有名詞資料庫或專利分類資料庫進行輔助查詢,用以擷取出與技術元素訊息相應之專有名詞的技術領域或專利分類說明來作為技術元素訊息。舉例來說,在對專利文件的內容進行自然語言處理及語意分析後,可得知內容中詞彙係屬於主詞、副詞、名詞、形容詞或介係詞等等,接著,可直接將名詞的部分作為技術元素訊息,甚至可搭配專有名詞資料庫或專利分類資料庫進行輔助查詢,以便篩除非技術性的名詞,並且保留具技術性的名詞(即:專有名詞)及獲得其所屬的技術領域;或是將專有名詞資料庫或專利分類資料庫中的資料作為文字探勘的比對樣本來產生技術元素訊息;或是從專利分類資料庫中查到包含此名詞的專利分類說明,所述專利分類說明可包含專利分類號及其說明。此時,即可將上述查到的專有名詞及其所屬技術領域,甚至是專利分類號及其說明等,一併作為相應專利文件所對應的技術元素訊息,例如:技術元素訊息可記錄為「專有名詞:類神經網路;所屬技術領域:網路」或「專有名詞:類神經網路;所屬技術領域:網路;專利分類號及其說明:類神經網路做影像資料處理 G06T、G10L 25/30 使用類神經網路分析語音或音訊」。
關聯模組140用以執行關聯規則演算法以分析所有產生的技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個技術元素訊息及一個關聯規則強度。在實際實施上,所述關聯規則演算法可為應用在資料探勘的Apriori演算法,並且同時搭配多維分析或時序分析以對載入的專利文件的技術元素訊息進行分析。具體而言,Apriori演算法是挖掘高頻項目集之布林值關聯規則中最具代表性的演算法,隨後發展的不同關聯規則演算法大多以Apriori演算法為基礎。其主要概念是在大量的資料集(如:專利文件)中,利用項目集(如:技術元素訊息)來建立關聯規則,並計算毎一個候選項目出現的數目,依據所設定的最小支持度為門檻,來衡量候選項目的關聯規則是否顯著。舉例來說,假設有4筆專利文件,每一筆專利文件對應的技術元素訊息以字母示意如下:
專利文件一,其對應的技術元素訊息A、C、D。
專利文件二,其對應的技術元素訊息B、C、E。
專利文件三,其對應的技術元素訊息A、B、C、E。
專利文件四,其對應的技術元素訊息B、E。
在使用Apriori演算法建立關聯規則時,會進行高頻項目集之集合的搜尋與刪除,其步驟如下:
(1)將資料轉換為代碼或布林值表示的離散資料,在以累進搜尋的方式,從基層的單項技術元素訊息組合開始建立1-項目集之集合,經第一次掃描後可得C1並計算出各項目集所對應之支持度(以此例而言,1-項目集:{A}至{E},其對應之支持度依序為:0.5、0.75、0.75、0.25、0.75)。接下來比較所得之支持度與所定之支持度門檻S來決定高頻項目集,假設支持度門檻S為0.5,那麼項目集{D}將因為其支持度僅0.25而被排除,故得到高頻1-項目集有{A}、{B}、{C}及{E},將其記為L1。
(2)將高頻1-項目集組合成6個2-項目集並記為C2;接著,同樣計算其支持度(以此例而言,2-項目集:{A, B}、{A, C}、{A, E}、{B, C}、{B, E}、{C,E},其對應之支持度依序為:0.25、0.5、0.25、0.5、0.75、0.5)。接著,同樣根據支持度門檻S決定高頻項目集,排除支持度為0.25的項目集{A, B}及{A, E},得到高頻2-項目集有{A, C}、{B, C}、{B, E}、{C,E},將其記為L2。
(3)繼續累進搜尋,確認包含三個項目之項目集是否亦符合高頻項目集之特性,由於L2中各項目集在累進搜尋後,僅能找到一個3-項目集,即{B, C, E},故將其記為C3。此處,因為項目集{A, C, E}中的子項目集{A, E}並非高頻項目集,所以不須將項目集{A, C, E}列於C3中,而項目集{B, C, E}之子項目集{B, C}、{B, E}、{C,E}皆為高頻項目集,所以項目集{B, C, E}亦有機會成為高頻項目集。接著,計算出其支持度為0.5後,由於未低於支持度門檻S,故得到高頻3-項目集為{B, C, E},並記為L3。
其中,支持度(Support)代表前項(X)和後項(Y)同時出現的概率,其數學式表示為:,表示所有資料集;提昇度(Lift)是置信度(Confidence)與後項支持度的比,大於1則意味著X的出現對Y的出現有促進作用,其數學式表示為:。
接下來,可根據支持度及提升度至少其中之一,從中找出顯著的關聯規則(如:支持度大於0.5或提昇度大於1),並且將顯著的關聯規則之關聯規則強度均設為強(或稱之為強連結),以及將非顯著的關聯規則之關聯規則強度均設為弱(或稱之為弱連結)。換句話說,所述關聯規則強度可依據查詢出的專利文件的數量、同時存在相應關聯規則所包含的技術元素訊息之專利文件數量等等來產生相應的強度,假設專利文件的數量為1024筆,關聯規則包含的技術元素訊息為「B」及「C」,則此關聯規則的關聯規則強度可計算在這1024筆專利文件中,每一筆專利文件同時存在技術元素訊息「B」及「C」的數量有多少,數量越多代表關聯規則強度越強,反之數量越少代表關聯規則強度越弱,也就是說,同一關聯規則所包含的技術元素訊息的組合,其同時出現在專利文件中的筆數與關聯規則強度成正相關。
要補充說明的是,在實現Apriori演算法時,技術元素的關聯沒有一般商場購物籃分析的前項與後項之分,其關聯的項目都是實現方案的手段,沒有先後之分,除非是明確設定研發人員熟悉的技術元素為前項,來窺探要關聯哪一種技術元素為後項的推論(提昇度越高的關聯規則越好,因為其意味著前項的出現對後項的出現有促進作用),因此,以上例而言,可將「若B則C」及「若C則B」視為同一條關聯規則;將「若B則E」及「若E則B」視為同一條關聯規則;以及將「若C則E」及「若E則C」視為同一條關聯規則,總共得到9種可能的關聯規則。另外,若要針對某一專利做無效推論的證據查找的話,則要選擇關聯規則強度為強的關聯規則。反之,若要針對某一技術的創新元素做蒐集的話,則離群值的關聯規則(或稱之為分群的關聯規則)的可視化就變得極有意義,因為在龐大專利數據無法人工審閱的情況下,可以直觀的探索可組合的異業元素,這是在以往的商場購物籃分析不被採納的分析方法,因為在傳統的關聯規則分析中,這些關聯規則被視為雜訊(Noise)而排除。
處理模組150用以將關聯規則強度為弱的關聯規則中的技術元素訊息進行組合以輸出為具有可專利性的研發建議。舉例來說,假設關聯規則強度為弱的關聯規則中,其包含的技術元素訊息為「類神經網路」及「幾何屬性分析」,那麼,可將這二個技術元素訊息的組合作為研發建議,換句話說,研發建議中可以建議研發者在「類神經網路」及「幾何屬性分析」所各自代表的技術之組合基礎上,思考相關的技術或進一步改良的技術手段,此方式容易引導研發者,發想出具有可專利性的技術手段,因為關聯規則強度為弱,代表結合這二個技術的專利文件較少,所以在此基礎上進行技術發想比較不會與先前技術重複。另一方面,專利審查委員在進行專利審查時,也不容易找到可以用來核駁申請的對比前案,所以能夠有效提升專利獲准的機率。在實際實施上,所述研發建議可嵌入與技術元素訊息相符的專利文件,例如:複製相符的專利文件並合併至研發建議,或以超連結方式將相符的專利文件的號碼、名稱及儲存路徑嵌入研發建議。
另外,在實際實施上,本發明的系統更可包含建立模組160,用以根據專利文件的專利分類號,將載入的專利文件進行分類及儲存以形成技術元素庫。換句話說,每一個專利分類號所對應的技術皆可視為技術元素,所述技術元素庫中包含多個技術元素,每一個技術元素又具有對應的專利文件。在實際實施上,所述技術元素庫會將每一種技術所屬的前案專利文件分別收納在固定的資料夾(Folder)之中,例如:以專利分類號、專有名詞或所屬技術領域作為資料夾名稱。如此一來,在爾後需要參考類似的技術元素的前提下,可以直接在不同定義的資料夾中搜尋所有應用元素的不同技術手段與不同的應用場景,而不需要再從專利資料庫110反覆檢索或浪費其它的調研工作。
接著,請參閱「第2圖」,「第2圖」為本發明基於專利技術整合之研發輔助方法的方法流程圖,其步驟包括:在專利資料庫110中儲存專利文件(步驟210);提供鍵入檢索條件,並且將鍵入的檢索條件傳送至專利資料庫110以進行專利檢索,查詢出符合檢索條件的專利文件(步驟220);載入查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息(步驟230);執行關聯規則演算法以分析所有產生的技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個技術元素訊息及一個關聯規則強度(步驟240);以及將關聯規則強度為弱的關聯規則中的技術元素訊息進行組合以輸出為具有可專利性的研發建議(步驟250)。透過上述步驟,即可透過載入與檢索條件相符的專利文件,並且對專利文件的內容進行自然語言處理及語意分析,以便根據文字探勘產生對應各專利文件的技術元素訊息,以及使用關聯規則演算法對技術元素訊息進行分析,用以建立包含技術元素訊息及關聯規則強度的關聯規則,以及從關聯規則強度為弱/強的關聯規則中,將其包含的技術元素訊息進行組合以輸出成為研發建議/專利無效推論建議。
另外,在步驟250之後,還可將根據所述專利文件的專利分類號,將載入的專利文件進行分類及儲存以形成技術元素庫(步驟260)。
接著,請參閱「第3圖」,「第3圖」為本發明基於專利技術整合之研發輔助系統的系統方塊圖,此系統包含:專利資料庫310、檢索模組320、分析模組330、關聯模組340及處理模組350。同樣地,還可包含建立模組360。其中,專利資料庫310、檢索模組320、分析模組330、關聯模組340及建立模組360分別與前述「第1圖」中的專利資料庫110、檢索模組120、分析模組130、關聯模組140及建立模組160相同,故在此不再多做贅述,至於處理模組350與「第1圖」所示意的處理模組150之差異,兩者僅在於前者是從關聯規則強度為強的關聯規則中,將其包含的技術元素訊息進行組合以輸出為專利無效推論建議,而後者則是從關聯規則強度為弱的關聯規則中,將其包含的技術元素訊息進行組合以輸出為研發建議。
接下來,請參閱「第4圖」,「第4圖」為本發明基於專利技術整合之研發輔助方法的方法流程圖,其步驟包括:在專利資料庫310中儲存專利文件(步驟410);提供鍵入檢索條件,並且將鍵入的檢索條件傳送至專利資料庫310以進行專利檢索,查詢出符合檢索條件的專利文件(步驟420);載入查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息(步驟430);執行關聯規則演算法以分析所有產生的技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個技術元素訊息及一個關聯規則強度(步驟440);以及將關聯規則強度為強的關聯規則中的技術元素訊息進行組合以輸出為專利無效推論建議(步驟450)。在「第4圖」所示意的步驟450與前述「第2圖」所示意的步驟250之差異在於步驟 450是從關聯規則強度為強的關聯規則中,將其包含的技術元素訊息進行組合以輸出為專利無效推論建議,而後者則是從關聯規則強度為弱的關聯規則中,將其包含的技術元素訊息進行組合以輸出為研發建議。至於步驟450之後,同樣可根據專利文件的專利分類號,將載入的專利文件進行分類及儲存以形成技術元素庫(步驟460)。
以下配合「第5圖」及「第6圖」以實施例的方式進行如下說明,請先參閱「第5圖」,「第5圖」為應用本發明產生研發建議之示意圖。假設研發者為虛擬實境(Virtual Reality, VR)或擴增實境(Augmented Reality, AR)的技術背景,並且欲在此技術的基礎上進行創新發想。研發者可在輸入區塊511中鍵入檢索條件,如:「ACLM/"Virtual Reality"」或「ACLM/" Augmented Reality "」。此時,檢索模組120會將研發者鍵入的檢索條件傳送至專利資料庫110進行專利檢索,並查詢出符合的專利文件。接著,分析模組130從專利資料庫110載入這些被查詢出的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的技術元素訊息,接著,使用關聯規則演算法,如:Apriori演算法,針對這些專利文件的技術元素訊息進行關聯分析,並且根據分析結果產生相應的關聯規則,所述關聯規則可以圖形化方式呈現在第一顯示區塊521,其中,線條兩端是關聯規則中相關聯的技術元素訊息,而線條的粗細則代表關聯規則強度,舉例來說,粗線條代表高度關聯,也就是說粗線條兩端的技術元素訊息,其對應的關聯規則強度為強,同時亦代表這兩個技術元素訊息是常被運用的技術元素組合。另外,倘若出現分群的關聯規則(即:與第一顯示區塊521中的技術元素訊息屬於不同群組的關聯),例如:「資訊安全與人身安全之警報器」,其可如「第5圖」所示意,獨立顯示在第二顯示區塊522中。所述分群的關聯規則可以視為「分群創新元素關聯規則」,也就是說,其代表的技術是非常適合作為被結合的技術元素(例如:適合異業結合的技術元素)。最後,處理模組150會將關聯規則強度為弱的關聯規則中的技術元素訊息進行組合以輸出為研發建議,其輸出方式可為建立檔案或直接顯示在建議區塊530。此時,研發者即可瀏覽建議區塊530中顯示的研發建議,從中發想如何結合虛擬實境、資訊安全及人身安全之警報器等技術,以便研發出具有可專利性的技術。在研發者發想的過程中,研發者還可同時在建議區塊530中點選顯示的專利公告號,以便開啟與上述技術相關的專利文件進行瀏覽。要補充說明的是,當涉及的技術元素(如:專有名詞、技術領域、專利分類號等等;或稱之為項目)數量過多時,還可嘗試依專利文件公告的時間先後(技術發展進程)分別列為不同區段,由最近公告(即:第一區段)拆分至最早公告(第n區段)來加以分析且使用圖形化方式呈現,例如,第一區(1~100筆)、第二區(101~200筆)、第三區(201~300筆)、並以此類推至第n區。如此一來,即可窺探技術元素在不同時間區間(如:發展期、成熟期及衰退期)的發展及其運用情況。
如「第6圖」所示意,「第6圖」為應用本發明產生專利無效推論建議之示意圖。假設研發者遭遇到專利侵權訴訟或警告,可先審閱系爭專利及其權利範圍以判斷出所屬的技術領域,如:「Virtual Reality」,接著,可指定欲檢索的欄位並將系爭專利的技術領域作為關鍵字以產生檢索條件(如:「ACLM/"Virtual Reality"」,其中,「ACLM/」為指定專利範圍欄位;「Virtual Reality」為系爭專利的技術領域),當在輸入區塊611鍵入檢索條件後,檢索模組320會將研發者鍵入的檢索條件傳送至專利資料庫310進行專利檢索,並查詢出符合的專利文件。接著,分析模組330從專利資料庫310載入與檢索條件相符的專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘產生對應每一專利文件的技術元素訊息。接下來,使用關聯規則演算法,如:Apriori演算法,針對這些專利文件的技術元素訊息進行關聯分析,並且根據分析結果產生關聯規則。所述關聯規則以圖形化方式呈現在顯示區塊620,其中,線條兩端是關聯規則中相關聯的技術元素訊息,而線條的粗細則代表關聯規則強度,舉例來說,粗線條代表高度關聯(即:關聯規則強度為強),反之則代表低度關聯(即:關聯規則強度為弱)。至此,上述流程與「第5圖」的流程雷同。然而,不同的是,接下來處理模組350會從關聯規則強度為強的關聯規則中,將其包含的技術元素訊息進行組合以輸出為專利無效推論建議,其輸出方式可為建立檔案或直接顯示在建議區塊630。此時,研發者即可瀏覽建議區塊630中顯示的專利無效推論建議,從而得知在系爭專利所屬的技術領域中,哪些技術元素組合的專利文件數量最多。以此例而言,從顯示區塊620中可明顯看出「語音或音訊」與「類神經網路」結合的數量最多(因為相連的線條最粗),因此可推論在查找對比前案時,從同時包含這兩個技術元素的專利文件中比較容易找到適合的對比前案或其組合,用以作為舉發系爭專利時的證據與論述上的辯證支持。換句話說,有別於「第5圖」的處理模組150針對關聯規則強度為弱的關聯規則,「第6圖」的處理模組350是針對關聯規則強度為強的關聯規則,因為關聯規則強度為強的關聯規則,代表存在關聯規則所包含的技術元素訊息的專利文件之數量也越多,故容易從中找到對比的前案專利文件,有利於後續作為舉發系爭專利的證據與論述上的辯證支持,進而提高撤銷系爭專利之專利權的機率。
綜上所述,可知本發明與先前技術之間的差異在於透過載入與檢索條件相符的專利文件,並且對專利文件的內容進行自然語言處理及語意分析,以便根據文字探勘產生對應各專利文件的技術元素訊息,以及使用關聯規則演算法對技術元素訊息進行分析,用以建立包含技術元素訊息及關聯規則強度的關聯規則,以及從關聯規則強度為弱/強的關聯規則中,將其包含的技術元素訊息進行組合以輸出成為研發建議/專利無效推論建議,藉由此一技術手段可以解決先前技術所存在的問題,進而達成提高研發及專利無效比對的效率之技術功效。
雖然本發明以前述之實施例揭露如上,然其並非用以限定本發明,任何熟習相像技藝者,在不脫離本發明之精神和範圍內,當可作些許之更動與潤飾,因此本發明之專利保護範圍須視本說明書所附之申請專利範圍所界定者為準。
110、310‧‧‧專利資料庫120、320‧‧‧檢索模組130、330‧‧‧分析模組140、340‧‧‧關聯模組150、350‧‧‧處理模組160、360‧‧‧建立模組511、611‧‧‧輸入區塊521‧‧‧第一顯示區塊522‧‧‧第二顯示區塊530、630‧‧‧建議區塊620‧‧‧顯示區塊步驟210‧‧‧在至少一專利資料庫中儲存多個專利文件步驟220‧‧‧提供鍵入一檢索條件,並且將鍵入的該檢索條件傳送至所述專利資料庫以進行專利檢索,查詢出符合該檢索條件的所述專利文件步驟230‧‧‧載入查詢出的所述專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的至少一技術元素訊息步驟240‧‧‧執行一關聯規則演算法以分析所有產生的所述技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個所述技術元素訊息及一關聯規則強度步驟250‧‧‧將該關聯規則強度為弱的所述關聯規則中的所述技術元素訊息進行組合以輸出為具有可專利性的一研發建議步驟260‧‧‧根據所述專利文件的至少一專利分類號,將載入的所述專利文件進行分類及儲存以形成一技術元素庫步驟410‧‧‧在至少一專利資料庫中儲存多個專利文件步驟420‧‧‧提供鍵入一檢索條件,並且將鍵入的該檢索條件傳送至所述專利資料庫以進行專利檢索,查詢出符合該檢索條件的所述專利文件步驟430‧‧‧載入查詢出的所述專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的至少一技術元素訊息步驟440‧‧‧執行一關聯規則演算法以分析所有產生的所述技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個所述技術元素訊息及一關聯規則強度步驟450‧‧‧將該關聯規則強度為強的所述關聯規則中的所述技術元素訊息進行組合以輸出為一專利無效推論建議步驟460‧‧‧根據所述專利文件的至少一專利分類號,將載入的所述專利文件進行分類及儲存以形成一技術元素庫
第1圖為本發明基於專利技術整合之研發輔助系統的系統方塊圖。 第2圖為本發明基於專利技術整合之研發輔助方法的方法流程圖。 第3圖為本發明基於專利技術整合之研發輔助系統的系統方塊圖。 第4圖為本發明基於專利技術整合之研發輔助方法的方法流程圖。 第5圖為應用本發明產生研發建議之示意圖。 第6圖為應用本發明產生專利無效推論建議之示意圖。
110‧‧‧專利資料庫
120‧‧‧檢索模組
130‧‧‧分析模組
140‧‧‧關聯模組
150‧‧‧處理模組
160‧‧‧建立模組
Claims (20)
- 一種基於專利技術整合之研發輔助系統,該系統包含: 至少一專利資料庫,用以儲存多個專利文件; 一檢索模組,用以提供鍵入一檢索條件,並且將鍵入的該檢索條件傳送至所述專利資料庫以進行專利檢索,查詢出符合該檢索條件的所述專利文件; 一分析模組,用以載入查詢出的所述專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的至少一技術元素訊息; 一關聯模組,用以執行一關聯規則演算法以分析所有產生的所述技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個所述技術元素訊息及一關聯規則強度;以及 一處理模組,用以將該關聯規則強度為弱的所述關聯規則中的所述技術元素訊息進行組合以輸出為具有可專利性的一研發建議。
- 根據申請專利範圍第1項之基於專利技術整合之研發輔助系統,其中該關聯規則演算法係應用在資料探勘的Apriori演算法,並且同時搭配多維分析或時序分析以對載入的所述專利文件所對應的所述技術元素訊息進行分析。
- 根據申請專利範圍第1項之基於專利技術整合之研發輔助系統,其中每一關聯規則的該關聯規則強度係根據同一所述關聯規則中包含的所述技術元素訊息,同時出現在載入的所述專利文件中的次數進行調整,其中,所述次數與該關聯規則強度成正相關。
- 根據申請專利範圍第1項之基於專利技術整合之研發輔助系統,其中所述技術元素訊息,更透過一專有名詞資料庫或一專利分類資料庫進行輔助查詢,用以擷取出與所述技術元素訊息相應之專有名詞的至少一技術領域或至少一專利分類說明作為所述技術元素訊息。
- 根據申請專利範圍第1項之基於專利技術整合之研發輔助系統,其中該系統更包含一建立模組,用以根據所述專利文件的至少一專利分類號,將載入的所述專利文件進行分類及儲存以形成一技術元素庫。
- 一種基於專利技術整合之研發輔助方法,其步驟包括: 在至少一專利資料庫中儲存多個專利文件; 提供鍵入一檢索條件,並且將鍵入的該檢索條件傳送至所述專利資料庫以進行專利檢索,查詢出符合該檢索條件的所述專利文件; 載入查詢出的所述專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的至少一技術元素訊息; 執行一關聯規則演算法以分析所有產生的所述技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個所述技術元素訊息及一關聯規則強度;以及 將該關聯規則強度為弱的所述關聯規則中的所述技術元素訊息進行組合以輸出為具有可專利性的一研發建議。
- 根據申請專利範圍第6項之基於專利技術整合之研發輔助方法,其中該關聯規則演算法係應用在資料探勘的Apriori演算法,並且同時搭配多維分析或時序分析以對載入的所述專利文件所對應的所述技術元素訊息進行分析。
- 根據申請專利範圍第6項之基於專利技術整合之研發輔助方法,其中每一關聯規則的該關聯規則強度係根據同一所述關聯規則中包含的所述技術元素訊息,同時出現在載入的所述專利文件中的次數進行調整,其中,所述次數與該關聯規則強度成正相關。
- 根據申請專利範圍第6項之基於專利技術整合之研發輔助方法,其中所述技術元素訊息,更透過一專有名詞資料庫或一專利分類資料庫進行輔助查詢,用以擷取出與所述技術元素訊息相應之專有名詞的至少一技術領域或至少一專利分類說明作為所述技術元素訊息。
- 根據申請專利範圍第6項之基於專利技術整合之研發輔助方法,其中該方法更包含根據所述專利文件的至少一專利分類號,將載入的所述專利文件進行分類及儲存以形成一技術元素庫。
- 一種基於專利技術整合之研發輔助系統,該系統包含: 至少一專利資料庫,用以儲存多個專利文件; 一檢索模組,用以提供鍵入一檢索條件,並且將鍵入的該檢索條件傳送至所述專利資料庫以進行專利檢索,查詢出符合該檢索條件的所述專利文件; 一分析模組,用以載入查詢出的所述專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的至少一技術元素訊息; 一關聯模組,用以執行一關聯規則演算法以分析所有產生的所述技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個所述技術元素訊息及一關聯規則強度;以及 一處理模組,用以將該關聯規則強度為強的所述關聯規則中的所述技術元素訊息進行組合以輸出為一專利無效推論建議。
- 根據申請專利範圍第11項之基於專利技術整合之研發輔助系統,其中該關聯規則演算法係應用在資料探勘的Apriori演算法,並且同時搭配多維分析或時序分析以對載入的所述專利文件所對應的所述技術元素訊息進行分析。
- 根據申請專利範圍第11項之基於專利技術整合之研發輔助系統,其中每一關聯規則的該關聯規則強度係根據同一所述關聯規則中包含的所述技術元素訊息,同時出現在載入的所述專利文件中的次數進行調整,其中,所述次數與該關聯規則強度成正相關。
- 根據申請專利範圍第11項之基於專利技術整合之研發輔助系統,其中所述技術元素訊息,更透過一專有名詞資料庫或一專利分類資料庫進行輔助查詢,用以擷取出與所述技術元素訊息相應之專有名詞的至少一技術領域或至少一專利分類說明作為所述技術元素訊息。
- 根據申請專利範圍第11項之基於專利技術整合之研發輔助系統,其中該系統更包含一建立模組,用以根據所述專利文件的至少一專利分類號,將載入的所述專利文件進行分類及儲存以形成一技術元素庫。
- 一種基於專利技術整合之研發輔助方法,其步驟包括: 在至少一專利資料庫中儲存多個專利文件; 提供鍵入一檢索條件,並且將鍵入的該檢索條件傳送至所述專利資料庫以進行專利檢索,查詢出符合該檢索條件的所述專利文件; 載入查詢出的所述專利文件,並且對載入的每一專利文件之內容分別進行自然語言處理及語意分析,以及根據文字探勘分別產生對應每一專利文件的至少一技術元素訊息; 執行一關聯規則演算法以分析所有產生的所述技術元素訊息,並且根據分析結果建立多個關聯規則,其中,每一關聯規則包含至少二個所述技術元素訊息及一關聯規則強度;以及 將該關聯規則強度為強的所述關聯規則中的所述技術元素訊息進行組合以輸出為一專利無效推論建議。
- 根據申請專利範圍第16項之基於專利技術整合之研發輔助方法,其中該關聯規則演算法係應用在資料探勘的Apriori演算法,並且同時搭配多維分析或時序分析以對載入的所述專利文件所對應的所述技術元素訊息進行分析。
- 根據申請專利範圍第16項之基於專利技術整合之研發輔助方法,其中每一關聯規則的該關聯規則強度係根據同一所述關聯規則中包含的所述技術元素訊息,同時出現在載入的所述專利文件中的次數進行調整,其中,所述次數與該關聯規則強度成正相關。
- 根據申請專利範圍第16項之基於專利技術整合之研發輔助方法,其中所述技術元素訊息,更透過一專有名詞資料庫或一專利分類資料庫進行輔助查詢,用以擷取出與所述技術元素訊息相應之專有名詞的至少一技術領域或至少一專利分類說明作為所述技術元素訊息。
- 根據申請專利範圍第16項之基於專利技術整合之研發輔助方法,其中該方法更包含根據所述專利文件的至少一專利分類號,將載入的所述專利文件進行分類及儲存以形成一技術元素庫。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107121552A TW202001603A (zh) | 2018-06-22 | 2018-06-22 | 基於專利技術整合之研發輔助系統及其方法 |
CN201910522353.0A CN110633264B (zh) | 2018-06-22 | 2019-06-17 | 应用专利数据库的研发辅助系统及其方法 |
US16/446,637 US20190391976A1 (en) | 2018-06-22 | 2019-06-20 | Research and development auxiliary system using patent database and method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107121552A TW202001603A (zh) | 2018-06-22 | 2018-06-22 | 基於專利技術整合之研發輔助系統及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202001603A true TW202001603A (zh) | 2020-01-01 |
Family
ID=69942288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107121552A TW202001603A (zh) | 2018-06-22 | 2018-06-22 | 基於專利技術整合之研發輔助系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TW202001603A (zh) |
-
2018
- 2018-06-22 TW TW107121552A patent/TW202001603A/zh unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10963794B2 (en) | Concept analysis operations utilizing accelerators | |
JP7503000B2 (ja) | エンティティー間の関係の調査するためのシステム及び方法 | |
Chakraborty et al. | Text mining and analysis: practical methods, examples, and case studies using SAS | |
US9318027B2 (en) | Caching natural language questions and results in a question and answer system | |
US10795922B2 (en) | Authorship enhanced corpus ingestion for natural language processing | |
JP6095621B2 (ja) | 回答候補間の関係を識別および表示する機構、方法、コンピュータ・プログラム、ならびに装置 | |
US8473473B2 (en) | Object oriented data and metadata based search | |
CN110633264B (zh) | 应用专利数据库的研发辅助系统及其方法 | |
JP2017513134A (ja) | オントロジーマッピング方法及び装置 | |
US11409752B1 (en) | Dimensional reduction of complex vectors in artificially intelligent solutions to compare similarity of natural language text | |
US9262506B2 (en) | Generating mappings between a plurality of taxonomies | |
Kadima et al. | Toward ontology-based personalization of a recommender system in social network | |
US11669556B1 (en) | Method and system for document retrieval and exploration augmented by knowledge graphs | |
Nashipudimath et al. | An efficient integration and indexing method based on feature patterns and semantic analysis for big data | |
Moalla et al. | Data warehouse building to support opinion analysis in social media | |
Ouksili et al. | Pattern oriented RDF graphs exploration | |
TWI696923B (zh) | 可專利預測及無效比對之推薦系統及其分析方法 | |
Maree | Multimedia context interpretation: a semantics-based cooperative indexing approach | |
TW202001603A (zh) | 基於專利技術整合之研發輔助系統及其方法 | |
Adamu et al. | A framework for enhancing the retrieval of UML diagrams | |
CN101452462A (zh) | 用于自动建立网络上信息对象之间层次结构的方法和系统 | |
Ali | Knowledge Graph-based Conceptual Models Search. | |
Kejriwal et al. | A Lightweight Global Taxonomy Induction System for E-Commerce Concept Labels | |
Ryu et al. | Experts community memory for entity similarity functions recommendation | |
Sen et al. | On the role of ontologies in information extraction |