• Proceedings of the Korea Contents Association Conference
• /
• 2007.11a
• /
• pp.335-338
• /
• 2007

It was active comparative studies to search effectively patent information online before and after 1990. There was a few studies about user interface of internet based patent information in the end of 1990's. Since 1990's, there is no user interface studies on patent information. Nowadays, patent informations are served very differently according to service providers. This paper focuses on search interface of web-based patent information service and compares about each component.

• Digital Contents
• /
• no.3 s.58
• /
• pp.63-67
• /
• 1998

이 글에서는 전세계적으로 제공되고 있는 국가별 특허 데이터베이스를 제공 시스템별로 정리해보았다. 이 내용들이 실제로 검색을 하게 하는 전부의 정보는 아니지만, 특허 정보에 입문하고자 하는 초보자나 기업, 연구소의 특허부서에 몸담고 있는 사람들의 길을 잡아주는데는 더 없이 좋은 정보가 될 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.169-171
• /
• 2005

산업이 발전함에 따라 지적재산권에 대한 가치는 점점 중요해지고 있고, 기업의 흥망성쇄를 결정짓는 가장 큰 요인중 하나로 자리잡고 있다. 엄청난 비용을 투자하여 사업화하고 있던 세계 굴지의 기업들도 경쟁회사의 핵심특허 단 몇 건만으로 순식간에 몰락하는 경우도 발생하고 있다. 이제 지적재산권은 살아남기 위한 유일한 방어수단이자 공격수단이 되었다. 이와 같은 급박한 상황하에서 각 기업은 경쟁회사의 지적재산권을 분석하고, 이를 통해 자사의 연구개발 전략을 수립하기 위해 노력하고 있다. 그러나 이와 같은 분석작업은 다수의 전문가 일지라도 상당한 시일이 소요되는 방대한 작업이며, 이를 자동으로 실행하기 위해 많은 소프트웨어 회사들은 특허분석용 툴을 개발하였다. 그러나 이들 종래의 특허분석용 툴들은 대부분 외형적인 정량분석 정보만을 제공할 뿐, 실제 필요로 하는 정성적인 정보는 거의 제공하지 못하였다. 즉, 종래의 특허분석용 툴에서는 자사 및 경쟁사의 특허에 대한 가치가 어느 정도이며, 경쟁회사 특허에 대해 자사 제품의 칭해 가능성은 어느 정도이며 회피할 수 있는 전략은 무엇인지, 자사 특허에 대한 경쟁사 제품의 침해 가능성은 어느 정도인지 등을 제공하지 못하였다. 이에 본 논문에서는 특허 출원시 인용했던 선행특허들의 인용 관계를 분석하여 특허간 관계를 규명하고, 각 기술 분야에서 영향력이 높은 특허를 찾는 방법과 시스템을 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.495-497
• /
• 2023

본 연구는 기업 간 협력과 경쟁력 강화를 위한 특허 기반 유사 기업 추천 모델을 제안한다. 제안 모델은 특허 데이터와 한국표준산업분류(KSIC) 정보를 활용하여, 특허 정보를 기반으로 기업 간 유사성을 평가하고 유사한 기업을 추천한다. 제안 모델은 특허 초록 정보와 한국표준산업분류를 사용하여 기술 측면에서 기업별 특성을 고려한 기업 대표 벡터를 생성한다. 또한, 기업의 특허 수를 고려하여 정확한 유사기업 추천을 제공합니다. 제안 모델은 기업들이 협력 파트너를 찾고 새로운 비즈니스 기회를 모색하는 데에 도움을 줄 수 있으며, 현재는 NTIS(www.ntis.go.kr)의 분류기반 특허분석 서비스에서 사용 중이다.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2013.10a
• /
• pp.699-712
• /
• 2013

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.347-350
• /
• 2019

인공지능 관련 기술의 발달로 다양한 분야에서 인공지능 활용에 대한 관심이 고조되고 있으며 전문영역에서도 기계학습 기법을 활용한 연구들이 활발하게 이루어지고 있다. 특허청에서는 분야별 전문지식을 가진 분류담당자가 출원되는 모든 특허에 국제특허분류코드(이하 IPC) 부여 작업을 수행하고 있다. IPC 분류와 같은 전문적인 업무영역에서 딥러닝을 활용한 자동 IPC 분류 서비스를 제공하기 위해서는 기계학습을 이용하는 분류 모델에 분야별 전문지식을 직관적으로 반영하는 것이 필요하다. 이를 위해 본 연구에서는 딥러닝 기반의 IPC 분류 모델과 전문지식이 반영된 분류별 어휘사전을 활용한 규칙기반 분류 모델을 병행하여 특허문서의 IPC분류를 자동으로 추천하는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.814-817
• /
• 2024

특허의 가치를 평가하기 위해서는 특허 데이터에 포함된 다양한 지표가 활용될 수 있으며, 최근 다양한 지표를 머신 러닝 기법으로 분석하여 특허의 가치를 평가하는 연구가 증가하고 있다. 특허의 가치를 올바르게 평가하기 위해서는 여러 지표 중에서 어떤 지표가 특허의 가치에 크게 기여 하는지 판단할 수 있어야 하며, 이에 따라 지표별로 적절한 가중치를 설정할 수 있어야 한다. 제안된 방법은 회귀 모델 기반으로 다양한 지표에 가중치를 적용하여 특허 피인용수를 예측하였으며, 특허 패밀리 수에 적용되는 가중치를 변경하면서 특허 패밀리 수가 특허의 가치에 미치는 영향을 검증하였고, 특허 가치 평가 과정에서 특허 패밀리 수의 중요성에 대해 확인하였다.

• Patent21
• /
• s.46
• /
• pp.16-17
• /
• 2003

일본에서도 특허통계를 가지고 다양한 분석을 수행하는 방법에 대한 소개가 많이 되어 있다. 특허통계를 이용한 분석이 점점 증가하는 이유는 특허출원이 어느 정도는 기업의 연구개발의 활성도를 반영하고 있기 때문이다. 이번에 소개할 특허출우너순위로 본 기업의 연구투자와 가격결정자란 보고서는 경제산업조사회의 특허뉴스(2001.8.16)와 토미타 교수의 홈페이지(http;//hal2000.itakura.to.yo.ac.jp/~t4tomita)에 연재되어있는 것으로 1995년부터 1998년까지 공개된 특허정보를 대상으로 개별특허의 가치평가를 배제하고 일본에 출원된 기업의 특허건수 순위를 통해 분석한 보고서이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.239-241
• /
• 2019

지식과 정보의 중요성이 강조되는 지식기반사회에서는 지식재산권의 대표적인 유형인 특허의 중요성이 날로 높아지고 있고, 그 수 또한 급증하고 있다. 특허 문서의 효과적 검색과 이용을 위해서는 새롭게 출원되는 특허 문서의 체계적인 분류 작업이 선행되어야 하고, 따라서 방대한 양의 특허 문서를 자동으로 분류해주는 시스템이 필요하다. 본 연구에서는 Doc2Vec 모델을 이용하여 국내 특허 문서의 특징(feature)을 추출하고, 추출된 특징을 바탕으로 한 특허 문서의 자동 분류 모형을 제안한다. 먼저 국내에 등록된 31,495 건의 특허 문서의 IPC(International Patent Classification)와 요약정보를 바탕으로 Doc2Vec 모델을 구축하였다. 구축된 Doc2Vec 모델을 통하여 훈련데이터의 특징을 추출한 후, 이 특징 벡터를 이용하여 분류기를 학습하였다. 마지막으로 Doc2Vec 모델을 이용하여 실험데이터의 특징 벡터를 추출하고 분류기의 성능을 실험한 결과, 43%의 분류 정확도를 얻었다. 이를 통해, 특허 문서 분류 문제에 Doc2Vec 모델의 사용 가능성을 확인할 수 있었다.

• Journal of Information Management
• /
• v.11 no.2
• /
• pp.25-30
• /
• 1978