최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.21 no.1, 2011년, pp.100 - 105
Needs of intelligent system has risen continuously to solve given problem optimally using learning and reasoning. This system has performed important roles in diverse fields for improving the human-life quality in past, present, and future. So, it is important to analyze the trend of technology fore...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
대부분의 특허데이터의 정보는 어떤 형태로 존재하는가? | 특히 특허문서에 포함된 여러 정보 중에서 해당특허가 인용한 특허와 해당특허를 인용한 특허정보는 현재 기술의 연관성분석을 위한 중요한 정보로 이용된다. 따라서 대부분의 특허데이터의 정보는 문자와 숫자로 이루어져 있는 문서형태로 존재한다. 특허문서는 포함된 정보의 종류에 따라 해당 특허청으로부터 공식적으로 인정된 정보를 포함한 문서, 독점적 특허정보에 관한 문서, 라이센스와 특허권의 유지에 관한 문서 등으로 구별된다. | |
특허는 무엇으로 이루어지는가? | 특허는 출원한 기술을 나타낸 도면인 그림과 출원한 기술을 설명한 문자로 이루어진다[4]. 출원번호, 공개번호, 등록번호 등 해당특허를 표시하는 번호와 출원날짜, 공개날짜, 등록날짜 등 시간을 나타내는 숫자가 포함되어 있다. | |
본 연구에서 제안한 지능형시스템에 대한 공백기술을 예측하는 방법의 단계는? | step1) 검색식을 이용한 특허데이터의 획득(한국특허청(KIPRIS), 미국특허청(USPTO), ...) step2) 특허문서를 특허-특징행렬(patent-feature matrix)로 변환 step3) 상위 10개의 주성분을 이용한 특허-특징행렬의 군집화 3-1) BIC 측도를 이용한 최적군집수(optimal number of clusters) K 결정 3-2) 3-1)에서 구한 K값을 이용하여 K-means 군집화 수행 step4) K개의 군집에 속한 특허들을 이용하여 각 군집의 기술정의 step5) step4)의 결과를 이용하여 공백기술 선정 |
Han, J., Kamber, M., Data Mining Concepts and Techniques, Morgan Kaufmann, 2001.
1940년대에 신경망(neural networks) 모형이 발표되고 이를 바탕으로 한 복잡한 계산이 가능해지면서 지능형시스템에 대한 연구는 더욱 활기를 띠게 되었다[1].
본 논문에서는 좀 더 객관적인 특허데이터의 분석을 위하여 다변량통계의 차원축소와 특징추출 그리고 데이터마이닝의 군집화 기법을 이용한다[1].
나까야마 노부히로, 특허법, 법문사, 2001.
아울러 불필요한 특허소송을 피하고 중복된 기술에 대한 불필요한 연구, 개발을 방지할 수 있게 될 것이다[2],[3].
황종환, 특허법, 한빛지적소유권센터, 2001.
아울러 불필요한 특허소송을 피하고 중복된 기술에 대한 불필요한 연구, 개발을 방지할 수 있게 될 것이다[2],[3].
특허청 정보기획팀, 한국발명진흥회 정보활용지원팀, 특허와 정보분석(개정판), 성민, 2007.
특허는 출원한 기술을 나타낸 도면인 그림과 출원한 기술을 설명한 문자로 이루어진다[4].
제대식, 이은철, 윤국섭 역, 지식경영과 특허전략, 세종서적, 2000.
최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
Lee, S., Yoon, B., Park, Y., "An approach to discovering new technology opportunities: Keyword-based patent map approach," Technovation, vol. 29, pp. 481-497, 2009.
Wang, P., Cockburn, I. M., Puterman, M. L., "Analysis of Patent Data-A Mixed Poisson Regression Model Approach," Journal of Business & Economic Statistics, vol. 16, no. 1, pp. 27-41, 1998.
Yoon, B., Park, Y., "Development of New Technology Fore casting Algorithm: Hybrid Approach for Morphology Analysis and Conjoint Analysis of Patent Information," IEEE Transactions on Engineering Management, vol. 54, no. 3, pp. 588-599, 2007.
Yoon, B., Lee, S., "Patent analysis for technology forecasting: Sector-specific applications," Proceeding of IEEE International Conference on Engineering Management, pp. 1-5, 2008.
최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
특허정보검색서비스, http://www.kipris.or.kr
우리나라의 KIPRIS(Korea Intellectual Property Rights Information Service)[14].
지능형시스템 분야에 대한 기술예측을 위한 분석데이터를 얻기 위하여 KIPRIS로부터 2010년 5월 17일까지 출원, 등록된 전체 미국특허를 검색하였다[14],[15].
United States Patent and Trademark Office, www.uspto.gov
또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18].
지능형시스템 분야에 대한 기술예측을 위한 분석데이터를 얻기 위하여 KIPRIS로부터 2010년 5월 17일까지 출원, 등록된 전체 미국특허를 검색하였다[14],[15].
Fattori, M., Pedrazzi, G., Turra, R.. "Text mining applied to patent mapping: a practical business case," World Patent Information, vol. 25, pp. 335?342, 2003.
Feinerer, I., Hornik, K., Meyer, D., "Text Mining Infrastructure in R," Journal of Statistical Software, vol. 25, iss. 5, pp. 1-54, 2008.
또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18].
R-Project www.r-project.org
또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18].
R-Project의 ‘tm' 패키지에서 제공하는 텍스트마이닝 기법[18]을 이용하여 (898×6421)의 차원을 갖는 특허-키워드행렬을 구하였다.
Hair, J. F., Black, B., Babin, B., Anderson, R. E., Multivariate Data Analysis, Prentice Hall, 1992.
하지만 행렬을 이용한 데이터분석이 가능하기 위해서는 행의 크기가 열의 크기보다 훨씬 커야(n≫p)한다[19].
대표적인 한 행렬기법은 [1량 통계분석기법인 주성분분석(principal component analysis)이다[19].
BIC는 모수(parameter)의 변화에 따라 모형의 성능을 평가하여 최적의 모형을 선택할 수 있도록 한다[19].
Chen, X., Yin, W., Tu, P., Zhang, H., "Weighted k-Means Algorithm Based Text Clustering," Proceedings of International Symposium on Information Engineering and Electronic Commerce, pp. 51-55, 2009.
본 논문에서는 K가 10인 K-means 군집화[21],[22]를 수용하여 학습데이터에 속한 898개의 특허문서들에 대한 군집화를 수행하였다.
Kanungo, T., Mount, D. M., Netanyahu, N. S., Piatko, C. D., Silverman, R., Wu, A. Y., "An efficient k-means clustering algorithm: Analysis and implementation," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, pp. 881?892, 2002.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.