[논문]특허의 기술이전 활성화를 위한 소셜 태깅기반 지적재산권 추천플랫폼

박윤주

doi:10.13088/jiis.2015.21.3.53

특허의 기술이전 활성화를 위한 소셜 태깅기반 지적재산권 추천플랫폼
Social Tagging-based Recommendation Platform for Patented Technology Transfer 원문보기

지능정보연구 = Journal of intelligence and information systems, v.21 no.3, 2015년, pp.53 - 77

초록
AI-Helper

국내에서 출원되는 특허건수는 매년 증가하고 있으나, 이러한 특허들 중 상당수는 활용되지 못하고 사장되고 있다. 2012년 국정감사 자료에 따르면, 우리나라 대학 및 공공연구기관이 보유한 특허의 약 73%가 사회적 가치창출로 연결되지 못하는 휴면특허라고 한다. 즉, 대학/연구소 또는 사업화가 어려운 개인이 소유하고 있는 특허가, 이를 필요로 하는 수요기업에 성공적으로 기술 이전되지 못하는 것을 휴면특허 증가의 주요 문제점으로 생각할 수 있다. 본 연구는 급격히 축적되는 방대한 특허 자원들 속에서, 기업의 관심분야에 적합한 지식재산을, 보다 쉽고, 효과적으로 선별할 수 있도록 하는 소셜태깅 기반의 특허 추천플랫폼을 제안한다. 제안된 시스템은 기존 특허들로부터 핵심적인 내용 및 기술 분야를 추출하여 초기 추천을 수행하고, 이후 사용자들의 태그정보가 축적되면, 사회적 지식 (social knowledge)을 추천에 함께 반영하게 된다. 이러한 연구에는 특허청에서 운영하고 있는 KIPRIS(Korea Industrial Property Rights Information Service) 시스템에서 실제 특허자료 총 1638건을 수집한 후, 현재 특허 데이터에는 존재하지 않는 가상의 태그 정보를 추가한 반가상(semi-virtual) 데이터를 구성하여 활용하였다. 제안된 시스템은 프로그래밍 언어 JAVA를 활용하여 핵심 알고리즘을 구현하였으며, 그래픽사용자 인터페이스(Graphic User Interface)에 대한 프로토타입의 설계를 수행하였다. 또한, 시나리오테스트 방식으로 시스템의 운영타당성 및 추천 효과성을 확인하였다.

Abstract ▼ AI-Helper

Korea has witnessed an increasing number of domestic patent applications, but a majority of them are not utilized to their maximum potential but end up becoming obsolete. According to the 2012 National Congress' Inspection of Administration, about 73% of patents possessed by universities and public-funded research institutions failed to lead to creating social values, but remain latent. One of the main problem of this issue is that patent creators such as individual researcher, university, or research institution lack abilities to commercialize their patents into viable businesses with those enterprises that are in need of them. Also, for enterprises side, it is hard to find the appropriate patents by searching keywords on all such occasions. This system proposes a patent recommendation system that can identify and recommend intellectual rights appropriate to users' interested fields among a rapidly accumulating number of patent assets in a more easy and efficient manner. The proposed system extracts core contents and technology sectors from the existing pool of patents, and combines it with secondary social knowledge, which derives from tags information created by users, in order to find the best patents recommended for users. That is to say, in an early stage where there is no accumulated tag information, the recommendation is done by utilizing content characteristics, which are identified through an analysis of key words contained in such parameters as 'Title of Invention' and 'Claim' among the various patent attributes. In order to do this, the suggested system extracts only nouns from patents and assigns a weight to each noun according to the importance of it in all patents by performing TF-IDF analysis. After that, it finds patents which have similar weights with preferred patents by a user. In this paper, this similarity is called a "Domain Similarity". Next, the suggested system extract technology sector's characteristics from patent document by analyzing the international technology classification code (International Patent Classification, IPC). Every patents have more than one IPC, and each user can attach more than one tag to the patents they like. Thus, each user has a set of IPC codes included in tagged patents. The suggested system manages this IPC set to analyze technology preference of each user and find the well-fitted patents for them. In order to do this, the suggeted system calcuates a 'Technology_Similarity' between a set of IPC codes and IPC codes contained in all other patents. After that, when the tag information of multiple users are accumulated, the system expands the recommendations in consideration of other users' social tag information relating to the patent that is tagged by a concerned user. The similarity between tag information of perferred 'patents by user and other patents are called a 'Social Simialrity' in this paper. Lastly, a 'Total Similarity' are calculated by adding these three differenent similarites and patents having the highest 'Total Similarity' are recommended to each user. The suggested system are applied to a total of 1,638 korean patents obtained from the Korea Industrial Property Rights Information Service (KIPRIS) run by the Korea Intellectual Property Office. However, since this original dataset does not include tag information, we create virtual tag information and utilized this to construct the semi-virtual dataset. The proposed recommendation algorithm was implemented with JAVA, a computer programming language, and a prototype graphic user interface was also designed for this study. As the proposed system did not have dependent variables and uses virtual data, it is impossible to verify the recommendation system with a statistical method. Therefore, the study uses a scenario test method to verify the operational feasibility and recommendation effectiveness of the system. The results of this study are expected to improve the possibility of matching promising patents with

주제어

질의응답

핵심어	질문	논문에서 추출한 답변
	특허권은 어떻게 활용되고 있는가?	특허권이란 신기술을 개발한 자에게 이를 공개하는 대가로 독점적 이용권을 부여하는 것으로 기업이 개발한 신기술을 상업화 한 후, 후발 자의 진입을 막는 방어적 측면에서 활용되거나, 또는 개인이나 연구소등에서 개발된 지적재산권을 이를 필요로 하는 다른 산업체에 양도하고, 이에 대한 로얄티를 지급받는 형태로 활용되고 있다. 연합뉴스의 2014년도 기사에 따르면, 국내에서 출원되는 특허건수는 매년 증가하고 있으며, 최근 정부가 국민의 창의적 아이디어를 중소기업의 성장 동력으로 활용하기 위해 '창조경제타운'내에서 특허출원을 지원하면서, 2013년 특허출원은 전년도와 비교하여 8.
	특허권이란?	특허권이란 신기술을 개발한 자에게 이를 공개하는 대가로 독점적 이용권을 부여하는 것으로 기업이 개발한 신기술을 상업화 한 후, 후발 자의 진입을 막는 방어적 측면에서 활용되거나, 또는 개인이나 연구소등에서 개발된 지적재산권을 이를 필요로 하는 다른 산업체에 양도하고, 이에 대한 로얄티를 지급받는 형태로 활용되고 있다. 연합뉴스의 2014년도 기사에 따르면, 국내에서 출원되는 특허건수는 매년 증가하고 있으며, 최근 정부가 국민의 창의적 아이디어를 중소기업의 성장 동력으로 활용하기 위해 '창조경제타운'내에서 특허출원을 지원하면서, 2013년 특허출원은 전년도와 비교하여 8.
	본문에서 제안한 시스템의 운영타당성 및 추천 효과성을 시나리오 테스트 방식으로 확인한 이유는?	이러한 연구에는 특허청에서 운영하고 있는 KIPRIS(Korea Industrial Property Rights Information Service) 시스템에서 실제 특허자료 총 1638건을 수집한 후, 현재 특허 데이터에는 존재하지 않는 가상의 태그 정보를 추가한 반가상(semi-virtual) 데이터를 구성하여 활용하였다. 제안된 시스템은 종속변수가 존재하지 않고, 또한 반가상 데이터를 사용하고 있기 때문에, 통계적인 방식으로 추천 성능을 검증할 수는 없다. 따라서, 시스템의 운영타당성 및 추천 효과성을 시나리오 테스트 방식으로 확인하였다.

참고문헌 (23)

Baik, J., S. Kim, and S. Lee, "Extracting alternative word candidates for patent information search," Journal of KIISE: Computing Practices and Letters, Vol. 15, No. 4(2009), 299-303.
Chae, M., M. Kang, and Y. Kim, "Documents recommendation using large citation data," Journal of the Korean Data Information Science Society, Vol. 24, No.5(2013), 999-1011.

원문보기 상세보기
Cho, I. and N. Kim, "Recommending core and connecting keywords of research area using social network and data mining techniques," Journal of Intelligence and Information Systems", Vol. 17, No. 1(2011), 127-138.
Guan, Z., C. Wang, J. Bu, C. Chen, K. Yang, D. Cai, and X. He, "Document recommendation in social tagging services," Proceedings of the 19th international conference on World wide web, ACM New York, (2010), 391-400.
Hestenes, M. R., "Inversion of matrices by biorthogonalization and related results," Journal of the Society for Industrial and Applied Mathematics, Vol. 6, No.1(1958), 51-90.

상세보기
Hotho, A., R. Jaschke, C. Schmitz, and G. Stumme,"FolkRank: A ranking algorithm for folksonomies,"Proceeding of FGIR, (2006).
Jannach, D., M. Zanker, A. Felfernig, and G. Friedrich, Recommender systems: an introduction, Cambridge University Press, 2010.
Jeon, B. and H. Ahn, "A Collaborative Filtering System Combined with Users' Review Mining: Application to the Recommendation of Smartphone Apps", Journal of Intelligence and Information Systems, Vol. 21, No. 2 (2015), 1-18.
Jeong, D., J. Kim, G.-N. Kim, J.-U. Heo, B.-W. On, and M. Kang, "A Proposal of a Keyword Extraction System for Detecting Social Issues", Journal of Intelligence and Information Systems, Vol. 19, No. 3(2013), 1-23.
Kim, S., H.-J. Kim, and I.-K. Han, "SNS news Recommendation by Using Cosine Similarity," Annual Conference on Human and Language Technology, (2013), 163-166.
Liu, D.-R., C.-H. Lai, and C.-W. Huang, "Document recommendation for knowledge sharing in personal folder environments," Journal of Systems and Software, Vol. 81, No. 8(2008), 1377-1388.

상세보기
Nagori, R. and G. Aghila, "LDA based integrated document recommendation model for e-learning systems," 2011 International Conference on Emerging Trends in Networks and Computer Communications (ETNCC), (2011), 230-233.
Noll, M. G. and C. Meinel, "Exploring social annotations for web document classification," Proceedings of the 2008 ACM symposium on Applied computing, (2008), 2315-2320.
Park, H. and S. Rho, "A folksonomy ranking framework: A semantic graph-based approach," Asia Pacific Journal of Information Systems, Vol. 21, No.2(2011), 89-116.
Park, Y. J., "An Adaptive Match-Making System reflecting the explicit and implicit preferences of users," Expert systems with applications, Vol. 40, No.4 (2013), 1196-1204.

상세보기
Pazzani, M. J. and D. Billsus, "Content-based recommendation systems," Lecture notes in computer science, Vol.4321(2007), 325-341.

상세보기
Provost, F. and T. Fawcett, Data Science for Business, O'Reilly, 2013.
Son, K. J. and S. J. Lee, "Weighting methods for compound nouns in patent retrieval system," Proceedings of the KIISE 04 spring conference, Vol.31, No.4(2004), 895-897.
Strohman, T., W. Croft, and D. Jensen, "Recommending citations for academic papers," Proceedings of the 30th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, (2007), 705-706.
Trappey, A. J., C. Y. Fan, C. V. Trappey, Y.-L. Lin, and C.-Y. Wu, "Intelligent recommendation methodology and system for patent search," 2012 IEEE 16th International Conference on Computer Supported Cooperative Work in Design (CSCWD), 172-178.
Trappey, A. J., C. V. Trappey, C.-Y. Wu, and C.-W. Lin, "A patent quality analysis for innovative technology and product development," Advanced Engineering Informatics, Vol. 26, No.1(2012), 26-34.

상세보기
You, Mee, "A keyword affinity-based text recommender system for e-mail classification," Ph.D. Dissertation, KyungHee University, 2005.
Wu, H., M. Zubair, and K. Maly, "Harvesting social knowledge from folksonomies," Proceedings of the seventeenth conference on Hypertext and hypermedia, (2006), 111-114.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증