최근 들어 지식재산권의 확보는 기업의 기술 경쟁력 확보를 위해 점점 더 중요하게 되었다. 특히 특허는 기업의 핵심 기술 및 요소 기술을 포함하고 있기 때문에 특허 분석을 통한 기업 가치 측정 및 경쟁 기술 분야 분석 등의 연구가 활발히 진행되고 있다. 국제특허분류(IPC)를 기반으로 다양한 특허 분석 연구가 진행되었으나, IPC는 최신의 기술 분야를 포함하고 있지 않으며 기술의 상세 분류가 충분하지 않아 기술 분류 정확도가 낮아진다. 이를 보완하기 위해 최신의 기술 분야를 포함하고 상세한 기술 분류를 위한 선진특허분류(CPC)가 개발되었으나 이러한 특징을 고려한 특허 분석 연구가 아직 미흡하다. 본 논문에서는 CPC의 상세 분류체계를 이용하여 특허에 포함된 기술 분류 분석 모델을 제안한다. CPC의 상세 분류체계간의 연관관계 중요도 및 효율성을 고려하여 출원인의 특허를 분석하여 핵심 기술 분류 추출을 통해 기존 IPC 기반의 방법보다 상세하고 정확한 분석이 가능하다. 기존의 IPC 기반의 특허 분석 방법과 비교 평가를 통해 제안 모델이 출원인의 핵심 기술 분류를 분석함에 있어 더 좋은 성능을 보임을 확인하였다.
최근 들어 지식재산권의 확보는 기업의 기술 경쟁력 확보를 위해 점점 더 중요하게 되었다. 특히 특허는 기업의 핵심 기술 및 요소 기술을 포함하고 있기 때문에 특허 분석을 통한 기업 가치 측정 및 경쟁 기술 분야 분석 등의 연구가 활발히 진행되고 있다. 국제특허분류(IPC)를 기반으로 다양한 특허 분석 연구가 진행되었으나, IPC는 최신의 기술 분야를 포함하고 있지 않으며 기술의 상세 분류가 충분하지 않아 기술 분류 정확도가 낮아진다. 이를 보완하기 위해 최신의 기술 분야를 포함하고 상세한 기술 분류를 위한 선진특허분류(CPC)가 개발되었으나 이러한 특징을 고려한 특허 분석 연구가 아직 미흡하다. 본 논문에서는 CPC의 상세 분류체계를 이용하여 특허에 포함된 기술 분류 분석 모델을 제안한다. CPC의 상세 분류체계간의 연관관계 중요도 및 효율성을 고려하여 출원인의 특허를 분석하여 핵심 기술 분류 추출을 통해 기존 IPC 기반의 방법보다 상세하고 정확한 분석이 가능하다. 기존의 IPC 기반의 특허 분석 방법과 비교 평가를 통해 제안 모델이 출원인의 핵심 기술 분류를 분석함에 있어 더 좋은 성능을 보임을 확인하였다.
With the explosively increasing intellectual property rights, securing technological competitiveness of companies is more and more important. In particular, since patents include core technologies and element technologies, patent analysis researches are actively conducted to measure the technologica...
With the explosively increasing intellectual property rights, securing technological competitiveness of companies is more and more important. In particular, since patents include core technologies and element technologies, patent analysis researches are actively conducted to measure the technological value of companies. Various patent analysis studies have been conducted by the International Patent Classification(IPC), which does not include the latest technical classification, and the technical classification accuracy is low. In order to overcome this problem, the Cooperative Patent Classification(CPC), which includes the latest technology classification and detailed technical classification, has been developed. In this paper, we propose a model to analyze the classification of the technologies included in the patent by using the detailed classification system of CPC. It is possible to analyze the inventor's patents in consideration of the relation, importance, and efficiency between the detailed classification schemes of the CPCs to extract the core technology fields and to analyze the details more accurately than the existing IPC-based methods. Also, we perform the comparative evaluation with the existing IPC based patent analysis method and confirm that the proposed model shows better performance in analyzing the inventor's core technology classification.
With the explosively increasing intellectual property rights, securing technological competitiveness of companies is more and more important. In particular, since patents include core technologies and element technologies, patent analysis researches are actively conducted to measure the technological value of companies. Various patent analysis studies have been conducted by the International Patent Classification(IPC), which does not include the latest technical classification, and the technical classification accuracy is low. In order to overcome this problem, the Cooperative Patent Classification(CPC), which includes the latest technology classification and detailed technical classification, has been developed. In this paper, we propose a model to analyze the classification of the technologies included in the patent by using the detailed classification system of CPC. It is possible to analyze the inventor's patents in consideration of the relation, importance, and efficiency between the detailed classification schemes of the CPCs to extract the core technology fields and to analyze the details more accurately than the existing IPC-based methods. Also, we perform the comparative evaluation with the existing IPC based patent analysis method and confirm that the proposed model shows better performance in analyzing the inventor's core technology classification.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
국내에서는 2015년 1월 이후 모든 신규 출원 특허에 CPC가 부여되고 있으며 2018년 7월 현재 한국특허정보원(Kipris)에서 제공되는 약 111만 건의 국내 특허에 CPC가 부여되고 있지만 CPC에 대한 연구가 아직 미흡한 상황이다. 따라서 본 논문에서는 출원인의 핵심 기술 분류 체계를 분석하기 위해 CPC 기반 특허 기술 분류 분석 모델을 제안한다. 기존 IPC 기반의 핵심 기술 분류 도출 방법과 비교 분석을 통해 CPC의 유용성을 보이며, CPC를 통해 기업의 핵심 기술 분류를 보다 상세하고 정확하게 추출할 수 있음을 보인다.
ANP는 다기준 의사결정 분석방법(MCDM, Multi-Criteria Decision Marking)중 하나로 각 의사결정 요소를 네트워크 구조로 만들어 의사결정 요소 간 복잡한 상호관계를 분석하여 문제를 해결하는 방법이다[11]. 본 논문에서는 ANP 기법에서 정의하고 있는 의사결정 요소를 CPC 코드들로 대응하여 핵심 기술 분류를 분석한다. 연관 규칙 분석을 통해 도출된 지지도 행렬을 통해 변수 간 상관관계 분석, 네트워크 모형 구축, 그리고 쌍대 비교를 하여 분류 코드별 중요도 값을 도출한다.
분류체계 기반의 특허 분석 연구 또한 제안되었으나 CPC 기술 분류에 대한 연구가 미흡하다. 본 논문에서는 CPC 기술 분류체계를 이용하여 특허의 핵심 기술 분류 분석 모델을 제안하고, IPC 기반의 기존 연구 방법과 비교하여 CPC 기술 분류 체계의 유용성 및 활용성을 검증하였다. 이를 위해 세 개의 출원인을 대상으로 IPC와 CPC 기술 분류 각각에 대한 핵심 기술 분류를 도출하였다.
본 논문에서는 CPC를 기반으로 한 핵심 기술 분류 분석 모델을 제안한다. [그림 1]은 핵심 기술 분류 도출을 위한 구성요소의 개요를 나타내며 특허 데이터 수집, 특허 데이터 정제 및 처리, 특허 데이터 분석, 그리고 핵심 기술 분류 도출 및 비교 평가의 4단계로 구성된다.
DEA의 결과로 도출되는 효율성 값은 0에서 1사이의 값을 가지며 값이 1에 가까울수록 대상 변수들 간의 상대적 효율성이 높으므로 이를 출원인의 핵심 기술 분류로 추천할 수 있다. 본 논문에서는 각각의 기술 분류를 나타내는 CPC 기술 분류 코드의 중요도를 종합적으로 평가하여 CPC 코드들의 상대적인 효율성을 측정하고 효율성점수가 높은 코드를 핵심 기술 분류로 추출한다. 이를 위해 ANP를 통해 계산된 출원인의 CPC 코드별 지지도, 신뢰도, 향상도를 산출 요소로 사용하며 투입 요소를 고정시켜 투입 요소와 산출 요소의 관계가 가변규모수익인 BCC모형과, 산출 요소를 최대화하는 산출 지향(output-oriented)모형을 이용하여 출원인 별 핵심 기술 분류 코드를 도출한다.
CPC 기술 분류는 [그림 2]와 같이 섹션(section), 클래스(class), 서브클래스(sub-class), 메인그룹(main-group), 서브그룹(sub-group), 서브 그룹 이하의 계층적 구조로 기술을 분류하며 코드 형태로 기술 분류를 표현한다. 본 연구에서 CPC 코드 기반의 출원인의 핵심 기술 분류를 도출하고 이를 분석하기 위해 [표 1]과 같이 정제과정을 수행한다. 한 개의 특허는 한 개 이상의 CPC 분류 코드를 가지고 있으며 각 분류 코드는 서브 그룹 이하까지 상세하게 표현될 수 있다.
이처럼 IPC를 기반으로 다양한 연구들이 수행되었으나, 최근 기술의 발전 속도가 가속화됨에 따라 기 정의된 IPC로는 기술에 대한 상세한 표현이 부족할 뿐만 아니라 새로운 기술에 대응할 수 없으며, 서로 다른 나라에서 출원되는 특허들의 기술 정보를 통합 관리할 수 없는 문제가 발생하였다. 이에 대안으로 CPC가 개발되었다. CPC는 IPC 체계를 기반으로 다양하고, 세부적으로 확장된 체계로 국내에서는 2015년 이후 발명 특허부터 CPC가 부여되었으나 최근에는 2013년 이전의 특허에도 CPC가 부여되어 과거 개발된 특허에 대한 분류 및 정보 검색에 CPC를 활용할 수 있다.
제안 방법
각 출원인 별 실험 데이터를 대상으로 연관 규칙 분석을 수행한다. 이를 위해 출원인의 IPC, CPC 코드에 대해 지지도, 신뢰도, 향상도 값을 계산하여 연관관계 행렬을 도출한다.
각 출원인의 지지도, 신뢰도, 향상도 행렬을 이용하여 CPC 기술 분류에 대한 중요도를 측정한다. [표 5]의 각행의 합을 구해 그 행의 모든 원소를 나누어 각 행의 원소의 합이 1이 되도록 정규화하여 [표 6]과 같이 초기 대행렬을 계산한다.
이를 위해 각 연관관계 행렬에 대해 행의 합이 1이 되도록 정규화하여 초기 대행렬을 계산하고, 두 기준 집합의 가중치 값을 곱하여 가중 대행렬(Weighted Supermatrix)을 계산한다. 그리고 가중 대행렬의 각 변수 값이 일정한 값에 수렴할 때까지 무한대로 곱하여 변수 간의 중요도를 나타내는 수렴 대행렬(Limited Supermatrix)을 계산한다. 그 결과 기술 분류 코드들 간의 연관관계 기반의 기술 분류에 대한 중요도 값을 도출할 수 있다.
최소 지지도 임계값(min_sup)을 만족한 집합들에 대해 수식 (2)와 같이 빈발 항목 집합의 연관성 값인 신뢰도(Confidence)를 계산한다. 그리고 추출된 빈발 항목 집합의 향상도(Lift) 값을 수식 (3)과 같이 계산하여 기술 분류 코드들의 연관 관계를 파악한다. 기술 분류를 나타내는 코드들의 연관 관계를 계산하기 위해 2개의 분류 코드를 가진 항목 집합을 대상으로 연관관계를 도출하며 항목 집합 중에서 동일한 분류 코드를 가지는 쌍들의 연관관계는 항상 같으므로 1로 계산한다.
그리고 추출된 빈발 항목 집합의 향상도(Lift) 값을 수식 (3)과 같이 계산하여 기술 분류 코드들의 연관 관계를 파악한다. 기술 분류를 나타내는 코드들의 연관 관계를 계산하기 위해 2개의 분류 코드를 가진 항목 집합을 대상으로 연관관계를 도출하며 항목 집합 중에서 동일한 분류 코드를 가지는 쌍들의 연관관계는 항상 같으므로 1로 계산한다. [표 2]는 기술 분류 코드의 지지도 행렬을 나타낸다.
한 개의 특허는 한 개 이상의 CPC 분류 코드를 가지고 있으며 각 분류 코드는 서브 그룹 이하까지 상세하게 표현될 수 있다. 따라서 분류 체계 간의 상호 연관관계를 추출하기 위해 빈도수가 낮은 서브 그룹 이하의 코드는 제거하여 서브그룹 수준으로 CPC 코드를 정제한다. 예를 들어, 특허 A에 포함된 ‘G06F17/30067’, ‘G06F 15/17343’과 같은 코드는 서브그룹 수준인 ‘G06F 17/30’, ‘G06F 15/17’과 같이 정제한다.
실험 결과 출원인에서 CPC 기술 분류를 통해 IPC 분류에서 도출되지 않았던 새로운 기술 분류가 도출됨을 확인하였다. 또한 제안 모델을 통해 각 출원인 별 핵심기술 분류를 도출하여 발명된 특허에 사용된 기술들을 대표하는 대표 기술 분야를 도출하였다. 따라서 출원인의 핵심 기술 분류 코드에는 기존의 IPC 기술 분류로 분류되지 않았던 새로운 기술 분류가 포함될 수 있으며 CPC 기술 분류가 유용함을 재확인 하였다.
본 논문에서는 ANP 기법에서 정의하고 있는 의사결정 요소를 CPC 코드들로 대응하여 핵심 기술 분류를 분석한다. 연관 규칙 분석을 통해 도출된 지지도 행렬을 통해 변수 간 상관관계 분석, 네트워크 모형 구축, 그리고 쌍대 비교를 하여 분류 코드별 중요도 값을 도출한다. 이를 위해 각 연관관계 행렬에 대해 행의 합이 1이 되도록 정규화하여 초기 대행렬을 계산하고, 두 기준 집합의 가중치 값을 곱하여 가중 대행렬(Weighted Supermatrix)을 계산한다.
본 논문에서는 각각의 기술 분류를 나타내는 CPC 기술 분류 코드의 중요도를 종합적으로 평가하여 CPC 코드들의 상대적인 효율성을 측정하고 효율성점수가 높은 코드를 핵심 기술 분류로 추출한다. 이를 위해 ANP를 통해 계산된 출원인의 CPC 코드별 지지도, 신뢰도, 향상도를 산출 요소로 사용하며 투입 요소를 고정시켜 투입 요소와 산출 요소의 관계가 가변규모수익인 BCC모형과, 산출 요소를 최대화하는 산출 지향(output-oriented)모형을 이용하여 출원인 별 핵심 기술 분류 코드를 도출한다.
연관 규칙 분석을 통해 도출된 지지도 행렬을 통해 변수 간 상관관계 분석, 네트워크 모형 구축, 그리고 쌍대 비교를 하여 분류 코드별 중요도 값을 도출한다. 이를 위해 각 연관관계 행렬에 대해 행의 합이 1이 되도록 정규화하여 초기 대행렬을 계산하고, 두 기준 집합의 가중치 값을 곱하여 가중 대행렬(Weighted Supermatrix)을 계산한다. 그리고 가중 대행렬의 각 변수 값이 일정한 값에 수렴할 때까지 무한대로 곱하여 변수 간의 중요도를 나타내는 수렴 대행렬(Limited Supermatrix)을 계산한다.
Lee는 기술이전이 된 특허들의 IPC를 기반으로 연관규칙분석 및 사회네트워크 분석을 통해 기술 추이 및 기술 관계를 분석하여 기술이전 대상 기술의 파악 및 어떠한 기술들이 융합되었는지 추출하는 방법을 제안하였다[9]. 이를 위해 공공기관 및 대학의 특허 중 기술이전이 된 특허들의 IPC를 서브 클래스 수준으로 정제한 뒤 출현 빈도 및 연관 규칙 분석을 적용해 산출된 결과 값과 사회네트워크 분석으로 도출된 기술의 중복 결과를 고려하여 기술 관계 및 기술 융합을 추출한다. Kim은 특허의 IPC에 데이터 마이닝 및 다기준 의사결정 접근법을 적용해 특허의 핵심 기술을 도출하는 방법을 제안했다[7].
본 논문에서는 CPC 기술 분류체계를 이용하여 특허의 핵심 기술 분류 분석 모델을 제안하고, IPC 기반의 기존 연구 방법과 비교하여 CPC 기술 분류 체계의 유용성 및 활용성을 검증하였다. 이를 위해 세 개의 출원인을 대상으로 IPC와 CPC 기술 분류 각각에 대한 핵심 기술 분류를 도출하였다.
각 출원인 별 실험 데이터를 대상으로 연관 규칙 분석을 수행한다. 이를 위해 출원인의 IPC, CPC 코드에 대해 지지도, 신뢰도, 향상도 값을 계산하여 연관관계 행렬을 도출한다. [표 5]는 출원인 A에 대한 연관관계 행렬의 일부로 지지도 값을 기준으로 상위 값을 가지는 4개의 CPC 코드에 대한 결과 값을 나타낸다.
제안 모델을 적용하여 출원인 별 핵심 기술 분류를 추출하고 IPC 분류 코드와 CPC 분류 코드에 대한 비교평가를 수행하였다. [표 8]은 제안 모델을 통해 도출된 핵심 기술 분류 코드에 대한 수치를 나타낸다.
제안 모델을 통해 출원인의 핵심 기술 분류 분석을 위해 연관 규칙 분석(ARM), 기술 분류 중요도 분석(ANP), 기술 분류의 효율성 분석(DEA) 과정을 수행한다.
본 논문의 기여도를 나열하면 다음과 같다. 첫째, 지속적으로 활용되고 있는 CPC 기반 핵심 기술 분류 분석 모델을 정의하고 구현하였다. 둘째, 최신 기술 및 선도적인 연구 및 개발을 추진하는 정부출연연구소에서 발명된 특허에 제안 모델을 적용해 연구소의 핵심 기술 분류에 대한 분석이 가능함을 보인다.
각 출원인의 핵심 기술 분류를 도출하기 위해 DEA 기법에서 BCC모형과 산출지향모형을 적용한다. 출원인의 모든 기술 분류 코드의 지지도, 신뢰도, 향상도를 산출 요소로 대응하고, 투입 요소를 10으로 고정하여 IPC와 CPC 기술 분류 각각에 대한 상대적 효율성 점수를 측정한다. 오픈 소스 R 통계 도구에서 제공하는 rDEA 패키지(version: 1.
Kim은 특허의 IPC에 데이터 마이닝 및 다기준 의사결정 접근법을 적용해 특허의 핵심 기술을 도출하는 방법을 제안했다[7]. 핵심 기술 도출을 위해 특정 영역 특허들의 IPC를 메인그룹(Main Group) 수준으로 정제한다. IPC 기반 연관 규칙 행렬을 도출하여 기술상호관계 값을 추출하고 ANP(Analytic Network Process)기법을 적용하여 기술 중요도를 계산한다.
Kim은 IPC의 출현 빈도와 사회네트워크 분석을 기반으로 특정 기술 분야의 핵심 기술을 추출하고, 특허의 패밀리정보와 피인용정보를 활용하여 핵심 특허를 도출하는 방법을 제안한다[8]. 핵심 기술을 추출하기 위한 세부적인 기술 분야를 선정하고, IPC를 서브 클래스(sub-class) 수준까지 정제한 뒤 출현 빈도와 사회네트워크 분석의 매개 중심성 및 중개 중심성 값을 기반으로 IPC별 우선순위를 통해 핵심 기술을 선정한다. Lee는 기술이전이 된 특허들의 IPC를 기반으로 연관규칙분석 및 사회네트워크 분석을 통해 기술 추이 및 기술 관계를 분석하여 기술이전 대상 기술의 파악 및 어떠한 기술들이 융합되었는지 추출하는 방법을 제안하였다[9].
대상 데이터
본 논문에서 제안하는 모델의 실험을 위해 Kipris에서 2013년 이후 발명된 특허 데이터를 수집하였으며, 최신 및 원천 기술을 주로 연구하는 연구소들에 대한 특허 기술 분류를 분석하기 위해 국가과학기술연구회 산하 정부출연연구소 중에서 특허 건수 기준, 최대, 최소, 중간 값을 가지는 3개 출원인(연구소)을 선정하였다. [표 3]은 데이터 정제 및 처리에 따른 각 출원인 별 특허의 개수를 나타내며 [표 4]는 핵심 기술 분류 도출을 위해 정제 및 처리를 통해 추출된 각 출원인 별 고유한 IPC와 CPC의 개수를 나타낸다.
특허 분류체계는 신규 특허에 대한 심사과정에서 신규 특허의 신규성 및 진보성을 기존 특허와 비교 평가하기 위해 사용되며, 특허 기술 발전의 추이를 분석하기 위한 기초 통계 정보 도출을 위해 사용된다. 이러한 분류 체계로 1968년 제정된 IPC(International Patent Classification) 체계가 사용되며 62개 국가에서 채택하여 사용되었다. 그렇지만 미국, 유럽, 일본의 경우 서로 다른 분류 체계를 국가별로 개발해서 사용하고 있기 때문에 특허 기술에 대한 글로벌 트렌드의 통합 비교에 어려움이 발생한다.
이론/모형
핵심 기술 도출을 위해 특정 영역 특허들의 IPC를 메인그룹(Main Group) 수준으로 정제한다. IPC 기반 연관 규칙 행렬을 도출하여 기술상호관계 값을 추출하고 ANP(Analytic Network Process)기법을 적용하여 기술 중요도를 계산한다. 도출된 기술 중요도 값은 DEA(Data Envelopment Analysis)방법을 통해 핵심기술을 도출한다.
각 출원인의 핵심 기술 분류를 도출하기 위해 DEA 기법에서 BCC모형과 산출지향모형을 적용한다. 출원인의 모든 기술 분류 코드의 지지도, 신뢰도, 향상도를 산출 요소로 대응하고, 투입 요소를 10으로 고정하여 IPC와 CPC 기술 분류 각각에 대한 상대적 효율성 점수를 측정한다.
기술 분류들 간의 연관관계를 분석하기 위해 CPC 기반 연관 규칙 분석(Association Rule Mining, ARM) 기법을 적용한다. 연관 규칙 도출에 사용되는 트랜잭션은 개별 특허로 대응하고 항목 집합은 코드들의 집합으로 대응하며, 코드들의 빈발 항목 집합은 지지도(Support) 값으로 수식 (1)과 같이 계산한다.
IPC 기반 연관 규칙 행렬을 도출하여 기술상호관계 값을 추출하고 ANP(Analytic Network Process)기법을 적용하여 기술 중요도를 계산한다. 도출된 기술 중요도 값은 DEA(Data Envelopment Analysis)방법을 통해 핵심기술을 도출한다. 이처럼 IPC를 기반으로 다양한 연구들이 수행되었으나, 최근 기술의 발전 속도가 가속화됨에 따라 기 정의된 IPC로는 기술에 대한 상세한 표현이 부족할 뿐만 아니라 새로운 기술에 대응할 수 없으며, 서로 다른 나라에서 출원되는 특허들의 기술 정보를 통합 관리할 수 없는 문제가 발생하였다.
출원인의 모든 기술 분류 코드의 지지도, 신뢰도, 향상도를 산출 요소로 대응하고, 투입 요소를 10으로 고정하여 IPC와 CPC 기술 분류 각각에 대한 상대적 효율성 점수를 측정한다. 오픈 소스 R 통계 도구에서 제공하는 rDEA 패키지(version: 1.2-5)를 이용해 실험하였다[14]. [표 9-11]은 실험 대상 전체 코드 중에서 실험을 통해 효율성 값이 1인 핵심 기술 분류와 각 코드의 지지도, 신뢰도, 향상도를 나타낸다.
기존 IPC 기반의 핵심 기술 분류 도출 방법과 비교 분석을 통해 CPC의 유용성을 보이며, CPC를 통해 기업의 핵심 기술 분류를 보다 상세하고 정확하게 추출할 수 있음을 보인다. 이를 위해 본 논문에서는 IPC 기반의 연구인 Kim[7]의 접근 방법을 CPC에 적용하여 IPC와 CPC의 비교 평가를 수행한다. 본 논문의 기여도를 나열하면 다음과 같다.
출원인의 특허에 포함된 CPC 코드의 연관관계에 대한 지지도(수식 1), 신뢰도(수식 2), 향상도(수식 3)를 기반으로 [표 2]와 같은 지지도 행렬을 도출하여 CPC 코드별연관관계 값을 ANP기법의 입력 값으로 사용한다.
성능/효과
따라서 본 논문에서는 출원인의 핵심 기술 분류 체계를 분석하기 위해 CPC 기반 특허 기술 분류 분석 모델을 제안한다. 기존 IPC 기반의 핵심 기술 분류 도출 방법과 비교 분석을 통해 CPC의 유용성을 보이며, CPC를 통해 기업의 핵심 기술 분류를 보다 상세하고 정확하게 추출할 수 있음을 보인다. 이를 위해 본 논문에서는 IPC 기반의 연구인 Kim[7]의 접근 방법을 CPC에 적용하여 IPC와 CPC의 비교 평가를 수행한다.
또한 [표 3]과 [표8]에 나타나는 각 출원인 별 특징에서 IPC를 포함한 특허의 개수보다 CPC가 포함된 특허의 개수가 더 적었음에도 CPC로 표현된 핵심 기술 분류의 수는 IPC보다 더 많음을 확인 할 수 있다. 다시 말해서 특허 기술을 명세하고 분류함에 있어 CPC가 IPC보다 유용함을 확인 할 수 있다. 또한 [표 9, 10]의 결과를 통해 출원인 A, B에 대한 기술 분류 섹션 중 IPC를 통해 표현되지 못한 섹션(C, Y 섹션)이 CPC 기술 분류를 통해 나타남을 확인할 수 있다.
첫째, 지속적으로 활용되고 있는 CPC 기반 핵심 기술 분류 분석 모델을 정의하고 구현하였다. 둘째, 최신 기술 및 선도적인 연구 및 개발을 추진하는 정부출연연구소에서 발명된 특허에 제안 모델을 적용해 연구소의 핵심 기술 분류에 대한 분석이 가능함을 보인다.
또한 제안 모델을 통해 각 출원인 별 핵심기술 분류를 도출하여 발명된 특허에 사용된 기술들을 대표하는 대표 기술 분야를 도출하였다. 따라서 출원인의 핵심 기술 분류 코드에는 기존의 IPC 기술 분류로 분류되지 않았던 새로운 기술 분류가 포함될 수 있으며 CPC 기술 분류가 유용함을 재확인 하였다. 추후 제안 모델의 분석 결과를 통해 출원인의 대표적인 기술을 분류하고 대표 기술을 상세하게 도출하는 정보로 사용할 수 있을 것이다.
각 출원인의 IPC와 CPC 별 도출된 핵심 기술 분류들이 상이함을 [표 8]을 통해 확인할 수 있다. 또한 [표 3]과 [표8]에 나타나는 각 출원인 별 특징에서 IPC를 포함한 특허의 개수보다 CPC가 포함된 특허의 개수가 더 적었음에도 CPC로 표현된 핵심 기술 분류의 수는 IPC보다 더 많음을 확인 할 수 있다. 다시 말해서 특허 기술을 명세하고 분류함에 있어 CPC가 IPC보다 유용함을 확인 할 수 있다.
다시 말해서 특허 기술을 명세하고 분류함에 있어 CPC가 IPC보다 유용함을 확인 할 수 있다. 또한 [표 9, 10]의 결과를 통해 출원인 A, B에 대한 기술 분류 섹션 중 IPC를 통해 표현되지 못한 섹션(C, Y 섹션)이 CPC 기술 분류를 통해 나타남을 확인할 수 있다. 이는 곧, 새로운 분야의 기술을 포함하고 있는 특허에 사용된 기술 중 IPC로 분류되지 않았던 기술이 CPC 분류 코드를 통해 분류되는 것을 확인할 수 있다.
실험 결과 출원인에서 CPC 기술 분류를 통해 IPC 분류에서 도출되지 않았던 새로운 기술 분류가 도출됨을 확인하였다. 또한 제안 모델을 통해 각 출원인 별 핵심기술 분류를 도출하여 발명된 특허에 사용된 기술들을 대표하는 대표 기술 분야를 도출하였다.
후속연구
본 논문의 한계는 제안 모델을 기반으로 출원인 별 핵심 기술 분류를 도출하였지만 제목, 청구항 등에서 나타나는 상세 기술들과 연계가 부족하다. 따라서 텍스트 마이닝 기법을 이용하여 CPC 기술 분류와 기술명 매핑을 통한 핵심 기술 도출 연구를 향후 과제로 한다.
추후 제안 모델의 분석 결과를 통해 출원인의 대표적인 기술을 분류하고 대표 기술을 상세하게 도출하는 정보로 사용할 수 있을 것이다. 본 논문의 한계는 제안 모델을 기반으로 출원인 별 핵심 기술 분류를 도출하였지만 제목, 청구항 등에서 나타나는 상세 기술들과 연계가 부족하다. 따라서 텍스트 마이닝 기법을 이용하여 CPC 기술 분류와 기술명 매핑을 통한 핵심 기술 도출 연구를 향후 과제로 한다.
따라서 출원인의 핵심 기술 분류 코드에는 기존의 IPC 기술 분류로 분류되지 않았던 새로운 기술 분류가 포함될 수 있으며 CPC 기술 분류가 유용함을 재확인 하였다. 추후 제안 모델의 분석 결과를 통해 출원인의 대표적인 기술을 분류하고 대표 기술을 상세하게 도출하는 정보로 사용할 수 있을 것이다. 본 논문의 한계는 제안 모델을 기반으로 출원인 별 핵심 기술 분류를 도출하였지만 제목, 청구항 등에서 나타나는 상세 기술들과 연계가 부족하다.
질의응답
핵심어
질문
논문에서 추출한 답변
CPC 기술 분류는 기술을 어떻게 분류하는 가?
CPC 기술 분류는 [그림 2]와 같이 섹션(section), 클래스(class), 서브클래스(sub-class), 메인그룹(main-group), 서브그룹(sub-group), 서브 그룹 이하의 계층적 구조로 기술을 분류하며 코드 형태로 기술 분류를 표현한다. 본 연구에서 CPC 코드 기반의 출원인의 핵심 기술 분류를 도출하고 이를 분석하기 위해 [표 1]과 같이 정제과정을 수행한다.
어떤 특허 분석 기법들이 연구되었는 가?
그러므로 시장을 선도하는 핵심 기술 및 기업 별 요소 기술들을 상세히 분석할 필요가 있다. 이를 위해 다양한 특허 분석 기법들이 연구되었으며, 주로 텍스트 마이닝 기법과 자연어 처리를 이용하여 특허기술 용어를 분석하는 방법[3][4], 그리고 특허 발명자 정보를 기반으로 한 특허 발명 네트워크를 분석하는 연구들이 수행되었다[5][6]. 그렇지만 특허가 발명되기 위해서는 신규성, 진보성 등이 있어야하기 때문에 특허 내 표현되는 기술 용어의 경우 유사한 기술에 대한 권리를 주장함에도 서로 다른 용어로 표현되는 특성이 있다.
대안으로서 CPC가 개발된 이유는?
도출된 기술 중요도 값은 DEA(Data Envelopment Analysis)방법을 통해 핵심기술을 도출한다. 이처럼 IPC를 기반으로 다양한 연구들이 수행되었으나, 최근 기술의 발전 속도가 가속화됨에 따라 기 정의된 IPC로는 기술에 대한 상세한 표현이 부족할 뿐만 아니라 새로운 기술에 대응할 수 없으며, 서로 다른 나라에서 출원되는 특허들의 기술 정보를 통합 관리할 수 없는 문제가 발생하였다. 이에 대안으로 CPC가 개발되었다.
참고문헌 (14)
Z. Griliches, A. Pakes, and B. H. Hall, The Value of Patents as Indicators of Inventive Activity, Economic Policy and Technological Performance, Cambridge: Cambridge University Press, contents Pub, 1987.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.