검색 상세

특허 패밀리 수를 고려한 머신러닝 기반의 특허 가치 평가 시스템

A Machine Learning-Based System for Patent Valuation Considering the Number of Patent Families

  • 이형진 (Hyeongjin Lee, SW·AI융합대학원 인공지능융합학과)

초록/요약

최근 지식재산권의 가치를 평가하여 자본으로 활용하려는 시도가 이어지고 있다. 이를 위해 특허권을 포함한 지식재산권의 가치를 평가하기 위한 다양한 방법들이 연구되고 있으며, 가치 평가 과정에서 지식재산 실무에서의 판단 기준이 적절히 반영될 필요가 있다. 기존의 특허 가치 평가 방식들은 주로 특허 심사 과정에서의 피인용 수를 지표로 활용하여 특허 품질을 예측하였으며, 특허권자, 피인용 수, 청구항 수, IPC 수 및 특허 패밀리 수 등의 다양한 인자를 조합하여 피인용 수를 예측하였으나, 특허 패밀리 수가 특허의 가치에 미치는 영향에 대한 분석을 수행한 연구는 부족하였다. 특허 패밀리 수는 특허가 출원된 국가의 수를 의미하며, 직접적으로는 특허의 지역적 보호 범위를 나타내고, 간접적으로는 해당 특허가 가지는 기술적 중요성과 혁신 성과로서의 가치에 대한 정보를 제공한다. 특허 실무적으로는 해외 출원에 소요되는 비용이 국내 출원에 비해 10 배 이상 소요된다는 점에서 해외 출원 심의 절차와 같은 엄격한 가치 평가 과정을 거쳐 해외 출원이 진행되므로, 특허 패밀리 수 자체가 특허의 가치를 내포하고 있다고 판단할 수 있다. 이러한 분석에 기초하여, 본 연구에서는 머신러닝 기반의 특허 가치 평가 시스템을 개발하여 특허 패밀리수의 중요성을 검증하고, 특허 패밀리 수의 가중치를 최적화하여 보다 높은 실효성을 가지도록 특허 가치 평가 시스템을 구현하였다. 이처럼, 본 연구에서는 주관적인 판단에 의존하였던 특허 가치 평가 방법에 머신러닝 시스템을 도입하였으며, 다양한 지표 중에서도 특허 패밀리 수에 주안점을 두어 새로운 관점을 제시한다.

more

초록/요약

In recent years, there has been a growing interest in evaluating the value of intellectual property (IP) as a means of leveraging it as capital. Consequently, various approaches to assess the value of IP, including patents, have been developed. However, it remains crucial to ensure that these valuation methods appropriately reflect practical considerations from the field of IP management. Traditional patent valuation methods often rely on citation counts during the patent examination process as a primary indicator of patent quality. These methods typically combine various factors such as the patent owner, citation count, number of claims, IPC classifications, and patent family size to predict citation counts. Nevertheless, there has been limited research analyzing the impact of patent family size on patent value. Patent family size represents the number of jurisdictions in which a patent has been filed, directly reflecting the geographical scope of its protection and indirectly conveying the patent’s technological significance and value as an innovation outcome. In practical terms, filing patents abroad incurs costs more than tenfold higher than domestic applications, and these foreign filings undergo stringent evaluation processes, indicating that patent family size can inherently reflect the value of a patent. Building upon this understanding, the present study develops a machine learning-based patent valuation system that emphasizes the importance of patent family size, optimizing its weighting to create a more effective valuation model. This approach introduces a machine learning framework into the traditionally subjective domain of patent valuation, proposing a novel perspective by focusing on patent family size as a critical factor among various metrics.

more

목차

초록 ................................................................... i

ABSTRACT ............................................................. iii

목차 ................................................................... v

표 목차 .............................................................. vii

그림 목차 ........................................................... viii

제 1 장. 서론 ........................................................... 1

1.1 연구의 필요성 ................................................. 1

1.2 연구 범위 및 목적 ............................................. 3

제 2 장. 관련 연구 ...................................................... 5

2.1 특허 가치 평가 이론에 관한 기존 연구 .......................... 5

2.1.1 특허 가치 평가를 위한 이론적 접근 ................... 5

2.1.2 특허 가치 평가를 위한 평가 지표 활용 ................ 6

2.2 특허 가치 평가 모델에 관한 기존 연구 .......................... 8

2.2.1 특허 가치 평가를 위한 기존 모델 ..................... 8

2.2.2 머신 러닝 모델 기반의 특허 가치 평가 ................ 9

제 3 장. 머신 러닝 기반의 특허 가치 평가 모델 .......................... 12

3.1 데이터셋 ..................................................... 13

3.2 변수 선정 .................................................... 13

3.2.1 종속 변수 .......................................... 15

3.2.2 독립 변수 .......................................... 16

3.3 머신러닝 모델 선정 및 평가 지표 .............................. 17

3.3.1 선형 회귀 모델 ..................................... 18

3.3.2 XGBoost 모델 ....................................... 18

3.3.3 DNN 모델 ........................................... 19

3.3.4 평가 지표 .......................................... 20

제 4 장. 특허 패밀리 수를 고려한 특허 가치 평가 시스템 ................. 21

4.1 모델 파이프라인 설계 ......................................... 21

4.2 데이터 전처리 ................................................ 21

4.3 가중치 설계 .................................................. 23

4.4 특허 가치 평가 모델 학습 ..................................... 25

4.5 특허 가치 평가 모델 검증 ..................................... 29

제 5 장. 실험 결과 ..................................................... 30

5.1 특허 패밀리 수의 가중치 변화에 따른 결과 ..................... 30

5.2 특허 패밀리 수 외 지표의 가중치 변화에 따른 결과 ............. 33

제 6 장. 결론 및 향후 과제 ............................................. 35

참고문헌 .............................................................. 36

more
반출 Meta View 목록