본문 바로가기
KERD
논문KCI 등재

감마 회귀모형과 시각화를 이용한 특허 키워드 분석

Patent Keyword Analysis using Gamma Regression Model and Visualization

전성해
한국컴퓨터정보학회 (The Korean Society Of Computer And Information)|2022.08|한국컴퓨터정보학회논문지 (Journal of The Korea Society of Computer and Information)|제27권 제8호|pp. 143-149|DOI https://doi.org/10.9708/jksci.2022.27.08.143

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

Patent Analysis특허분석일반화선형모형Generalized Linear ModelGaussian DistributionGamma Distribution감마분포특허키워드가우시안분포Patent Keyword
주제분류컴퓨터학

초록

특허문서는 연구 개발된 기술에 대한 상세한 결과를 포함하고 있기 때문에 효과적인 기술분석을 위한 다양한 특허분석 방법에 대한 연구가 진행되고 있다. 특히 통계학과 머신러닝 알고리즘에 의한 정량적인 특허분석에 대한 연구가 최근 활발하게 이루어지고 있다. 정량적 특허분석에서가장 많이 사용되는 특허 데이터는 기술 키워드이다. 기술 키워드 데이터를 분석하는 기존의 방법은 대부분 음의 무한대부터 양의 무한대까지 실수 공간 전체를 확률변수의 값으로 갖는 가우시안 확률분포에 기반한 모형이었다. 본 논문에서는 이론적으로 0부터 양의 무한대까지의 값을 갖는 특허 키워드의 빈도 데이터를 분석하기 위하여 감마 확률분포를 활용한 모형을 제안한다. 또한 감마 회귀모형의 회귀방정식을 결정하기 위하여 키워드 간의 기술 연관성을 시각화하는 2-모드 네트워크를 구축한다. 제안 방법과 기존의 가우시안 기반의 분석모형 간의 성능평가를 위하여실제 특허 데이터를 수집하여 분석한다.

Abstract

Since patent documents contain detailed results of research and development technologies, many studies on various patent analysis methods for effective technology analysis have been conducted. In particular, research on quantitative patent analysis by statistics and machine learning algorithms has been actively conducted recently. The most used patent data in quantitative patent analysis is technology keywords. Most of the existing methods for analyzing the keyword data were models based on the Gaussian probability distribution with random variable on real space from negative infinity to positive infinity. In this paper, we propose a model using gamma probability distribution to analyze the frequency data of patent keywords that can theoretically have values from zero to positive infinity. In addition, in order to determine the regression equation of the gamma-based regression model, two-mode network is constructed to visualize the technological association between keywords. Practical patent data is collected and analyzed for performance evaluation between the proposed method and the existing Gaussian-based analysis models.

참고문헌 (25)

  1. A. T. Roper, "Forecasting and Management of Technology" (2011), John Wiley & Sons
  2. S. Jun, "A novel method of IP R&D using patent analysis and expert survey", Queen Mary Journal of Intellectual Property, 5(4), pp.474~494 (2015)
  3. J. Kim, "Patent data analysis using functional count data model", Soft Computing, 23(18), pp.8815~8826 (2019)
  4. Khaled Sulaiman Khalfan Sulaiman Alkaabi, "특허분석을 이용한 스마트 모바일 기술과 정보통신기술의 통합에 관한 연구", 한국컴퓨터정보학회논문지, 24(6), pp.89~97 (2019), 한국컴퓨터정보학회[DOI]
  5. 박재용, "특허정보를 이용한 무인화 기술 동향 분석", 한국컴퓨터정보학회논문지, 22(3), pp.89~96 (2017), 한국컴퓨터정보학회[DOI]
  6. 박재용, "특허정보를 이용한 인공지능 기술 동향 분석", 한국컴퓨터정보학회논문지, 23(4), pp.9~16 (2018), 한국컴퓨터정보학회[DOI]
  7. 박상성, "Technological cognitive diagnosis model for patent keyword analysis", ICT Express, 6(1), pp.57~61 (2020), 한국통신학회
  8. D. Uhm, "Patent Data Analysis of Artificial Intelligence Using Bayesian Interval Estimation", Applied Sciences, 10, pp.570~ (2020)[DOI]
  9. J. Choi, "A Predictive Model of Technology Transfer using Patent Analysis", Sustainability, 7(12), pp.16175~16195 (2015)
  10. 최준혁, "특허 빅데이터 분석을 위한 데이터 평활 및 이상치 제거", 한국컴퓨터정보학회논문지, 21(8), pp.77~84 (2016), 한국컴퓨터정보학회
  11. J. Kim, "Penalized Regression Models for Patent Keyword Analysis", Model Assisted Statistics and Applications-International Journal, 12, pp.239~244 (2017)
  12. D. Hunt, "Patent Searching Tools & Techniques" (2007), Wiley
  13. I. Feinerer, "Text mining infrastructure in R", Journal of Statistical Software, 25(5), pp.1~54 (2008)
  14. I. Feinerer, "Package ‘tm’ Ver. 0.7-8 Text Mining Package", CRAN of R project, ~ (2020)
  15. S. Ju, "Bayesian Count Data Modeling for Finding Technological Sustainability", Sustainability, 10(9), pp.3220~ (2018)
  16. K. P. Murphy, "Machine Learning: a probabilistic perspective" (2012), MIT Press
  17. T. Hastie, "The Elements of Statistical Learning, Data Mining, Inference, and Prediction" (2017), Springer
  18. D. C. Montgomery, "Introduction to Linear Regression Analysis" (2012), John Wiley & Sons
  19. C. T. Butts, "network: A Package for Managing Relational Data in R", Journal of Statistical Software, 24(2), pp.1~36 (2008)
  20. C. T. Butts, "Package ‘network’ Ver. 1.17.2", Classes for Relational Data, CRAN of R project, ~ (2022)
  21. R. V. Hogg, "Introduction to Mathematical Statistics" (2020), Pearson
  22. A. Gelman, "Bayesian Data Analysis", pp.2013, Chapman & Hall
  23. R. V. Hogg, "Probability and Statistical Inference" (2015), Pearson
  24. "The United States Patent and Trademark Office" (2022)[URL]
  25. "R: A language and environment for statistical computing" (2022)[URL]

관련 논문AI추천

키워드 분포를 고려한 효과적 특허검색기법강민구, 송종수, 이우기한국엔터프라이즈아키텍처학회 · 정보화연구2012 · 제9권 제3호특허 인용에 영향을 미치는 요인 분석: 국내의료기기 특허를 중심으로윤재웅, 이석준, 이창섭한국정보관리학회 · 정보관리학회지2016 · 제33권 제2호부상기술 예측을 위한 특허키워드정보분석에 관한 연구 - GHG 기술 중심으로김갑조, 박상성, 장동식, 최도한(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2013 · 제9권 제2호부분최소제곱 회귀분석을 이용한 인공지능 기술분석전성해, 최준혁한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2020 · 제25권 제3호특허 키워드 시계열 분석을 통한 부상 기술 예측김갑조, 김종찬, 박상성, 이준혁, 장동식한국정보처리학회 · 정보처리학회 논문지2014 · 제3권 제9호특허 빅데이터 분석을 위한 데이터 평활 및 이상치 제거전성해, 최준혁한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2016 · 제21권 제8호

이 간행물의 다른 논문 (30건)

fNIRS 실험자료 기반 비즈니스 문제해결창의성 (BPSC)를 예측하기 위한 뉴로사이언스 마이닝 적용에 관한 연구: CNN, BiLSTM, 어텐션네트워크 결합을 중심으로김규성, 이건창, 김민경pp. 1-7LIDAR 센서 검지기반 차량 입출차 정확성과 신뢰도 향상을 위한 주차제어시스템 개발박정인pp. 9-21Prediction of Solar Photovoltaic Power Generation by Weather Using LSTM조규철, 이샘미pp. 23-30뉴스 감성 분석을 이용한 딥러닝 기반 주가 예측에 대한 연구강두원, 이하영, 정옥란, 유소엽pp. 31-39사전 학습된 BERT 기반 모델을 이용한 구어체 텍스트 요약이지수, 남원경, 장백철pp. 41-47
원문 보기