맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

딥러닝 기반의 가치 평가 방법 및 그 장치

  • 기술번호 : KST2019015251
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 딥러닝 기반의 가치 평가 방법이 제공된다. 가치 평가 장치에 의해 수행되는 본 발명의 일 실시예에 따른 가치 평가 방법은 평가 대상의 클래스 정보를 입력받는 단계, GAN(Generative Adversarial Network) 기반의 딥러닝 모델을 이용하여, 상기 입력된 클래스 정보와 연관된 제1 평가 기초 데이터를 생성하는 단계 및 상기 제1 평가 기초 데이터를 가치 평가 모델에 적용하여 상기 평가 대상의 가치를 평가하는 단계를 포함할 수 있다. 이때, 상기 제1 평가 기초 데이터는 가상의 데이터 샘플로 구성된다.
Int. CL G06Q 10/06 (2012.01.01) G06N 3/08 (2006.01.01)
CPC G06Q 10/06393(2013.01) G06Q 10/06393(2013.01) G06Q 10/06393(2013.01) G06Q 10/06393(2013.01)
출원번호/일자 1020180083467 (2018.07.18)
출원인 한국과학기술정보연구원
등록번호/일자 10-1936029-0000 (2019.01.02)
공개번호/일자
공고번호/일자 (20190111) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.07.18)
심사청구항수 20

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술정보연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 박현우 서울특별시 성북구
2 전승표 서울특별시 관악구
3 이종택 서울특별시 양천구
4 김병훈 서울특별시 강남구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인가산 대한민국 서울 서초구 남부순환로 ****, *층(서초동, 한원빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술정보연구원 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2018.07.18 수리 (Accepted) 1-1-2018-0709464-70
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2018.07.18 수리 (Accepted) 1-1-2018-0709539-06
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2018.07.20 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2018.07.30 수리 (Accepted) 9-1-2018-0036820-88
5 의견제출통지서
Notification of reason for refusal		 2018.08.14 발송처리완료 (Completion of Transmission) 9-5-2018-0552289-95
6 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2018.09.27 수리 (Accepted) 1-1-2018-0951485-94
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2018.10.10 수리 (Accepted) 1-1-2018-0994284-65
8 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.10.10 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0994285-11
9 등록결정서
Decision to grant		 2018.12.17 발송처리완료 (Completion of Transmission) 9-5-2018-0866593-91
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
가치 평가 장치에 의해 수행되는 딥러닝 기반의 가치 평가 방법에 있어서,평가 대상의 클래스 정보를 입력받는 단계;GAN(Generative Adversarial Network) 기반의 딥러닝 모델을 이용하여, 상기 입력된 클래스 정보와 연관된 제1 평가 기초 데이터를 생성하되, 상기 제1 평가 기초 데이터는 가상의 데이터 샘플로 구성되는 것인, 단계;상기 클래스 정보와 연관된 제2 평가 기초 데이터를 획득하되, 상기 제2 평가 기초 데이터는 실제의 데이터 샘플로 구성되는 것인, 단계;상기 제1 평가 기초 데이터를 가치 평가 모델에 적용하여 상기 평가 대상의 제1 가치 평가 결과를 산출하는 단계;상기 제2 평가 기초 데이터를 상기 가치 평가 모델에 적용하여 상기 평가 대상의 제2 가치 평가 결과를 산출하는 단계; 및상기 제1 가치 평가 결과 및 상기 제2 가치 평가 결과의 가중치 합에 기초하여 상기 평가 대상에 대한 최종 가치 평가 결과를 산출하는 단계를 포함하되,상기 딥러닝 모델은 상기 제1 평가 기초 데이터를 생성하는 생성기(generator)와 실제 데이터와 가상 데이터를 판별하는 판별기(discriminator)를 포함하고,상기 최종 가치 평가 결과를 산출함에 있어서, 상기 제1 가치 평가 결과와 상기 제2 가치 평가 결과에 적용되는 가중치는, 상기 제1 평가 기초 데이터를 상기 판별기에 적용하여 획득된 컨피던스 스코어(confidence score)에 기초하여 결정되는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
2 2
제1 항에 있어서,상기 평가 대상은 기술이고,상기 평가 대상의 클래스 정보는 IPC(International Patent Classification) 코드 및 SIC(Standard Industrial Classification) 코드 중 적어도 하나를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
3 3
제1 항에 있어서,상기 가치 평가 모델은 현금 흐름 할인 모형인 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
4 4
제1 항에 있어서,상기 제1 평가 기초 데이터는 복수개의 데이터 샘플을 포함하고,상기 제1 가치 평가 결과를 산출하는 단계는,상기 복수개의 데이터 샘플을 상기 가치 평가 모델에 적용하여, 복수개의 가치 평가 값을 결정하는 단계; 및상기 복수개의 가치 평가 값에 커널 밀도 추정(kernel density estimation) 기법을 적용하여, 상기 평가 대상의 가치 분포를 추정하는 단계를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
5 5
제1 항에 있어서,상기 제1 평가 기초 데이터는 복수개의 데이터 샘플을 포함하고,상기 제1 가치 평가 결과를 산출하는 단계는,상기 복수개의 데이터 샘플 각각을 분류기(classifier)에 적용하여, 상기 클래스 정보에 대한 컨피던스 스코어를 결정하는 단계; 및상기 컨피던스 스코어가 임계치 이상인 데이터 샘플에 기초하여 상기 제1 가치 평가 결과를 산출하는 단계를 포함하되,상기 분류기는 입력된 데이터 샘플을 기초로 상기 평가 대상의 클래스를 예측하는 기계 학습 모델인 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
6 6
제1 항에 있어서,상기 제1 평가 기초 데이터는 복수개의 데이터 샘플을 포함하고,상기 제1 가치 평가 결과를 산출하는 단계는,상기 복수개의 데이터 샘플 각각을 상기 판별기에 적용하여, 실제 데이터에 대한 컨피던스 스코어를 결정하는 단계; 및상기 컨피던스 스코어가 임계치 이상인 데이터 샘플에 기초하여 상기 제1 가치 평가 결과를 산출하는 단계를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
7 7
제1 항에 있어서,상기 딥러닝 모델의 트레이닝 데이터는 범주형 값을 갖는 제1 변수에 관한 데이터를 포함하고,상기 딥러닝 모델을 트레이닝하는 단계를 더 포함하되,상기 트레이닝하는 단계는,상기 제1 변수를 더미 변수(dummy variable)로 변환하는 단계; 및상기 더미 변수에 관한 데이터를 이용하여 상기 딥러닝 모델을 트레이닝하는 단계를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
8 8
제1 항에 있어서,상기 판별기는 가상 데이터와 실제 데이터를 분류하는 제1 분류기와 상기 평가 대상의 클래스를 분류하는 제2 분류기를 포함하되,상기 생성기의 입력 데이터 및 출력 데이터는 상기 평가 대상의 클래스 정보를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
9 9
제8 항에 있어서,상기 딥러닝 모델을 트레이닝하는 단계를 더 포함하되,상기 트레이닝하는 단계는,상기 생성기에 의해 생성된 제1 가상 데이터 샘플을 상기 제1 분류기에 적용하여, 상기 제1 가상 데이터 샘플에 대한 제1 오차를 결정하는 단계;상기 제1 가상 데이터 샘플을 상기 제2 분류기에 적용하여, 상기 제1 가상 데이터 샘플에 대한 제2 오차를 결정하는 단계; 및상기 제1 오차 및 상기 제2 오차를 이용하여, 상기 생성기를 트레이닝하는 단계를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
10 10
제1 항에 있어서,상기 딥러닝 모델은 상기 평가 대상의 클래스를 분류하는 분류기를 더 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
11 11
제10 항에 있어서,상기 딥러닝 모델을 트레이닝하는 단계를 더 포함하되,상기 트레이닝하는 단계는,상기 평가 대상의 클래스 정보가 포함된 제1 실제 데이터 샘플과 상기 생성기에 의해 생성된 제1 가상 데이터 샘플을 이용하여 상기 분류기를 트레이닝하는 단계;상기 트레이닝된 분류기를 이용하여, 상기 평가 대상의 클래스 정보가 포함되지 않은 제2 실제 데이터 샘플에 상기 평가 대상의 클래스를 부여하는 단계; 및상기 클래스가 부여된 상기 제2 실제 데이터 샘플을 이용하여 상기 딥러닝 모델을 트레이닝하는 단계를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
12 12
제1 항에 있어서,상기 제1 평가 기초 데이터는 상기 가치 평가 모델의 제1 모델 변수에 대응되는 제1 가상 데이터와 제2 모델 변수에 대응되는 제2 가상 데이터를 포함하고,상기 생성기는 상기 제1 가상 데이터를 생성하는 제1 서브 생성기(sub-generator)와 상기 제2 가상 데이터를 생성하는 제2 서브 생성기를 포함하는 것을 특징으로 하는,딥러닝 기반의 가치 평가 방법
13 13
삭제
14 14
삭제
15 15
프로세서;상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,상기 컴퓨터 프로그램은,평가 대상의 클래스 정보를 입력받는 동작;GAN(Generative Adversarial Network) 기반의 딥러닝 모델을 이용하여, 상기 클래스 정보와 연관된 제1 평가 기초 데이터를 생성하되, 상기 제1 평가 기초 데이터는 가상의 데이터 샘플로 구성되는 것인, 동작;상기 클래스 정보와 연관된 제2 평가 기초 데이터를 획득하되, 상기 제2 평가 기초 데이터는 실제의 데이터 샘플로 구성되는 것인, 동작;상기 제1 평가 기초 데이터를 가치 평가 모델에 적용하여 상기 평가 대상의 제1 가치 평가 결과를 산출하는 동작;상기 제2 평가 기초 데이터를 상기 가치 평가 모델에 적용하여 상기 평가 대상의 제2 가치 평가 결과를 산출하는 동작; 및상기 제1 가치 평가 결과 및 상기 제2 가치 평가 결과의 가중치 합에 기초하여 상기 평가 대상에 대한 최종 가치 평가 결과를 산출하는 동작을 수행하도록 하는 인스트럭션들(instructions)을 포함하고,상기 딥러닝 모델은 상기 제1 평가 기초 데이터를 생성하는 생성기(generator)와 실제 데이터와 가상 데이터를 판별하는 판별기(discriminator)를 포함하고,상기 최종 가치 평가 결과를 산출함에 있어서, 상기 제1 가치 평가 결과와 상기 제2 가치 평가 결과에 적용되는 가중치는, 상기 제1 평가 기초 데이터를 상기 판별기에 적용하여 획득된 컨피던스 스코어(confidence score)에 기초하여 결정되는 것을 특징으로 하는,가치 평가 장치
16 16
제15 항에 있어서,상기 평가 대상은 기술이고,상기 평가 대상의 클래스 정보는 IPC(International Patent Classification) 코드 및 SIC(Standard Industrial Classification) 코드 중 적어도 하나를 포함하는 것을 특징으로 하는,가치 평가 장치
17 17
제15 항에 있어서,상기 가치 평가 모델은 현금 흐름 할인 모형인 것을 특징으로 하는,가치 평가 장치
18 18
제15 항에 있어서,상기 제1 평가 기초 데이터는 복수개의 데이터 샘플을 포함하고,상기 평가 대상의 제1 가치 평가 결과를 산출하는 동작은,상기 복수개의 데이터 샘플을 상기 가치 평가 모델에 적용하여, 복수개의 가치 평가 값을 결정하는 동작; 및상기 복수개의 가치 평가 값에 커널 밀도 추정(kernel density estimation) 기법을 적용하여, 상기 평가 대상의 가치 분포를 추정하는 동작을 포함하는 것을 특징으로 하는,가치 평가 장치
19 19
제15 항에 있어서,상기 딥러닝 모델의 트레이닝 데이터는 범주형 값을 갖는 제1 변수에 관한 데이터를 포함하고,상기 컴퓨터 프로그램은,상기 딥러닝 모델을 트레이닝하는 동작을 수행하도록 하는 인스트럭션들을 더 포함하되,상기 트레이닝하는 동작은,상기 제1 변수를 더미 변수(dummy variable)로 변환하는 동작; 및상기 더미 변수에 관한 데이터를 이용하여 상기 딥러닝 모델을 트레이닝하는 동작을 포함하는 것을 특징으로 하는,가치 평가 장치
20 20
제15 항에 있어서,상기 판별기는 가상 데이터와 실제 데이터를 분류하는 제1 분류기와 상기 평가 대상의 클래스를 분류하는 제2 분류기를 포함하되,상기 생성기의 입력 데이터 및 출력 데이터는 상기 평가 대상의 클래스 정보를 포함하는 것을 특징으로 하는,가치 평가 장치
21 21
제20 항에 있어서,상기 컴퓨터 프로그램은,상기 딥러닝 모델을 트레이닝하는 동작을 수행하도록 하는 인스트럭션들을 더 포함하되,상기 트레이닝하는 동작은,상기 생성기에 의해 생성된 제1 가상 데이터 샘플을 상기 제1 분류기에 적용하여, 상기 제1 가상 데이터 샘플에 대한 제1 오차를 결정하는 동작;상기 제1 가상 데이터 샘플을 상기 제2 분류기에 적용하여, 상기 제1 가상 데이터 샘플에 대한 제2 오차를 결정하는 동작; 및상기 제1 오차 및 상기 제2 오차를 이용하여, 상기 생성기를 트레이닝하는 동작을 포함하는 것을 특징으로 하는,가치 평가 장치
22 22
컴퓨팅 장치와 결합되어,평가 대상의 클래스 정보를 입력받는 단계;GAN(Generative Adversarial Network) 기반의 딥러닝 모델을 이용하여, 상기 입력된 클래스 정보와 연관된 제1 평가 기초 데이터를 생성하되, 상기 제1 평가 기초 데이터는 가상의 데이터 샘플로 구성되는 것인, 단계;상기 클래스 정보와 연관된 제2 평가 기초 데이터를 획득하되, 상기 제2 평가 기초 데이터는 실제의 데이터 샘플로 구성되는 것인, 단계;상기 제1 평가 기초 데이터를 가치 평가 모델에 적용하여 상기 평가 대상의 제1 가치 평가 결과를 산출하는 단계;상기 제2 평가 기초 데이터를 상기 가치 평가 모델에 적용하여 상기 평가 대상의 제2 가치 평가 결과를 산출하는 단계; 및상기 제1 가치 평가 결과 및 상기 제2 가치 평가 결과의 가중치 합에 기초하여 상기 평가 대상에 대한 최종 가치 평가 결과를 산출하는 단계를 실행시키되,상기 딥러닝 모델은 상기 제1 평가 기초 데이터를 생성하는 생성기(generator)와 실제 데이터와 가상 데이터를 판별하는 판별기(discriminator)를 포함하고,상기 최종 가치 평가 결과를 산출함에 있어서, 상기 제1 가치 평가 결과와 상기 제2 가치 평가 결과에 적용되는 가중치는, 상기 제1 평가 기초 데이터를 상기 판별기에 적용하여 획득된 컨피던스 스코어(confidence score)에 기초하여 결정되는 것인, 컴퓨터로 판독가능한 기록 매체에 저장된,컴퓨터 프로그램
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
패밀리 정보가 없습니다

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2020022639 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 한국과학기술정보연구원 한국과학기술정보연구원 연구운영비지원(주요사업비) 데이터 기반 기술사업화 지원체제 구축