1 |
1
미리 설정된 기업들 각각에 대한 특허 데이터, 상기 기업들 각각의 연구개발과 관련된 데이터와 미리 설정된 기간의 성과 데이터를 수집하는 단계;상기 수집된 각각의 데이터를 이용하여 각각의 특징에 대한 특징 집합들로 분류하는 단계; 및상기 분류된 특징 집합들을 입력으로 하는 기계학습 기반으로 해당 기업의 미래 혁신을 예측하는 단계를 포함하는 기계학습 기반 미래 혁신 예측 방법
|
2 |
2
제1항에 있어서,상기 수집하는 단계는상기 기업들 각각에 대하여 미리 설정된 기간의 등록 특허들 각각에 대한 청구항 수, 양수인, 양수인 수, 발명자, 발명자 수, 선행인용 수와 후행인용 수를 포함하는 특허 데이터를 수집하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 방법
|
3 |
3
제2항에 있어서,상기 수집하는 단계는상기 기업들 각각에 대하여 일정 기간 동안 기업 재무, 임상시험 통과, 미국식품의약국(FDA)에 승인된 데이터, 기술의 기술적 및 상업적 성공 데이터, 신제품/신규 서비스의 출시/인증/허가 데이터를 포함하는 데이터를 성과 데이터로 수집하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 방법
|
4 |
4
제1항에 있어서,상기 예측하는 단계는로지스틱 회귀(Logit), nave Bayes(NB), 뉴럴 네트워크(NN), 서포트 벡터 머신(SVM; support vector machine)와 딥 빌리프 네트워크(DBN; deep belief network)를 사용하는 기계학습 기반으로 상기 해당 기업의 성과를 예측하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 방법
|
5 |
5
제1항에 있어서,상기 분류하는 단계는상기 특허 데이터를 이용한 특허 지표들과 상기 연구개발과 관련된 데이터를 이용한 내부 협업 구조와 외부 협업 구조, 및 특허 내용분석에 의한 특허 간 구조적 관계를 포함하는 특징 집합들로 분류하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 방법
|
6 |
6
미리 설정된 기업들 각각에 대한 특허 데이터, 상기 기업들 각각의 연구개발과 관련된 데이터와 미리 설정된 기간의 성과 데이터를 수집하는 수집부;상기 수집된 각각의 데이터를 이용하여 각각의 특징에 대한 특징 집합들로 분류하는 분류부; 및상기 분류된 특징 집합들을 입력으로 하는 기계학습 기반으로 해당 기업의 미래 혁신을 예측하는 예측부를 포함하는 기계학습 기반 미래 혁신 예측 시스템
|
7 |
7
제6항에 있어서,상기 수집부는상기 기업들 각각에 대하여 미리 설정된 기간의 등록 특허들 각각에 대한 청구항 수, 양수인, 양수인 수, 발명자, 발명자 수, 선행인용 수와 후행인용 수를 포함하는 특허 데이터를 수집하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 시스템
|
8 |
8
제7항에 있어서,상기 수집부는상기 기업들 각각에 대하여 일정 기간 동안 기업 재무, 임상시험 통과, 미국식품의약국(FDA)에 승인된 데이터, 기술의 기술적 및 상업적 성공 데이터, 신제품/신규 서비스의 출시/인증/허가 데이터를 포함하는 데이터를 성과 데이터로 수집하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 시스템
|
9 |
9
제6항에 있어서,상기 예측부는로지스틱 회귀(Logit), nave Bayes(NB), 뉴럴 네트워크(NN), 서포트 벡터 머신(SVM; support vector machine)와 딥 빌리프 네트워크(DBN; deep belief network)를 사용하는 기계학습 기반으로 상기 해당 기업의 성과를 예측하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 시스템
|
10 |
10
제6항에 있어서,상기 분류부는상기 특허 데이터를 이용한 특허 지표들과 상기 연구개발과 관련된 데이터를 이용한 내부 협업 구조와 외부 협업 구조, 및 특허 내용분석에 의한 특허 간 구조적 관계를 포함하는 특징 집합들로 분류하는 것을 특징으로 하는 기계학습 기반 미래 혁신 예측 시스템
|