엘리베이터 산업 특허의 가치 특성화 - 실증 분석

核心概念

특허 가치 평가 지표 시스템 구축 및 특허 가치 예측 모델 개발을 통해 특허 금융 기관에 과학적으로 신뢰할 수 있는 특허 가치 평가 기준을 제공한다.

要約

이 연구는 엘리베이터 산업의 특허 데이터를 활용하여 특허 가치 평가 지표 시스템을 구축하고, 결정 트리 분류 모델을 통해 특허 가치 예측 모델을 개발하였다.

주요 내용은 다음과 같다:

1. 특허 데이터 수집 및 전처리: 총 252,047건의 특허 데이터를 수집하고, 15개의 지표를 선정하여 분석을 진행하였다.

2. 특성 분석 및 상관관계 분석:

   • 범주형 지표에 대해 ANOVA 분석을 수행하여 특허 가치 간 차이를 확인하였다.
   • 수치형 지표에 대해 피어슨 상관계수 분석을 실시하여 지표 간 상관관계를 분석하였다.

3. PVCP 모델 구축:

   • 15개 지표를 모델 입력 특성으로 사용하였다.
   • 결정 트리 분류 모델을 활용하여 특허 가치 예측 모델을 구축하였다.
   • 교차 검증을 통해 모델의 정확도를 검증하였다.

이를 통해 특허 금융 기관에 과학적이고 신뢰할 수 있는 특허 가치 평가 기준을 제공할 수 있을 것으로 기대된다.

統計

중국 특허가 전체 특허의 57.8%를 차지하고 있으며, 평균 특허 가치는 미국, 독일, 한국, 일본, 중국 순으로 높게 나타났다.
중국 내 특허 수는 연안 지역이 75% 이상을 차지하며, 평균 특허 가치 또한 연안 지역과 내륙 해안 지역이 높게 나타났다.
특허 유형, 기술 분야, IPC 코드, 산업 체인 위치, 특허 유효성 등의 범주형 지표와 특허 가치 간에 유의미한 차이가 있는 것으로 확인되었다.
특허 인용 수와 특허 가치 간에는 약한 양의 상관관계가 있는 것으로 나타났다.

引用

"특허 금융 기관이 대출을 제공할 때 다양한 특허 지표를 고려하여 특허 가치를 평가해야 한다."
"특허 가치 평가에 관한 현재 연구는 AI 모델과 전통적인 데이터 분석 방법을 활용하는 데 초점을 맞추고 있다."

抽出されたキーインサイト

Patent Value Characterization -- An Empirical Analysis of Elevator Industry Patents

by Yuhang Guan,... 場所 arxiv.org 04-25-2024

https://arxiv.org/pdf/2404.15282.pdf

深掘り質問

특허 가치 평가 지표 시스템에 어떤 다른 지표를 추가할 수 있을까?

특허 가치 평가 지표 시스템에 추가할 수 있는 다른 지표로는 다음과 같은 것들이 있을 수 있습니다:

기술 혁신성: 특허가 얼마나 혁신적인 기술을 포함하고 있는지를 평가하는 지표를 추가할 수 있습니다. 이는 특허의 가치에 중요한 영향을 미칠 수 있습니다.
시장 잠재력: 특허가 시장에서 얼마나 큰 영향력을 가지는지를 고려한 지표를 도입할 수 있습니다. 이는 특허의 상업적 가치를 더 잘 이해하는 데 도움이 될 수 있습니다.
기술 수명주기: 특허의 수명주기가 특허 가치에 미치는 영향을 고려하는 지표를 추가할 수 있습니다. 특허가 얼마나 오랫동안 유효하고 유용한지를 고려하는 것이 중요할 수 있습니다.

특허 가치 예측 모델의 정확도를 높이기 위해 어떤 다른 기계학습 알고리즘을 활용할 수 있을까?

특허 가치 예측 모델의 정확도를 높이기 위해 다른 기계학습 알고리즘으로는 다음과 같은 것들을 활용할 수 있습니다:

랜덤 포레스트: 여러 결정 트리를 결합하여 안정적인 예측 모델을 형성할 수 있습니다. 이를 통해 예측의 정확도를 향상시킬 수 있습니다.
신경망: 복잡한 패턴을 학습하고 예측하는 데 효과적인 신경망 알고리즘을 활용할 수 있습니다. 특히 특허 가치와 관련된 비선형 관계를 모델링하는 데 유용할 수 있습니다.
그래디언트 부스팅: 이 알고리즘은 이전 모델의 오차를 보완하면서 예측 정확도를 향상시키는 데 도움이 될 수 있습니다.

특허 가치와 기업의 혁신 성과 간 관계는 어떻게 분석할 수 있을까?

특허 가치와 기업의 혁신 성과 간 관계를 분석하기 위해 다음과 같은 방법을 활용할 수 있습니다:

상관 분석: 특허 가치와 기업의 혁신 성과 간의 선형 관계를 파악하기 위해 상관 분석을 수행할 수 있습니다. 이를 통해 두 변수 간의 상호 의존성을 확인할 수 있습니다.
회귀 분석: 특허 가치를 예측하는 모델을 구축하고 이를 기업의 혁신 성과와 연관시켜 회귀 분석을 수행할 수 있습니다. 이를 통해 두 변수 간의 인과 관계를 파악할 수 있습니다.
클러스터링: 특허 가치와 기업의 혁신 성과를 기반으로 클러스터링 분석을 수행하여 유사한 특허 가치와 혁신 성과를 가진 기업을 그룹화할 수 있습니다. 이를 통해 패턴을 식별하고 비교 분석할 수 있습니다.