跳到主要內容

臺灣博碩士論文加值系統

(3.236.68.118) 您好!臺灣時間:2021/07/31 21:27
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:江明洋
研究生(外文):MING-YANG CHIANG
論文名稱:應用連結分析於專利分類之研究
論文名稱(外文):The Study on Patent Classification Using Link Analysis
指導教授:翁頌舜翁頌舜引用關係
指導教授(外文):SUNG-SHUN WENG
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
中文關鍵詞:網路分析連結分析專利分類HITS
外文關鍵詞:Network AnalysisLink AnalysisPatent ClassificationHITS
相關次數:
  • 被引用被引用:0
  • 點閱點閱:126
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
在知識經濟時代來臨以後,企業經營的致勝關鍵已經不再是靠廠房、設備、勞力及資本數量等因素來影響。而是漸漸的被具有高附加價值、可重複再利用用的智慧財產取代,而專利是最能代表一家公司的創新研發能量的智慧財產之一。在過去政府所推動的兩兆雙星或者綠色矽島等計畫中,都將創新研發視為高科技產業的核心競爭力指標。也因此專利漸漸受到政府或者企業經營者的重視。擁有了創新技術的智慧財產權,等於是在創新研發上製造了門檻。不僅能創造競爭優勢,更能透過專利的授權、轉移、佈局、融資、作價投資等策略提高獲利機會。同樣的,產業的技術水準也是用以判斷國家競爭力的重要指標之一,評估國家科技實力的方式,可以從研發支出,研發人力、智慧財產權保護、環境保護、國民申請專利數量及專利核准數量等項目來衡量。
然而專利數量非常的龐大,企業或國家如何在龐大的專利數量中尋找並整理所需的專利資料。必須藉由專利分類及檢索系統來輔助,才能有效的進行資訊的蒐集及整理。過去專利分類在專利局皆由專業人力進行人工分類。對於專利局這樣的專業機構來說仍過於耗費人力,透過自動分類可有效提升審查效率並減少人為錯誤。而對於企業或政府單位來說,透過自動化的方式建立有效的專利自動分類架構,可大幅提昇效率,使企業與國家可專注於策略規劃及政策規劃。
本研究主要目的是希望提出一個基於連結分析的專利分類技術,透過連結分析來改善過去僅用文字探勘技術來作專利分類的的精準度問題。研究過程先整理連結分析相關演算法,進而選定HITS演算法作為實驗基礎。連結網路的形成則使用了專利引證關係來作為連結關係,透過專利一層至多層引證關係,建立一個龐大的引用網路。透過演算法訓練此連結網路,進而形成一分類器,並且進一步尋找改善的方式。
實驗結果可以發現此分類器已經達到一定程度的分類成果,雖然在各分類當中並沒有穩定的效果,仍須進一步研究。但已可幫助特定產業解決長久以來對於專利分類的需求,讓專利自動分類能更適合於實際應用領域。
In knowledge economy age, enterprise’s success is not only affected by factories, facilities, labors but also depends on high value added and intangibly repeatable properties. Patents are those of most representative intangible properties to show how innovative and creative an enterprise is. A few years ago, our government was promoting “Two Trillion and Twin Star Industries” and “Green Silicon Island” programs. Those programs use the creativity and innovation to measure core competition of an enterprise. Therefore, applying patents becomes more and more important for enterprises and the government.
There are tremendous amount of patents over the world, it is very important for enterprises or government to know how to collect and classify patents. So we need a computer system to deal with such a huge database. The patent offices in the world hired many experts to organize all patents such that human cost is increasing. Therefore, all patent offices have been searching a good automatic classification system for many years. By automatic classification, the patent offices can reduce human bias and the cost. For enterprises or government, using automatic classification technology could be very helpful when collecting and analyzing patents. They can save time and keep focus on research strategies.
This study is focused on an automatic patent classification system using link analysis technology. This study tries to enhance the usability of automatic patent classification by link analysis. Related literatures were reviewed in order to find the suitable one for building the classification system. This study chose the HITS algorithm for all experiments in this research. We used the reference citations for forming the link network. By training the network with HITS algorithm, we got the first classification system. Based on this system, we kept doing some modifications to enhance the results. Finally we got a classification system with precision and recall rates over 80%. The contribution of this study is that it can help enterprise in certain industries to solve the patent classification issues they have already suffered for a long time.
謝 辭 v
目 錄 vi
表 次 viii
圖 次 ix
第壹章 緒 論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 研究範圍 5
第貳章 文獻探討 6
第一節 專利分析 6
第二節 文件分類 9
第三節 連結分析(Link Analysis) 11
第四節 專利分類 18
第五節 評估標準 26
第參章 研究方法 28
第一節 研究架構與研究流程 28
第二節 系統架構 30
第三節 研究設計 31
第四節 實驗流程 35
第五節 研究假說及預期限制 36
第肆章 分析與結果 39
第一節 資料的取得 39
第二節 專利引用網路的建立 42
第三節 運算引用網路的節點權重 43
第四節 分類器的改良 46
第伍章 結論與建議 49
第一節 研究結論 49
第二節 研究限制 50
第三節 研究建議 50
參考文獻 52
一、中文部份 52
二、英文部份 53
附錄一 美國專利分類各主類號下之專利數量 56
附錄二 UPC349部分專利引證網路 59
附錄三 UPC348部分專利引證網路 65
中文部份
1.李駿翔,應用資料探勘分類技術於專利分析之研究,中原大學資訊管理研究所,碩士論文,2003。
2.孟連生,試論引文索引法的性質與功能,資訊傳播與圖書館學,第3卷,第1期,1996,頁15-19。
3.許耀華,專利分類系統及其應用,智慧財產權月刊,第68期,2004,頁5-21。
4.曾元顯,文件主題自動分類成效因素探討,中國圖書館學會會報,第68期,2002,頁62-83。
5.蔣禮芸,我國資訊電子業公司專利引用網路與技術分類關係之研究,國立台灣大學圖書資訊研究所,碩士論文,2001。
6.鄭寧,歐洲專利局使用的分類方法,中華人民共和國國家知識產權局,2008年4月3日,取自:http://www.sipo.gov.cn/sipo2008/wxfw/zlwxzsyd/zlwxyj/zlfl/200804/t20080403_369661.html。
7.劉芳遠,使用支持向量機於本國專利自動分類之研究,天主教輔仁大學資訊管理學系,碩士論文,2006。
8.戴世明,以連結為基礎之自動化網頁分類,元智大學資訊工程研究所,碩士論文,2001。

二、英文部份
1.Borodin, A., Roberts,G..O., Rosenthal, J. S., & Tsaparas, P., Finding Authorities and Hubs from Link Structures on the World Wide Web, In Proceedings of the 10th
International WWW Conference, 2001.
2.Brin, S. & Page, L., The Anatomy of Large-Scale Hypertextual Web Search Engine, In Proceedings of the 7th International World Wide Web Conference,
Brisbane, Australia, 1998.
3.Dunn, J.H., Bibliometric Analysis of the Patent Literature and its relationship to the Scientific Journal Literature, Ph.D. dissertation, University of Case Western
Reserve, 1979.
4.HITS algorithm, Wikimedia Foundation, Inc., 2006, from the World Wide Web:
http://en.wikipedia.org/wiki/HITS_algorithm.
5.Karki, M.M.S., Patent Citation Analysis: A Policy Analysis Tool, World Patent
Information, Vol. 19, No. 4, 1997.
6.Kessler, M. M., Bibliographic Coupling between Scientific Papers, American
Documentation, Vol. 14, No. 10, 1963.
7.Kleinberg, J. M., Authoritative Sources in a Hyperlinked Environment, In Proceedings of the 9th Annual ACM SIAM Symposium on Discrete Algorithms,
1998, pp.668-677.
8.Krier, M. & Zacca, F., Automatic Categorization, World Patent Information, Vol.
24, 2001, pp. 187-196.
9.Lai, K.K. & Wu, S.J., Using the patent co-citation approach to establish a new patent classification system, Information Processing and Management, Vol. 41,
2005, pp.313-330.
10.Narin, F., Patent Bibliometrics, Scientometrics, Vol. 30, No. 1, 1994, pp. 147-155.
11.Network theory, Wikimedia Foundation, Inc., 2006, from the World Wide Web:
http://en.wikipedia.org/wiki/Network_theory.
12.Richter, G., & MacFarlane, A., The impact of metadata on the accuracy of automated patent classification, World Patent Information, Vol. 27, 2005, pp.
13-26.
13.Sebastiani, F., Machine Learning in Automated Text Categorization, ACM
Computing Surveys, Vol. 34, No. 1, 2002, pp. 1-47.
14.Small, H., “Co-citation in the scientific literature: a new measure of the relationship between two documents”, Journal of American Society for Information
Science, Vol. 24, 1973, pp. 265-269.
15.Sullivan, D., Document Warehousing and Text Mining: Techniques for Improving
Business Operations, Marketing, and Sales, Wiley, 2001.
16.Wang, W., Do, D.B., & Lin, X., Term Graph Model for Text Classification,
Advanced Data Mining and Applications, 2005, pp. 19-30.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top