본문 바로가기

Project

 (26)
Patent Intelligence Agent #10; Patent Intelligence Agent는 기술평가에 쓸 수 있을까? "Patent Intelligence Agent는 기술평가에 쓸 수 있을까?"지금까지 Patent Intelligence Agent 개발기를 통해 특허 데이터를 AI 기반으로 분석하는 과정을 단계적으로 정리했다.처음에는 단순한 질문에서 출발했다.특허는 기술기업의 기술력을 보여주는 데이터가 될 수 있을까? 기술기업의 가치를 평가할 때 재무제표만으로는 충분하지 않다. 특히 연구개발 중심 기업, 초기 기술기업, 딥테크 기업은 매출이나 이익이 아직 크지 않더라도 중요한 기술자산을 보유하고 있을 수 있다. 이때 특허는 기업이 어떤 문제를 기술적으로 해결하려고 했는지, 어떤 기술영역에 집중하고 있는지, 경쟁기업과 어떤 차별점을 갖는지 보여주는 중요한 문서가 될 수 있다. 하지만 특허를 단순히 많이 보유했다고 해서 ..
Patent Intelligence Agent #9; RAG로 특허 기반 기술동향 리포트 생성하기 "RAG로 특허 기반 기술동향 리포트 생성하기"지난 글에서는 기업별 특허 포트폴리오 벡터를 만드는 방법을 정리했다. 개별 특허 임베딩을 기업 단위로 평균화하면 기업별 기술 포지션을 표현할 수 있고, 기업 간 기술 유사도를 계산해 경쟁구도를 분석할 수 있었다. 이번 글에서는 검색 기반 분석을 한 단계 더 확장한다. 지금까지는 특허를 벡터화하고, 유사 특허를 찾고, 기술군을 분류하고, 기업별 포트폴리오를 비교하는 방식으로 분석했다. 하지만 실제 기술조사나 기술평가에서는 단순히 유사 특허 목록만 필요한 것이 아니다. 중요한 것은 다음 질문에 답하는 것이다.이 기술 분야에서 반복적으로 등장하는 문제는 무엇인가?기업들은 어떤 방식으로 문제를 해결하려고 하는가?최근 특허들은 어떤 기술 방향으로 발전하고 있는가?특정..
Patent Intelligence Agent #8; 기업별 특허 포트폴리오 벡터 만들기 "기업별 특허 포트폴리오 벡터 만들기"지난 글에서는 Sentence-BERT 임베딩과 HDBSCAN을 활용해 특허 문헌을 자동으로 기술군으로 분류하는 방법을 정리했다. 특허의 제목과 초록을 임베딩으로 변환하고, UMAP으로 차원을 줄인 뒤, HDBSCAN을 적용하면 유사한 기술문제를 다루는 특허들이 하나의 클러스터로 묶일 수 있었다. 지금까지의 분석 단위는 특허 하나하나였다. 이번 글에서는 분석 단위를 특허에서 기업으로 확장한다. 특허 하나가 하나의 기술문서를 의미한다면, 기업이 보유한 여러 특허는 그 기업의 기술 포트폴리오를 구성한다. 따라서 기업별 특허 임베딩을 하나로 집계하면, 기업이 어떤 기술영역에 집중하고 있는지, 어떤 기업과 기술적으로 가까운지, 어떤 기술군에 강점을 갖고 있는지 분석할 수 있..
Patent Intelligence Agent #7 "HDBSCAN으로 특허 기술군 자동 분류하기"지난 글에서는 Sentence-BERT로 만든 특허 임베딩을 UMAP 또는 t-SNE로 2차원 공간에 시각화해 기술지도를 그려보았다. 각 특허를 하나의 점으로 표현하고, 의미적으로 유사한 특허들이 가까운 위치에 모이는지 확인하는 것이 목표였다. 이번 글에서는 여기서 한 단계 더 나아간다. 이전 글에서는 기술지도를 사람이 보고 “이 특허들은 제조 설비 이상탐지 쪽에 가깝다”, “이 특허들은 이미지 기반 결함검출 쪽에 가깝다”는 식으로 해석했다. 하지만 실제 특허 데이터가 100건, 1,000건, 10,000건으로 늘어나면 사람이 직접 모든 특허를 보고 분류하기 어렵다. 따라서 이번 글에서는 특허 임베딩을 기반으로 유사한 특허들을 자동으로 묶는 클러스터링을 적용..
Patent Intelligence Agent #6 "특허 임베딩으로 기술지도 그리기"지난 글에서는 Sentence-BERT를 활용해 특허 문헌을 의미 기반 벡터로 변환하고, Cosine Similarity를 이용해 유사 특허를 검색하는 방법을 정리했다. TF-IDF가 단어 기반 유사도 분석이었다면, Sentence-BERT는 문장의 의미를 반영해 특허 간 유사도를 계산할 수 있다는 점에서 한 단계 발전된 방식이었다. 이번 글에서는 여기서 한 단계 더 나아간다. 지금까지는 특정 특허 하나를 기준으로 유사한 특허 Top-K를 찾았다. 즉, 검색 결과를 리스트 형태로 확인했다. 이번에는 여러 특허를 한 번에 2차원 공간에 배치해본다.유사한 특허끼리는 가까이 위치하고, 기술적으로 거리가 먼 특허는 멀리 위치하도록 시각화한다. 이것을 여기서는 기술지도라고 부르겠..
Component AI Agent #1 "AI가 반도체 부품 검토를 어디까지 도와줄 수 있을까?"부품 하나를 검토한다는 것은 생각보다 단순하지 않다. 데이터시트를 열고 Part Number, 전압, 전류, 동작온도, 패키지, 인터페이스 정도만 확인하면 끝나는 일처럼 보이지만 실제 업무에서는 그렇지 않다. 이 부품이 요구사항에 맞는지, 어떤 조건에서 시험해야 하는지, 신뢰성 자료는 충분한지, 특정 환경에서 사용할 때 리스크는 없는지, 문제가 발생했을 때 설계·공정·패키지·시험 중 어디로 피드백해야 하는지까지 함께 봐야 한다. 특히 반도체 메모리 부품은 더 복잡하다. MRAM, Flash, DRAM, HBM, HBF와 같은 메모리 제품은 단순히 “저장 용량이 얼마인가”만으로 판단할 수 없다. 전압 조건, 타이밍, 온도 특성, retention, ..
Patent Intelligence Agent #5 "Sentence-BERT로 의미 기반 유사 특허 검색하기"지난 글에서는 TF-IDF와 Cosine Similarity를 활용해 유사 특허를 찾는 첫 번째 실험을 진행했다. 특허의 Title과 Abstract를 결합해 analysis_text를 만들고, 이를 TF-IDF 벡터로 변환한 뒤, 특허 간 유사도를 계산했다. TF-IDF는 구현이 쉽고 해석이 가능하다는 장점이 있다. 하지만 명확한 한계도 있다. TF-IDF는 단어 기반 방법이다. 즉, 두 문서에 같은 단어가 얼마나 자주 등장하는지를 중심으로 유사도를 계산한다. 이 방식은 단어가 겹치는 문서에는 강하지만, 표현은 다르지만 의미가 비슷한 문서를 찾는 데는 약하다. 예를 들어 다음 표현들은 기술적으로 유사한 문제를 다룰 수 있다.anomaly det..
Patent Intelligence Agent #4 "TF-IDF로 유사 특허를 찾아보기"지난 글에서는 첫 번째 실험 도메인을 Anomaly Detection으로 정하고, 특허 데이터를 어떻게 수집할 것인지 정리했다. 핵심은 처음부터 대규모 데이터셋을 만들거나 딥러닝 모델을 적용하는 것이 아니라, 작은 규모의 특허 Corpus를 만들고 분석 가능한 데이터 구조를 설계하는 것이었다. 이번 글에서는 실제로 첫 번째 분석 파이프라인을 만들어본다. 목표는 간단하다.특허 제목과 초록을 하나의 텍스트로 결합하고,TF-IDF로 벡터화한 뒤,Cosine Similarity를 이용해 유사 특허를 찾아본다. 이번 단계는 Patent Intelligence Agent의 가장 기본적인 검색 엔진이다.아직 BERT도, RAG도, GNN도 사용하지 않는다. 먼저 전통적인 텍스트 ..

티스토리툴바