인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Machine learning-based patent litigation prediction has gained attention as a means of assessing patent litigation risk proactively. However, prior studies have faced limitations due to insufficient model interpretability and inadequate incorporation of the multifaceted technological and organizational contexts underlying patent litigation. This study proposes an explainable machine learning-based framework for patent litigation risk assessment that integrates technological attributes and applicant characteristics while ensuring interpretability. The framework comprises four stages: (1) patent and litigation data collection from the USPTO(United States Patent and Trademark Office) and PACER Public Access to Court Electronic Records), (2) extraction of 16 technology-level and 5 organization-level indicators, (3) a two-stage prediction model—litigation occurrence classification followed by severity assessment—with comparative evaluation of machine learning algorithms including Random Forest, XGBoost, and LightGBM, and (4) stage-specific key determinant identification through SHAP(Shapley additive explanations) analysis. Empirical analysis using 33,603 patents and 81,335 litigation records demonstrates effective prediction of technology infringement risk, with key determinants consistent with existing literature. A risk classification scheme is further introduced to support strategic decision-making in intellectual property management.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
