Destek Vektör Makineleri Kullanarak Patent Değerleme

Abstract

Yenilik ve fark yaratma gereksinimi arttıkça bireysel ya da kurumsal fikirler geliştirilmekte, iletişim teknolojilerinin yaygınlığı nedeni ile her yeni fikrin korunması kaçınılmaz bir hal almaktadır. Fikri hak ve mülkiyetleri kanunları çerçevesinde her araştırmaya ve yeniliğe neden olacak fikrin korunması için patent tescil hakkı elde etmek önemli bir adım haline gelmiştir. Patent değerleme ile ilgili daha önce yapılan çalışmalarda genel olarak patentin ekonomik değeri ölçülmeye çalışılmıştır. Bu çalışmalar çoğunlukla patenti veren kurumlar için yapılmıştır. Patent başvurusunu yapan taraf için önceden bir saptama yapacak çalışma bulunamamıştır. Bu araştırmanın amacı patent tescil kararı hakkında önceden kestirim yapabilecek bir yapay sinir ağı modeli oluşturmaktır. Patent tescil kararını etkileyen pek çok neden vardır. Patent aile sayısı, teknoloji sınıfı sayısı gibi kriterlere bağlı olarak değişen bu kararın tescil mi red mi olacağı önceden saptandığı takdirde başvuru sahibi bir ön fikir edinmektedir. Başvurunun tescil olan veya reddedilen başvuru sınıflarından hangisine dahil olacağını kestirmek için sınıflandırma yapılmıştır. Genellikle istatistiksel yöntemlerle sınıflandırma yapılmaktayken dağılım bilgisi gerektirmemesi ve öğrenme algoritmaları açısından yapay sinir ağları kullanılmıştır. Bu çalışmada beyaz eşya sektörü ile ilgili tescil olmuş ve reddedilmiş patentler incelenerek yapay sinir ağları ile dinamik bir değerleme modeli oluşturulmuştur. Bu amaçla kullanılan yöntem Destek Vektör Makineleri’dir (DVM). Çalışmada DVM ile en sık kullanılan yapay sinir ağı tekniği olan Geri-Yayılımlı Algoritma (GYA) karşılaştırılmıştır. Elde edilen sonuçlar DVM’nin sınıflandırma performansının GYA’dan daha iyi olduğunu göstermiştir. Eniyileme yaklaşımıyla hazırlanan model patent tescil kararının önceden kestirimine olanak sağlamıştır. Bu çalışma, patent başvurusunun başvuran tarafından değerlenmesi açısından alanında öncülük yapmaktadır.

Receiving patents or licenses is an inevitable part of research to protect new ideas that will lead for innovation potential to create global competitive advantage. Every new idea deserves to be legally protected in the limits of intellectual property laws and therefore patent applications have increased exponentially. Measuring economical value of each patent has been widely studied in the literature. Majority of the research in this field is focused on the patent driver prospect. Additionally, there are not so many studies related to detect the determinants of patent granting decisions. The aim of this study is to form an artificial neural network model for predicting possible outcomes of patent appeals. There is a variety of criteria affecting decisions on each patent right such as; number of patent families, number of technological classes etc. Predicting the possibility of approval may help to take some precautions to assure the accaptance procedure. The classification strategy applied is based on determining the class in which related appeal is included. In general, statistical inferences are used to evaluate patent candidates. As a new approach artificial neural networks may help to perform the analysis without the need of probability distribution function for each decision and taking benefits of learning. In this study, patents that are accepted and rejected in white good industry are analyzed to construct an artificial neural network model for dynamic classification. The technique used for this model is support vector machines. Results of the proposed model are compared with a generally accepted neural network approach, the back-propogation algorithm. It is shown with several experiments that classification performance of support vector machine is better than back-propogation algorithm. The proposed model in this study will help the decision makers to determine ahead whether patent appeal will be accepted or not. The study is unique with the approach that helps the applicant managers.