結合文字探勘與創新性問題解決理論(TRIZ)於專利檢索之機制

Integration of Text Mining and TRIZ for Patent Mapping

顏大訓(Ta-Hsun Yen)

指導教授 ： 葉繼豪

國立臺北科技大學/管理學院/工業工程與管理研究所/碩士(2007年)

https://doi.org/10.6841/NTUT.2007.00432

摘要

近年來發展迅速的TRIZ為一系統化創新性問題解決理論，其技術方法中的矛盾矩陣(Contradiction matrix)廣泛使用在取捨問題(Trade-off)解決，能協助發明者快速找到更佳的研發創新思考途徑，最後依照途徑探訪欲了解的專利資訊；目前的中華民國專利仍以國際專利分類為主，使用產品別與產業技術別做為分類依據，並無法直接提供TRIZ使用者與創新研發者使用。因此，本論文以文字探勘技術(Text mining)為主要手法，針對專利文獻內容之專利名稱與摘要進行TRIZ 40創新性原則映射分類。首先，利用中研院線上斷詞系統將資料文句斷成數個字詞，並以人工方式加以適度標籤，再經由程式計算字詞頻率(TF)與反轉文件頻率(IDF)，且透過卡方統計(Chi-square statistics)與相關係數(Correlation coefficient)文字特徵擷取方法，篩選並排序與各TRIZ創新性原則具強關聯性之相關字詞，接著計算這些字詞之字詞頻率反轉文件頻率(TFIDF)與權重-字詞頻率反轉文件頻率(w-TFIDF)值，藉以作為支持向量機(SVM)與倒傳遞類神經網路(BPN)分類器之幾何輸入向量，進行專利映射於40個創新性原則。實驗結果顯示本論文運用此一機制流程，經過適當調整參數後，可有效分類大多數之專利文獻，未來將能提供TRIZ使用者與創新研發者更合適之TRIZ專利檢索方式，以利進行產品研發工作時之更有效的思考途徑，進一步提升TRIZ之應用層面。

關鍵字

創新性問題解決理論(TRIZ) ； 文字探勘 ； 專利分類 ； 支持向量機(SVM)

並列摘要

In recent years, TRIZ have been developed rapidly and known as a useful tool to solve the contradictions on engineering problems. The aim of this research is to map R.O.C patents into TRIZ applications by using text mining technique for further innovative product concepts and solutions of conflicts. First of all, using on-line auto-tag system provided by Academia Sinica to break every sentence in a document into several keywords and label these keywords manually. Calculating text frequency (TF) and inverse document frequency (IDF) in the corresponding document. Secondly, chi-square statistics and correlation coefficient approaches are used to select and sort word features which are highly correlated to 40 TRIZ innovative principles. Then, calculating the TFIDF and weight-TFIDF values for selected words, these values are inputs for further classifiers such as support vector machine (SVM) and BPN. Finally, SVM and BPN are implemented to evaluate the performances of 1000 R.O.C patents mapping into 40 TRIZ innovative principles. Experimental results show that, by appropriate parameters setting, SVM and BPN are accurate classifiers for 26 innovative principles (around 96%). However, SVM and BPN perform moderately for other 14 innovative principles (around 55%). Even though, this research still significantly help R&D personnel to solve trade-off contradictions by fast searching the correlation between TRIZ and existing R.O.C patents, which could reduce time-consuming for creative thinking and time-spent for new product introduction.

並列關鍵字

TRIZ ； 40 Innovative principles ； Text Mining ； Patent Classification ； Support Vector Machine (SVM)

參考文獻

[25] 林秀美，運用TRIZ原理探討專利開發實例，中原大學機械工程學系碩士學位論文，2004年。

[43] 經濟部智慧財產局，專利法施行細則，台北：經濟部智慧財產局，2002年。

[45] 孟大偉，專利的分類與規則，台北：經濟部智慧財產局九十三年新進人員訓練課程，2004年。

[8] 李文隆，台灣半導體設計公司之矽智財管理：以H公司為例，國立清華大學高階主管經營管理碩士在職專班，2005年7月。

[10] L. H. Tong, H. Cong, and S. Lixiang, "Automatic classification of patent documents for TRIZ users," World Patent Information (Elsevier), Vol.28, 2006, pp. 6-13.