특허 문헌의 텍스트·이미지·IPC 정보를 활용한 로카르노 디자인 분류 자동화
Automatic Locarno Design Classification Using Text, Image, and IPC Information from Patent Documents
김귀영(충남대학교 메카트로닉스공학과); 양석조(충남대학교 메카트로닉스공학과)
50권 4호, 285~301쪽
초록
특허 심사에서 선행기술 검색은 국제특허분류(IPC: international patent classification) 기반 텍스트 체계와 국제디자인분류(Locarno) 기반 시각·기능 체계의 불일치로 어려움이 크다. 본 연구는 한국 특허·실용신안 문헌과 로카르노 코드를 매칭한 코퍼스를 구축하고, 국제특허분류·텍스트·이미지를 통합하는 다중모달 분류기를 제안한다. 텍스트 분기는 국내특허 분류모델(KorPatBERT)의 입력값 벡터 임베딩과 국제특허분류 계층(대·중·소) 임베딩을 결합하고, 이미지 분기는 이미지 분류모델(AlexNet) 특징과 국소 이진 패턴(LBP: local binary pattern)·적응형 계층 밀도 히스토그램(AHDH: adaptive hierarchical density histogram)를 융합한다. Text+IPC, image+IPC, text+image+IPC를 비교한 결과, 융합 모델이 단일 모달 기준선을 일관되게 상회하며, 국제특허분류 주입과 시각 단서를 통해 희소·노이즈 청구항과 유사 형상의 로카르노 클래스에 대한 판별 성능이 향상됨을 확인하였다.
Abstract
Prior-art search in patent examination is challenging due to the mismatch between IPC (text-based) and Locarno (visual/functional) taxonomies. This study establishes a corpus by matching Korean patent/ utility-model documents with Locarno codes. We propose a multimodal classifier that integrates IPC, text, and images. The text branch combines KorPatBERT embeddings with embeddings of the IPC hierarchy (section/class/subclass). The image branch fuses AlexNet features with local binary pattern and adaptive hierarchical density histogram descriptors. By comparing text+IPC, image+IPC, and text+image+IPC settings, we demonstrate that the fusion model consistently outperforms unimodal baselines. IPC injection and visual cues improve discrimination for sparse or noisy claims and for visually similar Locarno classes.
- 발행기관:
- 대한기계학회
- 분류:
- 기계공학