以clustering輔助專利審查分審之方法與實作

Abstract

資料探勘是近年來廣為研究之領域，其主要目的是從大量資料中萃取出一些有用但未被發現的資訊，目前，已發展出不同的方法，並可利用在許多不同的領域裡。

而專利審查是一項非常專業的工作，審查品質之良窳取決於審查委員之專長，利用國際專利分類(IPC)可給予審查委員之專長分類歸屬。將IPC專長相近的審查委員歸在同一群組，不僅可輔助分群法，將亾往審查委員的審案記錄錄做分群之實作。

在實作中，使用之方法有二，一為K-means 分群法；另提出一研究之 Two-phase 分群法，且分別用實際資料測試之結果，做雨種方法之對照與歸納。

由實作結果明顯得知 K-means 分群法是非常有規則性，即所設定的群組間距越小，它所得到的準確度越大；反之，群組間距越大，所得到的準確度越小。

而 Two-phase 分群法是以兩階段的方式做分群，在第一階段先不設群組數進行分組，在第二階段時再對第一階段所分出之分群進行合併整合。其在群組間距小時，準確度會減少，但群組間距趨大時，則平均之準確度反而較 K-means 分群法佳。