دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Jieun Kim, Buyong Jeong, Daejung Kim سری: ISBN (شابک) : 9811629293, 9789811629297 ناشر: Springer سال نشر: 2021 تعداد صفحات: 228 [217] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 Mb
در صورت تبدیل فایل کتاب Patent Analytics: Transforming IP Strategy into Intelligence به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل پتنت: تبدیل استراتژی IP به هوشمند نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب از طریق منشورهای یک دانشمند داده، یک وکیل ثبت اختراع و یک طراح، پیچیدگی دادههای ثبت اختراع و ساختار آن را رمزگشایی میکند و ارتباطات پنهان آنها را با استفاده از تجزیه و تحلیل دادهها و تجسمهای دقیق با استفاده از نقشه شبکه آشکار میکند. این کتاب راهنمای عملی برای معرفی و به کارگیری ابزارهای تجزیه و تحلیل شبکه و تجسم ثبت اختراع در کسب و کار شما ارائه می دهد. ما مطالعات موردی را از شرکتهای مشهوری مانند Apple، Dyson، Adobe، Bose، Samsung و غیره ترکیب میکنیم تا بررسی کنیم که چگونه ارزشهای اساسی شبکه ثبت اختراع آنها باعث نوآوری در کسبوکارشان میشود. در نهایت، این کتاب دیدگاه خوانندگان را از روزنامه های ثبت اختراع به عنوان داده های بزرگ و به عنوان ابزاری برای تجزیه و تحلیل نوآوری در صورت همراهی با هوش مصنوعی، ارتقا می دهد.
Through the prisms of a data scientist, a patent attorney, and a designer, this book demystifies the complexity of patent data and its structure and reveals their hidden connections by employing elaborate data analytics and visualizations using a network map. This book provides a practical guide to introduce and apply patent network analytics and visualization tools in your business. We incorporate case studies from renowned companies such as Apple, Dyson, Adobe, Bose, Samsung and more, to scrutinise how their underlying values of patent network drive innovation in their business. Finally, this book advances readers’ perspective of patent gazettes as big data and as a tool for innovation analytics when coupled with Artificial Intelligence.
Foreword Contents About the Authors Abbreviations List of Figures List of Tables 1 Introduction 1.1 The Prism of Patent Big Data 1.1.1 The Vs to the Patent Big Data Paradigm 1.1.2 Coping with Patent Big Data Complexity 1.1.3 Harnessing Patent Big Data Analytics to Make a Difference 1.2 Overview of the Book 1.2.1 Part I: Patent as Data 1.2.2 Part II: Network Analytics 1.2.3 Part III: Uncover Corporate Innovation with Patent Analytics 1.2.4 Part IV: Future Developments with AI References Part I Patent as Data 2 A Brief History of Patents 2.1 The Prelude of the Patent System 2.2 The First Patent with Claims 2.3 The Great Fire and Patent Numbering 2.4 Genesis of Citations 2.5 Summary References 3 Understanding Patent Data 3.1 Patents, Designs, and Trademarks 3.2 A Walk Through of Patent Data Fields 3.2.1 INID Codes and Bibliographic Data 3.2.2 Patent Numbering System and Kind-Of-Documents 3.2.3 Patent Classification System 3.2.4 International Patent Classification (INID Code: 51) 3.2.5 Cooperative Patent Classification (INID Code: 52) 3.3 Same Same, but Different Design Patents 3.4 Comprehending Trademark Data 3.5 Summary References 4 Claims, “Legally, Less is More!” 4.1 Disentangling Patent Claims 4.2 Broad or Narrow: All-Elements Rule 4.3 Anatomy of Patent Claims 4.4 The Butterfly Effect of Design Patents 4.5 Summary References Part II Network Analytics 5 Basic Network Concepts 5.1 Why Does Patent Network Analysis Matter? 5.2 Basic Concept of Network and Graph Theory 5.2.1 Node, Edges, and Attributes 5.2.2 Undirected and Directed Network 5.2.3 One-Mode and Two-Mode Networks 5.2.4 Ego Networks and Complete Networks 5.3 Network Metrics 5.3.1 Centrality 5.3.2 Network Diameter and Density 5.3.3 Clustering and Modularity 5.4 Summary References 6 Patent Citations Analysis 6.1 The Meaning of Patent Citations 6.2 How to Scale up Patent Citation Networks 6.3 Pitfalls and Best Practices in Using Patent Citation Data 6.4 Summary References 7 Patent Data Through a Visual Lens 7.1 Unexpected Encounters 7.2 Six Basic Charts 7.2.1 Bar, Line, and Pie Charts 7.2.2 Geospatial Visualizations 7.2.3 Bubble Charts 7.2.4 Treemaps 7.3 Network Visualizations 7.4 Summary References 8 How to Study Patent Network Analysis 8.1 Research Design 8.2 Choosing Network Analysis Tools 8.3 Four Practical Steps for Patent Network Analysis 8.4 Summary References Part III Uncover Corporate Innovation with Patent Analytics 9 Is Innovation Design-or Technology-Driven? Dyson 9.1 Dyson: From Bagless Vacuum Cleaner to Bladeless Hairdryer 9.2 Dyson’s Patent Citation Analysis: A Complete Network 9.3 Technology or Design First? Ego Networks of the Bladeless Fan 9.4 Forecasting Dyson’s Next Innovation References 10 Predict Strategic Pivot Points: Bose 10.1 Bose's New Neat! Innovation Pivots 10.2 Core Innovation: Better Sound 10.3 Four Innovation Pivots: Beyond Sound 10.3.1 Technology Pivot: Suspension Seats for Vehicles 10.3.2 Customer Segment Pivot: High-Tech Cooktops 10.3.3 Platform Pivot: Audio AR Sunglasses 10.3.4 Zoom-In Pivot: Noise-Masking Sleepbuds 10.4 Summary References 11 Who Drives Innovation? Apple 11.1 The Shapes of Internal Collaborations: Apple and Google 11.2 Apple's Inventor Network: One-Mode Network 11.3 Apple's Inventor-Technology Network: Two-Mode Network 11.4 Summary References 12 Knowledge Acquisition and Assimilation After M&As: Adobe 12.1 Adobe M&A Activities 12.2 Inventor Network Analysis as a Proxy of Innovation Assimilation 12.3 Evolution of Adobe’s Inventor Network 12.4 Knowledge Diffusion in Design and Technology 12.5 Summary References 13 Learn to Build Design Innovation Team: Samsung Versus LG 13.1 A Look at Samsung and LG’s Patenting Activities 13.2 Diversification of Product Innovation 13.3 Different Structure of Design Team 13.4 Summary References Part IV Future Developments with AI 14 Is Trademark the First Sparring Partner of AI? 14.1 The Great Wall: A Trademark Powerhouse 14.2 How AI Changes Trademarks Searches 14.3 Use Case: AI-Based Trademark Search for Brand Protection 14.4 Summary References 15 Legal Technologies in Action 15.1 Background: AI and IP 15.2 Five AI Applications in IP 15.2.1 Automatic Classification 15.2.2 Machine Translation 15.2.3 Examination and Formality Checks 15.2.4 Image Search and Recognition 15.2.5 Helpdesk Bots 15.3 The Rise of Legal Technology 15.4 Summary References Afterword