Ağ analizi ve zaman serisi yöntemleri ile patent verisi analizi
Patent data analysis with network analysis and time series methods
- Tez No: 654094
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER DEMİR, DR. ÖĞR. ÜYESİ BUKET DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
Hem özel hem kamu kurumları stratejik yatırımlar yapabilmek ve çalışmalarını hangi yönde ilerletmeleri gerektiğini öğrenebilmek için gelişmekte olan teknolojilere ilişkin ön bilgilere büyük ilgi duyarlar. Gelişmeleri izlemek ve yönelimleri takip etmek için patent dokümanlarından teknoloji tahminleri yapmak son zamanlarda ortaya çıkan ve parlayan bir araştırma alanıdır. Bugüne kadar farklı alanlarda teknoloji tahmini yapıp sonuçlarını paylaşan birçok çalışma yapılmıştır. Ancak günümüzün en önemli konularından olan bilgi güvenliği için teknoloji tahmini alanında yapılan çalışmalar kısıtlıdır. Son zamanlarda bilgi güvenliği hem yazılım, hem donanım hem de insanı ilgilendiren karmaşık bir yapı haline gelmiştir. Bunun sonucunda, bilgi güvenliği alanında ortaya çıkan yeni teknolojiler hızla artmaktadır. Bu çalışmada da son on yılda alınan patentlerden bilgi güvenliğini ilgilendirenler veri seti olarak hazırlanmış ve çalışmanın devamında veri setindeki patentler ağ analizi ve zaman serisi analizi yöntemleriyle incelenmiştir. Ağ analiziyle yıl bazında analizler yapılıp hangi yıl hangi ülkenin hangi patent sınıfıyla bu alana yöneldiği izlenmiştir. Aynı zamanda ağ analizi tüm veri seti için de yapılmış olup, son on yılın bilgi güvenliği alanında en çok patent alan ülkesi ve en çok patente sahip sınıfı belirlenmiştir. Patentler sınıflandırma sistemi sayesinde teknik alanlara göre ayrılmaktadır. Zaman serisi analizinde frekans değerine farklı bir bakış açısıyla yaklaşıp, veri setinde en çok kullanılan dokuz patent sınıfı frekans olarak kullanılmış ve bu şekilde yapılan zaman serisi analizi sonuçları paylaşılmıştır. Zaman serisi analizi için farklı yöntemler denenmiş, 2019 yılı için en yakın tahmini yapan metodun 2020 yılı için yaptığı tahminleri dikkate alınmıştır. Değerlendirmemiz önerilen zaman serisi analizi yönteminin 2019 yılı ilk 6 ayı için bilgi güvenliği alanında alınan patentlerin patent sınıflarına ait patent sayılarını %98 doğrulukla hesaplayabileceğini ortaya koymaktadır.
Özet (Çeviri)
Both private and public institutions are very interested in prior knowledge of emerging technologies in order to make strategic investments and learn how to advance their work. Technology forecasting from patent documents to follow developments and follow trends is a recent and shining field of research. Until today, many studies have been conducted in different fields that make technology forecasts and share their results. However, studies in the field of technology forecasting for information security, which is one of the most important issues of today, are limited. Recently, information security has become a complex structure that concerns both software, hardware and people. As a result, new technologies emerging in the field of information security are increasing rapidly. In this study, among the patents obtained in the last decade, those concerning information security were prepared as a data set, and the patents in the data set were examined by network analysis and time series analysis methods. With the network analysis, year-based analyzes were made and it was monitored which year which country and which patent class directed to this field. At the same time, the network analysis was performed for the entire data set, and the country with the most patents and the class with the most patents in the field of information security of the last decade was determined. Patents are divided according to technical areas thanks to the classification system. In the time series analysis, approaching the frequency value from a different perspective, the most used nine patent class frequencies in the data set were used and the results of the time series analysis made in this way were shared. Different methods were tried for time series analysis, and the estimates made for 2020 by the method that made the closest estimate for 2019 were taken into account. Our evaluation reveals that the proposed time series analysis method can calculate the number of patents belonging to patent classes of patents received in the field of information security for the first half of 2019 with 98% accuracy.
Benzer Tezler
- Wind farm feasibility analysis with virtual farms
Sanal santraller ile rüzgar santrali fizibilite analizi
EREN NARİN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ALTAN KOÇYİĞİT
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Numerical modeling of wave overtopping in nearshore structures
Kıyıya yakın yapılarda dalga aşmasının sayısal modellenmesi
HAMZA CHEIKH ALI
Yüksek Lisans
İngilizce
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BAYRAKTAR BURAL
- The complex network analysis of the education network of employees
Çalışanların eğitim ağının karmaşık ağ analizi
CEYDA KOCAMAN
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiGalatasaray ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNCE KEZİBAN ORMAN
- Zaman serisi analizinde esnek hesaplama teknikleri (Türkiye dış ticaret örneği)
Soft computing techniques in time series analysis (Turkey foreign trade sample)
FERHAN DEMİRKOPARAN
