기술 요약: 그래프 조건부 계층적 샤플리 기여도 산정을 위한 프레임워크

1. 문제 정의

본 논문은 수만 개의 특허가 포함된 제품 내에서 단일 특허의 경제적 기여도를 추정하는 지식재나 경제학의 오랜 미해결 과제를 다룹다. 기존의 법적 프레임워크(예: Georgia-Pacific, Nash bargaining, incremental value analysis)는 그래프 조건부 계산과 계층적 할당을 결합하면서 동시에 공리적 공정성을 충족하는 데 어려움을 겪고 있다.

계산적 문제와 경제적 추정 문제 사이의 결정적인 구분이 이루어진다. 머신러는 모델은 특성 부분 집합의 수익인 특성 함수 $v(S)$를 직접 계산할 수 있지만, 특허 가치 산정에서는 $v(S)$를 직접 관찰할 수 없다. 저자들은 실데이터로부터 $v(S)$를 추정하는 것이 여전히 미해결 과제로 남아 있음을 명시하며, 본 논문은 잘 정의된 $v(S)$가 주어졌을 때의 계산적 기여(computational contribution), 즉 효율적인 공리적 샤플리 값 계산 프레임워크를 제공하는 데 집중한다.

2. 방법론: PatentXAI 프레임워크

저자들은 특허 가치 산정을 설명 가능한 AI(XAI)의 특성 기여도(feature attribution) 문제로 취급하는 4계층 프레임워크인 PatentXAI를 제안한다. 이 프레임워크는 효율성, 대칭성, 더미, 가법성 공리를 만족하는 샤플리 값(Shapley value)에 의존한다.

제1계층: 포괄적 특허 지식 그래프

기술 지형은 다음과 같은 유향 속성 그래프(directed property graph)로 모델링된다:

• 노드: 특허, 특성(Features), 구성 요소(Components), 표준(Standards).
• 에지: COVERS (특허 $\to$ 특성), IMPLEMENTED_IN (특성 $\to$ 구성 요소), CITES (특허 $\to$ 특허, 포괄적 특허 인용 네트워크 형성), DECLARED_ESSENTIAL_TO (특허 $\to$ 표준).
• 중심성: 특허에는 페이지랭크(PageRank), HITS 권위도(authority), 그리고 인용 네트워크 내 정규화된 내입 차수(normalized in-degree)를 기반으로 한 복합 중심성 가중치($w_i$)가 할당된다.

제2계층: 경제적 영향 추정

구성 요소에는 컨조인트 분석, 헤도닉 가격 결정법 또는 엔지니어링 비용 분석과 같은 방법을 사용하여 경제적 가중치가 할당된다. 표준 필수 특허(SEP)의 경우, 이 가중치는 FRAND 로열티율 및 법원 판결에 근착한다.

제3계층: 마르코프 블랭킷(Markov Blanket) 연합 제한

대규모 포트폴리오($n=100+$)에 대한 샤플리 계산을 용이하게 하기 위해, 저자들은 각 특허 $i$의 연합을 해당 특허의 마르코프 블랭킷($MB(i)$)으로 제한한다.

• 정의: $MB(i)$는 특허$i$가 커버하는 모든 구성 요소와, 해당 구성 요소 중 적어도 하나를 커버하는 다른 모든 특허를 포함한다.
• 이론적 근거: 이 제한은 C-SVE 조건부 독립 정리(Li et al., 2020)에 근거하며, 이는 국소적 조건부 독립 하에서 주변부로 제한된 샤플리 값이 거의 확실하게(almost surely) 전역 값과 같음을 시사한다.
• 계산: 샤플리 값은 전체 포트폴리오 대신 마르코프 블랭킷의 순열에 대한 몬테카를로 샘플링을 통해 근사 계산된다.

제4계층: 계층적 이익 배분

할당은 규모를 처리하기 위해 두 단계로 진행된다:

1. 구성 요소 수준: 매크로 구성 요소(통상 4~8개)에 대해 정확한 샤플리 값을 계산하여 제품 이익을 분배함으로써 시너지를 포착한다.
2. 특허 수준: 각 구성 요소에 할당된 예산은 이를 커버하는 특허들 사이에 배분된다. 결정적으로, 중심성 가중치 $w_i$는 사후 곱셈기로 적용되는 것이 아니라 국소 특성 함수 $v_{local}(S)$ (식 2) 내에 직접 통합된다. 이를 통해 효율성 공리를 준수하고 할당을 협력 게임의 코어(cooperative game core) 쪽으로 이동시키는 "우선순위 인식 샤플리 값(Priority-Aware Shapley Value)"을 생성한다.

3. 주요 기여

논문은 다음과 같은 6가지 구체적인 기여를 명시한다:

1. 형식적 매핑: XAI 특성 기여도와 특허 가치 산정 사이의 구조적 동일성을 확립하고, 그래프 조건부 근사가 계층적 샤플리를 만족함을 증명한다.
2. 마르코프 블랭킷 제한: C-SVE에 근거한 실행 가능한 연합 제한 방식을 도입하고, 이를 규모 확장 실험을 통해 검증한다.
3. 조밀한 구성 요소에 대한 탄력성: 근사치가 밀집된 SEP 유사 서브 포트폴리오에서 급격히 저하되지 않음을 입증하며, 오히려 조밀한 클러스터를 커버하도록 확장되어 균질한 환경에서 정확도를 향상시킨다.
4. 문헌 통합: 샤플리 순위와 마르코프 블랭킷 멤버십 간의 해리(disassociation)에 관한 Ma et al. (2020)의 연구 결과를 명확히 다루며, PatentXAI가 인과적 특성 선택이 아닌 예산 제약 하의 배분을 위해 설계되었음을 밝힌다. 또한, 그래프 조건부 제한과 계층적 할당을 사용함으로써 Dehez와 Poukens (2014)의 연구와 차별화한다.
5. 4계층 아키텍처: CPC 그래프, 중심성 가중치 특성 함수, SHAP-Tree-MCDA 수학, 그리고 진화하는 포트폴리오를 위한 D-Shap 동적 업데이트를 통합한다.
6. 실증적 로드맵: 공개 데이터셋(ETSI, USPTO, Lens.org)과 주요 소송 데이터를 활용한 검증을 위한 구체적인 계획을 제공한다.

4. 실험 결과

단일 Intel i7 코어를 사용하여 실제 SEP 구조를 시뮬레이션한 합성 파레토 분포 커버리지 그래프 상에서 실험이 수행되었다.

• 확장성 (n=12에서 n=100까지):

  • $n=100$일 때, 중앙값 마르코프 블랭킷 크기는 $n$의 **32.9%**이며, 90 백분위수는 **55.2%**이다.
  • 실행 시간은 특허당 약 10 밀리초이다.
  • 고샘플 몬테카를로 참조 모델(5,000개 샘플)과의 차이는 $n=100$에서 0.062 ± 0.003이다.
  • 근사 오차는 $n$이 증가함에 따라 체계적으로 증가하지 않는다.

• 조밀한 구성 요소 실험:

  • 80%의 특허가 단일 구성 요소를 공유하는 시나리오(밀집된 SEP 서브 포트폴리오 모사)에서, 마르코프 블랭킷은 80%의 특허를 커버하도록 확장된다.
  • 역설적으로, 이러한 조밀한 설정에서 오차는 0.039로 감소하는데, 이는 풀링된 연합이 구조적으로 균질해져서 블랭킷 내 샘플링이 더 정확해지기 때문이다.

• 엔드 투 엔드 파이프라인 테스트:

  • 10개의 특허와 4개의 구성 요소로 이루어진 예시에서, 본 프레임워크는 개별 특허 가치의 합이 총 제품 이익($200)과 정확히 일치하는 효율성 공리를 충족함을 보여주었다.

5. 의의 및 주장

본 논문은 PatentXAI가 법적 및 경제적 문헌에서 결여되었던 원칙적이고 공리적인 기초로서 특허 가치 산정을 제공한다고 주장한다. 특허 가치 산정을 XAI 문제로 취급함으로써, 본 연구는 샤플리 값, 마르코프 블랭킷과 같은 확립된 수학적 도구를 활용하여 포트폴리오 규모의 할당에서 발생하는 계산적 불가능성을 해결한다.

제한 사항 및 한계:

• $v(S)$ 추정: 저자들은 실데이터로부터 특성 함수 $v(S)$를 추정하는 것이 "주요 미해결 과제"임을 명시적으로 밝힌다. 본 프레임워크는 $v(S)$가 주어진 상태를 가정하며, 최종 가치 산정의 경제적 정확도는 전적으로 이 입력값의 품질에 달려 있다.
• 검증: PatentXAI의 어떤 부분도 아직 실제 특허 데이터에 적용되지 않았다. 현재 결과는 합성 데이터와 이론적 증명에 기반한다.
• 충실성 가정: 마르코프 블랭킷 제한의 이론적 보장은 그래프 구조가 이익 함수 내의 조건부 독립성을 인코딩한다는 충실성(faithfulness) 가정에 의존한다. 저자들은 이것이 모든 실제 시나리오에서 성립하지 않을 수 있음을 인정하며, 이 제한을 계산적으로 동기 부여된 휴리스틱이자 경험적으로 검증된 정확도를 가진 도구로 취급한다.
• 법적 수용성: 중복된 특허가 높은 샤플리 값을 받을 수 있는 "해리" 문제를 다루고 있으나, 저자들은 전통적인 법적 선례보다 중심성 가중치가 부여된 순위를 법원이 수용할 것인지는 경험적인 문제라고 언급한다.

결론적으로, PatentXAI는 완전하게 검증된 엔드 투 엔드 가치 산정 시스템이라기보다, 협력 게임 이론과 특허 포트폴리오 분석의 실무적 제약 사이의 간극을 메우는 효율적이고 공리적인 계산 프레임워크로 제시되며, 향후 실증적 검증을 위한 명확한 로드맵을 갖추고 있다.