本研究修正了Altsuller提出的發明層級理論。並且建立了一套客觀的流程和解釋。審查專利以確定其發明層級是一項耗時的任務，因為它需要確定其相關應用領域的許多專利的新穎性和比較水平。本研究開發了一套電腦輔助系統，透過比較運作原理的創新性、應用領域特徵功能的創新性及其特徵參數組合的創新性，來評估發明層級。 本研究開發的系統使用網絡爬蟲、文件特徵選擇、相似性分析，有助於評估專利創新性。
本研究的整體貢獻如下：1) 提出客觀的方法區分層級二與層級三客觀，並且和傳統Altsuller提出的較模糊的分類方法比較。 2) 與手動專利檢索相比，電腦輔助系統的建立讓使用者能夠更全面地比較相同應用領域的各種專利。 只要其概念能夠以特徵功能的六個關鍵要素表達，即使尚未提交專利申請，該系統也可用於評估任何想法的創新性。 3) 使用Wordnet同義詞擴展功能/屬性列表，讓使用者在專利檢索時能夠更全面地辨識特徵功能和屬性。 4) 根據TRIZ的場，對900多項科學原理進行分類，以便對本專利概念的運作原理進行更有效的創新性分類。

This research modified the 5 levels of inventions presented by Altsuller and built an objective process and interpretations for classification of patent levels of inventiveness. Reviewing patents to determine its level of invention is a time-consuming task as it requires determining its level of novelty and comparison of many patents in its related application fields. This research developed a computer assisted software to assess level of invention based on comparison of novelty of action principles, novelty of featured functions in its application fields, and newness of its featured parameter set. The system developed by this research helps to evaluate patent inventiveness by using web crawler, document feature selection, similarity analysis.

The overall contributions of this study include: 1) Providing objective inventiveness classification between level 2 and level 3 compared to the ambiguous classification in the original Altsuller's classification system. 2) The computer assisted system established enables users to more comprehensively compare various patents in the same application fields compared to manual patent searches. The system can be used to assess the novelty level of any idea as long as its concepts can be expressed in the six key elements of featured functions even if a patent application has not been filed. 3) Expanding the function/attribute lists with Wordnet synonyms enabling users to more comprehensively identify distinctive functions and attributes for patent assessments. 4) Classifying more than 900 scientific principles in accordance with the TRIZ field classification to facilitate more efficient novelty classification on the action principles of the subject patent idea.

【中文部分】
1. 丁念茹，2009，預算控制與管理會計系統對產品創新績效之影響，國立彰化師範大學會計學系碩士論文。
2. 司徒達賢、李仁芳、吳思華，1985，企業概論，教育部空中大學教學委員會。
3. 林倞，2017，利用專利分類-專利文件矩陣提升專利潛在語意分析效率，https://portal.stpi.narl.org.tw/index/article/10305，科技政策與資訊研究中心網站。
2. 何旭正，沙永傑，2004，以抽樣方法分析台灣專利案件之創新層級與發明原則，國立交通大學工業工程與管理學系。
3. 羊帥，王鋒，林蘭芬，朱曉偉，謝非，2013，基於自動查詢擴展的專利文檔檢索方法，浙江大學計算機科學與技術學院，中國科技論文，第八卷第十期。
4. 李欣，王靜靜，楊梓，黃魯成，基於SAO結構語義分析的新興技術識別研究，北京工業大學經濟管理學院，情報雜誌，2016第三期。
5. 林士強，2013，初談「TRIZ」概論，http://www.naipo.com/Portals/1/web_tw/Knowledge_Center/Industry_Economy/publish-204.htm。
6. 邱聖家，2013，使用相似性指標辨識萃智解答模型以相關趨勢辨識為例，國立清華大學，工業工程與工程管理系碩士論文。
7. 柯柏佐，2007，來源國形象、產品創新、品牌聲譽、品牌權益與顧客終身價值間關係之研究-以國際知名行動通訊產品為例。大葉大學國際企業管理學系碩士論文。
8. 曾文，徐紅姣，李穎，王莉軍，趙婧，2016，基於VSM 的科技期刊文獻與專利文獻的相似度計算方法研究，情報工程，第二卷，第三期。
9. 張家瑋，2012，功能-屬性-效應知識庫之研究，國立清華大學，工業工程與工程管理系碩士論文。
10. 許棟樑，2007，系統化專利迴避強化與再生，亞卓國際顧問股份有限公司。
11. 陳達仁、黃慕萱，2002，專利資訊與專利檢索，文華圖書。
12. 陳會安，2016，PHP7與MySQL網頁資料庫程式設計(二版)，松崗資產管理股份有限公司。
13. 陸亦愷、張善傑、劉曉琴，2016，CPC專利分類在海事節能減排技術研發、態勢分析中的應用研究，情報雜誌，第35卷第七期。
14. 黃鈺婷，2010，以功能屬性關係辨識相關技術演化趨勢，國立清華大學，工業工程與工程管理系碩士論文。
15. 黃嘉彥，楊竣徨，2013，創新與經營管理學刊，第四卷，第二期。
16. 楊筑鈞，2003，產品創新、品牌形象、價格對知覺價值影響之研究，輔仁大學，織品服裝學系碩士論文。
17. 蔡笑倫，2010，網路爬蟲技術的發展趁勢，科技信息。
18. 鄧乃誠，2015，基於功能屬性相似性具優先序的萃智趨勢解答辨識，國立清華大學，工業工程與工程管理系碩士論文。
19. 劉玉琴，朱東華，呂琳，2008，基於文本挖掘技術的產品技術成熟度預測，
計算機整合製造系統，第十四卷，第三期。

 
【英文部分】
1. About Google Patents. (2017). https://support.google.com/faqs/answer/6390996?hl=en&visit_id=1-636324345490084102-3688500500&ref_topic=6390989&rd=1.
2. Adams, C. M. (2009). Developing Transdisciplinary Metrics Using Data Mining Techniques, Doctoral Dissertation.
3. Blake, C. (2011). Text Mining, pp. 123–155 in Blaise Cronin (ed.), Annual Review of Information Science and Technology, Vol. 45. Medford, NJ: Information Today.
4. Bird S., Ewan K., Edward L. (2009). Natural Language Processing with Python, Oreilly Media.
5. Choi, S., Janghyeok, Y., Kwangsoo, K., Jae-Yeol, L., Cheol-Han, K. (2011). SAO network analysis of patents for technology trends, identification: a case study of polymer electrolyte membrane technology in proton exchange membrane fuel cells, Scientometrics 88:863–883.
6. Carayannis, E.G. (2013). Encyclopedia of Creativity, Invention, Innovation, and Entrepreneurship, Springer.
7. Fey, V., Rivin, E. (2005). Innovation on demand: new product development using TRIZ. Cambridge University Press.
8. Hotho A., Andreas N., and Gerhard P. (2005). A Brief Survey of Text Mining, LDV Forum - GLDV Journal for Computational Linguistics and Language Technology 20 (1): 19-62.
9. Jaffe, A. B., Manuel T. (2002). Patents, Citations & Innovations-A Window on the Knowledge Innoations, The MIT Press.
10. Karki, M. (1997). Patent citation analysis: A policy analysis tool. World Patent Information, 19(4), 269-272.
11. Levitt, T. (1966). Innovational Imitation, Harvard Business Review, 63-41.
12. Li Z., Derrick T., Christopher L., Christopher A., (2012). A framework for automatic TRIZ level of invention estimation of patents using natural language processing, knowledge-transfer and patent citation metrics, Computer-Aided Design Volume 44, Issue 10, Pages 987–1010.
13. Li Z., Mark A., David H. (2014). Identifying patent conflicts: TRIZ-Led Patent Mapping, World Patent Information vol.39.
14. Martino, J. P. (1992). Technological forecasting for decision making (3rd ed.). New York: Mcgraw-hill.
15. Mitchell R. (2015). Web Scraping with Python, Oreilly Media.
16. Park, H., Janghyeok, Y., Kwangsoo, K., (2012). Identifying patent infringement using SAO based semantic technological similarities, Scientometrics, 90:515–529.
17. Rochford L. (1991). Generating and screening new products ideas, Industrial Marketing Management, Volume 20, Issue 4, Pages 287-296.
18. Robertson T. S. (1967). The Process of Innovation and the Diffusion of Innovation, Journal of Marketing, Vol. 31, No. 1 , pp. 14-19.
19. Sheu, D. D., Hei-Kuang, L. (2011). A Proposed Process for Systematic Innovation, International Journal of Production Research, pp. 1–22. (SCI/1.460).
20. Sheu, D. D., Sheng Chia, C. (2017). Prioritized relevant trend identification for problem solving based on quantitative measures, Computers & Industrial Engineering, Volume 107, , Pages 327–344.
21. Umeda, Y., Takeda, H., Tomiyama, T. and Yoshikawa, H. (1990). “Function, Behavior, and Structure”, Applications of Artificial Intelligence in Engineering, Vol. 1, 177-193.
22. Weiss, S.M.. (2015). From Textual Information to Numerical Vectors, Fundamentals of Predictive Text Mining, Texts in Computer Science 41.
23. Wang, M. Y., Chang, D. S., Kao, C. H. (2010). Identifying technology trends for R&D planning using TRIZ and text mining. R&d Management, 40(5), 491-509.