특허 데이터를 통한 유망 기술 예측 : 유망 기술의 특징을 기반으로 :Predicting Emerging Technologies through Patent Data: Based on Characteristics of Emerging Technologies

전우진

추천

검색

자료유형: 학위논문

저자정보: 전우진 (서울과학기술대학교, 서울과학기술대학교 대학원)

지도교수: 금영정

발행연도: 2022

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수35

초록· 키워드

미래사회 변화를 주도하는 기술 혁신을 파악하고, 유망 기술에 대한 지속적인 투자는 국가와 기업 차원에서 산업 경쟁력 향상을 위한 중요한 요소로 여겨진다. 따라서 유망 기술 예측은 산업과 기업 전반에서 큰 관심사로 간주되어 왔으며, 특히 특허 데이터를 사용하여 유망 기술을 예측하는 다양한 연구가 진행되어 왔다. 그러나 기존 연구는 주로 특허의 구조적 부분에 집중하여 유망 기술을 예측하였을 뿐 아니라, 유망 기술의 주요 특징을 고려하지 않고 연구를 진행하였다. 그러나 특허의 품질을 평가할 땐 중추적인 역할을 하는 정보는 특허의 비구조적 부분이기 때문에 해당 정보를 고려할 필요가 있으며, 동시에 유망 기술의 특징을 고려하여 기술 유망성의 다면적 특징도 고려할 필요가 있다. 이에 본 연구는 기술의 유망성에 대한 고찰을 바탕으로, 특허의 비구조적 부분과 구조적 부분을 통합하여 특허의 유망성을 예측하고자 한다. 본 연구는 특허의 구조적 부분을 활용한 기존 연구들을 바탕으로 특허 데이터로부터 서지학적 지표를 추출하고, 이에 더해 특허의 비구조적 부분인 텍스트 관련 지표를 제안하여 유망 기술의 5가지 특징에 따라 맵핑한 뒤, 특허의 유망성을 예측하였다. 특허 데이터는 PatentView API를 통해 수집한 14,992개의 헬스케어 기술 관련 특허를 사용하였다. 특허 데이터로부터 미리 정의한 설명변수를 추출 및 계산하였고, 머신러닝으로 특허의 유망성을 예측하였다. 실험 결과, 본 연구에서 제안한 특허 텍스트 지표 중 같은 기간에 특허의 초록에서 쓰이는 의미 있는 키워드의 빈도가 특허의 유망성을 결정하는 데 중요한 요인이라는 것을 확인할 수 있었다. 본 연구에서 제시하는 유망 특허 예측 프레임워크는 기업이 투자하기 적합한 특허 및 기술을 식별하는 데 도움이 될 것으로 기대된다.

Identifying the drivers of technological changes leading to future social changes and R&D on core technologies are considered important factors for improving technological and industrial competitiveness at the national and corporate level, and emerging technologies are of great interest to industries and government officials. However, due to the rapid pace of technological development in recent years, companies are having difficulty selecting suitable technologies for investment. As a solution to this, various studies have been conducted to predict emerging technologies using patent data. However, in previous studies, emerging technologies were predicted mainly by focusing on the structural part of patents, and the research was conducted without considering the characteristics of promising technologies. However, when evaluating the quality of a patent, it is necessary to consider the information of unstructured part of the patent, and at the same time, it is also necessary to consider the multi-faceted features of technology emerging technology. Therefore, this study proposes a systematic method for predicting emerging patent in consideration of the unstructured part of the patent and the characteristics of the promising technology. This study extracted bibliographic indicators from patent data based on previous studies using the structural part of the patent, proposed text-related indicators, which are unstructured parts of the patent, mapped them according to five characteristics of the promising technology, and predicted the emerging patent. 14,992 of patent data related to healthcare technology were used which are collected through the PatentView API. Descriptive variables defined in advance from patent data were extracted and calculated, and the prospect of patents was predicted through machine learning. As a result of the experiment, it was confirmed that the patent text indicator proposed in this study, frequency of meaningful keywords used in the abstract of patents during the same period, is an important factor in determining the emerging patents. The framework for predicting emerging patent presented in this study is expected to help identify patents and technologies suitable for companies to invest in.

#특허분석 #기술예측 #머신러닝

I. 서 론 1
1. 연구 배경 1
2. 연구 목적 3
3. 연구 구성 3
II. 문 헌 연 구 4
1. 이론적 배경 4
1.1 유망 기술의 특성에 관련한 연구 4
1.2 특허를 이용한 유망 기술 예측 6
2. 방법론적 배경 8
III. 연 구 방 법 9
1. 연구 프레임워크 9
2. 데이터 수집 10
3. 유망 기술 특징 정의 및 변수 설정 11
3.1 유망기술의 특징 정의 11
3.2 변수 설정 11
4. 특허의 유망성 측정 18
5. 실험 결과 검증 및 중요 변수 확인 18
IV. 사례 연구 20
1. 데이터 수집 및 전처리 20
2. 특허의 유망성 측정 21
2.1 데이터 준비 21
2.2 머신러닝 모델 설정 22
2.3 머신러닝 학습 결과 23
2.4 실험 결과 분석 29
V. 결 론 30
1. 연구의 요약 및 의의 30
2. 연구의 한계점 및 추후 연구 31
참고문헌 32
영문초록(Abstract) 36
감사의 글 38

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)