특허정보와 기계학습을 활용한 산업기술수준 측정 방법 연구
Research on Industrial Technology Level Evaluation Method using Patent Information and Machine Learning
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
기술정책 또는 기술전략의 수립을 위한 기초 정보로서 기술수준에 대한정확한 측정이 필요하다. 그러나 통상 실시되고 있는 전문가 설문을 통한 기술수준조사 방식은 객관성이 부족할 수 있고 상당한 시간과 비용이 소요되는 문제가 있어 본 연구는 특허정보를 활용하여 객관적이고 용이하게 기술수준을 측정하는 방법론을 도출하고자 한다. 본 연구는 주요 5개국의 산업기술분야 특허 경쟁력 측정결과와 산업기술수준조사 결과를 연계하여, 특허경쟁력으로부터 산업기술수준을 측정하였다. 특허지표를 독립변수로 기술수준조사결과를 종속변수로 사용하여 선형회귀 분석을 실시한 결과 각 지표별로 산업기술수준의 결정에 미치는 영향력을 확인하였고, 다음으로 인공신경망, 랜덤포레스트 및 XGboost를 활용하여 기술수준을 측정한 결과 선형회귀 방법 대비 예측 성능이 우수함을 확인하였다. 본 연구는 다양한 특허지표와 기계학습 방법을 도입하여 정확도가 개선된 산업기술수준 측정 방법론을 개발하였다는 데 의의가 있으며, 본 연구 결과가 전문가 설문조사 방식의기술수준조사를 보완하는 도구로 활용되기를 기대한다.
Abstract
Accurate measurement of technology level is required as basic information for establishing technology policy or strategy. However, technology level survey from experts may lack objectivity and consume considerable time and costs. Therefore, this study was conducted to derive a methodology to measure the level of technology objectively and easily by using patent information. We attempted to measure the industrial technology level from patent information by linking survey results with the patent competitiveness data of 5 major countries in 80 industrial technology fields. Using various patent indices as independent variables and the technology level survey result as a dependent variable, linear regression analysis was performed, identifying the influence of each index on the determination of technology level. Next, the technology level was predicted using artificial neural networks, random forest, and XGboost, confirming the better performance of machine learning than linear regression method. This study is meaningful in that it developed a technology level evaluation methodology with improved accuracy by using various patent indices and machine learning. And we expect our research would be used as a tool to supplement the expert survey method.
참고문헌 (23)
- 구기관, "국내외 신재생에너지 기술 경쟁력 분석 - 태양광 ․ 연료전지를 중심으로 -", 신재생에너지, 8(3), pp.30~37 (2012), 한국신·재생에너지학회
- 오종학, "특허지표가 선진국과 개발도상국의 기술수준에 미치는 영향 : 정보보안기술을 중심으로", 한국창업학회지, 13(3), pp.75~93 (2018), 한국창업학회[DOI]
- 유소진, "스트레처블 태양광전지 분야 특허기반 기술경쟁력 연구", 한국태양광발전학회지, 7(1) (2021)
- 하수진, "태양전지 분야 주요 5개국의 연구논문 동향 및 기술수준 조사 · 분석", 한국기후변화학회지, 12(1), pp.37~47 (2021), 한국기후변화학회
- 최지원, "Technology Trends and Patenting Prospects of Medicinal Plants in Korea", 한국약용작물학회지, 27(2), pp.75~85 (2019), 한국약용작물학회[DOI]
- 이동헌, "국방 전력지원체계 기술수준조사에 대한 연구", 제어.로봇.시스템학회 논문지, 20(2), pp.112~119 (2014), 제어·로봇·시스템학회[DOI]
- Cho, I., "Technological-level evaluation using patent statistics : model and application in mobile communications", Cluster Computing, 18(1) (2015)
- Han, Yuri, "Analysis of global competitiveness of engineering modeling and simulation technology for next-manufacturing innovation : Using quantitative analysis of patents and papers", ICIC Express Letters, 9(4) (2018)
- Hartigan, J. A., "Algorithm AS 136 : A K-Means Clustering Algorithm", Journal of the Royal Statistical Society, Series C, 28(1) (1979)
- Prajwala, T. R., "A comparative study on decision tree and random forest using R tool", International journal of advanced research in computer and communication engineering, 4(1) (2015)
- Rodriguez-Galiano, V. F, "An assessment of the effectiveness of a random forest classifier for land-cover classification", ISPRS journal of photogrammetry and remote sensing, 67 (2012)
- Uysal, M., "Artificial neural networks versus multiple regression in tourism demand analysis", Journal of Travel Research, 38 (1999)
- Wu, L., "Comparing nanotechnology landscapes in the US and China : a patent analysis perspective", Journal of nanoparticle research, 21(8) (2019)
- 2020년도 연구개발활동조사 결과, "김한울", 과학기술정보통신부, ~ (2020)
- 특허지표를 활용한 기술수준평가 연구방법론의 개발 및 적용, "서규원", 한국과학기술기획평가원, ~ (2011)
- 선동주, "특허성과 지표 활용 가이드라인", 특허청, ~ (2014)
- OECD, "OECD Patent Statistics Manual", OECD, ~ (2009)
- "분야별 기술수준평가"[URL]
- "A Guide on XGBoost hyperparameters tuning"[URL]
- Chen, Tianqi, "Xgboost : A scalable tree boosting system", Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining (2016)
- Jo, Yong-Gon, "Formulating R&D strategy for core technologies in biotechnology using the delphi and the AHP", Proceedings of the Korean Operations and Management Science Society Conference (2004), The Korean Operations Research and Management Science Society
- Ibrahim, Z., "Predicting students’ academic performance : comparing artificial neural network, decision tree and linear regression", 21st Annual SAS Malaysia Forum (2007)
- Zekic-Susac, M., "Small business credit scoring : a comparison of logistic regression, neural network, and decision tree models", 26th International Conference on Information Technology Interfaces IEEE (2004)