딥러닝 기반 국가전략기술 기술사업화 후보기술 추천 연구: 기술 수요자 연계를 중심으로
A Study on the Recommendation of Candidate Technologies for National Strategic Technology Commercialization Using Deep Learning: Focusing on Technology Demand Linkage
4
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
공공 기술사업화는 국가 혁신의 핵심 동력이지만, 현실에서는 기술이전 및 사업화 성공률이 낮은 수준이다. 본 연구는 딥러닝 기법을 활용하여 연구개발특구 내 기술사업화 성공 사례를 분석하고, 사업화 후보기술과 적합한 산업 분야를 도출하는 AI 기반 기술 추천 모델을 제시한다. 본 연구에서는 Word2vec을 활용하여 12대 국가전략기술 분야별로 사업화 성공 기술과 후보기술 간의 연관성을 분석하였으며, TF-IDF 기법을 적용하여 사업화되지 않은 기술들의 핵심 키워드를 도출하였다. 이를 통해 기존 연구들이 전문가 평가나 특허 인용 지표에 의존했던 한계를 극복하고, 데이터 기반의 기술사업화 후보 선정 및 산업 적합성 분석 방법을 제시하였다. 연구 결과, 기술-수요자 맞춤형 매칭 플랫폼 구축, 데이터 기반 기술사업화 전략 수립, 기술사업화 네트워크 구축의 필요성을 확인하였다. 본 연구는 딥러닝 기반 AI 모델을 공공 기술사업화 분석에 최초로 적용하여 기술과 수요기업 간 최적 매칭을 도출한 점에서 학문적·실무적 의의를 갖는다. 나아가, 데이터 기반 분석 기법을 적용하여 산업 수요에 최적화된 기술 이전 및 사업화가 이루어질 수 있도록 하는 정책적 시사점을 제공한다.
Abstract
Public technology commercialization is a key driver of national innovation, yet the success rate of technology transfer and commercialization remains low. This study presents an AI-based technology recommendation model that utilizes deep learning techniques to analyze successful technology commercialization cases within INNOPOLIS and identify suitable industrial sectors for commercialization candidate technologies. In this study, Word2vec was employed to analyze the relationships between successfully commercialized technologies and candidate technologies across 12 national strategic technology fields, while the TF-IDF technique was applied to extract key keywords from uncommercialized technologies. This approach overcomes the limitations of previous studies that relied on expert evaluations and patent citation indicators, proposing a data-driven methodology for selecting commercialization candidates and analyzing industry suitability. The study identifies the need for establishing a technology-demand matching platform, developing data-driven technology commercialization strategies, and strengthening technology commercialization networks. By applying a deep learning-based AI model to public technology commercialization analysis for the first time, this research provides both academic and practical significance by facilitating optimal matching between technologies and potential demand entities. Furthermore, it offers policy implications for optimizing technology transfer and commercialization in alignment with industry demand through data-driven analytical methods.