토픽모델링을 활용한 대체불가토큰(NFT) 관련 특허 동향 분석
NFT(Non-Fungible Token) Patent Trend Analysis using Topic Modeling
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 여러 산업 분야에서 범용적으로 활용될 수 있는 NFT(Non-Fungible Token)에 대해 토픽모델링 기법을 활용하여 최근의 NFT 산업 동향에 대한 분석 결과를 제시한다. 본 연구에서는 산업동향을 파악하기 위해 특허 데이터를 활용하였으며, NFT 표준안이 처음으로 발표되었던 2017년부터 2023년 10월까지 특허정보검색서비스 키프리스에 등록된 NFT 관련 국내•외 특허 각각 371건, 454건의 특허 데이터를 수집하였다. 다음으로 전처리 작업에서 불용어, 표제어를 제거 후 명사 단어만을 추출하였고, 분석 방법으론 빈도수에 따른 상위 50개의 단어를 나열하고, 단어마다 계산된TF-IDF 값을 같이 확인하여 산업 동향의 핵심 키워드를 도출하였다. 다음으로, LDA 알고리즘을 활용해 국내•외 별로 특허 데이터에서 잠재된 4개의 주요 주제를 도출하였다. 도출한 주제별로 내용을 분석하고, 실제 NFT 산업사례를 근거로 들어 NFT 산업 동향 분석내용을 제시하였다. 선행연구에서는 논문 데이터를 통해 학술적 관점에서 동향을 제시하였다면 본 연구는 현장 실무에 기반을둔 데이터를 활용하여 실용적인 동향 내용을 제공했다는 점에서 의의가 있으며, NFT 산업계 관련자들이 시장 현황 파악 및 새로운 아이템 창출을 위한 참고용으로 활용될 것으로 기대한다.
Abstract
In this paper, we propose an analysis of recent trends in the NFT (Non-Fungible Token) industry using topic modeling techniques, focusing on their universal application across various industrial fields. For this study, patent data was utilized to understand industry trends. We collected data on 371 domestic and 454 international NFT-related patents registered in the patent information search service KIPRIS from 2017, when the first NFT standard was introduced, to October 2023. In the preprocessing stage, stopwords and lemmas were removed, and only noun words were extracted. For the analysis, the top 50 words by frequency were listed, and their corresponding TF-IDF values were examined to derive key keywords of the industry trends. Next, Using the LDA algorithm, we identified four major latent topics within the patent data, both domestically and internationally. We analyzed these topics and presented our findings on NFT industry trends, underpinned by real-world industry cases. While previous review presented trends from an academic perspective using paper data, this study is significant as it provides practical trend information based on data rooted in field practice. It is expected to be a useful reference for professionals in the NFT industry for understanding market conditions and generating new items.
참고문헌 (25)
- "Cryptopunks"[URL]
- "ERC-721"[URL]
- "BEP-721"[URL]
- "PSP-34"[URL]
- "Cryptokitties"[URL]
- "Nba top shot"[URL]
- Trevor Zaucha, "Newly minted: Non-fungible tokens and the commodification of fandom", New Media &Society, pp.146144482210804~ (2022), SAGE Publications[DOI]
- "Q1 2021 Industry Trends: NFTs Rise to Fame, DeFi Consolidates 2020 Gains"[URL]
- NFTs Recent Industry Trends and Implications, "https:", portal, pp.issue, ovseaIssued[DOI]
- "LG Electronics, Presenting LG Styler™ ShoeCase & LG Styler™ Shoe Care Along with NFT Shoes"[URL]
- "LINE NEXT, Introduction of Link (LN) Payment in NFT Platform City"[URL]
- "Recent Industry Trends in Open Source NFTs"[URL]
- 한진영, "토픽모델링을 활용한 대체불가토큰(NFT) 관련 연구 동향 분석", 한국콘텐츠학회 논문지, 22(11), pp.39~50 (2022), 한국콘텐츠학회[DOI]
- Raeesah Chohan, "NFT marketing: How marketers can use nonfungible tokens in their campaigns", Business Horizons, 66(1), pp.43~50 (2023), Elsevier BV[DOI]
- Yohan Hwang, "When makers meet the metaverse: Effects of creating NFT metaverse exhibition in maker education", Computers & Education, 194, pp.104693~ (2023), Elsevier BV[DOI]
- R C. Manning, "An introduction to information retrieval", pp.118~120 (2008), Cambridge University Press
- Hofmann, Thomas, "Probabilistic latent semantic indexing", Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval (1999)
- Blei, David M, "Latent dirichlet allocation", Journal of machine Learning research, 3, pp.993~1022 (2003)[DOI]
- Panichella, Annibale, "How to effectively use topic models for software engineering tasks? an approach based on genetic algorithms", 2013 35th International conference on software engineering (ICSE) (2013), IEEE
- "Mywillim"[URL]
- "National Certificates, Stored and Used in Electronic Wallet (Q-net)"[URL]
- "RTFKT"[URL]
- "Starbucks-Odyssey"[URL]
- "Axie-Infinity"[URL]