본문 바로가기
KERD
논문KCI 등재

부분최소제곱 회귀분석을 이용한 인공지능 기술분석

AI Technology Analysis using Partial Least Square Regression

전성해|최준혁
한국컴퓨터정보학회 (The Korean Society Of Computer And Information)|2020.03|한국컴퓨터정보학회논문지 (Journal of The Korea Society of Computer and Information)|제25권 제3호|pp. 109-115|DOI https://doi.org/10.9708/jksci.2020.25.03.109

0

조회

0

다운로드

3

인용

0

참고문헌

키워드

인공지능Artificial IntelligenceRegression Analysis회귀분석Partial Least Squares기술분석Patent Data부분최소제곱특허데이터Technology Analysis
주제분류컴퓨터학

초록

본 논문에서는 부분 최소 제곱(PLS) 회귀 모형을 이용한 인공지능(AI) 기술 분석을 제안한다. AI 기술은 이제 우리 사회의 대부분의 영역에 영향을 미치고 있다. 따라서 이 기술에 대한 정확한 이해가 필요하게 된다. AI 기술을 분석하기 위하여 전 세계 특허 데이터베이스로부터 AI 관련특허 문서를 수집하고 텍스트 마이닝 기법을 사용하여 수집된 특허 문서에서 AI 기술 키워드를추출한다. 본 연구에서는 추출된 AI 키워드 데이터를 PLS 회귀 모형으로 분석한다. 바이오정보학, 사회과학 및 공학 등 다양한 분야에서 고급 데이터 분석을 위하여 사용되는 PLS 회귀 모형은 부분 최소 제곱 기법을 기반으로 한다. 제안 방법의 성능을 확인하기 위하여 AI 특허 문서를 사용하여 분석 실험을 수행하고 제안하는 연구가 실제 문제에 어떻게 적용될 수 있는지 보여 준다. 본 논문은 AI 기술뿐만 아니라 다른 기술 분야에도 적용 할 수 있다.

Abstract

In this paper, we propose an artificial intelligence(AI) technology analysis using partial least square(PLS) regression model. AI technology is now affecting most areas of our society. So, it is necessary to understand this technology. To analyze the AI technology, we collect the patent documents related to AI from the patent databases in the world. We extract AI technology keywords from the patent documents by text mining techniques. In addition, we analyze the AI keyword data by PLS regression model. This regression model is based on the technique of partial least squares used in the advanced analyses such as bioinformatics, social science, and engineering. To show the performance of our proposed method, we make experiments using AI patent documents, and we illustrate how our research can be applied to real problems. This paper is applicable not only to AI technology but also to other technological fields. This also contributes to understanding other various technologies by PLS regression analysis.

참고문헌 (25)

  1. A. T. Roper, "Forecasting and Management of Technology" (2011), John Wiley & Sons
  2. 이소영, "경로 및 실시간 대중교통 정보 제공을 위한 AI 챗봇", 한국컴퓨터정보학회논문지, 24(7), pp.9~17 (2019), 한국컴퓨터정보학회[DOI]
  3. 정주호, "이상 징후 탐지를 위한 영상, 소리, 활동 패턴 기반 지능형 패턴 인식 알고리즘", 한국컴퓨터정보학회논문지, 24(5), pp.59~66 (2019), 한국컴퓨터정보학회[DOI]
  4. 최승윤, "최신의 딥 강화학습을 이용한 무인 자전거 제어기 학습방법", 한국컴퓨터정보학회논문지, 23(10), pp.23~31 (2018), 한국컴퓨터정보학회[DOI]
  5. 최종인, "3D 캐릭터의 모션 생성 및 제어를 위한 최신 기술 동향", 한국컴퓨터정보학회논문지, 24(4), pp.19~26 (2019), 한국컴퓨터정보학회[DOI]
  6. S. Russell, "Artificial Intelligence: A Modern Approach, Third Edition" (2014), Pearson
  7. K. P. Murphy, "Machine Learning: a probabilistic perspective" (2012), MIT Press
  8. S. Theodoridis, "Machine Learning A Bayesian and Optimization Perspective" (2015), Elsevier
  9. M. G. Gustafsson, "A Probabilistic Derivation of the Partial Least-Squares Algorithm", Journal of Chemical Information and Computer Sciences, 41(2), pp.288~294 (2001)
  10. L. Sun, "On the Equivalence Between Canonical Correlation Analysis and Orthonormalized Partial Least Squares", Proceedings of the 21st international joint conference on Artifical intelligence, pp.1230~1235 (2009)
  11. M. Barker, "Partial least squares for discrimination", Journal of Chemometrics, 17(3), pp.166~173 (2003)
  12. S. M. Ross, "Introductory Statistics, Fourth Edition" (2017), Academic Press Elsevier
  13. J. Keller, "The influence of information and communication technology(ICT)on future foresight processes–Results from a Delphi survey", Technological Forecasting and Social Change, 85, pp.81~92 (2014)
  14. H. A. Linstone, "Delphi : A Brief Look Backward and Forward", Technological Forecasting and Social Change, 78(9), pp.1712~1719 (2011)
  15. S. Jun, "A novel method of IP R&D using patent analysis and expert survey", Queen Mary Journal of Intellectual Property, 5(4), pp.474~494 (2015)
  16. S. Park, "Technology Analysis of Global Smart Light Emitting Diode(LED)Development Using Patent Data", Sustainability, 9(8), pp.1363~ (2017)
  17. J. Kim, "Sustainable Technology Analysis Using Data Envelopment Analysis and State Space Models", Sustainability, 11(13), pp.3597~ (2019)
  18. J. Kim, "Patent data analysis using functional count data model", Soft Computing, 23(18), pp.8815~8826 (2019)
  19. S. Jun, "Bayesian Count Data Modeling for Finding Technological Sustainability", Sustainability, 10(9), pp.3220~ (2018)
  20. R. Rosipal, "Overview and recent advances in partial least squares", Proceedings of International Statistical and Optimization Perspectives Workshop, pp.34~51 (2005)
  21. "The United States Patent and Trademark Office" (2019)[URL]
  22. "WIPS Corporation" (2019)[URL]
  23. "R: A language and environment for statistical computing" (2019)[URL]
  24. I. Feinerer, "Text mining infrastructure in R", Journal of Statistical Software, 25(5), pp.1~54 (2008)
  25. I. Feinerer, "Package ‘tm’ Ver. 0.7-6, Text Mining Package", CRAN of R project, ~ (2019)

관련 논문AI추천

특허정보를 이용한 인공지능 기술 동향 분석박재용한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2018 · 제23권 제4호국내외 특허데이터 기반의 인공지능분야 기술동향 분석이주연, 정명석, 정소희한국디지털정책학회 · 디지털융복합연구2018 · 제16권 제6호감마 회귀모형과 시각화를 이용한 특허 키워드 분석전성해한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2022 · 제27권 제8호효율적인 기술 정책 제안을 위한 한국 인공지능 지식 구조와 진화 궤적의 탐색적 분석김경외, 이준민, 이창준한국혁신학회 · 한국혁신학회지2021 · 제16권 제3호인공지능기술의 특허네트워크 분석을 통한융합패턴 연구배영임, 신혜리재단법인 경기연구원 · GRI연구논총2017 · 제19권 제1호특허 데이터 기반 유망기술 연구 동향 분석: PATC 기반 분석을 중심으로김태중, 노동훈, 노한성한국지식재산연구원 · 지식재산연구2025 · 제20권 제4호

이 간행물의 다른 논문 (29건)

MLC STT-MRAM Cache을 위한 Dead Block 탐지 기반의 적응형 쓰기 기법홍석인pp. 1-9캐시 메모리와 교체 정책 구현 및 성능의 비교박나은, 정태석, 김종완pp. 11-17Automatic Metallic Surface Defect Detection using ShuffleDefectNet조영임, Avlokulov Anvarpp. 19-26딥러닝 기반의 스크랩박스 적치 상태 측정 기술 개발정의한, 서예인, 김동주pp. 27-32합성곱 신경망을 이용한 헬기 피아식별 모형 연구김종환, 김태완, 문호석pp. 33-42
원문 보기