[논문]특허분석을 이용한 지능형시스템의 기술예측

전성해

doi:10.5391/jkiis.2011.21.1.100

특허분석을 이용한 지능형시스템의 기술예측
Technology Forecasting of Intelligent Systems using Patent Analysis 원문보기 논문타임라인

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.21 no.1, 2011년, pp.100 - 105

초록
AI-Helper

학습과 추론을 이용하여 주어진 환경에서 최적의 문제해결을 수행하는 지능형시스템에 대한 사용은 날로 증가하고 있다. 다양한 분야에서 지능형시스템은 과거와 현재 뿐만 아니라 미래에도 인간의 삶의 질을 향상시키는 중요한 역할을 수행하기 때문에 이에 대한 기술적 동향파악과 기술예측은 중요하게 다루어져야 할 것이다. 본 논문에서는 지금까지 개발된 기술에 대한 객관적이고 광범위한 정보를 포함하고 있는 특허데이터를 정량적으로 분석하여 지능형시스템에 대한 기술적 예측에 필요한 특허분석 방법을 제안한다. 지금까지 출원, 등록된 특허데이터를 이용하여 제안방법에 대한 성능평가를 수행한다.

Abstract ▼ AI-Helper

Needs of intelligent system has risen continuously to solve given problem optimally using learning and reasoning. This system has performed important roles in diverse fields for improving the human-life quality in past, present, and future. So, it is important to analyze the trend of technology forecasting for the intelligent system. In this paper, we propose a patent analysis method for technology forecasting of the intelligent system using objective patent data. To verify our study, we use the patent data applied and registered until now.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

하지만 행렬을 이용한 데이터분석이 가능하기 위해서는 행의 크기가 열의 크기보다 훨씬 커야(n≫p)한다[19]. 또한 행렬 X는 매우 희소한(sparse) 데이터구조를 갖기 때문에 이 문제를 해결하기 위하여 본 논문에서는 한 행렬(dimension reduction)를 고려한다. 대표적인 한 행렬기법은 [1량 통계분석기법인 주성분분석(principal component analysis)이다[19].
이 결과를 통하여 지능형시스템에 관한 세부기술은 대략 10가지 정도로 나눌 수 있음을 알 수 있다. 물론 이 분야의 전문가 집단으로부터 기술분류를 통하여 세부기술을 나눌 수도 있지만 본 논문에서는 이 분야의 특허출원 및 등록의 결과를 통하여 객관적으로 이 작업을 수행하였다. 이 결과를 이용하여 군집수를 알 경우에 우수한 군집화 결과를 제공해 주는 K-means 군집화 기법을 사용한다.
왜냐하면 군집화는 군집내 분산은 최소로, 군집간 분산은 최대로 이루어지게 실행되기 때문이다. 본 논문에서는 SVD에 의한 차원축소와 BIC에 의한 군집화를 이용하여 지능형시스템에 관한 특허데이터를 분석하고 이를 바탕으로 향후 지능형시스템에 대한 공백기술을 예측한다. 다음은 본 연구에서 제안한 방법에 대한 단계별 과정이다.
특히 앞으로 필요할 세부기술에 대한 연구가 제대로 이루어지지 못하면 이에 대한 기술수요에 적절히 대응할 수 없게 된다. 본 논문에서는 과거부터 현재까지 지능형시스템에 대한 연구, 개발 결과를 이용하여 향후 필요한 공백기술을 예측한다. 이를 통하여 지능형시스템에 대한 학교와 기업 그리고 국가의 연구개발 계획에 도움이 될 수 있는 결과를 찾아낸다.
군집4도 같은 방법으로 정의될 수 있다. 본 논문에서는 군집1이 나타내는 공백기술은 지능형 입출력(I/O)에 관한 세부기술로 판단하였다. 그리고 군집4는 지능형 통신에 관한 세부기술을 공백기술로 정의하였다.
아울러 불필요한 특허소송을 피하고 중복된 기술에 대한 불필요한 연구, 개발을 방지할 수 있게 될 것이다[2],[3]. 본 연구에서 제안하는 방법의 성능을 평가하기 위하여 미국특허청으로부터 지금까지 출원, 등록된 지능형시스템에 관한 전체기술특허를 이용하여 이 분야에 대한 공백기술을 예측한다.
본 논문에서는 과거부터 현재까지 지능형시스템에 대한 연구, 개발 결과를 이용하여 향후 필요한 공백기술을 예측한다. 이를 통하여 지능형시스템에 대한 학교와 기업 그리고 국가의 연구개발 계획에 도움이 될 수 있는 결과를 찾아낸다. 아울러 불필요한 특허소송을 피하고 중복된 기술에 대한 불필요한 연구, 개발을 방지할 수 있게 될 것이다[2],[3].

제안 방법

상위 10개의 특징이 전체의 95% 이상을 설명하고 있다. 다음으로 10개의 추출된 특징을 군집변수로 이용하여 898개의 특허에 대한 군집화를 수행한다. 군집화를 수행하기에 앞서 먼저 최적의 군집수를 결정해야 한다.
최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13]. 본 논문에서는 좀 더 객관적인 특허데이터의 분석을 위하여 다변량통계의 차원축소와 특징추출 그리고 데이터마이닝의 군집화 기법을 이용한다[1]. 이를 통하여 좀 더 객관적인 기술예측 과정을 제안한다.
본 논문에서는 특허문서를 이용한 공백기술예측에 대한 방법을 제안하고, 이를 지능형시스템 분야에 적용하였다. 학교.
1980년대 후반부터 1990년대 중반까지 전 세계적으로 큰 관심을 받았고 이 후 다소 침제되었던 인공지능에 대한 연구,개발과 연관성이 있을 것으로 판단된다. 본 연구에서는 2000년까지의 특허데이터(training data)를 이용하여 기술예측모형을 만들고, 2000년 이후의 특허데이터(test data)를 이용하여 예측모형의 성능을 확인하였다. 다음 표는 본 논문의 실험에 사용된 특허데이터이다.
학습데이터에 속한 898건의 특허문서를 이용하여 지능형시스템에 관한 공백기술의 예측모형을 구축하였다. 우선 각 특허문서의 초록을 이용하여 특허-키워드행렬을 구축하였다. R-Project의 ‘tm' 패키지에서 제공하는 텍스트마이닝 기법[18]을 이용하여 (898×6421)의 차원을 갖는 특허-키워드행렬을 구하였다.
그러므로 기존의 특징추출 방법을 보통의 특허데이터에 곧바로 적용하기에는 어려움이 있다. 이와 같은 문제점을 해결하기 위하여 본 논문에서는 SVD에 의한 주성분분석을 수행하여 모두 898개의 특징을 구하였다. 특히 본 논문에서는 다음 그림과 같이 가장 큰 설명력을 갖는 상위 10개의 특징을 사용하였다.
군집4는 군집1과 6과는 달리 비교적 최근인 1990년에 처음으로 이 군집에 해당되는 세부기술이 특허로 등록되고 최근까지 기술특허가 지속적으로 이루어지고 있다. 이와 같은 연도별 특허 등록건수를 고려하여 본 논문에서는 군집1과 4가 지능형시스템에서 필요한 세부 공백기술로 판정하였다. 일단 공백기술에 해당되는 기술특허의 군집이 결정되었기 때문에 다음으로 각 군집에 소속된 특허들로부터 키워드를 추출하고 이를 바탕으로 각 군집에 해당되는 세부기술을 정의하였다.
이와 같은 연도별 특허 등록건수를 고려하여 본 논문에서는 군집1과 4가 지능형시스템에서 필요한 세부 공백기술로 판정하였다. 일단 공백기술에 해당되는 기술특허의 군집이 결정되었기 때문에 다음으로 각 군집에 소속된 특허들로부터 키워드를 추출하고 이를 바탕으로 각 군집에 해당되는 세부기술을 정의하였다. 다음 표는 군집1과 4를 포함한 전체 군집들에 속한 특허문서들로부터 추출한 상위 10개의 키워드이다.
이를 통하여 좀 더 객관적인 기술예측 과정을 제안한다. 특히 본 논문에서는 지능형시스템에 관한 공백기술예측을 위하여 지금까지 출원, 등록된 지능형시스템 기술관련 전체특허에 대하여 본 논문에서 제안하는 객관적이고 정량적인 기법을 이용하여 분석한다.
학습데이터에 속한 898건의 특허문서를 이용하여 지능형시스템에 관한 공백기술의 예측모형을 구축하였다. 우선 각 특허문서의 초록을 이용하여 특허-키워드행렬을 구축하였다.

대상 데이터

본 논문에서는 지능형시스템에 대한 연구결과로서 지금까지 출원, 등록된 미국특허만을 이용하였다. USPTO의 특허데이터베이스에는 미국의 학교, 기업 및 정부의 모든 연구기관의 연구결과와 미국시장을 겨냥한 전 세계의 연구기관으로부터 출원된 결과를 포함하고 있지만 지능형시스템에 대한 모든 연구결과를 포함한 것은 아니다.
본 논문에서는 위 검색식을 이용하여 가장 많은 유효특허를 검색할 수 있었다. 지능형시스템 분야에 대한 기술예측을 위한 분석데이터를 얻기 위하여 KIPRIS로부터 2010년 5월 17일까지 출원, 등록된 전체 미국특허를 검색하였다[14],[15]. 1960년 지능형시스템 기술에 대한 최초특허가 등록된 이후 2008년까지 출원, 등록된 총 특허수는 모두 1537건이었다.

이론/모형

R-Project의 ‘tm' 패키지에서 제공하는 텍스트마이닝 기법[18]을 이용하여 (898×6421)의 차원을 갖는 특허-키워드행렬을 구하였다.
다음으로 본 논문에서 기술예측을 위한 특허데이터의 군집화를 수행하기 위한 최적 군집수 선택의 측도로서 BIC(Bayesian information criterion)를 이용한다. BIC는 모수(parameter)의 변화에 따라 모형의 성능을 평가하여 최적의 모형을 선택할 수 있도록 한다[19].
이 결과를 이용하여 군집수를 알 경우에 우수한 군집화 결과를 제공해 주는 K-means 군집화 기법을 사용한다. 본 논문에서는 K가 10인 K-means 군집화[21],[22]를 수용하여 학습데이터에 속한 898개의 특허문서들에 대한 군집화를 수행하였다. 다음은 K-means 군집화 결과로부터 10개의 각 군집에 속한 특허문서들의 할당결과를 나타내고 있다.
물론 분석가가 경험에 의해 주관적으로 군집수를 결정할 수도 있지만 군집화의 성능향상을 위하여 보다 객관적인 군집수 결정이 요구된다. 본 논문에서는 대표적이고 객관적인 군집화측도들 중의 하나인 BIC를 이용하였다. 가장 작은 BIC값에서 최적의 군집수가 결정된다.
또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18]. 본 논문에서는 분석이 가능한 데이터구조 중의 하나인 특허-키워드행렬(patent - keyword matrix)을 이용한다. 본 논문에서 사용되는 이와 같은 행렬데이터는 각 특허문서의 초록을 이용하여 다음과 같은 행렬을 구축한다.
물론 이 분야의 전문가 집단으로부터 기술분류를 통하여 세부기술을 나눌 수도 있지만 본 논문에서는 이 분야의 특허출원 및 등록의 결과를 통하여 객관적으로 이 작업을 수행하였다. 이 결과를 이용하여 군집수를 알 경우에 우수한 군집화 결과를 제공해 주는 K-means 군집화 기법을 사용한다. 본 논문에서는 K가 10인 K-means 군집화[21],[22]를 수용하여 학습데이터에 속한 898개의 특허문서들에 대한 군집화를 수행하였다.
하지만 특허-키워드행렬에서 열의 수가 행의 수보다 크기 때문에 위의 주성분분석을 위한 행렬연산은 어렵다. 이 문제를 해결하기 위하여 본 논문에서는 SVD(singular value decomposition)을 사용한다. SVD는 행렬데이터의 분석에서 나타내는 계산상의 문제점을 해결하는 기법이다[23].
지능형시스템 기술에 관한 전체특허를 검색하기 위하여 이 분야에 대한 후보 키워드들을 사용하여 최종적으로 다음과 같은 키워드 검색식을 사용하였다.

성능/효과

위 식에서 +는 or 연산자이고 *는 and 연산자이다. 본 논문에서는 위 검색식을 이용하여 가장 많은 유효특허를 검색할 수 있었다. 지능형시스템 분야에 대한 기술예측을 위한 분석데이터를 얻기 위하여 KIPRIS로부터 2010년 5월 17일까지 출원, 등록된 전체 미국특허를 검색하였다[14],[15].
군집1과 4는 본 논문에서 지능형시스템에 관한 세부공백기술로 판정된 기술군집이다. 위 표의 결과를 통하여 2개의 공백기술 군집 중에서 군집4는 2001년 이후 8배 이상의 특허건수 증가가 이루어진 것을 알 수 있었다. 하지만 군집1은 1.
물론 본 연구에서 제시한 방법은 지능형시스템분야 이외의 다양한 기술분야에도 적용될 수 있다. 하지만 본 연구의 실험결과에서 지능형시스템 분야의 세부 공백기술로 2개의 기술군집을 예측했지만 이들 중 하나는 공백기술이 아닌 것으로 실험결과 확인되었다. 이와 같은 문제를 해결하기 위해서 좀 더 정교한 분석기법에 대한 연구와 함께 분석결과에 대한 일반화된 해석을 위하여 이 분야의 전문가집단에 대한 폭넓은 참여도 필요할 것이다.

후속연구

본 연구에서 제안된 방법을 이용하여 특허데이터를 분석하고, 공백기술을 예측하여 이를 바탕으로 향후 지능형시스템 분야에서 필요하게 될 세부기술에 대한 계획적인 연구, 개발이 이루어 질 수 있을 것이다. 물론 본 연구에서 제시한 방법은 지능형시스템분야 이외의 다양한 기술분야에도 적용될 수 있다. 하지만 본 연구의 실험결과에서 지능형시스템 분야의 세부 공백기술로 2개의 기술군집을 예측했지만 이들 중 하나는 공백기술이 아닌 것으로 실험결과 확인되었다.
기업, 그리고 정부의 연구기관들이 서로 중복된 연구를 수행할 수도 있고, 불필요한 기술에 대하여 시간과 비용을 낭비할 수도 있다. 본 연구에서 제안된 방법을 이용하여 특허데이터를 분석하고, 공백기술을 예측하여 이를 바탕으로 향후 지능형시스템 분야에서 필요하게 될 세부기술에 대한 계획적인 연구, 개발이 이루어 질 수 있을 것이다. 물론 본 연구에서 제시한 방법은 지능형시스템분야 이외의 다양한 기술분야에도 적용될 수 있다.
USPTO의 특허데이터베이스에는 미국의 학교, 기업 및 정부의 모든 연구기관의 연구결과와 미국시장을 겨냥한 전 세계의 연구기관으로부터 출원된 결과를 포함하고 있지만 지능형시스템에 대한 모든 연구결과를 포함한 것은 아니다. 앞으로 미국특허청 뿐만 아니라 유럽특허청, 일본특허청, 그리고 대한민국특허청으로부터의 특허데이터와 IEEE를 포함한 주요 논문지에 발표된 논문까지 포함한 광범위한 연구개발 결과를 이용한 기술예측이 이루어진다면 지능형시스템 기술에 대한 좀 더 정확한 기술예측 결과가 제공될 수 있을 것이다. 이 부분과 더 발전된 새로운 기술예측 방법에 대한 연구는 향후 과제로 남긴다.
하지만 본 연구의 실험결과에서 지능형시스템 분야의 세부 공백기술로 2개의 기술군집을 예측했지만 이들 중 하나는 공백기술이 아닌 것으로 실험결과 확인되었다. 이와 같은 문제를 해결하기 위해서 좀 더 정교한 분석기법에 대한 연구와 함께 분석결과에 대한 일반화된 해석을 위하여 이 분야의 전문가집단에 대한 폭넓은 참여도 필요할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	대부분의 특허데이터의 정보는 어떤 형태로 존재하는가?	특히 특허문서에 포함된 여러 정보 중에서 해당특허가 인용한 특허와 해당특허를 인용한 특허정보는 현재 기술의 연관성분석을 위한 중요한 정보로 이용된다. 따라서 대부분의 특허데이터의 정보는 문자와 숫자로 이루어져 있는 문서형태로 존재한다. 특허문서는 포함된 정보의 종류에 따라 해당 특허청으로부터 공식적으로 인정된 정보를 포함한 문서, 독점적 특허정보에 관한 문서, 라이센스와 특허권의 유지에 관한 문서 등으로 구별된다.
	특허는 무엇으로 이루어지는가?	특허는 출원한 기술을 나타낸 도면인 그림과 출원한 기술을 설명한 문자로 이루어진다[4]. 출원번호, 공개번호, 등록번호 등 해당특허를 표시하는 번호와 출원날짜, 공개날짜, 등록날짜 등 시간을 나타내는 숫자가 포함되어 있다.
	본 연구에서 제안한 지능형시스템에 대한 공백기술을 예측하는 방법의 단계는?	step1) 검색식을 이용한 특허데이터의 획득(한국특허청(KIPRIS), 미국특허청(USPTO), ...) step2) 특허문서를 특허-특징행렬(patent-feature matrix)로 변환 step3) 상위 10개의 주성분을 이용한 특허-특징행렬의 군집화 3-1) BIC 측도를 이용한 최적군집수(optimal number of clusters) K 결정 3-2) 3-1)에서 구한 K값을 이용하여 K-means 군집화 수행 step4) K개의 군집에 속한 특허들을 이용하여 각 군집의 기술정의 step5) step4)의 결과를 이용하여 공백기술 선정

참고문헌 (22)
타임라인 바로가기

Han, J., Kamber, M., Data Mining Concepts and Techniques, Morgan Kaufmann, 2001.

인용구절

인용 구절

1940년대에 신경망(neural networks) 모형이 발표되고 이를 바탕으로 한 복잡한 계산이 가능해지면서 지능형시스템에 대한 연구는 더욱 활기를 띠게 되었다[1].

본 논문에서는 좀 더 객관적인 특허데이터의 분석을 위하여 다변량통계의 차원축소와 특징추출 그리고 데이터마이닝의 군집화 기법을 이용한다[1].
나까야마 노부히로, 특허법, 법문사, 2001.

인용구절

인용 구절

아울러 불필요한 특허소송을 피하고 중복된 기술에 대한 불필요한 연구, 개발을 방지할 수 있게 될 것이다[2],[3].
황종환, 특허법, 한빛지적소유권센터, 2001.

인용구절

인용 구절

아울러 불필요한 특허소송을 피하고 중복된 기술에 대한 불필요한 연구, 개발을 방지할 수 있게 될 것이다[2],[3].
특허청 정보기획팀, 한국발명진흥회 정보활용지원팀, 특허와 정보분석(개정판), 성민, 2007.

인용구절

인용 구절

특허는 출원한 기술을 나타낸 도면인 그림과 출원한 기술을 설명한 문자로 이루어진다[4].
남영준, 정의섭 "인용정보를 이용한 신 특허지수 개발에 관한 연구," 정보관리학회지, vol. 23, no. 1, pp. 221-241, 2006.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
유선희, "특허인용 분석을 통한 기술수명예측모델 개발에 관한 연구," 정보관리연구, vol. 35, no. 1, pp. 93-112, 2004.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
전성해, 박상성, 신영근, 장동식, 정호석, “자기조직화지도와 매트릭스분석을 이용한 특허분석시스템의 공백기술 예측,” 한국콘텐츠학회논문지, vol. 10, no. 2, pp. 462-480, 2010.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
전성해, 엄대호, “특허와 통계학, 그 연결은?” 한국통계학회논문집, vol. 17, no. 2, pp. 205-222, 2010.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
제대식, 이은철, 윤국섭 역, 지식경영과 특허전략, 세종서적, 2000.

인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
Lee, S., Yoon, B., Park, Y., "An approach to discovering new technology opportunities: Keyword-based patent map approach," Technovation, vol. 29, pp. 481-497, 2009.

상세보기
인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
Wang, P., Cockburn, I. M., Puterman, M. L., "Analysis of Patent Data-A Mixed Poisson Regression Model Approach," Journal of Business & Economic Statistics, vol. 16, no. 1, pp. 27-41, 1998.

상세보기
인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
Yoon, B., Park, Y., "Development of New Technology Fore casting Algorithm: Hybrid Approach for Morphology Analysis and Conjoint Analysis of Patent Information," IEEE Transactions on Engineering Management, vol. 54, no. 3, pp. 588-599, 2007.

상세보기
인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
Yoon, B., Lee, S., "Patent analysis for technology forecasting: Sector-specific applications," Proceeding of IEEE International Conference on Engineering Management, pp. 1-5, 2008.

인용구절

인용 구절

최근에 특허데이터를 이용한 기술예측의 연구결과들이 발표되고 있지만 정량적 데이터분석의 한계 때문에 해당 기술분야에 종사하는 전문가의 주관적인 판단에 의존하고 있다[5],[6],[7],[8],[9],[10],[11],[12],[13].
특허정보검색서비스, http://www.kipris.or.kr

인용구절

인용 구절

우리나라의 KIPRIS(Korea Intellectual Property Rights Information Service)[14].

지능형시스템 분야에 대한 기술예측을 위한 분석데이터를 얻기 위하여 KIPRIS로부터 2010년 5월 17일까지 출원, 등록된 전체 미국특허를 검색하였다[14],[15].
United States Patent and Trademark Office, www.uspto.gov

인용구절

인용 구절

또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18].

지능형시스템 분야에 대한 기술예측을 위한 분석데이터를 얻기 위하여 KIPRIS로부터 2010년 5월 17일까지 출원, 등록된 전체 미국특허를 검색하였다[14],[15].
Fattori, M., Pedrazzi, G., Turra, R.. "Text mining applied to patent mapping: a practical business case," World Patent Information, vol. 25, pp. 335？342, 2003.

상세보기
인용구절

인용 구절

또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18].
Feinerer, I., Hornik, K., Meyer, D., "Text Mining Infrastructure in R," Journal of Statistical Software, vol. 25, iss. 5, pp. 1-54, 2008.

인용구절

인용 구절

또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18].
R-Project www.r-project.org

인용구절

인용 구절

또는 미국의 USPTO(United States Patent and Trademark Office)[15]에 제공하는 특허데이터베이스로부터 검색된 특허문서는 그 자체로는 정량적 분석이 어렵기 때문에 텍스트 마이닝(text mining)과 같은 전처리 절차를 통하여 분석이 가능한 데이터구조로 변환해야 한다[16],[17],[18].

R-Project의 ‘tm' 패키지에서 제공하는 텍스트마이닝 기법[18]을 이용하여 (898×6421)의 차원을 갖는 특허-키워드행렬을 구하였다.
Hair, J. F., Black, B., Babin, B., Anderson, R. E., Multivariate Data Analysis, Prentice Hall, 1992.

인용구절

인용 구절

하지만 행렬을 이용한 데이터분석이 가능하기 위해서는 행의 크기가 열의 크기보다 훨씬 커야(n≫p)한다[19].

대표적인 한 행렬기법은 [1량 통계분석기법인 주성분분석(principal component analysis)이다[19].

BIC는 모수(parameter)의 변화에 따라 모형의 성능을 평가하여 최적의 모형을 선택할 수 있도록 한다[19].
Golub, G. H., Reinsch, C., "Singular value decomposition and least squares solutions," Numerische Mathematik vol. 14, no. 5, pp. 403-420, 1970.

상세보기
인용구절

인용 구절

처음에 SVD는 선형방정식(linear equation)의 최소제곱(least square)문제해결에서 시작하여 지금은 다양한 계산문제에서 사용되고 있다[20].
Chen, X., Yin, W., Tu, P., Zhang, H., "Weighted k-Means Algorithm Based Text Clustering," Proceedings of International Symposium on Information Engineering and Electronic Commerce, pp. 51-55, 2009.

인용구절

인용 구절

본 논문에서는 K가 10인 K-means 군집화[21],[22]를 수용하여 학습데이터에 속한 898개의 특허문서들에 대한 군집화를 수행하였다.
Kanungo, T., Mount, D. M., Netanyahu, N. S., Piatko, C. D., Silverman, R., Wu, A. Y., "An efficient k-means clustering algorithm: Analysis and implementation," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, pp. 881？892, 2002.

상세보기
인용구절

인용 구절

본 논문에서는 K가 10인 K-means 군집화[21],[22]를 수용하여 학습데이터에 속한 898개의 특허문서들에 대한 군집화를 수행하였다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

특허분석을 이용한 지능형시스템의 기술예측 Technology Forecasting of Intelligent Systems using Patent Analysis 원문보기 논문타임라인

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (22) 타임라인 바로가기

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

인용 구절

이 논문을 인용한 문헌

저자의 다른 논문 :

전성해 (35)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

특허분석을 이용한 지능형시스템의 기술예측
Technology Forecasting of Intelligent Systems using Patent Analysis 원문보기 논문타임라인

초록
AI-Helper

AI 본문요약
AI-Helper

참고문헌 (22)
타임라인 바로가기