선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문은 탄소섬유 복합소재 분야의 기술 예측을 위한 특허 정보 분석 방법으로 텍스트 마이닝 기법과 ARIMA 분석을 이용한 방법을 제안하였다. 수집된 특허 문서의 2,748개의 단어 중에서 TF-IDF 가중치와 출현빈도를 이용하여 핵심 키워드를 선정하였고 ARIMA 분석을 통해 얻은 예측치를 이용해 각 핵심 키워드의 부상도를 계산하였다.
제안 방법
- 그리고 ARIMA 분석을 통해 2010년도의 각 키워드 출현빈도의 예측치를 계산한다. 계산된 2010년도의 예측치와 2000년부터 2009년도까지의 평균치를 비교하여 각 핵심 키워드의 부상도를 계산한다. 계산된 부상도가 0이상인 핵심 키워드를 선정하여 부상 기술을 예측할 수 있다.
- 우리는 핵심 키워드들의 출현빈도가 증가할수록 해당 키워드와 관련된 기술들이 발전할 것이라 예상할수 있다. 그러므로 우리는 2000년부터 2009년까지 연도별 출현빈도를 이용한 ARIMA 분석을 통해 부상 기술을 예측하였다. 이를 통해 2010년의 핵심 키워드의 출현빈도를 예측하고 과거 데이터의 평균과 비교하여 부상도가 0 이상인, 즉 출현빈도가 증가할 것이라 예상되는 부상 기술 키워드로 outline, ground, rolled, microporous, laminate, machine, permeable, durable, pumps, periodic, outer, pinstock을 선택하였다.
- 추출 된 핵심 키워드의 연도별 출현빈도를 조사하고 이를 시계열 자료로 하여 ARIMA 분석을 이용한 예측을 수행한다. 그리고 ARIMA 분석을 통해 2010년도의 각 키워드 출현빈도의 예측치를 계산한다. 계산된 2010년도의 예측치와 2000년부터 2009년도까지의 평균치를 비교하여 각 핵심 키워드의 부상도를 계산한다.
- Ediger와 Akar는 ARIMA 분석을 이용해 터키의 1차 에너지 수요 예측을 했다[12]. 본 연구는 특허 문서에서 핵심 키워드를 추출하여 키워드 기반의 분석을 수행하고 핵심 키워드의 연도별 출현빈도를 시계열 자료로 하여 시계열 분석 방법 중 하나인 ARIMA을 이용한 분석을 하였다.
- 그러나 최근 텍스트 마이닝 기법을 통해 특허의 기술적 정보를 정량적인 방법으로 분석하여 기술을 예측하는 연구가 활발히 진행되고 있다[2]. 본 연구는 특허의 기술적 사항에서 텍스트 마이닝 기법을 통해 핵심 키워드를 추출하고 추출된 핵심 키워드의 연도별 출현빈도를 이용해 시계열 분석을 하였다. 이 분석 결과를 통해 미국 탄소 복합소재 분야의 부상 기술을 예측하였다.
- 추출된 데이터는 텍스트 마이닝 기법을 이용해 불용어, 공백 등을 제거하는 전처리 과정을 거쳐 문서-단어 행렬을 생성한다. 생성된 문서-단어 행렬에서 단어의 출현빈도가 200개 미만인 단어를 제거한 후 문서-단어 행렬에 출현빈도 대신 TF-IDF 가중치를 적용 하여 핵심 키워드를 추출한다. 추출 된 핵심 키워드의 연도별 출현빈도를 조사하고 이를 시계열 자료로 하여 ARIMA 분석을 이용한 예측을 수행한다.
- 먼저 WIP SON, KIPRIS와 같은 특허 데이터베이스를 통해 예측을 하고자 하는 기술 분야의 특허 데이터를 수집한다[13, 14]. 수집된 특허 데이터에서 각 기술에 대한 설명을 포함하는 발명의 명칭, 요약, 대표 청구항을 추출한다. 추출된 데이터는 텍스트 마이닝 기법을 이용해 불용어, 공백 등을 제거하는 전처리 과정을 거쳐 문서-단어 행렬을 생성한다.
- 본 논문은 탄소섬유 복합소재 분야의 기술 예측을 위한 특허 정보 분석 방법으로 텍스트 마이닝 기법과 ARIMA 분석을 이용한 방법을 제안하였다. 수집된 특허 문서의 2,748개의 단어 중에서 TF-IDF 가중치와 출현빈도를 이용하여 핵심 키워드를 선정하였고 ARIMA 분석을 통해 얻은 예측치를 이용해 각 핵심 키워드의 부상도를 계산하였다. 이를 통해 부상도가 높은 12개의 단어(outline, ground, rolled, microporous, laminate, machine, permeable, durable, pumps, periodic, outer, pinstock)를 부상 기술 키워드로 선정하였다.
- 우리는 제안된 방법을 이용한 실험을 통해 탄소 복합소재 분야의 부상 기술을 도출하였다. 먼저 특허 데이터베이스 중 하나인 WIPS ON을 통해 미국에서 출원된 탄소 복합소재 기술 특허를 2000년부터 2009년까지 출원 연도별로 수집하였다.
- 키워드를 이용한 정량 분석을 위해 수집된 특허 데이터 집합의 다양한 정보 중에서 중요한 기술적 설명을 포함하고 있는 발명의 명칭, 요약, 대표 청구항을 추출하였다. 우리는 추출된 데이터를 텍스트 마이닝 기법을 이용한 전처리 과정을 통해 불용어, 공백 등을 제거하고 분석이 가능한 문서단어 행렬로 변환하였다. 탄소 복합소재 분야의 기술을 대표하는 핵심 키워드를 도출하기 위해 문서-단어 행렬 안에 출현빈도 대신 TF-IDF 가중치를 부여하고 핵심 키워드와 노이즈를 판별하기 위한 기준으로 TF-IDF 임계치를 이용했다.
- 본 연구는 특허의 기술적 사항에서 텍스트 마이닝 기법을 통해 핵심 키워드를 추출하고 추출된 핵심 키워드의 연도별 출현빈도를 이용해 시계열 분석을 하였다. 이 분석 결과를 통해 미국 탄소 복합소재 분야의 부상 기술을 예측하였다.
- 그러므로 우리는 2000년부터 2009년까지 연도별 출현빈도를 이용한 ARIMA 분석을 통해 부상 기술을 예측하였다. 이를 통해 2010년의 핵심 키워드의 출현빈도를 예측하고 과거 데이터의 평균과 비교하여 부상도가 0 이상인, 즉 출현빈도가 증가할 것이라 예상되는 부상 기술 키워드로 outline, ground, rolled, microporous, laminate, machine, permeable, durable, pumps, periodic, outer, pinstock을 선택하였다.
- 수집된 특허 문서의 2,748개의 단어 중에서 TF-IDF 가중치와 출현빈도를 이용하여 핵심 키워드를 선정하였고 ARIMA 분석을 통해 얻은 예측치를 이용해 각 핵심 키워드의 부상도를 계산하였다. 이를 통해 부상도가 높은 12개의 단어(outline, ground, rolled, microporous, laminate, machine, permeable, durable, pumps, periodic, outer, pinstock)를 부상 기술 키워드로 선정하였다. 이 부상 기술 키워드와 관련된 기술이 탄소섬유 복합소재 분야의 부상 기술일 것으로 예측하였고 실제데이터를 통해 검증한 결과 laminate와 관련된 기술이 부상 기술이라는 것을 확인했다.
- ARIMA 분석이 아닌 지수평활법을 이용한 예측에서는 부상 기술 키워드로 periodic, pinstock, microstructures, solution, leg, machine, outer가 도출되었다[15]. 지수평활법을 이용한 분석은 laminate가 부상 기술 키워드라는 것을 예측하지 못했지만 solution이 부상 기술 키워드라는 것을 예측했다. 이 결과를 통해 우리는 다양한 시계열 분석 방법을 적용하여 예측 정확도를 높일 것이라 예상할수 있다.
- 탄소 복합소재 분야의 기술을 대표하는 핵심 키워드를 도출하기 위해 문서-단어 행렬 안에 출현빈도 대신 TF-IDF 가중치를 부여하고 핵심 키워드와 노이즈를 판별하기 위한 기준으로 TF-IDF 임계치를 이용했다. 최적의 TF-IDF 임계치를 구하기 위해 실험 데이터중 임의로 추출한 30개의 표본을 통해 각 표본이 어느 수치의 임계치에서 핵심 키워드와 노이즈를 잘 구분하는지 정성적인 방법으로 성능을 검증하였다. 그 결과 0.
- 생성된 문서-단어 행렬에서 단어의 출현빈도가 200개 미만인 단어를 제거한 후 문서-단어 행렬에 출현빈도 대신 TF-IDF 가중치를 적용 하여 핵심 키워드를 추출한다. 추출 된 핵심 키워드의 연도별 출현빈도를 조사하고 이를 시계열 자료로 하여 ARIMA 분석을 이용한 예측을 수행한다. 그리고 ARIMA 분석을 통해 2010년도의 각 키워드 출현빈도의 예측치를 계산한다.
- 키워드를 이용한 정량 분석을 위해 수집된 특허 데이터 집합의 다양한 정보 중에서 중요한 기술적 설명을 포함하고 있는 발명의 명칭, 요약, 대표 청구항을 추출하였다. 우리는 추출된 데이터를 텍스트 마이닝 기법을 이용한 전처리 과정을 통해 불용어, 공백 등을 제거하고 분석이 가능한 문서단어 행렬로 변환하였다.
- 우리는 추출된 데이터를 텍스트 마이닝 기법을 이용한 전처리 과정을 통해 불용어, 공백 등을 제거하고 분석이 가능한 문서단어 행렬로 변환하였다. 탄소 복합소재 분야의 기술을 대표하는 핵심 키워드를 도출하기 위해 문서-단어 행렬 안에 출현빈도 대신 TF-IDF 가중치를 부여하고 핵심 키워드와 노이즈를 판별하기 위한 기준으로 TF-IDF 임계치를 이용했다. 최적의 TF-IDF 임계치를 구하기 위해 실험 데이터중 임의로 추출한 30개의 표본을 통해 각 표본이 어느 수치의 임계치에서 핵심 키워드와 노이즈를 잘 구분하는지 정성적인 방법으로 성능을 검증하였다.
대상 데이터
- 최적의 TF-IDF 임계치를 구하기 위해 실험 데이터중 임의로 추출한 30개의 표본을 통해 각 표본이 어느 수치의 임계치에서 핵심 키워드와 노이즈를 잘 구분하는지 정성적인 방법으로 성능을 검증하였다. 그 결과 0.15가 최적의 TF-IDF 임계치로 도출되었고 이를 이용해 0.15 이상의 TF-IDF 가중치를 갖고 출현빈도가 200개 이상인 핵심 키워드 21개를 아래 표 2와 같이 선정하였다.
- 먼저 WIP SON, KIPRIS와 같은 특허 데이터베이스를 통해 예측을 하고자 하는 기술 분야의 특허 데이터를 수집한다[13, 14]. 수집된 특허 데이터에서 각 기술에 대한 설명을 포함하는 발명의 명칭, 요약, 대표 청구항을 추출한다.
- 우리는 제안된 방법을 이용한 실험을 통해 탄소 복합소재 분야의 부상 기술을 도출하였다. 먼저 특허 데이터베이스 중 하나인 WIPS ON을 통해 미국에서 출원된 탄소 복합소재 기술 특허를 2000년부터 2009년까지 출원 연도별로 수집하였다. 수집된 특허 문서의 수는 아래 표 1과 같다.
성능/효과
- 즉, 실제 부상 기술 키워드는 solution과 laminate였다. 그러므로 우리는 실험을 통해 2개의 부상 기술 키워드 중 하나인 laminate가 부상 기술 키워드인 것을 예측할 수 있었다. ARIMA 분석이 아닌 지수평활법을 이용한 예측에서는 부상 기술 키워드로 periodic, pinstock, microstructures, solution, leg, machine, outer가 도출되었다[15].
- 따라서 이 부상 기술 키워드와 관련이 있는 기술들의 연구개발이 필요할 것으로 보인다. 예측 결과의 성능을 검증하기 위해 2010년의 실제 핵심 키워드 출현빈도와 비교했을때 solution과 laminate를 제외한 모든 핵심 키워드의 출현빈도가 감소하였다. 즉, 실제 부상 기술 키워드는 solution과 laminate였다.
- 이를 통해 부상도가 높은 12개의 단어(outline, ground, rolled, microporous, laminate, machine, permeable, durable, pumps, periodic, outer, pinstock)를 부상 기술 키워드로 선정하였다. 이 부상 기술 키워드와 관련된 기술이 탄소섬유 복합소재 분야의 부상 기술일 것으로 예측하였고 실제데이터를 통해 검증한 결과 laminate와 관련된 기술이 부상 기술이라는 것을 확인했다. 향후 연구에서는 예측의 정확도를 높이기 위해 ARIMA 분석 외에 다른 시계열 분석 방법의 적용이 필요하고 텍스트 형태의 데이터를 시계열모형에 적용하기 위한 효율적인 전처리 방법에 대한 연구가 필요하다.
후속연구
- 지수평활법을 이용한 분석은 laminate가 부상 기술 키워드라는 것을 예측하지 못했지만 solution이 부상 기술 키워드라는 것을 예측했다. 이 결과를 통해 우리는 다양한 시계열 분석 방법을 적용하여 예측 정확도를 높일 것이라 예상할수 있다. 다음 표 3은 계산된 부상도와 실제 2010년도의 실제 출현빈도를 나타낸다.
- 이 부상 기술 키워드와 관련된 기술이 탄소섬유 복합소재 분야의 부상 기술일 것으로 예측하였고 실제데이터를 통해 검증한 결과 laminate와 관련된 기술이 부상 기술이라는 것을 확인했다. 향후 연구에서는 예측의 정확도를 높이기 위해 ARIMA 분석 외에 다른 시계열 분석 방법의 적용이 필요하고 텍스트 형태의 데이터를 시계열모형에 적용하기 위한 효율적인 전처리 방법에 대한 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.