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
- 따라서 본 연구는 기술융합을 정량적으로 분석하기 위하여 특허 데이터를 활용하여 사물인터넷의 기술융합 현상을 파악하고자 한다. 특허는 많은 연구에서 기술의 대용지표 (proxy)로 활용되어 온 바 있으며(Grilliches, 1990), 특히 데이터 확보의 수월성과 탁월한 정보량 때문에 타 지표보다 상대적으로 유용성이 높아 기술융합 연구에 빈번하게 활용되고 있다(OECD, 1994; Ernst, 2003).
- 특허는 많은 연구에서 기술의 대용지표 (proxy)로 활용되어 온 바 있으며(Grilliches, 1990), 특히 데이터 확보의 수월성과 탁월한 정보량 때문에 타 지표보다 상대적으로 유용성이 높아 기술융합 연구에 빈번하게 활용되고 있다(OECD, 1994; Ernst, 2003). 본 연구는 기술융합 양상을 파악하기 위해 특허의 동시분류(co-classification) 정보 및 특허 텍스트 정보를 모두 활용하여 사물인터넷 기술융합 양상을 파악한다. 특허의 동시분류분석은 동일 특허가 다수개의 클래스에 동시에 할당되면서 발생하는 동시분류정보를 바탕으로 특허간 유사성 및 관계를 파악하기 위한 방법이다.
- 본 연구는 최신 기술융합의 핵심현상 중 하나인 사물인터넷의 기술융합 분석을 수행 하였다. 특허를 기술 진보를 나타내기 위한 핵심적 데이터 원천으로 간주하고, 특허 문서의 동시분류 정보 및 기술키워드 정보를 바탕으로 네트워크 분석을 수행하였다.
- 이와 같이 사물인터넷의 구조는 각 기업과 기관, 사람에 따라 다양하게 정의되고 있다. 본 연구에서는 많은 연구에서 사물인터넷의 보편적인 구조로 생각되고 있는 디바이스, 네트워크, 플랫폼, 서비스의 4가지 구조를 사물인터넷 기술군으로 정의하여 연구를 진행하도록 한다.
- 즉 특정 키워드가 얼마나 많이 발생했는가를 측정하는 키워드의 출현분석과, 특정 키워드가 어떤 타 키워드와 많이 발생했는가를 측정하는 키워드 동시출현분석은 텍스트 마이닝 분석의 기본적 접근법이다. 본 연구에서는 키워드 동시출현분석을 통해 함께 자주 발생하는 기술키워드의 현황을 살펴보고 이를 기술융합과 관련하여 분석하기로 한다.
제안 방법
- 사물인터넷의 특성을 고려해서 분류된 CPC는 Appendix A에, 분류된 기술키워드는 Appendix B에 나타나 있다. Appendix A에서 볼 수 있듯이 CPC 서브클래스가 대부분 디바이스 기술군으로 분류되어 있기 때문에, CPC 서브클래스에 대한 사물인터넷 기술융합을 크게 디바이스 융합과 전체 융합으로 나누어 네트워크를 구축하고 분석을 진행하였다. 키워드의 경우 한쪽에 크게 치우치지 않기 때문에 전체 키워드에 대한 네트워크 분석을 진행하였다.
- 기반기술 그룹을 중심으로 스마트 헬스, 스마트 인식, 냉장보관, 저전력 임베디드, 스마트 그리드, 전지, 환경감시의 7가지 응용 영역으로 나누어짐을 알 수 있다. 각 그룹에 대한 구분은 Gephi의 moduality class 옵션을 통해 자동으로 구분되었으며, 노드의 색은 디바이스, 네트워크, 플랫폼, 서비스에 따라 각각 다르게 표시하였다.
- 본 연구에서는 관련 특허 클래스 및 기술키워드를 문헌연구를 통해 정의한 디바이스, 네트워크, 플랫폼, 서비스 기술군으로 분류하고, 사물인터넷의 기술융합을 디바이스 융합과 전체 융합으로 나누어 네트워크를 구축한다. 네트워크 분석과 중심성 분석을 통해 사물인터넷 기술 융합 그룹을 도출하고, 그 특징을 분석한다.
- 먼저 사물인터넷 기술이 분류되고 있는 산업 및 기술군의 특성을 파악하기 위해 CPC를 대상으로 한 네트워크 분석을 수행한다. 다음으로 사물인터넷 기술 그 자체인, 사물인터넷 특허의 텍스트에서 추출된 키워드를 바탕으로 동시출현에 대한 네트워크 분석을 수행한다. 이러한 키워드 동시출현분석을 통해 실제 특허의 어떠한 기술키워드들이 주로 함께 활용되며 융합을 일으키는지 파악할 수 있다.
- 다음으로 사물인터넷 기술융합 측면에서 각 특허에 포함된 키워드가 어떻게 관련되어 있는지를 파악하기 위해 다음 그림 5와 같이 키워드 네트워크 분석을 실시하였다. 각 노드의 크기는 키워드의 빈도, 연결선의 굵기는 키워드 간 동시출현빈도를 나타내고 있다.
- 다음으로, 추출한 CPC 서브클래스 및 기술키워드에 대해 기존에 정의한 사물인터넷의 디바이스, 네트워크, 플랫폼, 서비스 중 하나로 분류한다. 이 작업은 특허에서 추출한 키워드에 대해서도 동일하게 작업하여, 각 키워드가 사물인터넷 기술 유형의 네 가지 중 하나로 분류되도록 한다.
- CPC 서브클래스의 동시출현을 확인하기 위해 특허들의 CPC 쌍 리스트를 만들게 되는데 이 때 특허의 서브클래스 이하 (그룹 및 서브그룹)은 삭제한다. 따라서 한 특허에서 그룹 및 서브그룹만 다르고 서브클래스까지는 동일한 CPC가 복수 개 존재하는 경우 (예: 한 특허에서 G93A-A54L, G93A-A64L 과 같이 그룹 및 서브그룹을 제외하였을 때 동일한 CPC 서브클래스가 복수 개 포함되어 있는 경우) 해당 CPC의 중복을 모두 포함하여 분석한다. 이는 해당 CPC 서브클래스가 왕성하게 활용되고 있다고 해석할 수 있기 때문이다.
- 먼저 CPC 서브클래스가 얼마나 함께 출현하는가를 바탕으로 네트워크 분석을 실시하였다. CPC 서브클래스는 해당 기술의 주요 영역 또는 관련 분야를 나타내기 때문에 보다 넓은 관점에서 사물인터넷의 어떤 분야가 주로 기술융합과 관련되어 있는지 확인하기 적합하다.
- 사물인터넷의 특성을 바탕으로 분류된 CPC 및 기술키워드를 바탕으로 네트워크 분석을 수행하였다. 먼저 사물인터넷 기술이 분류되고 있는 산업 및 기술군의 특성을 파악하기 위해 CPC를 대상으로 한 네트워크 분석을 수행한다. 다음으로 사물인터넷 기술 그 자체인, 사물인터넷 특허의 텍스트에서 추출된 키워드를 바탕으로 동시출현에 대한 네트워크 분석을 수행한다.
- 본 연구에서 주로 활용될 동시분류분석 및 텍스트마이닝을 위해 협력적 특허 분류(Cooperative Patent Classification, CPC)의 서브클래스 정보 및 특허의 키워드를 추출한다. 총 96개의 CPC 서브클래스가 추출되었으며, 키워드의 경우 2,281 개의 명사 키워드가 추출되었으며, 불용어 (stopwords)를 제외하고 총 1,594개의 키워드가 추출되었다.
- 본 연구에서는 관련 특허 클래스 및 기술키워드를 문헌연구를 통해 정의한 디바이스, 네트워크, 플랫폼, 서비스 기술군으로 분류하고, 사물인터넷의 기술융합을 디바이스 융합과 전체 융합으로 나누어 네트워크를 구축한다. 네트워크 분석과 중심성 분석을 통해 사물인터넷 기술 융합 그룹을 도출하고, 그 특징을 분석한다.
- CPC 서브클래스는 해당 기술의 주요 영역 또는 관련 분야를 나타내기 때문에 보다 넓은 관점에서 사물인터넷의 어떤 분야가 주로 기술융합과 관련되어 있는지 확인하기 적합하다. 본 연구에서는 디바이스만 따로 추출하여 디바이스 융합 네트워크와, 디바이스, 네트워크, 플랫폼, 서비스 모두를 포함한 전체 융합 네트워크를 그려 융합양상을 확인하였다. CPC 서브클래스의 동시출현을 확인하기 위해 특허들의 CPC 쌍 리스트를 만들게 되는데 이 때 특허의 서브클래스 이하 (그룹 및 서브그룹)은 삭제한다.
- 특허를 기술 진보를 나타내기 위한 핵심적 데이터 원천으로 간주하고, 특허 문서의 동시분류 정보 및 기술키워드 정보를 바탕으로 네트워크 분석을 수행하였다. 본 연구에서는 특허의 CPC 서브클래스 및 추출된 키워드를 디바이스, 네트워크, 플랫폼, 서비스 기술군으로 각각 할당하고, 사물인터넷 디바이스 융합측면과 사물인터넷 전체 융합측면으로 네트워크 분석을 수행하여 최종 결과를 도출하였다.
- 사물인터넷의 특성을 바탕으로 분류된 CPC 및 기술키워드를 바탕으로 네트워크 분석을 수행하였다. 먼저 사물인터넷 기술이 분류되고 있는 산업 및 기술군의 특성을 파악하기 위해 CPC를 대상으로 한 네트워크 분석을 수행한다.
- 이에 대한 보완을 위해 추후 전문가와의 협업을 통해 명확한 분류 체계를 만들 필요가 있을 것으로 생각된다. 셋째, 키워드 네트워크의 경우 키워드의 동시출현빈도를 바탕으로 분석하였다. 그러나 단순 키워드의 등장만으로 전체 융합양상을 분석하기는 다소 부족한 면이 있는 것으로 생각된다.
- 추출한 CPC 서브클래스 및 특허 키워드에 대해 기존에 정의한 사물인터넷의 디바이스, 네트워크, 플랫폼, 서비스 중 하나로 분류한다. 이후 각 CPC 서브클래스 및 키워드를 바탕으로 특허네트워크를 구축하여 사물인터넷 기술융합의 양상을 분석한다.
- 우선 분석을 위해 사물인터넷 관련 특허를 수집한다. 이후 기술융합 분석을 위해 미국 특허가 포함하고 있는 동시분류정보 중에서 협력적특허분류(Cooperative Patent Classification, CPC)의 서브클래스 정보 및 특허 텍스트로부터 특허 키워드를 추출한다. 추출한 CPC 서브클래스 및 특허 키워드에 대해 기존에 정의한 사물인터넷의 디바이스, 네트워크, 플랫폼, 서비스 중 하나로 분류한다.
- 이후 기술융합 분석을 위해 미국 특허가 포함하고 있는 동시분류정보 중에서 협력적특허분류(Cooperative Patent Classification, CPC)의 서브클래스 정보 및 특허 텍스트로부터 특허 키워드를 추출한다. 추출한 CPC 서브클래스 및 특허 키워드에 대해 기존에 정의한 사물인터넷의 디바이스, 네트워크, 플랫폼, 서비스 중 하나로 분류한다. 이후 각 CPC 서브클래스 및 키워드를 바탕으로 특허네트워크를 구축하여 사물인터넷 기술융합의 양상을 분석한다.
- Appendix A에서 볼 수 있듯이 CPC 서브클래스가 대부분 디바이스 기술군으로 분류되어 있기 때문에, CPC 서브클래스에 대한 사물인터넷 기술융합을 크게 디바이스 융합과 전체 융합으로 나누어 네트워크를 구축하고 분석을 진행하였다. 키워드의 경우 한쪽에 크게 치우치지 않기 때문에 전체 키워드에 대한 네트워크 분석을 진행하였다.
- 본 연구는 최신 기술융합의 핵심현상 중 하나인 사물인터넷의 기술융합 분석을 수행 하였다. 특허를 기술 진보를 나타내기 위한 핵심적 데이터 원천으로 간주하고, 특허 문서의 동시분류 정보 및 기술키워드 정보를 바탕으로 네트워크 분석을 수행하였다. 본 연구에서는 특허의 CPC 서브클래스 및 추출된 키워드를 디바이스, 네트워크, 플랫폼, 서비스 기술군으로 각각 할당하고, 사물인터넷 디바이스 융합측면과 사물인터넷 전체 융합측면으로 네트워크 분석을 수행하여 최종 결과를 도출하였다.
대상 데이터
- 각 노드의 크기는 키워드의 빈도, 연결선의 굵기는 키워드 간 동시출현빈도를 나타내고 있다. 본 연구에서는 네트워크의 복잡도를 고려하여 빈도가 40 이상인 키워드만 활용하였다.
- 본 연구에서는 미국 특허청 USPTO 웹사이트(www.uspto.gov)에서 “Internet of Things” 키워드가 포함된 특허를 수집한다.
- 본 연구의 프로세스는 그림 1과 같다. 우선 분석을 위해 사물인터넷 관련 특허를 수집한다. 이후 기술융합 분석을 위해 미국 특허가 포함하고 있는 동시분류정보 중에서 협력적특허분류(Cooperative Patent Classification, CPC)의 서브클래스 정보 및 특허 텍스트로부터 특허 키워드를 추출한다.
- 총 96개의 CPC 서브클래스가 추출되었으며, 키워드의 경우 2,281 개의 명사 키워드가 추출되었으며, 불용어 (stopwords)를 제외하고 총 1,594개의 키워드가 추출되었다. 이 중 출현빈도가 빈도가 40 이상인 키워드만 분석에 활용하였다.
성능/효과
- 이러한 기반기술 그룹은 표 4의 중심성 지수 분석에서도 가장 두드러지게 나타난다. 기반기술 그룹을 중심으로 스마트 헬스, 스마트 인식, 냉장보관, 저전력 임베디드, 스마트 그리드, 전지, 환경감시의 7가지 응용 영역으로 나누어짐을 알 수 있다. 각 그룹에 대한 구분은 Gephi의 moduality class 옵션을 통해 자동으로 구분되었으며, 노드의 색은 디바이스, 네트워크, 플랫폼, 서비스에 따라 각각 다르게 표시하였다.
- 디바이스, 네트워크, 플랫폼, 서비스로 구성된 사물인터넷의 네 가지 특징을 고려해 볼때, 전체적으로는 디바이스 관련 키워드가 많이 나타나기는 하지만 네트워크의 융합 양상에 절대적인 영향을 끼치지는 않는 것으로 나타났다. 대신 네트워크와 서비스 관련 키워드가 중점적 영향을 끼치는 것으로 나타났다. 특히 중심성 지수 관점에서 가장 높은 순위를 차지하고 있는 대표적인 키워드가 대부분 네트워크 및 서비스 키워드로, 이는 사물인터넷의 핵심기반이 네트워크 기술에 있다는 점과, 향후 사물인터넷의 산업 활용에 있어 가장 중요한 요인이 어떤 혁신적 서비스를 제공하는 것인가와 관련되어 있다는 점을 미루어 볼 때 상당히 유의미한 결과로 해석된다.
- 표에서 볼 수 있듯이 연결중심성, 근접중심성, 매개중심성 측면에서 모두 상위에 나타나있는 CPC 서브클래스는 네트워크 관련 클래스이다. 디바이스 관련 CPC의 개수가 압도적으로 많았던 것에 비하면 중심성 지수 상위 10위에 해당하는 CPC 서브클래스의 수는 상대적으로 적은 편인 것으로 나타났다. 이는 사물인터넷이 주로 네트워크 중심의 인프라를 갖추고 관련 응용 영역의 디바이스를 연결하는 형태로 구성되기 때문에 디바이스 CPC의 개수는 많지만 실질적으로 네트워크의 핵심 플레이어로서는 역할을 하지 않는 것으로 생각된다.
- 디바이스, 네트워크, 플랫폼, 서비스로 구성된 사물인터넷의 네 가지 특징을 고려해 볼때, 전체적으로는 디바이스 관련 키워드가 많이 나타나기는 하지만 네트워크의 융합 양상에 절대적인 영향을 끼치지는 않는 것으로 나타났다. 대신 네트워크와 서비스 관련 키워드가 중점적 영향을 끼치는 것으로 나타났다.
- 즉, 핵심 네트워크 기술을 바탕으로 각 응용영역의 디바이스 기술들이 연계되어 있으며, 이들이 사물인터넷의 기술융합을 주도하고 있는 양상을 띠는 것이다. 또한 사물인터넷의 실무에서 핵심 신서비스의 발굴이 중요 주제로 부각되고 있는 데 반해, 현재 네트워크 분석 결과로는 아직 서비스 기술의 역할은 다소 미흡한 것으로 확인되었다. 이는 사물인터넷의 효과적 활용과 기술적 발전 및 응용영역으로의 확대를 위해 서비스 기술이 보다 활발하게 개발되어야 함을 의미한다.
- 특히 대부분 CPC 서브클래스가 사물인터넷 디바이스에 치중되어 있음에도 불구하고, 융합을 주도하는 핵심 기술군은 대부분 네트워크 쪽 기술인 것으로 나타났으며, 해당 네트워크 관련 기술을 중심으로 사물인터넷의 주요 응용 영역에 관련된 디바이스 기술이 융합되고 있는 것으로 나타났다. 또한 키워드 분석 결과, 많은 디바이스 관련 기술 키워드가 존재함에도 불구하고, 네트워크 중심성 지수가 가장 높은 키워드는 네트워크 키워드 및 서비스 키워드로 나타났다. 이는 사물인터넷의 핵심기반이 네트워크 기술에 있다는 점과, 향후 사물인터넷의 산업 활용에 있어 가장 중요한 요인이 어떤 혁신적 서비스를 제공하는 것인가와 관련되어 있다는 점을 미루어 볼 때 상당히 유의미한 결과로 해석된다.
- 분석 결과 사물인터넷 디바이스는 헬스케어, 임베디드, 냉장보관, 에너지관리, 에너지 저장, 가정로봇, 센서의 7개 세부 그룹으로 나뉘어진다. 특히 표 2에서 볼 수 있듯이, 헬스케어 그룹의 중요성이 두드러지는데 진단 수술 및 신체단련에 관련되어 있는 A61B, A63B 서브클래스의 연결 중심성 지수가 매우 높게 나타났음을 알 수 있다.
- 분석 결과, 대부분 사물인터넷 기술 중 디바이스 기술이 압도적이었기 때문에 자연스럽게 많은 노드가 디바이스 관련 기술로 나타났다. 그러나 가장 중심성 지수가 높으면서 타 그룹과의 융합을 주도하고 있는 사물인터넷 기반기술을 살펴보면 대부분이 네트워크 쪽 기술임을 알 수 있다.
- 사물인터넷 기술에 대한 전체 CPC 서브클래스 네트워크 분석 결과가 다음 그림 4에 나타나 있다. 분석 결과, 무선통신, 디지털정보전송 등과 같은 네트워크 계열 CPC 서브클래스로 이루어진 IoT 기반기술 그룹이 가장 핵심에 있는 그룹으로 나타났다. 이러한 기반기술 그룹은 표 4의 중심성 지수 분석에서도 가장 두드러지게 나타난다.
- 분석 결과, 중심성 지수가 가장 높은 노드는 네트워크의 node 키워드로 나타났으며, 서비스의 user, service 로 나타났다. user, service 등과 같은 키워드는 다소 불용어 성격을 가지기는 하나, 대부분의 사물인터넷의 기술적 요인들이 사용자 서비스를 제공한다는 측면에서 사물인터넷 서비스의 특성을 확인하고자 키워드에서 제외시키지 않았다.
- 디바이스 융합 측면에서는 센서 디바이스를 중심으로 기술 융합이 활발하게 일어나고 있으며, 헬스케어 디바이스, 냉장 및 냉동 장치, 에너지관리 디바이스 등 현재 실생활 및 산업에서 활발히 사용되고 있는 디바이스 융합 그룹이 나타났다. 전체 융합 측면에서는 사물인터넷 기반기술을 중심으로 모든 융합 현상이 발생하고 있으며, 헬스케어, 스마트 그리드, 스마드 홈 등이 주요 융합그룹으로 도출되었다. 특히 대부분 CPC 서브클래스가 사물인터넷 디바이스에 치중되어 있음에도 불구하고, 융합을 주도하는 핵심 기술군은 대부분 네트워크 쪽 기술인 것으로 나타났으며, 해당 네트워크 관련 기술을 중심으로 사물인터넷의 주요 응용 영역에 관련된 디바이스 기술이 융합되고 있는 것으로 나타났다.
- 첫째, 사물인터넷 기반기술을 중심으로 다양한 응용 영역이 관련되어 있기 때문에 기반기술 – 즉 데이터 통신, 무선 네트워크, 정보 처리 및 데이터 처리- 에 관련한 기술적 성능을 향상시키고 새로운 기반기술 혁신을 주도하는 것이 사물인터넷 전반의 기술성을 향상시키는 데 도움을 줄 수 있다는 점이다.
- 본 연구에서 주로 활용될 동시분류분석 및 텍스트마이닝을 위해 협력적 특허 분류(Cooperative Patent Classification, CPC)의 서브클래스 정보 및 특허의 키워드를 추출한다. 총 96개의 CPC 서브클래스가 추출되었으며, 키워드의 경우 2,281 개의 명사 키워드가 추출되었으며, 불용어 (stopwords)를 제외하고 총 1,594개의 키워드가 추출되었다. 이 중 출현빈도가 빈도가 40 이상인 키워드만 분석에 활용하였다.
- 전체 융합 측면에서는 사물인터넷 기반기술을 중심으로 모든 융합 현상이 발생하고 있으며, 헬스케어, 스마트 그리드, 스마드 홈 등이 주요 융합그룹으로 도출되었다. 특히 대부분 CPC 서브클래스가 사물인터넷 디바이스에 치중되어 있음에도 불구하고, 융합을 주도하는 핵심 기술군은 대부분 네트워크 쪽 기술인 것으로 나타났으며, 해당 네트워크 관련 기술을 중심으로 사물인터넷의 주요 응용 영역에 관련된 디바이스 기술이 융합되고 있는 것으로 나타났다. 또한 키워드 분석 결과, 많은 디바이스 관련 기술 키워드가 존재함에도 불구하고, 네트워크 중심성 지수가 가장 높은 키워드는 네트워크 키워드 및 서비스 키워드로 나타났다.
- 분석 결과 사물인터넷 디바이스는 헬스케어, 임베디드, 냉장보관, 에너지관리, 에너지 저장, 가정로봇, 센서의 7개 세부 그룹으로 나뉘어진다. 특히 표 2에서 볼 수 있듯이, 헬스케어 그룹의 중요성이 두드러지는데 진단 수술 및 신체단련에 관련되어 있는 A61B, A63B 서브클래스의 연결 중심성 지수가 매우 높게 나타났음을 알 수 있다. 이는 해당 서브클래스와 관련된 기술에 대한 연구가 매우 활발함을 나타낸다.
후속연구
- 첫째, 사물인터넷 기반기술을 중심으로 다양한 응용 영역이 관련되어 있기 때문에 기반기술 – 즉 데이터 통신, 무선 네트워크, 정보 처리 및 데이터 처리- 에 관련한 기술적 성능을 향상시키고 새로운 기반기술 혁신을 주도하는 것이 사물인터넷 전반의 기술성을 향상시키는 데 도움을 줄 수 있다는 점이다. 두 번째는 기반기술을 중심으로 다양한 응용 영역이 관련되어 있기 때문에, 기반기술이 제공할 수 있는 기술적 능력을 필요로 하는 새로운 응용 영역 (혹은 새로운 서비스 영역)을 탐색하는 것이 사물인터넷의 양적 기반을 확대하는 데 도움을 줄 수 있을 것으로 생각된다.
- 첫째, “Internet of Things”라는 키워드로 수집한 특허가 사물인터넷 기술을 전부 다루고 있다고 보기 힘들며, 특허 데이터의 경우 특허 출원 후 공개까지의 기간이 존재하여 최신 기술을 반영하지 못했다는 한계가 있다. 둘째, CPC 서브클래스 및 기술 키워드를 네 가지 기술군으로 분류함에 있어 연구자의 주관적인 판단이 개입되었다는 한계가 있다. 이에 대한 보완을 위해 추후 전문가와의 협업을 통해 명확한 분류 체계를 만들 필요가 있을 것으로 생각된다.
- 추후 연구에서는 토픽 모델링 등과 같은 방법론을 활용하여, 단순 키워드의 등장보다는 특허의 내용에 기반한 분석 기법을 시도할 수 있을 것으로 생각된다. 또한 키워드 네트워크 분석을 보다 효과적으로 수행하기 위한 키워드 선정 프로세스에 대한 추가적 연구가 수행된다면 보다 의미있는 결과를 도출할 수 있을 것으로 생각된다.
- 본 연구는 사물인터넷의 기술융합 현황을 정량적으로 분석함으로써 기업 및 학계에서 사물인터넷 기술융합 연구 및 발전 방향의 단서를 제공할 것으로 기대된다. 하지만 본 연구는 몇 가지 한계점을 지니며, 이는 추후 연구를 통해 보완될 필요가 있다.
- 둘째, CPC 서브클래스 및 기술 키워드를 네 가지 기술군으로 분류함에 있어 연구자의 주관적인 판단이 개입되었다는 한계가 있다. 이에 대한 보완을 위해 추후 전문가와의 협업을 통해 명확한 분류 체계를 만들 필요가 있을 것으로 생각된다. 셋째, 키워드 네트워크의 경우 키워드의 동시출현빈도를 바탕으로 분석하였다.
- 첫째, “Internet of Things”라는 키워드로 수집한 특허가 사물인터넷 기술을 전부 다루고 있다고 보기 힘들며, 특허 데이터의 경우 특허 출원 후 공개까지의 기간이 존재하여 최신 기술을 반영하지 못했다는 한계가 있다.
- 그러나 단순 키워드의 등장만으로 전체 융합양상을 분석하기는 다소 부족한 면이 있는 것으로 생각된다. 추후 연구에서는 토픽 모델링 등과 같은 방법론을 활용하여, 단순 키워드의 등장보다는 특허의 내용에 기반한 분석 기법을 시도할 수 있을 것으로 생각된다. 또한 키워드 네트워크 분석을 보다 효과적으로 수행하기 위한 키워드 선정 프로세스에 대한 추가적 연구가 수행된다면 보다 의미있는 결과를 도출할 수 있을 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.