초록 ▼

4. 결론 및 시사점
가. 바이오의료분야 과학기술정보 분석‧활용 모형 고도화
ㅇ 분석‧활용 모형 고도화 결과 사업 간의 관계성(유사정도) 분석, 특정 사업 속성변화, 분류 모형의 범용화 등에서 유의미한 결과를 도출함
- 연구개발사업의 분석하는 과정에서 어떠한 사업이 서로 간에 유사한지는 사업의 기획, 평가 등에 고려되는 사항으로 동 분석‧활용 모형이 시각적‧정량적으로 분석 결과를 도출한다는 점에서 의미가 있다고 사료됨
- 의약과제 분류모형의 경우 범용화를 통해 사용자 접근성을 제고함은 물론, 딥러닝 방법론에 국

4. 결론 및 시사점
가. 바이오의료분야 과학기술정보 분석‧활용 모형 고도화
ㅇ 분석‧활용 모형 고도화 결과 사업 간의 관계성(유사정도) 분석, 특정 사업 속성변화, 분류 모형의 범용화 등에서 유의미한 결과를 도출함
- 연구개발사업의 분석하는 과정에서 어떠한 사업이 서로 간에 유사한지는 사업의 기획, 평가 등에 고려되는 사항으로 동 분석‧활용 모형이 시각적‧정량적으로 분석 결과를 도출한다는 점에서 의미가 있다고 사료됨
- 의약과제 분류모형의 경우 범용화를 통해 사용자 접근성을 제고함은 물론, 딥러닝 방법론에 국한된 기 모형을 고도화하여 6개의 방법론을 적용하여 사용자 선택의 폭을 넓힘
※ 분류모형을 활용하여 신규과제를 선분류하고 이를 전문가에게 제공함으로써 의약과제 분류연구의 추진효율성 제고가 가능할 것으로 판단됨

ㅇ 그럼에도, 동 과제모형이 사용자의 의사결정을 지원하는데 적합한 모형(전문가시스템)임을 숙지할 필요
- 최신 기계학습 방법을 적용한 모형일지라도 사전에 등재되지 않은 단어의 경우 유사성, 연관성 분석에 개선이 요구되는 등 일부 한계점이 존재하는 것을 확인
- 이는 실질적으로 최신 기계학습 방법론을 적용한 모형이 인간과 같이 문맥이나 핵심키 워드, 행간에서 정보를 이해한다기보다는 사용자가 입력한 질문에 대한 답을 과거보다 정확성 높게 찾아준다는 의미로 해석될 수 있음

ㅇ 임베딩 기술을 적용하여 비정형데이터인 텍스트데이터를 벡터화하여 정형화된 데이터로 변환하고 이를 바탕으로 클러스터링, 분류 연구를 시도한 점은 동 연구과제의 특이점으로 볼 수 있음
- 향후 추가적인 연구를 통해 동 연구과제에서 제시된 접근법의 유용성이 검증될 경우 텍스트 기반 정보서비스 제공분야에 활용이 가능할 것으로 판단됨

나. 딥러닝 기반 토픽 클러스터링 분석 방법론 연구
ㅇ Pubmed의 MeSH Subject Heading을 활용한 세계 바이오의료 과학기술정보의 심도있는 분석이 가능
- Pubmed를 운영하는 미국 NLM(National Library of Medicine)에서 개발한 MeSH Subject Heading은 매주 업데이트되는 일종의 바이오분야 키워드 사전임

ㅇ NTIS에 수집되는 논문 성과 데이터와 Pubmed를 연동한 과학기술정보분석을 제안
- 국가연구개발사업 과제 수행을 통하여 생산된 논문은 NTIS 성과정보로 입력되므로, 해당논문이 Pubmed에 등재된 경우 국내 연구과제와 Pubmed 문헌의 직접적 연결이 가능
- 과제가 아닌 사업 단위로 분석을 수행할 경우 데이터가 충분하므로 논문, 특허 개수뿐만 아니라 결과물의 내용적 분석을 통해 연구성과가 사업의 목적에 부합했는지 여부를 분석하는 추적평가 차원의 활용이 가능

다. 17년도 정부 신약개발 R&D과제 DB구축 및 투자포트폴리오 분석
ㅇ 신약개발단계별 투자의 경우 인력양성, 인허가 등의 인프라 부분에 대한 투자를 보다 강화할 필요
- 후보물질 도출 및 최적화 단계(약 32.8%)의 비중이 높은 반면, 인프라 중 인력양성, 제도‧정책, 인·허가 부분의 투자 비중은 4% 이하 수준
- 신약개발 촉진을 통한 동 분야의 성장을 모색하기 위해서는 제도·정책 및 인프라적인 부분에 대한 정부 차원의 지원이 필요

(출처 : 요약문 8p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 4
• 요 약 문 ... 6
• 목차 ... 10
• 표목차 ... 11
• 그림목차 ... 13
• 제1장 서론 ... 18
• 제1절 연구 배경 및 필요성 ... 20
• 제2절 연구 목표 및 방법 ... 24
• 제2장 기계학습방법의 이론적 배경 ... 30
• 제1절 기계학습 정의 및 발전동향 ... 32
• 제2절 기계학습 적용 방법론 탐색 ... 35
• 제3장 텍스트마이닝의 개념과 최신 동향 ... 60
• 제1절 텍스트마이닝의 개념 ... 62
• 제2절 텍스트마이닝 분석 기법 ... 67
• 제3절. 딥러닝을 통한 텍스트마이닝의 진화 ... 74
• 제4절 텍스트마이닝의 활용 ... 80
• 제4장 바이오의료분야 과학기술정보데이터 분석‧활용 모형 고도화 ... 84
• 제1절 분석‧활용 모형 개발 개요 ... 86
• 제2절 분석‧활용 모형 고도화 방안 ... 95
• 제3절 분석‧활용 모형 활용 결과 ... 106
• 제5장 신약개발 정부 R&D 투자포트폴리오 분석 ... 148
• 제1절 신약개발 투자포트폴리오 분류기준 ... 150
• 제2절 2017년도 신약개발 R&D 투자포트폴리오 분석 ... 152
• 제6장 결론 ... 178
• 참고 문헌 ... 186
• 끝페이지 ... 191