[보고서]근거 기반의 R&D예산 배분·조정 체계 구축 – R&D투자 전략 수립 지원

홍미영

보고서 정보

주관연구기관

한국과학기술기획평가원
Korea Institute of Science and Technology Evaluation and Planning

연구책임자

홍미영

참여연구자

오건웅 , 김민기 , 하동현 , 조진실 , 성민규 , 김용환 , 김유빈 , 김혜진 , 여영준 , 정유경 , 정호현 , 정서원

보고서유형

최종보고서

발행국가

대한민국

언어

한국어

발행년월

2024-01

과제시작연도

2023

주관부처

과학기술정보통신부
Ministry of Science and ICT

과제관리전문기관

한국과학기술기획평가원
Korea Institute of Science and Technology Evaluation and Planning

등록번호

TRKO202400000537

과제고유번호

1711203198

사업명

한국과학기술기획평가원연구운영비지원

DB 구축일자

2024-07-03

키워드

근거 기반.투자플랫폼.임무지향 R&D.투자전략 수립.전략적 예산 배분․조정.Evidence-based.Investment platform.Mission-oriented R&D.Establishment of investment strategy.Strategic Budget Allocation Adjustment.

표 범부처 통합적 예산 배분·조정 체계
표 IRIS 시스템의 중장기 추진 방향성
표 범부처 통합적 R&D예산 배분·조정 프로세스
표 분석항목별 분석 방법(예시)
표 국가연구개발사업 투자플랫폼 고도화 프로세스(안)
표 과학기술데이터 유형별 정보분석 도구(예시)
표 정부R&D 투자 규모 예측 방법론(예시)
표 논문 서지 정보 기반 이머징 이슈 탐색 프로세스(국회미래연구원)
표 특허데이터 기반 기술개발 동향 분석 프로세스(안)
표 선형 분류기 출처: 노정순 (2011, p.280) 주: H1보다 H2가 두 범주(검은 점, 흰 점)로부터 멀리 떨어져 있기 때문에 두 범주를 더 잘 구분하는 선이라 할 수 있음. H3는 두 범주를 구분하지 못하는 선임
표 k-NN 분류기 출처: Sebastiani (2002, p.27) 주: 십자가는 긍정문헌집합, 작은 원은 부정문헌집합을 의미함. 긍정예제를 둘러싸고 있는 큰 원은 입력문헌과 유사한 문헌 집합들로 주로 거리계수를 사용하여 측정함
표 SVM 분류기 출처: Sebastiani (2002, p.30) 주: 십자가는 긍정예제, 작은 원은 부정예제를 의미함. 굵은 선은 긍정예제와 부정예제를 구분하는 결정면(σi)으로 학습집합과의 최소 거리가 최대가 되는 면이 SVM의 최대마진결정면임. 네모는 지지벡터를 나타냄
표 계층적 클러스터링의 덴드로그램 출처: 정영미 (2012, p.182) 주: 거리계수를 사용하여 문헌 A, B, C, D, E를 계층적 클러스터링한 결과
표 계층적 클러스터링 기법 출처: 노정순 (2011, p.25) 주: 거리계수를 사용하여 문헌①, ②로 구성된 클러스터와 문헌③,④,⑤로 구성된 클 러스터를 통합한다고 할 때, 단일연결(a)은 ①과 ③을 기준으로 두 클러스터가 통 합되고, 완전연결(b)은 ②와 ④를 기준으로 두 클러스터가 통합됨
표 응집적 클러스터링, K-means, DBSCAN 기법의 클러스터링 결과 자료: Scikit learn 출처: https://scikit-learn.org/stable/auto_examples/cluster/plot_cluster_comparison.html #sphx-glr-auto-examples-cluster-plot-cluster-comparison-py
표 클러스터링 결과 2×2분할표
표 단일 계층 feed-forward neural network 출처: Sazli (2006, p.12) 주: 두 개의 레이어로 구성된 단일 계층 feed-forward neural network. 이때 입력층은 계산(computation)이 수행되지 않으므로 계층에 포함되지 않음. 입력층에서 출력층으로 뉴런이 전달될 때 계산이 발생함
표 다계층 feed-forward neural network(5-3-2 네트워크) 출처: Sazli (2006, p.13) 주: 다계층 신경망은 입력층과 출력층 사이에 은닉층이 존재함. 은닉층은 입력층과 출력층을 중재하며 고차원 통계(statistics)를 산출함
표 Doc2vec의 학습모형 출처: Le & Mikolov (2014, p.1190) 주: D2V은 ‘the’, ‘cat’, ‘sat’으로 구성된 문장(문헌)을 단어 벡터로 표현하고 이것을 학습하여 그다음에 올 단어인 ‘on’을 예측함. 여기에 문헌 id 토큰을 추가하여 문헌 벡터를 생성함
표 순환 신경망 구조 출처: Kumaraswamy (2021, p.121)
표 LSTM 구조 출처: 한땀컴비 외. (2022). 한땀한땀 딥러닝 컴퓨터 비전 백과사전. https://wikidocs.net/152773 주: σ는 시그모이드 함수, tanh는 tanh 함수, ×는 확률값의 곱하기, +는 확률값의 더하기
표 LDA와 SVM을 활용한 특허 문헌의 자동 분류 출처: Yun and Geum (2020, p.4)
표 ST LDA를 활용한 반지도학습 문헌 분류 출처: Pavlinek and Podgorelec (2017, p.86)
표 SVM과 LDA의 범주에 속한 단어들 비교 출처: Rubin et al. (2012, p.163)
표 sLDA와 Dependency-LDA 그래픽 모형 출처: Rubin et al. (2012, p.167) 주: 왼쪽 그림 Flat-LDA가 supervised-LDA 모형이고, 오른쪽이 레이블 간 의존성을 고려한 Dependency-LDA 모형을 나타냄. 문헌 D는 단어 w와 범주 c로 표현됨
표 빈도 기반의 문헌-용어행렬(좌)과 용어출현 여부에 따른 이진 용어-문헌행렬(우) 예
표 M개의 단어와 N개의 문헌으로 구성된 용어-문헌행렬 연산을 통해 단어공기행렬 산출
표 단순 TF-IDF를 사용한 단어 가중치의 예
표 특이값 분해의 예시
표 용어-문헌행렬의 특이값 분해
표 단어의 조건부 확률을 기반으로 한 pLSA의 용어-문헌행렬 구성
표 pLSA의 판표기법(좌)과 LDA 기법의 판표기법(우) 출처: Oneata(1999, p.2), Blei et al. (2003, p.997)
표 CBOW(좌)는 문맥 단어를 기반으로 현재위치단어를 학습, Skip-gram은 현재의 단어로 주변단어를 예측 출처: Mikolov et al. (2013, p.5)
표 CBOW의 신경망 모델(좌)과 원핫인코딩을 대입한 행렬계산 표현(우)
표 가중치벡터로부터 softmax 함수를 적용해 예측값을 구하는 과정
표 PMI행렬의 행렬분해 예시
표 RNN의 인코더와 디코더 출처: Cho et al. (2014, p.2)
표 트랜스포머의 구조(좌)와 간략화한 모형(우) 자료: Vaswani et al. (2017, p.3)/(좌), https://jalammar.github.io/illustrated-transformer/(우)
표 셀프어텐션의 개념이 반영된 문장의 예 자료: https://ai.googleblog.com/2017/08/transformer-novel-neural-network.html
표 셀프어텐션과 FFNN과정에서 각 단어 벡터들이 유지 자료: https://jalammar.github.io/illustrated-transformer/
표 트랜스포머 관점에서의 GPT(좌)와 BERT(우) 주: [그림 30]의 좌측 그림을 수정
표 토픽모델링 과정
표 Gaussian Mixture Model
표 Basic Graphical Model of LDA 출처: Blei, Ng, & Jordan (2003, p.997)
표 Smoothed LDA (Blei, Ng, & Jordan 2003) 출처: Blei, Ng, & Jordan (2003, p.1006)
표 Graphical Model of DTM 출처: Blei & Lafferty (2006a, p.114)
표 Graphical Model of CTM 출처: Blei & Lafferty (2006b, p.149)
표 Graphic model of DMR 출처: Mimno, & McCallum (2012, p.3240)
표 Graphical model of hLDA 출처: Griffiths et al (2004, p.21)
표 Graphical model of sLDA 출처: Mcauliffe & Blei (2008, p.2)
표 분산을 활용한 신규성 분석 개념
표 출현 가속도를 활용한 확장성 분석 개념
표 타 분야 파급효과 분석 개념
표 이머징 키워드에서 이머징 이슈로 전환되는 과정
표 주요 특허지표
표 국회 공통요구자료 데이터 현황
표 과제 데이터 한국어 전처리 예시
표 사업데이터 한국어 전처리 예시
표 사업데이터 한국어 전처리 예시
표 LDA 토픽모델 기호
표 LDA 토픽모델 세트
표 빈도수 상위 10개 키워드 및 불용어 여부 예시
표 다중선형회귀분석 기본 가정
표 사전분석 세트의 a) 사업1, b) 과제40 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽1000 키워드 분포, f) 토픽1000 워드클라우드
표 사업250 세트의 a) 사업1, b) 사업10 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽250 키워드 분포, f) 토픽250 워드클라우드
표 사업500 세트의 a) 사업1, b) 사업10 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽500 키워드 분포, f) 토픽500 워드클라우드
표 K03501723 a) 사업1, b) 과제40 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽350 키워드 분포, f) 토픽350 워드클라우드
표 K05001723 a) 사업1, b) 과제40 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽350 키워드 분포, f) 토픽500 워드클라우드
표 K10001723 a) 사업1, b) 과제40 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽1000 키워드 분포, f) 토픽1000 워드클라우드
표 K15001723 a) 사업1, b) 과제1 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽1000 키워드 분포, f) 토픽1000 워드클라우드
표 K10001623 세트의 a) 사업1, b) 과제40 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽1000 키워드 분포, f) 토픽1000 워드클라우드
표 K10001523 세트의 a) 사업1, b) 과제40 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽1000 키워드 분포, f) 토픽1000 워드클라우드
표 K10001622 세트의 a) 사업1, b) 과제1 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽1000 키워드 분포, f) 토픽1000 워드클라우드
표 K10001521 세트의 a) 사업1, b) 과제1 토픽분포, c) 토픽1 키워드 분포, d) 토픽1 워드클라우드, e) 토픽1000 키워드 분포, f) 토픽1000 워드클라우드
표 사전분석 세트의 a) 사업, b) 과제 중요도 현황
표 사업 중요도 계산 비율
표 a) 사업250, b) 사업500, c) K03501723, d) K05001723, e) K10001723, f) K15001723 세트의 라벨 중요도 선형회귀분석에 따른 R2 분포
표 a) K10001623, b) K10001523, c) K10001622, d) K10001521 세트의 라벨 중요도 선형회귀분석에 따른 R2 분포
표 토픽1 Box-Cox 변환 후 선형회귀분석 결과
표 a) 사업250, b) 사업500, c) K03501723, d) K05001723, e) K10001723, f) K15001723 세트의 라벨 log(중요도) 선형회귀분석에 따른 R2 분포
표 a) K10001623, b) K10001523, c) K10001622, d) K10001521 세트의 라벨 log(중요도) 선형회귀분석에 따른 R2 분포
표 라벨 중요도 및 log(중요도) 선형회귀분석 결정계수 평균
표 사업250 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 사업500 수소분야 상위50% 라벨(토픽) 수소 중요도 및 주요 키워드
표 사업500 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 사업500 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K03501723 수소분야 상위50% 라벨(토픽) 수소 중요도 및 주요 키워드
표 K03501723 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 K03501723 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K05001723 수소분야 상위50% 라벨(토픽) 수소 중요도 및 주요 키워드
표 K05001723 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 K05001723 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K10001723 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 K10001723 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K15001723 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 K15001723 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K10001623 수소분야 상위50% 라벨(토픽) 수소 중요도 및 주요 키워드
표 K10001623 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 K10001623 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K10001523 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 K10001523 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K10001622 수소분야 중요도 상위50% 라벨(토픽)의 연차별 log(중요도)
표 K10001622 수소분야 상위50% 라벨(토픽) log(중요도) 회귀분석 결과
표 K10001521 수소분야 상위 5개 라벨(토픽) 수소 중요도 및 주요 키워드
표 K10001521 수소분야 중요도 상위 5개 라벨(토픽)의 연차별 log(중요도)
표 K10001521 수소분야 상위 5개 라벨(토픽) log(중요도) 회귀분석 결과
표 분석세트 상위50% 라벨(토픽) log(중요도) 회귀분석 MAE
표 분석세트 중요도 상위50% 라벨(토픽)의 ETS예측/실제
표 분석세트 중요도 상위50% 라벨(토픽)의 Linear예측/실제
표 연도별 정부R&D 예산
표 역대 정부별 정부R&D 중점투자방향의 주요 키워드 분포
표 역대 정부별 정부R&D 중점투자방향에 대한 워드클라우드 분석
표 현 정부의 정부R&D 중점투자방향의 정책/기술키워드 분포
표 현 정부의 정부R&D 중점투자방향에 대한 워드클라우드 분석
표 국가R&D 투자 관련 이머징 후보 키워드와 파급 키워드 도출 결과(예시)
표 10대 이머징 이슈 분석 양식(예시)
표 이머징 키워드와 파급 키워드 조합을 활용한 ChatGPT 4.0 분석을 위한 프롬프트 설계
표 제안하는 이머징 기술 탐색 방법
표 논문 기반 & 특허 기반 시스템의 비교
표 논문과 특허 기반 분석의 주요 지표 특성 차이
표 특허 기반 시스템의 적합성 평가기준
표 키워드의 출현 빈도에 따른 신규성 판단
표 특허 요약키워드의 평균 및 분산 산출 예시
표 파일럿 분석을 통한 시계열 분포 확인 결과
표 선후행 특허 인용관계 확인 결과
표 타분야 인용의 정량적 결과 확인
표 IPC 코드 수어 체계
표 1차 분석 기반 전문가 검토의견의 키워드 정리
표 인공지능 유동 학습 기술 관련 의학 분야 적용의 최근 등장 사례
표 검색키워드 10개/30개 조건에 따른 키워드 이머징 키워드 비교
표 검색키워드 10개/30개 적용에 따른 타분야 파급 키워드 비교(예시)
표 국가R&D 투자 관련 10대 이머징 이슈 주제 도출 결과
표 인공지능분야 이머징 기술 도출 결과
표 수소연료전지분야 이머징 기술 도출 결과

과제명(ProjectTitle) :	-
연구책임자(Manager) :	-
과제기간(DetailSeriesProject) :	-
총연구비 (DetailSeriesProject) :	-
키워드(keyword) :	-
과제수행기간(LeadAgency) :	-
연구목표(Goal) :	-
연구내용(Abstract) :	-
기대효과(Effect) :	-

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 제목(한글), 저자명(한글), 발행일자, 전자원문, 초록(한글), 초록(영문) 관리번호, 제목(한글), 제목(영문), 저자명(한글), 저자명(영문), 주관연구기관(한글), 주관연구기관(영문), 발행일자, 총페이지수, 주관부처명, 과제시작일, 보고서번호, 과제종료일, 주제분류, 키워드(한글), 전자원문, 키워드(영문), 입수제어번호, 초록(한글), 초록(영문), 목차
저장형식	Text(ASCII format) Excel format
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

근거 기반의 R&D예산 배분·조정 체계 구축 – R&D투자 전략 수립 지원
Establishment of evidence-based R&D budget allocation and adjustment system – support for R&D investment strategy establishment 원문보기

초록 ▼

목차 Contents

표/그림 (134)

표/그림 (134)

연구자의 다른 보고서 :

참고문헌 (25)

연구과제 타임라인

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

근거 기반의 R&D예산 배분·조정 체계 구축 – R&D투자 전략 수립 지원 Establishment of evidence-based R&D budget allocation and adjustment system – support for R&D investment strategy establishment 원문보기

초록 ▼

목차 Contents

표/그림 (134) 모든 표/그림 보기

표/그림 (134) 슬라이드로 보기

연구자의 다른 보고서 :

홍미영 (54) 김민기 (43) 김혜진 (21)

참고문헌 (25)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

근거 기반의 R&D예산 배분·조정 체계 구축 – R&D투자 전략 수립 지원
Establishment of evidence-based R&D budget allocation and adjustment system – support for R&D investment strategy establishment 원문보기

표/그림 (134)

표/그림 (134)