A study on methodology for trend analysis and technology forecasting using unstructured patent data and natural language processing : focused on case of biopharmaceutical field
저자
발행사항
포천 : 차의과학대학교 일반대학원, 2022
학위논문사항
학위논문(석사)-- 차의과학대학교 일반대학원 : 생명과학과 바이오공학 2022. 8
발행연도
2022
작성언어
영어
주제어
발행국(도시)
경기도
형태사항
26 cm
일반주기명
지도교수: 홍수린
UCI식별코드
I804:41065-200000638211
소장기관
4차 산업혁명 시대에서 기술예측은 과학과 경제발전을 효과적으로 연결할 수 있고 다양한 미래 상황에 대비할 수 있다. 객관적인 데이터의 평가를 통한 과학적 근거에 기반한 기술 개발 전략 및 연구개발 방향을 설정하는 것은 과학 산업분야에서 주요 이슈가 되어 왔다.
현재 대부분의 국가에서 특허 제도가 확립되어 있다. 과학 산업분야의 연구자들은 본 출원공개 제도를 통해 연구와 투자의 중복을 방지하고 효과적인 연구개발 방향을 설정할 수 있다. 특허 데이터는 전 세계적으로 연간 약 3백만 건이 출원되고 있으며 이는 빅 데이터의 성격을 가지고 있다. 특허 데이터의 종류는 정형 데이터와 비정형 데이터가 있다. 특허 데이터는 공백 또는 유망기술을 도출하는 등 기술예측을 위한 데이터 소스로 사용될 수 있다.
기술예측을 위한 다양한 특허분석 방법론이 연구되어 왔다. 출원일, 출원인, 국가 코드, IPC code, CPC code 등의 정형 데이터를 이용한 특허분석 방법론들은 과학 산업의 첨단 기술을 분석하고 의미 있는 연구개발 방향을 제시하기 어렵다는 한계점이 존재한다. 또한, 특허 분석 결과는 산업 분야의 실질적인 니즈와 간극이 존재한다. 이를 극복하기 위해, 제목, 초록, 청구항 등 비정형 특허 데이터를 적극적으로 활용할 수 있는 방법론이 요구된다. 그러나 비정형 특허 데이터는 거대한 텍스트 코퍼스 형태로 존재하기 때문에 활용하기가 쉽지 않다.
이 비정형 특허 데이터를 분석하기 위해 자연어 처리 기법을 이용한 특허 분석 방법론이 제안되고 있다. 딥러닝 기반의 자연어 처리 기법은 기계 학습을 위한 훈련 데이터 세트가 필요하다. 그러나 이 훈련 데이터 세트를 준비하는 것은 어렵고 제공되고 있는 데이터 세트도 제한적이다.
본 연구에서는 산업분야의 실질적인 니즈와의 간극을 최소화하고 비정형 특허 데이터를 체계적으로 분석하기 위한 두 가지 특허 분석 방법론을 제안하였다. 제안된 방법론들을 검증하기 위해, 바이오의약품 분야에 적용하였다. 바이오의약품 분야는 신물질 발굴부터 신약개발까지 높은 투자가치와 고액의 자금과 장기투자가 가능한 지식기반 산업이다. 방법론 적용 결과, 바이오의약품 분야의 특허 데이터를 기반으로 동향 분석이 가능하였고, 공백 및 유망기술을 도출할 수 있었다.
In the era of 4th industrial revolution, technology forecasting can effectively link science and economic development and prepare for various future situations. Establishing directions for R&D management and strategy for the development of technology based on scientific evidence through the evaluation of objective data has been a major issue in the scientific industry.
Patent systems are now established in most countries. Researchers in the scientific industry can prevent overlapping R&D research and investment and set effective R&D directions through this application disclosure system. Patent data are filed about 3 million annually worldwide, and it has the characteristics of big data. There are two types of patent data: structured data and unstructured data. Patent data can be used as a data source for technology forecasting such as deducing vacant or promising technologies.
Various patent analysis methodologies have been studied for technology forecasting. Patent analysis methodology using structured data such as application date, applicant, country code, IPC code and CPC code has limitations in that it is difficult to analyze advanced technologies in the scientific industry and suggest a meaningful R&D direction. Also, results of patent analysis have gaps with the practical needs of the industry. To overcome this, methodoloeis that can actively utilize unstructured patent data such as title, abstract, and claims is required. However, it is not easy to utilize unstructured patent data due to exist in the form of a big text corpus.
Patent analysis methodologies using natural language processing techniques have been proposed to analyze unstructured patent data. Natural language processing techniques based on deep learning requires a training data set for machine learning. However, it is difficult to prepare this training data set and the provided data set is also limited.
In this study, we proposed two patent analysis methodologies to minimize the gap with practical needs in the industrial field and systematically analyze unstructured patent data. To verify the proposed methodologies, we applied them to the field of biopharmaceuticals. The biopharmaceutical field is a knowledge-based industry with high investment value and a large amount of money and long-term investment from the discovery of new substances to the development of new drugs. As a result of applying methodologies, based on patent data in the field of biopharmaceuticals, trends analysis was possible and vacant and promising technologies could be deduced.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)