Journal of Korea Society of Industrial Information Systems (한국산업정보학회논문지)

Korea Society of Industrial Information Systems (한국산업정보학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on Science Technology Trend and Prediction Using Topic Modeling

토픽모델링을 활용한 과학기술동향 및 예측에 관한 연구

  • 박주섭 (동아대학교 경영정보학과) ;
  • 홍순구 (동아대학교 경영정보학과) ;
  • 김종원 (동의대학교 정보경영학부)
  • Received : 2017.05.30
  • Accepted : 2017.08.17
  • Published : 2017.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Companies and Governments have Mainly used the Delphi Technique to Understand Research or Technology Trends. Because this Technique has the Disadvantage of Consuming a Large Amount of Time and Money, this Study Attempted to Understand and Predict Science and Technology Trends using the Topic Modeling Technique Latent Dirichlet Allocation (LDA). To this end, 20 Specific Artificial Intelligence (AI) Technologies were Extracted From the Abstracts of the US Patent Documents on AI. With Regard to the Extracted Specific Technologies, Core Technologies were Identified, and then these were Divided into Hot and Cold Technologies though a Trend Analysis on their Annual Proportions. Text/Word Searching, Computer Management, Programming Syntax, Network Administration, Multimedia, and Wireless Network Technology were Derived From Hot Technologies. These Technologies are Key Technologies that are Actively Studied in the Field of AI in Recent Years. The Methodology Suggested in this Study may be used to Analyze Trends, Derive Policies, or Predict Technical Demands in Various Fields such as Social Issues, Regional Innovation, and Management.

기업이나 정부에서는 연구나 기술 동향을 파악하고 예측하기 위해 주로 델파이 기법이 활용하여 왔다. 이 기법은 많은 시간과 비용이 소요되는 단점이 있기에 본 논문에서는 LDA 토픽모델링 기법을 활용하여 과학기술의 동향 및 예측에 관한 연구를 실시하였다. 이를 위해 미국 특허 문서중 AI(Artificial Intelligence) 초록을 대상으로 LDA 토픽모델링 기법을 활용하여 20개의 AI 세부기술을 추출하였다. 도출된 세부기술에 대해 핵심기술을 파악하고, 연도별 비중 추이 분석을 통하여 Hot기술과 Cold기술을 분류하였다. 텍스트 탐색, 컴퓨터 관리, 프로그래밍 구문, 네트워크 관리, 멀티미디어, 무선 네트워크 기술 등이 Hot 기술로 도출되었다. 이런 기술들은 최근 AI 분야에서 활발하게 연구되는 핵심 기술들이다. 본 논문에서 제시한 방법론은 사회문제나 지역혁신, 경영 등 다양한 분야에서의 동향분석이나 정책 도출 또는 기술 수요 예측에 활용되어 질 수 있을 것이다.

Keywords

References

  1. Kim, S. K. and Jang, S. Y., "A Study on the Research Trends in Domestic Industrial and Management Engineer ing using Topic Modeling", Journal of the Korea Management Engineers Society, Vol. 21, No. 3, pp. 71-95, 2016.
  2. Park, J. H. and Song, M., "A Study on the Research Trends in Library & Information Science in Korea using Topic Modeling", Korea Society for Information Management, Vol. 30, No. 1, pp. 7-32, 2013.
  3. Seo, S. H. and Lee, H. Y., "Fintech Trend Analysis using Topic Modeling of BM Patents", Proceedings of the Korean Industrial Engineering Society Fall Conference, pp. 471-480, 2015.
  4. Lee, S. Y. and Lee, K. M., "Trend Extraction using Topic Model Based on Reply Graph", Korean Institute of Intelligent Systems, Vol. 24, No. 2, pp. 99-100, 2014.
  5. Jeong, D. M., "Study of Topic Classification and Keywords for Online Fiction Search", Department of Transdisciplinary Studies, The Graduate School Seoul National University, 2015.
  6. Jeong, B. K. and Lee, H. Y., "Research Topics in Industrial Engineering 2001-2015", Journal of the Korean Institute of Industrial Engineers, Vol. 42, No. 6, pp. 421-431, 2016. https://doi.org/10.7232/JKIIE.2016.42.6.421
  7. Jeong, B. K., Kim, J. W. and Yoon, J. H., "Patent-Based Competitive Intelligence Analysis of Augmented Reality Technology : Application of Topic Modeling", Proceedings of the Korean Industrial Engineering Society Fall Conference, pp. 2262-2267, 2015.
  8. Jin, S. A., Heo, C. E., Jeong, Y. K. and Song, M., "Topic-Network based Topic Shift Detection on Twitter", Korea Society for Information Management, Vol. 30, No. 1, pp. 285-302, 2013. https://doi.org/10.3743/KOSIM.2013.30.1.285
  9. "IMD World Talent Report 2015", The IMD World Competitiveness Center, 2015.
  10. Blei, D. M., Ng, A. Y. and Jordan, M. I., "Latent Dirichlet Allocation", The Journal of Machine Learning Research, Vol. 3, pp. 993-1022, 2003.
  11. Blei, D. M., "Probabilistic Topic Models", Communications of the ACM, Vol. 55, No. 4, pp. 77-84, 2012. https://doi.org/10.1145/2133806.2133826
  12. Song, M. and Kim, S. Y., "Detecting the Knowledge Structure of Bioinformatics by Mining Full-Text Collections", Scientometrics, Vol. 96, No. 1, pp. 183-201, 2013. https://doi.org/10.1007/s11192-012-0900-9
  13. Choi, Y. S., Baek, S. C. and Kwon, H. I., "Study on City Revitalization Plan Via U-City Project", The Journal of Internet Electronic Commerce Research, Vol. 8, No. 3, pp. 183-209, 2008.
  14. Suh, C. K., Kim E. J. and Lee Y. S., "The Development of Delphi Support Decision System on the Web", The Journal of Information Systems, Vol. 10, No. 1, pp. 5-25, 2001.

Cited by

  1. Trend Analysis of Korean Cultural Policy Studies Using Text Mining vol.24, pp.3, 2017, https://doi.org/10.17089/kgr.2017.24.3.004
  2. 용어 사전의 특성이 문서 분류 정확도에 미치는 영향 연구 vol.37, pp.4, 2017, https://doi.org/10.29214/damis.2018.37.4.003
  3. 토픽 모델링을 이용한 컴퓨팅 사고력 관련 연구 동향 분석 vol.23, pp.6, 2019, https://doi.org/10.14352/jkaie.2019.23.6.607
  4. 자율주행과 공간정보의 빅데이터 기반 연계성 분석을 통한 동향 및 예측에 관한 연구 vol.50, pp.2, 2017, https://doi.org/10.22640/lxsiri.2020.50.2.101
  5. 토픽모델링과 인용 분석에 기반한 의료기기 산업의 기술융합 유형 연구 vol.12, pp.7, 2017, https://doi.org/10.15207/jkcs.2021.12.7.207