DOI QR코드

DOI QR Code

Data-Driven Technology Portfolio Analysis for Commercialization of Public R&D Outcomes: Case Study of Big Data and Artificial Intelligence Fields

공공연구성과 실용화를 위한 데이터 기반의 기술 포트폴리오 분석: 빅데이터 및 인공지능 분야를 중심으로

  • Received : 2021.11.26
  • Accepted : 2021.12.14
  • Published : 2021.12.31

Abstract

Since small and medium-sized enterprises fell short of the securement of technological competitiveness in the field of big data and artificial intelligence (AI) field-core technologies of the Fourth Industrial Revolution, it is important to strengthen the competitiveness of the overall industry through technology commercialization. In this study, we aimed to propose a priority related to technology transfer and commercialization for practical use of public research results. We utilized public research performance information, improving missing values of 6T classification by deep learning model with an ensemble method. Then, we conducted topic modeling to derive the converging fields of big data and AI. We classified the technology fields into four different segments in the technology portfolio based on technology activity and technology efficiency, estimating the potential of technology commercialization for those fields. We proposed a priority of technology commercialization for 10 detailed technology fields that require long-term investment. Through systematic analysis, active utilization of technology, and efficient technology transfer and commercialization can be promoted.

빅데이터 및 인공지능 기술은 4차 산업혁명에 핵심적인 기술이나, 국내 중소·중견 기업의 빅데이터 분석 활용과 복합 인공지능 분야의 기술경쟁력 확보가 미흡한 상황이다. 따라서 빅데이터 및 인공지능 분야의 기술사업화를 통해 산업군 전반의 경쟁력을 강화하는 것이 중요하다. 본 연구에서는 기술 포트폴리오 분석을 통해 공공연구성과 실용화 우선순위를 평가하고자 한다. 우선 공공연구성과 정보에 대해 앙상블 기법을 적용한 딥러닝 모델을 사용하여 과제의 6T 분류 결측값을 개선하였다. 이후 6T 분야별 빅데이터 및 인공지능융합 분야를 대상으로 토픽 모델링을 진행하여 10개의 세부기술분야를 도출하였다. 세부기술분야별 기술사업화 가능성을 판단하기 위해 기술활동성과 기술효율성을 새롭게 정의하고 측정하였다. 두 축을 기반으로 포트폴리오를 4가지의 유형으로 구분하여 기술사업화 최우선 고려 대상, 장기 투자가 필요한 기술분야 등을 제안하였다. '영상 및 이미지 기반의 진단 기술'은 기술활동성 및 기술효율성이 높아 시장의 수요와 사업화 역량 모두 이상적인 수준으로 나타났다. 이처럼 체계적인 산업·기술시장 분석을 통해 공공연구성과 창출 기술의 활용을 활성화할 수 있으며 중소·중견으로의 효율적인 기술 이전 및 사업화 추진이 가능하다.

Keywords

References

  1. 정보통신기술진흥센터, ICT R&D 기술로드맵 2023 - 인공지능.빅데이터 분야, 정보통신기술진흥센터, 2018.
  2. 특허청, 4차 산업혁명 관련기술 특허 통계집, 특허청, 2020.
  3. 정보통신기획평가원, ICT 기술수준조사보고서, 정보통신기획평가원, 2018.
  4. 중소기업청, 중소.중견기업 글로벌 기술경쟁력 강화를 위한 민간 중심의 R&D 패러다임전환, 중소기업청, 2016.
  5. 안승구 외 2인, 중소기업의 기술사업화, 어떻게 향상시킬 것인가?, 한국과학기술기획평가원, 2020.
  6. 김갑조 et al., "특허 토픽 모델링과 성장주기곡선 을 통한 유망기술 발굴", 한국지능시스템학회 논문지, 제27권, 제4호, pp.357-363, 2017.
  7. Jeong B. et al., "A Semantic Patent Analysis Approach to Identifying Trends of Convergence Technology: Application of Topic Modeling and Cross-impact Analysis", The Journal of Intellectual Property, Vol.11, No.4, pp.211-240, 2016.
  8. 김태경 et al., "토픽 모델링을 이용한 핀테크 기술 동향 분석", 한국산학기술학회논문지, 제17권, 제11호, pp.670-681, 2016. https://doi.org/10.5762/KAIS.2016.17.11.670
  9. S. Keith et al., "Exploring Topic Coherence over many models and many topics", Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, pp.952-961, 2012.
  10. 김정탁.김동진, "기술이전 수요기업의 내.외부 환경요인이 기술사업화 성과만족도에 미치는 영향: 대구테크노파크 기술이전 참여기업을 대상으로", Culinary Science & Hospitality Research, 제26권, 제8호, pp.14-29, 2020.
  11. 이제환, "특허 빅데이터 정량 분석을 이용한 기술 분석 연구", 국내석사학위논문 고려대학교, 2018.
  12. https://www.k2base.re.kr/k2bbs/pds25/view.do?recordCountPerPage=10&pageUnit=10&pageSize=10&pageIndex=1&nttId=13380&nttId2=173940&menuNo=&tempInt=269&vStartP=371&schScale=IN2_TITLE%2FCONTENT%2FFILE&sea
  13. 박진섭 외 2인, "신기술 사업화를 위한 기술평가지표 개발에 관한 연구(기술성 및 사업성을 중심으로)", 기술경영경제학회 학술발표회 논문집, pp.649-662, 2009.
  14. 이영찬, "생존분석을 이용한 기술보증기업의 부실예측모형에 관한 연구 : 기술평가 자료를 중심으로", 시장경제연구, 제39권, 제3호, pp. 1-24, 2010.
  15. 김창봉.박정호, "국내 IT기업의 특허활동요인이 경영성과에 미치는 영향 연구", 통상정보연구, 제18권, 제3호, pp.249-273, 2016.
  16. 윤인식 외 2인, "한국특허정보를 통한 기술활동성, 혁신성 및 생산성 평가", 정보관리연구, 제42권, 제2호, pp.151-165, 2011.
  17. 김두호.김완기, "특허활동성 분석을 통한 산업별 특허 활동성 제고 전략: 국내 중소중견기업을 대상으로", 기술혁신연구, 제27권, 제2호, pp. 73-98, 2019.
  18. 이광희 외 2인, "정보통신분야의 기술경제성연구," IE Interfaces, 제9권, 제3호, pp.1-9, 1996.
  19. 서진이.정혜순, "건설분야기술의 경제성 평가적용 방안 연구", 기술경영경제학회 학술대회논문집, pp.275-293, 2009.
  20. 박호연.김경재, "CNN-LSTM 조합모델을 이용한 영화리뷰 감성분석", 지능정보연구, 제25권, 제4호, pp.141-154, 2019. https://doi.org/10.13088/JIIS.2019.25.4.141
  21. 최지혜 외 5인, "Hybrid CNN-LSTM 알고리즘을 활용한 도시철도 내 피플 카운팅 연구", 지능정보시스템학회, 제26권, 제2호, pp.131-145, 2020.
  22. 이경호.이공주, "영작문 자동채점 시스템 개발에서 학습데이터 부족 문제 해결을 위한 앙상블기법 적용의 효과", 정보과학회논문지, 제42권, 제9호, pp.1124-1132, 2015.
  23. 최하나.임동훈, "앙상블 SVM 모형을 이용한 기업 부도 예측", 한국데이터정보과학회지, 제24권, 제6호, pp.1113-1125, 2013.
  24. 사이토 고키, 밑바닥부터 시작하는 딥러닝:파이썬으로 익히는 딥러닝 이론과 구현, 한빛미디어, 2019.
  25. B. J. Kim, "Improved Deep Learning Algorithm", J. Of Advance Information Technology and Convergence, Vol..8, No.2, pp.119-127, 2018. https://doi.org/10.14801/JAITC.2018.8.2.119
  26. 특허정보진흥센터, 2019년 특허분류 개정대응사업에 따른 4차산업 관련 新특허분류체계 개선 및 운영 보고서, 특허정보진흥센터, 2019.
  27. WIPO, "Guide to the International Patent Classification", WIPO, 2020.
  28. 이지현 외 5인, "온라인 리뷰 분석을 통한 상품평가 기준 추출 : LDA 및 k-최근접 이웃 접근법을 활용하여", 지능정보연구, 제26권, 제1호, pp.97-117, 2020. https://doi.org/10.13088/JIIS.2020.26.1.097
  29. 산업연구원, 4차 산업혁명 관련 산업분류체계 개선 및 지수 개발 최종보고서, 산업연구원, 2018.
  30. 한국과학기술정보연구원, 중소.중견기업의 R&D 및 사업화 지원체제 구축, 미래창조과학부, 2017.
  31. https://www.smefn.or.kr:4443/gs04/guide/enterdefine.jsp
  32. 정예림 외 2인, "Word2Vec을 활용한 제품군별 시장규모 추정 방법에 관한 연구", 지능정보연구, 제26권, 제1호, pp.1-21, 2020. https://doi.org/10.13088/JIIS.2020.26.1.001
  33. 곽승준 외 2인, "국내 TV 홈쇼핑 산업 현황과 시장규모 예측", 한국자료분석학회, 제20권, 제3호, pp.1369-1380, 2018.
  34. https://kpeg.pipc.or.kr/fixprocess.action
  35. 특허청, 한국의 특허동향 2005, 특허청, 2005.
  36. 마창환.최경현, "기술혁신형 중소기업의 기술사업화 성공 결정요인에 관한 연구: 신기술 (NET) 인증제도를 중심으로", 벤처창업연구, 제16권, 제2호, pp.95-1008, 2021. https://doi.org/10.16972/APJBVE.16.2.202104.95
  37. 관계부처 합동, 제7차 기술이전.사업화 촉진계획, 산업통상자원부, 2020.
  38. 관계부처 합동, 무인이동체 산업 활성화 및 일자리 창출을 위한 무인이동체 발전 5개년 계획(안), 미래창조과학부, 2016.
  39. 관계부처 합동, 드론산업 발전 기본계획(안) (2017-2026), 국토교통부, 2017.
  40. 변도영 외 5인, "한국의 국가전략기술분야 우선순위 설정에 관한 사례 연구", 기술경영경제학회 학술발표회 논문집, pp.183-203, 2002.