KR101055556B1 - 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법 - Google Patents

누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법 Download PDF

Info

Publication number
KR101055556B1
KR101055556B1 KR1020090010092A KR20090010092A KR101055556B1 KR 101055556 B1 KR101055556 B1 KR 101055556B1 KR 1020090010092 A KR1020090010092 A KR 1020090010092A KR 20090010092 A KR20090010092 A KR 20090010092A KR 101055556 B1 KR101055556 B1 KR 101055556B1
Authority
KR
South Korea
Prior art keywords
data
cumulative
statistical
diffusion model
model
Prior art date
Application number
KR1020090010092A
Other languages
English (en)
Other versions
KR20100090882A (ko
Inventor
장동식
남기웅
박상성
신영근
Original Assignee
고려대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020090010092A priority Critical patent/KR101055556B1/ko
Publication of KR20100090882A publication Critical patent/KR20100090882A/ko
Application granted granted Critical
Publication of KR101055556B1 publication Critical patent/KR101055556B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067Enterprise or organisation modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • G06Q30/0202Market predictions or forecasting for commercial activities

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법이 개시된다. 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치는 기술자료 데이터가 기록된 기술자료 데이터베이스를 참조하여, 선정된 기술 분류에 따른 분석 대상 데이터를 추출하는 데이터 추출부와, 분석 대상 데이터에 기초하여, 기술 분류에 대한 잠재적 총수요 데이터(m)를 추정하는 추정부를 포함하고, 추정된 잠재적 총수요 데이터(m)를 비누적 통계 모델에 적용하여 분석 대상 데이터에 대한 비누적 통계 데이터를 생성하는 비누적 분석부와, 추정된 잠재적 총수요 데이터(m)에 기반하여, 적어도 하나의 누적 통계 모델을 적용하여 분석 대상 데이터에 대한 누적 통계 데이터를 생성하는 누적 분석부와, 비누적 통계 데이터 및 누적 통계 데이터를 처리하여 사용자 인터페이스로 가공하는 UI 가공부를 포함한다.
누적, 비누적, 확산 모형, 기술 수요 예측

Description

누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법{Apparatus and Method for Estimating Technological Demands using Cumulative and Non-Cumulative Diffusion Models}
본 발명의 실시예들은 확산 모형을 이용한 기술 수요 예측 장치 및 방법에 관한 것으로서, 보다 상세하게는 누적 및 비누적 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법에 관한 것이다.
일반적으로, 수요 예측 방법은 확산 모형을 이용하여, 제품의 수요를 예측하였다. 확산 모형은 제품의 초기 구매자로부터 다른 구매자까지 구매 영향력이 확산되는 과정을 모형화한 것으로, 누적 확산 모형과 비누적 확산 모형을 포함할 수 있다.
여기서, 누적 확산 모형은 예를 들어, 로지스틱(Logistic) 확산 모형과 곰페르츠(Gompertz) 확산 모형일 수 있으며, 제품의 누적 수요치로 그래프가 형성됨에 따라, 제품의 최대 누적 수요치까지의 수요 변화를 반영하는 모형이다. 로지스틱(Logistic) 확산 모형은 [수학식 1]에 의하여 나타낼 수 있으며, 곰페르츠(Gompertz) 확산 모형은 [수학식 2]에 의하여 나타낼 수 있다.
Figure 112009007743543-pat00001
,
여기서,
Figure 112009007743543-pat00002
Figure 112009007743543-pat00003
시점에서의 제품 수요를 나타내고,
Figure 112009007743543-pat00004
Figure 112009007743543-pat00005
변수에 대한 상한을 나타낸다. 또한,
Figure 112009007743543-pat00006
는 위치 모수,
Figure 112009007743543-pat00007
는 기울기 모수를 나타낸다.
Figure 112009007743543-pat00008
여기서,
Figure 112009007743543-pat00009
Figure 112009007743543-pat00010
시점에서의 제품 수요를 나타내고,
Figure 112009007743543-pat00011
Figure 112009007743543-pat00012
변수에 대한 상한을 나타낸다. 또한,
Figure 112009007743543-pat00013
,
Figure 112009007743543-pat00014
는 모수를 나타낸다.
비누적 확산 모형은 예를 들어, 배스(Bass) 확산 모형일 수 있으며, 제품의 비누적 수요치로 그래프가 형성되고, 초기 구매자의 구매 효과와 다른 구매자의 구매 효과를 동시에 반영한 모형이다. 배스(Bass) 확산 모형은 [수학식 3]에 의하여 나타낼 수 있다.
Figure 112009007743543-pat00015
여기서,
Figure 112009007743543-pat00016
Figure 112009007743543-pat00017
시점에서의 제품 수요를 의미하고,
Figure 112009007743543-pat00018
Figure 112009007743543-pat00019
시점에서의 누적 제품 수요를 의미한다. 또한,
Figure 112009007743543-pat00020
은 잠재적 총 수요,
Figure 112009007743543-pat00021
는 혁신계수,
Figure 112009007743543-pat00022
는 모방계수를 의미한다.
그러나, 기존의 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확 산 모형을 이용한 수요 예측 방법은 각 확산 모형의 최대 누적 수요치(
Figure 112009007743543-pat00023
)가 주관적인 팩터(factor)이므로, 수요 예측에 대한 정확도가 낮을 수 있다. 또한, 기존의 수요 예측 방법은 제품 수요의 예측에 한정적으로 이용될 수 있다.
따라서, 객관적인 최대 누적 수요치를 이용하여, 수요 예측에 대한 정확도를 높이고, 기술 수요를 예측할 수 있는 수요 예측 장치 및 방법이 필요하다.
본 발명의 실시예들은, 기술자료 데이터로부터 기술 분류에 따라 추출된 분석 대상 데이터를 이용하여, 기술 분류에 대한 잠재적 총수요 데이터를 추정하고, 잠재적 총수요 데이터와 누적 및 비누적 통계 모델을 이용하여, 분석 대상 데이터에 대한 누적 및 비누적 통계 데이터를 생성함에 따라, 누적 및 비누적 기술 수요를 예측할 수 있는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법을 제공하고자 한다.
본 발명의 실시예들에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치는, 기술자료 데이터가 기록된 기술자료 데이터베이스를 참조하여, 선정된 기술 분류에 따른 분석 대상 데이터를 추출하는 데이터 추출부와, 상기 분석 대상 데이터에 기초하여, 상기 기술 분류에 대한 잠재적 총수요 데이터(m)를 추정하는 추정부를 포함하고, 상기 추정된 잠재적 총수요 데이터(m)를 비누적 통계 모델에 적용하여 상기 분석 대상 데이터에 대한 비누적 통계 데이터를 생성하는 비누적 분석부와, 상기 추정된 잠재적 총수요 데이터(m)에 기반하여, 적어도 하나의 누적 통계 모델을 적용하여 상기 분석 대상 데이터에 대한 누적 통계 데이터를 생성하는 누적 분석부와, 상기 비누적 통계 데이터 및 상기 누적 통계 데이터를 처리하여 사용자 인터페이스로 가공하는 UI 가공부를 포함한다.
상기 과제를 해결하기 위한 본 발명의 실시예에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법은 기술자료 데이터가 기록된 기술자료 데이터베이스를 참조하여, 선정된 기술 분류에 따른 분석 대상 데이터를 추출하는 단계와, 상기 분석 대상 데이터에 기초하여, 상기 기술 분류에 대한 잠재적 총수요 데이터(m)를 추정하고, 상기 추정된 잠재적 총수요 데이터(m)를 비누적 통계 모델에 적용하여 상기 분석 대상 데이터에 대한 비누적 통계 데이터를 생성하는 단계와, 상기 추정된 잠재적 총수요 데이터(m)에 기반하여, 적어도 하나의 누적 통계 모델을 적용하여 상기 분석 대상 데이터에 대한 누적 통계 데이터를 생성하는 단계와, 상기 비누적 통계 데이터 및 상기 누적 통계 데이터를 처리하여 사용자 인터페이스로 가공하는 단계를 포함한다.
본 발명의 실시예에 따르면, 기술자료 데이터로부터 기술 분류에 따라 추출된 분석 대상 데이터를 이용하여, 기술 분류에 대한 잠재적 총수요 데이터를 추정하고, 잠재적 총수요 데이터와 누적 및 비누적 통계 모델을 이용하여, 분석 대상 데이터에 대한 누적 및 비누적 통계 데이터를 생성함에 따라, 누적 및 비누적 기술 수요를 용이하게 예측할 수 있다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법에 대해 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치의 구성을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치(107)는 데이터 추출부(109), 분석부(111), 및 UI(User Interface) 가공부(125)를 포함한다.
데이터 추출부(109)는 기술자료 데이터가 기록된 기술자료 데이터베이스(101)를 참조하여, 선정된 기술 분류에 따른 분석 대상 데이터를 추출한다. 여기서, 기술자료 데이터베이스(101)는 특허 데이터가 기록된 특허 데이터베이스(103), 및 논문 데이터가 기록된 논문 데이터베이스(105)를 포함할 수 있다.
기술자료 데이터베이스(101)는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치(107) 외부에 위치하는 것으로 도시하였으나, 이에 한정되지 않고 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치(107) 내부에 위치할 수도 있다. 그리고, 선정된 기술 분류는 기술 분야, 관련 국가, 기술 소유자 중 적어도 하나를 포함할 수 있다.
데이터 추출부(109)는 분석 대상 데이터를 추출할 때, 기술자료 데이터베이스(101)의 서지사항 필드를 파싱하여, 기술 분류에 따른 분석 대상 데이터를 추출할 수 있다. 즉, 데이터 추출부(109)는 특허 데이터베이스(103)를 참조하는 경우, 출원번호 및 공개번호 중 적어도 하나의 정보를 포함하는 서지사항 필드를 파싱하여, 기술 분류에 따른 분석 대상 데이터를 추출할 수 있다. 또한, 데이터 추출부(109)는 논문 데이터베이스(105)를 참조하는 경우, 논문 발행일 정보를 포함하는 서지사항 필드를 파싱하여, 기술 분류에 따른 분석 대상 데이터를 추출할 수 있다. 또한, 데이터 추출부(109)는 추출한 기술 분류에 따른 분석 대상 데이터 예를 들 어, 연도별 또는 분기별 기술자료 데이터의 수를 분석 대상 데이터베이스(미도시)에 저장할 수도 있다.
분석부(111)는 비누적 분석부(113) 및 누적 분석부(119)를 포함한다.
비누적 분석부(113)는 분석 대상 데이터에 기초하여, 기술 분류에 대한 잠재적 총수요 데이터(m)를 추정하는 추정부(115), 및 추정된 잠재적 총수요 데이터(m)를 비누적 통계 모델에 적용하여 분석 대상 데이터에 대한 비누적 통계 데이터를 생성하는 비누적 통계 데이터 생성부(117)를 포함한다. 여기서, 비누적 통계 모델은 배스(Bass) 확산 모형일 수 있다.
추정부(115)는 [수학식 3]의 회귀식에 해당하는 [수학식 4] 및 [수학식 5]를 이용하여, 배스(Bass) 확산 모형의 총수요 데이터(m)뿐만 아니라, 혁신계수(p), 및 모방계수(q)도 추정할 수 있다.
Figure 112009007743543-pat00024
Figure 112009007743543-pat00025
즉, 추정부(115)는 [수학식 4]를 이용하여,
Figure 112009007743543-pat00026
Figure 112009007743543-pat00027
시점까지의 누적 기술자료 데이터의 수를,
Figure 112009007743543-pat00028
Figure 112009007743543-pat00029
의 제곱값을,
Figure 112009007743543-pat00030
에는
Figure 112009007743543-pat00031
시점의 기술자료 데이터의 수를 입력함에 따라, 회귀분석하여
Figure 112009007743543-pat00032
,
Figure 112009007743543-pat00033
,
Figure 112009007743543-pat00034
값을 추정하고, [수학식 5]를 이용하여, 잠재적 총수요(m), 확산 모형의 혁신계수(p), 및 모방계수(q)를 추정할 수 있다.
비누적 통계 데이터 생성부(117)는 추정부(115)를 통하여, 추정한 잠재적 총수요(m), 확산 모형의 혁신계수(p), 및 모방계수(q)를 배스 확산 모형에 적용하여
Figure 112009007743543-pat00035
를 구함으로써, 분석 대상 데이터에 대한 비누적 통계 데이터를 생성할 수 있다.
누적 분석부(119)는 추정된 잠재적 총수요 데이터(m)에 기반하여, 적어도 하나의 누적 통계 모델을 적용하여 분석 대상 데이터에 대한 누적 통계 데이터를 생성한다. 여기서, 누적 통계 모델은 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확산 모형 중 적어도 하나일 수 있다.
누적 분석부(119)는 누적 통계 모델 중 누적 통계 데이터에 대한 정확도를 산출하여 정확도가 더 높은 것을 선택하는 누적 확산 모형 선택부(121) 및 선택된 확산 모형을 이용하여 분석 대상 데이터에 대한 누적 통계 데이터를 생성하는 누적 통계 데이터 생성부(123)를 포함한다.
누적 확산 모형 선택부(121)는 추정된 잠재적 총수요 데이터(m)에 기반하여 최대 누적 통계 데이터(L)를 추정하고, 추정된 최대 누적 통계 데이터(L)를 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확산 모형 중 적어도 하나에 적용하여, 확산 모형 또는 곰페르츠(Gompertz) 확산 모형의 a, b 모수를 추정한다. 이때, 누적 확산 모형 선택부(121)는 잠재적 총수요 데이터(m)를 최대 누적 통계 데이터(L)에 그대로 적용할 수 있다. 이는 잠재적 총수요 데이터(m)가 최대 수요치인 최대 누적 통계 데이터(L)을 의미할 수 있기 때문이다.
구체적으로, 누적 확산 모형 선택부(121)는 [수학식 1]의 회귀식에 해당하는 [수학식 6] 및 [수학식 7]를 이용하여, 로지스틱(Logistic) 확산 모형의 a, b 모수를 추정하고, [수학식 2]의 회귀식에 해당하는 [수학식 8] 및 [수학식 9]를 이용하여, 곰페르츠(Gompertz) 확산 모형의 a, b 모수를 추정할 수 있다.
Figure 112009007743543-pat00036
Figure 112009007743543-pat00037
Figure 112009007743543-pat00038
Figure 112009007743543-pat00039
즉, 누적 확산 모형 선택부(121)는 [수학식 6] 또는 [수학식 8]를 이용하여,
Figure 112009007743543-pat00040
Figure 112009007743543-pat00041
시점의 기술자료 데이터의 수를,
Figure 112009007743543-pat00042
에 배스(Bass) 확산 모형의 m값을,
Figure 112009007743543-pat00043
Figure 112009007743543-pat00044
시점의 연도를 입력함에 따라, 회귀분석하여
Figure 112009007743543-pat00045
,
Figure 112009007743543-pat00046
값을 추정하고, [수학식 7] 또는 [수학식 9]를 이용하여
Figure 112009007743543-pat00047
,
Figure 112009007743543-pat00048
를 추정할 수 있다.
이후, 누적 확산 모형 선택부(121)는 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확산 모형의 정확도를 산출하고, 정확도가 더 높은 것을 선택 할 수 있다. 이때, 누적 확산 모형 선택부(121)는 [수학식 10]을 이용하여, 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확산 모형의 오차를 각각 계산하고, 오차가 작은 확산 모형의 정확도가 더 높은 것으로 산출할 수 있다.
Figure 112009007743543-pat00049
여기서,
Figure 112009007743543-pat00050
는 예측 값을 나타내고,
Figure 112009007743543-pat00051
는 실제 값을 나타낸다. 또한,
Figure 112009007743543-pat00052
는 예측에 사용된 총 데이터 수를 나타낸다.
누적 통계 데이터 생성부(123)는 누적 확산 모형 선택부(121)에 의해 선택된 확산 모형을 이용하여 분석 대상 데이터에 대한 누적 통계 데이터를 생성할 수 있다.
UI 가공부(125)는 분석부(111)에 의해 생성된 비누적 통계 데이터 및 누적 통계 데이터를 처리하여 사용자 인터페이스로 가공하고, 가공된 비누적 통계 데이터 및 누적 통계 데이터를 출력부(미도시)를 통하여 도 2 내지 도 3에 도시된 바와 같이 출력할 수 있다. 여기서, 도 2는 비누적 통계 데이터를 나타내는 확산 모형이고, 도 3은 누적 통계 데이터를 나타내는 확산 모형이다. 이때, UI 가공부(125)는 비누적 통계 데이터 및 누적 통계 데이터를 함께 출력할 수도 있고, 사용자 선택 입력 항목을 사용자 인터페이스 상에 배치하여 비누적 통계 데이터 또는 누적 통계 데이터를 선택적으로 출력할 수도 있다.
도 4는 본 발명의 실시예에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법을 나타내는 흐름도이다.
도 4를 참조하면, 기술 수요 예측 장치는 기술자료 데이터를 참조하여, 분석 대상 데이터를 추출한다(S401).
기술 수요 예측 장치는 기술자료 데이터가 기록된 기술자료 데이터베이스를 참조하여, 선정된 기술 분류에 따른 분석 대상 데이터를 추출한다. 여기서, 기술자료 데이터는 특허 데이터 및 논문 데이터 중 적어도 하나의 데이터를 포함할 수 있다. 그리고, 선정된 기술 분류는 기술 분야, 관련 국가, 기술 소유자 중 적어도 하나를 포함할 수 있다. 구체적으로, 기술 수요 예측 장치는 기술자료 데이터베이스의 서지사항 필드를 파싱(parsing)하여 기술 분류에 따른 분석 대상 데이터를 추출할 수 있다. 이때, 서지사항 필드는 기술자료 데이터가 특허 데이터인 경우, 출원번호 및 공개번호 중 적어도 하나의 정보를 포함할 수 있고, 기술자료 데이터가 논문 데이터인 경우, 논문 발행일 정보를 포함할 수 있다.
이어서, 기술 수요 예측 장치는 분석 대상 데이터에 기초하여, 잠재적 총수요 데이터를 추정한다(S403).
구체적으로, 기술 수요 예측 장치는 [수학식 4]를 이용하여,
Figure 112009007743543-pat00053
Figure 112009007743543-pat00054
시점까지의 누적 기술자료 데이터의 수를,
Figure 112009007743543-pat00055
Figure 112009007743543-pat00056
의 제곱값을,
Figure 112009007743543-pat00057
에는
Figure 112009007743543-pat00058
시점의 기술자료 데이터의 수를 입력함에 따라, 회귀분석하여
Figure 112009007743543-pat00059
,
Figure 112009007743543-pat00060
,
Figure 112009007743543-pat00061
값을 추정하고, [수학식 5]를 이용하여, 잠재적 총수요(m)를 추정할 수 있다. 또한, 기술 수요 예측 장치는 잠재적 총수요(m)뿐만 아니라, [수학식 5]를 이용하여 확산 모형의 혁신 계수(p), 및 모방계수(q)를 추정할 수도 있다.
이어서, 기술 수요 예측 장치는 비누적 통계 모델을 이용하여, 비누적 통계 데이터를 생성한다(S405).
기술 수요 예측 장치는 비누적 통계 모델인 배스(Bass) 확산 모형을 이용하여 비누적 통계 데이터를 생성할 수 있다. 즉, 기술 수요 예측 장치는 추정한 잠재적 총수요(m), 혁신계수(p), 및 모방계수(q)를 배스(Bass) 확산 모형에 적용함에 따라, 비누적 통계 데이터를 생성할 수 있다.
이어서, 기술 수요 예측 장치는 누적 통계 모델의 누적 통계 데이터에 대한 정확도를 산출한다(S407).
기술 수요 예측 장치는 누적 통계 모델인 로지스틱(Logistic) 확산 모형 또는 상기 곰페르츠(Gompertz) 확산 모형의 누적 통계 데이터에 대한 정확도를 산출한다. 이때, 기술 수요 예측 장치는 잠재적 총수요 데이터(m)에 기반하여, 최대 누적 통계 데이터(L)를 추정하고, 추정한 최대 누적 통계 데이터(L)를 로지스틱(Logistic) 확산 모형 또는 상기 곰페르츠(Gompertz) 확산 모형에 적용할 수 있다. 즉, 기술 수요 예측 장치는 [수학식 6] 또는 [수학식 8]를 이용하여,
Figure 112009007743543-pat00062
Figure 112009007743543-pat00063
시점의 기술자료 데이터의 수를,
Figure 112009007743543-pat00064
에 배스(Bass) 확산 모형의 m값을,
Figure 112009007743543-pat00065
Figure 112009007743543-pat00066
시점의 연도를 입력함에 따라, 회귀분석하여
Figure 112009007743543-pat00067
,
Figure 112009007743543-pat00068
값을 추정하고, [수학식 7] 또는 [수학식 9]를 이용하여
Figure 112009007743543-pat00069
,
Figure 112009007743543-pat00070
를 추정할 수 있다. 이후, 기술 수요 예측 장치는 [수학식 10]을 이용하여, 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확산 모 형에 대하여, 누적 통계 데이터의 예측 값과 실제 값 간의 오차를 각각 계산하고, 오차가 작은 확산 모형의 정확도가 더 높은 것으로 산출할 수 있다.
이어서, 기술 수요 예측 장치는 누적 통계 모델의 누적 통계 데이터에 대한 정확도를 비교한다(S409).
기술 수요 예측 장치는 로지스틱(Logistic) 확산 모형의 누적 통계 데이터에 대한 정확도가 곰페르츠(Gompertz) 확산 모형의 누적 통계 데이터에 대한 정확도 보다 높은 경우, 로지스틱(Logistic) 확산 모형을 이용하여, 누적 통계 데이터를 생성한다(S411). 반면, 기술 수요 예측 장치는 로지스틱(Logistic) 확산 모형의 누적 통계 데이터에 대한 정확도가 곰페르츠(Gompertz) 확산 모형의 누적 통계 데이터에 대한 정확도 보다 높지 않은 경우, 곰페르츠(Gompertz) 확산 모형을 이용하여, 누적 통계 데이터를 생성한다(S413)
이어서, 기술 수요 예측 장치는 비누적 통계 데이터 및 누적 통계 데이터를 출력한다(S415).
즉, 기술 수요 예측 장치는 배스(Bass) 확산 모형에 의해 생성된 비누적 통계 데이터와 로지스틱(Logistic) 확산 모형 및 곰페르츠(Gompertz) 확산 모형 중 하나의 확산 모형에 의해 생성된 누적 통계 데이터를 처리하여 사용자 인터페이스로 가공하고, 가공된 비누적 통계 데이터 및 누적 통계 데이터를 출력함으로써, 사용자로 하여금 누적 및 비누적 기술 수요를 예측할 수 있게 한다.
기술자료 데이터로부터 기술 분류에 따라 추출된 분석 대상 데이터를 이용하여, 기술 분류에 대한 잠재적 총수요 데이터를 추정하고, 잠재적 총수요 데이터 와 누적 및 비누적 통계 모델을 이용하여, 분석 대상 데이터에 대한 누적 및 비누적 통계 데이터를 생성함에 따라, 누적 및 비누적 기술 수요를 용이하게 예측할 수 있다.
또한, 잠재적 총수요 데이터를 누적 통계 모델의 최대 누적 통계 데이터에 적용함으로써, 객관적인 최대 누적 통계 데이터가 적용된 누적 통계 모델을 이용하여 통계 데이터를 생성할 수 있고, 누적 통계 모델의 통계 데이터에 대한 정확도를 산출함에 따라, 더 높은 정확도를 갖는 누적 통계 모델을 이용하여 통계 데이터를 생성함으로써, 통계 데이터에 대한 신뢰성을 높일 수 있다.
본 발명의 실시예는 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에 는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 실시예에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치의 구성을 나타내는 도면이다.
도 2는 비누적 통계 데이터를 나타내는 확산 모형이고, 도 3은 누적 통계 데이터를 나타내는 확산 모형이다.
도 4는 본 발명의 실시예에 따른 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법을 나타내는 흐름도이다.

Claims (15)

  1. 기술자료 데이터베이스에 기록된 기술자료 데이터 중 적어도 일부를, 선정된 기술 분류에 따라 분석 대상 데이터로 추출하는 데이터 추출부;
    상기 분석 대상 데이터에 기초하여, 상기 기술 분류에 대한 잠재적 총수요 데이터(m)를 추정하고, 상기 추정된 잠재적 총수요 데이터(m)를 비누적 통계 모델에 적용하여 상기 분석 대상 데이터에 대한 비누적 통계 데이터를 생성하는 비누적 분석부;
    상기 추정된 잠재적 총수요 데이터(m)를 누적 통계 모델을 적용하여 상기 분석 대상 데이터에 대한 누적 통계 데이터를 생성하는 누적 분석부; 및
    상기 비누적 통계 데이터 또는 상기 누적 통계 데이터를 출력하도록 사용자 인터페이스를 가공하는 UI 가공부
    를 포함하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치.
  2. 제1항에 있어서,
    상기 기술자료 데이터는 특허 데이터 또는 논문 데이터 중 적어도 하나 인 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치.
  3. 제1항에 있어서,
    상기 데이터 추출부는,
    상기 기술자료 데이터가 특허 데이터인 경우, 상기 기술분류로서 출원번호 정보 또는 공개번호 정보에 따라 상기 분석 대상 데이터를 추출하고,
    상기 기술자료 데이터가 논문 데이터인 경우, 상기 기술분류로서 논문 발행일 정보에 따라 상기 분석 대상 데이터를 추출하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치.
  4. 제1항에 있어서,
    상기 비누적 통계 모델은 배스(Bass) 확산 모형인 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치.
  5. 제1항에 있어서,
    상기 누적 통계 모델은 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확산 모형 중 적어도 하나인 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치.
  6. 제1항에 있어서,
    상기 누적 분석부는,
    로지스틱 확산 모형 및 곰페르츠 확산 모형 각각에 대한 정확도를 산출하고, 상기 산출된 정확도가 상대적으로 높은 확산 모형을, 상기 누적 통계 모델로 선택하는 누적 확산 모형 선택부
    를 포함하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치.
  7. 제6항에 있어서,
    상기 누적 확산 모형 선택부는,
    상기 추정된 잠재적 총수요 데이터(m)에 기반하여 최대 누적 통계 데이터(L)를 추정하고, 상기 추정된 최대 누적 통계 데이터(L)가 적용된 상기 로지스틱 확산 모형 및 상기 곰페르츠 확산 모형 각각에 대하여, 누적 통계 데이터의 예측 값과 실제 값 간의 오차를 계산하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치.
  8. 기술자료 데이터베이스에 기록된 기술자료 데이터 중 적어도 일부를, 선정된 기술 분류에 따라 분석 대상 데이터로 추출하는 단계;
    상기 분석 대상 데이터에 기초하여, 상기 기술 분류에 대한 잠재적 총수요 데이터(m)를 추정하는 단계;
    상기 추정된 잠재적 총수요 데이터(m)를 비누적 통계 모델에 적용하여 상기 분석 대상 데이터에 대한 비누적 통계 데이터를 생성하는 단계;
    상기 추정된 잠재적 총수요 데이터(m)를 누적 통계 모델을 적용하여 상기 분석 대상 데이터에 대한 누적 통계 데이터를 생성하는 단계; 및
    상기 비누적 통계 데이터 또는 상기 누적 통계 데이터를 출력하도록 사용자 인터페이스를 가공하는 단계
    를 포함하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법.
  9. 제8항에 있어서,
    상기 기술자료 데이터는 특허 데이터 또는 논문 데이터 중 적어도 하나인 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법.
  10. 제8항에 있어서,
    상기 분석 대상 데이터로 추출하는 단계는,
    상기 기술자료 데이터가 특허 데이터인 경우, 상기 기술분류로서 출원번호 정보 또는 공개번호 정보에 따라 상기 분석 대상 데이터를 추출하는 단계; 또는
    상기 기술자료 데이터가 논문 데이터인 경우, 상기 기술분류로서 논문 발행일 정보에 따라 상기 분석 대상 데이터를 추출하는 단계
    를 포함하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법.
  11. 제8항에 있어서,
    상기 비누적 통계 모델은 배스(Bass) 확산 모형인 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법.
  12. 제8항에 있어서,
    상기 누적 통계 모델은 로지스틱(Logistic) 확산 모형 또는 곰페르츠(Gompertz) 확산 모형 중 적어도 하나인 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법.
  13. 제8항에 있어서,
    로지스틱 확산 모형 및 곰페르츠 확산 모형 각각에 대한 정확도를 산출하는 단계; 및
    상기 산출된 정확도가 상대적으로 높은 확산 모형을, 상기 누적 통계 모델로 선택하는 단계
    를 더 포함하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법.
  14. 제13항에 있어서,
    상기 정확도 산출하는 단계는,
    상기 추정된 잠재적 총수요 데이터(m)에 기반하여 최대 누적 통계 데이터(L)를 추정하는 단계; 및
    상기 추정된 최대 누적 통계 데이터(L)가 적용된 상기 로지스틱 확산 모형 및 상기 곰페르츠 확산 모형 각각에 대하여, 누적 통계 데이터의 예측 값과 실제 값 간의 오차를 계산하는 단계
    를 포함하는 것을 특징으로 하는 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 방법.
  15. 제8 내지 13항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록매체.
KR1020090010092A 2009-02-09 2009-02-09 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법 KR101055556B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090010092A KR101055556B1 (ko) 2009-02-09 2009-02-09 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090010092A KR101055556B1 (ko) 2009-02-09 2009-02-09 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20100090882A KR20100090882A (ko) 2010-08-18
KR101055556B1 true KR101055556B1 (ko) 2011-08-08

Family

ID=42756266

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090010092A KR101055556B1 (ko) 2009-02-09 2009-02-09 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101055556B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020004127A (ko) * 2000-07-03 2002-01-16 박지열 기술전문가와 수요자간의 온라인 인력수급 시스템
KR20040085044A (ko) * 2003-03-28 2004-10-07 마이크로소프트 코포레이션 단순화된 분석 발견법을 이용한 자동화된 차원 모델 정의및 구축을 위한 시스템, 방법 및 장치
KR20090001649A (ko) * 2007-05-07 2009-01-09 광주과학기술원 지식재산 시스템 및 이를 이용하는 기술수요자 정보제공방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020004127A (ko) * 2000-07-03 2002-01-16 박지열 기술전문가와 수요자간의 온라인 인력수급 시스템
KR20040085044A (ko) * 2003-03-28 2004-10-07 마이크로소프트 코포레이션 단순화된 분석 발견법을 이용한 자동화된 차원 모델 정의및 구축을 위한 시스템, 방법 및 장치
KR20090001649A (ko) * 2007-05-07 2009-01-09 광주과학기술원 지식재산 시스템 및 이를 이용하는 기술수요자 정보제공방법

Also Published As

Publication number Publication date
KR20100090882A (ko) 2010-08-18

Similar Documents

Publication Publication Date Title
JP4550781B2 (ja) リアルタイム急上昇検索語検出方法およびリアルタイム急上昇検索語検出システム
JP6732034B2 (ja) ユーザー・クレジット評価方法、装置及び記憶媒体
US20240037600A1 (en) Methods and apparatus to incorporate saturation effects into marketing mix models
KR102044205B1 (ko) 빅데이터와 기계학습을 이용한 타겟 정보 예측 시스템 및 예측 방법
US20160307133A1 (en) Quality prediction
KR101435096B1 (ko) 소셜 네트워크 서비스 데이터에 기반한 상품 수요 예측 장치 및 방법
CN108932320A (zh) 文章搜索方法、装置及电子设备
CN109460474B (zh) 用户偏好趋势挖掘方法
JP6268000B2 (ja) 未観測因子推定支援装置、未観測因子推定支援方法および未観測因子推定支援プログラム
JP2014041565A (ja) 時系列データ解析装置、方法、及びプログラム
KR101055556B1 (ko) 누적 및 비누적 확산 모형을 이용한 기술 수요 예측 장치 및 방법
KR20140146437A (ko) 특허정보를 이용한 기업성과 예측 장치 및 방법
CN113743643A (zh) 一种确定商品数据预测准确率的方法、装置、设备和介质
US20080126029A1 (en) Run-Time Characterization of On-Demand Analytical Model Accuracy
EP3798935A1 (en) Parameter selection method, parameter selection program, and information processing device
KR20090123352A (ko) 주식 시세 예측 방법 및 이를 이용한 주식 시세 예측시스템
Rodrigues Recursive adjustment, unit root tests and structural breaks
KR101725013B1 (ko) 회귀분석을 이용한 주택매매지수 예측 장치 및 그 방법
KR102405503B1 (ko) 소비 데이터와 소셜 데이터를 이용한 소비동향 예측 지수 생성 방법과 이를 적용한 소비동향 예측 지수 생성 시스템 및 이를 위한 컴퓨터 프로그램
TW201506827A (zh) 用以從經整理及分析之一段時間內資料信號導出實質變化屬性以預測傳統預測因子之未來變化的系統及方法
Roy et al. Trend of commodity prices and exchange rate in Australian economy: time varying parameter model approach
Laker et al. Dependent bootstrapping for value-at-risk and expected shortfall
Abreu et al. Economic feasibility of projects using triangular fuzzy numbers
Kim et al. Integer-valued GARCH processes for Apple technology analysis
JP5635475B2 (ja) ブランド選択推定方法及びブランド選択推定プログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140630

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151102

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee