KR102453952B1 - 연구개발지원사업추천장치 및 그 동작 방법 - Google Patents

연구개발지원사업추천장치 및 그 동작 방법 Download PDF

Info

Publication number
KR102453952B1
KR102453952B1 KR1020200073797A KR20200073797A KR102453952B1 KR 102453952 B1 KR102453952 B1 KR 102453952B1 KR 1020200073797 A KR1020200073797 A KR 1020200073797A KR 20200073797 A KR20200073797 A KR 20200073797A KR 102453952 B1 KR102453952 B1 KR 102453952B1
Authority
KR
South Korea
Prior art keywords
project
support project
support
company
business
Prior art date
Application number
KR1020200073797A
Other languages
English (en)
Other versions
KR20210156091A (ko
Inventor
김근환
서주환
소대섭
전승표
이도연
Original Assignee
한국과학기술정보연구원
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 한국과학기술정보연구원 filed Critical 한국과학기술정보연구원
Priority to KR1020200073797A priority Critical patent/KR102453952B1/ko
Publication of KR20210156091A publication Critical patent/KR20210156091A/ko
Application granted granted Critical
Publication of KR102453952B1 publication Critical patent/KR102453952B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 대상 기업(중소기업)에게 최적화된 연구개발지원사업을 추천할 수 있는 서비스 환경을 제공할 수 있는 연구개발지원사업추천장치 및 그 동작 방법에 관한 것이다.

Description

연구개발지원사업추천장치 및 그 동작 방법{RECOMMENDIG APPARATUS FOR SUBJECT SUPPORTING RESERCH AND DEVELOPMENT, AND CONTROL METHOD THEREOF}
본 발명은 대상 기업(중소기업)에게 최적화된 정부 R&D지원 사업(연구개발지원사업)을 추천하기 위한 방안에 관한 것이다.
중소기업의 혁신활동 활성화는 국가 경쟁력 강화에 필수불가결한 요소 중 하나이다.
이에 중소기업의 기술개발을 통한 혁신 경쟁력 강화를 지원하기 위한 차원에서 다양한 유형의 정부 R&D지원 사업(이하, 연구개발지원사업)들이 존재한다.
헌데, 이러한 연구개발지원사업의 다양성은 선택의 문제를 야기하게 되는데, 특히 중소기업의 경우, 인적자원 면에서 열위에 있어 수백 건의 연구개발지원사업 공고를 일일이 모니터링하고, 자 기업에게 적합한 연구개발지원사업을 신청(지원)하는데 어려움이 존재한다.
즉, 기존의 경우, 연구개발지원사업에 대한 정보취득이 중소기업 개별적으로 이루어지게 되며, 기술개발 기획 및 사업화를 위한 혁신 활동에 정보가 중소기업에 제공된다 하더라도 이는 기업 맞춤형 정보를 제공하는 방식이 아닌 연구개발지원사업에 대한 정보(공고)를 일괄적으로 제공하는 방식을 따르는 것이 대부분이다.
이에, 본 발명에서는 대상 기업(중소기업)에게 최적화된 연구개발지원사업을 추천할 수 있는 새로운 방안을 제안하고자 한다
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 대상 기업(중소기업)에게 최적화된 연구개발지원사업을 추천할 수 있는 서비스 환경을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 연구개발지원사업추천장치는, 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하는 결정부; 및 상기 대상 기업의 기업 특성과 상기 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 정보 필드에 프로파일 변수가 입력되면, 상기 추천 모델을 통해 상기 프로파일 변수와 매칭되는 연구개발지원사업을 사업 공고가 진행중인 연구개발지원사업으로부터 선별하여 추천하는 추천부를 포함하는 것을 특징으로 한다.
구체적으로, 상기 연구개발지원사업추천장치는, 연구개발지원사업 데이터베이스 및 상기 연구개발지원사업 데이터베이스와는 별도의 재무정보 데이터베이스에 기반하여, 상기 연구개발지원사업 데이터베이스 내 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 상기 재무정보데이터베이스 내 기업재무정보를 매칭시킨 학습데이터를 생성하는 생성부를 더 포함할 수 있다.
구체적으로, 상기 결정부는, 상기 사업정보 내 정보 필드에 기 수행된 연구개발지원사업을 구분하기 위해 입력된 변수인 사업특성변수와, 상기 기업재무정보 내 정보 필드에 해당 연구개발지원사업을 수행한 사업수행기업을 구분하기 위해 입력된 변수인 기업특성변수 중 적어도 일부를, 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분하기 위한 주요 변수인 프로파일 변수로 도출하여 도출된 프로파일 변수를 기준으로 추천 모델을 결정할 수 있다.
구체적으로, 상기 결정부는, 상기 학습데이터를 데이터 균일도에 따른 규칙 기반으로 분류하는 비모수통계 기반의 의사결정나무(Decision tree) 분석을 통해서 추천 모델의 결정을 위한 상기 프로파일 변수를 도출할 수 있다.
구체적으로, 상기 생성부는, 기 설정된 기준수행기간 동안의 상기 연구개발지원사업 데이터베이스 내 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 상기 재무정보데이터베이스 내 기업재무정보를 매칭시킨 학습데이터를 생성할 수 있다.
구체적으로, 상기 결정부는, 연구개발지원사업이 수행된 전체수행기간을 현재시점과 보다 가까운 단위수행기간인 제1수행기간과 상기 제1수행기간과 동일한 기간으로 상기 제1수행기간과 이웃한 과거시점의 단위수행기간인 제2수행기간으로 순차적으로 구분하여 구분된 각 단위수행기간에 대해서 학습데이터를 생성하도록 하며, 각 단위수행기간에 대한 학습데이터가 생성되면 현재시점과 가장 가까운 제1수행기간의 학습데이터로부터 프로파일 변수를 도출한 이후, 상기 제1수행기간의 학습데이터와 상기 제2수행기간의 학습데이터를 순차적으로 누적하여 각 누적 시점마다의 학습데이터로부터 프로파일 변수를 도출하며, 상기 각 누적 시점마다 도출된 프로파일 변수가 이전 시점과 설정 개수 이상 변동된 특정 누적 시점이 확인되는 경우, 현재시점으로부터 상기 특정 누적 시점 이전 시점까지의 기간을 상기 기준수행기간으로 설정할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 연구개발지원사업추천장치의 동작 방법은, 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하는 결정단계; 및 상기 대상 기업의 기업 특성과 상기 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 정보 필드에 프로파일 변수가 입력되면, 상기 추천 모델을 통해 상기 프로파일 변수와 매칭되는 연구개발지원사업을 사업 공고가 진행중인 연구개발지원사업으로부터 선별하여 추천하는 추천단계를 포함하는 것을 특징으로 한다.
구체적으로, 상기 방법은, 상기 결정단계 이전에, 연구개발지원사업 데이터베이스 및 상기 연구개발지원사업 데이터베이스와는 별도의 재무정보 데이터베이스에 기반하여, 상기 연구개발지원사업 데이터베이스 내 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 상기 재무정보데이터베이스 내 기업재무정보를 매칭시킨 학습데이터를 생성하는 생성단계를 더 포함할 수 있다.
구체적으로, 상기 결정단계는, 상기 사업정보 내 정보 필드에 기 수행된 연구개발지원사업을 구분하기 위해 입력된 변수인 사업특성변수와, 상기 기업재무정보 내 정보 필드에 해당 연구개발지원사업을 수행한 사업수행기업을 구분하기 위해 입력된 변수인 기업특성변수 중 적어도 일부를, 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분하기 위한 주요 변수인 프로파일 변수로 도출하여 도출된 프로파일 변수를 기준으로 추천 모델을 결정할 수 있다.
구체적으로, 상기 결정단계는, 상기 학습데이터를 데이터 균일도에 따른 규칙 기반으로 분류하는 비모수통계 기반의 의사결정나무(Decision tree) 분석을 통해서 추천 모델의 결정을 위한 상기 프로파일 변수를 도출할 수 있다.
구체적으로, 상기 생성단계는, 기 설정된 기준수행기간 동안의 상기 연구개발지원사업 데이터베이스 내 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 상기 재무정보데이터베이스 내 기업재무정보를 매칭시킨 학습데이터를 생성할 수 있다.
구체적으로, 상기 결정단계는, 현재 시점으로부터 과거 특정 시점까지의 전체 기간을 단위 기간으로 구분하여, 구분된 각 단위 기간에 대해서 학습데이터를 생성하도록 하며, 각 단위 기간에 대한 학습데이터가 생성되면, 현재시점과 가장 가까운 단위 기간의 학습데이터로부터 프로파일 변수를 도출한 이후, 이웃한 단위 기간의 학습데이터를 순차적으로 누적하여 각 누적 시점마다의 학습데이터로부터 프로파일 변수를 도출하며, 상기 각 누적 시점마다 도출된 프로파일 변수를 이전 누적 시점과 비교한 결과 프로파일 변수가 설정 개수 이상 변동된 특정 누적 시점이 확인되는 경우, 현재시점으로부터 상기 특정 누적 시점의 이전 누적 시점까지의 기간을 상기 기준수행기간으로 설정할 수 있다.
이에, 본 발명의 연구개발지원사업추천장치 및 그 동작 방법에서는, 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하고, 이를 통해 대상 기업(중소기업)의 기업 특성과 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 간략한 프로파일 변수의 입력만으로 대상 기업에게 최적화된 연구개발지원사업을 추천할 수 있다.
도 1은 본 발명의 일 실시예에 따른 연구개발지원사업 추천 환경을 설명하기 위한 예시도.
도 2는 본 발명의 일 실시예에 따른 연구개발지원사업추천장치의 개략적인 구성도.
도 3은 본 발명의 일 실시예에 따른 추천 서비스 화면의 예시도.
도 4 및 도 5는 본 발명의 일 실시예에 따른 연구개발지원사업추천장치의 동작 방법을 설명하기 위한 순서도.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 설명한다.
본 발명의 일 실시예에서는, 대상 기업에게 최적화된 정부 R&D지원 사업(이하, 연구개발지원사업)을 추천하기 위한 기술을 다룬다.
여기서, 연구개발지원사업을 추천하기 위한 대상 기업은 중소기업을 지칭한다.
이와 관련하여, 이러한 중소기업의 기술개발을 통한 혁신 경쟁력 강화를 지원하기 위한 차원에서 다양한 유형의 연구개발지원사업들이 존재하게 된다.
헌데, 이러한 연구개발지원사업의 다양성은 기업 입장에서 선택의 문제를 야기하게 되는데, 특히 중소기업의 경우, 인적자원 면에서 열위에 있어 수백 건의 연구개발지원사업 공고를 일일이 모니터링하고, 자 기업에게 적합한 연구개발지원사업을 신청(지원)하는데 어려움이 존재하는 것이 현실이다.
다시 말해, 기존 환경에서는 연구개발지원사업에 대한 정보취득이 중소기업 개별적으로 이루어지게 된다.
일부 연구개발지원사업에 대한 정보(공고)가 중소기업에게 제공된다 하더라도 이는 기업 맞춤형 정보를 제공하는 방식이 아닌 일괄 제공 방식을 따르는 것이 대부분인 관계로 중소기업 입장에서는, 수백 건의 연구개발지원사업 공고를 일일이 모니터링하고, 자 기업에게 적합한 연구개발지원사업을 신청(지원)해야만 하는 것이다.
이에 본 발명의 일 실시예에서는 중소기업 입장에서 야기될 수 있는 위 한계점을 해결하기 위해 대상 기업에게 최적화된 연구개발지원사업을 추천할 수 있는 새로운 방안을 제안하고자 하는 것이다.
이와 관련하여, 도 1에서는 본 발명의 일 실시예에 따른 연구개발지원사업 추천 환경을 예시적으로 보여주고 있다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 연구개발지원사업 추천 환경에서는 대상 기업에게 최적화된 연구개발지원사업을 추천하기 위해 연구개발지원사업추천장치(100)의 구성을 제안한다.
이러한, 연구개발지원사업추천장치(100)는 공고가 진행중인 연구개발지원사업의 사업 특성과 대상 기업의 기업 특성을 기반으로 대상 기업에게 적합한 연구개발지원사업을 추천하는 장치를 일컫는 것으로서, 예컨대, 소프트웨어(예: 애플리케이션)를 탑재한 컴퓨팅장치(예: PC), 또는 유무선 통신망을 통해 접속 가능한 서버의 형태로 구현될 수 있다.
참고로, 이러한 연구개발지원사업추천장치(100)가 서버의 형태로 구현되는 경우에는, 예컨대, 웹 서버, 데이터베이스 서버, 프록시 서버 등의 형태로 구현될 수 있으며, 네트워크 부하 분산 메커니즘, 내지 서비스 장치가 인터넷 또는 다른 네트워크 상에서 동작할 수 있도록 하는 다양한 소프트웨어 중 하나 이상이 설치될 수 있으며, 이를 통해 컴퓨터화된 시스템으로도 구현될 수 있다.
이처럼, 본 발명의 일 실시예에서는 연구개발지원사업 추천 환경을 기반으로 대상 기업에게 최적화된 연구개발지원사업을 추천할 수 있는데, 이하에서는 이를 실현하기 위한 연구개발지원사업추천장치(100)의 구성에 대해 보다 구체적으로 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)의 개략적인 구성을 보여주고 있다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)는 학습데이터를 생성하는 생성부(10), 학습데이터 기반의 추천모델을 결정하는 결정부(20), 및 추천모델을 통해 연구개발지원사업을 추천하는 추천부(30)를 포함할 수 있다.
이상의 생성부(10), 결정부(20), 및 추천부(30)를 포함하는 연구개발지원사업추천장치(100)의 전체 구성 내지는 적어도 일부의 구성은 소프트웨어 모듈 또는 하드웨어 모듈 형태로 구현되거나, 내지는 소프트웨어 모듈과 하드웨어 모듈이 조합된 형태로도 구현될 수 있다.
여기서, 소프트웨어 모듈이란, 예컨대, 연구개발지원사업추천장치(100) 내에서 연산을 수행하는 프로세서에 의해 실행되는 명령어로 이해될 수 있으며, 이러한 명령어는 연구개발지원사업추천장치(100) 내 메모리에 탑재된 형태를 가질 수 있을 것이다.
한편, 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)는 전술한 구성 이외에, 데이터 송수신을 위한 RF 기능을 담당하는 통신부(40)의 구성을 더 포함할 수 있다.
여기서, 통신부(40)는 예컨대, 안테나 시스템, RF 송수신기, 하나 이상의 증폭기, 튜너, 하나 이상의 발진기, 디지털 신호 처리기, 코덱(CODEC) 칩셋, 및 메모리 등을 포함하지만 이에 제한되지는 않으며, 이 기능을 수행하는 공지의 회로는 모두 포함할 수 있다.
이상, 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)는 전술한 구성을 통해 대상 기업에 적합한 연구개발지원사업을 추천할 수 있는데, 이하에서는 이를 실현하기 위한 연구개발지원사업추천장치(100) 내 각 구성에 대해 보다 구체적인 설명을 이어 가기로 한다.
생성부(10)는 추천 모델 결정을 위한 학습데이터를 생성하는 기능을 수행한다.
보다 구체적으로, 생성부(10)는 연구개발지원사업 데이터베이스(예: NTIS)와 재무정보 데이터베이스(예: KED DB, NICE DB 등) 내 축적된 정보를 연계시키는 방식을 통해서 추천 모델 결정을 위한 학습데이터를 생성하게 된다.
이때, 생성부(10)는 연구개발지원사업 데이터베이스에 저장된 사업정보 중 기 수행된 연구개발지원사업의 사업정보에 대해서 해당 연구개발지원사업을 수행한 사업수행기업의 재무정보 데이터베이스 내 기업재무정보를 매칭시키는 방식을 통해서 추천 모델을 결정하기 위한 학습데이터를 생성할 수 있다.
한편, 생성부(10)는 기 설정된 기준수행기간 동안 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 재무정보를 매칭시킨 학습데이터를 생성할 수 있다.
여기서, 기준수행기간은 추천 모델의 정확도 보장과 관련하여 충분한 양의 학습데이터를 확보하기 위해 설정되는 기간으로서, 이는 결정부(20)에 대한 설명에서 구체적으로 다루기로 한다.
결정부(20)는 연구개발지원사업을 추천하기 위한 추천 모델을 결정하는 기능을 수행한다.
보다 구체적으로, 결정부(20)는 학습데이터가 생성되면 학습데이터로부터 확인되는 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하게 된다.
이때, 결정부(20)는 사업정보 내 정보 필드에 기 수행된 연구개발지원사업을 구분하기 위해 입력된 변수인 사업특성변수(102개 변수)와, 기업재무정보 내 정보 필드에 해당 연구개발지원사업을 수행한 사업수행기업을 구분하기 위해 입력된 변수(16개 변수)인 기업특성변수 중 적어도 일부를 프로파일 변수로서 도출하게 되며, 이처럼 도출된 프로파일 변수를 기준으로 연구개발지원사업의 추천을 위한 추천 모델을 결정(확립 및 검증)하게 된다.
여기서, 프로파일 변수는, 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분하기 위한 주요 변수로서, 이는 본 발명의 일 실시예에 따라 예컨대, 비모수통계 기반의 의사결정나무(Decision tree) 분석을 통해서 학습데이터를 데이터 균일도에 따른 규칙 기반으로 분류하는 방식으로 도출할 수 있다.
한편, 결정부(20)는 추천 모델의 정확도 보장과 관련하여 충분한 양의 학습데이터를 확보하기 위해 앞서 언급한 기준수행기간을 설정하는 기능을 수행할 수 있다.
이를 위해, 결정부(20)는 현재 시점으로부터 과거 특정 시점까지의 전체 기간(예: 3년)을 단위 기간(예: 6개월)으로 구분하여, 생성부(10)로 하여금 구분된 각 단위 기간에 대해서 학습데이터를 생성하도록 한다.
또한, 결정부(20)는 각 단위 기간에 대한 학습데이터가 생성되면, 현재시점과 가장 가까운 단위 기간의 학습데이터로부터 프로파일 변수를 도출한 이후, 이웃한 단위 기간의 학습데이터를 순차적으로 누적하여 각 누적 시점마다의 학습데이터로부터 프로파일 변수를 도출한다.
여기서, 이웃한 단위 기간의 학습데이터를 순차적으로 누적한다는 것은 학습데이터 양이 누적된 단위 기간의 개수에 비례하여 증가된다는 것으로 이해될 수 있다.
나아가, 결정부(20)는 각 누적 시점마다 도출된 프로파일 변수를 이전 누적 시점의 프로파일 변수와 비교하고, 비교 결과 프로파일 변수가 설정 개수 이상 변동된 특정 누적 시점이 확인되는 경우, 현재시점으로부터 특정 누적 시점의 이전 누적 시점까지의 기간을 기준수행기간으로 설정할 수 있다.
여기서, 프로파일 변수가 설정 개수 이상 변동된 특정 누적 시점이 확인된다는 것은, 과거 시점과 현재 시점 간의 특성 차이로 인해 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분할 수 있는 기준이 변동되었다는 것으로 해석될 수 있다.
이에, 본 발명의 일 실시예에서는 이에 현재 시점으로부터 현재 시점의 특성이 유지되고 있는 최대한의 과거 시점까지의 기간을 기준수행기간으로 설정하여 추천 모델의 정확도 보장할 수 있는 충분한 양의 학습데이터를 확보할 수 있는 것이다.
추천부(30)는 대상 기업에 대해 연구개발지원사업을 추천하는 기능을 수행한다.
보다 구체적으로, 추천부(30)는 추천 모델이 결정되면, 결정된 추천 모델을 통해서 사업 공고가 진행중인 연구개발지원사업 중 대상 기업에게 적합한 연구개발지원사업을 선별하여 추천하게 된다.
이때, 추천부(30)는 대상 기업의 기업 특성과 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 정보 필드에 입력되는 프로파일 변수가 확인되면, 추천 모델을 통해 해당 프로파일 변수와 매칭되는 연구개발지원사업을 사업 공고가 진행중인 연구개발지원사업으로부터 선별하여 추천할 수 있다.
이와 관련하여, 도 3에는 연구개발지원사업을 추천하는 추천 서비스 화면을 예시적으로 보여주고 있다.
여기서, 연구개발지원사업의 사업 특성을 구분하기 위해 입력되는 프로파일 변수에는 예컨대, 연구기간, 연구분야, 연구단계, 기술수명주기 및 연구비 등의 변수가 해당될 수 있으며, 또한 대상 기업의 기업 특성을 구분하기 위해 입력되는 프로파일 변수에는 예컨대, 업종, 업력, 매출, 자산, 종업원수, 자본 등의 변수가 해당될 수 있다.
한편, 이처럼 대상 기업의 기업 특성과 연구개발지원사업의 사업 특성을 구분하기 위해 입력되는 프로파일 변수는, 앞서 언급한 추천 모델 결정에 기준이 되는 프로파일 변수와 동일한 속성의 변수인 것으로 이해될 수 있다.
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)의 구성에 따르면, 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하고, 이를 통해 대상 기업(중소기업)의 기업 특성과 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 간략한 프로파일 변수의 입력만으로 대상 기업에게 최적화된 연구개발지원사업을 추천할 수 있으므로, 대상 기업 입장에서 혁신활동을 위한 연구기획에 소요되는 시간과 인력을 효율적으로 절감할 수 있는 효과를 예상할 수 있다.
이상 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)의 구성에 대한 설명을 마치고, 연구개발지원사업추천장치(100)의 동작 방법에 대한 설명을 이어 가기로 한다.
이와 관련하여 도 4를 참조하여 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)에서의 동작 흐름을 설명하면 다음과 같다.
먼저, 생성부(10)는 연구개발지원사업 데이터베이스(예: NTIS)와 재무정보 데이터베이스(예: KED DB, NICE DB 등) 내 축적된 정보를 연계시키는 방식을 통해서 추천 모델 결정을 위한 학습데이터를 생성한다(S11-S12).
이때, 생성부(10)는 연구개발지원사업 데이터베이스에 저장된 사업정보 중 기 수행된 연구개발지원사업의 사업정보에 대해서 해당 연구개발지원사업을 수행한 사업수행기업의 재무정보 데이터베이스 내 기업재무정보를 매칭시키는 방식을 통해서 추천 모델을 결정하기 위한 학습데이터를 생성할 수 있다.
한편, 생성부(10)는 기 설정된 기준수행기간 동안 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 재무정보를 매칭시킨 학습데이터를 생성할 수 있다.
그리고 나서, 결정부(20)는 학습데이터가 생성되면 학습데이터로부터 확인되는 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정한다(S13-S14).
이때, 결정부(20)는 사업정보 내 정보 필드에 기 수행된 연구개발지원사업을 구분하기 위해 입력된 변수인 사업특성변수(102개 변수)와, 기업재무정보 내 정보 필드에 해당 연구개발지원사업을 수행한 사업수행기업을 구분하기 위해 입력된 변수(16개 변수)인 기업특성변수 중 적어도 일부를 프로파일 변수로서 도출하게 되며, 이처럼 도출된 프로파일 변수를 기준으로 연구개발지원사업의 추천을 위한 추천 모델을 결정(확립 및 검증)하게 된다.
여기서, 프로파일 변수는, 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분하기 위한 주요 변수로서, 이는 본 발명의 일 실시예에 따라 예컨대, 비모수통계 기반의 의사결정나무(Decision tree) 분석을 통해서 학습데이터를 데이터 균일도에 따른 규칙 기반으로 분류하는 방식으로 도출할 수 있다.
이후, 추천부(30)는 추천 모델이 결정되면, 결정된 추천 모델을 통해서 사업 공고가 진행중인 연구개발지원사업 중 대상 기업에게 적합한 연구개발지원사업을 선별하여 추천한다(S15-S16).
이때, 추천부(30)는 대상 기업의 기업 특성과 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 정보 필드에 입력되는 프로파일 변수가 확인되면, 추천 모델을 통해 해당 프로파일 변수와 매칭되는 연구개발지원사업을 사업 공고가 진행중인 연구개발지원사업으로부터 선별하여 추천할 수 있다.
이처럼 대상 기업의 기업 특성과 연구개발지원사업의 사업 특성을 구분하기 위해 입력되는 프로파일 변수는, 앞서 언급한 추천 모델 결정에 기준이 되는 프로파일 변수와 동일한 속성의 변수인 것으로 이해될 수 있다.
한편, 결정부(20)는 추천 모델의 정확도 보장과 관련하여 충분한 양의 학습데이터를 확보하기 위해 앞서 단계 S11-S12에서 언급한 기준수행기간을 설정하는 기능을 수행할 수 있다.
이와 관련하여, 도 5를 참조하여 기준수행기간 설정을 위한 동작 흐름을 살펴보면 다음과 같다.
결정부(20)는 현재 시점으로부터 과거 특정 시점까지의 전체 기간(예: 3년)을 단위 기간(예: 6개월)으로 구분하여, 생성부(10)로 하여금 구분된 각 단위 기간에 대해서 학습데이터를 생성하도록 한다(S21-S22).
또한, 결정부(20)는 각 단위 기간에 대한 학습데이터가 생성되면, 현재시점과 가장 가까운 단위 기간의 학습데이터로부터 프로파일 변수를 도출한 이후, 이웃한 단위 기간의 학습데이터를 순차적으로 누적하여 각 누적 시점마다의 학습데이터로부터 프로파일 변수를 도출한다(S23).
여기서, 이웃한 단위 기간의 학습데이터를 순차적으로 누적한다는 것은 학습데이터 양이 누적된 단위 기간의 개수에 비례하여 증가된다는 것으로 이해될 수 있다.
나아가, 결정부(20)는 각 누적 시점마다 도출된 프로파일 변수를 이전 누적 시점의 프로파일 변수와 비교하고, 비교 결과 프로파일 변수가 설정 개수 이상 변동된 특정 누적 시점이 확인되는 경우, 현재시점으로부터 특정 누적 시점의 이전 누적 시점까지의 기간을 기준수행기간으로 설정할 수 있다(S24-S26).
여기서, 프로파일 변수가 설정 개수 이상 변동된 특정 누적 시점이 확인된다는 것은, 과거 시점과 현재 시점 간의 특성 차이로 인해 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분할 수 있는 기준이 변동되었다는 것으로 해석될 수 있다.
이에, 본 발명의 일 실시예에서는 이에 현재 시점으로부터 현재 시점의 특성이 유지되고 있는 최대한의 과거 시점까지의 기간을 기준수행기간으로 설정하여 추천 모델의 정확도 보장할 수 있는 충분한 양의 학습데이터를 확보할 수 있는 것이다.
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 연구개발지원사업추천장치(100)의 동작 방법에 따르면, 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하고, 이를 통해 대상 기업(중소기업)의 기업 특성과 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 간략한 프로파일 변수의 입력만으로 대상 기업에게 최적화된 연구개발지원사업을 추천할 수 있으므로, 대상 기업 입장에서 혁신활동을 위한 연구기획에 소요되는 시간과 인력을 효율적으로 절감할 수 있는 효과를 예상할 수 있다.
한편, 본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 처리하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.
컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.
본 명세서에서 "시스템"이나 "장치"라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 처리하기 위한 모든 기구, 장치 및 기계를 포괄한다. 처리 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선언적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.
본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 애플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와 같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다
이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명에 따른 연구개발지원사업추천장치 및 그 동작 방법에 따르면, 대상 기업(중소기업)에게 최적화된 연구개발지원사업을 추천할 수 있는 서비스 환경을 제공할 수 있다는 점에서 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
100: 연구개발지원사업추천장치
10: 생성부 20: 결정부
30: 추천부

Claims (12)

  1. 추천 모델 결정을 위한 학습데이터를 생성하는 생성부;
    상기 학습데이터로부터 확인되는 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하는 결정부; 및
    상기 대상 기업의 기업 특성과 상기 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 정보 필드에 프로파일 변수가 입력되면, 상기 추천 모델을 통해 상기 프로파일 변수와 매칭되는 연구개발지원사업을 사업 공고가 진행중인 연구개발지원사업으로부터 선별하여 추천하는 추천부를 포함하며;
    상기 생성부는, 기 설정된 기준수행기간 동안의 학습데이터를 생성하며,
    상기 결정부는,
    현재 시점으로부터 과거 시점까지의 각 단위 기간에 대하여 생성된 학습데이터를 근거로, 현재시점과 가장 가까운 단위 기간의 학습데이터로부터 프로파일 변수를 도출한 이후 이웃한 단위 기간의 학습데이터를 순차적으로 누적하여 각 누적 시점마다의 학습데이터로부터 프로파일 변수를 도출하며,
    상기 각 누적 시점마다 도출된 프로파일 변수를 이전 누적 시점과 비교한 결과에 따라 특정 누적 시점이 확인되는 경우, 현재 시점으로부터 상기 특정 누적 시점의 이전 누적 시점까지의 기간을 상기 기준수행기간으로 설정하는 것을 특징으로 하는 연구개발지원사업추천장치.
  2. 제 1 항에 있어서,
    상기 생성부는,
    연구개발지원사업 데이터베이스 및 상기 연구개발지원사업 데이터베이스와는 별도의 재무정보 데이터베이스에 기반하여, 상기 기준수행기간 동안의 상기 연구개발지원사업 데이터베이스 내 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 상기 재무정보데이터베이스 내 기업재무정보를 매칭시킨 학습데이터를 생성하는 것을 특징으로 하는 연구개발지원사업추천장치.
  3. 제 2 항에 있어서,
    상기 결정부는,
    상기 사업정보 내 정보 필드에 기 수행된 연구개발지원사업을 구분하기 위해 입력된 변수인 사업특성변수와, 상기 기업재무정보 내 정보 필드에 해당 연구개발지원사업을 수행한 사업수행기업을 구분하기 위해 입력된 변수인 기업특성변수 중 적어도 일부를, 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분하기 위한 주요 변수인 프로파일 변수로 도출하여 도출된 프로파일 변수를 기준으로 추천 모델을 결정하는 것을 특징으로 하는 연구개발지원사업추천장치.
  4. 제 3 항에 있어서,
    상기 결정부는,
    상기 학습데이터를 데이터 균일도에 따른 규칙 기반으로 분류하는 비모수통계 기반의 의사결정나무(Decision tree) 분석을 통해서 추천 모델의 결정을 위한 상기 프로파일 변수를 도출하는 것을 특징으로 하는 연구개발지원사업추천장치.
  5. 삭제
  6. 제 1 항에 있어서,
    상기 결정부는,
    상기 각 누적 시점마다 도출된 프로파일 변수를 이전 누적 시점의 프로파일 변수와 비교한 비교 결과에 따라, 프로파일 변수가 설정 개수 이상 변동된 누적 시점을 상기 특정 누적 시점으로 확인하는 것을 특징으로 하는 연구개발지원사업추천장치.
  7. 추천 모델 결정을 위한 학습데이터를 생성하는 생성단계;
    상기 학습데이터로부터 확인되는 연구개발지원사업의 사업 특성과 해당 연구개발지원사업을 수행한 사업수행기업의 기업 특성을 기반으로 대상 기업에 연구개발지원사업을 추천하기 위한 추천 모델을 결정하는 결정단계; 및
    상기 대상 기업의 기업 특성과 상기 대상 기업이 신청하고자 하는 연구개발지원사업의 사업 특성을 구분하기 위한 정보 필드에 프로파일 변수가 입력되면, 상기 추천 모델을 통해 상기 프로파일 변수와 매칭되는 연구개발지원사업을 사업 공고가 진행중인 연구개발지원사업으로부터 선별하여 추천하는 추천단계를 포함하며;
    상기 생성단계는, 기 설정된 기준수행기간 동안의 학습데이터를 생성하며,
    상기 결정단계는,
    현재 시점으로부터 과거 시점까지의 각 단위 기간에 대하여 생성된 학습데이터를 근거로, 현재시점과 가장 가까운 단위 기간의 학습데이터로부터 프로파일 변수를 도출한 이후 이웃한 단위 기간의 학습데이터를 순차적으로 누적하여 각 누적 시점마다의 학습데이터로부터 프로파일 변수를 도출하며,
    상기 각 누적 시점마다 도출된 프로파일 변수를 이전 누적 시점과 비교한 결과에 따라 특정 누적 시점이 확인되는 경우, 현재 시점으로부터 상기 특정 누적 시점의 이전 누적 시점까지의 기간을 상기 기준수행기간으로 설정하는 것을 특징으로 하는 연구개발지원사업추천장치의 동작 방법.
  8. 제 7 항에 있어서,
    상기 생성단계는,
    상기 결정단계 이전에, 연구개발지원사업 데이터베이스 및 상기 연구개발지원사업 데이터베이스와는 별도의 재무정보 데이터베이스에 기반하여, 상기 기준수행기간 동안의 상기 연구개발지원사업 데이터베이스 내 기 수행된 연구개발지원사업의 사업정보와 해당 연구개발지원사업을 수행한 사업수행기업의 상기 재무정보데이터베이스 내 기업재무정보를 매칭시킨 학습데이터를 생성하는 것을 특징으로 하는 연구개발지원사업추천장치의 동작 방법.
  9. 제 8 항에 있어서,
    상기 결정단계는,
    상기 사업정보 내 정보 필드에 기 수행된 연구개발지원사업을 구분하기 위해 입력된 변수인 사업특성변수와, 상기 기업재무정보 내 정보 필드에 해당 연구개발지원사업을 수행한 사업수행기업을 구분하기 위해 입력된 변수인 기업특성변수 중 적어도 일부를, 연구개발지원사업의 사업 특성과 사업수행기업의 기업 특성을 구분하기 위한 주요 변수인 프로파일 변수로 도출하여 도출된 프로파일 변수를 기준으로 추천 모델을 결정하는 것을 특징으로 하는 연구개발지원사업추천장치의 동작 방법.
  10. 제 9 항에 있어서,
    상기 결정단계는,
    상기 학습데이터를 데이터 균일도에 따른 규칙 기반으로 분류하는 비모수통계 기반의 의사결정나무(Decision tree) 분석을 통해서 추천 모델의 결정을 위한 상기 프로파일 변수를 도출하는 것을 특징으로 하는 연구개발지원사업추천장치의 동작 방법.
  11. 삭제
  12. 제 7 항에 있어서,
    상기 결정단계는,
    상기 각 누적 시점마다 도출된 프로파일 변수를 이전 누적 시점의 프로파일 변수와 비교한 비교 결과에 따라, 프로파일 변수가 설정 개수 이상 변동된 누적 시점을 상기 특정 누적 시점으로 확인하는 것을 특징으로 하는 연구개발지원사업추천장치의 동작 방법.

KR1020200073797A 2020-06-17 2020-06-17 연구개발지원사업추천장치 및 그 동작 방법 KR102453952B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200073797A KR102453952B1 (ko) 2020-06-17 2020-06-17 연구개발지원사업추천장치 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200073797A KR102453952B1 (ko) 2020-06-17 2020-06-17 연구개발지원사업추천장치 및 그 동작 방법

Publications (2)

Publication Number Publication Date
KR20210156091A KR20210156091A (ko) 2021-12-24
KR102453952B1 true KR102453952B1 (ko) 2022-10-12

Family

ID=79176315

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200073797A KR102453952B1 (ko) 2020-06-17 2020-06-17 연구개발지원사업추천장치 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR102453952B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018049400A (ja) * 2016-09-20 2018-03-29 株式会社ココペリインキュベート 財務情報分析システム、及びプログラム
KR101909133B1 (ko) * 2018-04-13 2018-10-17 (주)에스씨플랫폼 기업성장진단에 따른 기관의 지원 프로그램 매칭 시스템 및 운영 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110043280A (ko) * 2009-10-21 2011-04-27 한국과학기술기획평가원 연구 개발 사업을 관리하는 시스템 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018049400A (ja) * 2016-09-20 2018-03-29 株式会社ココペリインキュベート 財務情報分析システム、及びプログラム
KR101909133B1 (ko) * 2018-04-13 2018-10-17 (주)에스씨플랫폼 기업성장진단에 따른 기관의 지원 프로그램 매칭 시스템 및 운영 방법

Also Published As

Publication number Publication date
KR20210156091A (ko) 2021-12-24

Similar Documents

Publication Publication Date Title
Kirchmer et al. Value-Driven Robotic Process Automation (RPA) A Process-Led Approach to Fast Results at Minimal Risk
El Khatib et al. Integration of Cloud Computing with Artificial Intelligence and Its Impact on Telecom Sector—A Case Study
US20180329399A1 (en) Robotic process automation for supply chain management operations
US20210004711A1 (en) Cognitive robotic process automation
JP2019517057A (ja) ワイドアンドディープマシンラーニングモデル
EG et al. An integrated interpretive structural modeling and a graph-theoretic approach for measuring the supply chain complexity in the Indian automotive industry
US20170237616A1 (en) Network service provisioning tool and method
EP3553714A1 (en) Generating project deliverables using objects of a data model
Li et al. Rapid production ramp-up capability: a collaborative supply network perspective
US20200364646A1 (en) Automated Assignment of Tasks Based on User Profile Data for Improved Efficiency
US20170278193A1 (en) Rule based hierarchical configuration
Machani et al. A variable neighbourhood search for integrated production and preventive maintenance planning in multi-state systems
EP4303792A1 (en) Systems and methods for managing decision scenarios
US20220051049A1 (en) Using meta-learning to optimize automatic selection of machine learning pipelines
KR102453952B1 (ko) 연구개발지원사업추천장치 및 그 동작 방법
Larson A review and future direction of business analytics project delivery
Saeidlou et al. Knowledge and agent-based system for decentralised scheduling in manufacturing
Gupta et al. Digitization for reliable and efficient manufacturing
Gunawan et al. Real-world parameter tuning using factorial design with parameter decomposition
McDermott et al. Mapping the terrain for the lean supply chain 4.0
Shuttleworth Translation management systems
Alsaroah et al. Combining Cloud Computing with Artificial intelligence and Its Impact on Telecom Sector
US11360763B2 (en) Learning-based automation machine learning code annotation in computational notebooks
KR102391885B1 (ko) 이종분류체계연계장치 및 그 동작 방법
US20140164069A1 (en) Generating Global Optimized Strategies For Information Requests, Proposals, And Statements of Work Within a Time Period Across Hierarchical Entity Boundaries

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant