특허 맵에서 공백(vacancies)을 찾아 기술 기회를 식별하려는 시도는 다수 이루어져 왔으나, 발견된 특허 공백의 기술적 내용을 명확히 해석할 수 없다는 근본적인 한계는 여전히 해결되지 않은 문제로 남아 있다. 본 연구는 기계 학습 기법을 활용하여 특허 맵으로부터 기술 기회를 도출하기 위한 새로운 생성(generative) 접근법을 제안한다. 제안된 접근법은 고차원 임베딩을 원래의 데이터 형태로 복원하는 임베딩 역전(embedding inversion) 기법을 사용하여, 특허 공백을 사람이 읽을 수 있는 텍스트로 변환한다. 이 과정은 5단계로 이루어진다: 1) 텍스트 임베딩 모델을 사용하여 특허 초록을 고차원 벡터로 변환하고, 2) 오토인코더를 학습하여 고차원 임베딩을 2차원 공간으로 투영하며 양방향 매핑을 가능하게 하고, 3) 커널 밀도 추정(kernel density estimation)을 이용해 격자 기반 특허 맵을 구성하며, 4) 공백 셀과 그 좌표를 특허 공백으로 식별하고, 5) 디코더를 사용하여 공백 좌표를 고차원 임베딩 벡터로 재구성한 뒤, vec2text를 통해 사람이 읽을 수 있는 텍스트를 생성한다. 제안된 접근법을 시연하기 위해 수집된 17,616건의 특허를 대상으로 LiDAR 기술에 관한 사례 연구를 수행하였다. 결과는 제안된 접근법이 특허 공백을 성공적으로 식별하고 이를 사람이 읽을 수 있는 텍스트로 변환할 수 있음을 검증하였으며, 이는 기술 기회 분석을 위한 매우 실용적이고 유용한 도구로서의 잠재력을 시사한다.

특허 맵에서 공백(vacancies)을 찾아 기술 기회를 식별하려는 시도는 다수 이루어져 왔으나, 발견된 특허 공백의 기술적 내용을 명확히 해석할 수 없다는 근본적인 한계는 여전히 해결되지 않은 문제로 남아 있다. 본 연구는 기계 학습 기법을 활용하여 특허 맵으로부터 기술 기회를 도출하기 위한 새로운 생성(generative) 접근법을 제안한다. 제안된 접근법은 고차원 임베딩을 원래의 데이터 형태로 복원하는 임베딩 역전(embedding inversion) 기법을 사용하여, 특허 공백을 사람이 읽을 수 있는 텍스트로 변환한다. 이 과정은 5단계로 이루어진다: 1) 텍스트 임베딩 모델을 사용하여 특허 초록을 고차원 벡터로 변환하고, 2) 오토인코더를 학습하여 고차원 임베딩을 2차원 공간으로 투영하며 양방향 매핑을 가능하게 하고, 3) 커널 밀도 추정(kernel density estimation)을 이용해 격자 기반 특허 맵을 구성하며, 4) 공백 셀과 그 좌표를 특허 공백으로 식별하고, 5) 디코더를 사용하여 공백 좌표를 고차원 임베딩 벡터로 재구성한 뒤, vec2text를 통해 사람이 읽을 수 있는 텍스트를 생성한다. 제안된 접근법을 시연하기 위해 수집된 17,616건의 특허를 대상으로 LiDAR 기술에 관한 사례 연구를 수행하였다. 결과는 제안된 접근법이 특허 공백을 성공적으로 식별하고 이를 사람이 읽을 수 있는 텍스트로 변환할 수 있음을 검증하였으며, 이는 기술 기회 분석을 위한 매우 실용적이고 유용한 도구로서의 잠재력을 시사한다.

신생기업의 성장을 이해하는 것은 경제적 번영과 부의 원동력이기 때문에 중요하다. 그러나 이들이 짧은 역사와 높은 실패율을 지니고 있다는 점으로 인해, 신생기업 성장을 측정하는 연구는 제한적이었으며 정성적 데이터에 의존해 왔다. 본 연구는 한국의 신생기업 성장 분석 플랫폼인 InnoForest가 수집한 모바일 기반 신생기업의 월간 활성 사용자(MAU) 데이터(n = 266)를 사용하여, GA-NLS 기반 Bass 모델 추정을 통해 이들의 성장 곡선 패턴을 분류한다. 또한 모바일 앱 전반의 몇 가지 대중적인 비즈니스 특성에 따라 성장 패턴이 어떻게 달라지는지 분석한다. Bass 모델은 성장 곡선의 패턴을 범주화하는 데 사용되었고, 그 결과 네 가지 성장 패턴인 Stealthy Influencer, Rapid Scaler, Late Bloomer, Niche Dominator가 도출되었다. 더 나아가 플랫폼 기반 기업과 비플랫폼 기업 사이, 그리고 정액제와 거래당 과금 서비스 간에도 성장 패턴의 차이가 관찰되었다. 본 연구는 Bass 모델을 사용하여 MAU로 측정한 모바일 기반 신생기업의 성장이, 신생기업 앱 이용자의 태도와 앱 성장 정점에 도달하는 속도에 따라 서로 다른 양상을 따른다는 점을 보여준다. 본 연구의 결과는 신생기업 성장 전략의 수립, 투자 의사결정, 그리고 신생기업 성장에 관한 정책 수립에 유용할 수 있다.