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.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.