메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
황진경 (판다스) 송혜령 (판다스) 유동희 (경상국립대학교)
저널정보
한국인터넷전자상거래학회 인터넷전자상거래연구 인터넷전자상거래연구 제24권 제4호
발행연도
2024.8
수록면
63 - 80 (18page)
DOI
10.37272/JIECR.2024.08.24.4.63

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper aims to conduct a future keyword prediction study by applying dynamic topic modeling and the VAR model through time series analysis using artificial intelligence-related patent data from 2012 to 2022. Patent data was collected through the KIPRIS platform, and major keywords such as ‘information’, ‘data’, and ‘user’ were constantly dealt with in the annual topic trend graph derived through dynamic topic modeling, and the importance of topics such as ‘image’ and ‘video’ has been increasing in recent years. These results suggest that research trends in various application fields are changing with the development of artificial intelligence technology. Next, 10, 20, and 30 top keywords were extracted respectively from the yearly patent data collected for future keyword prediction using BoW, TF-IDF, and Word2Vec, which are three embedding methods. It was confirmed that ‘information’, ‘data’, ‘user’, ‘device’, and ‘system’ were the same important keywords in the annual top keyword analysis by year. The ranking of different patterns was subsequently shown for each embedding method. After that, an experiment was conducted to compare the keywords predicted through the VAR model with the actual 2023 keywords, and it was confirmed that the Word2Vec embedding method showed the highest prediction performance, and the overall performance improved as the number of keywords increased. This study provided important basic data for predicting technology trends and future trends through artificial intelligence patent data, and it is expected that it can be used as a basis for strategic use directions and investment decisions for various stakeholders such as companies, research institutes, and the government.
#Artificial Intelligence #Patent #Time Series Analysis #Dynamic Topic Modeling #VAR #Keyword Prediction #Technology Trend

목차

Abstract
Ⅰ. 서론
Ⅱ. 문헌 연구
Ⅲ. 연구 방법
Ⅳ. 연구 결과
V. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

생성AI와 창업: 외생적 촉진자로서의 생성AI 역할 분석
이승아 ,  정태현 벤처창업연구 2024 .12
대학생들의 기업가정신이 창업의지에 미치는 영향: 4차산업혁명기술이해의 매개효과를 중심으로
임윤경 ,  김창완 벤처창업연구 2024 .12
생성형AI가 회계 업무의 효율성을 향상시키는데 미치는 영향 - 마이크로소프트 코파일럿을 중심으로 -
이현범 문화산업연구 2024 .12
생성형 인공지능 연구 분야의 공저자 네트워크 탐색
최일영 ,  김주현 ,  문현실 인터넷전자상거래연구 2024 .12
LDA 토픽모델링을 활용한 인공지능 리터러시에 대한 주요 이슈 분석
함주연 ,  한진영 ,  이정 인터넷전자상거래연구 2024 .12

최근 본 자료

전체보기

댓글(0)

0