그래프 신경망 기반(GNN) 링크 예측을 활용한 전기자동차 기술 예측 : 특허 동시단어 네트워크를 중심으로 :

김근수

추천

검색

자료유형: 학위논문

저자정보: 김근수 (서울과학기술대학교 )

지도교수: 이학연

발행연도: 2023

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수20

이 논문의 연구 히스토리 (3)

2023

그래프 신경망 기반 전기 자동차 기술 예측

김근수 , 최재명 , 김민찬 외 1명 한국경영과학회 학술대회논문집 2023.05 학술대회자료

그래프 신경망 기반 전기 자동차 기술 예측

김근수 , 최재명 , 김민찬 외 1명 대한산업공학회 춘계공동학술대회 논문집 2023.05 학술대회자료

그래프 신경망 기반(GNN) 링크 예측을 활용한 전기자동차 기술 예측 : 특허 동시단어 네트워크를 중심으로

김근수 2023.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

오늘날 자동차 산업은 100여 년 동안 내연기관을 중심으로 발전해왔지만 화석 연료 고갈 및 환경 오염 문제가 이슈화 되면서 전기자동차로 전환이 이루어지고 있다. 전기자동차 개발을 위해서는 배터리 및 모터 기술 그리고 배터리 충전 기술 등 완전히 새로운 분야의 연구가 필요하며 연구 방향을 결정하기 위한 전략 수립이 요구된다. 전략 수립을 위해 특허데이터를 활용한 기술 분석 및 기술 예측연구가 다수 있었지만 키워드 단위의 기술 요소에 대한 상세한 분석까지 이루어지지 않았다.
본 연구는 미지적인 수준의 분석이 가능한 특허 동시 출현 단어(co-word) 분석을 통해 전기자동차의 기술구조를 파악하고 그래프 신경망 기반의 링크 예측을 이용하여 유망기술을 예측한다. Google patents에서 수집한 51,477개의 전기자동차 관련 특허로부터 특허문서의 기술적인 내용을 잘 담은 키워드 추출을 위해 전처리를 진행하고 KeyBERT를 이용하여 키워드를 추출한다. 추출된 키워드를 이용하여 특허문서 내의 동시 출현 관계를 바탕으로 전기자동차 기술 네트워크를 구축한다. 구축된 네트워크를 대상으로 Louvain method 기반 클러스터링을 통해 자율주행, 조향 및 동력전달, 배터리 충전 등 12개의 전기자동차의 기술 클러스터를 도출한다. 12개의 기술 클러스터는 대부분 전기자동차의 기술 특성을 담고 있으나 자동차의 기계적인 기술 특성을 담은 클러스터도 존재한다.
전기자동차 기술 분석에 이어서 유망기술 예측을 위해 성능이 우수하다고 알려진 그래프 신경망 기반의 링크 예측을 활용한다. 링크 예측 결과 308개의 새로운 링크가 출현하였으며 열관리 기술 클러스터를 중심으로 새로운 링크가 생성되었다. 308개의 새롭게 연결된 링크 중에서 대표적인 4가지 키워드 희토류, 자율주행, 실내 열 교환기 그리고 열회수 장치와 새롭게 연결된 키워드 간의 연결 관계를 통해 전기자동차의 유망기술을 예측한다.
본 연구 결과를 통해 파악한 전기자동차 기술 분석과 유망 기술은 전기자동차 및 관련 산업 분야의 기술 전략 수립에 유용하게 활용될 수 있을 것으로 기대된다.

The automotive industry has been developed on the internal combustion engines for more than 100 years, but as the depletion of fossil fuels and environmental pollution become issues, there is a transition to electric vehicles. The development of electric vehicles requires research in completely new fields such as battery and motor technology and battery charging technology, and requires the establishment of a strategy to determine the direction of research. There have been numerous technology analysis and forecasting studies utilizing patent data in establishing strategies, but there has not been analyzed technological elements in detail at the keyword level-based.
This study identifies the technological structure of electric vehicles through patent co-occurrence word (co-word) analysis, which allows for micro-level analysis, and forecasts promising technologies using link prediction based on graph neural networks. From 51,477 electric vehicle patents collected from Google patents, preprocessing is conducted to extract keywords that include the technical content of patent documents and extracting keywords using KeyBERT. Using the extracted keywords, an electric vehicle technology network is built based on the co-occurrence relationship within the patent documents. Through clustering based on the Louvain method, 12 technology clusters of electric vehicles, such as autonomous driving, steering and power transmission, and battery charging, are derived from the constructed network. Most of the 12 technology clusters contain the technical characteristics of electric vehicles, but there are also clusters that contain the mechanical technical characteristics of automobiles.
Following the analysis of electric vehicle technology, graph neural network-based link prediction, which is known to be excellent in performance, is utilized for forecasting promising technologies. As a result of the link prediction, 308 new links have emerged, and new links were generated centered around the thermal management technology cluster. Among the 308 newly connected links, promising technologies of electric vehicles are forecasted through the connection relationship between representative four keywords, heavy rare earth elements, autonomous driving, indoor heat exchanger, and heat absorber device, and newly connected keywords.
It is expected that the finding of this study in relation to technological analysis of electric vehicle and promising technology will be useful in establishing technology strategies in the electric vehicle and related industrial fields.

목 차
요약 ⅰ
표목차 ⅲ
그림목차 ⅲ
수식목차 ⅳ
I. 서 론 1
II. 기술 및 이론적 배경 3
1. 전기자동차 기술 개요 3
2. 전기자동차 기술 분석 연구 7
3. 링크 예측 9
III. 연구 방법 13
1. 프레임워크 13
2. 1단계 : 데이터 수집 14
3. 2단계 : 네트워크 구축 15
4. 3단계 : 기술구조 분석 21
5. 4단계 : 유망기술 예측 22
IV. 전기자동차 기술동향 분석 25
1. 동시단어(co-word) 네트워크 구축 결과 25
2. 기술 클러스터 분석 결과 27
V. 전기자동차 기술 예측 33
1. 링크 예측 과정 33
2. 링크 예측 결과 35
3. 유망기술 예측 37
Ⅵ. 결 론 40
참고문헌 41
영문초록 45

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)