연관규칙 학습기반 특허지표 설계에 관한 연구 - IPC Code G Section을 중심으로 -

Abstract

본 연구는 기존 특허지표의 한계를 보완하기 위해 연관규칙 학습을 기반으로 한 새로운 특허지표를 제시한다. 기존의 특허지표들은 시간 지연문제, 산업별 편향성, 질적 특성 미반영 등의 한계를 내포하고 있다. 이를 보완하기 위해 본 연구는 최근 5년간(미공개 구간 제외) 등록된 국내G Section 특허 2,710건을 분석 대상으로 하여 IPC Code의 계층적 구조와 Apriori 알고리즘을 활용하여 기술 간 연관성을 규명하였다. 분석 결과, 상위 15개의 유의미한 연관규칙을 추출하였으며, 이를 통해 주요 기술 융합 집합을 도출하였다. 특히, AI, 의료정보, 진단 기술의융합, 측정·분석 기술의 융합, 에너지·데이터 처리 기술의 결합 등을확인하였다. 본 연구는 분석 결과를 기반으로 3가지의 새로운 특허지표 기술 융합도 지수(TCI), 기술 연관성 지수(TAI), 동향 부합 지수(TMI)를 제안한다. 이들 지표는 특허등록 시점에 즉시 계산이 가능하며, 기술 분류체계의객관성을 기반으로 하여 출원 전략이나 인용 관행의 영향을 최소화한다. 결과적으로 신규 기술과 신흥 분야의 혁신성을 신속하게 포착할 수 있으며, 산업 간 공정한 비교평가를 가능하게 하며, 기술 간의 강력한 개연성을 보이는 결합을 정량화할 수 있다. 본 연구의 지표 체계는 기업의 혁신 특허 전략 수립, 기술 분야 혁신성평가 등 다양한 실무적 용도로 활용될 수 있으며, 향후 분석 범위 확대 및 정성적 평가의 심층화를 통해 고도화될 수 있을 것으로 기대된다.