LLM을 활용한 특허의 Problem-Solution-Effect 추출 방법 개발 : 전기자동차 배터리 기술 진화 분석에의 적용 = Developing an LLM-Based Method for Extracting Problem–Solution–Effect from Patents: Application to the Evolution of Electric Vehicle Battery Technologies

국문 초록 (Abstract)

본 연구는 기술 진화의 인과적 구조를 정밀하게 규명하기 위해, 특허 문헌 내 Problem-Solution-Effect(PSE) 정보를 체계적으로 추출하는 대규모 언어 모델(Large Language Model, LLM) 기반의 분석 프레임워크를 제안한다. 제안된 프레임워크는 특허 명세서 고유의 구조적 복잡성과 서술적 이질성을 극복하기 위해 각 섹션의 특성에 최적화된 프롬프트 엔지니어링(Prompt Engineering)을 적용하였으며, 추출된 PSE 정보의 정합성과 논리적 일관성을 확보하고자 LLM-as-a-Judge 기반의 자동 검증 절차를 통합하여 고품질의 PSE 정보를 추출하도록 설계되었다. 본 프레임워크의 실효성을 검증하기 위해 전기자동차 배터리 기술을 대상 사례로 선정하여 실증 분석을 수행하였다. 구체적으로, 추출된 PSE 정보를 임베딩 및 군집화하여 시계열적 변화를 추적하고, 이를 통해 기술 발전의 양상을 지속형, 소멸형, 신규형의 주요 경로로 유형화하여 분석하였다. 분석 결과, 전기차 배터리 기술은 초기의 기초 구동 신뢰성 및 하드웨어 성능 확보 단계에서 중기의 소재 및 구 조적 한계 극복 과정을 거쳐, 최근에는 차체 일체형 플랫폼화와 데이터·AI 융합을 통한 지능형 에너지 생태계 고도화로 기술 패러다임이 근본적으로 전환되고 있음을 확인하였다. 본 연구는 기술 진화의 핵심 기제인 PSE 구조를 LLM을 활용하여 자동 추출 및 검증하는 방법론을 제시함으로써, 기술 전략 수립과 미래 유망 기술 탐색을 위한 정량적·정성적 분석의 토대를 마련하였다는 데 의의가 있다. 나아가 실제 산업 데이터를 활용한 실증 분석을 통해 본 프레임워크가 기술 변화의 구조적 흐름을 파악하고, R&D 우선순위 선정 및 전략적 의사결정을 지원하는 고도화된 분석 도구로서 실질적인 활용 가치를 지님을 입증하였다.

다국어 초록 (Multilingual Abstract)

This study proposes a Large Language Model (LLM)-based analysis framework that systematically extracts Problem-Solution-Effect (PSE) information from patent documents to precisely elucidate the causal structure of technological evolution. To address the structural complexity and narrative heterogeneity inherent in patent specifications, the proposed framework employs prompt engineering optimized for the specific characteristics of each section. Furthermore, it incorporates an "LLM-as-a-Judge" automated verification process to ensure the validity and logical consistency of the extracted data, thereby facilitating the retrieval of high-quality PSE information. To validate the effectiveness of the framework, an empirical analysis was conducted using electric vehicle (EV) battery technology as a case study. Specifically, the extracted PSE information was embedded and clustered to trace temporal changes, and the patterns of technological advancement were subsequently categorized into three primary evolutionary paths: sustaining, declining, and emerging. The analysis reveals that the technological paradigm of EV batteries has undergone a fundamental shift: originating from an initial focus on securing basic driving reliability and hardware performance, evolving through a phase dedicated to overcoming material and structural limitations, and currently transitioning toward integrated chassis platforms and the advancement of intelligent energy ecosystems driven by Data-AI convergence. The significance of this study lies in its proposal of a methodology that utilizes LLMs to automatically extract and verify the PSE structure—a core mechanism of technological evolution. In doing so, it establishes a solid foundation for both quantitative and qualitative analyses essential for formulating technology strategies and identifying promising future technologies. Furthermore, through empirical analysis leveraging real-world industrial data, this study demonstrates the framework's practical utility as a sophisticated analytical tool capable of capturing the structural trends of technological change and supporting R&D prioritization as well as strategic decision-making.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구의 배경 1
• 2. 연구의 목적 6
• 3. 연구의 구성 8
• Ⅱ. 이론적 배경 11
• 1. 특허의 구조 및 정보 11
• 1.1. 특허 명세서의 구조 11
• 1.2. 특허 구조별 내포 정보 13
• 2. Problem-Solution-Effect 구조의 체계 및 유형 정의 17
• 2.1. Problem-Solution-Effect 정보 구성 체계 17
• 2.2. BACKGROUND의 서술 방식 및 Problem 서술 유형 20
• 3. 대규모 언어 모델과 활용 28
• 3.1. Generative Pre-trained Transformer 28
• 3.2. Prompt Engineering 30
• (1) Instruction-based Engineering 30
• (2) In-Context Engineering 32
• 3.3. LLM-as-a-Judge 33
• 4. 군집화 알고리즘 37
• 4.1. K-means Clustering 37
• 4.2. Gap statics 38
• 5. 전기자동차와 배터리 40
• 5.1. 전기자동차의 발달 40
• 5.2. 전기자동차와 배터리와의 관계 42
• 6. 선행 연구 고찰 43
• 6.1. 기술 진화 분석 연구 43
• (1) 서지 정보 및 인용 네트워크를 활용한 정량적 분석 43
• (2) 텍스트를 활용한 내용 기반 분석 45
• 6.2. Problem-Solution 구조 기반 기술 진화 분석 연구 46
• 7. 선행 연구의 한계 및 본 연구의 의의 49
• III. 연구 방법론 51
• 1. 방법론의 개요 51
• 2. 데이터 수집 및 전처리 52
• 2.1. 특허 수집 52
• 2.2. 특허 전처리 53
• 3. Problem-Solution-Effect 추출 프레임워크 55
• 3.1. Problem Extraction 58
• (1) Problem Sentence Extraction from BACKGROUND 58
• (2) Problem Sentence Extraction from SUMMARY 66
• (3) Problem Summary 69
• 3.2. Solution Extraction 72
• (1) Solution Sentene Extraction 72
• (2) Solution Summary 76
• 3.3. Effect Extraction 79
• (1) Effect Sentence Extraction 79
• (2) Effect Summary 84
• 3.4. 성능검증 87
• (1) Problem Sentence Extraction Validation 87
• (2) Problem, Solution, Effect Summary Validation – 평가표 구축 88
• (3) Problem, Solution, Effect Summary Validation – 질문 증강 91
• (4) Problem, Solution, Effect Summary Validation – 평가 102
• 4. 기술 진화 분석 105
• 4.1. Embedding and Clustering 107
• 4.2. Evolution Analysis 108
• IV. 연구 결과 111
• 1. 성능 검증 111
• 1.1. Problem Sentence Extration Validation 111
• 1.2. Problem, Solution, Effect Summary Validation 112
• 2. Problem-Solution-Effect 추출 결과 116
• 3. 기간별 Problem-Solution-Effect 군집 분석 결과 121
• 3.1. Problem 125
• 3.2. Solution 130
• 3.3. Problem-Solution 134
• 3.4. Effect 141
• 4. 기술 진화 분석 결과 146
• 4.1. Problem to Solution Analysis 결과 146
• 4.2. Problem-Solution to Effect Analysis 결과 152
• V. 결론 158
• 1. 요약 158
• 2. 시사점 및 의의 161
• 3. 한계점 및 향후 연구계획 163