As in many decision problems, data-driven selection of research and development (R&D) projects is drawing keen interests in the field of R&D project management. One of the central problems in such data-driven approaches is to accurately assess the prospect of a proposed proposal; which projects will succeed? This study presents a deep-learning-based model to predict the outcome of project proposals. We develop multi-input deep-learning models to consider both structured and unstructured data on project proposals and evaluate their effectiveness on outcome prediction. We apply our model to the national R&D project data from the Korean government. In particular, we use categorical and numeric data as well as text descriptions from project proposals to predict whether a funded project materializes into commercialization. The performance of model prediction is presented and the development possibility of the model is discussed.
R&D 과제를 데이터 기반으로 선정하는 것은 R&D 과제 관리 분야에서 큰 관심을 끌고 있다. 어떤 과제가 성공할 것인지 과제 제안서를 통해 과제의 가능성을 정확하게 평가하는 것은 데이터 기반의 방식에 있어서 중요한 문제이다. 본 논문에서는 과제의 성과를 예측하기 위해 정형 데이터와 비정형 데이터를 모두 고려한 딥러닝 기반의 모형을 제시하였다. 모형의 과제 성과 예측에 대한 성능을 검증하기 위해 제안한 모형을 국가 R&D 과제 데이터에 적용하였다. 특히 과제 제안서의 연속형, 범주형 데이터 뿐만 아니라 요약문에 대한 텍스트 데이터를 사용하여 제안된 R&D 과제의 사업화가 이루어지는지 여부를 예측하였다. 모형을 학습해 모형의 예측 성능을 검증하고, 간단한 예산 배분 모형에 적용함으로써 모형의 개발 가능성을 확인하였다.
