[目的/意義]對新興技術(shù)進(jìn)行識別,有助于跟蹤新興技術(shù)的最新發(fā)展動態(tài),為國家、企業(yè)、學(xué)術(shù)界提供最新的情報。[方法/過程]以專利數(shù)據(jù)為基礎(chǔ),利用文獻(xiàn)計量學(xué)和文本挖掘方法對納米載藥系統(tǒng)領(lǐng)域進(jìn)行了新興技術(shù)識別。首先,確定了識別體系中的四個指標(biāo):新穎性、持久性、社區(qū)性、增長性,并為四個指標(biāo)設(shè)定了相應(yīng)的篩選條件。與前人研究相比,考慮了主題擴(kuò)散和不同數(shù)據(jù)集增長模式的差異,使篩選條件更為完善;通過引入新興分?jǐn)?shù)和LDA主題模型分別得到了新興術(shù)語和新興主題,實現(xiàn)了在術(shù)語和主題兩個層面對新興技術(shù)的識別;使用指標(biāo)驗證法對得到的新興術(shù)語進(jìn)行了驗證,并與前人研究方法進(jìn)行了對比。[結(jié)果/結(jié)論]結(jié)果表明,該方法優(yōu)化了現(xiàn)有的新興技術(shù)識別模型。 

【文章來源】：情報雜志. 2020,39(06)北大核心CSSCI

【文章頁數(shù)】：7 頁

【部分圖文】：

新興技術(shù)識別模型

本文參考Rotolo[10]提出的新興屬性隨時間變化的趨勢圖,繪出4個指標(biāo)隨時間變化的S形曲線如圖2所示�？芍�,在新興過程中,持久性和社區(qū)性隨時間增長越來越明顯,新穎性和增長性在前期表現(xiàn)突出,隨時間的增長而減弱。1.2 指標(biāo)篩選條件的確定

本文不只從術(shù)語出現(xiàn)記錄數(shù)的變化進(jìn)行直接篩選[9],而且考慮術(shù)語所在的主題擴(kuò)散變化來進(jìn)行篩選。為了方便后續(xù)計算,我們首先要得到每年的主題-詞語分布以追蹤術(shù)語的主題擴(kuò)散情況。本文使用LDA主題模型來得到主題-詞語分布結(jié)果。LDA(Latent Dirichlet Allocation)是由Blei[21]提出的包含詞、主題和文檔的三層貝葉斯主題模型;每一篇文檔代表了一些主題所構(gòu)成的一個概率分布,而每一個主題代表了很多單詞所構(gòu)成的一個概率分布。為了確定主題的最佳個數(shù),本文采用困惑度作為評測指標(biāo)[22],確定本文中每年的文檔最佳主題數(shù)為K=10。通過將每年的語料庫導(dǎo)入LDA主題模型中,可得到每年的10個主題-詞語分布情況,進(jìn)而追蹤術(shù)語在10年里的主題擴(kuò)散情況,為篩去不滿足增長性標(biāo)準(zhǔn)(公式(6))的術(shù)語做準(zhǔn)備。得到術(shù)語主題擴(kuò)散情況之后,即可直接對四個屬性指標(biāo)的篩選條件進(jìn)行計算。

【參考文獻(xiàn)】：
期刊論文
[1]國外新興研究話題發(fā)現(xiàn)研究綜述[J]. 盧超,侯海燕,Ding Ying,章成志.  情報學(xué)報. 2019(01)
[2]基于LDA和戰(zhàn)略坐標(biāo)的專利技術(shù)主題分析——以石墨烯領(lǐng)域為例[J]. 伊惠芳,吳紅,馬永新,冀方燕.  情報雜志. 2018(05)
[3]從文獻(xiàn)分析看納米載藥技術(shù)領(lǐng)域的發(fā)展重點[J]. 姜菁菁,郭超,譚永宜.  山東化工. 2016(05)
[4]新興技術(shù)的掃描監(jiān)測——美國“科學(xué)論述的預(yù)測解讀”項目綜述[J]. 胡開博,陳麗萍.  情報理論與實踐. 2015(08)
[5]基于動態(tài)LDA主題模型的內(nèi)容主題挖掘與演化[J]. 胡吉明,陳果.  圖書情報工作. 2014(02)
[6]利用專利文獻(xiàn)識別新興技術(shù)主題的技術(shù)框架研究[J]. 王凌燕,方曙,季培培.  圖書情報工作. 2011(18)
[7]基于ANP的新技術(shù)產(chǎn)業(yè)化潛力評價研究[J]. 黃魯成,王吉武,盧文光.  科學(xué)學(xué)與科學(xué)技術(shù)管理. 2007(04)

碩士論文
[1]新興技術(shù)管理策略研究[D]. 魏國平.浙江大學(xué) 2006



本文編號：3468741