現(xiàn)有技術(shù)機(jī)會(huì)挖掘結(jié)果的應(yīng)用性較低,究其原因,一是樣本量較小,二是挖掘過(guò)程缺乏對(duì)技術(shù)應(yīng)用前景的評(píng)估.為解決這一問(wèn)題,以提升挖掘結(jié)果的應(yīng)用性為目標(biāo),以海量專(zhuān)利為樣本,在現(xiàn)有研究的基礎(chǔ)上,加入對(duì)技術(shù)應(yīng)用前景的評(píng)估,提出三維的專(zhuān)利預(yù)測(cè)模型.采用機(jī)器學(xué)習(xí)下的PLSA算法,結(jié)合Hadoop平臺(tái)下的MapReduce計(jì)算框架,運(yùn)用專(zhuān)利文本挖掘,構(gòu)建專(zhuān)利預(yù)測(cè)模型的技術(shù)維和功效維;采用熵權(quán)和TOPSIS法構(gòu)建專(zhuān)利預(yù)測(cè)模型的價(jià)值維;基于MapReduce計(jì)算框架填充專(zhuān)利預(yù)測(cè)模型的單元項(xiàng).并以DII數(shù)據(jù)庫(kù)中鈦領(lǐng)域1999～2018年133 508例專(zhuān)利文本為樣本應(yīng)用了專(zhuān)利預(yù)測(cè)模型.結(jié)果顯示,該模型在鈦領(lǐng)域內(nèi)共挖掘出了3個(gè)優(yōu)先級(jí)和2個(gè)次級(jí)的技術(shù)機(jī)會(huì),可以按優(yōu)先順序?qū)夹g(shù)機(jī)會(huì)進(jìn)行開(kāi)發(fā).該模型豐富了技術(shù)機(jī)會(huì)挖掘的方法,為創(chuàng)新主體指明了更為準(zhǔn)確和前景化的技術(shù)研發(fā)方向.

【文章頁(yè)數(shù)】：13 頁(yè)

【部分圖文】：

圖1專(zhuān)利預(yù)測(cè)模型構(gòu)建流程

在PTFM的基礎(chǔ)上,創(chuàng)新性的添加第三維——價(jià)值維.即價(jià)值維與技術(shù)維和功效維一起共同構(gòu)成三維的專(zhuān)利預(yù)測(cè)模型.專(zhuān)利預(yù)測(cè)模型是基于專(zhuān)利的、以價(jià)值為導(dǎo)向的、提供技術(shù)機(jī)會(huì)前景預(yù)測(cè)的技術(shù)應(yīng)用模型.專(zhuān)利預(yù)測(cè)模型的構(gòu)建流程如圖1所示.實(shí)驗(yàn)環(huán)境由3臺(tái)計(jì)算機(jī)搭建,在Java8.1環(huán)境中使用Pyth....

圖2基于MapReduce計(jì)算框架的單元項(xiàng)填充流程

專(zhuān)利預(yù)測(cè)模型中的單元項(xiàng)指處于相應(yīng)技術(shù)關(guān)鍵詞、功效關(guān)鍵詞和DMC交叉點(diǎn)上的專(zhuān)利組合.單元項(xiàng)填充,就是對(duì)具有相應(yīng)技術(shù)關(guān)鍵詞、功效關(guān)鍵詞和DMC坐標(biāo)點(diǎn)上的專(zhuān)利組合數(shù)量進(jìn)行的聚類(lèi)統(tǒng)計(jì).PTFM中單元項(xiàng)填充一般由技術(shù)關(guān)鍵詞和功效關(guān)鍵詞的共現(xiàn)矩陣確定,因此本文在沿用共現(xiàn)矩陣進(jìn)行專(zhuān)利聚類(lèi)的基礎(chǔ)....

圖3鈦領(lǐng)域的專(zhuān)利預(yù)測(cè)模型

根據(jù)已確定出鈦領(lǐng)域的技術(shù)維、功效維、價(jià)值維以及單元項(xiàng)填充結(jié)果,以技術(shù)維為x軸,功效維為y軸,價(jià)值維為z軸,結(jié)合單元項(xiàng)填充結(jié)果建立空間直角坐標(biāo)系搭建專(zhuān)利預(yù)測(cè)模型,并通過(guò)Origin2019b軟件實(shí)現(xiàn)可視化.由于在x軸和y軸上使用全文字標(biāo)注會(huì)導(dǎo)致三維專(zhuān)利預(yù)測(cè)模型不夠清晰,所以本文使....

圖4鈦領(lǐng)域的專(zhuān)利預(yù)測(cè)地圖

根據(jù)圖3,繪制鈦領(lǐng)域內(nèi)的專(zhuān)利預(yù)測(cè)地圖,如圖4所示.4.2鈦領(lǐng)域的技術(shù)機(jī)會(huì)挖掘

本文編號(hào)：3958710