現有技術機會挖掘結果的應用性較低,究其原因,一是樣本量較小,二是挖掘過程缺乏對技術應用前景的評估.為解決這一問題,以提升挖掘結果的應用性為目標,以海量專利為樣本,在現有研究的基礎上,加入對技術應用前景的評估,提出三維的專利預測模型.采用機器學習下的PLSA算法,結合Hadoop平臺下的MapReduce計算框架,運用專利文本挖掘,構建專利預測模型的技術維和功效維;采用熵權和TOPSIS法構建專利預測模型的價值維;基于MapReduce計算框架填充專利預測模型的單元項.并以DII數據庫中鈦領域1999～2018年133 508例專利文本為樣本應用了專利預測模型.結果顯示,該模型在鈦領域內共挖掘出了3個優(yōu)先級和2個次級的技術機會,可以按優(yōu)先順序對技術機會進行開發(fā).該模型豐富了技術機會挖掘的方法,為創(chuàng)新主體指明了更為準確和前景化的技術研發(fā)方向.

【文章頁數】：13 頁

【部分圖文】：

圖1專利預測模型構建流程

在PTFM的基礎上,創(chuàng)新性的添加第三維——價值維.即價值維與技術維和功效維一起共同構成三維的專利預測模型.專利預測模型是基于專利的、以價值為導向的、提供技術機會前景預測的技術應用模型.專利預測模型的構建流程如圖1所示.實驗環(huán)境由3臺計算機搭建,在Java8.1環(huán)境中使用Pyth....

圖2基于MapReduce計算框架的單元項填充流程

專利預測模型中的單元項指處于相應技術關鍵詞、功效關鍵詞和DMC交叉點上的專利組合.單元項填充,就是對具有相應技術關鍵詞、功效關鍵詞和DMC坐標點上的專利組合數量進行的聚類統計.PTFM中單元項填充一般由技術關鍵詞和功效關鍵詞的共現矩陣確定,因此本文在沿用共現矩陣進行專利聚類的基礎....

圖3鈦領域的專利預測模型

根據已確定出鈦領域的技術維、功效維、價值維以及單元項填充結果,以技術維為x軸,功效維為y軸,價值維為z軸,結合單元項填充結果建立空間直角坐標系搭建專利預測模型,并通過Origin2019b軟件實現可視化.由于在x軸和y軸上使用全文字標注會導致三維專利預測模型不夠清晰,所以本文使....

圖4鈦領域的專利預測地圖

根據圖3,繪制鈦領域內的專利預測地圖,如圖4所示.4.2鈦領域的技術機會挖掘

本文編號：3958710