發(fā)布時間：2022-01-25 14:09

　　從技術融合的角度識別產(chǎn)業(yè)未來的技術機會可以幫助企業(yè)及時調(diào)整研發(fā)戰(zhàn)略,更加高效地開展研發(fā)工作。因此,本文基于專利數(shù)據(jù)挖掘技術構建了一種技術融合識別預測模型。模型通過Apriori算法構造IPC共現(xiàn)網(wǎng)絡,應用Louvain聚類算法將網(wǎng)絡劃分為不同的技術社群,并基于LDA主題模型發(fā)掘各社群的技術主題,通過構建"社群融合潛能"和"技術融合價值"兩項指標評估了社群弱關系的融合價值,并將融合價值較高的弱關系組成技術融合預測網(wǎng)絡,通過提取主題詞來發(fā)掘未來的技術機會。本文以電動汽車產(chǎn)業(yè)為例對該模型進行了實證。 

【文章來源】：圖書館雜志. 2019,38(10)北大核心CSSCI

【文章頁數(shù)】：12 頁

【部分圖文】：

電動汽車IPC共現(xiàn)網(wǎng)絡

槎萉等于0.3083，Q值大于0.3，表明該社群結構是顯著的。從圖中可以看到，所有節(jié)點被劃分成了3個不同的社群，分別用藍、黃、綠3種顏色標識，各社群的具體節(jié)點見表5。2.2基于LDA的社群技術主題挖掘在得到IPC共現(xiàn)網(wǎng)絡的各個技術社群后，筆者利用LDA模型識別每個技術社群所隱含的技術主題。LDA模型即隱含狄利克雷模型，是一種效果較好的概率主題分布模型，在2003年由Blei等人提出[19]。在識別各技術社群所隱含的技術主題時，首先要遍歷專利數(shù)據(jù)集，將各篇專利文獻歸入不同的技術社群，分配依據(jù)為：若一篇文獻圖3電動汽車IPC社群網(wǎng)絡慎金花閆倩倩孫喬宣萬召侗：基于專利數(shù)據(jù)挖掘的技術融合識別與技術機會預測研究——以電動汽車產(chǎn)業(yè)為例ShenJinhua,YanQianqian,SunQiaoxuan,WanZhaodong:ResearchonTechnologyFusionRecognitionandTechnologyOpportunityPredictionBasedonPatentDataMining99

00521*0.500.50*0.42080.6753=0.6231。3.4未來技術機會發(fā)現(xiàn)為發(fā)掘多技術融合所蘊含的技術機會，在計算完畢各弱關系的技術融合價值后，取排名靠前的弱關系組成技術融合預測網(wǎng)絡。該預測網(wǎng)絡可能由一個或多個相對獨立的子網(wǎng)絡所組成，以各個子網(wǎng)絡為研究對象，分析其網(wǎng)絡結構，并再次應用LDA算法對子網(wǎng)絡所對應的專利文獻進行主題挖掘，即可發(fā)現(xiàn)多技術融合所帶來的技術機會。將表8所示的4條弱關系，即G05D003-B60L011、G05D001-B60L011、G06F007-B60L011和G06F017-B60L011組成融合預測網(wǎng)絡，得到圖5所示的結果，該網(wǎng)絡中不包含獨立的子網(wǎng)絡，由B60L011連接其他四個節(jié)點形成一個整體。對預測網(wǎng)絡所對應的39篇專利文獻應用LDA進行主題詞提取，將主題數(shù)設為1，排除一些通用詞后，最終得到30個主題詞如表9所示。圖5融合預測網(wǎng)絡結合主題詞及主題詞對應的專利文獻來看，所預測技術融合的主題主要涉及：通過對監(jiān)測（monitoring、measurement）得到的數(shù)據(jù)信號（value、data、signal/signals）的計算或預測處理（threshold、limit、receiving、input、output、determined、point、feed、difference、calculated、forecast），基于用戶（user、driver）請求（demand、required、request）或其他目標指令（target、instruction、command），根據(jù)不同的條件因素（condition、factor），如位置、路線（position、route）等因素，執(zhí)行不同的響應或控制（response、control）操作，如超馳控制（override）、換擋（shif）、減速/剎車（deceleration、breaking）、充電控制（charge）、牽引力控制（traction）、啟動/停止控制（start/starting、stop）、語音提醒（sound、artificial）等。其具體應用包括，電動車輛行

【參考文獻】：
期刊論文
[1]技術融合視角下新興技術識別研究[J]. 周磊,楊威,王芮.  科技進步與對策. 2018(15)
[2]基于專利挖掘的突破性創(chuàng)新識別框架研究[J]. 周磊,楊威,張玉峰.  情報理論與實踐. 2016(09)
[3]競爭情報視角下突破性創(chuàng)新的識別思路[J]. 周磊,楊威.  情報雜志. 2015(01)
[4]IPC聚類分析與TRIZ相結合的專利群規(guī)避設計方法與應用[J]. 江屏,王川,孫建廣,檀潤華.  機械工程學報. 2015(07)
[5]基于專利共類的信息與生物技術融合趨勢分析[J]. 黃魯成,黃斌,吳菲菲,苗紅.  情報雜志. 2014(08)

碩士論文
[1]基于LDA模型的專利文本分類及演化研究[D]. 勒孚剛.江西理工大學 2017
[2]復雜網(wǎng)絡中社團發(fā)現(xiàn)算法的研究[D]. 馬瑞瓊.電子科技大學 2015



本文編號：3608676