在我國(guó)龐大的專利文獻(xiàn)數(shù)據(jù)中,存在很多在技術(shù)上取得重要突破的核心專利,這些專利能夠引領(lǐng)行業(yè)發(fā)展,促進(jìn)行業(yè)巨變,并帶來巨大的社會(huì)和經(jīng)濟(jì)價(jià)值。在專利公開早期能夠準(zhǔn)確地預(yù)測(cè)出這些專利,不僅有助于國(guó)家確定技術(shù)發(fā)展戰(zhàn)略方針,優(yōu)化政府部門決策,加快行業(yè)技術(shù)發(fā)展速度和提高國(guó)家技術(shù)競(jìng)爭(zhēng)力,也可以幫助企業(yè)在激烈的競(jìng)爭(zhēng)環(huán)境中發(fā)現(xiàn)市場(chǎng)機(jī)會(huì),發(fā)掘合作伙伴,并且通過市場(chǎng)專利購(gòu)買,圍繞核心專利提前布局專利網(wǎng)等方式優(yōu)化技術(shù)戰(zhàn)略,增強(qiáng)核心競(jìng)爭(zhēng)力,獲得市場(chǎng)先機(jī),從而有效減少企業(yè)研發(fā)成本,提高市場(chǎng)定位精度和收益。當(dāng)前眾多核心專利挖掘的研究方法上均存在一定程度的不足之處,如:采用德爾菲法、層次分析法等定性評(píng)價(jià)法,程序復(fù)雜、效率較低,過度依靠個(gè)人主觀判斷;布拉德福定律評(píng)價(jià)法基于對(duì)專利某一類別數(shù)量的統(tǒng)計(jì)結(jié)果,無法對(duì)單獨(dú)個(gè)體進(jìn)行定量分析,不利于個(gè)別核心專利的有效發(fā)掘;基于單一指標(biāo)或多指標(biāo)的方法僅采用外部指標(biāo)進(jìn)行識(shí)別預(yù)測(cè),需要人為確定專利特征,專利特征的提取也依靠數(shù)據(jù)庫(kù)的完整程度及個(gè)人經(jīng)驗(yàn),存在專利特征提取不充分等問題;而基于專利網(wǎng)絡(luò)等的研究中,多通過引文網(wǎng)絡(luò)、同族專利等專利的特有網(wǎng)絡(luò)結(jié)構(gòu)來發(fā)掘核心專利群或突破技術(shù),因此無法針對(duì)個(gè)別...

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1本研究的主要框架

第四節(jié)研究框架和章節(jié)結(jié)構(gòu)第一節(jié)核心專利的定義和識(shí)別方法

圖3.1AUC評(píng)價(jià)指標(biāo)示意圖

AUC(AreaUnderCurve)是衡量二分類模型優(yōu)劣的一種評(píng)價(jià)指標(biāo),如圖3.1所示,定義為ROC曲線下的面積,表示預(yù)測(cè)的正樣本排在負(fù)樣本前面的概率。AUC數(shù)值越大,預(yù)測(cè)效果越好。其中,ROC曲線是以真陽(yáng)性率(TPR)為縱坐標(biāo),偽陽(yáng)性率(FPR)為橫坐標(biāo)繪制的一條曲線。最....

圖3.2BFS和DFS示意圖

而Node2vec的主要?jiǎng)?chuàng)新之處在于改進(jìn)了隨機(jī)游走的采樣方式。如圖3.2所示,與圖的遍歷方式相同,隨機(jī)游走采樣方式也包括廣度優(yōu)先(Breadth-firstSampling,BFS)和深度優(yōu)先游走(Depth-firstSampling,DFS)兩種方式。BFS:偏向于在目標(biāo)....

圖3.3Node2vec的隨機(jī)游走方式

如3.3圖,對(duì)于一個(gè)隨機(jī)游走,假設(shè)已經(jīng)采樣(t,v)節(jié)點(diǎn),其中,v為當(dāng)前節(jié)點(diǎn),t為上一步采集的節(jié)點(diǎn)。則對(duì)于下一個(gè)采樣的節(jié)點(diǎn)x,作者通過設(shè)置一個(gè)節(jié)點(diǎn)之間的轉(zhuǎn)移概率進(jìn)行控制,如公式3.10與3.11,表示邊的權(quán)重,表示搜索偏置,d表示t和x之間的距離。當(dāng)d=0即節(jié)點(diǎn)x就是節(jié)點(diǎn)t時(shí),有....

本文編號(hào)：3921251