發(fā)布時間：2021-04-04 13:07

　　在十九大報告中強調(diào)要堅定實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略,加快建設(shè)創(chuàng)新型國家,而作為集經(jīng)濟(jì)性、法律性以及技術(shù)性為一體的專利文獻(xiàn)是實現(xiàn)創(chuàng)新驅(qū)動戰(zhàn)略的重要支撐之一,另外,專利是先進(jìn)科技信息的承載體,因此對于專利信息的分析是國家和企業(yè)實施創(chuàng)新驅(qū)動發(fā)展的第一助力,有利于國家和企業(yè)不斷提高自身“軟件”實力和創(chuàng)新能力,以及進(jìn)行產(chǎn)業(yè)布局和技術(shù)管理。但隨著海量的專利數(shù)據(jù)的出現(xiàn),如何從中快速識別核心技術(shù)和新興技術(shù)是國家和企業(yè)急需解決的問題。本文基于引文網(wǎng)絡(luò)分別從核心技術(shù)領(lǐng)域識別、核心專利識別以及新興領(lǐng)域發(fā)現(xiàn)進(jìn)行專利自動推薦關(guān)鍵技術(shù)研究。首先將專利按照IPC分類號的部進(jìn)行劃分,獲得技術(shù)領(lǐng)域之間的有向連接圖,然后計算各領(lǐng)域內(nèi)所含專利的被引次數(shù)之和作為權(quán)威因子矩陣,同時計算各領(lǐng)域在引用網(wǎng)絡(luò)中的中介中心性構(gòu)建中介因子矩陣,最后將這兩個矩陣帶入Page Rank算法中,獲得核心技術(shù)領(lǐng)域識別算法即PBR算法。其次,本文基于Page Rank算法,考慮專利的連接屬性（被引次數(shù)、專利年齡）和自身屬性（同族專利數(shù)量、權(quán)利要求數(shù)量）,引入了入度占比因子、時間因子、同族專利因子和權(quán)利因子,提出了改進(jìn)的Page Rank算法即PPR算法。... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

最大連通子圖

哈爾濱工業(yè)大學(xué)應(yīng)用統(tǒng)計碩士專業(yè)學(xué)位論文-31-圖5-1最大連通子圖5.2基于PBR算法的核心技術(shù)領(lǐng)域自動推薦技術(shù)本節(jié)將IPC分類號屬性引入所獲得的最大連通子圖中，然后按照IPC分類號的部對專利進(jìn)行劃分，可以發(fā)現(xiàn)，當(dāng)前引文網(wǎng)絡(luò)可以被劃分到7個部中，分別為A部、B部、C部、E部、F部、H部以及G部。圖5-2帶有IPC屬性的引文網(wǎng)絡(luò)圖5.2.1參數(shù)計算—確定權(quán)重本文應(yīng)用熵權(quán)法計算PBR算法加入的兩個因子矩陣的權(quán)重參數(shù)1和2.熵權(quán)法是一種客觀賦權(quán)算法，不受主觀因素影響，若某個指標(biāo)的變異程度越大，則對應(yīng)的信息熵就越小，那么可以表明該指標(biāo)含有的信息量也越多，換句話說該指標(biāo)在評價中具有較大的作用。因此指標(biāo)的信息熵越小，則權(quán)重也就越大，反之則權(quán)

哈爾濱工業(yè)大學(xué)應(yīng)用統(tǒng)計碩士專業(yè)學(xué)位論文-33-排名的相關(guān)系數(shù)雖然為0.75,但是沒有通過顯著性檢驗，其次，中介中心性排名結(jié)果與PBR算法排名結(jié)果相一致，說明PBR算法相比于PR算法充分考慮了被引次數(shù)和中介中心性對識別核心技術(shù)領(lǐng)域的重要性，具有優(yōu)勢性。本文依據(jù)PBR算法所獲得的的排名結(jié)果見表5-2，由表5-2可以發(fā)現(xiàn)PBR排名與PR排名相差較大的領(lǐng)域就是F部，F(xiàn)部為機械工程、照明、加熱、武器、爆破領(lǐng)域，可以看出該領(lǐng)域的專利在引文網(wǎng)絡(luò)中被引次數(shù)較高，可以在7個領(lǐng)域中排名第三，說明F部技術(shù)領(lǐng)域是航空、航天器設(shè)備制造業(yè)中較重要專利，其次F部在技術(shù)領(lǐng)域引用網(wǎng)絡(luò)中的中介中心性為0.17,排名第二，說明該技術(shù)領(lǐng)域是較為基礎(chǔ)的關(guān)鍵領(lǐng)域。因此說明PBR算法相比于PR算法可以挖掘出行業(yè)內(nèi)較為關(guān)鍵的基礎(chǔ)領(lǐng)域。表5-2PBR排名表IPC分類號PBR排名PR排名被引次數(shù)中介中心性B1117080.27F253580.17G32370.1H433730.03E54160.03A66280C7700本文還繪制了各技術(shù)領(lǐng)域?qū)?yīng)的PBR值和PR值的折線圖，見圖5-3。由圖5-3可以發(fā)現(xiàn)，PBR值的極差大于PR值的極差，在最開始分值相差較大，但隨著排名靠后，分值也逐漸接近，則說明PBR算法比PR算法的結(jié)果更具有差異性，可以更好的篩選出核心技術(shù)領(lǐng)域。圖5-3PBR值和PR值得分對比圖

【參考文獻(xiàn)】：
期刊論文
[1]基于加權(quán)流量介數(shù)中心性的路網(wǎng)脆弱性分析——以無錫市為例[J]. 杜佳昕,張豐,杜震洪,劉仁義.  浙江大學(xué)學(xué)報(理學(xué)版). 2020(02)
[2]網(wǎng)絡(luò)節(jié)點中心性與均衡性結(jié)合的作者網(wǎng)絡(luò)特征分析[J]. 馬蒙,李秀霞.  情報科學(xué). 2020(03)
[3]基于節(jié)點親密度的標(biāo)簽傳播重疊社區(qū)發(fā)現(xiàn)算法[J]. 梁世嬌,柴爭義.  云南大學(xué)學(xué)報(自然科學(xué)版). 2020(01)
[4]基于小世界網(wǎng)絡(luò)特性的核心技術(shù)識別研究——以石墨烯為例[J]. 戚筠,唐恒,石俊國.  情報雜志. 2020(02)
[5]基于專利的兩階段新興技術(shù)識別研究——以圖像識別技術(shù)為例[J]. 羅建,蔡麗君,史敏.  情報科學(xué). 2019(12)
[6]基于多維度專利指標(biāo)分析的優(yōu)勢技術(shù)領(lǐng)域識別研究[J]. 汪慶,朱欽磊,楊芳.  情報雜志. 2020(01)
[7]基于專利引文網(wǎng)絡(luò)的智能物流技術(shù)演進(jìn)路徑研究[J]. 曹蕾,來堯靜.  物流技術(shù)與應(yīng)用. 2019(10)
[8]基于PageRank的論文引用網(wǎng)絡(luò)關(guān)系挖掘[J]. 金潔,徐岳皓,劉振宇.  中國電子科學(xué)研究院學(xué)報. 2019(09)
[9]基于專利分析的食品行業(yè)技術(shù)創(chuàng)新研究[J]. 吳素春,胡青枝,王純陽.  湖北農(nóng)業(yè)科學(xué). 2019(15)
[10]新興技術(shù)概念辨析及其識別方法研究進(jìn)展[J]. 周萌,朱相麗.  情報理論與實踐. 2019(10)

博士論文
[1]若干社區(qū)發(fā)現(xiàn)算法研究[D]. 潘磊.南京大學(xué) 2014

碩士論文
[1]基于合作與引文網(wǎng)絡(luò)的學(xué)者學(xué)術(shù)影響力評價研究[D]. 劉凱玉.山東師范大學(xué) 2019
[2]基于專利引文的人工智能領(lǐng)域科學(xué)-技術(shù)關(guān)聯(lián)分析[D]. 郜夢蕊.南京大學(xué) 2019
[3]基于中心邊選擇的重疊社區(qū)發(fā)現(xiàn)算法研究[D]. 張方.吉林大學(xué) 2019
[4]網(wǎng)絡(luò)中心性、進(jìn)出口與國際碳排放研究[D]. 徐紹婷.浙江工商大學(xué) 2019
[5]核心專利識別綜合價值模型的構(gòu)建及實證研究[D]. 亢川博.吉林大學(xué) 2018
[6]基于文本向量表示學(xué)習(xí)的引文推薦方法研究[D]. 李飛.西北農(nóng)林科技大學(xué) 2018
[7]基于引文網(wǎng)絡(luò)的核心專利發(fā)現(xiàn)研究[D]. 張欣.山西大學(xué) 2017
[8]基于引文網(wǎng)絡(luò)的文獻(xiàn)在線推薦系統(tǒng)研究和實現(xiàn)[D]. 馬丙超.大連理工大學(xué) 2016
[9]基于專利引文網(wǎng)絡(luò)的技術(shù)科學(xué)圖譜分析[D]. 裴艷林.北京郵電大學(xué) 2016
[10]基于多因素的引文推薦策略研究[D]. 石杰.東北大學(xué) 2011



本文編號：3118090