【摘要】：[目的/意義]基于文獻(xiàn)計(jì)量學(xué)的新興技術(shù)預(yù)測方法能夠避免現(xiàn)有德爾菲法的專家依賴性,但是文獻(xiàn)所屬技術(shù)領(lǐng)域的劃分仍需依據(jù)領(lǐng)域知識設(shè)計(jì)復(fù)雜的檢索式。[方法/過程]提出了一種基于機(jī)器學(xué)習(xí)和時間序列預(yù)測的新興技術(shù)預(yù)測方法,LDA主題模型與SVM(支持向量機(jī))分類模型連用的機(jī)器學(xué)習(xí)方法解決了海量論文摘要數(shù)據(jù)按照新興技術(shù)類別的多分類,通過ARIMA(差分自回歸移動平均模型)模型對時序論文未來數(shù)量的預(yù)測,分析以技術(shù)為驅(qū)動力的新興技術(shù)發(fā)展趨勢。[結(jié)果/結(jié)論]最后,以機(jī)器人技術(shù)為例,提取Web of Science(WOS)論文數(shù)據(jù)庫上萬條數(shù)據(jù),對7個新興領(lǐng)域發(fā)展趨勢進(jìn)行預(yù)測,為新興技術(shù)預(yù)測工作提供有益的數(shù)據(jù)和方法支持。
[Abstract]:[objective / significance] the new technical prediction method based on bibliometrics can avoid the expert dependence of the existing Delphi method, but the division of the technical domain to which the literature belongs still needs to design the complex retrieval formula according to the domain knowledge. [methods / process] A new technology prediction method based on machine learning and time series prediction is proposed. The machine learning method used by LDA topic model and SVM (support Vector Machine) classification model solves the multi-classification of massive paper abstract data according to new technology categories, and forecasts the future number of time series papers by ARIMA (differential autoregression moving average model) model. The development trend of new technology driven by technology is analyzed. [results / conclusion] finally, taking robot technology as an example, tens of thousands of data from Web of Science (WOS) paper database are extracted, and the development trends of seven new fields are predicted, which provides useful data and method support for the prediction of new technologies.
【作者單位】： 華中科技大學(xué)機(jī)械科學(xué)與工程學(xué)院;華中科技大學(xué)生命科學(xué)與技術(shù)學(xué)院;清華大學(xué)公共管理學(xué)院;
【基金】：國家自然科學(xué)基金“支持技術(shù)預(yù)見的多源異構(gòu)大數(shù)據(jù)融合與時序文本預(yù)測方法研究”(編號:91646102)研究成果之一;國家自然科學(xué)基金“面向2035的中國工程科技發(fā)展路線圖繪制理論與方法研究”(編號:L1624045)研究成果之一;國家自然科學(xué)基金“面向2035的中國工程科技發(fā)展路線圖應(yīng)用案例及軟件研究”(編號:L1624041)研究成果之一;國家自然科學(xué)基金“2035發(fā)展戰(zhàn)略文獻(xiàn)計(jì)量與專利分析方法研究”(編號:L1524015)研究成果之一;國家自然科學(xué)基金“示范項(xiàng)目對產(chǎn)業(yè)技術(shù)軌道的作用機(jī)理研究——以新能源汽車和新能源產(chǎn)業(yè)為例”(編號:71203117)研究成果之一
【分類號】：G353.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 劉宇飛;周源;廖嶺;;大數(shù)據(jù)分析方法在戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)預(yù)見中的應(yīng)用[J];中國工程科學(xué);2016年04期

2 王志玲;王云飛;;基于文獻(xiàn)計(jì)量方法的技術(shù)評價——以深水鉆井平臺動力定位技術(shù)為例[J];中國科技信息;2016年10期

3 李湘東;高凡;丁叢;;LDA模型下不同分詞方法對文本分類性能的影響研究[J];計(jì)算機(jī)應(yīng)用研究;2017年01期

4 李欣;黃魯成;;基于文獻(xiàn)計(jì)量和專利分析的戰(zhàn)略性新興產(chǎn)業(yè)研發(fā)競爭態(tài)勢研究——以O(shè)LED產(chǎn)業(yè)為例[J];科技管理研究;2016年08期

5 魏芳芳;段青玲;肖曉琰;張磊;;基于支持向量機(jī)的中文農(nóng)業(yè)文本分類技術(shù)研究[J];農(nóng)業(yè)機(jī)械學(xué)報;2015年S1期

6 蕭莉明;于寬;蔡s，

本文編號：2501238