基于专利网络的技术演进研究方法探索

技术演进研究可用于梳理技术领域的发展脉络和内部技术活动的发展历史及现状,对政府和企业的科技战略管理具有重要意义。专利引文分析在技术演进研究中存在难以准确判断专利的技术主题相似度、分析的范围和潜在信息的丰富性有限等缺陷,而文本挖掘方法可以对专利的文本内容进行深度分析,能在一定程度上弥补专利引文分析的缺陷,因此探索将专利引文分析与文本挖掘方法相结合,在专利引用关系矩阵和专利文本相似度矩阵的基础上创建C-T（Citation-Text）专利网络,并对C-T专利网络进行聚类分析和可视化展示来研究技术的演进过程,旨在进行技术演进研究方法的创新,丰富技术演进研究的方法体系。     

基于主题强度突变检测的颠覆性技术识别

[研究目的]改进或丰富现有的颠覆性技术识别方法和相关实证研究,对于区域和企业创新战略规划,以及相关科技政策制定均具有积极的决策参考意义。[研究方法]在已有的颠覆性技术识别量化分析方法基础上,导入专利文本主题强度概念,通过主题强度变化来辅助识别技术演进中的热点主题,然后根据不同年份的时间序列数据,引入在水文和气象监测领域的BUT(Buishand U test)突变检测方法,并结合专利文本主题演进模式区分,提出了一个较新颖的颠覆性技术分析框架。[研究结论]在实证分析部分,将专利文本主题强度突变检测应用到了工业互联网领域,并识别出部分具有颠覆性潜力的技术主题,从而进一步丰富了当前有关颠覆性技术识别的方法体系。     

智慧城市背景下公众反馈大数据分析：概率主题建模的视角

以智慧城市背景下公众意见反馈内容分析为目标，基于概率主题建模的潜在狄利克雷分配模型，提出了从大规模公众反馈信息文本中提取政府或政策制定者可能关注的潜在主题及讨论热度时序分析的初步方法框架；对某城市公众反馈网络平台2006—2015年间产生的实际数据进行了案例分析，展示和验证了分析结果及方法框架的有效性。     

LDA模型在专利文本分类中的应用

对传统专利文本自动分类方法中,使用向量空间模型文本表示方法存在的问题,提出一种基于LDA模型专利文本分类方法。该方法利用LDA主题模型对专利文本语料库建模,提取专利文本的文档-主题和主题-特征词矩阵,达到降维目的和提取文档间的语义联系,引入类的类-主题矩阵,为类进行主题语义拓展,使用主题相似度构造层次分类,小类采用KNN分类方法。实验结果：与基于向量空间文本表示模型的KNN专利文本分类方法对比,此方法能够获得更高的分类评估指数。     

产业链视角下专利新兴技术主题识别

[研究目的]专利是技术信息的载体,以专利数据为研究对象,在产业链视角下进行技术主题提取及识别,从专利数据中识别新兴技术可以有助于把握新兴技术的发展动态。[研究方法]首先,根据产业链的概念和专利IPC分类号构建出产业链各个层级对应的专利集;然后,结合专利文本的特点提出EW-LDA主题模型,从词汇权重和语境两个角度对LDA主题模型进行改进,使用EW-LDA模型提取出产业链的各个层级中得技术主题;最后,根据专利文本及新兴技术的特点,从新颖度、热点度、关注度和增长率四个方面入手构建新兴技术主题识别指标,将技术主题分为新兴、热点、潜在、衰退和噪音五类。并在人工智能领域的专利数据上进行实验。[研究结论]结果表明,提出的EW-LDA主题模型具有更好的主题建模效果,产业链视角下的新兴技术主题识别方法可以有效的识别出新兴技术。     

中国智慧城市政策体系演化研究

智慧城市是信息技术创新应用并嵌入到社会服务与管理的智慧表现。本文构建基于“资源效用-技术结构-应用领域”的智慧城市政策工具分析框架,运用文本内容分析与社会网络分析方法对2011年以来我国智慧城市政策进行演进脉络、政策网络关系、阶段性共现主题词和政策工具分析。研究发现：（1）我国智慧城市政策经历了感知基础架构与顶层设计、智慧产业培育与创新驱动、智慧应用领域异构化发展三个演进阶段;（2）第一阶段政策主题涵盖政策目标、基础技术、政策特征和组织体系四个主题词群,第二阶段政策主题是产业结构优化与创新资源协同、创新驱动环境构建、技术标准化与评价,第三个阶段政策主题是数据深度融合、异构领域应用和政策作用效应;（3）我国智慧城市政策存在结构性非均衡,相较于演进初期衡稳使用的供给型政策工具,环境导向政策工具稳步增加,需求导向政策工具动态匹配;（4）相较于以供给型政策工具为主导的云计算支撑产业层,物联感知平台政策倾向于供给型与环境型组合效用,并深化推动与环境型政策工具适配耦合的智慧应用领域政策。     

基于专利的技术机会识别：深度学习领域的案例分析

为及时有效地识别潜在技术机会,采用文本挖掘和异常值检测的方法,提出一种基于专利文本的技术机会识别方法.首先采用文本表示模型Doc2vec技术对专利摘要进行建模,以更深层表征文本语义信息;然后利用基于密度的离群值检测算法,识别出具有潜在技术机会的专利方向;最后以深度学习领域潜在技术识别为例,构建专利检索式并收集458条专利文献作为数据集.实证结果总结出4类主题共10个潜在的技术机会,验证了该基于专利的技术机会识别方法的有效性,可为企业相应技术应用、研发和创新提供参考.     

快递物流领域技术热点研究——基于专利文本和网络文本的分析

以快递物流龙头企业的专利文本和网络文本为研究对象,对专利文本经过LDA模型提取主题,并依据主题划分结果归类为4个大的技术领域,将每个主题与网络文本进行相似度计算,得出与主题相关性较高的文本,从而对4个技术领域的发展进一步分析,研究分析得出了国内快递物流行业技术领域的发展趋势、热点和方向。     

基于专利和科技论文的技术机会识别研究——以金属3D打印技术为例

主要基于Web of Science科技论文和Derwent专利文献,利用SATI、SPSS等分析工具,提取文本关键词并构建相异共现矩阵,采用多维聚类方法识别研究热点主题。在继承和发展Naoki Shibata技术机会理论的基础上,通过对比科技论文和专利文献研究热点主题的差异来识别金属3D打印的技术机会。研究得出,科技论文和专利文献分别有4个研究热点主题,识别了两大类共4个技术机会。首次基于专利和科技论文研究金属3D打印的技术机会,开拓了金属3D打印的研究视野,对金属3D打印行业的企业战略决策具有指导作用。     

嵌入社会感知的技术热点主题识别与发展态势分析——基于微信公众平台视域

[目的/意义] 通过文献和专利进行文本挖掘获取技术热点主题的方法已逐步成熟,但相关研究未充分考虑社会公众对技术未来发展方向的影响。以社交媒体微信公众平台作为数据源,嵌入社会公众感知,可从更全面的视角识别技术热点主题并分析其发展态势。提出基于微信公众平台的技术热点主题识别与发展态势分析框架,弥补了现有方法未考虑社会公众对技术主题变化影响的不足。[方法/过程] 首先,通过微信传播指数（WCI）筛选可用于技术热点主题识别的微信公众平台。其次,采用文本挖掘的方法,应用LDA主题模型提取技术主题。然后,结合社会感知识别技术热点,并利用IPA分析法分析技术主题的发展态势。最后,以石墨烯技术为例进行实证分析以检验方法的可实施性和效果。[结果/结论] 识别出2015-2018年石墨烯技术热点,并结合社会感知视角定位出当前处于优势区、维持区、机会区、改进区的技术主题,实现对石墨烯技术热点的发展态势的分析与评价。     

基于人工智能专利图谱的技术热点发现以及演化分析

人工智能在近几年快速发展并成为最热门的技术之一,如能快速了解人工智能技术热点与发展态势,对抢抓人工智能发展的重大战略机遇与构筑先发优势具有重要意义。本文提出了一种基于专利可视化图谱发现技术热点的方法,即在连续时间窗口上绘制图谱,在此基础上运用密度分布变化来识别该领域技术热点。为了提升专利图谱的准确性,本文使用海量专利文本训练了基于深度学习的doc2vec模型,形成了专利文本特征抽取模型。经过实验对比发现该模型在测试数据集中表现远超经典的词袋模型与主题模型。在实例分析中使用了2012—2019年10457件三方人工智能专利进行热点发现,共发现研究热点7个,并对7个热点中关键概念词、专利申请人所属国家进行深入分析。     

基于LDA主题模型的专利内容分析方法

主题模型是一种有效提取大规模文本隐含主题的建模方法。本文将Latent Dirichlet Allocation(LDA)主题模型引入专利内容分析领域,实现专利主题划分,解决以往专利主题分类过于粗泛、时效性差、缺乏科学性等问题。并在原有模型基础上构建LDA机构-主题模型,对专利知识主体和客体联合建模,实现专利主题和机构之间内在关系分析。最后,以通信产业LTE技术领域为例,验证该模型可以有效用于专利主题划分,实现各主题下专利知识主体竞争态势测度。     

基于LDA模型和分类号的专利技术演化研究

[目的/意义] 运用概率主题模型全面研究专利文献主题演化,分析专利技术发展过程及趋势。[方法/过程] LDA模型按时间窗口对专利文本建模,困惑度确定最优主题数,按专利文本结构特性提取主题向量,采用JS散度度量主题之间的关联,引入IPC分类号度量技术主题强度,最后实现主题强度、主题内容和技术主题强度3方面的演化研究。[结果/结论] 实验结果表明：该方法能够深入挖掘专利文献的主题,可以较好地分析专利技术随时间的演化规律,帮助相关从业人员了解专利技术的演化过程及趋势。     

基于主路径分析的科技演化模式研究——以基因工程疫苗领域为例

同时分析科学与技术在时间和内容上的互动关系可以具体揭示二者关联规律，但目前缺乏相关研究，同时难以发现领域内核心主题。鉴于此，提出一种识别科技演化模式的方法，利用搜索路径节点对算法分别对科学文献和专利文献提取全局主路径，通过潜在狄利克雷分配主题模型并结合专家意见进行文本挖掘，提取科学研究与技术研究的重点主题，并基于主路径分析结果分别形成科学文献和专利文献的发展路径时间轴，通过计算主题间余弦相似度来衡量相似主题；此外，对科学文献与专利文献的相似主题基于主题词共现词频进行连接，以桑基图的形式呈现，从主题的角度识别科学与技术的关系，探讨领域内科学与技术之间的互动模式，并在此基础上综合考量科学与技术价值、挖掘核心技术。基于基因工程疫苗领域的实证结果显示，该领域大体上呈现科学研究和技术应用相互促进的模式，基因工程的基础技术发展促使基因工程疫苗可以应用于多种疾病领域，特别是抗感染领域，mRNA疫苗是新的研究热点。     

基于主路径分析的核心主题凸显及演化

[目的/意义]主路径上核心主题的演化可以反映行业发展方向，凸显行业热点技术并预测技术的未来发展，有效判断技术主题间的传承演变关系。[方法/过程]本研究构建一种凸显主路径上的核心主题及演化方法。该方法不同于文本挖掘和聚类，是基于引文网络主路径映射专利分类号的链接计数，通过专利的分类号替代技术主题在主路径上演化并计算节点的技术主题含量，以技术主题含量的变化凸显主路径上的核心主题及其发展历程。[结果/结论]展示有机发光二极管OLED的主题演化图，证实了该方法的合理性。     

基于失效（有效）专利文本聚类的技术主题演变研究

失效专利信息对技术主题研究具有重要价值， 而挖掘技术的普及让失效专利信息的充分利用成为可能。基于中文文本聚类，分别对失效专利、失效/有效专利、有效专利进行聚类分析，探索失效专利和有效专利之间的联系，运用桑基图（Sankey diagram）将结果可视化，根据专利流的走向来判断技术主题的新生、消亡及发展状况。并且，以LED封装产业专利数据为研究样本进行技术主题分析，结合产业文献验证分析结果的正确性。将专利的法律状态作为研究维度，为产业技术主题研究提供一种全新的观察角度和分析方法，也给企业充分挖掘失效专利信息提供新的思路和借鉴作用。     

基于技术同心多元化的企业研发合作伙伴识别与选择——以中药企业为例

提出一种基于企业技术同心多元化进行研发合作伙伴识别与选择的框架与方法,从企业现有技术能力、研发资源及其发展需求出发,为其定制可发展的技术方向和确定可开展合作研发的最佳伙伴。首先利用关联规则挖掘目标企业的同心多元化技术领域,然后利用LDA主题建模对候选研发合作伙伴的专利内容进行文本挖掘并划分为不同的技术主题,最后构建包括专业能力和合作能力两个维度的专利评价体系对候选合作伙伴进行评估,以确定每个技术主题下的最佳合作伙伴。进一步以天士力控股集团有限公司作为目标企业进行实证分析,研究表明上述框架与方法适用、有效。     

融合结构数据和语义的专利技术主题识别研究——以非小细胞肺癌治疗领域为例

针对专利技术主题识别方法存在缺少语义语境、可解释性弱和主题界定模糊等问题,提出了一种融合专利结构数据和文本语义的技术主题识别分析方法一并解决上述问题,有助于领域人员把握技术研究内容,为研发决策提供科学支持。方法以专利IPC作为结构数据改进纯文本主题建模获取由IPC和专家分类意见指导的主题词向量,同时使用word2vec获取语义词向量,将结果进行向量拼接,进而获得易于解释的精准技术主题,满足细粒度分析要求。最后,以非小细胞肺癌治疗领域作为实证研究,证实了该方法的科学性和实用性。     

基于专利主题演化的颠覆性技术识别研究——以类脑智能领域为例

【目的/意义】颠覆性技术具有隐蔽性和突变性，而技术主题在演化过程中会释放颠覆性趋势产生的早期信号，本文提出一种基于专利主题演化的颠覆性技术识别方法。【方法/过程】首先，基于S曲线法判断技术生命周期；其次，综合运用文本挖掘和社会网络分析方法识别技术主题的演化事件；最后，定义新主题出现、原主题趋热和多主题融合三类突变情况，用于识别具有颠覆性潜力的技术主题。【结果/结论】通过类脑智能领域专利实证，发现六个新出现主题、四个趋热型主题和六个融合型主题，通过专家判读，证明了所提方法的有效性，同时筛选出五项主题作为最终预测结果。【创新/局限】本文基于动态社区发现算法对技术主题的演化特征进行分析，进而基于主题突变性筛选颠覆性技术，但数据来源较为单一，将在未来研究中加以扩充。     

基于SAO结构语义挖掘的新兴技术演化轨迹研究

如何揭示具有颠覆性潜力的新兴技术形成过程中的技术性能渐进变化脉络和技术演化轨迹所具有的规律性特征,对于企业或国家来说是至关重要的研发战略议题。针对目前在新兴技术演化轨迹研究中存在的不足,即专利引文信息存在的滞后性且未反映专利文献中的非结构化文本内容,以及关键词不能深入反映专利文献表达的技术主题和揭示技术主题之间的关联关系等问题,在改进Subject-Action-Object(SAO)结构语义挖掘方法的基础上,提出基于SAO结构语义挖掘的新兴技术演化轨迹分析方法。该分析方法首先以专利文献为数据来源,利用文本挖掘方法抽取专利摘要中的SAO结构,构建基于SAO结构的"问题与解决方案"模型挖掘新兴技术专利文本中的语义信息;其次利用语义相似度算法对专利文本进行聚类,通过对新兴技术不同专利技术主题的SAO结构相似性来分析技术的形成与发展轨迹,揭示新兴技术形成过程中的技术性能渐进变化脉络和技术演化轨迹所具有的规律性特征。最后,用钙钛矿太阳能电池作为实证进行了研究,验证了该模型的可行性和有效性。