基于SimCSE-LDA和异常检测的颠覆性技术识别方法——以农业机器人为例

目的/意义]识别颠覆性技术有助于在制定研发和市场战略布局中获得首发优势，如何在大数据背景下综合提高颠覆性技术识别的精准率、召回率和识别效率至关重要。方法/过程]结合机器学习与专家知识，首先，构建SimCSE-LDA语义相似度表征模型，以深入挖掘专利摘要中隐含的关键技术主题，实现更深层次的显著特征主题识别，并通过聚类效果评价指标检验其识别效果，进一步结合专家知识判定关键技术主题名称，对主题间内在联系判定，最终识别出关键技术。其次，运用突变性表征颠覆性技术内在特质，基于CBLOF算法对关键技术主题进行异常检测，将计算得到的技术主题异常分数作为判断技术突变程度的依据，从而识别出颠覆性技术。最后，结合领域专家知识和《中国制造2025》验证颠覆性技术识别效果。结果/结论]以农业机器人为例，以德温特专利数据库的DWPI英文改写专利摘要文本为数据源，进行实证分析，验证了该颠覆性技术识别方法的可行性与有效性。