基于专利视角的企业潜在竞争与合作关系预测——以钙钛矿型太阳能电池为例

企业竞争合作关系的判断基础之一在于技术专利的相关性。鉴于专利数量激增所带来的技术迭代加快，技术生命周期性所带来的技术分层、演化、共现关系逐渐清晰，基于技术生命周期所进行的有关潜在关系预测更能在时间维度上刻画企业的潜在竞合关系。不同于以往研究，结合协同过滤思想与技术生命周期理论，计算企业技术与有关专利相似度，以钙钛矿型太阳能电池为例，将隆华科技集团（洛阳）股份有限公司作为目标企业，基于word2vec词向量模型与LDA模型对专利文本进行数据挖掘与语料库扩充，构建梯度系数进行竞合强度判断；同时，利用推荐算法拟合出相似企业并对企业未来发展技术进行推荐，继而预测企业间潜在的竞合关系。结果表明：在钙钛矿型太阳能电池领域，基于时间维度上的协同过滤思想适用于企业间潜在竞合关系判断，预测结果也通过实证检验；基于专利视角，企业间的竞合关系可分为潜在强合作型、潜在弱合作型、潜在强竞争型和潜在弱竞合型。     

粤港澳大湾区专利合作申请网络结构及链路预测

[目的]基于专利合作申请网络及链路预测,一方面揭示粤港澳大湾区创新网络的结构特征,一方面挖掘科技主体间未来合作的可能性。[方法]基于粤港澳大湾区2016—2020年产学研合作申请专利数据构建无向加权网络,分析网络特征;使用AdamicAdar指标对大湾区专利技术合作机会进行链路预测。该方法能够明确现有合作网络情况,提升合作预测准确率和效果,更好地进行关联推荐,进一步提升湾区创新效率。[结论]湾区城市间合作网络呈现显著的边缘核心结构;湾区内申请人合作网络稀疏,小世界特征不显著;预测结果发现:湾区内产学研合作机会较多,区域内城市间合作机会较少,主要集中在核电领域。     

专利前沿技术主题识别及趋势预测方法 ——以人工智能领域为例

[目的/意义]产业变革快速演进,技术创新成为驱动社会经济发展、提高国家和企业科技竞争力的关键所在,如何对前沿技术进行识别和预测,成为国家科技政策研究和企业技术创新活动关注的热点。[方法/过程]以人工智能作为重点研究领域,首先以LDA模型进行技术主题抽取,并结合K-means算法进行专利文本聚类;在此基础上,以Z分数表示技术主题创新度,以Sen's斜率估计技术主题授权趋势,两个指标结合形成技术主题前沿度并将二者映射到二维空间,识别前沿技术主题以及划分技术主题类型;再,计算前沿技术主题的新颖度和关注度,二者融合形成技术主题趋势度指标;最后,采用三次指数平滑法对前沿技术主题的发展趋势进行预测。[结果/结论]人工智能领域的前沿技术主题有“智能家居”“电动汽车”和“自动化控制系统”,其中“智能家居”在未来3年的发展呈下降态势,而“电动汽车”和“自动化控制系统”的发展呈明显上升趋势。     

一种专利共类与深度学习模型结合的技术融合预测方法研究

[目的/意义]作为科技创新的重要手段,技术融合预测对于改进技术研发的策略选择具有重要参考和借鉴意义,文章提出一种专利共类与深度学习模型结合的技术融合预测方法,以提高预测结果的准确性和可靠性。[方法/过程]以燃料电池技术为例,首先采用关联规则挖掘算法识别专利数据中具有强关联的IPC频繁项集,计算技术相对相似度,基于AP聚类算法进行技术聚类;然后运用生成式拓扑映射算法识别其中技术融合点,构建训练数据集和测试数据集。最后基于深度学习模型进行学习训练,预测燃料电池技术未来可能出现的技术融合。[结果/结论]这种方法在准确率和召回率上表现优异,可以快速、客观地识别技术融合,为技术创新的智能决策和预测提供支持和帮助。     

融合内容相似度和路径相似性的潜在作者合作关系挖掘

[目的/意义]科学论文的作者合作是科研合作的显著表现形式之一,挖掘和识别潜在作者合作关系,有利于推动科研合作、促进科学进步和发展。[方法/过程]在作者关键词耦合分析方法衡量内容相似度的基础上,融入一定权重的链路预测中基于网络结构的路径相似性指标,综合运用作者研究内容相似度和合作网络结构相似性进行潜在作者合作关系挖掘。[结果/结论]以我国生物医学领域近5年的中文期刊论文作者为对象进行实证分析,结果表明该综合挖掘方法效果相对较好且对既有作者合作关系未来发展的可持续性具有预测意义。     

专利寿命视角下潜在高价值专利识别方法研究

[研究目的]基于专利寿命视角,探究潜在高价值专利识别方法,快速精准识别早期高价值专利。[研究方法]结合已有专利价值评估的相关研究,构建潜在高价值专利评估指标体系;以无线网络通信技术领域为例,构建潜在高价值专利识别指标数据集;采用Lasso回归对指标进行约简,构建潜在高价值专利识别特征集;采用机器学习生存预测算法构建专利生存风险预测模型,根据设置的生存风险评分阈值,实现潜在高价值专利识别。[研究结论]构建了基于专利寿命视角的潜在高价值专利识别模型,并且以无线网络通信技术领域专利数据验证了模型的有效性和可靠性,证明该模型可以较好地识别早期高价值专利,有利于企业和决策部门较早进行高价值专利的定向培育。     

基于多元融合的企业技术创新合作预测方法研究

合理的技术创新合作预测方法是企业寻找合适的技术创新合作伙伴以提升技术创新绩效的有效手段。论文基于企业专利数据,构建专利所有权人共现网络,应用Katz指标计算企业之间的路径相似性,应用TF-IDF算法构建企业关键词向量,结合余弦相似性计算企业之间的内容相似性,应用社会网络分析方法中的中心性指标计算企业的位置相似性,将三者进一步融合得到企业之间合作的潜在可能性。通过对石墨烯领域企业专利数据分析预测企业间合作的可能性,证实该方法有效,AUC指标值为0.7242,优于单一指标相似性推荐方法,能够提升合作推荐中合适匹配的精确度。     

融合专利与论文信息的内容挖掘和引用基础的企校创新合作推荐研究

[目的/意义]随着科技发展，创新成为企业的立身之本，推进企校合作有助于企业在市场竞争中占有一席之地。[方法/过程]构建了融合专利与论文信息的内容挖掘和引用基础的组合相似度计算的企校合作推荐模型，组合相似度计算包括细分领域分类代码、关键词和引用基础3个维度。并利用我国人工智能领域前50强企业同高校之间的合作推荐做实证分析，且从比较研究和结果分析两个角度进行验证。[结果/结论]企校创新合作机构推荐模型能够取得较好的结果，有助于企业寻找具体研究领域的恰当高校合作机构，在一定程度上能够促进我国企校机构间深度合作，推动企校机构创新共赢。     

基于高阶网络的三元技术融合过程和预测研究

[目的/意义]多技术融合已成为当前科技创新的重要特征,开展多元技术融合过程和预测研究,识别技术融合的趋势和规律,有助于支撑国家战略决策、企业研发策略制定。[方法/过程]提出一种基于高阶网络的技术融合预测方法,通过三元技术融合过程分析和高阶链路预测,预测特定领域的多元技术融合。首先,以专利分类号为节点,采用单纯复形方法构建专利技术高阶网络;其次,结合边的形成和加强,分析三节点组的形态和三角形闭包事件的过程;最后,构建训练集和测试集,从12个模型中获得效果最佳的相似性指标,开展三元技术融合预测。[结果/结论]以人工智能领域进行实证研究,发现边的加强对于三角形闭包事件具有重要意义,成功预测了F16M、G06F、G06N等三节点组发生三元技术融合,验证了方法的有效性。     

基于随机森林算法的潜在高价值专利预测方法研究

【目的/意义】为了支持高价值专利培育工作开展,面向潜在高价值专利预测的需求,提出基于随机森林算法的潜在高价值专利预测方法。【方法/过程】梳理现有研究,选择用于潜在高价值专利预测的指标,构建基于随机森林算法的潜在高价值专利预测模型。使用“语音信号识别”领域的19647条专利进行实证分析,模型预测准确率达96.01%。【结果/结论】目前适于从海量早期申请中发掘潜在高价值专利的方法研究较少,本方法能够在专利申请早期发挥作用,同时具有预测准确率高、处理数据量大、模型可解释性好的优点。     

基于共同评分的协同过滤算法

协同过滤是目前电子商务推荐系统中使用最广泛最成功的一种个性化推荐算法.受数据稀疏性影响,传统协同过滤算法在较小共同评分项集上计算出的相似度不能准确反映用户间的相似关系,严重影响了推荐系统的精度.针对该问题,在分析共同评分分布及其与相似度关系的基础上,提出了基于共同评分的协同过滤算法,无须计算相似度,直接将共同评分作为最近邻选择标准.MovieLens实验表明该算法能明显提高预测结果的准确性和覆盖率.     

融合用户画像与协同过滤的知识付费平台个性化推荐模型

[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。     

融合专利类别与语义信息的企业潜在技术关系测算方法研究

[目的/意义]识别潜在技术关系对企业寻找竞合对象、提升创新能力具有重要意义。研究提出一种融合专利类别与语义信息的企业潜在技术关系测算方法,有助于判断企业之间的技术重叠、补充和匹配程度。[方法/过程]首先,建立企业—IPC—专利文本三层映射矩阵,统计企业之间的IPC交集、补集等数据;其次,基于IPC和专利文本分别计算企业在类别和语义维度上的指标,实现在相同层级上计算企业的技术相似度和互补度;最后,计算技术匹配度,建立企业技术匹配度矩阵,进行可视化展示。[结果/结论]对24家上市公司进行实证分析,结果表明,该方法优于单一维度的测算方法,可用于判断企业之间的技术匹配情况。后续将纳入科研院校等机构类型,深入挖掘机构之间的技术相似点、互补点,利用复杂网络等工具展示互补的方向性,并考虑扩展应用场景,进一步提升该方法的情报价值。     

基于网络结构特征的技术创新合作网络链路可预测性研究

[目的/意义]网络链路的可预测性问题是复杂网络的研究前沿。文章对技术创新合作网络链路的可预测性进行探究,为技术创新合作对象的预测和推荐提供支撑。[方法/过程]构建基于专利的海洋工程装备技术创新合作网络,采用复杂网络方法对比研究技术创新合作网络与经典复杂网络的结构特征,探究网络链路的可预测性,并在此基础上对网络结构特征与网络链路的可预测性间的关系进行挖掘。[结果/结论]研究发现,基于专利的海洋工程装备产业技术创新网络的链路是可预测的,网络的结构特征与链路预测的实际效果之间存在可量化关联性。     

基于改进技术相似度计算的竞争对手辨别研究

[研究目的]精准辨别竞争对手,有助于企业客观分析自身所处竞争局面,为其制定差异化竞争策略提供决策支持。[研究方法]首先以专利说明书中技术背景、技术方案、技术功效为研究文本,在融入权重的基础上,计算目标-对手企业单件专利个体技术相似度;然后依质量对专利进行核心、重点、一般分类,在融入专利质量、个体技术相似度、行业分类代码、IPC分类号的基础上,计算目标-对手企业整体技术相似度,并通过构建整体技术相似度-专利平均质量战略坐标,对竞争对手进行辨别分类;最后以人工智能为研究领域、以百度为目标企业验证了本方法的可行性和有效性。[研究结论]通过融入专利情境、优化技术相似度计算方法,能够更加全面、细腻、准确地辨别竞争对手,使辨别结果更加贴近企业所处的行业竞争实际环境,契合企业制定竞争策略的实际需求。     

专利分类号耦合分析在企业潜在合作关系识别中的应用

[目的/意义]企业间的技术相似性能否转化为现实的合作关系,专利耦合所揭示的潜在关联究竟预示着合作还是竞争,这些问题需要在实证研究中寻找答案。[方法/过程]以德温特专利分类号为媒介构建专利耦合网络,采用可视化和因子分析方法考察企业的技术相似性及其聚类结构、发掘技术派系及其研究方向,对专利耦合网络与现实合作网络进行比较。[结果/结论]单纯的技术相似性不能作为潜在合作关系的有效判定依据,基于专利耦合形成的潜在合作关系难以转化为现实,社会关系因素对于专利合作的影响程度远甚技术相似性。     

一种融合了基于朴素贝叶斯算法与情境感知的协同推荐系统——以大学图书馆实体图书推荐为例

[目的/意义]将情境感知技术引入图书馆以提高服务的智能化，已成为数字图书馆的发展趋势之一。为了提高情境感知模型中推荐结果的准确度。[方法/过程]本文研究并提出了一种融合了朴素贝叶斯算法与情景感知功能的协同推荐模型，并通过实验对推荐效果进行了评估。具体为：首先，获取用户的当前任务和情景信息，同时提取历史信息库用户的行为偏好；其次基于属性加权贝叶斯算法计算用户的行为相似度，继而进行协同推荐；通过计算目标情景中所有情景属性对所推荐资源的影响的权值，对协同推荐所得评分进行加权处理，形成最终的预测预测；最后通过实验对模型进行检验。[结果/结论]结果表明：使用该模型得出的推荐结果优于传统的协同推荐结果。因此该模型能够更好地为为个性化信息服务提供支持。     

基于专利网络节点重要性的核心专利识别方法研究

[研究目的]综合考虑专利节点度数及其邻域专利节点对(node pair)间的相似程度,定义并计算专利节点在网络中的结构重要性,从网络科学视角完善专利价值评价与核心专利识别方法。[研究方法]基于专利四种基本引用关系构建专利综合引用网络;利用网络节点度数及其邻域节点对的相似度量化表征其局部网络结构重要程度,以此为依据提出专利节点重要性评价指标PNII,进行核心专利识别;从复杂网络视角,利用传染病传播动力学模型(SIR)计算专利节点的实际传播影响力,以此为判据比较PNII和其他网络中心性指标在不同传播概率和不同节点比例下的识别效果。[研究结论]结果表明,基于专利网络节点重要性的PNII指标相较一般的网络中心性指标更加科学,核心专利识别结果更加准确;基于传染病传播动力学模型的评价方法,在一定程度上解决了核心专利识别结果评价难题。     

一种有效缓解数据稀疏问题的协同过滤推荐算法

传统协同过滤推荐算法依据共同评分项目计算用户相似度, 进而产生推荐项目。然而, 随着用户和商品数量的不断增加, 用户共同评分的项目会越来越少, 甚至没有, 因此传统协同过滤推荐算法对用户之间相似度的衡量将会越来越不准确, 从而影响推荐系统的性能。针对这一问题, 本文对用户相似度的计算方法进行了改进, 提出直接相似度和间接相似度的概念, 同时引入关键人物权重, 进一步提高推荐系统的准确性。     

融合类目偏好和数据场聚类的协同过滤推荐算法研究

[目的/意义]基于近邻用户的协同过滤推荐作为推荐系统应用最广泛的算法之一，受数据稀疏和计算可扩展问题影响，推荐效果不尽如人意。[方法/过程]针对上述问题，提出了一种改进的推荐算法(Category Preferred Data Field Clustering Based Collaborative Filtering Recommendation, CPDFC-CFR)。首先，该算法舍弃用户评分，利用评论情感构建用户—项目矩阵，以增强用户偏好表示能力；其次，该算法引入类目偏好和语义偏好的概念，利用类目偏好比对高维用户—项目矩阵进行降维，并在用户相似度计算中纳入评论情感偏好、项目类目偏好和语义偏好，以降低数据稀疏性；最后，该算法将数据场作为用户聚类的前置算法，把数据场输出(极大值点)作为K-means算法输入，以提升算法实时性和稳定性。[结果/结论]实验结果表明：(1)项目类目级别越低，CPDFC-CFR算法准确性(F-measure)和即时性(相似度计算次数和推荐耗时)越优；(2)与其他推荐算法相比，CPDFC-CFR算法能够有效提升推荐准确性和计算效率，对协同过滤推荐系统建设具有重...