基于专利演化模型的机构专利分析

近年来,科学技术发展日新月异,每天都会出现各种新型研究领域,众多研究成果被发表与公布。为此,来自各个国家的组织机构做了巨大的努力要为自己的机构带来外部与内部的变化。事实上,对于很多机构来说,研究的意义在于通过分析研究成果得到有意义的结论。因此,本文通过对具体机制下的专利标题（发明名称）进行分析从而提出一种演化模型。首先,我们根据关键词的特性对标题的关键词进行分类,然后定义专利的相互关系。我们建议演化模型的相互关系建立在时间轴基础上,并且可以适用于实际数据。通过应用于实际数据的模型可预测出未来专利的关键词。     

基于专利文献的技术演化分析方法研究

在分析现有方法之不足的基础上,提出一种更完善的基于专利文献的技术演化分析方法：①采用分类号替代关键词作为专利文档聚类的基础;②采用基于语义的分类号-专利文档相似矩阵代替关键词-专利文档存在矩阵聚类;③采用更适合小样本聚类的系统聚类法。以石墨烯传感器技术为例,进行实证分析,绘制出石墨烯传感器技术层次语义网络图与技术演化图。研究结果显示,该方法可较好地应用于专利技术演化分析。     

基于专利分析的人工智能技术发展态势研究

人工智能技术作为引领新一代科技革命的前沿性、战略性力量,已被广泛应用于生物医药、机器人、能源、材料、自动驾驶等众多跨学科领域,并形成了多个研究分支.本文对Innography专利数据库收录的相关专利数据进行挖掘分析,并从专利及专利家族的申请及授权年度趋势、专利技术来源地域、专利技术目标市场地域、专利分类体系分布以及研究...     

社会化标签系统中基于社会网络的知识推送网络演化研究

利用网络分析方法,本文将社会化标签系统中基于社会网络的知识推送网络构造方法描述为六个步骤。借鉴演化理论,将基于社会网络的知识推送网络演化动力归纳为内生动力和外生动力。移植生物进化论的相关理论,提出多重动力机制作用下基于社会网络的知识推送网络演化周期性模型:每个周期的起点就是新一轮社会网络的构建,每个周期内部的演化过程分为选择阶段、遗传阶段、变异阶段。依托原型系统搜集不同时间点的相关数据,利用网络结构计量方法对基于潜在社会网络的知识传播网络演化过程进行实证分析,印证上述理论研究成果。图8。表9。参考文献13。     

云计算领域专利计量研究

以德温特数据库的专利信息为数据源,采用专利计量、社会网络分析等方法,以云计算领域的专利为研究对象,从宏观、中观、微观三重视角,对云计算领域的专利进行分析。从宏观角度来看,云计算专利正处于迅猛发展阶段,且美国的基本专利数量最多。从中观角度来看,在专利权人合作粒度上,中外具有较大差异性,同时,产生合作关系的专利权人在主营业务领域上具有相似性。从微观层面来看,中国公司在云计算领域的合作率和合作强度低于国际知名公司,这在一定程度上阻碍了知识的流动和传播以及国家技术生产率的提高。     

中外图书馆人工智能技术应用专利比较研究

人工智能技术在图书馆的应用日益广泛,对国内外图书馆人工智能技术应用专利进行对比分析,掌握该技术在图书馆中应用专利相关趋势及特征,探讨国内人工智能技术在图书馆中应用的发展趋势,为图书馆人工智能实践及研究提供参考。     

人工智能领域高产科研团队的演化研究

[目的/意义]团队合作已成为当今知识创新的一种重要组织形式。从动态网络视角探究科研团队动态演化规律对于促进科研团队的发现、组建和管理具有重要意义。[方法/过程]以人工智能领域为例,采用Louvain社群发现算法识别人工智能领域研究团队,通过计算团队合作网络中节点数、边数、网络密度和平均聚集系数四项拓扑指标的极值分布,从微观和宏观视角探究该领域高产团队演化的特征与规律,以揭示科研团队演化的内在动因。[结果/结论]微观视角下,合著网络拓扑指标的极值分布揭示人工智能领域高产团队演化的动态属性;宏观视角下,高产团队在网络密度与网络平均集聚系数上呈现出演化共性,多数团队在演化中催生更多新的合作关系的产生;结合团队的演化路径来看,人工智能领域高产团队中各时期的"小团体"合作现象显著,且"小团体"之间的合作直接影响着整体团队的走向。     

链接分析领域的作者合作网络及其分析

本文回顾了复杂网络中的科研合作网络在情报学领域的研究成果,详细分析了部分网络参数的情报学意义。其次,构建了基于Web of Science数据库的1998年1月至2008年1月链接分析领域的作者合作网络,运用复杂网络理论以及社会网络分析法,对作者合作网络进行了详细的分析,得出了链接分析领域合作的一些特性。最后,提出了有待进一步解决的问题。以期探索和推进复杂网络在情报学领域的实际应用。     

社会网络分析在高校产学研专利合作中的实证研究

以清华大学为例,利用社会网络分析方法,对其专利合作关系进行网络分析,从可视化的角度展示合作主体分布以及相互之间的关联。运用社会网络分析工具NodeXL统计其合作情况,从微观的视角对清华大学专利合作的不同子网络进行可视化分析,并揭示清华大学开展产学研协同创新活动不同合作模式的差异。最后从三个方面总结清华大学产学研合作的影响因素,从而为其他高校开展创新活动提供借鉴。     

专利视阈下产业技术创新合作网络演化分析——以肿瘤疫苗为例

[目的/意义]旨在研究肿瘤疫苗领域技术创新合作网络演化特征,为我国肿瘤疫苗领域的技术突破和产业发展提供思路。[方法/过程]提出一种产业技术创新合作网络演化特征分析方法和框架。首先引入专利指标法,通过技术生长率、技术成熟系数、技术衰老系数和新技术特征系数等指数的定量计算对肿瘤疫苗产业技术生命周期进行划分;其次利用社会网络分析法构建技术生命周期各阶段合作网络,从节点数、网络密度、中心势、核心-边缘分析等维度对合作网络的拓扑结构演化规律进行分析;从中心度、凝聚子群分析、创新机构等维度对核心个体演化规律进行分析,进而揭示肿瘤疫苗产业技术创新合作网络的动态演化特征。[结果/结论]以肿瘤疫苗战略性新兴产业为案例进行研究,验证方法的有效性和可行性,为肿瘤疫苗领域技术发展战略和技术合作提供理论依据。     

基于社会网络分析的企业专利信息聚合方法研究

从同族专利的技术关联特点入手,探讨运用社会网络分析的相关理论聚合专利信息资源的方法。采用潜语义关系分析法提取同族专利关系,并将其通过网络图谱可视化。文章得出结论为社会网络分析的量化方法能准确解析专利信息的族簇性、核心技术特征,提升企业专利战略制定效率。     

近代中国农业领域科研合作网络分析

收集整理了晚清民国时期《农业论文索引》中粮食作物专题研究论文作者合作情况,构建了有向合作网络。采用社会网络分析方法对这一科研合作网络进行实证分析,包括:整体网络分析、作者中心性分析、合作频次分析、凝聚子群分析、最大合作子群分析;并且结合文献计量方法对粮食作物研究专题所有高产作者发文量与其在合作网络中的度数、入度作了相关性分析。通过实证研究,对我国近代科学学者合作网络的整体状况和特征进行了总结并就该研究意义提出了一些思考。     

基于专利共类分析的技术网络结构研究:1971~2010

随着科学技术的发展和新兴技术领域的出现,技术网络结构也日趋复杂.本文利用德温特创新专利引文索引数据库(DII)的德温特手工代码(DMC)分类标准,探索由专利构成的技术网络结构.基于1971~2010年的所有专利数据,本文采用科学计量学中的共现分析方法、社会网络分析方法和信息可视化技术,建立大型技术共现矩阵,从而构建技术共现网络,绘制技术共现图谱.在此基础上,分析不同领域之间技术发展的联系,识别关键技术领域以及同一领域内的技术发展脉络和技术网络结构.     

复杂网络领域科研合著网络演化及知识传播特点研究

以复杂网络研究领域1975年-2012年间的科研合著网络为例,分4个发展阶段对科研合著网络的静态特征、拓扑特征、动态演化特征等参数进行计算,来解释和说明科研合著网络的演化和知识传播特点。仿真实验表明:当知识传递率一定时,知识传播速度受到个体创新能力的影响较大;当个体创新能力一定时,知识传播速度受到知识传递率的影响较小。     

基于SIPO数据库的专利计量系统的设计与实现——以多路复用通信领域的发明人为例

针对我国知识产权局专利数据库(SIPO)中专利文件的特征,本文突破了以往以专利的简单指标为对象的专利计量理念,构建了多视角(发明人、专利权人、分类号、研究主题等)多层次(宏观、中观和微观)的专利计量系统,并就该系统所涉及的五大流程两个主要功能模块作了详细的描述.之后,以SIPO中主分类号为"H04J"的多路复用通信作为研究对象,进行了实证分析.结果表明,该方法不仅有效实用,而且可以发现研究对象一些独特的知识特征.     

数据挖掘领域的科研合作网络分析

基于SCI和SSCI数据库中以“数据挖掘”为主题的文献题录信息,构建三个科研合作网络（高校间、公司间、国家间）,利用社会网络分析方法对这三个不同类型的网络特征进行对比分析。结果显示,数据挖掘领域的研究成果涉及众多研究方向,不同的机构实体有不同的研究重点,所构建的三个不同类型的科研合作网络在诸多网络特征上存在较大的差异,包括合作网络的密度、节点的平均度、最大成分的平均最短路径、最大成分的比重等。最后对部分高校与公司的研究重点进行具体分析。
     

基于机器学习的人工智能技术专利数据集构建新策略

颠覆性技术是一个具有复杂的内在结构的技术群。从空间维度来看,颠覆性技术是包含了主导技术、辅助技术、支撑技术的复杂技术群,涉及多学科、多领域。在此背景下,运用科学计量的方法对颠覆性技术进行科技评价和科学技术演变规律探索面临挑战,实质表现为数据检索。本文探索了一种基于机器学习的专利数据集构建新策略,将专利检索任务作为机器学习的二分类任务,类似于信息检索中基于主动学习的查询分类思想,并提出了将F-measure特征最大化方法与CNN (convolutional neural networks)模型相结合的文本分类改进方法。本文以人工智能(artificial intelligence,AI)技术域为例进行训练实验,实验结果的准确率、召回率和F1值分别达到98.01%、97.04%和97.89%,这表明本文提出的策略能够精准地识别人工智能专利,提高了专利检索的准确率和召回率,以利于构建精、准、全的人工智能技术域专利数据集。