基于输入输出型SAO网络的核心技术链识别方法研究——以量子计算领域为例

[目的/意义] 基于专利文献识别产业技术领域的核心技术链,对于梳理产业核心技术架构,分析我国核心产业链的薄弱环节,确定技术攻关方向,完善技术链和产业链具有积极意义。[方法/过程] 改进经典的SAO结构,提出基于输入输出型SAO网络的核心技术链识别方法。从领域专利文本中提取输入输出型SAO结构作为技术要素,根据技术要素间的输入输出关系构建技术的领域知识网络;运用加权k-Core方法获得包含主要技术关系的核心知识子网络,并通过识别强连通分量实现核心知识子网络的分解;利用主路径分析等方法识别核心知识子网络中的外部核心技术链与内部核心技术链,并参照其涉及专利对核心技术链进行解读。[结果/结论] 将所提出方法应用于量子计算领域,识别出其中蕴含的外部和内部核心技术链,通过专家验证以及与相关学者研究的对比,验证了结果的准确性。该识别方法具有技术链关系连贯、自动化程度高以及灵活性强等优点。     

基于专利SAO结构和多指标评价的新兴技术识别研究——以手机芯片领域为例

[研究目的]对新兴技术进行识别,有助于跟踪行业的最新发展动态,为企业提供最新的情报。[研究方法]通过分析以往相关文献,针对目前新兴技术识别研究中存在的不足,构建了基于专利SAO结构和多指标评价的新兴技术识别模型。首先,将基于语言层级的SAO结构和基于关键词语义的TF-IDF算法相结合,划分出各项子技术领域;其次,根据新兴技术特征建立多指标评价体系,结合专利数量年度变化,判别出新兴技术;最后,根据术语的语法规则,利用语言过滤器抽取出特定专利文献中的技术术语,识别新兴技术主题。[研究结论]将新兴技术识别模型应用于手机芯片行业,成功识别出了5G基带芯片和新型存储芯片两项新兴技术,与业界动态基本一致,从而验证了该模型的可行性。     

An improved SAO network-based method for technology trend analysis: A case study of graphene

This paper proposes an improved Subject-Action-Object (SAO) network-based method for analyzing trends in technology development. It attempts to address shortcomings of the traditional SAO network approach, i.e., when setting Subject, Action and Object as nodes of the network, there may be errors in explaining the relationship between Subject Node and Object Node, and the strength of the relationship between subject and object also cannot be identified. The proposed improved SAO network-based method in this paper includes: (1) a new method for constructing an SAO network based on SAO links that calculate the intensity of the relationship between nodes; (2) a model for identifying technology development trends based on structural holes, changes in the distribution of node degrees, and shifts in network centrality. An empirical study on graphene technology is used to illustrate the validity and feasibility of the proposed method.     

基于语法树的SAO结构识别方法研究

[目的/意义] SAO是一种能够表示主题信息和主题间关系的3元组结构,是文献计量学领域一个快速发展的研究方向。为了获得“满足文献计量分析需求的SAO结构”,需要解决现有SAO结构识别方法遭遇的3个问题：查全和查准率低、所识别SAO结构和领域主题相关性不强以及矩阵稀疏性。[方法/过程] 提出一种面向文献计量分析的基于语法树的SAO结构识别方法,首先基于共现算法和“主题词簇”方法（term clumping）识别SAO核心组件,然后利用基于语法树的抽取算法实现SAO结构的逐层抽取。[结果/结论] 案例研究发现,该方法的平均查准率为0.805 8,平均查全率为0.844 6,所识别SAO结构与领域主题关系较强,且矩阵稀疏性也得到较好改善,可有效应用于相关文献计量分析。     

基于突现文献和SAO相似度的新兴主题识别研究

新兴研究主题识别可为研究者提供选题方向,把握技术未来前景。传统基于关键词的主题识别,不能准确反映主题词之间的逻辑关系,因而对研究主题的揭示需要依据专家的判断。本文提出的基于突现文献和SAO相似度的新兴研究主题识别,在确定了具有新兴特征的文献后,通过对文献摘要的语义关联分析,揭示了文献研究内容的相似性,从而更准确地提炼出研究主题。文章最后以精密单点定位技术为例对所提出方法进行了实证分析。     

基于SAO结构的创新解决方案遴选研究——以空气净化技术为例

[目的/意义]面对竞争日益激烈的社会环境，创新是企业的立足之本、生存之道。创新的范围不仅包括在本领域创造新的产品、技术等，还包括将其他领域出现的新产品、新技术引入本领域，且后者更为容易。但随着学科领域专业化程度越来越高，科研人员没有过多精力去掌握本领域之外的知识，因此需要借助科学的方法和技术来探索不同领域知识间深层次的联系。[方法/过程]借鉴LRDI方法的分析流程，提出基于SAO结构的创新解决方案遴选方法，以目标研究领域具体研究问题为出发点，在全领域寻找潜在解决方案，并从技术可行性以及预期效果两方面对这些潜在解决方案进行评价，形成适用于目标研究领域的优先推荐创新解决方案。[结果/结论]以空气净化技术为例开展实证研究，研究结果表明部分创新解决方案已经在空气净化技术领域得到有效应用，进一步证实了本研究方法的可行性和有效性。     

基于专利SAO链的技术预见方法研究 ——以工业机器人领域为例

针对专利文本挖掘领域,提出一种构建SAO链的规则,将专利文本使用SAO链进行特征表示,充分利用技术的层次和内容两部分信息,使专利文本相似度计算更加准确,然后围绕该方法构建一套科学合理的技术预见方法体系。最后,以工业机器人领域为例进行实证研究,通过分析专利网络得到该领域的技术发展路径图,通过专利地图识别出该领域的五个技术机遇,为企业和政府提供可借鉴的情报信息。     

基于SAO结构和词向量的专利技术功效图自动构建研究

[目的/意义]针对技术功效图构建过程中的主要问题和薄弱环节,提出了一种基于SAO结构和词向量的专利技术功效图构建方法。[方法/过程]利用Python程序获取专利摘要中的SAO结构,从中识别技术词和功效词;结合领域词典与专利领域语料库,运用Word2Vec和WordNet计算词语间的语义相似度;利用基于网络关系的主题聚类算法实现主题的自动标引;采用基于SAO结构的共现关系构建技术功效矩阵。[结果/结论]实现了基于SAO结构和词向量的技术功效图自动构建,该构建方法提高了构建技术功效主题的合理性和专利分类标注的准确性,为技术功效图的自动化构建提供新的思路。     

一种新型的技术形态识别方法——基于SAO语义挖掘方法

形态分析法作为一种面向未来的系统分析方法,已被广泛运用于技术机会识别和技术预测等领域。但现有形态分析方法中,形态结构构建过程对领域专家有较强的依赖。虽有学者尝试引入定量分析方法,但单纯以词频为依据选择特征词,忽略了词间的影响,存在无法展示技术/部件的目的、构成和语义关系等缺陷,限制了技术预测的效果。因此,本文引入主语-谓语-宾语(SAO)语义挖掘方法,提出一种新型的技术形态识别方法,并以德温特专利数据为基础,描述了专利技术形态识别的过程,验证了该方法的可行性和有效性。该方法弥补了基于关键词方法的不足,增强了定量方法对技术形态识别中的应用,减少了技术形态定义对专家知识的依赖,提高了技术形态识别的效率,有助于为未来技术预测研究与应用提供重要的理论和方法保障。