基于深度学习与语义挖掘的技术创新组合识别与追踪

[目的/意义]随着战略型新兴技术产业的迅猛发展，如何识别具有潜在协同效应的技术创新组合、厘清组合中核心的创新关系，是有效规划产业发展路线、提升产业竞争优势的重要前提。[方法/过程]在技术组合进化理论的指导下，结合深度学习、SAO语义挖掘和CFDP算法，提出一种基于专利数据的技术创新组合与演化关系的识别方案。该研究方案共分为3个步骤：首先基于关键词与专利分类号构建领域检索策略，并实现对获取数据的清洗和分词。随后，通过Word2Vec构建领域技术主题的词向量语义网络，并利用CFDP算法识别出潜在创新要素及组合方式。最后，深入挖掘各组合中核心的SAO结构，通过LSTM深度学习算法对其演化关系进行分类，挖掘技术的核心创新方式，进而有效甄别领域潜在的技术机会。[结果/结论]以语音识别领域为例，通过对该领域DII专利文本数据的深入挖掘，识别并追踪5个潜在的技术创新组合及核心创新方式。研究发现，当前我国语音识别领域在智能芯片设计、语音识别算法、新场景和应用等方面有较大的创新潜力。