基于专利网络链接模型的技术链接机会预测方法研究

[目的/意义]技术市场上的竞争日趋激烈,准确预测并及时把握未来技术机会对于国家、企业发展至关重要。文章提出一种基于链接预测的技术机会预测方法。[方法/过程]利用专利间的引用关系,构建基于支持向量机和多元线性回归的IPC无权有向网络链接预测模型和含权无向网络链接预测模型,对技术链接机会、技术链接消失机会以及技术链接强度变化进行预测,并利用语音交互技术实证分析。[结果/结论]结果表明该方法为准确、有效进行技术机会预测提供了可能。

产业价值链视角下潜在专利交易机会挖掘方法研究

保障专利交易顺利进行,对于企业生存与发展至关重要,但是迅速、准确地寻找潜在专利交易对象并不容易。从产业价值链视角,提出一种挖掘潜在专利交易机会的方法。基于专利技术价值,结合技术本体理论,利用语义分析法,定性、定量地确定、分析专利权人在产业价值链上的分布,并以此为前提进行专利交易关系判断、交易意愿分析等,从而实现潜在专利交易机会的挖掘与速成。

基于人工特征和机器特征融合的科技文献知识元抽取

【目的】基于深度学习的方法将科技文献的人工特征和机器特征进行融合,有效提升知识元抽取的效率。【方法】基于科技文献特征,构建26个人工特征指标,主要包括三个层面,即篇章、句子、字词,并将其与Word2Vec和one-hot等机器特征基于LSTM、CNN、BERT模型从横向、纵向进行特征融合,完成知识元抽取。【结果】特征纵向融合对知识元的抽取准确率最高约为0.91,与当时最传统方法效果相比提升约6个百分点。【局限】当数据量过大时,深度学习模型运行占用内存过大,需要后续进行优化。【结论】人工特征和机器特征纵向融合方式可以有效提升知识元抽取效果。