利用人工智能技术挖掘高层次创新人才--以专利数据为例

人才是国力强盛最重要的战略资源,如何从各类数据资源中挖掘人才、专家已成为各国科技发展的一个重要课题。利用人工智能技术,通过扩充检索关键词、判别专利领域、评价专利和创新人才等3个步骤对专利数据进行挖掘,以人工智能领域、脑科学与神经科学领域的创新人才挖掘结果为例,对挖掘结果的可视化和宏观分析揭示利用人工智能与专利数据挖掘创新人才的可行性和有用性。

基于专利语料库的双语词典自动抽取及其在知识图谱中的应用

将大量中英文对照的专利文本作为平行语料库,提出一种自动抽取中英文词典的方法。先利用外部语义资源维基百科构建种子双语词典,再通过计算点互信息获得中英文词对的候补,并设置阈值筛选出用于补充种子词典的词对。实验结果表明:对英语文档进行单词的短语化有助于提高自动抽取结果的综合性能;另一方面,虽然通过句对齐方式可以提高自动抽取结果的正确率,但会对抽取结果的召回率产生负面影响。通过所述方法构建的专利双语词典能够在构建多语言版本的技术知识图谱中起到积极作用。

全球航空航天领域人才分布研究

航空航天产业对国家科技经济发展具有举足轻重的作用,是全球各国重点发展的战略性事业,而人才建设是事业发展的基础。为深入了解全球航天领域人才发展状况,把握人才工作实际,本文以论文与专利数据为基础,运用文献计量法,分析全球航空航天领域人才的年度、国家和机构分布情况,以期为我国加快航空航天科技发展及人才队伍建设提供参考。

科技开发贷款风险评价模型构建与分析

科技型企业是我国科技创新和经济发展的中坚力量,建立合理准确的科技贷款风控模型有利于科技型企业解决"融资难"问题。本文基于上海地区843家科技成长型企业的基本信息、财务数据、工商数据、专利数据、科技项目数据,构建了基于树模型的XGBoost模型、多层神经网络模型以及两者集成模型,并通过brier score loss、log loss两种评价标准进行比较。实验表明,合理的样本扩增能显著地提高模型的效果,并且以技术、工商、财务、科技项目等为输入的科技贷款风控模型在封闭集测试中能取得不错的效果。最后,本文根据实验结果对科技成长型企业和资金提供方提出相关建议。