基于机器学习的颠覆性技术弱信号识别模型研究

【目的】基于机器学习构建颠覆性技术弱信号识别模型,发现早期的颠覆性技术并探究其对现有主流技术的未来颠覆潜力。【方法】通过归纳颠覆性技术弱信号的核心特征,设计基于专利引证类别的颠覆性指数DI-P,构建历史颠覆性技术语料,设计基于机器学习的颠覆性技术弱信号识别模型,选取逻辑回归、高斯朴素贝叶斯、随机梯度下降、梯度提升树和随机森林等多个机器学习模型综合预测,并通过链路预测探究颠覆性技术弱信号的未来颠覆路径。【结果】在储氢领域开展实证分析,构建基于引证类别的颠覆性指数DI-P获取历史颠覆性技术语料,其准确率与AUC值均优于RDI与DI。通过对比颠覆性技术弱信号与高价值专利,能够从成本、效率及安全性等角度发现其未来可能的颠覆路径。【局限】实证领域相对单一,数据源局限于专利数据与战略规划,预测模型准确率有限。【结论】通过结合机器学习模型与链路预测方法,能够精准、细粒度地识别颠覆性技术弱信号及其颠覆路径。