基于技术主题演化的颠覆性技术识别研究

[目的/意义]颠覆性技术对技术和市场具有双重影响,无论是对科技发展还是市场结构调整都起到十分重要的作用,准确识别颠覆性技术能够解决可能出现的技术壁垒,对国家和企业具有重要意义。[方法/过程]从技术主题的演化趋势和演化形式两个维度提出颠覆性技术识别框架。首先,利用LDA模型和基于全局和局部影响力的社区探测方法识别领域内的技术主题。其次,基于颠覆性技术的“突变性”和“融合性”特征,引入技术主题时序共现网络和主题引用网络对主题间的演化趋势和演化形式进行判别,实现颠覆性技术的识别。最后,以人工智能领域为例验证提出的颠覆性技术识别方法的可行性和有效性。[结果/结论]该方法能够准确实现颠覆性技术的识别,研究识别出人工智能领域的7项颠覆性技术,包括“机器人模块化设计方法及应用”“相关领域机器人技术及应用主题”“仿生机器人技术及应用”“自动无人智能系统”“自动驾驶技术”“服务机器人技术及应用”和“机器人部件优化技术”这有利于我国抓住科技创新主动权,加快颠覆性技术布局。

基于全局和局部结构的微博意见领袖识别研究

[目的/意义]准确识别微博意见领袖是成功引导话题舆论导向的关键之一。[方法/过程]在构建用户关系网络的基础上,从节点的信息交互能力和节点的中心性出发,提出了基于全局和局部结构的意见领袖发现模型。以新浪微博中“你愿和导盲犬同行吗”话题为例,进行了实验评估。[结果/结论]基于全局和局部结构的意见领袖识别方法能够体现意见领袖在全局和局部影响力的差异,从而为不同话题下的舆情监控和引导提供更有针对性的建议。

开放式创新社区领先用户识别——知识基础观视角

【目的】探索开放式创新社区中识别不同领域领先用户的方法,为企业解决获取外部知识资源的问题。【方法】首先利用LDA提取用户主题构建用户知识二分网络,其次融合领先用户知识结构特征和传统个体属性特征,提出基于指数随机图模型的链路预测方法识别不同领域的领先用户,并以华为产品定义社区为例进行实证研究。【结果】识别出华为社区内20个领先用户,平均链接概率都大于0.900,并且与传统链接预测方法相比,ERGM方法AUC最大,达到0.9967;ARC最小,下降到0.0132。【局限】未考虑时间因素对用户知识的影响。【结论】本研究丰富了领先用户识别角度和方法,为后续基于知识的领先用户识别研究奠定了基础。