为减少技术机会分析所需的时间和成本,更快地探索与发现技术机会以支撑相关战略规划,全面系统总结分析大数据视角下技术机会的内涵、热点应用场景和分析方法,基于Web of Science、中国知网中文期刊数据库获取相关中英文文献392篇,根据...为减少技术机会分析所需的时间和成本,更快地探索与发现技术机会以支撑相关战略规划,全面系统总结分析大数据视角下技术机会的内涵、热点应用场景和分析方法,基于Web of Science、中国知网中文期刊数据库获取相关中英文文献392篇,根据文献质量评估标准,通过略读、筛选、精读、补充重要文献等步骤,深度解析精选论文内容,梳理研究热点、空白与前沿。结果发现,技术机会发现与识别方法正在借助大数据分析形成一套系统、规范化的研究范式。研究对象上,专利技术创新机会不再局限于热点、空白点、孤立点、离群点等单一界定方式,其知识表示方法在融入技术创新需求中逐步完善与拓展;数据源来上,多源异构数据提供动态、实时、多元化研究视角,应用场景从回顾性的趋势监测转向未来需求的技术预测与风险评估,但支撑产业和企业实际需求的研究仍较少;分析方法上,组合运用文献计量、社会网络分析与大数据分析,方法创新由单一特征的同质网络向融合特征的异构网络发展,所挖掘的技术细粒度越来越高。最后针对目前研究存在的主要问题,提出充分利用多源信息的多维性和功能的多元化,在综合应用各类方法提高定量分析效度的基础上,面向问题与需求开发“规则+统计+知识库+交互”大数据智能创新工具,结合专家专业知识完善技术机会对象特征、性能指标,从而更深入地揭示技术机会细节,更好地支撑企业、国家的科技战略规划。展开更多
新一轮科技革命和产业变革中,技术机会分析在研发管理、企业决策中的战略地位不断攀升。然而,利用传统链路预测指标开展的技术机会分析精度已达到瓶颈,且固有的专家知识无法应对技术创新的动态性和复杂性,难以实现细粒度技术机会识别与...新一轮科技革命和产业变革中,技术机会分析在研发管理、企业决策中的战略地位不断攀升。然而,利用传统链路预测指标开展的技术机会分析精度已达到瓶颈,且固有的专家知识无法应对技术创新的动态性和复杂性,难以实现细粒度技术机会识别与分析。鉴于此,本文提出了基于专利文本挖掘的细粒度技术机会分析框架,该框架将专利文本挖掘和图神经网络链路预测法有机结合,将技术机会分析拆分为知识网络构建及演化分析、知识元素链路预测以及技术机会评估与筛选3个研究子任务。实证研究结果表明,利用多维关键词特征构建的知识网络能够完整呈现交叉领域的知识全貌,结合复杂网络指标和时间序列能进一步揭示技术发展脉络,为后续技术机会分析提供方向指引。BERT(bidirectional encoder representations from transformers)模型配合图神经网络方法适用于各技术生命周期的知识元素链路预测任务,相较于传统预测指标,BERT表现出更高的准确率和鲁棒性。经过与多源技术报告的对比评估,证实了基于该框架所析出的9个技术机会与计算机视觉技术发展实际情况相吻合,具备实际研发价值。展开更多
文摘为减少技术机会分析所需的时间和成本,更快地探索与发现技术机会以支撑相关战略规划,全面系统总结分析大数据视角下技术机会的内涵、热点应用场景和分析方法,基于Web of Science、中国知网中文期刊数据库获取相关中英文文献392篇,根据文献质量评估标准,通过略读、筛选、精读、补充重要文献等步骤,深度解析精选论文内容,梳理研究热点、空白与前沿。结果发现,技术机会发现与识别方法正在借助大数据分析形成一套系统、规范化的研究范式。研究对象上,专利技术创新机会不再局限于热点、空白点、孤立点、离群点等单一界定方式,其知识表示方法在融入技术创新需求中逐步完善与拓展;数据源来上,多源异构数据提供动态、实时、多元化研究视角,应用场景从回顾性的趋势监测转向未来需求的技术预测与风险评估,但支撑产业和企业实际需求的研究仍较少;分析方法上,组合运用文献计量、社会网络分析与大数据分析,方法创新由单一特征的同质网络向融合特征的异构网络发展,所挖掘的技术细粒度越来越高。最后针对目前研究存在的主要问题,提出充分利用多源信息的多维性和功能的多元化,在综合应用各类方法提高定量分析效度的基础上,面向问题与需求开发“规则+统计+知识库+交互”大数据智能创新工具,结合专家专业知识完善技术机会对象特征、性能指标,从而更深入地揭示技术机会细节,更好地支撑企业、国家的科技战略规划。
文摘新一轮科技革命和产业变革中,技术机会分析在研发管理、企业决策中的战略地位不断攀升。然而,利用传统链路预测指标开展的技术机会分析精度已达到瓶颈,且固有的专家知识无法应对技术创新的动态性和复杂性,难以实现细粒度技术机会识别与分析。鉴于此,本文提出了基于专利文本挖掘的细粒度技术机会分析框架,该框架将专利文本挖掘和图神经网络链路预测法有机结合,将技术机会分析拆分为知识网络构建及演化分析、知识元素链路预测以及技术机会评估与筛选3个研究子任务。实证研究结果表明,利用多维关键词特征构建的知识网络能够完整呈现交叉领域的知识全貌,结合复杂网络指标和时间序列能进一步揭示技术发展脉络,为后续技术机会分析提供方向指引。BERT(bidirectional encoder representations from transformers)模型配合图神经网络方法适用于各技术生命周期的知识元素链路预测任务,相较于传统预测指标,BERT表现出更高的准确率和鲁棒性。经过与多源技术报告的对比评估,证实了基于该框架所析出的9个技术机会与计算机视觉技术发展实际情况相吻合,具备实际研发价值。
