基于LDA2Vec-BERT的新兴技术主题多维指标识别与演化分析研究——以颠覆性技术领域:区块链为例

识别出领域的新兴技术主题和热点技术主题,并直观清晰展示出区块链领域细粒度技术主题的演化趋势和特征,发现区块链技术形成从构架研究到应用研究的发展趋势。通过模型结果对比可以发现,识别结果科学合理,且模型的精准率、召回率、F1值均高于其他识别模型,证明构建的集成模型能有效识别颠覆性技术领域细粒度新兴和热点主题。

产业链视角下专利新兴技术主题识别

[研究目的]专利是技术信息的载体,以专利数据为研究对象,在产业链视角下进行技术主题提取及识别,从专利数据中识别新兴技术可以有助于把握新兴技术的发展动态。[研究方法]首先,根据产业链的概念和专利IPC分类号构建出产业链各个层级对应的专利集;然后,结合专利文本的特点提出EW-LDA主题模型,从词汇权重和语境两个角度对LDA主题模型进行改进,使用EW-LDA模型提取出产业链的各个层级中得技术主题;最后,根据专利文本及新兴技术的特点,从新颖度、热点度、关注度和增长率四个方面入手构建新兴技术主题识别指标,将技术主题分为新兴、热点、潜在、衰退和噪音五类。并在人工智能领域的专利数据上进行实验。[研究结论]结果表明,提出的EW-LDA主题模型具有更好的主题建模效果,产业链视角下的新兴技术主题识别方法可以有效的识别出新兴技术。

基于加权网络链路预测的新兴技术主题识别研究

随着新一轮科技革命和产业变革的加速演进,新兴技术识别成为影响一个国家和地区未来发展战略的重要议题。本文基于德温特专利数据,引入复杂网络链路预测方法与神经网络算法构建动态预测新兴技术发展网络的方法体系,并围绕新颖性与影响力两个维度识别新兴技术主题。同时,应用钙钛矿材料领域相关数据进行实证分析,验证了本文新兴技术主题识别方法的可行性与有效性。

机器学习视域下新兴技术主题识别研究--基于技术特征相似性

[目的/意义]新兴技术主题预示着科技创新的未来趋势与方向,精准识别新兴技术主题,对优化创新资源部署及提升国际竞争优势极为关键。针对当前新兴技术主题识别研究的不足,本文提出一种基于技术特征相似性的新兴技术主题识别模型。[方法/过程]第一步,抽取专利数据中的技术特征信息,降低噪音内容的干扰;第二步,基于现有技术内容构建特征向量模型,实现对不同技术属性间语义关系的区分;第三步,融合技术特征向量模型与聚类算法,达到多维度下识别新兴技术主题目的;第四步,以生物技术领域为例进行实证研究。[结果/结论]通过对比分析验证了该模型的准确性与有效性,拓展了新兴技术主题识别的研究思路与研究方法。

科学技术新兴技术主题识别研究

目的:挖掘科技文献中的新兴技术主题。方法:构建新兴技术主题识别研究框架。采用隐含狄利克雷分布(LDA主题模型结合熵权法对新兴技术主题进行识别。结果:识别出了新型比色检测技术、新型荧光检测技术和生物检测技术3个新兴技术主题。结论:新兴技术主题识别研究框架可有效识别科技文献中的新兴技术主题。

技术特征相似性视角下的新兴技术主题识别

结合专利文本特点提出具有针对性的特征工程思路,整合BERT训练模型与语义分析技术进行新兴技术主题识别模型的构建。结果显示,基于大语言模型的分析思路能够提升识别结果的准确性与解释性。实证分析部分以纳米技术为例,验证了模型的有效性和准确性。

利用专利文献识别新兴技术主题的技术框架研究

解析新兴技术主题的概念,同时结合专利文献的特点,利用专利文献提出识别新兴技术主题的初步技术框架,并以工业生物技术领域的专利文献为数据来源,采用文本聚类技术、共词战略坐标分析、共词网络分析、专利分析等方法对该技术领域的新兴技术主题进行实证分析。

基于引文曲线拟合的新兴技术主题的突破性预测--以干细胞领域为例

[目的/意义]通过对新兴技术主题的引文曲线进行拟合分析,提炼和归纳引文曲线的主要类型和特征,以期能为微观层面突破性创新主题预测方法的研究提供参考。[方法/过程]首先提出利用引文曲线追踪感知新兴技术主题形成突破性创新的假设,并提出跃迁指数的概念和计量方法,从知识跃迁和持续增长两个维度总结识别突破性创新的标准并构建突破性识别的方法模型。其次利用新兴技术主题发文的时序被引数据构建引文曲线并进行拟合分析,实现对不同主题包含的引文曲线的类型分类,提炼引文曲线的主要特征进行突破性预测。[结果/结论]新兴技术主题引文曲线的特征包括:近期持续增长;近期持续下降;生命周期短;相近年份变化趋势一致。根据突破性创新的识别标准,如果引文曲线跃迁次数多、跃迁幅度大,最高被引峰值出现时间较晚,并且在近期保持高被引且持续稳定或快速增长,则新兴技术主题具有成为突破性创新的潜力。结合领域专家对预测结果的评估以及不同新兴技术主题的研究进展,验证了利用引文曲线可以有效预测新兴技术主题的突破性。