基于动态知识流动特征的有向技术融合预测方法

[研究目的]基于动态知识流动特征对有向的技术融合关系进行预测,有助于提高企业的研发效率及科技管理部门对科技资源的合理分配。[研究方法]首先,将IPC前4位代码作为技术单元,基于专利中主分类号与副分类号提取技术间的有向知识流动关系;然后,借鉴关联规则挖掘算法从重要性、强度和依赖度3个维度对知识流动关系进行筛选,将满足指标阈值的知识流动关系作为有向技术融合关系;最后,将有向技术融合关系预测转化为有监督的二分类任务,以机器学习算法为模型基础,结合前两个时期的技术间知识流动特征及其时序变化特征,预测下一个时期内的技术间是否存在技术融合关系。[研究结论]增材制造领域的实证分析结果显示,以代价敏感机器学习算法为预测算法,基于前两个时期的技术间知识流动特征及其时序变化特征可以有效预测下一阶段中的技术融合。随着技术的发展,技术间的单向融合愈发频繁,并逐渐演变为技术双向融合,甚至呈现多技术融合的现象。

学术虚拟社区核心用户知识流动特征研究

[目的/意义]相较于传统的文献知识流动特征而言,学术虚拟社区核心用户间知识流动特征和定量分析的相关研究较少。对此,本文主要从知识网络和实证研究两个层面揭示学术虚拟社区核心用户间知识流动的特征,以期为促进学术虚拟社区知识流动提供参考。[方法/过程]本文以“丁香园论坛”为研究对象,在构建用户影响力指标体系的基础上,采用熵权法计算用户影响力,同时结合社会网络分析方法和PageRank算法计算用户的综合影响力以识别核心用户,然后利用Python和Gephi软件从多个维度揭示学术虚拟社区的知识流动特征。[结果/结论]本文采用复杂网络方法对学术虚拟社区核心用户间的知识流动特征进行分析,从核心用户、地域、学科以及主题等多个维度揭示了核心用户间的知识流动特征,对后续研究知识交流表现形式及交流机制奠定理论基础和提供相关参考。