基于离群专利和多维技术创新地图的技术机会识别路径研究

[目的/意义]鉴于离群专利所蕴含的技术创新重要信息能够为企业高效开展创新活动提供一手数据,故依托多维技术创新地图构建基于离群专利识别技术机会的路径。[方法/过程]首先,运用BERT-LOF算法(Local Outlier Factor)提取候选离群专利,并通过新颖性、应用范围和发展能力等指标筛选出离群专利;其次,运用BERTopic主题建模技术从离群专利中提取技术主题和创新元素,并依托多维技术创新地图对创新元素进行维度划分,进而与多种创新法则耦合识别出多个具象技术机会;再次,利用直觉模糊层次分析法对具象技术创新机会进行评价;最后,以3D打印技术为例,阐述该技术机会识别路径的应用过程。[结果/结论]BERT-LOF离群检测模型不仅有效提高了离群专利的提取精度,而且研判的技术机会能够为企业提高创新效率、降低创新成本提供科学的决策参考依据。

基于离群专利的颠覆性技术预测——以中药专利为例

[目的/意义]以专利信息为基础基于全新视角提出一种预测颠覆性技术的方法,帮助企业提前作出战略布局,抓住市场机遇。[方法/过程]首先对收集的专利数据构建专利相似矩阵;其次利用社会网络分析工具Ucinet对专利相似矩阵进行聚类并筛选出离群专利;然后根据离群专利主分类号划分技术组合,并对各技术组合命名;最后从知识关联性、技术潜力和市场潜力三个维度评估技术组合,并运用孔多塞投票法预测颠覆性技术。[结果/结论]将该方法运用于中药领域,以2008—2012年中药专利为预测区间,结果表明技术组合D代表的中药化学成分、含量、制剂的检测方法有望成为颠覆性技术,随后以2013—2017年专利数据进行验证,结果证明了该方法的可靠性。

离群专利视角下的新兴技术预测——基于BERT模型和深度神经网络

[目的/意义]由于新兴技术本身的超前性,其刚出现的关注度往往不是很高。目前研究更多遵循技术发展路径依赖进行新兴技术的识别,会忽略一些颠覆现有技术轨道的技术研发。通过对与领域内主流技术相似度较低的离群专利进行分析,可以更有效地识别这类技术研发并预测新兴技术。[方法/过程]提出一种基于深度学习的离群专利识别与新兴技术预测方法。首先使用BERT预训练模型基于专利文本构建相似度网络,识别离群专利,然后基于DNN模型构建离群专利指标与技术影响力之间的关系,实现从海量离群专利中快速、准确地预测新兴技术。最后以数控系统领域为例,从德温特专利数据库获取近10年领域内所有专利,进行实证分析。[结果/结论]数控系统领域的实证分析结果验证了模型的有效性,同时对国家的技术发展政策制定以及相关领域企业技术布局具有重要的指导意义。