基于专利文本挖掘的细粒度技术机会分析

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。

类型化研究下的电子数据取证与认定规则

网络犯罪的演进与发展使得电子数据作为一种新的证据类型不断完善和发展,电子数据从其外形特点到收集提取与审查判断方法呈现出多样化与复杂化特征。对电子数据进行分类研究,根据不同的类型来对其设定取证与认证规则有很大意义。应当紧紧围绕证据的真实性、完整性、合法性制定电子数据的收集提取与审查判断方法,并对在封闭计算机系统与开放型计算机系统条件下的取证规则、人工输入型与非人工输入型证据的认证规则进行分类设置。