基于SAO结构的颠覆性技术关联机会发现路径研究

[研究目的]对颠覆性技术的发展和关联进行识别及预测,有助于及时开展技术布局,在产业竞争中形成战略优势。[研究方法]以技术专利摘要为数据对象,提出了融合SAO结构抽取、LDA主题分析和链路预测的技术关联机会发现路径,并以脑机接口为例对方法进行了验证。[研究结论]脑机接口在自身技术迭代、医疗健康领域、扩展应用领域及多模态集成控制系统领域具有广阔的关联机会,与论文、专利、课题、新闻报道等多源技术报告的对比评估说明了该路径的可行性和有效性。

基于SAO结构语义分析的新兴技术识别研究

[目的/意义]如何在新技术不断涌现的技术大海中寻找和识别有颠覆性潜力的新兴技术,对于企业或国家来说是至关重要的战略议题。针对目前在新兴技术识别中存在的不足,即专利引用信息的滞后性和关键词聚类既不能深入反映专利文献表达的主题,也不能很好地揭示技术主题之间的关联关系等问题。[方法/过程]研究提出了基于SAO结构语义分析法的新兴技术识别模型。并首先利用文本挖掘方法抽取专利权利要求项中的Subject–Action-Object(SAO)结构,其次利用改进的语义相似度算法对专利文本进行聚类,然后结合基于时间切片的专利地图和语义分析法识别新兴技术。[结果/结论]用钙钛矿太阳能电池作为实证进行了研究,验证了该模型的可行性和有效性。

基于SAO语义分析的潜在技术合作伙伴识别

将SAO语义结构信息引入技术伙伴识别选择过程中,构建基于SAO语义分析的技术合作伙伴识别体系,通过对企业进行技术愿景分析、企业知识库分析确定技术合作网络,对网络内企业重点子技术领域进行相似度分析,从而识别企业潜在的技术合作伙伴,并制定针对性的合作方案。以染敏太阳能电池为案例开展实证研究,验证了该方法体系的可行性。

一种三级技术机会识别方法及其应用——基于SAO语义分析和多维技术创新地图

精准识别技术创新机会对于企业在复杂多变的市场竞争环境中立于不败之地至关重要。首先,基于SAO(Subject-Action-Object,主语-谓语-宾语)语义分析,从专利文本中抽取SAO结构;其次,以多维技术创新地图创新维度为导航,构建具象技术创新维度初始词典,利用SAO语义相似度计算和主题聚类,进一步构建基于创新维度的三级语义知识库;再次,运用多维技术创新地图的创新法则及维法耦合原理对基于创新维度的三级语义知识库进行迭代变换,实现技术形态、创新子维、创新维度三级技术机会识别;最后,以3D打印机领域为例验证研究方法的可行性和有效性,可为企业高效、精准识别技术创新机会提供参考依据。

基于专利SAO结构和多指标评价的新兴技术识别研究——以手机芯片领域为例

[研究目的]对新兴技术进行识别,有助于跟踪行业的最新发展动态,为企业提供最新的情报。[研究方法]通过分析以往相关文献,针对目前新兴技术识别研究中存在的不足,构建了基于专利SAO结构和多指标评价的新兴技术识别模型。首先,将基于语言层级的SAO结构和基于关键词语义的TF-IDF算法相结合,划分出各项子技术领域;其次,根据新兴技术特征建立多指标评价体系,结合专利数量年度变化,判别出新兴技术;最后,根据术语的语法规则,利用语言过滤器抽取出特定专利文献中的技术术语,识别新兴技术主题。[研究结论]将新兴技术识别模型应用于手机芯片行业,成功识别出了5G基带芯片和新型存储芯片两项新兴技术,与业界动态基本一致,从而验证了该模型的可行性。

基于SAO语义分析与多维技术创新地图的技术创新机会识别研究

为精准识别技术创新机会,提出一种基于SAO语义分析与多维技术创新地图的技术创新机会识别方法。首先融合关键词分析和SAO语义分析方法剖析影响技术创新的要素,并以“链”结构梳理创新要素的层级关系,形成层次分明的技术形态;然后以多维技术创新地图为导航,基于维法耦合原理实现概念化和具象化两层技术创新机会的识别;最后以富钛料制备技术创新机会识别为例,检索并搜集392条专利为数据集,识别出3个概念化和6个具象化技术创新机会,验证了该方法的可行性,可为企业准确研判技术创新机会以不断获取技术先行者优势提供有益参考。

基于SAO的专利结构化相似度计算方法

该文提出了一种基于subject-action-object(SAO)的专利结构化相似度计算方法。传统的基于关键词的定量分析方法没有考虑专利自身的结构特点,忽略了对专利间内在关系的计算,该文弥补了传统的基于关键词的定量方法的不足。在SAO结构抽取过程中,将最新的实体抽取工具OLLIE引入到专利领域,得到了比传统SAO抽取工具更好的抽取结果。和传统的SAO方法相比,对Action元组进行了大量分析,通过重复大量实验,确定了Action元组的结构特征。最后,通过实验验证,将vector space module(VSM)模型和SAO结构进行融合,得到了比仅仅通过VSM模型进行相似度计算更好的结果。

基于SAO语义分析的多维技术演化路径与技术创新机会识别研究

通过探究目标领域关键技术的演化路径进而精准识别技术创新机会,对激发企业的技术创新活力至关重要。本文提出了一种SAO(subject-action-object)语义分析与多维技术创新地图结合的多维技术演化路径及技术创新机会识别方法。首先,利用LDA(latent Dirichlet allocation)主题模型确定目标领域关键技术问题;然后,运用SAO语义分析法精准识别包含关键技术要素的语义结构,并利用多维技术创新地图对关键技术要素导航和归类;接着,通过构建多维技术演化路径并深入探究不同维度下的技术演化规律,与创新法则进行迭代变换进而准确研判技术创新机会。最后,本文以纳米二氧化钛改性技术为例开展分析,并利用对比分析方法验证所提出方法的有效性与实用性。

用户需求导向下基于三级技术功效矩阵的产品创新机会识别

[目的/意义]精准把握用户需求以引导企业高效开展产品创新,对企业实现可持续发展至关重要。对此,开展了用户需求导向下基于三级技术功效矩阵的产品创新机会识别路径研究。[方法/过程]首先,针对目标产品领域进行用户评论数据与专利数据的收集及预处理;其次,利用LDA主题模型对评论数据进行主题聚类以挖掘重点用户需求;再次,运用Stanford Parser自然语言处理技术从专利数据中提取SAO结构,从中识别技术词与功效词并分别进行主题聚类,以构建技术功效视角下的三级语义知识库;最后,以重点用户需求导航,并以三级语义知识库为数据源,构建三级技术功效矩阵,识别具有较高创新价值的产品创新机会。[结果/结论]结果表明,构建的产品创新机会识别路径能够为企业精准高效开展产品创新提供科学的决策参考依据。

知识视角下专利联盟技术锁定效应测度研究

[研究目的]客观测度专利联盟技术锁定是后发国家突破既有技术范式束缚、争夺国际科技话语权的必然前提;是创新主体规避创新研发外部风险、增强知识产权竞争力的有效途径。[研究方法]立足于知识视角,首先在界定联盟技术锁定是由直接垄断和间接影响的技术创新知识构成的基础上,通过专利语义链和生态位互补理论识别联盟技术锁定的技术创新知识;其次利用勒纳指数、边际效益、Jaccard相似性系数构建专利联盟技术锁定测度公式;最后,选取MPEG-4专利联盟和相关产业专利数据进行实证研究。[研究结论]MPEG-4专利联盟一是构建以联盟专利产物或者方法为上游,以拥趸者专利为下游的专利技术链;二是构建基于产业共性竞争资源的差异化专利,控制了产业技术创新知识,对产业形成了较强的技术锁定现象。在丰富专利联盟技术锁定研究的同时,为后发国家实现技术锁定的主动解锁提供了建议。

基于专利与论文关联的潜在科学前沿识别——以生物农药领域为例

随着文献类型的不断丰富,传统的以单一数据源识别科学前沿的方法模型存在一定的局限性,必须结合多源数据来识别领域的科学前沿。在已有的前沿识别方法基础上,借助生物农药领域知识组织体系建立了专利与论文之间的语义关联,识别了生物农药领域的潜在科学前沿,利用定量分析方法证明了识别结果的有效性,弥补了现有前沿识别方法在研究对象单一和识别粒度粗方面的不足。

基于专利SAO结构的技术应用领域识别方法研究

论文提出了一种基于SAO结构的技术应用领域识别方法。首先提取专利摘要中的应用领域信息,然后利用自然语言处理工具获取其SAO结构,通过SAO结构之间的语义相似度计算,得到根据相似性聚类绘制的专利地图,实现技术应用领域的识别。最后以石墨烯传感器技术为例对所提出的研究方法进行了示范。本文提出的识别方法,可以实现技术按应用领域的划分,为技术跨领域应用研究奠定了基础。

基于SAO分析的R&D合作伙伴识别研究

随着技术创新知识复杂性的不断增加和产品生命周期的不断缩短,企业需要拓宽知识基础来应对环境的快速变化,需要从外部寻求合作机会来改善企业内部创新过程或提升现有研发能力,因此,如何识别和选择合适的合作伙伴便成为企业的重点关注。本文提出了基于SAO分析的R&D合作伙伴识别方法,该方法通过提取文献标题及摘要中的SAO结构,绘制涵盖材料、技术与组件,以及目标等三个维度的SAO结构图,通过挖掘具有相似研发目标的机构,分析其互相合作的可能性及可能的合作方向,并以染敏太阳能电池技术(DSSCs)为案例开展研究,证实了该方法的可行性和有效性。

基于语法树的SAO结构识别方法研究

[目的/意义]SAO是一种能够表示主题信息和主题间关系的3元组结构,是文献计量学领域一个快速发展的研究方向。为了获得"满足文献计量分析需求的SAO结构",需要解决现有SAO结构识别方法遭遇的3个问题:查全和查准率低、所识别SAO结构和领域主题相关性不强以及矩阵稀疏性。[方法/过程]提出一种面向文献计量分析的基于语法树的SAO结构识别方法,首先基于共现算法和"主题词簇"方法(term clumping)识别SAO核心组件,然后利用基于语法树的抽取算法实现SAO结构的逐层抽取。[结果/结论]案例研究发现,该方法的平均查准率为0.805 8,平均查全率为0.844 6,所识别SAO结构与领域主题关系较强,且矩阵稀疏性也得到较好改善,可有效应用于相关文献计量分析。

基于深度学习与语义挖掘的技术创新组合识别与追踪

[目的/意义]随着战略型新兴技术产业的迅猛发展,如何识别具有潜在协同效应的技术创新组合、厘清组合中核心的创新关系,是有效规划产业发展路线、提升产业竞争优势的重要前提。[方法/过程]在技术组合进化理论的指导下,结合深度学习、SAO语义挖掘和CFDP算法,提出一种基于专利数据的技术创新组合与演化关系的识别方案。该研究方案共分为3个步骤:首先基于关键词与专利分类号构建领域检索策略,并实现对获取数据的清洗和分词。随后,通过Word2Vec构建领域技术主题的词向量语义网络,并利用CFDP算法识别出潜在创新要素及组合方式。最后,深入挖掘各组合中核心的SAO结构,通过LSTM深度学习算法对其演化关系进行分类,挖掘技术的核心创新方式,进而有效甄别领域潜在的技术机会。[结果/结论]以语音识别领域为例,通过对该领域DII专利文本数据的深入挖掘,识别并追踪5个潜在的技术创新组合及核心创新方式。研究发现,当前我国语音识别领域在智能芯片设计、语音识别算法、新场景和应用等方面有较大的创新潜力。

失效专利视域语义分析与多维技术创新地图融合的技术机会识别

【目的】囿于研发资源及侵权风险的约束,通过搜寻失效专利并识别其蕴含的技术机会弥补企业自身资源短板。【方法】基于SAO语义分析确定具象技术领域拟解决的创新问题,基于核心失效专利筛选构建SAO知识库,基于多维技术创新地图进行技术机会识别。【结果】获取煤矿除尘领域相关专利数据,系统阐述本文方法的应用过程。研究结果表明,通过此方法识别的三种技术机会能够为企业降低自身资源短板提供决策理论支持。【局限】仅针对煤矿除尘技术领域展开研究,需增强普适性;所构建核心失效专利的评价指标体系不够全面,需增强系统性;缺乏所构建技术机会识别路径优于其他路径的实证研究。【结论】面向失效专利视域融合语义分析与多维技术创新地图进行技术机会识别,能够提升识别结果的准确性及可应用性。