融合专利数据与社交媒体数据的潜在颠覆性技术识别——基于深度学习模型

作为推动社会进步与经济发展的重要力量,如何快速且精确地识别潜在颠覆性技术对于提升企业竞争力、推动产业变革等具有关键意义。本文提出一种融合专利数据与社交媒体数据的潜在颠覆性技术早期识别方法,是对已有研究理论和方法的重要补充。第一,检索相关领域专利数据,对数据进行划分;第二,基于颠覆性技术的特征,选取与颠覆性技术相关的指标以构建指标体系,并计算其技术影响力;第三,依托Bi-LSTM(bi-directional long short-termmemory)训练专利指标与技术影响力之间的关系,预测出候选颠覆性技术,并结合BERTopic提取技术主题;第四,通过BERTopic主题建模基于社交媒体数据提取出社会主题,并通过关注度和情感倾向对社会主题进行评价;第五,通过语义相似度,将社会主题与技术主题匹配映射,以对技术主题进行分类,进而识别出潜在颠覆性技术;第六,以医疗机器人为例,阐述该识别方法的应用过程。研究结果表明,Bi-LSTM模型在准确率、精准率、召回率和F1-score上均超过90%,优于其他模型;将医疗机器人领域中的潜在颠覆性技术划分为高关注度-积极态度、低关注度-积极态度与低关注度-消极态度3种类型;识别出的医疗机器人潜在颠覆性技术,能够为国家发展政策制定与相关产业布局提供参考。

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。

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。

面向绿色制造的轴承生产车间多目标调度优化

针对高性能轴承零部件的加工过程,以最大完工时间、机器加工碳排放量和磨削液使用量为目标函数,对轴承零部件加工的绿色车间调度问题进行研究.将轴承零部件的加工过程细化为启动、装夹、加工、卸夹、待机和关闭共6个流程,建立多目标绿色调度数学模型;提出了改进的多目标遗传算法进行求解,采用融合工序选择和机器选择的分段式编码方式,并在交叉、变异等步骤进行改进,提高算法收敛性;最后以某轴承公司的轴承零部件加工过程为例进行案例分析与对比试验,并通过大规模数据测试与分析.结果表明,所提模型可以得到更低的完工时间、碳排放量和磨削液使用量,从而验证了所提模型的科学性和有效性.