排序方式： 共有40条查询结果，搜索用时 104 毫秒
2.
4.
针对Web of Science数据库2001—2018年的研究文献,借助SPSS 22.0、CiteSpace V等软件,通过共词分析、文献共被引聚类、突发文献、突现词、标志性文献等指标开展颠覆式创新的可视化计量分析,揭示20年间颠覆式创新的研究热点及其演化过程,探究其未来发展趋势。研究发现:颠覆式创新的研究热点主要包括颠覆式技术、市场驱动、商业模式等,其中Danneels E、Markides C、Christensen C M等学者的研究成果是领域内的热点文献;颠覆式创新的演进趋势呈现出由21世纪前10年的不连续性创新、颠覆式技术、物联网、电子商务过渡至2010年之后的信息系统、组织绩效、市场定位等,而互联网、事前预测框架、颠覆式创新的测量及应用等,极有可能成为未来颠覆式创新的研究热点。 相似文献
5.
6.
[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。 相似文献
7.
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 shortterm memory)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... 相似文献
8.
9.
10.