| 基于离群点视角的颠覆性专利预测研究 |
| |
| 引用本文： | 王丹,周潇,赵捧未,樊嘉逸.基于离群点视角的颠覆性专利预测研究[J].图书情报工作,2024(5):74-86. |
| |
| 作者姓名： | 王丹 周潇 赵捧未 樊嘉逸 |
| |
| 作者单位： | 西安电子科技大学经济与管理学院 |
| |
| 基金项目： | 国家自然科学基金面上项目“重组创新视角下新兴共性技术识别及突破路径预测研究”(项目编号：72374165)研究成果之一~~； |
| |
| 摘 要： | 目的/意义]在日趋激烈的国际竞争背景下，颠覆性技术被认为是引领技术和产业发展方向、助推企业和产业实现“弯道超车”的绝佳机会窗口。为此，预测和部署颠覆性技术对于国家抢占科技制高点、重塑价值链均具有重大战略意义。方法/过程]结合深度学习和离群点检测算法，构建基于离群点视角的颠覆性专利预测框架。该研究框架包括五个关键步骤：首先，利用BERT模型和TF-IDF算法将专利文本和专利分类号转化为可计算的高维向量表示，并结合PCA算法进行降维和特征融合；其次，采用三种离群点检测算法，以增量迭代的方式识别离群专利；再者，通过数据集修正，从离群专利中保留新技术专利；在此基础上，通过深度剖析新技术形式颠覆性专利的核心特征，构建有效的测度指标体系；最后，利用深度学习DNN模型拟合专利指标和颠覆性专利标签之间的关联关系，从而实现从大量的新技术专利中对潜在颠覆性专利的有效预测。结果/结论 ]以人工智能为例，验证了该方法的有效性。结果共预测出411条颠覆性专利，这些专利主要涉及六大颠覆性方向：多模态预训练大模型、增强现实、生成式AI、自动驾驶、图像识别与处理和智能通信。这些技术的推广和应用，将对未来的科技和...
|
| 关 键 词： | 颠覆性技术 离群点检测 预测研究 深度学习 专利分析 |
|
|
