一种专利共类与深度学习模型结合的技术融合预测方法研究 |
| |
引用本文: | 祝娜,尹俊华,翟羽佳.一种专利共类与深度学习模型结合的技术融合预测方法研究[J].情报理论与实践,2024(1):145-153. |
| |
作者姓名: | 祝娜 尹俊华 翟羽佳 |
| |
作者单位: | 1. 西南大学国家治理学院;2. 西南大学计算机与信息科学学院;3. 天津师范大学管理学院;4. 武汉大学信息管理学院 |
| |
基金项目: | 国家社会科学基金青年项目“技术融合的学科知识关联机制与互动模式研究”的成果,项目编号:20CTQ029; |
| |
摘 要: | 目的/意义]作为科技创新的重要手段,技术融合预测对于改进技术研发的策略选择具有重要参考和借鉴意义,文章提出一种专利共类与深度学习模型结合的技术融合预测方法,以提高预测结果的准确性和可靠性。方法/过程]以燃料电池技术为例,首先采用关联规则挖掘算法识别专利数据中具有强关联的IPC频繁项集,计算技术相对相似度,基于AP聚类算法进行技术聚类;然后运用生成式拓扑映射算法识别其中技术融合点,构建训练数据集和测试数据集。最后基于深度学习模型进行学习训练,预测燃料电池技术未来可能出现的技术融合。结果/结论]这种方法在准确率和召回率上表现优异,可以快速、客观地识别技术融合,为技术创新的智能决策和预测提供支持和帮助。
|
关 键 词: | 技术融合 深度学习 专利共类 预测方法 |
|