融合引用和文本特征的技术创新路径识别研究
来源：图书情报工作杂志2023年第3期北京时间：
作者：岳丽欣,刘自强,刘春江,方曙
单位：1 南京师范大学新闻与传播学院 南京 210023;2 中国科学院成都文献情报中心 成都 610041;3 中国科学院大学经济与管理学院信息资源管理系 北京 100190
摘要：[目的/意义] 探索融合引用和文本特征的专利技术创新路径识别分析方法，有助于规避技术创新风险、优化选择技术创新路径，对提升创新主体的创新能力，促进现代产业发展，布局科技前沿发展战略等具有重要的意义。[方法/过程] 首先基于 Node2Vec 模型和 Doc2Vec 模型将专利引用和文本数据表示学习为可计算的高维向量；然后利用 LDA 主题模型进行技术主题识别并结合 T-SNE 算法降维，添加时间维度构建初始技术创新路径；最后，在专利引用和文本特征向量表示结果基础上，开展向量融合拼接从而实现融合引用和文本特征的技术创新路径识别。[结果/结论] 通过对超级电容器领域的实证，验证提出的融合引用和文本特征的的技术创新路径识别方法能够从特定领域专利文献中高效、准确地识别专利技术创新路径，证明方法的可行性和有效性。
关键词：嵌入,主题模型,引用关系,创新路径,
基金资助：本文系国家社会科学基金项目“专利技术创新风险识别与技术创新路径预测方法研究”（项目编号： 19BTQ088）研究成果之一。
