基于深度学习与语义挖掘的技术创新组合识别与追踪

来源：图书情报工作杂志2022年第10期北京时间：

作者：周潇,许银彪,史益

单位：1. 西安电子科技大学经济与管理学院 西安 710126;2. 西安石油大学计算机学院 西安 710065

摘要：[目的/意义]随着战略型新兴技术产业的迅猛发展,如何识别具有潜在协同效应的技术创新组合、厘清组合中核心的创新关系,是有效规划产业发展路线、提升产业竞争优势的重要前提。[方法/过程]在技术组合进化理论的指导下,结合深度学习、SAO语义挖掘和CFDP算法,提出一种基于专利数据的技术创新组合与演化关系的识别方案。该研究方案共分为3个步骤:首先基于关键词与专利分类号构建领域检索策略,并实现对获取数据的清洗和分词。随后,通过Word2Vec构建领域技术主题的词向量语义网络,并利用CFDP算法识别出潜在创新要素及组合方式。最后,深入挖掘各组合中核心的SAO结构,通过LSTM深度学习算法对其演化关系进行分类,挖掘技术的核心创新方式,进而有效甄别领域潜在的技术机会。[结果/结论]以语音识别领域为例,通过对该领域DII专利文本数据的深入挖掘,识别并追踪5个潜在的技术创新组合及核心创新方式。研究发现,当前我国语音识别领域在智能芯片设计、语音识别算法、新场景和应用等方面有较大的创新潜力。

关键词：技术创新组合识别,深度学习,SAO法,语义挖掘,专利分析,

基金资助：本文系国家自然科学基金青年基金项目\"基于多数据源融合的新兴技术创新路径识别与动态选择研究\"(项目编号:71704139)和陕西省自然科学基金青年基金项目\"面向企业需求的新兴技术创新组合识别与传递系统的构建研究\"(项目编号:2019JQ-661)研究成果之一。