基于深度学习的技术机会预测研究——以新能源汽车为例
来源：图书情报工作杂志2021年第19期北京时间：
作者：桂美增,许学国
单位：1 浙江财经大学会计学院 杭州 310018;2 上海大学管理学院 上海 200444
摘要：[目的/意义] 技术机会预测有利于国家和企业管理者识别技术未来的发展方向，从而调整技术发展战略，在技术竞争中占据优势地位。[方法/过程] 提出一种基于深度学习的技术机会预测方法。首先运用AP （affinity propagation）聚类算法实现对技术领域的主题划分。其次运用Doc2Vec算法计算出各技术领域专利文本相似度情况，进而识别出具有发展潜力的技术领域。再次采用生成式拓扑映射（generative topographic mapping，GTM）算法对发展潜力技术领域绘制专利地图，通过GTM逆向映射获得技术机会。最后，构建基于深度学习的链接预测模型，对识别出的技术机会进行链接预测，从而获得高发展概率的技术机会。[结果/结论] 使用新能源汽车专利数据对方法的有效性进行验证，结果显示基于深度学习的链接预测模型的预测准确率、召回率和F1值均优于其他预测模型，并对新能源汽车的技术机会进行预测。
关键词：技术机会预测,深度学习,链接预测,生成式拓扑映射,
基金资助：本文系国家自然科学基金青年项目\"关键利益相关者视角下新兴产业创新政策作用机制与仿真优化：以新能源汽车为例\"（项目编号：71704101）研究成果之一。
