离群专利视角下的新兴技术预测——基于BERT模型和深度神经网络
来源：图书情报工作杂志2021年第17期北京时间：
作者：孔德婧,董放,陈子婧,刘宇涵,周源
单位：1. 北京邮电大学现代邮政学院 北京 100876;2. 清华大学公共管理学院 北京 100084;3. 华中科技大学机械科学与工程学院 武汉 430074
摘要：[目的/意义] 由于新兴技术本身的超前性，其刚出现的关注度往往不是很高。目前研究更多遵循技术发展路径依赖进行新兴技术的识别，会忽略一些颠覆现有技术轨道的技术研发。通过对与领域内主流技术相似度较低的离群专利进行分析，可以更有效地识别这类技术研发并预测新兴技术。[方法/过程] 提出一种基于深度学习的离群专利识别与新兴技术预测方法。首先使用BERT预训练模型基于专利文本构建相似度网络，识别离群专利，然后基于DNN模型构建离群专利指标与技术影响力之间的关系，实现从海量离群专利中快速、准确地预测新兴技术。最后以数控系统领域为例，从德温特专利数据库获取近10年领域内所有专利，进行实证分析。[结果/结论] 数控系统领域的实证分析结果验证了模型的有效性，同时对国家的技术发展政策制定以及相关领域企业技术布局具有重要的指导意义。
关键词：新兴技术,深度学习,离群专利,数控系统,
基金资助：本文系国家自然科学基金项目\"基于多源知识图谱的产业融合路径及机制研究\"（项目编号：72004016）和国家自然科学基金项目\"基于多源异构网络视角的新兴产业创新扩散作用机制及政策研究\"（项目编号：71974107）研究成果之一。
