采用机器学习算法的技术机会挖掘模型及应用

发布时间：2024-04-20 02:03

　　现有技术机会挖掘结果的应用性较低,究其原因,一是样本量较小,二是挖掘过程缺乏对技术应用前景的评估.为解决这一问题,以提升挖掘结果的应用性为目标,以海量专利为样本,在现有研究的基础上,加入对技术应用前景的评估,提出三维的专利预测模型.采用机器学习下的PLSA算法,结合Hadoop平台下的MapReduce计算框架,运用专利文本挖掘,构建专利预测模型的技术维和功效维;采用熵权和TOPSIS法构建专利预测模型的价值维;基于MapReduce计算框架填充专利预测模型的单元项.并以DII数据库中钛领域1999～2018年133 508例专利文本为样本应用了专利预测模型.结果显示,该模型在钛领域内共挖掘出了3个优先级和2个次级的技术机会,可以按优先顺序对技术机会进行开发.该模型丰富了技术机会挖掘的方法,为创新主体指明了更为准确和前景化的技术研发方向.

【文章页数】：13 页

【部分图文】：

图1专利预测模型构建流程

在PTFM的基础上,创新性的添加第三维——价值维.即价值维与技术维和功效维一起共同构成三维的专利预测模型.专利预测模型是基于专利的、以价值为导向的、提供技术机会前景预测的技术应用模型.专利预测模型的构建流程如图1所示.实验环境由3台计算机搭建,在Java8.1环境中使用Pyth....

图2基于MapReduce计算框架的单元项填充流程

专利预测模型中的单元项指处于相应技术关键词、功效关键词和DMC交叉点上的专利组合.单元项填充,就是对具有相应技术关键词、功效关键词和DMC坐标点上的专利组合数量进行的聚类统计.PTFM中单元项填充一般由技术关键词和功效关键词的共现矩阵确定,因此本文在沿用共现矩阵进行专利聚类的基础....

图3钛领域的专利预测模型

根据已确定出钛领域的技术维、功效维、价值维以及单元项填充结果,以技术维为x轴,功效维为y轴,价值维为z轴,结合单元项填充结果建立空间直角坐标系搭建专利预测模型,并通过Origin2019b软件实现可视化.由于在x轴和y轴上使用全文字标注会导致三维专利预测模型不够清晰,所以本文使....

图4钛领域的专利预测地图

根据图3,绘制钛领域内的专利预测地图,如图4所示.4.2钛领域的技术机会挖掘

本文编号：3958710