基于图神经网络模型的核心专利预测研究

发布时间：2024-03-07 02:29

　　在我国庞大的专利文献数据中,存在很多在技术上取得重要突破的核心专利,这些专利能够引领行业发展,促进行业巨变,并带来巨大的社会和经济价值。在专利公开早期能够准确地预测出这些专利,不仅有助于国家确定技术发展战略方针,优化政府部门决策,加快行业技术发展速度和提高国家技术竞争力,也可以帮助企业在激烈的竞争环境中发现市场机会,发掘合作伙伴,并且通过市场专利购买,围绕核心专利提前布局专利网等方式优化技术战略,增强核心竞争力,获得市场先机,从而有效减少企业研发成本,提高市场定位精度和收益。当前众多核心专利挖掘的研究方法上均存在一定程度的不足之处,如:采用德尔菲法、层次分析法等定性评价法,程序复杂、效率较低,过度依靠个人主观判断;布拉德福定律评价法基于对专利某一类别数量的统计结果,无法对单独个体进行定量分析,不利于个别核心专利的有效发掘;基于单一指标或多指标的方法仅采用外部指标进行识别预测,需要人为确定专利特征,专利特征的提取也依靠数据库的完整程度及个人经验,存在专利特征提取不充分等问题;而基于专利网络等的研究中,多通过引文网络、同族专利等专利的特有网络结构来发掘核心专利群或突破技术,因此无法针对个别...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图1.1本研究的主要框架

第四节研究框架和章节结构第一节核心专利的定义和识别方法

图3.1AUC评价指标示意图

AUC(AreaUnderCurve)是衡量二分类模型优劣的一种评价指标,如图3.1所示,定义为ROC曲线下的面积,表示预测的正样本排在负样本前面的概率。AUC数值越大,预测效果越好。其中,ROC曲线是以真阳性率(TPR)为纵坐标,伪阳性率(FPR)为横坐标绘制的一条曲线。最....

图3.2BFS和DFS示意图

而Node2vec的主要创新之处在于改进了随机游走的采样方式。如图3.2所示,与图的遍历方式相同,随机游走采样方式也包括广度优先(Breadth-firstSampling,BFS)和深度优先游走(Depth-firstSampling,DFS)两种方式。BFS:偏向于在目标....

图3.3Node2vec的随机游走方式

如3.3图,对于一个随机游走,假设已经采样(t,v)节点,其中,v为当前节点,t为上一步采集的节点。则对于下一个采样的节点x,作者通过设置一个节点之间的转移概率进行控制,如公式3.10与3.11,表示边的权重,表示搜索偏置,d表示t和x之间的距离。当d=0即节点x就是节点t时,有....

本文编号：3921251