一种专利共类与深度学习模型结合的技术融合预测方法研究.pdfVIP

Informationstudies:TheoryApplication

InformationSystems145

Vol.47No.1(Jan.2024)

123,4

●祝娜,尹俊华,翟羽佳

(1.西南大学国家治理学院,重庆400715;2.西南大学计算机与信息科学学院,重庆400715;

3.天津师范大学管理学院,天津300387;4.武汉大学信息管理学院,湖北武汉430072)

一种专利共类与深度学习模型结合的技术融合预测方法研究∗

摘要:[目的/意义]作为科技创新的重要手段,技术融合预测对于改进技术研发的策略选择具有重要参考和借

鉴意义,文章提出一种专利共类与深度学习模型结合的技术融合预测方法,以提高预测结果的准确性和可靠性。[方法/

过程]以燃料电池技术为例,首先采用关联规则挖掘算法识别专利数据中具有强关联的IPC频繁项集,计算技术相对相

似度,基于AP聚类算法进行技术聚类;然后运用生成式拓扑映射算法识别其中技术融合点,构建训练数据集和测试数

据集。最后基于深度学习模型进行学习训练,预测燃料电池技术未来可能出现的技术融合。[结果/结论]这种方法在准

确率和召回率上表现优异,可以快速、客观地识别技术融合,为技术创新的智能决策和预测提供支持和帮助。

关键词:技术融合;深度学习;专利共类;预测方法

DOI:10.16353/ki.1000-7490.2024.01.018

引用格式:祝娜,尹俊华,翟羽佳.一种专利共类与深度学习模型结合的技术融合预测方法研究[J].情报理论与

实践,2024,47(1):145-153.

ResearchonaPatentTechnicalConvergencePredictionCombiningPatentCo-Classification

andDeepLearningModel

Abstract:[Purpose/significance]Asanimportanttoolforscienceandtechnologyinnovation,thepredictionoftechnology

fusionhasvitalrelevanceandguidanceforimprovingthestrategyselectionoftechnologyRD.Thisstudyproposesamethodforpre-

dictingtechnicalconvergencebasedonacombinationofpatentco-classificationanddeeplearningmodels.[Method/process]Tak-

ingthefieldoffuelcellsasanexample,thisstudyusesassociationruleminingtoidentifythesetofIPCswithstrongconnectionsin

patentdata,calculatestherelativetechnicalsimilarity,andclassifiestechnologiesbasedontheAPclusteringalgorithm.Then,

usingthegenerativetopologymappingalgorithm,potentialtechnologyfusionpointsareidentified,andtrainingandtestdatasetsare

constructed.Finally,basedonadeeplearningmodel,wetestthepredictive