专利数据驱动下的技术创新机会识别及新颖性评价研究

发布时间：2024-04-11 21:28

　　精准识别技术创新机会是企业乃至国家获得竞争优势以不断提升核心竞争力的重要手段,而在技术创新机会识别中,专利作为一种重要的信息来源被人们广泛运用,但囿于承载专利信息的专利文献数据量庞大,如何在海量专利文献中快速准确地识别技术创新机会显得尤为重要。然而,现有研究多忽视了企业现有的技术利用能力,导致技术机会分析的结果偏离了当前产业技术的发展方向,难以在企业得到具体应用。另一方面,绝大部分技术机会分析的研究局限在特定领域,较少考虑构建的方法体系是否可在更广泛的领域中仍具有较强的适应性。有鉴于此,本文以产品技术创新识别及其评价路径为研究主题,探索了如何在海量数据中精确识别技术机会,挖掘数据中隐含的知识帮助企业决策人员识别和选择最佳技术创新机会,为企业高效开展技术创新活动提供了科学的决策依据。本文的主要研究内容如下:首先,结合专利挖掘、文本分析方法,通过LDA主题模型对海量专利数据高效聚类,并结合多维技术创新图谱对创新要素进行探究,从技术要素提取、技术机会识别两个层面逐步获得面向市场需求的技术机会;其次,构建技术新颖性评价指标来识别具有高价值的创新路径;最后以水下机器人领域为例,分析水下机器人的相...

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图１．１技术路线图??１．４主要创新点??综合上述研宄内容，本文的创新点总结如下三点：??

?实例分析??士?——１｜?＾?；?１?元易创新方法??水下机器人专利信水下机器人技术创水下机器人潜在技??息检索及预处理?新机会生成?术方案评价?ＴｅｘｔＲａｎｋ－ＩＤＦ算法??”?丨?－，Ｉ??１???３Ｅ：???结论与展望??结论与顧??＾?—ＩＩ?１?１?总结讨论??研究....

图２．１?ＬＤＡ模型过程图??为得到更好的分类效果，ＬＤＡ主题模型的核心在于对主题数量参数的设置??［３５］

麽辑?ｉｒｎｗｒ１?（２．１）??（２）对各主题ｉ生成对应的词项分布如？Ｄｉｒ〇５），其中Ｐ是控制主题－词项过??程的超参数，进从该分布中采样生成专利文献＾中的第／个词项??ｗｄｉ￣Ｍｕｌｔｉｎｏｍｉａｌ（０Ｚｄｉ），此阶段对应主题－词项矩阵。??反复进行上述过程，直至生成所有文....

图３．１基于ＬＤＡ主题模型的多为技术创新图谱构建流程??３．１．１基于ＬＤＡ主题模型的专利挖掘??ＬＤＡ模型进行应用前，专利检索及预处理是首要步骤，先将特定研究?

Ｉ?Ｉ??机丨—主题分布分析—?主题筛选??会?Ｉ???Ｉ?．??＿＿｜???Ｉ??盖、?｜?关键主题及技术要素?￣｜?Ｊ??ｉ?、＇??技Ｚ?｜?多维技术创新地图构建?＇??术?｜?Ａ、、?Ｉ??２：?１１创新维度要素划分创新法则要素耦合Ｉ１??会１?１?丨?Ｍ??生?Ｉ???....

图３．２多维技术创新图谱应用??（３）潜在技术创新机会识别??如图３．２，以创新法则对技术要素进行组合与改进，将该过程中得到的初步??技术机会方案进一步完善，进而获得有价值的潜在技术机会

?３技术机会生成及评价路径构建方法研究???＾新维度?ｇ?创新要素＾＾?创新法则?潜在技术机会＾??￣￣？！户１?ｈ—?￣￣Ｈ?７ｉ?￣ｉ??空间维?￣］?Ｈ?只?ｈ—ｒ－ｊ?分解与去?Ｈ?Ｔ，?１??—??人机关系维ｑ——ｎｉ?ａ；?智慧化ｉ—ｈ?ｔ，?ｉ??—＞ｉ?ｉ＜Ｉ?￣....

本文编号：3951171