System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于技术先进性评估的,具体涉及一种基于智能模型的领域高颠覆性专利预测方法及系统。
技术介绍
1、颠覆性技术作为技术创新的重要抓手,思考如何抓住颠覆性技术发展方向,识别可能产生颠覆的技术主题、学科领域、行业和产业方向,对于国家增强综合科技实力,企业提升核心竞争力,高校提高科技成果转移转化成效有着重要的理论意义和实践意义。目前国内外关于前沿先进技术的识别主要是基于专家意见的德尔菲法、技术路线图及情景分析法等定性方法来进行尝试性探索,而且主要聚焦在对于新兴技术的识别研究,对于颠覆性技术的测定较少。如专利文献cn 107220320b公开了基于专利引文的新兴技术识别方法,s1特征化专利引文数据库;s2将在t+1年公布的每一项专利依据其主分类号进行分组,将分组记为gy;s3如果该主分类号是t+1年新建立的,将gy标注为新技术分组,否则记为非新技术分组;s4对于t年中所有专利根据专利引文特征向量进行聚类,将聚簇记为cx;s5计算t年的任一c′x与t+1年所有分组gy的专利同引的耦合度;s6找到与c′x专利同引的耦合度最高的分组g′y;s7如果g′y为新兴技术分组,将聚簇c′x标记为新兴技术,否则标记为非新兴技术;s8跳转步骤s4,直至t年所有的聚簇cx被标记完毕;s9跳转步骤s1,直至专利数据除了年份最大的其他专利都完成聚类与标注;s10采用标注数据训练分类器;s11使用该分类器判定基于专利引文特征向量的聚簇是否为新兴技术。
2、此外,专利文献cn 114969251 a公开了一种基于大规模语料的新兴技术识别方法和装置
3、虽然上述对前沿先进技术识别的方法流程简单,方法操作性较强,但是其识别方法较为单一,容易出现较多的误识别,从而使得预测的结果精度较低;也有专利技术人尝试通过构建计量模型、数据挖掘、统计等方法进行量化分析,但是存在分析的角度不够全面、算法模型有待优化等不足;此外,大部分专利技术人停留在对技术的识别阶段,分析的深度较浅,对技术进行测度研究的较少,总体上,尚未形成系统的、通用性和可操作性较强的颠覆性技术测度方法体系。
技术实现思路
1、本专利技术的目的在于针对现有技术的不足之处,提供一种基于智能模型的领域高颠覆性专利预测方法,该方法对于复杂不确定环境下的颠覆性技术识别效果较好,提高了潜在颠覆性技术测度的准确性。
2、为解决上述技术问题,本专利技术提供一种基于智能模型的领域高颠覆性专利预测方法,包括如下步骤:
3、步骤1、获取用户发布的颠覆性技术预测任务;
4、步骤2、根据颠覆性技术预测任务所属的
从专利库中获取相关的专利并构建为专利数据集,利用svm分类算法对专利数据集进行分类得到各类别的子数据集,构建lda主题模型,采用lda主题模型对各类别的子数据集进行技术主题提取并输出技术主题提取结果;
5、步骤3、构建颠覆性技术测度评分模型,采用颠覆性技术测度评分模型对提取的技术主题进行综合评分,筛选出综合评分排名前列的技术主题并整理其对应的专利文本;
6、步骤4、提取步骤3中筛选出的专利文本中的关键词,并统计步骤3筛选出的各技术主题对应类别的主题词,计算各专利文本的关键词与各对应类别的主题词之间的相似度,选取与类别主题词相似度最大的专利文本及其所属
作为预测结果进行输出。
7、进一步地,步骤2采用svm分类算法对专利数据集进行分类的方法为:获取与颠覆性技术预测任务的技术主题领域相关的专利将其构建为专利数据集,并调用与技术主题领域相对应的技术基础类别划分标准文件,采用svm分类算法根据技术基础类别划分标准文件对专利数据集进行分类,得到各类别的子数据集。
8、进一步地,颠覆性技术测度评分模型的构建方法为:
9、首先,基于技术主题提取结果从多维度构建测度指标;
10、其次,基于层次分析法对每个技术主题的各个测度指标的重要性进行评价,得到各个测度指标的优先级权重wh;
11、再次,基于熵权法对各个测度指标的贡献度进行评价,得到各个测度指标的权重wj;
12、之后,基于总体偏差最小原则计算权重wh、权重wj的组合权向量w;
13、最后,根据组合权向量w对各个测度指标赋予相应的权重,再对各测度指标进行加权求和得到每个技术主题的综合得分。
14、进一步地,从技术融合性、技术创新性、技术重要性、技术突破性四个维度构建测度指标。
15、进一步地,技术融合性是从接近中心性和ipc类别平均数量进行测度,其中接近中心性的计算公式为:
16、
17、aai表示技术主题i的接近中心性,dij表示技术主题i和j的最短距离,n表示技术主题的总数量;
18、技术创新性是采用结构洞指标来测度的,约束度、等级度和有效规模是结构洞指数典型指标,其公式如下所示:
19、
20、式中,cij表示约束度;节点q是节点i和节点j的共同邻接点;pij表示在节点i的所有邻接点中节点j所占的权重比例,piq表示节点q在节点i中所占的权重比例,pij表示节点q在节点j的邻接节点中所占的权重比例;
21、
22、式中,yii表示等级度;n表示技术主题i的个体网规模,c/n表示各技术主题约束度的均值,c表示约束度的总和;
23、
24、式中,yxi表示有效规模;j表示节点i的邻接节点,而q表示节点i和节点j的共同邻接节点;piq表示节点q在节点i中所占的权重比例,pij表示节点q在节点j的邻接节点中所占的权重比例。
25、进一步地,技术重要性是利用度中心性和接近中心性来量化技术主题权利,其中,度中心性的计算公式为:
26、dci=ki/(g-1)
27、式中,dci表示网络中技术主题i的度中心性,ki表示技术主题i的度,g代表网络规模;
28、接近中心性的计算公式为:
29、
30、式中,cci表示网络中技术主题i的接近中心性,dij表示技术主题i和技术主题j的最短距离,n表示节点i的度;
31、技术突破性的测定是用k均值方法来进行技术异常检测,计算公式为:
32、
33、式中,dist(x,yi)表示技术主题x与技术主题yi之间的距离,技术主题yi是距离技术主题x前k个最近邻技术主题中的一个,k表示技术主题x的最近邻个数。
<本文档来自技高网...【技术保护点】
1.一种基于智能模型的领域高颠覆性专利预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,步骤2利用SVM分类算法对专利数据集进行分类的方法为:
3.根据权利要求1所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,颠覆性技术测度评分模型的构建方法为:
4.根据权利要求3所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,从技术融合性、技术创新性、技术重要性、技术突破性四个维度构建测度指标。
5.根据权利要求4所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,技术融合性是从接近中心性和IPC类别平均数量进行测度,其中接近中心性的计算公式为:
6.根据权利要求4所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,技术重要性是利用度中心性和接近中心性来量化技术主题权利,其中,度中心性的计算公式为:
7.根据权利要求3所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,基于层次分析法得到优先级权重WH的方法为:
9.根据权利要求1所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,步骤4包括如下步骤:
10.一种根据权利要求1-9任意一项所述的基于智能模型的领域高颠覆性专利预测方法的系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于智能模型的领域高颠覆性专利预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,步骤2利用svm分类算法对专利数据集进行分类的方法为:
3.根据权利要求1所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,颠覆性技术测度评分模型的构建方法为:
4.根据权利要求3所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,从技术融合性、技术创新性、技术重要性、技术突破性四个维度构建测度指标。
5.根据权利要求4所述的基于智能模型的领域高颠覆性专利预测方法,其特征在于,技术融合性是从接近中心性和ipc类别平均数量进行测度,其中接近中心性的计算...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。