企业潜在技术合作伙伴及竞争者预测研究——以燃料电池技术为例

doi:10.3772/j.issn.1000-0135.2021.10.003

情报学报

2021, Vol. 40

Issue (10): 1043-1051 DOI: 10.3772/j.issn.1000-0135.2021.10.003

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

企业潜在技术合作伙伴及竞争者预测研究——以燃料电池技术为例

李冰, 丁堃, 孙晓玲

大连理工大学科学学与科技管理研究所，大连 116024

Predicting Potential Technology Partners and Competitors of Enterprises: A Case Study on Fuel Cell Technology

Li Bing, Ding Kun, Sun Xiaoling

Institute of Science of Science and S&T Management, Dalian University of Technology, Dalian 116024

摘要
图/表
参考文献
相关文章 (12)

全文: PDF (3070 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要专利数量的快速增长，使得企业在大的行业范围内，对于潜在合作伙伴的评估和筛选以及竞争者辨识和防范变得更加耗时耗力，如何准确、快速地缩小查找范围，定位潜在关系对象变得十分重要且有意义。本文以二部图理论为基础构建了企业-专利异质性网络，研究方法选取了基于随机游走的SimRank指标的链路预测算法，对企业潜在技术合作伙伴和竞争对手进行预测分析。本文利用表示学习方法将专利文本进行语义向量化表示，通过计算专利表示向量的相似性来度量目标企业与竞合对象的技术差异判定竞合关系。最后，在燃料电池技术领域进行实证，证实研究理论和方法的有效性，为企业发展提供方法参考。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李冰
	丁堃
	孙晓玲

关键词 ：有向二部图, 链路预测, 潜在关系预测, 表示学习

收稿日期: 2020-09-26

基金资助:国家自然科学基金项目“基于引用极性和评论挖掘的论文综合评价模型研究”（61772103），“论文-专利引证视角下的科学与技术知识演化分析方法及其应用研究”（71704019）。

作者简介: 李冰，女，1993年生，博士研究生，研究方向为专利挖掘与专利信息计量；丁堃，女，1962年生，博士，教授，博士生导师，研究方向为创新管理与专利计量，E-mail：dingk@dlut.edu.cn；孙晓玲，女，1985年生，博士，副教授，研究方向为科学学与科技管；

引用本文:

李冰, 丁堃, 孙晓玲. 企业潜在技术合作伙伴及竞争者预测研究——以燃料电池技术为例[J]. 情报学报, 2021, 40(10): 1043-1051.
Li Bing, Ding Kun, Sun Xiaoling. Predicting Potential Technology Partners and Competitors of Enterprises: A Case Study on Fuel Cell Technology. 情报学报, 2021, 40(10): 1043-1051.

链接本文:

http://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.10.003 或 http://qbxb.istic.ac.cn/CN/Y2021/V40/I10/1043

1 洪勇, 李英敏. 基于专利耦合的企业间技术相似性可视化研究[J]. 科学学研究, 2013, 31(7): 1013-1021.
2 王菲菲, 芦婉昭, 贾晨冉, 等. 基于论文-专利机构合作网络的产学研潜在合作机会研究[J]. 情报科学, 2019, 37(9): 9-16.
3 许海云, 王超, 董坤, 等. 基于创新链中知识溢出效应的产学研R&D合作对象识别方法研究[J]. 情报学报, 2017, 36(7): 682-694.
4 王超, 许海云, 方曙. 产学研潜在合作对象识别方法研究[J]. 科学学研究, 2018, 36(1): 101-113.
5 周超强. 面向产学研合作的专家推荐方法研究[D]. 杭州: 杭州电子科技大学, 2016.
6 付鑫金, 朱礼军, 曹燕, 等. 科技查新用于识别产学研潜在合作对象的方法研究[J]. 情报工程, 2018, 4(2): 101-111.
7 冉从敬, 宋凯, 赵倩蓉, 等. 合作什么, 去哪合作, 与谁合作?——专利视角下的校企合作对象选择系统构建[J]. 图书馆论坛, 2020, 40(8): 113-121.
8 Kang J, Lee J, Jang D, et al. A methodology of partner selection for sustainable industry-university cooperation based on LDA topic model[J]. Sustainability, 2019, 11(12): 3478.
9 温芳芳. 专利分类号耦合分析在企业潜在合作关系识别中的应用[J]. 现代情报, 2018, 38(7): 142-147.
10 杨梓. 基于技术关联的企业技术创新合作对象识别与选择研究[D]. 北京: 北京工业大学, 2016.
11 傅俊英, 彭喆, 郑佳, 等. 基于专利异构网络的中小企业潜在合作伙伴研究——以石墨烯领域为例[J]. 情报学报, 2019, 38(4): 391-401.
12 温亮, 邱鹏君, 马萍萍, 等. 基于SAO语义分析的潜在技术合作伙伴识别[J]. 北京理工大学学报(社会科学版), 2017, 19(4): 91-96.
13 Angue K, Ayerbe C, Mitkova L. A method using two dimensions of the patent classification for measuring the technological proximity: an application in identifying a potential R&D partner in biotechnology[J]. The Journal of Technology Transfer, 2014, 39(5): 716-747.
14 丁勇, 程璐, 蒋翠清. 基于二部图的P2P网络借贷投资组合决策方法[J]. 数据分析与知识发现, 2019, 3(12): 76-83.
15 任辉, 周晓光, 申晋. 基于二部图法的Web知识社群挖掘[J]. 现代图书情报技术, 2007(4): 39-42.
16 张继东, 王蓉. 基于用户行为感知的数字期刊服务推送研究[J]. 情报科学, 2019, 37(5): 19-24.
17 Aaldering L J, Leker J, Song C H. Competition or collaboration? Analysis of technological knowledge ecosystem within the field of alternative powertrain systems: a patent-based approach[J]. Journal of Cleaner Production, 2019, 212: 362-371.
18 Park I, Yoon B. Technological opportunity discovery for technological convergence based on the prediction of technology knowledge flow in a citation network[J]. Journal of Informetrics, 2018, 12(4): 1199-1222.
19 王宏起, 夏凡, 王珊珊. 新兴产业技术融合方向预测:方法及实证[J]. 科学学研究, 2020, 38(6): 1009-1017, 1075.
20 吕琳媛. 复杂网络链路预测[J]. 电子科技大学学报, 2010, 39(5): 651-661.
21 张斌, 李亚婷. 学科合作网络链路预测结果的排序鲁棒性[J]. 信息资源管理学报, 2018, 8(4): 89-97.
22 Antonellis I, Garcia-Molina H, Chang C C. Simrank++: query rewriting through link analysis of the click graph[J]. Proceedings of the VLDB Endowment, 2008, 1(1): 408-421.
23 林原, 王凯巧, 刘海峰, 等. 网络表示学习在学者科研合作预测中的应用研究[J]. 情报学报, 2020, 39(4): 367-373.
24 孙晓玲, 丁堃. 深度学习中的表示学习研究及其对知识计量的影响[J]. 情报理论与实践, 2018, 41(9): 118-122.