基于关联分析的技术演进路径发现

doi:10.3772/j.issn.1000-0135.2018.11.002

情报学报

2018, Vol. 37

Issue (11): 1087-1094 DOI: 10.3772/j.issn.1000-0135.2018.11.002

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

基于关联分析的技术演进路径发现

万小萍, 刘向, 闫肖婷, 汪锦霞

华中师范大学信息管理学院,武汉 430079

Technological Path Detection Approach Based on Association Analysis

Wan Xiaoping, Liu Xiang, Yan Xiaoting, Wang Jinxia

School of Information Management, Central China Normal University, Wuhan 430079

摘要
图/表
参考文献
相关文章 (7)

全文: PDF (549 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要研究技术演进路径对于把握技术脉络、预测技术发展趋势和学习先进技术具有重要意义。本文设计动态支持度阈值进行专利引文过滤,通过专利的关联关系建立专利技术网络,然后采用局域、全局和关键路线搜索算法简化技术路径,从而得到技术演进路径。相比传统主路径分析方法,该方法在选取关键专利节点和描述专利关系上更加合理准确。最后通过对有机发光二极管领域的实证,从结构内容、专利分布、专利强度统计检验几个方面证实了该方法的有效性。

	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
	万小萍
	刘向
	闫肖婷
	汪锦霞

关键词 ：技术演进路径, 主路径分析, 关联规则, 专利分析, 引文分析

收稿日期: 2018-04-30

基金资助:国家自然科学基金项目"专利网络中群体行为视角的科技创新趋势涌现研究"（71303090）;国家自然科学基金项目"专利引证网络中创新节点的浮现与长期演化研究"（71673106）;中央高校基本科研业务费项目（CCNU16GD024）

作者简介: 万小萍,女,1985年生,博士研究生,主要研究方向为数据挖掘与信息计量;刘向,男,1983年生,博士,副教授,硕士生导师,主要研究方向为数据挖掘与信息计量,E-mail: xiangliu@mail.ccnu.edu.cn;闫肖婷,女,1993年生,硕士研究生,主要研究方向为数据挖掘与信息计量;汪锦霞,女,1994年生,硕士研究生,主要研究方向为数据挖掘与信息计量。

引用本文:

万小萍, 刘向, 闫肖婷, 汪锦霞. 基于关联分析的技术演进路径发现[J]. 情报学报, 2018, 37(11): 1087-1094.
Wan Xiaoping, Liu Xiang, Yan Xiaoting, Wang Jinxia. Technological Path Detection Approach Based on Association Analysis. 情报学报, 2018, 37(11): 1087-1094.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2018.11.002 或 https://qbxb.istic.ac.cn/CN/Y2018/V37/I11/1087

[1] Tu Y, Hsu S.Constructing conceptual trajectory maps to trace the development of research fields[J]. Journal of the Association for Information Science and Technology, 2016, 67(8): 2016-2031.
[2] 黄鲁成, 蔡爽. 基于专利的技术轨道实证研究[J]. 科学学研究, 2009, 27(3): 363-367.
[3] 隗玲, 方曙. 引文网络主路径研究进展评述及展望[J]. 情报理论与实践, 2016, 39(9): 128-133.
[4] 熊鸿儒, 王毅, 林敏, 等. 技术轨道研究: 述评与展望[J]. 科学学与科学技术管理, 2012, 33(7): 21-28.
[5] 王燕玲. 技术轨道识别研究[D]. 武汉: 武汉大学, 2013: 1-7.
[6] 翟东升, 蔡力伟, 张杰, 等. 基于专利的技术融合创新轨道识别模型研究——以云计算技术为例[J]. 情报学报, 2015, 34(4): 352-360.
[7] Hummon N P, Doreian P.Connectivity in a citation network: The development of DNA theory[J]. Social Networks, 1989, 11(1): 39-63.
[8] Batagelj V. Efficient algorithms for citation network analysis[J/OL]. arXiv, 2003: 0309023. [2018-3-27]. https://arxiv.org/ abs/cs/0309023.
[9] Liu J S, Lu L Y.An integrated approach for main path analysis: Development of the Hirsch index as an example[J]. Journal of the Association for Information Science and Technology, 2012, 63(3): 528-542.
[10] Lucioarias D, Leydesdorff L.Main-path analysis and path- dependent transitions in HistCite™-based historiograms[J]. Journal of the Association for Information Science and Technology, 2008, 59(12): 1948-1962.
[11] Gwak J H, Sohn S Y.A novel approach to explore patent development paths for subfield technologies[J]. Journal of the Association for Information Science and Technology, 2018, 69(3): 410-419.
[12] 祝清松, 冷伏海. 基于引文主路径文献共被引的主题演化分析[J]. 情报学报, 2014, 33(5): 498-506.
[13] 陈亮, 杨冠灿, 张静, 等. 面向技术演化分析的多主路径方法研究[J]. 图书情报工作, 2015, 59(10) : 124-130.
[14] 董克, 刘德洪, 江洪, 等. 基于主路径分析的HistCite结果改进研究[J]. 情报理论与实践, 2011, 34(3): 113-116.
[15] 马瑞敏, 张欣. 基于Pathfinder算法的领域知识交流主路径发现研究[J]. 情报学报, 2016, 35(8): 856-863.
[16] 杨中楷, 刘佳. 基于专利引文网络的技术轨道识别研究——以太阳能光伏电池板领域为例[J]. 科学学研究, 2011, 29(9): 1311-1317.
[17] 李健, 韩毅. 基于主路径的领域知识扩散演变研究——以太阳能领域为例[J]. 情报学报, 2014, 33(8): 883-891.
[18] 刘凤朝, 马荣康, 孙玉涛. 基于专利技术共现网络的纳米技术演化路径研究[J]. 科学学研究, 2012, 30(10): 1500-1508.
[19] Park H, Magee C L.Tracing technological development trajectories: A genetic knowledge persistence-based main path approach[J]. PLoS ONE, 2017, 12(1): 0170895.
[20] 唐果媛, 张薇. 基于共词分析法的学科主题演化研究进展与分析[J]. 图书情报工作, 2015, 59(5): 128-136.
[21] Liu X, Jiang T T, Ma F C.Collective dynamics in knowledge networks: Emerging trends analysis[J]. Journal of Informetrics, 2013, 7(2): 425-438.
[22] 刘向, 万小萍, 马费成. 基于专利信息的科技创新趋势探测: 理论与方法[J]. 情报科学, 2015, 33(12): 20-26.
[23] Agrawal R, Srikant R.Fast algorithms for mining association rules in large databases[C]// Proceedings of IEEE International Conference on Software Engineering and Service Science. IEEE, 2014: 487-499.
[24] Han J, Pei J, Yin Y, et al.Mining frequent patterns without candidate generation[J]. International Conference on Management of Data, 2000, 29(2): 1-12.