专利技术创新路径识别及其新颖性评价研究

doi:10.3772/j.issn.1000-0135.2021.05.008

情报学报

2021, Vol. 40

Issue (5): 513-522 DOI: 10.3772/j.issn.1000-0135.2021.05.008

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

专利技术创新路径识别及其新颖性评价研究

冯立杰^1,2, 尤鸿宇¹, 王金凤^1,2

1.郑州大学管理工程学院，郑州 450001
2.上海海事大学经济管理学院，上海 201306

Research on the Path of Patent Innovation Technology Opportunities and Their Evaluation

Feng Lijie^1,2, You Hongyu¹, Wang Jinfeng^1,2

1.School of Management Engineering, Zhengzhou University, Zhengzhou 450001
2.School of Economics & Management, Shanghai Maritime University, Shanghai 201306

摘要
图/表
参考文献
相关文章 (4)

全文: PDF (1897 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要在海量专利信息中精准识别技术创新机会，是降低企业创新风险的关键举措，故本文依托多维技术创新图谱构建了技术创新机会识别路径：首先，运用LDA（latent Dirichlet allocation）主题模型从海量专利文献中提取技术要素和技术主题；其次，运用多维技术创新图谱对技术创新要素导航和归类，进而与多个创新法则耦合探究多个潜在技术创新路径；再次，运用TextRank-IDF新颖性评价指标对前述创新机会进行了新颖性排序，以识别具有较高创新价值的创新路径；最后，以潜水电机的技术创新为例，验证了该技术创新机会识别路径的有效性。研究结果表明，本文构建的海量专利信息下的技术创新路径，能够为企业科学选择创新方案、不断提升创新效率提供有益的参考。

	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
	冯立杰
	尤鸿宇
	王金凤

关键词 ：技术创新机会识别, LDA主题模型, 技术创新机会评价, 多维技术创新图谱

收稿日期: 2020-03-27

基金资助:国家自然科学基金项目“基于多维空间专利地图的煤层气开采创新路径研究”（71472171）；国家科技部创新方法工作专项“面向企业的颠覆式创新方法与工具研究及其应用”（2016IM010400），“中国情境下的创新方法研究与工具开发”（2018IM020300）。

作者简介: 冯立杰，男，1966年生，博士，教授，博士生导师，主要研究方向为技术创新与管理；尤鸿宇，男，1996年生，硕士研究生，主要研究方向为技术创新，E-mail:526397804@qq.com；王金凤，女，1963年生，博士，教授，博士生导师，主要研究方向为工业工程与创新方；

引用本文:

冯立杰, 尤鸿宇, 王金凤. 专利技术创新路径识别及其新颖性评价研究[J]. 情报学报, 2021, 40(5): 513-522.
Feng Lijie, You Hongyu, Wang Jinfeng. Research on the Path of Patent Innovation Technology Opportunities and Their Evaluation. 情报学报, 2021, 40(5): 513-522.

链接本文:

http://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.05.008 或 http://qbxb.istic.ac.cn/CN/Y2021/V40/I5/513

1 Lee J, Kim C, Shin J. Technology opportunity discovery to R&D planning: key technological performance analysis[J]. Technological Forecasting and Social Change, 2017, 119: 53-63.
2 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.
3 Park Y, Yoon J. Application technology opportunity discovery from technology portfolios: use of patent classification and collaborative filtering[J]. Technological Forecasting and Social Change, 2017, 118: 170-183.
4 Rodriguez A, Tosyali A, Kim B, et al. Patent clustering and outlier ranking methodologies for attributed patent citation networks for technology opportunity discovery[J]. IEEE Transactions on Engineering Management, 2016, 63(4): 426-437.
5 Kim B, Gazzola G, Yang J, et al. Two-phase edge outlier detection method for technology opportunity discovery[J]. Scientometrics, 2017, 113(1): 1-16.
6 Yoon J, Park H, Seo W, et al. Technology opportunity discovery (TOD) from existing technologies and products: a function-based TOD framework[J]. Technological Forecasting and Social Change, 2015, 100: 153-167.
7 王金凤, 吴敏, 岳俊举, 等. 创新过程的技术机会识别路径研究——基于专利挖掘和形态分析[J]. 情报理论与实践, 2017, 40(8): 82-86.
8 马婷婷, 汪雪锋, 朱东华, 等. 基于专利的技术机会分析方法研究[J]. 科学学研究, 2014, 32(3): 334-342,383.
9 Kaplan S, Vakili K. The double-edged sword of recombination in breakthrough innovation[J]. Strategic Management Journal, 2015, 36(10): 1435-1457.
10 Lee C, Kang B, Shin J. Novelty-focused patent mapping for technology opportunity analysis[J]. Technological Forecasting and Social Change, 2015, 90: 355-365.
11 Wang J T, Chen Y J. A novelty detection patent mining approach for analyzing technological opportunities[J]. Advanced Engineering Informatics, 2019, 42: 100941.
12 吴菲菲, 栾静静, 黄鲁成, 等. 基于新颖性和领域交叉性的知识前沿性专利识别——以老年福祉技术为例[J]. 情报杂志, 2016, 35(5): 85-90.
13 任海英, 邵文, 李欣. 基于专利内容新颖性和常规性的突破性发明影响因素和研发策略分析[J]. 情报杂志, 2019, 38(2): 56-63.
14 岳俊举, 冯立杰, 冯奕程, 等. 基于多维技术创新地图与关联规则挖掘的技术机会识别方法研究[J]. 情报学报, 2017, 36(8): 798-808.
15 冯立杰, 吴敏, 王金凤, 等. 面向低端市场颠覆式创新的技术机会识别路径研究[J]. 软科学, 2019, 33(4): 91-98.
16 陈伟, 林超然, 李金秋, 等. 基于LDA-HMM的专利技术主题演化趋势分析——以船用柴油机技术为例[J]. 情报学报, 2018, 37(7): 732-741.
17 Naumanen M, Uusitalo T, Huttunen-Saarivirta E, et al. Development strategies for heavy duty electric battery vehicles: comparison between China, EU, Japan and USA[J]. Resources Conservation and Recycling, 2019, 151: 104413.
18 Hoffman M D, Blei D M, Bach F. Online learning for Latent Dirichlet Allocation[C]//Proceedings of the 23rd International Conference on Neural Information Processing Systems. Red Hook: Curran Associates, 2010: 856-864.
19 张子振, 储煜桂, 吴小兰. 基于LDA的多源文献主题及其差异研究——以“机器学习”为例[J]. 情报科学, 2019, 37(6): 108-112, 150.
20 鲍晓华, 李福英, 方勇, 等. 大型潜水电机混合偏心时转子副临界振动的研究[J]. 电工技术学报, 2015, 30(6): 142-149.
21 AlSumait L, Barbará D, Domeniconi C. On-line LDA: adaptive topic models for mining text streams with applications to topic detection and tracking[C]// Proceedings of the 2008 Eighth IEEE International Conference on Data Mining. Washington, DC: IEEE Computer Society, 2008: 3-12.
22 李增亮, 张琦, 于然, 等. 计及温度边界条件变化的潜水电机磁热流耦合模型分析[J]. 微电机, 2018, 51(11): 18-26.
23 Liang X D. Temperature estimation and vibration monitoring for induction motors and the potential application in electrical submersible motors: a review[J]. Canadian Journal of Electrical and Computer Engineering, 2019, 42(3): 148-162.
24 Sushkov V V, Timoshkin V V, Sukhachev I S, et al. Evaluation of submersible electric motor insulation residual resource in oil production electric centrifugal pumps under the influence of impulse overvoltages[J]. Bulletin of the Tomsk Polytechnic University-Geo Assets Engineering, 2017, 328(10): 74-80.
25 李国景, 韩素茹. 两栖卧式运行潜水电泵的设计[J]. 煤矿机械, 2014, 35(6): 20-22.
26 李永海, 李晓光, 赖锋, 等. 推力轴承推力盘热变形研究[J]. 哈尔滨理工大学学报, 2018, 23(2): 120-123.
27 王帅. 大功率卧式潜水电机的开发及应用[J]. 煤矿机械, 2014, 35(5): 152-154.
28 徐明, 陈亮. 基于文献综述视角的专利质量理论研究[J]. 情报杂志, 2018, 37(12): 28-35.