情报学报  2024, Vol. 43 Issue (6): 697-711    DOI: 10.3772/j.issn.1000-0135.2024.06.006
  情报技术与应用 本期目录 | 过刊浏览 | 高级检索 |
基于时序图神经网络的潜在高价值专利识别研究
周潇, 王博, 胡玉琳, 韦楚楚
西安电子科技大学经济与管理学院,西安 710126
Potential High-Value Patent Identify Based on a Time-Series Graph Neural Network
Zhou Xiao, Wang Bo, Hu Yulin, Wei Chuchu
School of Economics and Management, Xidian University, Xi’an 710126
全文: PDF (3952 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 高价值专利是构建当前“国内国际双循环”新发展格局的核心资源,也是促使我国在国际经济新秩序中立足战略制高点、全面推进科技自立自强的核心要素,准确识别潜在的高价值专利是对其进行价值培育与技术转化的关键性步骤。本文在充分挖掘中国专利奖获奖专利特征的基础上,综合利用Patent-BERT(bidirectional encoder representations from transformers for patent)与图深度学习算法,在融合专利评估指标、文本特征的基础之上,提出了基于图卷积神经网络(graph convolutional network,GCN)与长短时记忆网络(long short-term memory,LSTM)的潜在高价值专利识别模型。本文的创新点主要体现在两个方面:①修正了已有研究中仅关注诸如专利增长速度、合作潜力等“数量”特征而缺乏对文本语义深度理解的弊端,从文本语义与专利计量维度构建专利价值的表示模型;②考虑到专利价值的时序变化性,从动态视角探索了专利价值的演化规律,为专利价值的挖掘与评估提供了新的研究思路。最后,本文对node2vec、doc2vec、GCN、MLP(multilayer perceptron)等多种模型进行性能对比,研究结果表明,本文模型在多项指标上的表现均优于对照模型,从而有效验证了本文方案的高效性与稳健性。
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
周潇
王博
胡玉琳
韦楚楚
关键词 战略情报预判高价值专利识别多源特征融合时序图神经网络表示学习    
收稿日期: 2023-08-14     
基金资助:国家自然科学基金面上项目“重组创新视角下新兴共性技术识别及突破路径预测研究”(72374165)。
作者简介: 周潇,女,1986年生,博士研究生,副教授,硕士生导师,主要研究领域为文本挖掘与技术预测,E-mail:belinda1214@126.com;王博,男,1997年生,硕士研究生,主要研究方向为技术创新管理;胡玉琳,女,1999年生,硕士研究生,主要研究方向为文本挖掘;韦楚楚,女,2000年生,硕士研究生,主要研究方向为技术预测;
引用本文:   
周潇, 王博, 胡玉琳, 韦楚楚. 基于时序图神经网络的潜在高价值专利识别研究[J]. 情报学报, 2024, 43(6): 697-711.
Zhou Xiao, Wang Bo, Hu Yulin, Wei Chuchu. Potential High-Value Patent Identify Based on a Time-Series Graph Neural Network. 情报学报, 2024, 43(6): 697-711.
链接本文:  
https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2024.06.006     或     https://qbxb.istic.ac.cn/CN/Y2024/V43/I6/697