基于矩阵画像和<bold>Louvain</bold>社区发现算法的关键核心技术识别研究

doi:10.3772/j.issn.1000-0135.2025.07.009

情报学报

2025, Vol. 44

Issue (7): 903-914 DOI: 10.3772/j.issn.1000-0135.2025.07.009

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

基于矩阵画像和Louvain社区发现算法的关键核心技术识别研究

万校基^1,2, 赖静¹, 牟莹禧¹, 朱志国³, 张丽萍¹

1.华侨大学工商管理学院，泉州 362021
2.华侨大学东方企业管理研究中心，泉州 362021
3.东北财经大学管理科学与工程学院，大连 116025

Identification of Key Core Technologies Based on Matrix Profile and Louvain Community Discovery Algorithms

Wan Xiaoji^1,2, Lai Jing¹, Mou Yingxi¹, Zhu Zhiguo³, Zhang Liping¹

1.College of Business Administration, Huaqiao University, Quanzhou 362021
2.Oriental Enterprise Management Research Center, Huaqiao University, Quanzhou 362021
3.School of Management Science and Engineering, Dongbei University of Finance and Economics, Dalian 116025

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (2263 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要针对现有关键核心技术识别方法较少考虑时间因素和较难解读识别结果等问题，本文提出一种基于矩阵画像（matrix profile，MP）和Louvain社区发现算法的关键核心技术识别方法。该方法基于IPC（international patent classification）小类权重和词频分析法识别目标领域热点技术主题，结合高频IPC小类时间序列和MP算法构建技术关联网络，借助Louvain算法和社会网络分析法识别目标领域初始关键核心技术主题。基于特征筛选关键核心技术主题，并通过对技术关联子网络、原始专利数据、相关政策文件和期刊文献的深层次解读来识别目标领域关键核心技术。通过对incoPat专利数据库中2014—2023年物流领域的授权专利进行数据处理和挖掘发现，本文方法能有效识别物流领域关键核心技术，不仅有助于推动行业技术突破和创新，亦可提升国家在全球产业链和价值链中的地位。

	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
	万校基
	赖静
	牟莹禧
	朱志国
	张丽萍

关键词 ：关键核心技术, 矩阵画像, 社区发现算法, 技术关联网络, 结构洞

收稿日期: 2024-09-03

基金资助:福建省社会科学规划项目“基于大数据分析的国家自然科学基金结题项目产出绩效评估研究”（FJ2023B109），“基于大数据分析的福建省‘专精特新’中小企业创新绩效提升路径研究”（FJ2024BF039）。

作者简介: 万校基，男，1984年生，博士，副教授，硕士生导师，主要研究方向为文献情报分析和技术预见；赖静，女，2002年生，本科生，主要研究方向为数据挖掘；牟莹禧，女，2002年生，本科生，主要研究方向为技术预见；朱志国，男，1977年生，博士，教授，博士生导师，主要研究方向为数据挖掘和复杂网络；张丽萍，通信作者，女，1985年生，博士，副研究员，硕士生导师，主要研究方向为技术预见，E-mail：zhanglp@hqu.edu.cn；

引用本文:

万校基, 赖静, 牟莹禧, 朱志国, 张丽萍. 基于矩阵画像和Louvain社区发现算法的关键核心技术识别研究[J]. 情报学报, 2025, 44(7): 903-914.
Wan Xiaoji, Lai Jing, Mou Yingxi, Zhu Zhiguo, Zhang Liping. Identification of Key Core Technologies Based on Matrix Profile and Louvain Community Discovery Algorithms. 情报学报, 2025, 44(7): 903-914.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.07.009 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I7/903

1 任佳妮, 张薇, 杨阳, 等. “人工智能+医疗”新兴技术识别研究——以医疗机器人为例[J]. 情报杂志, 2021, 40(12): 45-50.
2 Mariani M S, Medo M, Lafond F. Early identification of important patents: design and validation of citation network metrics[J]. Technological Forecasting and Social Change, 2019, 146: 644-654.
3 Zhang Y, Qian Y, Huang Y, et al. An entropy-based indicator system for measuring the potential of patents in technological innovation: rejecting moderation[J]. Scientometrics, 2017, 111(3): 1925-1946.
4 陈旭, 施国良. 基于情景分析和专利地图的企业技术预见模式[J]. 情报杂志, 2016, 35(5): 102-107, 132.
5 詹文青, 封丽, 黄潇霏. 专利布局视角下企业核心专利识别研究[J]. 情报理论与实践, 2022, 45(8): 115-120.
6 Wang H Y, Sun B. Dominant technology identification of wind power generation[J]. Current Science, 2019, 116(9): 1525-1532.
7 赵建, 梁爽. 关键核心技术识别方法研究进展[J]. 情报杂志, 2024, 43(4): 68-77.
8 李瑞茜, 陈向东. 基于专利共类的关键技术识别及技术发展模式研究[J]. 情报学报, 2018, 37(5): 495-502.
9 毛荐其, 杜艳婷, 苗成林, 等. 基于专利共类的关键核心技术识别模型构建及应用——以光刻技术为例[J]. 情报杂志, 2022, 41(11): 48-54.
10 王新新, 钱国栋, 袁宇翔, 等. 基于专利共类的海洋溢油污染防治关键核心技术主题识别[J]. 环境生态学, 2024, 6(4): 65-70.
11 戚筠, 唐恒, 石俊国. 基于小世界网络特性的核心技术识别研究——以石墨烯为例[J]. 情报杂志, 2020, 39(2): 50-55.
12 陶治宇, 刘小平, 梁爽, 等. 基于主路径分析和引文文本挖掘的关键核心技术基础研究结构识别[J]. 情报杂志, 2025, 44(2): 72-81.
13 Lee M, Kim Y, Jang W. Patent citation network analysis[J]. Korean Journal of Applied Statistics, 2016, 29(4): 613-625.
14 付振康, 朱庆华, 柳炳祥, 等. 专利视域下“卡脖子”关键技术识别及突破策略——以OLED技术领域为例[J]. 情报杂志, 2024, 43(5): 106-115.
15 Yang W, Xu H D, Wang S. A limit citation network for identification of core technologies: a case of extreme ultraviolet lithography technology[J]. Technology Analysis & Strategic Management, 2024, 36(10): 2561-2576.
16 王良, 李牧南. 基于融合新闻影响力和图注意力网络聚类方法的颠覆性技术识别[J]. 图书情报工作, 2024, 68(15): 27-43.
17 李维思, 谭力铭, 章国亮, 等. 基于多源信息融合的产业链关键核心技术主题识别研究——以人工智能领域为例[J]. 信息资源管理学报, 2022, 12(1): 116-126.
18 冯立杰, 周炜, 王金凤, 等. 基于SAO语义分析的多维技术演化路径与技术创新机会识别研究[J]. 情报学报, 2022, 41(11): 1149-1160.
19 李欣, 谢前前, 黄鲁成, 等. 基于SAO结构语义挖掘的新兴技术演化轨迹研究[J]. 科学学与科学技术管理, 2018, 39(1): 17-31.
20 张延禄, 张方亮, 杨乃定. 关键核心专利视角下集成电路协同创新网络关键节点识别[J]. 软科学, 2024, 38(8): 85-93.
21 马永红, 孔令凯, 林超然, 等. 基于专利挖掘的关键共性技术识别研究[J]. 情报学报, 2020, 39(10): 1093-1103.
22 邓岩, 陈燕娟. 种源“卡脖子”问题的识别、成因与破解路径研究——以农作物种业为例[J]. 农业现代化研究, 2022, 43(1): 20-28.
23 Li H L, Wu X L, Wan X J, et al. Time series clustering via matrix profile and community detection[J]. Advanced Engineering Informatics, 2022, 54: 101771.
24 Blondel V, Guillaume J L, Lambiotte R. Fast unfolding of communities in large networks: 15 years later[J]. Journal of Statistical Mechanics: Theory and Experiment, 2024, 2024(10): 10R001.
25 江瑶, 陈旭, 胡斌. “卡脖子”关键核心技术两阶段漏斗式甄选模型构建及应用研究[J]. 情报杂志, 2023, 42(3): 94-101.
26 Noh H, Song Y K, Lee S. Identifying emerging core technologies for the future: case study of patents published by leading telecommunication organizations[J]. Telecommunications Policy, 2016, 40(10/11): 956-970.
27 张玉臣, 谭礼. 关键核心技术的概念界定、特征辨析及突破路径[J]. 中国科技论坛, 2023(2): 20-29.
28 胡旭博, 原长弘. 关键核心技术: 概念、特征与突破因素[J]. 科学学研究, 2022, 40(1): 4-11.
29 黄晓林, 严安平, 李维思, 等. 面向未来产业构建的氢能产业关键核心技术识别方法研究[J]. 科技管理研究, 2024, 44(14): 135-143.
30 梁帅, 高继平. 产业技术结构与“卡脖子”技术特征——以高端数控机床为例[J]. 科技导报, 2021, 39(24): 75-83.
31 杨武, 王爽. 特征分析视角下核心技术动态趋势识别——以光刻技术为例[J]. 情报杂志, 2021, 40(12): 36-44.
32 罗立国, 林文广. 核心专利挖掘指标研究——以新能源汽车装置领域为例[J]. 科技管理研究, 2018, 38(18): 151-156.
33 陈恒, 祁宪超, 张妍. 我国区域应急物流反应能力对经济增长的影响效应[J]. 灾害学, 2024, 39(3): 139-147, 172.
34 于赫年, 白桦, 李超. 仓储式多AGV系统的路径规划研究及仿真[J]. 计算机工程与应用, 2020, 56(2): 233-241.
35 袁文斌, 黄山, 杨义银, 等. 面向绿色物流包装的可生物降解薄膜研究现状[J]. 包装工程, 2022, 43(21): 58-68.