基于语义识别的知识产权战略政策工具选择
林德明, 王宇开, 丁堃
大连理工大学科学学科技管理研究所,大连 116024
Selection of Policy Tools for Intellectual Property Strategies Based on Semantic Recognition
Lin Deming, Wang Yukai, Ding Kun
Institute of Science of Science and S&T Management, Dalian University of Technology, Dalian 116024
摘要 以国家知识产权战略的政策工具选择为研究对象,利用融合深度学习和政策文献计量的方法对三份纲领性文件的知识产权战略目标、指导性政策工具与各年度知识产权战略推进计划中的政策工具进行匹配度计算,从而对国家知识产权战略围绕着战略目标调整和战略执行两方面的政策工具选择进行全面分析。结果表明,知识产权战略执行中的政策工具选择较好地匹配了各阶段的战略目标以及指导性政策工具,但是过于集中在强制型工具;其中与战略目标高度匹配的政策工具包括开展专利信息检索和分析、提高知识产权审查效率及质量等,与指导性政策工具高度匹配的有增强知识产权的司法保护、积极参与国际知识产权合作交流等,而知识产权专业人才培养及相关基地建设、知识产权试点建设等政策工具匹配度较低,农林业知识产权的政策工具尚显不足,需要进一步调整完善。
关键词 :
知识产权战略 ,
政策工具选择 ,
政策文本 ,
语义识别 ,
深度学习
收稿日期: 2018-01-02
基金资助: 全国专利事业发展战略推进工作创新项目“高校知识产权管理的规范化工程”(zlzlxm-C-09);中央高校基本科研业务费人文社科专题重点项目“知识产权政策的结构化与分析模型研究”(DUT2018RW205)。
作者简介 : 林德明,男,1978年生,博士,副教授,研究方向为知识产权管理与科学计量学,E-mail:deminglin@dlut.edu.cn
1 刘华, 孟奇勋. 知识产权公共政策的模式选择与体系构建[J]. 中国软科学, 2009(7): 10-18. 2 赵筱媛, 苏竣. 基于政策工具的公共科技政策分析框架研究[J]. 科学学研究, 2007, 25(1): 52-56. 3 ElmoreR F. Instruments and strategy in public policy[J]. Review of Policy Research, 1987, 7(1): 174-186. 4 HowlettM, RameshM. Studying public policy: Policy cycles and policy subsystems[J]. American Political Science Association, 2009, 91(2): 548-580. 5 RothwellR, ZegveldW. Reindustrialization and technology[M]. Longman: M.E. Sharpe, 1985. 6 崔建军, 王利辉. 不同货币政策工具选择与有效性分析——以价格型和数量型为例[J]. 大连理工大学学报(社会科学版), 2017, 38(1): 43-51. 7 KhannaM, QuimioW R H, BojilovaD. Toxics release information: A policy tool for environmental protection[J]. Journal of Environmental Economics and Management, 1998, 36(3): 243-266. 8 魏国, 张振改, 严绍龙. 义务教育师资均衡政策工具的动态演变[J]. 教育理论与实践, 2017, 37(13): 34-37. 9 张雅娴, 苏竣. 技术创新政策工具及其在我国软件产业中的应用[J]. 科研管理, 2001, 22(4): 65-72. 10 黄萃, 苏竣, 施丽萍, 等. 政策工具视角的中国风能政策文本量化研究[J]. 科学学研究, 2011, 29(6): 876-882, 889. 11 罗敏, 朱雪忠. 基于政策工具的中国低碳政策文本量化研究[J]. 情报杂志, 2014, 33(4): 12-16. 12 MikolovT, ChenK, CorradoG, et al. Efficient estimation of word representations in vector space[OL]. http://arxiv.org/abs/1301.3781. 13 Mikolov T, Sutskever I, Chen K,et al. Distributed representations of words and phrases and their compositionality[C]// Proceedings of the International Conference on Neural Information Processing Systems. Granada: Curran Associates Inc., 2013, 26: 3111-3119.
[1]
章成志, 胡少虎, 张颖怡. 通用语料的眼动数据对微博关键词抽取的性能提升探究 [J]. 情报学报, 2021, 40(4): 375-386.
[2]
宋英华, 吕龙, 刘丹. 基于组合深度学习模型的突发事件新闻识别与分类研究 [J]. 情报学报, 2021, 40(2): 145-151.
[3]
余传明, 薛浩东, 江一帆. 基于深度交互的文本匹配模型研究 [J]. 情报学报, 2021, 40(10): 1015-1026.
[4]
程齐凯, 李鹏程, 张国标, 陆伟. 学术文本词汇功能识别——基于标题生成策略和注意力机制的问题方法抽取 [J]. 情报学报, 2021, 40(1): 43-52.
[5]
周海晨, 郑德俊, 郦天宇. 学术全文本的学术创新贡献识别探索 [J]. 情报学报, 2020, 39(8): 845-851.
[6]
王昊, 邓三鸿, 苏新宁, 官琴. 基于深度学习的情报学理论及方法术语识别研究 [J]. 情报学报, 2020, 39(8): 817-828.
[7]
曹高辉, 任卫强, 丁恒. 面向限定域的深度语义事件泛化研究 [J]. 情报学报, 2020, 39(8): 863-871.
[8]
陈玲, 段尧清. 我国政府开放数据政策的实施现状和特点研究:基于政府公报文本的量化分析 [J]. 情报学报, 2020, 39(7): 698-709.
[9]
章成志, 张颖怡. 基于学术论文全文的研究方法实体自动识别研究 [J]. 情报学报, 2020, 39(6): 589-600.
[10]
张颖怡, 章成志. 基于学术论文全文的研究方法句自动抽取研究 [J]. 情报学报, 2020, 39(6): 640-650.
[11]
余传明, 李浩男, 安璐. 基于深度学习的领域知识对齐模型研究:知识网络视角 [J]. 情报学报, 2020, 39(5): 521-533.
[12]
唐琳, 郭崇慧, 陈静锋, 孙磊磊. 基于中文学术文献的领域本体概念层次关系抽取研究 [J]. 情报学报, 2020, 39(4): 387-398.
[13]
余传明, 郑智梁, 朱星宇, 安璐. 面向查询的观点摘要模型研究:以Debatepedia 为数据源 [J]. 情报学报, 2020, 39(4): 374-386.
[14]
赵洪. 生成式自动文摘的深度学习方法综述 [J]. 情报学报, 2020, 39(3): 330-344.
[15]
马超, 李纲, 陈思菁, 毛进, 张霁. 基于多模态数据语义融合的旅游在线评论有用性识别研究 [J]. 情报学报, 2020, 39(2): 199-207.