基于产品生命周期的专利技术主题演化分析

doi:10.3772/j.issn.1000-0135.2022.07.003

情报学报

2022, Vol. 41

Issue (7): 684-691 DOI: 10.3772/j.issn.1000-0135.2022.07.003

情报理论与应用

本期目录 | 过刊浏览 | 高级检索

基于产品生命周期的专利技术主题演化分析

马建红¹, 王晨曦¹, 闫林², 姚爽¹

1.河北工业大学人工智能与数据科学学院，天津 300401
2.天津工创科技发展有限公司，天津 300000

Analysis of Patent Technology Topic Evolution Based on Product Life Cycle

Ma Jianhong¹, Wang Chenxi¹, Yan Lin², Yao Shuang¹

1.School of Artificial Intelligence, Hebei University of Technology, Tianjin 300401
2.Tianjin Gongchuang Technology Development Co., Ltd., Tianjin 300000

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (1972 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要专利技术主题演化蕴含着产品技术的发展脉络，如何对其进行准确把握对产品的技术研究人员至关重要。针对现有的专利技术主题演化分析研究中的不足，提出了一种基于产品生命周期的专利技术主题演化分析方法：针对现有时间特征划分方式会导致产品发展前期主题信息被淹没的问题，提出一种产品生命周期划分方法，利用专利增长规律和局部主题语义相似度划分产品生命周期。然后，针对现有主题挖掘方法对专利文献的适用性差、主题技术特点不明显等问题，提出MW-LDA（multiple weighted latent Dirichlet allocation）的专利技术主题提取方法，多角度改进词汇权重并构造复合权值，优化LDA模型生成特征词的过程，使其更适用于专利文本。接着，提出产品专利技术主题演化分析方法，利用阶段间的主题关联强度，实现产品生命周期不同阶段的技术主题演化分析。最后，在由电动车辆动力装置的专利构成的语料库上的实验结果以及对比实验表明，本文方法能够有效地发现专利的技术主题，并分析产品的发展态势，可为科学研究和科技政策制定提供支持。

	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
	马建红
	王晨曦
	闫林
	姚爽

关键词 ：主题模型, 生命周期, 主题演化, 技术主题

收稿日期: 2021-05-14

基金资助:科技部创新方法工作专项项目“基于知识图谱的可持续创新方法研究与应用”（2019IM020300）。

作者简介: 马建红，女，1965年生，博士，教授，CCF会员，研究方向为软件工程、自然语言处理、知识图谱、创新理论与方法；王晨曦，男，1995年生，硕士研究生，主要研究方向为自然语言处理与软件工程；闫林，男，1988年生，硕士，工程师，主要研究方向为软件开发技术；姚爽，女，1987年生，硕士，助理研究员，主要研究方向为人工智能，E-mail：yaoshuang@hebut.edu.c；

引用本文:

马建红, 王晨曦, 闫林, 姚爽. 基于产品生命周期的专利技术主题演化分析[J]. 情报学报, 2022, 41(7): 684-691.
Ma Jianhong, Wang Chenxi, Yan Lin, Yao Shuang. Analysis of Patent Technology Topic Evolution Based on Product Life Cycle. 情报学报, 2022, 41(7): 684-691.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2022.07.003 或 https://qbxb.istic.ac.cn/CN/Y2022/V41/I7/684

1 陈亮. 面向专利分析的Patent Classification LDA模型[J]. 情报学报, 2016, 35(8): 864-874.
2 秦旭, 杨文忠, 王雪颖, 等. 基于共现关系的多源主题融合模型[J]. 计算机工程与应用, 2020, 56(10): 157-162.
3 刘啸剑, 谢飞, 吴信东. 基于图和LDA主题模型的关键词抽取算法[J]. 情报学报, 2016, 35(6): 664-672.
4 Othman R, Noordin M F, Gusmita R H, et al. SAO extraction on patent discovery system development for Islamic finance and banking[C]// Proceedings of the 2016 6th International Conference on Information and Communication Technology for the Muslim World. IEEE, 2016: 59-63.
5 Blei D M. Probabilistic topic models[J]. Communications of the ACM, 2012, 55(4): 77-84.
6 Wang A, Zhang J J. Topic discovery method based on topic model combined with hierarchical clustering[C]// Proceedings of the 2020 IEEE 5th Information Technology and Mechatronics Engineering Conference. IEEE, 2020: 814-818.
7 李海林, 邬先利. 基于时间序列聚类的主题发现与演化分析研究[J]. 情报学报, 2019, 38(10): 1041-1050.
8 程磊, 高茂庭. 结合时间加权和LDA聚类的混合推荐算法[J]. 计算机工程与应用, 2019, 55(11): 160-166.
9 彭云, 万常选, 江腾蛟, 等. 基于语义约束LDA的商品特征和情感词提取[J]. 软件学报, 2017, 28(3): 676-693.
10 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.
11 Guo H C, Liang Q L, Li Z Q. An improved AD-LDA topic model based on weighted Gibbs sampling[C]// Proceedings of the 2016 IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference. IEEE, 2016: 1978-1982.
12 李湘东, 巴志超, 黄莉. 基于加权隐含狄利克雷分配模型的新闻话题挖掘方法[J]. 计算机应用, 2014, 34(5): 1354-1359.
13 吴菲菲, 陈肖微, 黄鲁成, 等. 基于语义相似度的技术多主题演化路径识别方法研究[J]. 情报杂志, 2018, 37(5): 91-96.
14 Cong H, Tong L H. Grouping of TRIZ Inventive Principles to facilitate automatic patent classification[J]. Expert Systems with Applications, 2008, 34(1): 788-795.
15 乜丽丽. 基于专利分析的技术成熟度预测方法研究与实现[D]. 天津: 河北工业大学, 2011.
16 Prabhudesai K S, Mainsah B O, Collins L M, et al. Augmented latent Dirichlet allocation (LDA) topic model with Gaussian mixture topics[C]// Proceedings of the 2018 IEEE International Conference on Acoustics, Speech and Signal Processing.. IEEE, 2018: 2451-2455.