基于PhraseLDA-SNA和机器学习的技术主题影响力测度方法研究

[目的/意义]旨在利用PhraseLDA-SNA和机器学习方法准确测度技术主题的影响力，以期为制定科技政策、优化资源配置提供理论参考。[方法/过程]本研究首先分析了技术主题影响力的显性及隐性决定因素，据此构建了技术主题影响力测度指标体系。其次，基于PhraseLDA-SNA与机器学习方法分析测度指标，实现对技术主题影响力的测度。最后，以纤维素生物降解领域为例进行实证研究，验证方法的有效性。[结果/结论]本研究提出的基于PhraseLDA-SNA和机器学习的技术主题影响力测度方法与传统方法相比，显著降低了受专利数据授权及引用时滞问题的影响。...

Celý popis

Uloženo v:
Podrobná bibliografie
Vydáno v:农业图书情报学报 Ročník 36; číslo 4; s. 45 - 62
Hlavní autoři: 项芮, 孙巍
Médium: Journal Article
Jazyk:čínština
Vydáno: 中国农业科学院农业信息研究所 05.04.2024
中国农业科学院农业信息研究所,北京 100081%中国农业科学院农业信息研究所,北京 100081
农业农村部农业大数据重点实验室,北京 100081
Témata:
技术预测
影响力测度
知识产权
机器学习
主题挖掘
专利
technology forecasting
topic mining
patent
intellectual property
influence measurement
machine learning
ISSN:1002-1248
On-line přístup:Získat plný text
Tagy: Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
Popis
Shrnutí:[目的/意义]旨在利用PhraseLDA-SNA和机器学习方法准确测度技术主题的影响力，以期为制定科技政策、优化资源配置提供理论参考。[方法/过程]本研究首先分析了技术主题影响力的显性及隐性决定因素，据此构建了技术主题影响力测度指标体系。其次，基于PhraseLDA-SNA与机器学习方法分析测度指标，实现对技术主题影响力的测度。最后，以纤维素生物降解领域为例进行实证研究，验证方法的有效性。[结果/结论]本研究提出的基于PhraseLDA-SNA和机器学习的技术主题影响力测度方法与传统方法相比，显著降低了受专利数据授权及引用时滞问题的影响。
ISSN:1002-1248
DOI:10.13998/j.cnki.issn1002-1248.24-0158