科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】为促进跨地区的专利合作与知识交流,充分挖掘专利的人物关系特征和内容特征,扩展创新合作空间,优化创新要素的分配,整体提升创新水平,提出一种融合LDA与决策树模型的跨地区专利合作关系发现方法。【方法】选取incoPat专利数据库中广东省和武汉市985高校的22 855条专利数据。利用LDA主题模型,对专利的领域离散度、权威度和技术度三个维度进行主题抽取和聚类,构建决策树并调整决策边界,从而动态识别出最优合作关系;最后根据发明人网络有效规模值选出最优挖掘策略,从而实现合作关系的发现与推荐。【结果】该方法可从专利数量排名前4的专利大类里发现18对潜在跨地区合作关系,而在链路预测方法下,合作网络的节点邻接关系稀疏,无法完成跨地区合作关系推荐。【局限】采集的数据范围有限,且需进一步从横向和纵向两个方面考虑企业等产学研主体和技术产业链上、中、下游对实际创新生态的影响,确认方法的适用性。【结论】融合LDA与决策树的跨地区专利合作关系发现方法,可以有效识别网络中的潜在合作关系,充分发挥不同地区之间的领域组合在提升创新水平上的优势,为跨地区、多领域条件下的专利合作提供参考。
- 单位
