基于GTM逆向映射的技术创新机会识别——以新能源汽车为例

作者：许学国; 桂美增^*

来源：情报理论与实践, 2021, 44(06): 146-198.

DOI：10.16353/j.cnki.1000-7490.2021.06.021

• 数据挖掘
• 深度学习
• 技术创新机会
• 技术地图
• 主题识别

[目的/意义]技术创新机会识别能够帮助企业更好地实现技术布局战略,从而抢占技术制高点以形成科技创新的非对称优势。[方法/过程]文章提出了一种基于生成式拓扑映射(The Generative Topographic Mapping, GTM)的技术创新机会识别方法。结合深度学习、机器学习等方法从SCI论文及德温特专利数据入手进行技术创新机会识别。首先构建基于Bert-LSTM文本分类模型,实现对论文及专利数据的主题识别;然后运用自然语言处理(Natural Language Processing, NLP)技术中词性标注对论文和专利摘要文本进行挖掘,从而识别出不同研究领域的关键技术词;最后采用GTM算法绘制技术地图,通过对空白新兴技术点逆向映射进而实现对技术创新机会的有效识别。[结果/结论]以新能源汽车为例进行验证,结果显示基于Bert-LSTM文本分类模型的预测精度优于其他分类模型;基于论文和专利数据绘制的技术地图,能够直接呈现出不同数据源所涉及的研究范围,通过GTM算法逆向映射实现了快速、客观识别技术创新机会,从而为企业技术布局提供数据支撑。本研究为客观识别技术创新机会提供了新的解决思路,以期为相关研究者提供有益启示。

• 单位
  上海大学