基于知识图谱与强化学习的专利交易推荐研究

作     者：何喜军 石安杰 吴爽爽 武玉英 

作者机构：北京工业大学经济与管理学院 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2024年

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 120502[管理学-情报学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(71974009) 国家自然科学基金项目(71774010) 国际科研合作基金项目(2021B35) 

主　　题：专利供需知识图谱 强化学习 专利交易推荐 燃料电池 

摘      要：筛选影响专利交易的多维特征， 构建专利供需知识图谱PSD-KG， 引入强化学习并构建专利交易推荐模型KG-RL-PTR， 基于实体相似关系及组织历史交易信息设计奖励函数， 指导智能体在PSD-KG上根据组织所处环境推理出有效路径， 以寻找潜在优质专利完成交易推荐. 通过燃料电池领域专利数据的实证研究， 得出: 第一， 与Ekar、DDPG、DeepPath等方法对比， KG-RL-PTR模型推荐性能表现最优;第二， 组织间技术邻近是专利交易推荐的关键路径， 社会邻近、地理邻近及制度邻近等路径对交易推荐也有促进作用;第三， 多维邻近关系路径交互作用共同影响专利交易关系的形成， 且技术邻近和组织间信任在推荐中扮演重要角色. 该模型依据推理路径给出推荐结果， 推荐结果具有新颖性及可解释性.