基于离群点视角的颠覆性专利预测研究

作     者：王丹 周潇 赵捧未 樊嘉逸 Wang Dan;Zhou Xiao;Zhao Pengwei;Fan Jiayi

作者机构：西安电子科技大学经济与管理学院西安710126 

出 版 物：《图书情报工作》 (Library and Information Service)

年 卷 期：2024年第68卷第5期

页      面：74-86页

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] 120502[管理学-情报学] 

基　　金：国家自然科学基金面上项目“重组创新视角下新兴共性技术识别及突破路径预测研究”(项目编号:72374165)研究成果之一 

主　　题：颠覆性技术 离群点检测 预测研究 深度学习 专利分析 

摘      要：[目的/意义]在日趋激烈的国际竞争背景下,颠覆性技术被认为是引领技术和产业发展方向、助推企业和产业实现“弯道超车的绝佳机会窗口。为此,预测和部署颠覆性技术对于国家抢占科技制高点、重塑价值链均具有重大战略意义。[方法/过程]结合深度学习和离群点检测算法,构建基于离群点视角的颠覆性专利预测框架。该研究框架包括五个关键步骤:首先,利用BERT模型和TF-IDF算法将专利文本和专利分类号转化为可计算的高维向量表示,并结合PCA算法进行降维和特征融合;其次,采用三种离群点检测算法,以增量迭代的方式识别离群专利;再者,通过数据集修正,从离群专利中保留新技术专利;在此基础上,通过深度剖析新技术形式颠覆性专利的核心特征,构建有效的测度指标体系;最后,利用深度学习DNN模型拟合专利指标和颠覆性专利标签之间的关联关系,从而实现从大量的新技术专利中对潜在颠覆性专利的有效预测。[结果/结论 ]以人工智能为例,验证了该方法的有效性。结果共预测出411条颠覆性专利,这些专利主要涉及六大颠覆性方向:多模态预训练大模型、增强现实、生成式AI、自动驾驶、图像识别与处理和智能通信。这些技术的推广和应用,将对未来的科技和产业发展产生重大影响。研究结果可为国家政策制定和企业技术布局提供重要的决策参考。