典型文献
专利分类序列和文本语义表示视角下的技术融合预测研究
文献摘要：
为了丰富专利分类的网络和文本语义表示,实现两者更有效的语义融合,提高技术融合预测效果,提出基于专利分类序列和文本语义表示的技术融合预测方法.首先,综合考虑专利分类位置及其上下文语境,直接对专利分类序列进行语义表示,提出基于专利分类序列语义表示的技术融合预测方法;其次,根据专利分类在序列中的重要性排序研究专利分类文本分配方法,形成基于专利分类文本语义表示的技术融合预测方法;在此基础上,设计多种特征融合方法,提出融合专利分类序列结构和文本内容语义表示的技术融合预测方法;最后,基于链路预测的理论和方法对提出的多种技术融合预测方法进行定量评价.在无人机领域的实验证实,专利分类序列语义表示模型的效果明显优于其他网络表示学习方法;依据重要性排序的专利分类文本赋予方式优于文本平均分配方式,基于此的专利分类文本语义表示能更好地进行技术融合预测;"SVM(support vector machine)+哈达玛积"的特征融合方法在所有方法中表现最优,较单一方法均有提高.本文提出的方法能够提高技术融合预测的效果,更好地为技术布局、技术研发提供借鉴和参考.
文献关键词：
技术融合;预测;表示学习;专利分类序列;专利分类文本
中图分类号：
作者姓名：
张金柱;李溢峰
作者机构：
南京理工大学经济管理学院信息管理系,南京 210094
文献出处：
引用格式：
[1]张金柱;李溢峰-.专利分类序列和文本语义表示视角下的技术融合预测研究)[J].情报学报,2022(06):609-624
A类：
专利分类序列,专利分类文本
B类：
文本语义表示,技术融合预测,预测研究,语义融合,提高技术,上下文语境,重要性排序,分配方法,特征融合,融合方法,序列结构,文本内容,内容语义,链路预测,多种技术,定量评价,表示模型,网络表示学习,表示学习方法,平均分配,分配方式,示能,support,vector,machine,哈达,技术布局
AB值：
0.161019
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
