-
题名基于时序聚合异构图的高价值专利识别方法
被引量：1
- 1
-
-
作者
邓娜
喻卓群
孙俊杰
陈旭
刘树栋
孙湘怡
-
机构
湖北工业大学计算机学院
中南财经政法大学信息工程学院
湖北工业大学外国语学院
-
出处
《情报杂志》
北大核心
2025年第6期127-137,共11页
-
文摘
[研究目的]提出一种基于时序聚合异构图的高价值专利识别模型,旨在解决现有高价值专利识别方法在利用专利异构关联和时序特征方面不足的问题,以更精确地识别高价值专利。[研究方法]通过整合专利多模态信息并设计时序-引用影响力动态更新机制,生成反映专利价值变化的时序聚合异构图。构建融入双向注意力机制的异构图卷积网络模型,提高对专利异构特征的提取能力,实现对高价值专利的精确识别。[研究结果/结论]实验表明,该文方法在智能电网领域的专利数据集上准确率和F1值分别达到84.61%和84.59%,优于常规方法,验证了方法的有效性,为专利筛选和价值评估提供了新的视角和方法。
-
关键词
高价值专利识别
异构图卷积网络
双向注意力机制
动态更新机制
多维特征
-
Keywords
high-value patent identification
heterogeneous graph convolutional network
bidirectional attention mechanism
dynamic updating mechanism
multi-dimensional features
-
分类号
G250.2
[文化科学—图书馆学]
G306.0
[文化科学]
-
-
题名基于时序图神经网络的潜在高价值专利识别研究
被引量：6
- 2
-
-
作者
周潇
王博
胡玉琳
韦楚楚
-
机构
西安电子科技大学经济与管理学院
-
出处
《情报学报》
CSSCI
CSCD
北大核心
2024年第6期697-711,共15页
-
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”(72374165)。
-
文摘
高价值专利是构建当前“国内国际双循环”新发展格局的核心资源,也是促使我国在国际经济新秩序中立足战略制高点、全面推进科技自立自强的核心要素,准确识别潜在的高价值专利是对其进行价值培育与技术转化的关键性步骤。本文在充分挖掘中国专利奖获奖专利特征的基础上,综合利用Patent-BERT(bidirectional encoder representations from transformers for patent)与图深度学习算法,在融合专利评估指标、文本特征的基础之上,提出了基于图卷积神经网络(graph convolutional network,GCN)与长短时记忆网络(long short-term memory,LSTM)的潜在高价值专利识别模型。本文的创新点主要体现在两个方面:(1)修正了已有研究中仅关注诸如专利增长速度、合作潜力等“数量”特征而缺乏对文本语义深度理解的弊端,从文本语义与专利计量维度构建专利价值的表示模型;(2)考虑到专利价值的时序变化性,从动态视角探索了专利价值的演化规律,为专利价值的挖掘与评估提供了新的研究思路。最后,本文对node2vec、doc2vec、GCN、MLP(multilayer perceptron)等多种模型进行性能对比,研究结果表明,本文模型在多项指标上的表现均优于对照模型,从而有效验证了本文方案的高效性与稳健性。
-
关键词
战略情报预判
高价值专利识别
多源特征融合
时序图神经网络
表示学习
-
Keywords
strategic intelligence forecasting
high-value patent identification
multi-source feature integration
temporal graph neural network
representation learning
-
分类号
G306
[文化科学]
-
