基于SAO语义挖掘的用户需求-专利技术匹配

作     者：谢瑶瑶 邓三鸿 王昊 章学周 Xie Yaoyao;Deng Sanhong;Wang Hao;Zhang Xuezhou

作者机构：南京大学信息管理学院南京210023 江苏省质量和标准化研究院南京210029 

基　　金：南京大学统一社会信用代码联合研究中心项目(项目编号:0108151269) 国家社会科学基金项目(项目编号:20ATQ006)的研究成果之一 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年第8卷第8期

页      码：213-225页

摘      要：【目的】解决现有研究中需求和专利文档的文本挖掘不充分问题以及需求-技术匹配不准确问题。【方法】结合需求多任务学习框架TDAM和F-term专利识别方法,设计一种更为精确、有效的需求-技术匹配流程框架,并以新能源汽车领域为例,应用本文模型验证其有效性。【结果】从模型匹配性能上,本文模型的需求-技术匹配精确度为0.819,比S-LDA模型精确度高了大约13.1%,将比BiLSTM模型高了约31.5%。本文模型的召回率为0.796,F1值为0.807。【局限】仅收集了日本专利,数据来源不够全面。【结论】应用本文模型可生成与用户需求匹配度较高的专利技术,促进企业制定针对特定消费者需求的技术解决方案,从而引导相关企业确定技术研发方向。

主 题 词：需求挖掘 TDAM 专利分析 SAO语义分析 

学科分类：1205[管理学-图书情报与档案管理类] 12[管理学] 120501[120501] 081203[081203] 08[工学] 120502[120502] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11925/infotech.2096-3467.2023.1113

馆 藏 号：203145604...