基于机器学习的颠覆性技术弱信号识别模型研究

作     者：王莉晓 陈伟 邱含琪 Wang Lixiao;Chen Wei;Qiu Hanqi

作者机构：中国科学院武汉文献情报中心武汉430071 中国科学院大学经济与管理学院信息资源管理系北京100190 科技大数据湖北省重点实验室武汉430071 

基　　金：中国科学院战略性先导科技专项(项目编号:XDA29010500) 中国科学院战略研究与决策支持系统建设专项课题(项目编号:GHJ-ZLZX-2024-07) 中国科学院文献情报能力建设专项课题(项目编号:E3KZ471001)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：63-75页

摘      要：【目的】基于机器学习构建颠覆性技术弱信号识别模型,发现早期的颠覆性技术并探究其对现有主流技术的未来颠覆潜力。【方法】通过归纳颠覆性技术弱信号的核心特征,设计基于专利引证类别的颠覆性指数DI-P,构建历史颠覆性技术语料,设计基于机器学习的颠覆性技术弱信号识别模型,选取逻辑回归、高斯朴素贝叶斯、随机梯度下降、梯度提升树和随机森林等多个机器学习模型综合预测,并通过链路预测探究颠覆性技术弱信号的未来颠覆路径。【结果】在储氢领域开展实证分析,构建基于引证类别的颠覆性指数DI-P获取历史颠覆性技术语料,其准确率与AUC值均优于RDI与DI。通过对比颠覆性技术弱信号与高价值专利,能够从成本、效率及安全性等角度发现其未来可能的颠覆路径。【局限】实证领域相对单一,数据源局限于专利数据与战略规划,预测模型准确率有限。【结论】通过结合机器学习模型与链路预测方法,能够精准、细粒度地识别颠覆性技术弱信号及其颠覆路径。

主 题 词：颠覆性技术 弱信号 机器学习 颠覆路径 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11925/infotech.2096-3467.2023.1250

馆 藏 号：203145611...