数智赋能下技术挖掘的新理论与新方法研究

作　者：	张金柱
出版社：	科学技术文献出版社
丛编项：
版权说明：	本书为公共版权或经版权方授权，请支持正版图书
标　签：	暂缺

ISBN	出版时间	包装	开本	页数	字数
未知	暂无	暂无	未知	0	暂无

作者简介

暂缺《数智赋能下技术挖掘的新理论与新方法研究》作者简介

内容简介

数智赋能技术挖掘将大数据、人工智能、深度学习、自然语言处理等一系列“数智技术”拓展、应用和改进到技术挖掘中，提高多种技术挖掘任务的准确性、可解释性和多样性，创新技术挖掘的研究理论和方法，支撑需求驱动的管理决策向数智驱动的管理决策转变。目前，技术挖掘的方法和技术已经取得一定进展，但仍存在一些问题需要通过数智赋能形成新理论与新方法来解决，以提升技术挖掘的效果，使技术挖掘更加准确，更能适应时代需求，更好地提供决策支持服务。这些问题主要包括：对文本信息利用不够全面，不能从细粒度的角度挖掘文本中知识单元及知识间的语义关联；挖掘方法准确性尚需提高，需要结合人工来分析，自动化程度不够，分析效率还需提升；使用的数据源及方法分析维度较为单一，尚未将多源数据与多种方法结合以进行全面分析。因此，如何将数智赋能新理论和方法与传统技术挖掘方法相结合，形成新的研究视角、研究方法及研究框架，从不同层面深度挖掘潜在知识，从而促进技术创新，辅助管理决策，是当前研究亟待解决的重要问题。基于此，本书引入多种数智技术赋能技术挖掘，形成一系列新理论和新方法，从技术主题演化路径识别、技术主题演化语义关联发现、技术融合关系预测、技术融合价值评估和新兴技术识别等方面开展系列研究，主要包括以下内容。①实体语义表示技术挖掘：数智赋能下的技术主题演化路径识别（第3 章）。数智赋能下，知识单元抽取和表示已经从词汇粒度转向更具体的实体粒度，从浅层语义表示转向深层语义表示。首先，该部分总结“实体语义表示”赋能技术主题演化路径识别的理论、方法和技术。其次，综述研究基础，发现实体语义表示能更准确地识别技术主题演化路径，其结果更具可解释性。最后，设计BiLSTM-CRF 模型抽取专利技术实体，提出基于专利实体语义表示的主题演化路径识别方法，合并表示形式不同但语义相同的实体，识别主题之间的消亡、新生、合并、分化和发展等主题演化关系，并在无人机领域进行实证和可视化分析。数智技术“实体语义表示”赋能技术主题演化路径识别，能够更准确地识别技术主题演化路径，使结果更具可解释性，有利于管理人员和科研工作者准确掌握技术更迭演进过程，做出科学决策。②实体关系抽取技术挖掘：数智赋能下的技术主题演化语义关联发现（第4 章）。数智赋能下，知识关联发现逐渐从词汇外层配对转向词义内层匹配，从比较笼统的共现关系分析转向更加具体微观的细粒度语义关联发现。首先，该部分总结“实体关系抽取”赋能技术主题演...

图书目录

第1 章绪论 001

11 研究背景 002

111 数智技术赋能多学科新的增长点 002

112 技术挖掘是推动科技创新的重要力量 003

113 数智赋能技术挖掘新的机遇 006

12 相关概念界定 007

121 数智赋能 007

122 专利信息 008

123 技术知识单元 009

124 技术主题演化 011

125 技术融合 012

126 技术融合关系价值 013

127 多源异构数据融合 014

128 新兴技术 015

13 研究意义和研究问题 016

131 研究意义 016

132 研究问题 019

133 研究内容 022

14 研究方法和研究框架 024

141 研究方法 024

142 研究框架 027

第2 章数智赋能技术挖掘 030

21 数智赋能的基本理论和方法 030

211 数智赋能基本理论 031

212 数智赋能基本方法 033

22 技术挖掘的基本理论和方法 038

221 专利技术挖掘的基本流程 038

222 专利技术挖掘的应用范畴 039

223 专利技术挖掘的基本方法 040

23 数智赋能技术挖掘的基本理论和方法 045

231 知识单元挖掘视角 046

232 技术整体挖掘视角 050

第3 章实体语义表示技术挖掘：数智赋能下的技术主题演化路径识别 056

31 实体语义表示赋能技术挖掘 056

311 知识语义表示视角下的数智赋能 058

312 实体抽取及其语义表示视角下的数智赋能 061

32 技术主题演化路径识别的研究基础 063

321 技术演化理论基础 064

322 技术演化路径识别方法 065

33 基于实体语义表示的技术主题演化路径识别 068

331 专利技术实体抽取 069

332 专利技术实体语义表示 073

333 基于K-means 聚类的技术主题识别 074

334 基于知识流动的主题演化路径识别 074

34 无人机领域的技术主题演化路径识别应用 077

341 无人机领域的专利技术实体抽取 077

342 无人机领域的专利技术实体语义表示 082

343 基于K-means 聚类的无人机领域技术主题识别 082

344 基于知识流动的无人机领域主题演化路径识别 084

345 无人机领域主题演化路径识别结果可视化 089

第4 章实体关系抽取技术挖掘：数智赋能下的技术主题演化语义关联发现 091

41 语义关系抽取赋能技术挖掘 091

411 语义关联发现视角下的数智赋能 092

412 实体关系抽取视角下的数智赋能 092

413 数智赋能下的主题实体间演化关系抽取 093

42 技术主题演化路径语义关联发现的研究基础 094

421 基于特征指标的主题演化关联发现 094

422 基于结构化信息的语义关联发现 095

423 融合语义关系的技术主题演化关联发现 096

43 基于实体关系抽取的技术主题演化语义关联发现方法 097

431 专利实体间关系预定义 097

432 专利实体间关系抽取 098

433 技术主题演化语义关联发现方法 101

44 无人机领域的技术主题演化语义关联发现应用 103

441 无人机领域的专利实体间语义关系抽取 104

442 无人机领域的技术主题之间语义关系发现 107

443 无人机领域主题演化语义关联结果可视化 109

第5 章复杂网络技术挖掘：数智赋能下的技术融合关系预测 112

51 复杂网络赋能技术挖掘 112

511 技术融合预测 113

512 复杂网络的基本理论与方法 113

513 复杂网络视角下的技术融合关系预测 116

52 技术融合关系预测的研究基础 117

521 基于复杂网络的技术融合关系预测 117

522 基于机器学习的技术融合关系预测 118

53 基于复杂网络的技术融合关系预测方法 119

531 技术融合关系预测的特征构建 119

532 基于复杂网络的技术融合关系预测 122

54 技术融合关系预测应用 122

541 技术融合关系预测的特征构建结果 122

542 技术融合关系预测结果 125

第6 章机器学习技术挖掘：数智赋能下的技术融合价值评估 128

61 机器学习赋能技术挖掘 128

611 技术融合价值评估 129

612 机器学习的基本理论与方法 130

613 机器学习视角下的技术融合价值评估 134

62 技术融合价值评估的研究基础 135

621 技术融合价值评估理论基础 135

622 技术融合价值评估方法 136

63 基于机器学习的技术融合价值评估方法 136

631 专利分类引用网络构建 136

632 技术融合价值的评价指标构建 137

633 技术融合价值评估 138

64 技术融合价值评估应用 139

641 技术融合价值评估方程获取 139

642 技术融合价值评估结果 140

第7 章深度学习多源数据技术挖掘：数智赋能下的新兴技术识别 142

71 深度学习和多源数据赋能技术挖掘 143

711 多源异构数据的定义 143

712 数智赋能视角下的数据融合方法 145

713 数智赋能视角下的多源数据融合应用 146

72 新兴技术识别的研究基础 146

721 新兴技术的概念与属性 147

722 新兴技术识别指标 148

723 新兴技术识别方法 150

73 基于多源数据及深度学习的新兴技术识别方法 153

731 基于技术属性的特征分类 153

732 基于数据融合的新兴分数指标 155

733 基于多源数据的特征提取 156

734 基于深度学习的新兴分数预测 157

74 新兴技术识别应用 158

741 数据准备 158

742 基于多源数据的对比设计 159

743 基于深度学习的新兴分数预测结果 160

744 实证结果对比与分析 162

第8 章结论与展望 167

81 本书研究总结 167

82 贡献与创新之处 171

83 不足与后续研究 172

参考文献 174