基于共词和Node2Vec表示学习的新兴技术识别方法

摘要：

[目的]高效准确地识别新兴技术,帮助政府、企业等市场各参与主体及时洞察技术前沿并合理配置资源.[方法]本研究以细粒度的技术术语为研究对象,在考虑共词网络结构特征和语义表示的基础上,构建模型进行新兴术语的遴选和新兴分数的量化,并运用Node2Vec图表示学习算法对新兴术语的向量进行编码及语义表示,实现了新兴术语和新兴技术主题的识别.[结果]在数控机床领域进行实证研究,共识别出449个新兴术语以及4个新兴技术主题(机器人自动上下料系统、清洁高效切削加工技术、高速高精度数控加工中心、增减材复合制造技术),验证了所提方法的科学性和合理性.[局限]仅使用专利文献的数据,对其他多源异构文献数据及其中存在的引用、语义相似等其他网络关系利用不足.[结论]运用共词和Node2Vec图表示学习的方法可深入挖掘技术术语间共词网络结构特征和语义表示,实现了新兴技术的细粒度精准量化识别.

关键词：新兴技术、文本挖掘、图表示学习、Node2Vec

所属期刊栏目：7

分类号：TP393;G250(计算技术、计算机技术)

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：89-99