买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明涉及一种利用分类号共现和链路预测识别技术机会的方法，包括：将某技术领域或应用领域内的专利划分为三个时段，对每一时段的专利集合提取其分类号信息，并确定分类号共现关系，以分类号为节点依据共现关系构建共现网络；分别提取三个时段共现网络中节点对的三种特征：相似性指标、与技术链路的产生相关的节点属性和节点对关系指标，并拼接为特征向量；使用基于图卷积神经网络GCN的图表示学习进行节点嵌入，将各相似性指标、节点对关系指标和基于GCN的节点属性指标进行拼接，形成用于下一步建模的特征向量；基于共现网络中节点对的特征指标和节点连接状态构建和训练机器学习模型，获得链路预测模型。

主权项：1.一种利用分类号共现和链路预测识别技术机会的方法，包括下列步骤：S1:将某技术领域或应用领域内的专利划分为三个时段，对每一时段的专利集合提取其分类号信息，并确定分类号共现关系，以分类号为节点依据共现关系构建共现网络，分类号的共现关系构成共现网络中的链路。S2:分别提取三个时段共现网络中节点对的三种特征：相似性指标、与技术链路的产生相关的节点属性和节点对关系指标，并拼接为特征向量；所述相似性指标包括局部相似性，全局相似性，准局部相似性；与技术链路的产生相关的节点属性包括：节点中专利的增长率GR，CPC节点的专利总数TN，CPC节点最近一年的专利数量NP，CPC节点释义的嵌入向量EV；节点对关系指标包括：CPC节点对子类级别的共现情况CS，CPC节点对的层级结构相似性TS，CPC节点对相同受让人的数量SA；使用基于图卷积神经网络GCN的图表示学习进行节点嵌入，特征矩阵由每个节点的GR，TN，TP，EV拼接成的向量构成；采用两层GCN，通过计算节点余弦相似度，并使用二元交叉熵计算损失来训练GCN模型，使用哈达玛积运算将两个节点的表示向量重构为节点对级别；将各相似性指标、节点对关系指标和基于GCN的节点属性指标进行拼接，形成用于下一步建模的特征向量；S3:基于共现网络中节点对的特征指标和节点连接状态构建和训练机器学习模型，获得链路预测模型，方法为：选择在所述步骤S1第一时段中未链接而在第二时段产生链接的节点对的集合作为训练集的正样本；训练集的负样本由第一时段中的那些在第二时段没有链接的节点对组成，并且数量上与正样本一致；测试集的正样本由第二时段未链接而在第三时段产生链接的节点对构成，负样本则是第二时段中那些在第三时段没有链接的节点对，数量上与正样本一致，通过设置实验和评估指标，获得链路预测模型；S4:将未链接的节点对的特征向量送入所述步骤S3获得的链路预测模型中预测未来可能的链路作为潜在技术机会；对于预测得到的节点对，分析两种技术的主题和关键词，并以主题和关键词的融合作为技术机会方案。

全文数据：

权利要求：

百度查询： 天津大学 一种利用分类号共现和链路预测识别技术机会的方法