内容简介

当前，全球技术发展日新月异，大量的技术创新活动为企业提供了比以往更多的技术发展机会，企业必须识别和把握可能出现的技术发展机会，才能提高企业的技术创新能力和国际竞争力。作为全球大的技术信息源，论文信息资源通常被用于测度基础科学研究活动的水平，而专利信息资源则被用于测度产业技术的创新水平，具有生命力和潜在商业价值的技术机会在这两大信息源中通常会留下一定的足迹。因此，论文和专利信息资源的融合分析对于把握技术机会、理解科学和技术之间的联系、提高技术创新水平具有重要意义。

技术机会发现是指通过对特定领域内海量信息资源的深入挖掘和分析，在掌握已有技术发展趋势及其相互关系的同时，发现新技术动向，推断该领域可能出现的技术形态或技术发展点。通过对论文和专利信息资源的融合分析，可以反映技术发展现状、挖掘研发热点、预测发展趋势、揭示竞争对手的技术实力与战略布局。

本书主要以作者带领团队所研发的大数据环境下多源信息融合的科技文献智能分析服务平台SciTeMiner为背景，系统阐述了该平台中技术机会分析模块所涉及的方法和技术。本书共分为四大部分：第一部分由第二章组成，主要涉及技术术语抽取方法研究；第二部分由第三章、第四章、第五章、第六章及第七章组成，主要研究技术术语间语义关系抽取方法；第三部分由第八章和第九章组成，主要探讨技术主题抽取及技术主题关联；第四部分由第十章、第十一章和第十二章组成，主要研判技术生命周期阶段及构建技术功效图。

本书得以顺利出版，要感谢国家自然科学基金的资助，同时，也要感谢作者原单位中国科学技术信息研究所，以及新单位北京工业大学各级领导和同事的大力支持。本书作者长期从事科学前沿探测、技术预见、数据挖掘、机器学习和大数据方面的研发工作，一直酝酿出版与技术机会发现方法有关的图书，但由于种种原因，直到今天才得以实现。本书凝聚了许多人的心血和智慧，在此要特别感谢中国科学技术信息研究所的韩红旗副研究员和张兆锋博士，以及本书作者曾指导过的研究生张晗、王新和王政同学。

由于作者水平所限，书中难免存在不足，欢迎读者批评指正。

目录

目录

第一章绪论

1.1背景及意义

1.2国内外研究现状

1.3平台及工具研发

1.4章节结构安排

1.5本章小节

参考文献

第二章专利技术术语抽取方法

2.1引言

2.2术语的定义、分类和特征

2.3自动术语抽取的方法

2.4中文术语抽取研究的概述

2.5专利技术术语抽取模型

2.6实验结构及讨论

2.7本章小节

参考文献

第三章共现聚类分析的新方法：最大频繁项集挖掘

3.1引言

3.2共现分析法

3.3最大频繁项集挖掘

3.4实验结果及讨论

3.5本章小结

参考文献

第四章基于双序列比对的中文术语语义相似度计算方法

4.1引言

4.2《同义词词林》简介

4.3Ⅰ型问题的语义相似度计算

4.4Ⅱ型问题的语义相似度计算

4.5实验结果及讨论

4.6本章小结

参考文献

第五章仅根据Proximity数据构建向量空间模型的方法

5.1引言

5.2基于MDS的向量空间模型构建方法

5.3实验材料及数据

5.4实验结果及分析

5.5本章小结

参考文献

第六章基于弱监督学习的语义关系抽取方法

6.1引言

6.2国内外研究现状

6.3实体关系抽取模型

6.4实验结果及分析

6.5本章小结

参考文献

第七章几种叙词表复杂逻辑错误检查算法研究

7.1引言

7.2预备知识

7.3属/分关系中的逻辑错误检查算法

7.4参考关系中的逻辑错误检查算法

7.5本章小结

参考文献

第八章融合科技文献内外部特征的主题模型发展综述

8.1引言

8.2历史渊源及符号表示

8.3融合科研人员特征

8.4融合时间特征

8.5融合参考文献特征

8.6融合多个外部特征

8.7本章小结

参考文献

第九章论文和专利资源主题关联分析方法

9.1引言

9.2技术路线

9.3技术主题抽取

9.4词项和命名实体聚类

9.5主题相似度计算

9.6技术主题关联

9.7实验结果及讨论

9.8本章小节

参考文献

第十章基于事实型数据的技术生命周期判断方法综述

10.1引言

10.2技术生命周期阶段划分

10.3技术生命周期阶段判断方法

10.4本章小结

参考文献

第十一章面向情报技术领域的Loglet分析

11.1引言

11.2增长曲线模型

11.3实验数据选取

11.4LogletLab简介

11.5实验结果及分析

11.6本章小结

参考文献

第十二章专利技术功效图智能构建进展

12.1引言

12.2技术功效图概述

12.3技术功效图构建模式

12.4关键技术研究进展

12.5本章小结