欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024112380749
申请人: 暨南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于双重技术关联性的核心技术识别方法,其特征在于:包括以下步骤:基于技术文档提取技术关键词,构建技术检索式,基于技术检索式从技术数据库中获取D个原始技术文档;

对D个所述原始技术文档的每个技术文档中的文本内容进行句子分割和第一次文本预处理,得到预处理后的技术文档句子,基于所述预处理后的技术文档句子,使用词嵌入模型训练,获得D个所述原始技术文档中所含词项对应的词嵌入;

基于所述的D个原始技术文档进行第二次文本预处理,得到以词袋形式记录的技术文档;

基于所述词嵌入和所述词袋形式记录的技术文档,通过ETM模型进行主题建模,获得3个结果,所述结果包括主题-词项概率分布矩阵β、文档-主题概率分布矩阵θ和主题嵌入矩阵α;

基于主题嵌入矩阵α使用cosine相似度计算公式测量两个主题嵌入间的邻近性,得到记录主题之间邻近性关联强度的邻近性关联矩阵P,基于所述文档-主题概率分布矩阵θ通过association strength标准化方法计算得出记录主题之间组合关联强度的组合关联矩阵C,基于邻近性关联矩阵P和组合关联矩阵C,构建得到具有两个网络层次的双重网络并对双重网络进行可视化;采用基于多个中心性指标和因子分析的多重中心性分析方法识别出双重网络中的双重核心技术、核心组合型技术、核心邻近型技术和边缘技术;

双重网络由超邻接矩阵表示:

其中,

所述双重核心技术指在邻近性网络层和组合网络层中的网络位置均表现出高中心性的主题;

所述核心组合型技术指在邻近性网络层中具有低中心性,而在组合网络层的中心性较高的主题;

所述边缘技术指在邻近性网络层和组合网络层中均表现出低中心性的主题;

所述核心邻近型技术指在邻近性网络层中具有高中心性,而在组合网络层的中心性较低的主题。

2.根据权利要求1所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:所述词嵌入模型为Word2Vec模型或glove模型。

3.根据权利要求1所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:句子分割和第一次文本预处理的具体步骤包括:

通过python工具包NLTK将每一个原始技术文档的文本内容均采用分割处理得到成以句子为单元的技术文档句子;

使用python工具包spaCy对进行句子分割处理后的技术文档进行第一次文本预处理得到预处理后的技术文档句子。

4.根据权利要求3所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:所述第一次文本预处理过程:首先,删除文本中的数字、标点符号及字符长度小于3的词项;然后,对剩余的词项进行词性还原并转换为小写形式;最后,删除句子长度小于后续Word2Vec模型设定的“窗口大小”参数数值的句子,得到预处理后的技术文档句子。

5.根据权利要求1所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:所述第二次文本预处理使用python工具包spaCy,处理过程包括删除原始技术文档中的数字、标点符号、停用词、字符长度小于3的词项以及非名词词性的词项,对剩余的词项进行词性还原并转换为小写形式,删除了在技术文档集合中所出现文档频次小于3的词项,最终得到预处理后的、词典大小为V的词袋形式记录的技术文档。

6.根据权利要求1所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:基于所述词嵌入和所述词袋形式记录的技术文档,通过ETM模型进行主题建模过程,获得3个结果,所述结果包括主题-词项概率分布矩阵β、文档-主题概率分布矩阵θ和主题嵌入矩阵α的具体步骤如下:基于所述词嵌入和所述词袋形式记录的技术文档作为训练ETM模型的输入数据,通过重复实验确定ETM模型中主题数量K这一参数的最优设定值;

基于所述词嵌入和所述词袋形式记录的技术文档作为模型输入,基于ETM模型参数值主题数量K进行主题建模,得到3个矩阵形式的输出结果:主题-词项概率分布矩阵β:

行向量βk·为主题k在所有词项上的概率分布,其中,k为K个主题中第k个主题;

文档-主题概率分布矩阵θ:

行向量θd·为文档d在所有主题上的概率分布,其中,d为D个主题中第d个文档;

主题嵌入矩阵α:

列向量α·k为主题k的所对应的主题嵌入,其中,k为K个主题中第k个主题。

7.根据权利要求1所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:使用cosine相似度计算公式测量两个主题嵌入间的邻近性,得到记录主题之间邻近性关联强度的邻近性关联矩阵P的具体步骤如下:使用cosine相似度计算公式获得邻近性关联矩阵P中的元素值;

P为对称的方阵,元素值的计算公式为:

其中,αi为主题i所对应的主题嵌入,αj为主题j所对应的主题嵌入,||αi||为主题i对应的主题嵌入的L-2范数,||αj||为主题j对应的主题嵌入的L-2范数,pij和pji为主题i与主题j之间的邻近性关联程度;

通过标准化处理将邻近性关联矩阵P中的元素值的值域从[-1,1]缩放至[0,1],标准化处理计算公式为:p'ij是标准化后的矩阵元素值;

对邻近性关联矩阵P的对角线元素值进行归0处理,即:

p'ii=0

最终得到处理后的邻近性关联矩阵P。

8.根据权利要求1所述的一种基于双重技术关联性的核心技术识别方法,其特征在基于文档-主题概率分布矩阵θ通过association strength标准化方法计算得出记录主题之间组合关联强度的组合关联矩阵C的具体步骤如下:设定一个阈值η,将文档-主题概率分布矩阵θ中小于η的元素值设为0,从而过滤罕见事件,公式表示为:利用association strength标准化方法计算得出记录主题之间组合关联强度的组合关联矩阵C:C为对称的方阵,元素值的计算公式为:

θid为文档-主题概率分布矩阵θ中的元素值,即主题i在文档d中出现的概率;θjd为文档-主题概率分布矩阵θ中的元素值,即主题j在某一文档d中出现的概率;∑dθidθjd为主题i与主题j在文档集合中共同出现的概率,∑dθid为主题i在文档集合中出现的总概率;∑dθjd为主题j在文档集合中出现的总概率;

对组合关联矩阵C的对角线元素值进行归0处理,最终得到处理后的组合关联矩阵C,归0处理公式:cii=0。

9.根据权利要求1所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:采用基于多个中心性指标和因子分析的多重中心性分析方法识别出双重网络中的双重核心技术、核心组合型技术、核心邻近型技术和边缘技术的步骤包括:计算获得K个主题中每一个主题i分别在邻近性网络层中的强度其中,计算公式:计算获得K个主题中每一个主题i分别在组合网络层中的强度其中,计算公式:利用python工具包NetworkX计算所述双重网络中的K个主题中每一个主题i分别在邻近性网络层和组合网络层中的特征向量中心性和电流介数中心性和电流接近中心性和pij为邻近性关联矩阵P中的元素值,cij为组合关联矩阵C中的元素值;

其中,通过python工具包NetworkX中的eigenvector_centrality函数求得邻近性关联矩阵P所对应的p网络层中每个主题i的特征向量中心性通过python工具包NetworkX中的eigenvector_centrality函数求得组合关联矩阵C所对应的c网络层中每个主题i的特征向量中心性通过python工具包NetworkX中的current_flow_betweenness_centrality函数求得邻近性关联矩阵P所对应的p网络层中每个主题i的电流介数中心性通过python工具包NetworkX中的current_flow_betweenness_centrality函数求得组合关联矩阵C所对应的c网络层中每个主题i的电流介数中心性通过python工具包NetworkX中的current_flow_closeness_centrality函数求得邻近性关联矩阵P所对应的p网络层中每个主题i的电流接近中心性通过python工具包NetworkX中的current_flow_closeness_centrality函数求得组合关联矩阵C所对应的c网络层中每个主题i的电流接近中心性将K个主题中每一个主题i的作为输入数据,利用stata软件的factor函数,进行因子分析,得到能够解释四个在邻近性网络层的中心性变量共性的因子fp和K个主题中每一个主题i在因子fp上相应的得分fp(i),以及能够解释四个在组合网络层的中心性变量共性的因子fc和K个主题中每一个主题i在因子fc上相应的因子得分fc(i),每个主题i在双重网络中的中心性表示为向量设定划分主题i的因子得分fp(i)高与低的阈值γp,设定划分主题i的因子得分fc(i)高与低的阈值γc,用来判断主题i分别在邻近性网络层和组合网络层中所处网络位置的中心性程度的高与低;

将因子得分fp(i)作为x轴,因子得分fc(i)作为y轴,构建二维坐标系,并基于所述向量构建一个二维空间,基于两个阈值γp和γc将二维空间划分出四个空间区域,从而识别出双重网络中的双重核心技术、核心组合型技术、核心邻近型技术和边缘技术。

10.根据权利要求9所述的一种基于双重技术关联性的核心技术识别方法,其特征在于:所述阈值γp设定为K个主题在邻近性网络层中因子得分的中位数或第三分位数;所述阈值γc设定为K个主题在组合网络层中因子得分的中位数或第三分位数。