基于表示学习的引证网络关键路径识别研究

摘要：

针对主路径分析中较少考虑引用内容的问题与技术演化脉络存在一定时滞性的问题,提出一种基于引用内容表示学习的关键路径识别算法.将深度学习中的表示学习应用于引用内容,计算引用过程中的知识流动权重,调节只使用引用路径的主路径分析方法,以每条边在网络中的SPC值与内容相似度的加权作为该边在路径求解算法中的权重值,从而获取全局关键路径,更加全面探究关键领域中主要发展路径.实验结果表明,将该方法应用于光刻产业的技术演化脉络研究,可以有效地挖掘出技术演化脉络中的关键路径并发现其研究主题的分支结构.在基础技术演化脉络的基础之上发现了放射学与影像学等具有很大的发展潜力的研究方法.

关键词：主路径分析、技术演化脉络、Doc2Vec、引证网络

所属期刊栏目：42

分类号：G353.1;TN305.7(情报学、情报工作)

资助基金：国家自然科学基金;辽宁省社科规划基金项目

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8