基于LDA-HMM的专利技术主题演化趋势分析——以船用柴油机技术为例

摘要：

如何在专利数据海洋中挖掘技术主题的研究现状、识别具有潜力的研发热点,对企业和国家来说都是至关重要的战略议题.针对目前技术主题演化趋势预测研究中存在的不足:技术创新过程中随机特征的忽视、人工分类的缺陷以及专业术语难以识别等问题,本研究提出一种组合方法,首先使用维特比(Viterbi)算法识别专利文献中的专业术语,其次利用机器学习中的隐含狄利克雷分布(LDA)算法捕捉专利文献中潜在的技术主题聚类,分析各时期技术主题的分布特征和演变规律,然后结合包含双重随机过程的隐马尔可夫模型(HMM)对未来技术趋势进行定量预测,最后以船用柴油机技术为例,应用上述组合方法分析船用柴油机技术的主题分布、演化规律及未来趋势.对比实验显示本文方法具有有效性和实用价值.

关键词：主题模型、隐含狄利克雷分布、隐马尔可夫过程、技术演化

所属期刊栏目：37

资助基金：国家自然科学基金"多源异构信息交互作用下知识产权战略目标偏差的诊断与机理研究"71704007;国家社会科学基金项目"区域知识产权战略系统协同与产业升级研究"14BGL007

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：732-741