基于专利文献的颠覆性技术识别研究——以人工智能为例

摘要：

颠覆性技术作为引领经济发展的关键动力与技术创新的重要抓手和突破口,探测其动态发展过程,实现颠覆性技术识别与预测,对国家或企业优化研发布局,积极抢占科技制高点具有重要意义.本文从技术与市场角度出发,构建颠覆性潜力测度指标,结合滑动窗口和LDA(latent Dirichlet allocation)构建探测技术主题颠覆性潜力的动态趋势识别方法,以美国人工智能领域专利文献为样本验证该方法在识别与预测颠覆性技术方面的可用性,并结合颠覆性技术主题中关联强度较高的前10个IPC大组共同表征颠覆性技术内容,进一步检验方法的实践价值.研究结果表明,深度学习、图像识别与处理技术是人工智能领域的颠覆性技术,二者关联紧密,协同发展趋势明显,其中深度学习技术聚焦于电数字数据处理领域,图像识别与处理技术则应用于自动驾驶、医疗诊断、电视通信等主流领域.本文样本实证数据表明,多指标融合方法在颠覆性技术识别方面更具优势;将样本数据的指标测度与发展趋势预测紧密结合,从时间序列的迭代连续性探索历史发展趋势能更好地揭示颠覆性技术的演化细节及其内在依赖性.

关键词：颠覆性技术、主题预测、LDA、时间序列、人工智能、IPC

所属期刊栏目：41

分类号：TP391.41;G202;TP23

在线出版日期：2022-12-29（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：1124-1133