专利技术主题分析:基于SAO结构的LDA主题模型方法

被引：38

作者：

杨超 ^{[1
]}

朱东华 ^{[1
]}

汪雪锋 ^{[1
]}

朱福进 ^{[1
,2
]}

衡晓帆 ^{[1
]}

机构：

[1] 北京理工大学管理与经济学院

[2] 悉尼科技大学量子计算与智能系统研究中心

来源：

图书情报工作 | 2017年 / 61卷 / 03期

关键词：

SAO结构; 技术主题分析; LDA模型; P&S模式; 石墨烯;

D O I：

10.13266/j.issn.0252-3116.2017.03.012

中图分类号：

G254 [文献标引与编目];

学科分类号：

1205 ; 120501 ;

摘要：

[目的/意义]改善现有专利技术主题分析方法主题辨识度低、主题词二义性、无法识别技术信息中的"问题"与相应"解决方案"等问题。[方法/过程]本文通过抽取专利文本中的SAO结构,并从SAO结构中识别"问题和解决方案"(P&S)模式,基于"bagofP&S"假设,构建基于"主语-行为-宾语"(subject-action-object,SAO)结构的LDA主题模型,实现对专利文献主题结构的识别和分析。[结果/结论]案例研究表明,该方法能够有效识别主题分布,并在主题辨识度和语义消岐方面较传统LDA模型具有较大优势。

引用

页码：86 / 96

页数：11

共 37 条

[1] 基于专利引用网络度分布研究技术跨领域应用 [J].

吴菲菲 ;

张辉 ;

黄鲁成 ;

乔铮 .

科学学研究, 2015, 33 (10) :1456-1463

[2] 个性化语义TRIZ构建研究 [J].

胡正银 ;

方曙 ;

张娴 ;

文奕 ;

梁田 .

图书情报工作, 2015, 59 (07) :123-131

[3] 基于LDA主题模型的专利内容分析方法 [J].

王博 ;

刘盛博 ;

丁堃 ;

刘则渊 .

科研管理, 2015, 36 (03) :111-117

[4] 面向TRIZ的专利自动分类研究 [J].

胡正银 ;

方曙 ;

文奕 ;

张娴 ;

梁田 .

现代图书情报技术, 2015, (01) :66-74

[5] 利用LDA的领域新兴主题探测技术综述 [J].

范云满 ;

马建霞 .

现代图书情报技术, 2012, (12) :58-65

[6]

基于概率主题模型的文献知识挖掘[J]. 王萍.情报学报. 2011 (06)

[7]

Topic analysis and forecasting for science, technology and innovation: Methodology with a case study focusing on big data research[J] . Yi Zhang,Guangquan Zhang,Hongshu Chen,Alan L. Porter,Donghua Zhu,Jie Lu.Technological Forecasting ＆ Social Change . 2016

[8] Coherence analysis of research and education using topic modeling [J].

Lee, Hoyeop ;

Kwak, Jueun ;

Song, Min ;

Kim, Chang Ouk .

SCIENTOMETRICS, 2015, 102 (02) :1119-1137

[9]

Mapping the intellectual structure of scientometrics: a co-word analysis of the journal Scientometrics （2005–2010）[J] . S. Ravikumar,Ashutosh Agrahari,S. N. Singh.Scientometrics . 2015 (1)

[10]

How to combine term clumping and technology roadmapping for newly emerging science ＆ technology competitive intelligence: “problem ＆ solution” pattern based semantic TRIZ tool and case study[J] . Yi Zhang,Xiao Zhou,Alan L. Porter,Jose M. Vicente Gomila.Scientometrics . 2014 (2)

← 1 2 3 4 →