中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于語義TRIZ的技術挖掘 版權信息
- ISBN：9787030697912
- 條形碼：9787030697912 ; 978-7-03-069791-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于語義TRIZ的技術挖掘 內容簡介
技術挖掘是一套輔助技術創新的理論與方法，它采用自然語言處理、文本挖掘、語義分析等技術手段，對文獻中顯性與隱性信息進行分析、挖掘。語義TRIZ是在日益膨脹的大背景下，對經典TRIZ的語義擴展，它是一種對技術信息進行挖掘、組織的方式，被廣泛利用于技術挖掘中。本書在系統梳理現有研究的基礎上，提出一個基于多維索引的個性化語義TRIZ體系結構，分別從概念空間、索引空間、應用空間出發，描述了半自動構建該語義TRIZ的流程、方法及關鍵技術。本書選擇石墨烯傳感器、大口徑光學元件、氨基酸，針對"技術演化分析"、"自動分類""技術功效分析"三個技術挖掘應用場景進行了實證研究。
基于語義TRIZ的技術挖掘 目錄
目錄
序
前言
第1章 專利技術挖掘概述 1
1.1 引言 1
1.1.1 技術挖掘 1
1.1.2 專利技術挖掘 2
1.2 典型應用場景 3
1.2.1 專利技術演化分析 3
1.2.2 專利自動分類 6
1.2.3 其他專利技術挖掘應用場景 8
1.3 存在的問題和挑戰 11
第2章 專利技術信息知識表示與知識組織 13
2.1 專利技術信息知識表示相關技術 13
2.1.1 專利分類號 13
2.1.2 專利本體 17
2.1.3 向量空間模型 18
2.1.4 比較分析 19
2.2 TRIZ理論 20
2.2.1 TRIZ理論的形成 20
2.2.2 TRIZ的基本概念 20
2.2.3 TRIZ的體系結構 22
2.2.4 TRIZ的發展及應用 25
2.2.5 面向TRIZ的專利技術挖掘 27
2.3 語義TRIZ 27
2.3.1 語義TRIZ誕生的背景 27
2.3.2 語義TRIZ的關鍵概念 28
2.3.3 語義TRIZ的關鍵技術 29
2.3.4 語義TRIZ的典型應用——Goldfire 29
2.3.5 現狀與挑戰 32
第3章 語義TRIZ體系結構與構建方法 35
3.1 專利文獻著錄項技術特征分析 35
3.1.1 專利文獻技術信息著錄項介紹 35
3.1.2 專利文獻技術信息著錄項的局限性 37
3.2 語義TRIZ的體系結構研究 37
3.2.1 知識組織視角下語義TRIZ的技術維度分析 37
3.2.2 情報分析視角下語義TRIZ的數據空間劃分 39
3.2.3 語義TRIZ的體系結構 41
3.3 語義TRIZ的構建方法研究 44
3.3.1 角色分析 44
3.3.2 概念空間語義TRIZ的構建 44
3.3.3 索引空間語義TRIZ的構建 52
3.3.4 應用空間語義TRIZ的構建 55
第4章 語義TRIZ關鍵技術分析 57
4.1 SAO抽取技術 57
4.1.1 數據預處理 58
4.1.2 SAO抽取 58
4.1.3 數據解析及規范 58
4.2 SAO清洗技術 59
4.2.1 關鍵詞清洗 59
4.2.2 謂語清洗 61
4.2.3 遴選核心SAO 61
4.3 SAO降維技術 61
4.3.1 主題模型 61
4.3.2 語義相似度 64
4.3.3 其他特征降維技術 65
4.4 SAO語義網絡技術 66
4.4.1 SAO全局語義網絡構建 66
4.4.2 SAO語義網絡挖掘 68
第5章 基于語義TRIZ的專利自動分類研究 71
5.1 專利自動分類流程、方法和關鍵技術 71
5.1.1 分類特征項 72
5.1.2 分類模型訓練 75
5.2 LAOE領域面向TRIZ的專利自動分類 76
5.2.1 LAOE領域語義TRIZ構建 76
5.2.2 LAOE領域分類特征的選擇 85
5.2.3 LAOE領域分類模型的訓練 86
5.2.4 LAOE領域專利的分類結果 87
5.2.5 分類結果的具體應用 88
5.3 基于語義TRIZ的專利自動分類體系優點 90
第6章 基于語義TRIZ的專利技術演化研究 92
6.1 專利技術演化分析方法 92
6.1.1 中觀層技術主題間層級關系分析 92
6.1.2 微觀層P&S模式間語義關系挖掘 94
6.2 GSEN領域語義TRIZ的構建 97
6.2.1 SAO的自動抽取與數據清洗 98
6.2.2 中觀層技術主題的構建 99
6.3 中觀層技術主題演化分析 101
6.3.1 技術問題語義類型的技術主題演化分析 101
6.3.2 技術方案語義類型的技術主題演化分析 105
6.4 微觀層P&S模式技術演化分析 108
6.4.1 P&S模式構建 108
6.4.2 P&S模式間語義關系挖掘 111
6.4.3 P&S模式全景式技術演化分析 114
6.5 基于語義TRIZ的專利技術演化優點分析 115
6.5.1 全面展示技術演化 115
6.5.2 輔助挖掘P&S模式間語義關系 116
第7章 基于語義TRIZ的領域專利技術挖掘系統 118
7.1 面向TRIZ的專利技術挖掘工具現狀分析 118
7.2 領域專利技術挖掘系統介紹 119
7.2.1 DPTMS的體系結構 120
7.2.2 DPTMS的關鍵技術 123
7.2.3 DPTMS的功能模塊 128
7.3 基于DPTMS的專利技術挖掘實踐 134
7.3.1 大口徑光學元件專利技術挖掘實踐 134
7.3.2 超導電子專利技術挖掘實踐 136
7.3.3 氨基酸專利技術挖掘實踐 138
7.4 DPTMS的優點與不足 141
參考文獻 143
附錄 156
序
前言
第1章 專利技術挖掘概述 1
1.1 引言 1
1.1.1 技術挖掘 1
1.1.2 專利技術挖掘 2
1.2 典型應用場景 3
1.2.1 專利技術演化分析 3
1.2.2 專利自動分類 6
1.2.3 其他專利技術挖掘應用場景 8
1.3 存在的問題和挑戰 11
第2章 專利技術信息知識表示與知識組織 13
2.1 專利技術信息知識表示相關技術 13
2.1.1 專利分類號 13
2.1.2 專利本體 17
2.1.3 向量空間模型 18
2.1.4 比較分析 19
2.2 TRIZ理論 20
2.2.1 TRIZ理論的形成 20
2.2.2 TRIZ的基本概念 20
2.2.3 TRIZ的體系結構 22
2.2.4 TRIZ的發展及應用 25
2.2.5 面向TRIZ的專利技術挖掘 27
2.3 語義TRIZ 27
2.3.1 語義TRIZ誕生的背景 27
2.3.2 語義TRIZ的關鍵概念 28
2.3.3 語義TRIZ的關鍵技術 29
2.3.4 語義TRIZ的典型應用——Goldfire 29
2.3.5 現狀與挑戰 32
第3章 語義TRIZ體系結構與構建方法 35
3.1 專利文獻著錄項技術特征分析 35
3.1.1 專利文獻技術信息著錄項介紹 35
3.1.2 專利文獻技術信息著錄項的局限性 37
3.2 語義TRIZ的體系結構研究 37
3.2.1 知識組織視角下語義TRIZ的技術維度分析 37
3.2.2 情報分析視角下語義TRIZ的數據空間劃分 39
3.2.3 語義TRIZ的體系結構 41
3.3 語義TRIZ的構建方法研究 44
3.3.1 角色分析 44
3.3.2 概念空間語義TRIZ的構建 44
3.3.3 索引空間語義TRIZ的構建 52
3.3.4 應用空間語義TRIZ的構建 55
第4章 語義TRIZ關鍵技術分析 57
4.1 SAO抽取技術 57
4.1.1 數據預處理 58
4.1.2 SAO抽取 58
4.1.3 數據解析及規范 58
4.2 SAO清洗技術 59
4.2.1 關鍵詞清洗 59
4.2.2 謂語清洗 61
4.2.3 遴選核心SAO 61
4.3 SAO降維技術 61
4.3.1 主題模型 61
4.3.2 語義相似度 64
4.3.3 其他特征降維技術 65
4.4 SAO語義網絡技術 66
4.4.1 SAO全局語義網絡構建 66
4.4.2 SAO語義網絡挖掘 68
第5章 基于語義TRIZ的專利自動分類研究 71
5.1 專利自動分類流程、方法和關鍵技術 71
5.1.1 分類特征項 72
5.1.2 分類模型訓練 75
5.2 LAOE領域面向TRIZ的專利自動分類 76
5.2.1 LAOE領域語義TRIZ構建 76
5.2.2 LAOE領域分類特征的選擇 85
5.2.3 LAOE領域分類模型的訓練 86
5.2.4 LAOE領域專利的分類結果 87
5.2.5 分類結果的具體應用 88
5.3 基于語義TRIZ的專利自動分類體系優點 90
第6章 基于語義TRIZ的專利技術演化研究 92
6.1 專利技術演化分析方法 92
6.1.1 中觀層技術主題間層級關系分析 92
6.1.2 微觀層P&S模式間語義關系挖掘 94
6.2 GSEN領域語義TRIZ的構建 97
6.2.1 SAO的自動抽取與數據清洗 98
6.2.2 中觀層技術主題的構建 99
6.3 中觀層技術主題演化分析 101
6.3.1 技術問題語義類型的技術主題演化分析 101
6.3.2 技術方案語義類型的技術主題演化分析 105
6.4 微觀層P&S模式技術演化分析 108
6.4.1 P&S模式構建 108
6.4.2 P&S模式間語義關系挖掘 111
6.4.3 P&S模式全景式技術演化分析 114
6.5 基于語義TRIZ的專利技術演化優點分析 115
6.5.1 全面展示技術演化 115
6.5.2 輔助挖掘P&S模式間語義關系 116
第7章 基于語義TRIZ的領域專利技術挖掘系統 118
7.1 面向TRIZ的專利技術挖掘工具現狀分析 118
7.2 領域專利技術挖掘系統介紹 119
7.2.1 DPTMS的體系結構 120
7.2.2 DPTMS的關鍵技術 123
7.2.3 DPTMS的功能模塊 128
7.3 基于DPTMS的專利技術挖掘實踐 134
7.3.1 大口徑光學元件專利技術挖掘實踐 134
7.3.2 超導電子專利技術挖掘實踐 136
7.3.3 氨基酸專利技術挖掘實踐 138
7.4 DPTMS的優點與不足 141
參考文獻 143
附錄 156
展開全部
基于語義TRIZ的技術挖掘 節選
第1章 專利技術挖掘概述 技術挖掘(tech mining)是一種研究如何分析科技創新信息資源的技術內涵的理論方法，旨在更準確、高效地從中挖掘出有用的知識以服務于技術創新與技術管理。本章首先介紹技術挖掘與專利技術挖掘的概念。然后，介紹專利技術挖掘的典型應用場景，其中重點介紹專利技術演化分析和專利自動分類兩類專利技術挖掘應用場景。*后，分析專利技術挖掘存在的問題和挑戰，引出基于語義 TRIZ(theory of inventive problem solving，發明問題解決理論)的專利技術挖掘。 1.1 引言 1.1.1 技術挖掘 “十四五”時期，我國將進入新發展階段，社會經濟的運行模式也將發生重大的改變，科技創新將成為驅動社會經濟可持續發展的關鍵要素[1]。技術創新是以創造新技術為目的的創新或以科學技術知識及其創造的資源為基礎的創新，是科技創新的重要組成部分，已成為產業發展的重要推動力，在全球經濟發展中扮演越來越重要的角色，一個國家的經濟活力與競爭力也越來越依賴于技術創新[2，3]。在技術創新活動中，科研人員是技術創新的重要主體，而創新思想是技術創新的重要客體[3]。技術創新的過程就是在國家宏觀創新政策的引領和企業機構研發規劃的指導下，科研人員產生創新思想，并將其與具體技術相結合，從而產生新技術或新應用的過程[3]。 創新思想是技術創新的核心內容，源于科研人員對大量科技創新信息資源的閱讀、理解、分析和利用。然而，當前科技創新信息資源數量呈現出了爆炸性增長的態勢，而技術創新從思想產生到成果應用的時間間隔卻逐漸縮短。因此，需要一套科學的理論體系、方法流程、工具系統來幫助科研人員快速、準確地定位和分析存在于海量科技創新信息資源中的有效信息[3]。在技術創新快速迭代與科技創新信息資源數量急劇增加的背景下，技術挖掘應運而生。 21世紀初，美國學者 Porter和 Cunningham提出了一系列基于歷史科技文獻進行面向未來的技術分析(future-oriented technology analysis，FTA)、創新路徑預測(forecasting innovation pathways，FIP)和技術機會分析(technology opportunities analysis，TOA)的理論與方法[3]。在此基礎上，Porter和 Cunningham進一步提出了技術挖掘的概念，即通過分析科技文獻的技術內涵，以更準確、高效地從中挖掘出有用的知識，進而服務于技術創新與科技管理活動。技術挖掘是在了解技術創新過程的基礎上，將文本挖掘技術工具應用于科技信息分析[3]。它的載體主要是已發表的科技文獻，包括學術論文、專利文獻等。它的分析對象除了題名、作者、專利權人等著錄項信息外，還包括深入到專利文獻內容層面的信息，如摘要、全文、專利權利要求等。技術挖掘采用的具體技術手段包括自然語言處理(natural language processing，NLP)、文本挖掘(text mining)、統計分析(statistical analysis)、主題模型(topic model)、知識組織系統(knowledge organization system，KOS)等。技術挖掘的目的隨具體技術挖掘場景各異，Porter和 Cunningham總結了技術挖掘的主要應用場景及目的，見表1.1[3]。 表1.1 技術挖掘應用場景 1.1.2 專利技術挖掘 科技創新信息資源的可靠性、準確性與權威性對技術挖掘結果的指導和參考價值十分重要。專利文獻屬于科技文獻的一種，是各國專利主管部門、國際性知識產權組織及科技信息出版商在審批專利、再加工專利信息的過程中產生的官方文件及其衍生出版物的總稱[4]。專利文獻是世界上*大的科學技術信息源之一，目前全世界專利數量超過1.3億件，專利家族超過4600萬項[5]；雖然每年出版的專利文獻數僅占科技出版物總數的1/4，但其內容卻覆蓋了90%～95%的世界科技信息[6-8]。除此之外，專利文獻提供的科技信息比其他科技信息資源領先5～6年，且內容更為翔實準確[6-8]。可見，專利文獻具有數量巨大、內容新穎、描述詳細、格式規范、分類科學、質量可靠等特點[4，6，9]，它是一種理想型技術挖掘載體，是技術挖掘使用率*高的科技創新信息資源。 專利信息包含于專利文獻中，由關于發明創造相關內容的技術信息、專利保護范圍等法律信息以及專利權轉讓或轉移等經濟信息組成[4，10]。隨著科學技術的飛速發展，專利活動日益活躍，專利數量迅猛增長，專利信息也處于爆發式增長的階段，如何利用技術手段高效、精準地從海量專利信息中挖掘出隱性價值和有效知識逐漸成為探討和研究的焦點[6，11]。據世界知識產權組織估算，如果能夠有效利用專利信息，可以幫助企業縮短平均60%的技術研發周期，節約40%的科研經費[8]。對用戶來說，專利應用的瓶頸正從如何獲取專利文獻轉向如何有效挖掘專利信息的價值[12，13]。 專利技術挖掘是一種專門針對專利文獻中技術信息的特殊的技術挖掘，是一套輔助技術創新的理論與方法[3，12]。它采用自然語言處理、文本挖掘、語義分析等技術手段，通過對專利文獻中的顯性、隱性技術信息進行抽取、分析、挖掘，從主體和內容角度對專利文獻中包含的技術特征等進行深層次分析，幫助用戶了解領域技術現狀及發展趨勢[3，12，14]。通過專利技術挖掘，可分析領域源頭技術、核心技術、空白技術、跨學科交叉技術等，形成技術發展、演化、擴散知識地圖。宏觀層面上，專利技術挖掘可應用于面向未來的技術預見與技術監測，為國家制定相關技術發展政策提供決策支撐。中觀層面上，專利技術挖掘可幫助研發機構了解技術及資源分布等技術競爭情報，為它們規劃自身的研發戰略提供指導。微觀層面上，專利技術挖掘可用于聚焦新技術研發，作為改善和創造其他新技術專利的基礎，幫助研究人員進行具體技術創新活動[3，12，15]。 總之，技術挖掘已成為推動技術創新的重要工具與手段，而專利技術挖掘作為一種基于專利信息挖掘的輔助技術創新理論與方法，被廣泛應用于制定科技政策、規劃研發戰略與指導具體發明創造等活動中。專利技術挖掘的基礎是專利文獻中的顯性與隱性技術信息。因此，需要研究如何分析、組織與應用這些技術信息，這對更有效地支持各種專利技術挖掘應用具有重要意義。 1.2 典型應用場景 專利技術挖掘作為一種特殊的技術挖掘，其典型應用場景包括專利技術演化分析、專利自動分類、顛覆性技術識別、技術主題聚類、技術創新路徑識別、核心專利判別、熱門專利預測、技術跨界應用分析、技術趨勢分析、面向 TRIZ的智能檢索等[12，16-18]。 1.2.1 專利技術演化分析 專利技術演化分析是通過分析技術產生、發展、突破創新、轉移乃至湮滅的過程，描繪出技術歷史發展進程，是專利技術挖掘的重要內容之一[19]。專利技術演化分析的主要目的是挖掘領域核心基礎技術、新興技術、萌芽技術等，梳理技術發展脈絡和內部技術活動的發展歷史，反映技術活動現狀，為探究和回溯技術起源與發展提供可靠幫助，對識別科技優先領域、合理配置科技資源具有重要意義[20]，能為制定研發策略提供參考。根據其應用場景與分析對象不同，專利技術演化分析方法可分為文獻計量學方法、 TRIZ技術進化理論及專利文本挖掘方法三種[21，22]。 1.文獻計量學方法 文獻計量學方法是直接基于專利文獻現有分類號等著錄項信息以及引用數據等，利用統計、數據挖掘等技術方法進行定量分析[21，22]。文獻計量學方法以描述技術歷史發展為主，主要用于宏觀或中觀層面上的專利技術演化分析。文獻計量學方法包括基于專利分類號的分析、基于專利引用關系的分析、計量指標分析和共詞分析等[23]。 專利分類號按照技術屬性對專利進行分類，以便于專利組織、管理和檢索，可認為是一種對專利技術內容的標準化表示[24]。基于專利分類號的分析方法是以專利分類號為對象，通過對專利分類號所屬專利及其相關信息進行數量統計、頻次分析以及專利分類號共現分析(即共類分析，假設共同出現的專利號具有一定的關聯性)等，探究專利分類號隨時間的演變情況，從而揭示某一技術領域內的技術演化過程及其發展趨勢[25]。例如，欒春娟通過構建專利分類號共現矩陣，劃分多個時間段，分別繪制共現網絡圖并進行對比分析，從而發現太陽能關鍵技術演化路徑[26]。基于專利分類號的方法具有數據易獲取等優點，但無法深入專利文本，導致分析結果較為淺顯且缺乏直觀性，因此很難通過這種方法詳細了解技術演化的過程和趨勢[25]。 基于專利引用關系的分析方法是通過分析專利之間的引用關系以揭示專利技術之間的聯系和演進關系，目前已成為研究專利技術發展脈絡、技術選擇及預測等的重要研究手段[20，27]。專利引用關系可以體現技術之間的繼承和發展關系，也可以展示出不同技術領域之間的交叉、融合和分化關系；根據專利之間的引用關系(包括共引、耦合等)可以聚集相似的專利技術，形成具有不同技術主題的聚簇，從而判斷技術發展的趨勢[20，27]。目前主要的研究方法有專利引用量統計分析、專利共被引分析、專利耦合分析、專利引文時序分析，以及一些分析指標，如技術生命周期、科學強度[20]。但該方法也存在一些缺陷，例如，專利引用本身可能存在漏引、偏引等問題，很難全面把握專利之間的關系；基于專利引用關系的分析沒有深入文本，不能準確地解釋專利之間的技術主題相似度和專利之間的內在聯系[25，28]。 2. TRIZ技術進化理論 TRIZ技術進化理論*早由阿奇舒勒(G. S. Altshuller)于20世紀50年代提出， 該理論認為，技術系統的進化存在著一定的客觀規律，這種規律在不同技術領域中反復出現，而技術問題、技術矛盾和沖突的不斷解決是推動技術系統進化的動力[20，21，29]。在提出初期，TRIZ技術進化理論一直被當作用于解決具體技術問題的一個附加工具，并未得到重視。直到2001年，Domb和 Roland提出策略性 TRIZ和戰略性 TRIZ的區分[30]，TRIZ技術進化理論才開始成為一個獨立的研究對象，對 TRIZ技術進化理論的研究與日俱增，多種新興的 TRIZ技術進化理論得到迅速發展[31]。經典 TRIZ技術進化理論的核心是阿奇舒勒提出的四階段理論和技術系統八大進化法則[29]。四階段理論是阿奇舒勒通過對大量專利進行分析后總結出的規律，即產品進化過程滿足生物進化中的 S曲線，同一代產品進化分為四個階段，分別為嬰兒期、成長期、成熟期、退出期，這一曲線又被稱為 TRIZ技術成熟度曲線[21，30，31]。技術系統八大進化法則具體包括完備性法則、能量傳遞法則、動態性進化法則、提高理想度法則、子系統不均衡進化法則、向超系統進化法則、向微觀級進化法則、協調性法則[21，30，31]。 TRIZ技術進化理論通常以特定技術系統為研究對象，基于 TRIZ技術系統八大進化法則，采用技術成熟度曲線(S曲線)或者雷達圖等方法對技術系統未來可能的進化模式進行預測[21，22]。TRIZ技術進化理論以技術預測為導向，常用于輔助制定研發戰略[21，22]。基于 TRIZ思想的“技術問題—技術方案”啟發式方法現已成為技術范式演化分析的依據，廣泛應用于各個領域內對技術進化軌跡的連續性和穩定性研究[20]。 3.專利文本挖掘方法 專利文本挖掘方法本質上屬于文獻計量學方法，但其分析對象不是直接來源于專利文獻的著錄項信息，而是來自專利文本，包括專利文獻的題名、摘要和權利要求等字段。根據分析對象的不同，又可將這種方法分為基于關鍵詞與基于“主語-謂語-賓語”(subject-action-object，SAO)結構兩種[32]。 基于關鍵詞的專利技術演化分析以從文本中提取的關鍵詞作為分析對象，通過對關鍵詞
書友推薦
- >
我從未如此眷戀人間
- >
龍榆生：詞曲概論/大家小書
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
二體千字文
- >
小考拉的故事-套裝共3冊
- >
上帝之肋:男人的真實旅程
- >
巴金－再思錄
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
