• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      離群專利與論文視角下新興技術(shù)主題識(shí)別研究

      2021-07-09 04:31:10邱悅文
      情報(bào)工程 2021年3期
      關(guān)鍵詞:離群創(chuàng)新性分類號(hào)

      邱悅文

      江蘇大學(xué)科技信息研究所 鎮(zhèn)江 212013

      引言

      隨著社會(huì)進(jìn)步,尤其新一代通信技術(shù)發(fā)展,新興技術(shù)如雨后春筍般,層出不窮。新興技術(shù)并非只帶來舊技術(shù)變革,更重要改變?nèi)藗兯枷胗^念與生產(chǎn)方式,新興技術(shù)對(duì)人類社會(huì)影響深遠(yuǎn)。識(shí)別新興技術(shù)并長期監(jiān)測(cè)全球技術(shù)前沿,不僅更早捕捉和發(fā)現(xiàn)技術(shù)動(dòng)態(tài),更能盡早把握住發(fā)展機(jī)會(huì),無論國家還是地區(qū),關(guān)注新興技術(shù)都至關(guān)重要。不僅如此,新興技術(shù)識(shí)別對(duì)政策制定者、企業(yè)、研究所與科研人員,都能及時(shí)而準(zhǔn)確提供科技研究趨勢(shì)與領(lǐng)先技術(shù)領(lǐng)域動(dòng)態(tài)變化情況,幫助決策者選擇技術(shù)領(lǐng)域和對(duì)象開展政策支持工作;為企業(yè)自身定位和確定優(yōu)勢(shì)領(lǐng)域提供參考,挖掘潛在合作機(jī)遇;使得研究所與科研人員,盡早發(fā)現(xiàn)技術(shù)領(lǐng)域發(fā)展新趨勢(shì)[1]。

      1 文獻(xiàn)綜述

      圍繞專利與論文開展新興技術(shù)識(shí)別工作,首先,構(gòu)建相似矩陣,通過聚類篩選出離群專利與論文;其次,利用LDA模型將離群專利與論文記載內(nèi)容進(jìn)行技術(shù)主題識(shí)別,分別生成專利主題短語和論文主題短語;再次,短語相似度測(cè)算,主題歸并;最后,根據(jù)新興技術(shù)特征設(shè)計(jì)識(shí)別指標(biāo)體系,綜合評(píng)價(jià)確定最終的新興技術(shù)。因此,文獻(xiàn)綜述主要圍繞新興技術(shù)識(shí)別方法和新興技術(shù)特征及判別指標(biāo)體系展開。

      在數(shù)據(jù)統(tǒng)計(jì)中與其他群組在數(shù)值上相隔較遠(yuǎn)的觀察值被定義為孤立點(diǎn),集群中弱關(guān)系值容易被忽視,這些弱關(guān)系值也可能會(huì)蘊(yùn)含潛在開發(fā)價(jià)值,僅考慮孤立點(diǎn)可能會(huì)造成識(shí)別結(jié)果不準(zhǔn)確。因此,本文借鑒羅素平等[2]思路,將研究對(duì)象范圍定在特定領(lǐng)域關(guān)系網(wǎng)絡(luò)中的弱關(guān)系與孤立點(diǎn)的集合,避免遺漏結(jié)果。利用共現(xiàn)矩陣轉(zhuǎn)換相似矩陣,對(duì)相似矩陣聚類后選出遠(yuǎn)離聚類簇的專利與論文作為對(duì)象開展研究。

      1.1 新興技術(shù)識(shí)別方法

      新興技術(shù)識(shí)別方法可以分為三類:第一類是以專家頭腦風(fēng)暴法為主的定性方法;第二類為以文獻(xiàn)計(jì)量、文本挖掘發(fā)為主的定量方法;第三類為混合型方法。F.M. Tseng等[3]采用情景歸納、德爾菲法、技術(shù)替代模型來識(shí)別新興技術(shù);談毅等[4]則用技術(shù)路線圖、實(shí)物期權(quán)來識(shí)別新興技術(shù)。隨著新一代通信技術(shù)發(fā)展和信息不斷增長,越來越多學(xué)者開展論文、專利等規(guī)范化數(shù)據(jù)定量研究,減少或者避免定性方法主觀性較強(qiáng)的缺陷,增強(qiáng)識(shí)別方法客觀性與可操作性。

      1.2 新興技術(shù)特征與識(shí)別指標(biāo)

      新興技術(shù)特征:新穎性、根本創(chuàng)新性、相對(duì)增長性、社會(huì)影響性[5-6]。新穎性指技術(shù)在發(fā)展初期,相關(guān)文獻(xiàn)出現(xiàn)時(shí)間越晚越新穎[7];根本創(chuàng)新性指舊技術(shù)轉(zhuǎn)變?yōu)樾录夹g(shù)發(fā)生本質(zhì)性變化,該變化是判斷新舊技術(shù)轉(zhuǎn)折點(diǎn);相對(duì)增長性:與同一領(lǐng)域其他技術(shù)相比,新興技術(shù)增速明顯更快;社會(huì)影響性:新興技術(shù)可能會(huì)對(duì)未來社會(huì)經(jīng)濟(jì)產(chǎn)生影響。在識(shí)別指標(biāo)方面,Lee C等[8]通過專利家族成員數(shù)、權(quán)利要求項(xiàng)數(shù)等多項(xiàng)識(shí)別指標(biāo)來識(shí)別新興技術(shù);Kyebambe M N等[9]則加入技術(shù)成長周期指標(biāo)來預(yù)測(cè)新興技術(shù);黃魯成等[10]利用高關(guān)注度、高成長潛力度以及高關(guān)聯(lián)度指標(biāo)對(duì)精密單位定點(diǎn)技術(shù)有效識(shí)別;宋欣娜等[11]利用新穎性、持久性、社區(qū)性、增長性來跟蹤新興技術(shù)。

      目前關(guān)于新興技術(shù)主題識(shí)別研究,仍有不足:第一,定性研究結(jié)果主要取決于專家知識(shí),專家不同,結(jié)果不同,預(yù)測(cè)準(zhǔn)確性下降。第二,新興技術(shù)指標(biāo)體系往往只將單個(gè)指標(biāo)計(jì)算出來,并未考慮各指標(biāo)權(quán)重大小,導(dǎo)致預(yù)測(cè)結(jié)果可能出現(xiàn)偏差。第三,目前識(shí)別研究主要圍繞熱點(diǎn)專利、論文高頻詞展開,對(duì)與熱點(diǎn)相隔較遠(yuǎn)離群專利、關(guān)鍵詞關(guān)注度不夠,然而這些離群專利與離群詞,因其特點(diǎn)與當(dāng)下主流技術(shù)的技術(shù)特點(diǎn)相異,內(nèi)部存在巨大潛力成為新興技術(shù),忽視它們存在可能會(huì)導(dǎo)致結(jié)果不全面。

      針對(duì)不足,在深入理解新興技術(shù)特征基礎(chǔ)上,為進(jìn)一步提升新興技術(shù)識(shí)別的實(shí)際效果,完善新興技術(shù)識(shí)別方法體系,對(duì)專利與論文數(shù)據(jù),進(jìn)行深度挖掘,實(shí)現(xiàn)對(duì)新興技術(shù)主題有效識(shí)別。

      2 新興技術(shù)主題識(shí)別方法

      利用社會(huì)網(wǎng)絡(luò)分析法對(duì)相似矩陣進(jìn)行聚類,篩選出離群專利與論文后,借助LDA主題模型處理離群論文與專利文本內(nèi)容,挖掘技術(shù)主題,然后利用短語相似度計(jì)算技術(shù)將專利與論文技術(shù)短語進(jìn)行歸并,避免造成最終識(shí)別結(jié)果重復(fù)。接著根據(jù)新興技術(shù)特征構(gòu)建新興技術(shù)識(shí)別指標(biāo)體系評(píng)價(jià)歸并后的技術(shù)主題,完成新興技術(shù)識(shí)別。具體識(shí)別流程如圖1所示。

      圖1 新興技術(shù)主題識(shí)別流程

      2.1 新興技術(shù)主題識(shí)別模型

      (1)構(gòu)建相似矩陣

      相似性可以通過耦合分析、共被引分析、共分類分析來測(cè)度,但由于被引關(guān)系需要一定時(shí)間存在滯后性問題,耦合分析經(jīng)常會(huì)造成數(shù)據(jù)缺失問題,而共分類分析方法體系的IPC分類號(hào)已被絕大多數(shù)國家和地區(qū)專利局使用并作為技術(shù)分類一種方式,具有權(quán)威性、準(zhǔn)確性、易獲取等優(yōu)點(diǎn),因此本文采用共分類分析來構(gòu)建專利相似矩陣。利用分類號(hào),借助文獻(xiàn)計(jì)量分析軟件構(gòu)建共現(xiàn)矩陣,再通過系數(shù)轉(zhuǎn)換成相似矩陣。同樣地,雖然論文關(guān)鍵詞由作者自行選定,其表達(dá)方式會(huì)有差異,但根據(jù)其含義也可以進(jìn)行詞形歸并,例如“LDA”“LDA模型”就可歸并為LDA。通過此辦法,利用excel對(duì)關(guān)鍵詞進(jìn)行預(yù)處理之后,再進(jìn)行相似矩陣構(gòu)建。

      (2)篩選離群專利與論文

      社會(huì)網(wǎng)絡(luò)里每個(gè)人都是一個(gè)節(jié)點(diǎn),節(jié)點(diǎn)之間連線代表二者關(guān)系,該方法最初研究人之間關(guān)系,后擴(kuò)展到研究技術(shù)間聯(lián)系[12]。利用Ucinet[13]分別對(duì)專利分類號(hào)與論文關(guān)鍵詞進(jìn)行聚類,調(diào)節(jié)閾值,當(dāng)關(guān)系弱于某個(gè)閾值時(shí),因?yàn)榕c其他節(jié)點(diǎn)關(guān)系不緊密而被排出在網(wǎng)絡(luò)之外,離群分類號(hào)與關(guān)鍵詞形成。專利文件中分類號(hào)有主、次分類號(hào),其中次分類號(hào)僅包含該項(xiàng)專利次要技術(shù)。因此本文選用最能代表該發(fā)明信息IPC主分類號(hào)為研究對(duì)象,關(guān)鍵詞則根據(jù)人工判讀,剔除與研究無關(guān)的關(guān)鍵詞,例如“方法”等,形成關(guān)鍵詞集合??紤]到分類號(hào)與關(guān)鍵詞有時(shí)會(huì)脫離語義環(huán)境,因此有必要將離群分類號(hào)與關(guān)鍵詞對(duì)應(yīng)專利與論文查找出來,將摘要與說明書部分摘取出來,全文無意義的詞語太多,而摘要和說明書往往能夠準(zhǔn)確地代表論文與專利內(nèi)容,且篇幅更加精煉,能夠提取出較完備的語義內(nèi)容,即主題短語。

      (3)提取主題短語

      通過LDA主題模型處理離群論文摘要部分與專利說明書部分,生成專利主題短語與論文主題短語。LDA常被用于大規(guī)模文檔集合建模。運(yùn)用LDA模型開展文本挖掘提取文本主題詞是一種較為慣常和科學(xué)的做法[14]。

      (4)相似度計(jì)算

      為避免識(shí)別結(jié)果重復(fù),有必要將專利主題短語與論文主題短語進(jìn)行歸并。利用余弦相似度[15]將論文主題短語與專利主題短語進(jìn)行相似度計(jì)算。相似度在0.95以上,將主題短語進(jìn)行歸并,形成一個(gè)主題短語;如果低于0.95,則為不同的兩個(gè)主題短語。

      2.2 新興技術(shù)識(shí)別指標(biāo)體系

      根據(jù)新興技術(shù)根本創(chuàng)新性、相對(duì)增長性、影響性、新穎性等特征,構(gòu)建識(shí)別指標(biāo)對(duì)相關(guān)技術(shù)主題進(jìn)行評(píng)估。

      新興技術(shù)主題新穎性,采用論文平均發(fā)表年、專利平均授權(quán)年,二者進(jìn)行比較,選取更早的年份來表征新興技術(shù)主題新穎性。原因是一項(xiàng)新興技術(shù)起點(diǎn)的可能是從理論研究開始或先從應(yīng)用研究出發(fā),而論文是主要理論研究成果,專利是主要應(yīng)用研究成果,因此需要考慮論文與專利出現(xiàn)時(shí)間早晚,并進(jìn)行比較。為了方便計(jì)算,將其標(biāo)準(zhǔn)化,公式為:1/(計(jì)算年-研究主題出現(xiàn)年+1),其中計(jì)算年為2020年,研究出現(xiàn)年為論文平均發(fā)表年/專利平均授權(quán)年。

      新興技術(shù)主題根本創(chuàng)新性由其主題下的專利權(quán)利要求平均數(shù)來表征[8]。新興技術(shù)主題影響性可以參考Lee C等人做法[7]通過專利家族成員數(shù)來表征。

      此外還應(yīng)該考慮新興技術(shù)關(guān)注人數(shù)情況,關(guān)注人數(shù)越來越多情況下,其規(guī)模也會(huì)越來越壯大,該技術(shù)越有可能成長為真正新興技術(shù)。

      綜上所述,新興技術(shù)判別指標(biāo)體系包括:新穎性指標(biāo)、相對(duì)增長性指標(biāo)、根本創(chuàng)新性與影響性指標(biāo)、關(guān)注度指標(biāo)。具體內(nèi)容見表1。

      表1 新興技術(shù)主題識(shí)別指標(biāo)

      3 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析

      車聯(lián)網(wǎng)是我國戰(zhàn)略性新興產(chǎn)業(yè)之一[16]。本文以該領(lǐng)域?yàn)槔?,?yàn)證方法的有效性,同時(shí)識(shí)別出該領(lǐng)域新興技術(shù)主題,為政府決策、企業(yè)戰(zhàn)略、科學(xué)研究等提供參考。

      3.1 數(shù)據(jù)采集與描述性統(tǒng)計(jì)

      (1)數(shù)據(jù)采集

      專利數(shù)據(jù)以Incopat專利數(shù)據(jù)庫作為數(shù)據(jù)來源,以車聯(lián)網(wǎng)領(lǐng)域中國專利為研究對(duì)象,檢索時(shí)間為2020年11月01日。檢索詞為車聯(lián)網(wǎng)、車輛物聯(lián)網(wǎng)、車輛網(wǎng)聯(lián)、汽車通信;檢索方式為標(biāo)題檢索;申請(qǐng)人國別選擇中國;專利申請(qǐng)日選擇2008年1月1日-2019年12月31日??紤]發(fā)明專利一般比實(shí)用新型與外觀設(shè)計(jì)的實(shí)質(zhì)審核周期長,其質(zhì)量也更高,更能代表中國車聯(lián)網(wǎng)當(dāng)前專利情況。因此選擇已授權(quán)發(fā)明專利或者申請(qǐng)發(fā)明專利,去除與領(lǐng)域不相干專利,共得2422條有效數(shù)據(jù)。

      論文數(shù)據(jù)以中國期刊全文數(shù)據(jù)庫(中國知網(wǎng))作為數(shù)據(jù)來源;以車聯(lián)網(wǎng)領(lǐng)域核心期刊、學(xué)位論文、會(huì)議論文為研究對(duì)象。檢索時(shí)間為2020年11月01日,檢索詞為車聯(lián)網(wǎng)、車輛物聯(lián)網(wǎng)、車輛網(wǎng)聯(lián)、汽車通信,檢索方式為主題檢索,時(shí)間范圍限定2008年1月1日至2019年12月31日,檢索時(shí)間為2020年11月01日。精確檢索,去除會(huì)議通知、消息、序言等記錄,共獲取387篇核心期刊論文,1412篇碩博論文與146篇會(huì)議論文。

      (2)描述性統(tǒng)計(jì)

      通過統(tǒng)計(jì)可看出該領(lǐng)域存在大量低熱度關(guān)鍵詞與專利分類號(hào),值得深入研究。

      論文關(guān)鍵詞分布區(qū)間見表2,50以上數(shù)量的關(guān)鍵詞有4枚,10~50數(shù)量之間關(guān)鍵詞有59枚,構(gòu)成論文領(lǐng)域關(guān)鍵詞“頭部”;數(shù)量在1~3之間關(guān)鍵詞達(dá)4584枚,這部分關(guān)鍵詞內(nèi)容豐富,占比較高,構(gòu)成論文領(lǐng)域關(guān)鍵詞“長尾”,是可以發(fā)掘新興技術(shù)主題的重要數(shù)據(jù)源。

      表2 論文關(guān)鍵詞分布情況

      專利分類號(hào)分布區(qū)間見表3,數(shù)量達(dá)500以上的分類號(hào)僅1枚,數(shù)量50以上的分類號(hào)有12枚,數(shù)量10~50之間的分類號(hào)有37枚,數(shù)量在08~10之間的分類號(hào)有104枚,構(gòu)成專利領(lǐng)域關(guān)鍵詞“頭部”;數(shù)量在1~3之間的分類號(hào)達(dá)到984枚,這部分分類號(hào)的內(nèi)容豐富,占比較高,構(gòu)成專利領(lǐng)域分類號(hào)“長尾”,是可以發(fā)掘新興技術(shù)主題的重要數(shù)據(jù)源。

      表3 專利分類號(hào)分布情況

      綜上所述,本文設(shè)計(jì)新興技術(shù)主題識(shí)別方法對(duì)車聯(lián)網(wǎng)領(lǐng)域可行。

      3.2 實(shí)驗(yàn)結(jié)果及分析

      (1)專利分類號(hào)相似矩陣

      借助Bib Excel軟件[17]構(gòu)建分類號(hào)共現(xiàn)矩陣,通過Ochiia[18]再轉(zhuǎn)換成相似矩陣,結(jié)果如表4。

      (2)離群專利識(shí)別

      將表4相似矩陣(660×660)導(dǎo)入U(xiǎn)cinet,再進(jìn)行聚類可視化。閾值為0.4,結(jié)果較為清楚,共篩選出97個(gè)關(guān)系較弱節(jié)點(diǎn)和孤立節(jié)點(diǎn)。

      表4 相似矩陣結(jié)果(專利部分)

      結(jié)果如圖2所示,其中有三個(gè)大聚類簇,包含多個(gè)分類號(hào),簇1主分類號(hào)為H01Q5/00,含義為使天線同時(shí)工作在兩個(gè)或兩個(gè)以上不同波段裝置,如雙頻或多頻裝置;簇2主分類號(hào)為F03D9/25,含義為驅(qū)動(dòng)裝置為電能產(chǎn)生裝置;簇3主分類號(hào)為G06F3/01,含義為用于用戶和計(jì)算機(jī)之間交互輸入裝置或輸入和輸出組合裝置。

      圖2 聚類簇和部分離群分類號(hào)

      (3)論文相似矩陣

      與專利分類號(hào)處理過程相同,利用論文關(guān)鍵詞,構(gòu)建相似矩陣,見表5。

      表5 相似矩陣結(jié)果(論文部分)

      (4)離群論文識(shí)別

      將 表5相 似 矩 陣(1041×1041)導(dǎo) 入U(xiǎn)cinet,進(jìn)行聚類可視化。閾值調(diào)為0.4,結(jié)果較為清楚,共篩選出107個(gè)關(guān)系較弱節(jié)點(diǎn)和孤立節(jié)點(diǎn)。

      圖3展示了閾值為0.4時(shí)所有聚類簇和部分離群關(guān)鍵詞,其中有六個(gè)大聚類簇:簇1關(guān)鍵詞為機(jī)動(dòng)車保險(xiǎn)、差異化市場費(fèi)率、保險(xiǎn)公司、車聯(lián)網(wǎng),含義為車聯(lián)網(wǎng)環(huán)境下車險(xiǎn)定價(jià)策略;簇2關(guān)鍵詞為車道時(shí)分復(fù)用、實(shí)時(shí)優(yōu)化、快速公交,含義為車聯(lián)網(wǎng)信道傳輸優(yōu)化技術(shù);簇3關(guān)鍵詞為數(shù)字簽名、可信計(jì)算、遠(yuǎn)程證明,含義為車聯(lián)網(wǎng)安全路由技術(shù);簇4關(guān)鍵詞為數(shù)字交換、區(qū)塊鏈技術(shù)、去中心化,含義為車聯(lián)網(wǎng)數(shù)據(jù)交換系統(tǒng)設(shè)計(jì);簇5關(guān)鍵詞為動(dòng)態(tài)網(wǎng)組、組播通信模型、三角網(wǎng),含義為車聯(lián)網(wǎng)通信模型;簇6關(guān)鍵詞為交叉群口、仿真、速度引導(dǎo),含義為車聯(lián)網(wǎng)仿真系統(tǒng)設(shè)計(jì)。

      圖3 聚類簇和部分離群關(guān)鍵詞

      (5)提取主題短語

      利用97個(gè)關(guān)系較弱或者孤立專利分類號(hào)節(jié)點(diǎn)和對(duì)應(yīng)專利文獻(xiàn),利用LDA主題抽取,生成專利主題短語;將107個(gè)關(guān)系較弱或者孤立論文關(guān)鍵詞含義和論文文獻(xiàn)記載內(nèi)容進(jìn)行LDA主題抽取,生成論文主題短語。部分結(jié)果見表6。

      表6 部分專利論文主題短語

      (6)相似度計(jì)算

      利用余弦相似度[14]計(jì)算論文主題短語與專利主題短語相似度,見表7。

      表7 相似度計(jì)算(部分)

      (7)備選主題短語集合

      為避免相同主題在計(jì)算指標(biāo)時(shí)重復(fù),節(jié)省時(shí)間與精力,在對(duì)主題短語綜合評(píng)價(jià)之前,將相似度水平為0.95以上的主題詞進(jìn)行歸并,形成一個(gè)主題短語;反之為兩個(gè)主題短語。結(jié)果見表8。

      表8 備選主題短語集合

      3.3 新興技術(shù)主題短語評(píng)價(jià)

      為進(jìn)一步確定上述主題短語是否為真正的新興技術(shù)主題,還需結(jié)合新興技術(shù)指標(biāo)體系來確定。

      新興技術(shù)主題短語新穎性通過比較論文、專利文獻(xiàn)出現(xiàn)平均時(shí)間,取更早年份來確定。為了方便后續(xù)綜合計(jì)算,將新穎性標(biāo)準(zhǔn)化,參考范少萍等人[19]做法,公式為:1/(計(jì)算年-研究主題出現(xiàn)年+1),例如:無人駕駛主題出現(xiàn)年為2016年,計(jì)算年為2020年,那么標(biāo)準(zhǔn)化后無人駕駛主題新穎性為:1/(2020-2016+1)=0.2。數(shù)值越接近1,新穎性越強(qiáng)。

      相對(duì)增長性則按照新興技術(shù)主題短語歷年專利數(shù)量與論文數(shù)量變化情況進(jìn)行曲線擬合,若曲線預(yù)測(cè)斜率k為正值,則比較大小,若為負(fù)值,則直接從備選集合中踢出,例如,備選主題短語車聯(lián)網(wǎng)連通性方法,專利部分預(yù)測(cè)增長斜率為0.1,論文部分預(yù)測(cè)增長斜率為0,都為正值,保留結(jié)果,寫作(0.1,0),見圖4。

      圖4 相對(duì)增長性曲線擬合結(jié)果示例

      新興技術(shù)主題短語影響性、根本創(chuàng)新性、關(guān)注度,按照表1計(jì)算規(guī)則分別算出結(jié)果。最終各項(xiàng)指標(biāo)的測(cè)度結(jié)果見表9。

      表9 主題短語測(cè)各項(xiàng)指標(biāo)測(cè)度結(jié)果

      本文采用CRITIC法確定指標(biāo)權(quán)重,CRITIC法是客觀賦權(quán)法[20]。指標(biāo)權(quán)重結(jié)果見表10。需要說明的是,相對(duì)增長性有(A,B)兩個(gè)值,為方便計(jì)算,將A與B值相加,取平均數(shù),作為計(jì)算綜合指數(shù)里面的相對(duì)增長性值。CRITIC法得到各指標(biāo)權(quán)重,再與對(duì)應(yīng)指標(biāo)值相乘,接著相加,得到綜合指數(shù)。

      表10 CRITIC法權(quán)重計(jì)算結(jié)果

      如無人駕駛主題各指標(biāo)值如下:根本創(chuàng)新性(8.76)、影響性(1.23)、關(guān)注度(2.43)、取平均數(shù)后相對(duì)增長性(1.50)、標(biāo)準(zhǔn)化后新穎性(0.2),綜合指數(shù)為8.76*0.43+1.23*0.05+2.43*0.20+1.5*0.31+0.2*0.01=4.769829。按照綜合指數(shù)對(duì)備選主題短語進(jìn)行排序,見表11。

      表11 車聯(lián)網(wǎng)領(lǐng)域相關(guān)指標(biāo)值排名情況

      由表10可知,CRITIC法客觀賦權(quán)結(jié)果中,根本創(chuàng)新性占綜合指數(shù)43%,相對(duì)增長性占綜合指數(shù)31%,關(guān)注度占綜合指數(shù)20%,影響性和新穎性占比為5%與1%。因此,判斷該技術(shù)是否為新興技術(shù)關(guān)鍵指標(biāo)為根本創(chuàng)新性、相對(duì)增長性與關(guān)注度,即關(guān)注度越高、相對(duì)增長性越高、根本創(chuàng)新性越強(qiáng)技術(shù)更可能成為新興技術(shù)。

      將綜合指數(shù)全部相加取平均數(shù)得3.919030892,考慮到篇幅所限,本文僅進(jìn)一步研究綜合指數(shù)在平均水平之上的技術(shù)主題。綜合指數(shù)在平均水平之上的技術(shù)主題有:車聯(lián)網(wǎng)邊緣計(jì)算技術(shù)、無人駕駛、自動(dòng)駕駛、車聯(lián)網(wǎng)協(xié)同控制方法、群智感知車聯(lián)網(wǎng)、車聯(lián)網(wǎng)信息管理系統(tǒng)。按照綜合指數(shù)排名順序,依次對(duì)這些技術(shù)主題做進(jìn)一步分析。

      (1)邊緣計(jì)算技術(shù)

      由表9可知,邊緣計(jì)算技術(shù)相對(duì)增長性高達(dá)6.25,排在第1位,關(guān)注度排在中等位置,但其根本創(chuàng)新性僅為6.2,位于待分析的技術(shù)主題的末位,不符合新興技術(shù)本質(zhì)特征:根本創(chuàng)新性。因此排除。

      (2)無人駕駛技術(shù)

      由表9可知,無人駕駛技術(shù)根本創(chuàng)新性高達(dá)8.76,排在第1位,其相對(duì)增長性為1.5,排在第2位,且其綜合指數(shù)也排在第2位,符合新興技術(shù)根本創(chuàng)新性、相對(duì)增長性特征,雖然關(guān)注度排名不夠靠前,隨著時(shí)間推移,無人駕駛技術(shù)逐漸興起會(huì)吸引更多人員,關(guān)注度也會(huì)隨之提高。因此無人駕駛技術(shù)為車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù)。

      (3)自動(dòng)駕駛技術(shù)

      無人駕駛處于駕駛最高級(jí)別,無人駕駛等于完全自動(dòng)駕駛,美國汽車工程師協(xié)會(huì)將自動(dòng)駕駛技術(shù)進(jìn)行了分級(jí),L0為屬于傳統(tǒng)駕駛,L1和L2屬于駕駛輔助,L3-L5屬于自動(dòng)駕駛,L5自動(dòng)駕駛技術(shù)等級(jí)也稱為無人駕駛。前文已經(jīng)論證了無人駕駛技術(shù)為車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù),為了更加準(zhǔn)確描述新興技術(shù),本文認(rèn)為自動(dòng)駕駛技術(shù)不是車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù),自動(dòng)駕駛技術(shù)高級(jí)階段即無人駕駛技術(shù)為車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù)。

      (4)車輛協(xié)同控制方法

      由表9可知,車輛協(xié)同控制方法根本創(chuàng)新性高達(dá)8,排在第2位,其關(guān)注度也排在第3位,名次靠前,但其相對(duì)增長性僅為0.05,遠(yuǎn)低于同領(lǐng)域其他技術(shù)相對(duì)增長速度,不符合新興技術(shù)相對(duì)增長性特征。所以排除。

      (5)群智感知技術(shù)

      由表9可知,群智感知技術(shù)根本創(chuàng)新性為8,排在第2位,關(guān)注度排在中等位置,但其相對(duì)增長性僅為0.3,不符合新興技術(shù)相對(duì)增長性特征。因此排除。

      (6)車聯(lián)網(wǎng)信息管理系統(tǒng)

      由表9可知,車聯(lián)網(wǎng)信息管理系統(tǒng)根本創(chuàng)新性為8,排在第2位,關(guān)注度也排在前列,但其相對(duì)增長性為0,完全不符合新興技術(shù)相對(duì)增長性特征。因此排除。

      綜上所述,本文確定無人駕駛技術(shù)為車聯(lián)網(wǎng)領(lǐng)域新興技術(shù)。

      3.4 新興技術(shù)主題解讀

      無人駕駛能夠有效避免因駕駛技能、心理變化、疲勞程度等人為因素而導(dǎo)致交通事故,有助于合理管控道路交通流量以改善道路通行能力,具有廣闊應(yīng)用前景以及潛在社會(huì)效益。2020年8月召開中國車聯(lián)網(wǎng)大會(huì)暨第十五屆中國衛(wèi)星導(dǎo)航運(yùn)營商大會(huì),業(yè)內(nèi)專家認(rèn)為無人駕駛技術(shù)是未來很有前景的技術(shù),但還存在諸多問題需要攻克。例如無人駕駛對(duì)感知傳感器精度依賴性較強(qiáng),且在非常態(tài)環(huán)境下,安全性無法100%保證,因此需要攻克其核心技術(shù)激光雷達(dá)傳感器等。業(yè)界分析與識(shí)別結(jié)果保持一致,說明新興技術(shù)識(shí)別方法有效性。

      4 結(jié)論與不足

      為避免單純用專家評(píng)估而帶來過強(qiáng)的主觀性和目前新興技術(shù)主題識(shí)別研究對(duì)離群數(shù)據(jù)源關(guān)注度不夠的問題,以及新興技術(shù)主題識(shí)別指標(biāo)體系的不足之處,提出一種離群專利與論文新興技術(shù)主題識(shí)別方法。通過構(gòu)建相似矩陣,聚類篩選出專利與論文中存在孤立節(jié)點(diǎn)與弱關(guān)系節(jié)點(diǎn),再通過LDA主題模型抽取技術(shù)主題,最后圍繞新興技術(shù)本質(zhì)特征,設(shè)計(jì)指體系,利用CRITIC法計(jì)算各指標(biāo)權(quán)重之后,計(jì)算綜合指數(shù),增強(qiáng)了評(píng)估方法的客觀性。選取車聯(lián)網(wǎng)這一新興領(lǐng)域?yàn)閷?shí)證對(duì)象,為國家、企業(yè)以及相關(guān)科研人員與科研機(jī)構(gòu),提供了情報(bào)支撐。

      本研究只針對(duì)新興技術(shù)根本創(chuàng)新性、影響性、相對(duì)增長性等特征來綜合構(gòu)建評(píng)價(jià)指標(biāo)體系,未考慮對(duì)新興技術(shù)主題不確定性進(jìn)行量化。如何測(cè)度新興技術(shù)主題不確定性將成為下一步重點(diǎn)研究內(nèi)容。

      猜你喜歡
      離群創(chuàng)新性分類號(hào)
      流動(dòng)幾何的創(chuàng)新性
      論媒介文化的混雜性與創(chuàng)新性
      A Study on the Change and Developmentof English Vocabulary
      離群數(shù)據(jù)挖掘在發(fā)現(xiàn)房產(chǎn)銷售潛在客戶中的應(yīng)用
      忠實(shí)性與創(chuàng)新性——當(dāng)代莎士比亞演出和改編批評(píng)的轉(zhuǎn)向
      Translation on Deixis in English and Chinese
      離群的小雞
      成公綏賦作的模式化與創(chuàng)新性
      The law of exercise applies on individual behavior change development
      應(yīng)用相似度測(cè)量的圖離群點(diǎn)檢測(cè)方法
      左贡县| 鄂托克旗| 丹巴县| 江口县| 积石山| 夏邑县| 当涂县| 新乡市| 根河市| 始兴县| 闽清县| 武夷山市| 吴忠市| 措美县| 巴彦县| 溆浦县| 塔河县| 布尔津县| 临沂市| 屏边| 景洪市| 裕民县| 新宁县| 巴彦淖尔市| 浏阳市| 盘山县| 香港| 蒲江县| 临西县| 延边| 阿尔山市| 姚安县| 临洮县| 冕宁县| 射阳县| 天门市| 得荣县| 屏东县| 寻甸| 永清县| 马公市|