Research on Technology
Opportunity Discovery Based onLink Prediction: Taking Patent Data in the Field
of PrivacyProtection as an Example

Abstract

Abstract:

In the era of scientific and technological competition, the identification and mining oftechnological opportunities lay an important foundation for the formulation of scientific and technologicalR&D guidelines and policies. A quantitative method based on link prediction is proposed to transformthe task of technological opportunity discovery into a binary problem of whether there can be cooccurrencelinks between technological elements, so as to provide detailed data assistance and supportfor technological opportunity identification. Obtaining patent data in the field of privacy protection,constructing IPC co-occurrence network, training GNN model GraphSAGE, and after obtaining thelink prediction score, the authors identify the technology opportunities for sustainable development,breakthrough and innovation and the technology opportunities for transformation from the perspectivesof enhanced, newborn and declining links respectively. Finally, they analyze and put forward suggestionsbased on the identified technology opportunities.

Xu Xin, Li Qian, Yi Chunbo, Fan Yaxin ( Faculty of Economics and management, East China Normal University, Social Survey and Data Center, East China Normal University).

Research on Technology Opportunity Discovery Based onLink Prediction: Taking Patent Data in the Field of PrivacyProtection as an Example [J]. Libraly Journal, 2023, 42(389): 103-112.

References

[ 1 ] 赖朝安，钱娇. 基于专利挖掘的移动医疗产业技术预见[J]. 科研管理，2018，39（10）：138–147.
[ 2 ] 朱禹睿. 大数据背景下隐私保护技术的探究[J].网络安全技术与应用， 2021（9）： 76–77.
[ 3 ] 王鹏举. 个性化推荐系统中的用户隐私保护研究综述[J]. 现代计算机， 2021（24）： 1–8；13.
[ 4 ] Porter A L， Detampel M J. Technology opportunitiesanalysis[J]. Technological Forecasting and SocialChange， 1995， 49（3）：237–255.
[ 5 ] Olsson O. Technological Opportunity and Growth[J].Journal of Economic Growth， 2005， 10（1）：35–57.
[ 6 ] 高玉峰，孙棕檀. 国防重大前沿技术遴选预测方法构建与验证[J]. 科学决策，2021（6）：122–136.
[ 7 ] Hwang M N， Cho M H， Huang M G，et al. Applicationof Trend Detection of Technical Terms to TechnologyOpportunity Discovery [J]. Communications inComputer and Information Science， 2011， 264：258–262.
[ 8 ] 陈荣，贺聪聪，孙济庆，等. 基于趋势演化分析的技术预测研究[J]. 科技管理研究，2020，40（24）：47–53.
[ 9 ] 董放，刘宇飞，周源. 基于LDA-SVM论文摘要多分类新兴技术预测[J]. 情报杂志，2017，36（7）：40–45；133.
[10] Chen H S， Zhang G Q，Zhu D H，et al.Topicbasedtechnological forecasting based on patentdata： A case study of Australian patents from 2000to 2014[J].Technological Forecasting and SocialChange，2017，119：39–52.
[11] Altuntas S，Aba S. Technology Forecasting ofUnmanned Aerial Vehicle Technologies throughHierarchical S-Curves[J]. Defence Science Journal，2022，72（1）：18–29.
[12] 孔德婧，王坤. 基于专利数据的技术投资预测——以快递物流领域为例[J]. 技术经济与管理研究，2018（8）：14–20.
[13] 刘玉梅，温馨，孟翔飞. 基于技术轨道跃迁的突破性技术预测方法及应用研究[J]. 情报杂志，2021，40（11）：39–45；15.
[14] 慎金花，闫倩倩，孙乔宣，等. 基于专利数据挖掘的技术融合识别与技术机会预测研究——以电动汽车产业为例[J]. 图书馆杂志，2019，38（10）：95–106.
[15] 孔德婧，董放，陈子婧，等. 离群专利视角下的新兴技术预测——基于BERT 模型和深度神经网络[J]. 图书情报工作，2021，65（17）：131–141.
[16] 柴庆凤，翟东升，蔡力伟，等. 基于专利网络链接模型的技术链接机会预测方法研究[J]. 情报理论与实践，2020，43（12）：111–119.
[17] Nassar H， Benson A R，Gleich D F. Pairwise linkprediction[J]. IEEE/ACM International Conferenceon Advances in Social Networks Analysis andMining（ ASONAM），2019：386–393.
[18] Li L X， Liu X C， Chen N， et al. Link predictionbased on node centrality[J]. International Conferenceof Information Technology and Electrical Engineering（ICITEE），2018，17：1–6.
[19] 宫雪，崔雷. 基于医学主题词共现网络的链接预测研究[J]. 情报杂志，2018，37（1）：66–71；52.
[20] 张艳红，王宝会. 基于深度神经网络的社会媒体网络分析[J]. 计算机科学，2016，43（4）：252–255；263.
[21] 王慧，乐孜纯，龚轩，等. 基于特征学习的链路预测模型TNTlink[J]. 计算机科学，2020，47（12）：245–251.
[22] 袁立宁，李欣，王晓冬，等. 图嵌入模型综述[J].计算机科学与探索，2022，16（1）：59–87.
[23] Perozzi B， Al-Rfou R， Skiena S. Deepwalk：Online learning of social representations [C].20th ACM SIGKDD International Conference onKnowledge Discovery and Data Mining（ KDD），2014：701–710.
[24] Kim M， Leskovec J. The Network CompletionProblem： Inferring Missing Nodes and Edges inNetworks [C]//Proceedings of the 2011 SIAMInternational Conference on Data Mining， __________2011：47–58.
[25] Kipf T N， Welling M. Semi-Supervised Classificationwith Graph Convolutional Networks [C]. 5thInternational Conference on Learning Representations，2017.
[26] Hamilton W L， Ying R， Leskovec J. InductiveRepresentation Learning on Large Graphs[C].Advances in Neural Information ProcessingSystems 30（ NIPS 2017），2017：1025–1035.
[27] 丁敬达，郭杰. 融合内容相似度和路径相似性的潜在作者合作关系挖掘[J]. 情报理论与实践，2021，44（1）：124–128；123.
[28] 雷鸣，夏梦鸽，汪雪锋，等. 基于链路预测的协同药物组合推荐研究：面向疾病并发症诊疗[J].图书情报工作， 2021， 65（12）： 122–129.
[29] Pham C，Dang T. Link Prediction for BiomedicalNetwork[J]. The 12th International Conference onAdvances in Information Technology， 2021，39：1–5.
[30] 骆梅柳，裴可锋. 大数据下的基于主题模型的社交网络链接预测[J]. 计算机技术与发展，2020，30（4）：36–40.
[31] 李荆，刘钰，邹磊. 基于时空建模的动态图卷积神经网络[J]. 北京大学学报（自然科学版），2021，57（4）：605–613.
[32] 吴安彪，袁野，马玉亮，等. 时序图节点嵌入策略的研究[J]. 软件学报，2021，32（3）：650–668.
[33] 张欣环，刘宏杰，施俊庆，等. 基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测[J]. 计算机应用，2021，41（3）：875–880.
[34] Anderson J R. Learning and memory： an integratedapproach[M]. Wiley， 1999.
[35] 江志恒，刘乃芩. 论遗忘函数——关于记忆心理学的数学讨论[J]. 心理学动态，1988（3）：58–62.
[36] 李纲，刘先红. 基于合作网络中心性指标的科研团队学术带头人识别研究[J]. 科技管理研究，2016，36（8）：127–132.
[37] 王娟，曹树金，姜灵敏，等. 兴趣社交网站中意见领袖识别的研究——以“点点网”为例[J]. 图书情报工作，2013，57（14）：97–104；22.
[38] Yoon B，Magee C L. Exploring technologyopportunities by visualizing patent informationbased on generative topographic mapping and linkprediction[J]. Technological Forecasting and SocialChange， 2018，132：105–117.
[39] Lee M， Lee S， Kim J， et al. Decision-MakingSupport Service Based on Technology OpportunityDiscovery Model[C].Communications in Computerand Information Science，2011，264：263–268.

Research on Technology Opportunity Discovery Based onLink Prediction: Taking Patent Data in the Field of PrivacyProtection as an Example

PDF(CN)

Knowledge

Abstract

Cite this article

share this article

References

Related Articles 0

Recommended Articles

Metrics

Comments