-
题名基于图神经网络的细粒度技术会聚预测方法研究
被引量：3
- 1
-
-
作者
杨冠灿
行佳鑫
鲁国轩
赵云天
-
机构
中国人民大学信息资源管理学院
-
出处
《信息资源管理学报》
CSSCI
2023年第2期95-107,共13页
-
基金
国家自然科学基金面上项目“复杂动态视角下的技术会聚形成机理及预测方法研究”(72274205)研究成果之一。
-
文摘
技术会聚作为技术创新的一种重要实现途径,实现其早期预测具有重要意义。当前技术会聚预测多以4位专利分类号的粗粒度实体作为分析对象,然而,技术会聚往往发生在更微观的层次,需要以更细粒度的数据与方法为基础。通过细致比对分析,本研究发现,细粒度技术会聚预测存在特征维度稀疏、正负样本不均衡问题,阻碍了相关研究方法的推广。对此,本研究提出基于图神经网络的细粒度技术会聚预测方法,通过引入能够综合使用多维度特征的图神经网络模型GraphSAGE,并改进样本采样策略,从而确保技术会聚预测能够在细粒度层次上开展。研究结果表明,本研究方法相较于基于传统相似性度量特征的基线模型和仅关注于网络结构的传统图表示学习模型,AUC值能够分别提升10%和4.1%,是开展细粒度技术会聚预测的一种可行方法。
-
关键词
图神经网络
GraphSAGE
技术会聚预测
链路预测
专利数据
-
Keywords
Graph neural networks
GraphSAGE
Technology convergence prediction
Link prediction
Patent data
-
分类号
G350
[文化科学—情报学]
-
