基于知识的专利推荐系统，旨在利用多层交叉引用网络和机器学习技术，为企业特定的技术机会提供精准的专利建议

《ADVANCED ENGINEERING INFORMATICS》：Knowledge-driven patent recommendation toward firm-specific technology opportunities using multilayer cross-citation network and machine learning

　　

Jian Feng | Mengqi Li | Xinyu Wang

摘要

专利推荐可以为企业的技术机会分析（TOA）提供宝贵的外部知识资源，并降低研发成本。然而，现有研究仍缺乏一个明确的框架来整合技术机会分析（TOA）和专利推荐，这使得两者之间的有效整合和协调变得困难。为了解决这些问题，我们提出了一种面向企业特定技术机会的混合专利推荐方法，旨在建立TOA与专利推荐之间的桥梁。该方法包括三个阶段：1）通过构建多层交叉引用网络来检索候选专利；2）利用生成拓扑映射（GTM）结合其他机器学习算法来识别和评估技术机会；3）通过逆向GTM映射和降维技术为基于GTM的技术机会推荐专利。针对新兴企业的实验结果表明，该方法成功推荐了许多针对通过技术空白识别出的技术机会的专利，同时增强了技术机会分析（TOA）的技术参考价值。我们提出的混合专利推荐框架有助于弥合技术机会与专利推荐之间的差距，帮助企业提高创新效率并降低创新风险。