基于人工智能专利图谱的技术热点发现以及演化分析

来源 :中国发明与专利 | 被引量 : 0次 | 上传用户:pjp4057
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人工智能在近几年快速发展并成为最热门的技术之一,如能快速了解人工智能技术热点与发展态势,对抢抓人工智能发展的重大战略机遇与构筑先发优势具有重要意义。本文提出了一种基于专利可视化图谱发现技术热点的方法,即在连续时间窗口上绘制图谱,在此基础上运用密度分布变化来识别该领域技术热点。为了提升专利图谱的准确性,本文使用海量专利文本训练了基于深度学习的doc2vec模型,形成了专利文本特征抽取模型。经过实验对比发现该模型在测试数据集中表现远超经典的词袋模型与主题模型。在实例分析中使用了2012—2019年10457件
其他文献
针对超视距(OTH)雷达接收信号成分复杂的问题,该文提出基于多域组图的信号分析方法,讨论海杂波、瞬态干扰和射频干扰的多域特征。运用时域、频域、距离域、重复周期和多普勒5域,组合为6种2维矩阵图,提出雷达接收数据的"五域六图"(5D6M)方法。通过五域六图,各种接收信号成分在多个域得以分离,海杂波和干扰在不同域的特征得以体现,清晰展示海杂波的频谱和多普勒谱特性、瞬态干扰的大功率和短时性以及射频干扰的
技术融合分析方法研究对于有效揭示技术发展格局、展现技术融合现状具有重要意义。本文应用专利共类分析、语义分析和聚类分析等方法提出了一套测度技术融合态势的研究方法,
针对载体弯曲效应对机载共形阵列雷达方向图和杂波特性的影响,该文在正侧视条件下评估均匀圆环阵方向图性能,分析不同位置阵元对弯曲阵面方向图合成效率的影响,发现边缘阵子不仅对共形阵列方向图主瓣增益贡献较小,反而更易引起旁瓣抬升等挑战,降低共形阵的孔径利用效率。另一方面,通过严格的理论推导完成共形阵列雷达方向图特性与杂波扩展效应内在物理联系的分析,发现弯曲阵面引起的方向图非理想畸变是共形阵杂波非均匀扩展的