ترجمه فارسی عنوان مقاله

پیش بینی فناوری های در حال ظهور: روش یادگیری تحت نظارت از طریق تجزیه و تحلیل ثبت اختراع

عنوان انگلیسی

Forecasting emerging technologies: A supervised learning approach through patent analysis

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
109963	2017	9 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Technological Forecasting and Social Change, Volume 125, December 2017, Pages 236-244

ترجمه کلمات کلیدی

پیش بینی فناوری، نقشه راه فناوری صنعتی، برنامه ریزی تحقیق و توسعه، تجزیه و تحلیل ثبت اختراع، تجزیه و تحلیل استناد،

کلمات کلیدی انگلیسی

Technology forecasting; Industrial technology roadmap; R&D planning; Patent analysis; Citation analysis;

ترجمه چکیده

هر دو شرکت خصوصی و دولتی علاقه زیادی به دانش پیشین فناوری های نوظهور دارند تا بتوانند سرمایه گذاری های استراتژیک انجام دهند. پیش بینی فناوری فرصت مناسب برای این مسیر را ارائه می دهد و در حال حاضر یک منطقه داغ تحقیقاتی است. با این حال، پیش بینی دقیق فن آوری های در حال ظهور هنوز هم مشکل ساز است به طور عمده به علت فقدان اطلاعات تاریخی برچسب برای استفاده در آموزش از زبان آموزان. مطالعات قبلی به دلیل مشکالت پیش بینی تکنولوژیکی از طریق روش های یادگیری بی نظیری روبرو شده اند و به همین علت از مزایای بالقوه روش های نظارت نظارت شده مانند اتوماسیون کامل رنج می برند. در این مطالعه، ما یک الگوریتم جدید را برای به طور خودکار برچسب گذاری داده ها پیشنهاد می کنیم و سپس از داده های برچسب گذاری شده برای آموزش یادگیرندگان برای پیش بینی فناوری های جدید استفاده می کنیم. به عنوان یک مطالعه موردی، از داده های ثبت اختراع ثبت شده توسط اداره ثبت اختراعات و علامت تجاری ایالات متحده برای آزمایش و ارزیابی الگوریتم پیشنهاد شده استفاده کردیم. این الگوریتم از تکنیک های ثبت اختراع ثبت اختراع پیشرفته برای استخراج پیش بینی کننده های مفید از داده های استناد ثبت اختراعات با نتیجه پیش بینی فناوری های جدید حداقل یک سال قبل از ظهور استفاده می کند. ارزیابی ما نشان می دهد که الگوریتم پیشنهادی ما می تواند تا 70 درصد از فن آوری های در حال ظهور را در یک سال با دقت بالا بازیابی کند.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Both private and public enterprises have great interest in prior knowledge of emerging technologies to enable them make strategic investments. Technology forecasting offers a relevant opportunity in this direction and is currently a hot upcoming area of research. However, accurate forecasting of emerging technologies is still problematic mainly due to absence labeled historical data to use in training of learners. Previous studies have approached the technological forecasting problem through unsupervised learning methods and, as such, are missing out on potential benefits of supervised learning approaches such as full automation. In this study, we propose a novel algorithm to automatically label data and then use the labeled data to train learners to forecast emerging technologies. As a case study, we used patent citation data provided by the United States Patent and Trademark Office to test and evaluate the proposed algorithm. The algorithm uses advanced patent citation techniques to derive useful predictors from patent citation data with a result of forecasting new technologies at least a year before they emerge. Our evaluation reveals that our proposed algorithm can retrieve as high as 70% of emerging technologies in a given year with high precision.