-
题名京津冀科技主体间专利技术合作及链路预测
被引量：3
- 1
-
-
作者
石安杰
裘靖文
赵诗雨
-
机构
北京工业大学经济与管理学院
-
出处
《现代信息科技》
2020年第1期178-183,共6页
-
文摘
采集2014~2018年京津冀科技主体专利合作数据并构建网络,分析科技主体间合作网络结构并利用熵权法融合网络链路预测指标挖掘合作机会。结果表明:北京内部专利合作次数远大于京津冀跨省合作;国企顺应国家政策积极参与省际间专利合作,高校参与率较低;合作网络存在明显社团结构;京津冀地区电力行业机构合作仍是未来合作的重点;京津冀创新能力差距悬殊,且河北差距最大。
-
关键词
链路预测
复杂网络
合作机会预测
社团结构
专利合作网络
-
Keywords
link prediction
complex network
cooperation opportunity prediction
community structure
patent cooperation network
-
分类号
T-18
[一般工业技术]
-
-
题名潜在科研合作机会识别方法研究进展
- 2
-
-
作者
张雪
张志强
-
机构
西安电子科技大学经济与管理学院
中国科学院成都文献情报中心
中国科学院大学经济与管理学院信息资源管理系
-
出处
《图书与情报》
北大核心
2023年第2期49-60,共12页
-
基金
四川省科技计划项目“适应新科技革命趋势和规律的科技创新政策与四川科技创新治理机制研究”(项目编号:23RKX0302)研究成果之一。
-
文摘
文章梳理了国内外潜在科研合作机会识别相关成果,归纳总结现有识别方法及存在的问题,为学科领域进行前瞻性合作推荐提供参考借鉴。首先对潜在科研合作机会识别的必要性进行归纳总结,其次对相关概念及研究主体类型进行界定,再次在调研国内外相关研究基础上对潜在科研合作机会识别方法进行归纳整理,最后指出现有研究不足并对未来发展提出展望。研究发现:就研究主体类型而言,根据研究目的、研究层次的不同,将研究主体划分为微观、中观、宏观三个维度。就识别方法而言,外部属性信息是潜在科研合作机会识别方法中最直接、最通俗易懂的方法;链路预测是使用最多、应用最为成熟的方法;比较而言,网络学习和机器学习是潜在科研合作机会识别的新方向和新思路。在以上分析基础上,总结了不同方法的不足以及存在的普适性问题,并对未来研究重点进行展望。
-
关键词
潜在合作机会
外部属性特征
研究内容
链路预测
网络表示学习
机器学习
-
Keywords
potential cooperation opportunities
external attribute information
research topic
link prediction
network representation learning
machine learning
-
分类号
G304
[文化科学]
-
