基于专利文本挖掘的产业关键共性技术识别与应用研究

突破产业关键共性技术掣肘,首先需要科学识别兼具关键性和共性的产业技术,但目前国内关于关键共性技术识别的研究非常有限.遵循专利文献挖掘思路,兼顾主客观标准,运用大样本量数据集,研究提出一种产业关键共性技术识别方法,为政府制定有针对性的创新支持政策提供决策参考.以我国高校(2001-2020年)和上市公司(2006-2020年)的海量专利作为研究样本,通过构建LDA主题模型、计算专利关键性得分和共性得分,以及运用相似度分析将选择结果与工信部《产业关键共性技术发展指南(2017年)》进行相似度匹配,来识别出我国产业关键共性技术.结果显示:无论是高校还是上市公司,属于关键共性技术专利的比例均不高,二者申请专利中的比例分别为14.7％、10.2％,授权专利中的比例分别为13.8％、10.1％,高校专利占比略高于上市公司;而得分位居前列的技术主题如"电路芯片耦合""能效模型图像""系统数据模块"等与集成电路、人工智能、大数据等当前广受关注的关键共性技术非常一致,表明所用方法是有效、可取的.