Forecasting emerging technologies: A supervised learning approach through patent analysis

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.