文献类型：期刊文章

作　　者：杨超[1] 朱东华[1] 汪雪锋[1] 朱福进[1,2] 衡晓帆[1]

机构地区：[1]北京理工大学管理与经济学院,北京100081 [2]悉尼科技大学量子计算与智能系统研究中心

出　　处：《图书情报工作》

基　　金：国家自然科学基金面上项目"基于语义TRIZ的新兴技术创新路径预测研究"(项目编号:71373019);国家高技术研究发展计划"面向政府管理的大数据智能服务系统及应用示范"(项目编号:2014AA015105)研究成果之一

年　　份：2017

卷　　号：61

期　　号：3

起止页码：86-96

语　　种：中文

收录情况：BDHX、BDHX2014、CSSCI、CSSCI2017_2018、JST、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：[目的/意义]改善现有专利技术主题分析方法主题辨识度低、主题词二义性、无法识别技术信息中的"问题"与相应"解决方案"等问题。[方法/过程]本文通过抽取专利文本中的SAO结构,并从SAO结构中识别"问题和解决方案"(P&S)模式,基于"bagofP&S"假设,构建基于"主语-行为-宾语"(subject-action-object,SAO)结构的LDA主题模型,实现对专利文献主题结构的识别和分析。[结果/结论]案例研究表明,该方法能够有效识别主题分布,并在主题辨识度和语义消岐方面较传统LDA模型具有较大优势。

关 键 词：SAO结构  技术主题分析  LDA模型P&S模式  石墨烯

分 类 号：G254[图书情报与档案管理类]