基于专利引文网络的社区发现与增长潜力预测
信息检索
2019-04-30 v1 社会与信息网络
物理与社会
摘要
专利评分对技术管理分析有用。因此，出于实用专利评分的需要，开发引文网络聚类与未来引文预测成为必要。本文中，我们提出一种使用Node2vec的社区发现方法。并且为分析增长潜力，我们比较了三种“时间序列分析方法”：长短期记忆(LSTM)、ARIMA模型与Hawkes过程。实验结果显示，我们可通过Node2vec从这些聚类中找到共同技术点。此外，我们发现ARIMA模型的预测精度高于其他模型。
引用
@article{arxiv.1904.12040,
title = {Community Detection and Growth Potential Prediction from Patent Citation Networks},
author = {Asahi Hentona and Takeshi Sakumoto and Hugo Alberto Mendoza España and Hirofumi Nonaka and Shotaro Kataoka and Toru Hiraoka and Kensei Nakai and Elisa Claire Alemán Carreón and Masaharu Hirota},
journal= {arXiv preprint arXiv:1904.12040},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1607.00653 by other authors