PatSTEG：基于语义-拓扑演化图的专利引证网络形成动力学建模
信息检索
2024-02-06 v1 数字图书馆
摘要
专利数据库 (PatDB) 中的专利文件因包含有价值的技术信息，对研究、开发与创新至关重要。然而，由于专利文本的复杂性质以及专利引证网络固有的稀疏性，与公开可用的预处理数据库相比，PatDB 带来了多方面的挑战。尽管专利文本分析和引证分析为探索专利数据挖掘带来了新机遇，但目前尚无工作利用两者的互补性。为此，我们提出了一种联合语义-拓扑演化图学习方法 (PatSTEG) 来建模专利引证网络的形成动力学。更具体地说，我们首先创建了一个名为 CNPat 的中国专利真实世界数据集，并利用其专利文本和引证构建专利引证网络。然后，通过联合考虑语义和拓扑信息，对 PatSTEG 进行建模以研究专利引证形成的演化动力学。在 CNPat 和公开数据集上进行了大量实验，证明了 PatSTEG 相对于其他最先进方法的优越性。所有结果为专利文献研究和技术探索提供了有价值的参考。
引用
@article{arxiv.2402.02158,
title = {PatSTEG: Modeling Formation Dynamics of Patent Citation Networks via The Semantic-Topological Evolutionary Graph},
author = {Ran Miao and Xueyu Chen and Liang Hu and Zhifei Zhang and Minghua Wan and Qi Zhang and Cairong Zhao},
journal= {arXiv preprint arXiv:2402.02158},
year = {2024}
}