论文部分内容阅读
随着企业研发的全球化、研发领域的多样化、技术研发规模和难度的加大以及技术的快速变革,寻找合适的技术研发伙伴成为企业越来越强烈的需求,传统建立技术合作关系可能是通过日常的业务联系、人脉关系和真实的社交场合来建立彼此之间的合作关系,这种建立技术合作关系的方式存在着费时费力以及信息不对称的缺点。而专利数据库中有大量的专利信息,这些信息中隐藏着同技术合作相关的信息,本文将利用这些专利信息,推荐潜在的专利权人以促进技术合作。 本文总结以往的基于二分网络的推荐算法,提出了同时考虑接受者和发送者能力的TAA算法,通过R语言编程实现相关算法,并在经典的movielens数据集(用户的观影记录数据)进行了实验。针对合作者推荐问题,本文提出二阶同向资源扩散算法。本文从德温特专利数据库中检索新能源汽车相关专利进行实验。本文还使用作者主题模型对专利权人的推荐进行了研究,探讨了使用不同的相似度计算方法对于推荐效果的影响。研究了能否将主题模型推荐算法同二分网络推荐算法相融合来提高推荐效果。研究结论如下: (1)对比物质扩散算法、热传导算法、偏热传导算法、混合算法和接收者能力算法,实验结果表明该TAA算法推荐结果的准确率和召回率均优于现有的5种算法。 (2)实验结果证明二阶资源扩散算法比一阶资源扩散算法推荐效果要好,提升幅度最大可以达到15.17%,准确率最高可达27.59%,召回率最高可达30.05%,最优β表明优先选择其曾经有过合作关系的专利权人进行合作。 (3)在使用主题模型进行专利权人推荐时,实验结果表明使用不同的相似度计算方法对推荐结果存在影响。相比之下,基于二分网络的推荐结果要远优于基于作者主题模型的推荐。在进行基于作者主题和基于二分网络融合的推实验中,发现在最优融合系数下,使用融合算法的推荐效果要好于单一的推荐效果。