离群专利是指已发表但在关键概念和内容上与现有专利不太相似的专利。考虑到这一特性,一些人认为,离群专利可能产生不受现有技术轨迹限制的新兴技术,甚至可能破坏现有的解决方案;然而,由于数据处理能力的缺乏,现有的研究保持在小规模的离群专利中。最近深度学习方法和大数据的兴起可能有助于这一点。因此本研究开发了一个使用深度学习模型对大规模离群数据进行早期识别的框架。首先,基于海量专利数据中专利内容的相似性,采用一种基于专利文本内容的方法识别专利集合中的离群专利,并将这批离群专利作为新兴技术的候选集合。第二,将离群专利的专利指标作为新兴技术出现的早期信号,利用专利发展后的被引用次数评估专利的影响力水平。第三,使用深度神经网络学习模型拟合专利早期信号与其影响力水平之间的关联关系。最后,将深度学习模型得到的关联关系推广到未来,识别出离群专利中潜在的新兴技术。保证识别的准确率的关键在于深度学习模型的质量,而深度学习模型在数控机床技术领域中的良好运用证明了该方法的可靠度和有效性。这项研究所提出的框架是具备扩展性的,因此其他研究人员可以利用此框架探索更多的早期信号和基于更多数据的影响力指标之间的关系。