[论文解读] Text-based Technological Signatures and Similarities: How to create them and what to do with them.

Daniel S. Hain, Roman Jurowetzki+2 more|arXiv (Cornell University)|Mar 27, 2020

Computational Drug Discovery Methods参考文献 92被引用 4

一句话总结

本文提出一种利用自然语言处理嵌入技术生成基于文本的专利技术签名的方法，通过近似最近邻技术实现对整个专利宇宙中技术相似性的高效计算。该方法支持大规模技术网络分析，经验证可应用于知识流动测量、专利质量评估及技术变迁分析。

ABSTRACT

This paper describes a new approach to measure technological similarity between patents by leveraging their textual description. Using embedding techniques from natural language processing, we represent their description as a high dimensional numerical vector, thus capturing their technological signature. Deploying an almost near linear-scaling approximate nearest neighbor matching techniques, we are able to compute technological similarity scores for all existing patents. This enables us to represent the whole patent universe as a technological network. We validate both technological signature and similarity in various ways, and demonstrate their usefulness to create patent quality indicators, measure knowledge flows, and map technological change.

研究动机与目标

• 开发一种可扩展的方法，利用文本描述测量专利之间的技术相似性。
• 利用NLP嵌入技术从专利文本中生成紧凑的高维技术签名。
• 通过近线性扩展算法实现在整个专利宇宙中高效计算相似性。
• 验证技术签名与相似性评分的可靠性与实际应用价值。
• 展示在专利质量评估、知识流动追踪及技术演进制图方面的应用。

提出的方法

• 使用预训练的NLP嵌入将每件专利的文本描述表示为高维数值向量。
• 应用近似最近邻（ANN）算法，大规模高效计算技术相似性得分。
• 通过将专利建模为节点、相似性得分建模为边，构建技术网络。
• 通过一致性检查与已知技术关系的基准测试，验证技术签名。
• 利用生成的相似性得分推导专利质量、知识扩散与技术变迁的指标。
• 利用嵌入空间分析技术发展中的语义与结构模式。

实验结果

研究问题

• RQ1 如何利用NLP技术将专利文本转化为稳定且信息丰富的技术签名？
• RQ2 近似最近邻方法在多大程度上可实现对整个专利宇宙的可扩展相似性计算？
• RQ3 生成的技术签名与相似性评分在捕捉现实世界技术关系方面有多可靠？
• RQ4 基于这些签名构建的技术网络会衍生出哪些实际应用？
• RQ5 该方法能否有效衡量知识流动并追踪随时间的技术变迁？

主要发现

• 该方法成功利用NLP嵌入从专利文本中生成稳定且信息丰富的技术签名。
• 近似最近邻技术实现了在近线性时间复杂度下对整个专利宇宙的可扩展相似性计算。
• 生成的技术网络捕捉到了专利之间的有意义关系，经一致性检查与基准测试验证。
• 该方法可基于技术接近度与创新语境，创建新颖的专利质量指标。
• 该框架能有效制图知识流动，并追踪跨行业与时间的技术变迁模式。
• 本研究证明，基于文本的技术签名可为大规模创新分析提供稳健基础。