文 献 综 述
1.专利关键词共现网络的相关研究
专利是授予专利申请人的一系列专有权，获得专利可以为企业在产品的激烈竞争中提供技术和市场上的凸出位置[1]。专利被全球许多机构视为一个科学技术的性能指标。专利分析主要是通过对专利的后向引用分析研究某一领域或某一类技术的发展情况，可以发现其核心技术研究，预测一个领域的技术趋势。近年来，随着专利数据的爆发式增长，各类数据分析和挖掘技术开始在专利数据分析中广泛应用，以发现数据中所蕴含的有用模式和知识，为科学研究和各种管理决策提供依据和参考。其中，关键词共现网络技术可以利用词共现理论，根据术语词间关系，将海量专利信息自动分类，从而为专利数据分析提供更为深入的洞察力。
目前，国内外已有很多研究学者应用专利关键词共现网络对不同的领域进行了深入的研究分析。刘中梅[2]等人基于德温特专利数据，运用用软件统计和计算出的关键词频次作为核心技术的衡量指标，考察了海峡两岸具备竞争实力的生物技术企业和转基因产业的现状，进而对两岸转基因技术产业化的市场竞争态势做出初步预见；刘秀玲[3]等人从专利的视角出发，借助信息可视化软件CiteSpace的词频探测技术，对近十年全球纺织领域的专利与专利权人进行共词分析并绘制了技术热点知识图谱，进而探索了全球纺织产业技术创新前沿、演进趋势与其特性；王京安[4]等人通过对比科技论文和专利文献中关键词聚类、技术研究热点，进而发现了物联网发展中新的技术机会，并归纳总结了物联网行业未来发展的趋势。
2.主题结构发现及其演化的相关研究
根据文献计量学的学科生命周期理论，主题相关的论文数量能够反映主题研究的热度和发展水平[5]，主题的抽取与演化分析对于把握领域的发展脉络、定位领域的研究重点、热点和预测领域研究趋势都有着非常重要的作用。
文献的主题挖掘有很多方法，传统的方法一般利用专家经验分析代表性专利[6]，以获取其技术主题情况；由于这类方法无法避免专家资源稀缺、专利代表性难以衡量、无法分析大批量专利等缺陷[7]，有学者尝试通过专利的分类属性作为其技术主题，例如，利用IPC分类号[8]、德温特手工代码[9]、专利申请人[10]等特征分析某领域内全部专利的演化特征；还有学者使用共词分析进行研究[11]，或者以共词分析为基础结合社会网络的方法挖掘文献主题[12]；为兼顾技术主题的多样性及趋势分析的及时性[7]，学者通过使用SAO结构语义相似度识别[13]、主题模型[14]或主题聚类[15-16]等方式从科技文献中识别技术发展路径，其中由Blei[17]提出的主题模型挖掘算法LDA（Latent Dirichlet Allocation:隐含狄利克雷函数）在实际应用中被证明具有很好的适应性，是当前技术主题分析中的最常用的主题提取方法。该方法该方法基于“词袋”假设通过生成文本内容的概率模型或产生式模型来描述主题，能在语义层面上解释及分析主题分布，找到产生文本的最佳主题和词汇、最大程度地表示文本中所蕴含的含义，较好解决了词汇、主题和文本之间的语义关联问题，被广泛应用于科技文献、网络文本、专利文本的主题相关研究中。[18]
在技术主题演化趋势分析的手段上，20世纪70年代，美国汽车产业提出利用技术路线图的方法建立技术资源之间的动态联系，并用以支撑技术管理与技术规划[19]；李柏洲[20]等人则以集对分析的方法为基础对技术依赖联系数进行演化测度，进而剖析和诠释了技术依赖预警的演化趋势；谢志明[21]等人借助技术主题的时间信息，使用技术生命周期及技术路线图的方法预测新能源汽车的技术进化路径；饶旻，林友明[22]等人则提出用差分使序列变为符合傅里叶级数型的起伏型时间序列法对专利申请与授权数据进行了动态分析。
3.社团结构发现及其演化的相关研究
社团结构网络分析是对社团关系结构及其属性加以分析的一套规范和方法，主要研究不同社会单位（个体、群体或社会）所构成的关系的结构及其属性[23]。社团结构网络分析技术在专利分析的研究可以划分为以下5个研究主题：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
