英语原文共 24 页，剩余内容已隐藏，支付完成后下载完整资料
基于SAO使用专利信息的技术路线图文本挖掘方法
摘要：技术路线图(TRM)将技术与公司的战略目标联系起来，从而支持在需要之前购买所需的技术。它是战略规划和技术管理的有力工具。由于技术的快速变化和市场竞争越来越激烈，TRM的作用变得越来越重要。为了支持TRM的作用，在TRM发展过程中，许多使用路线图的公司和政府开始对降低成本的同时保持其客观性感兴趣。实现这些目标的一个建议是使用基于关键字的定量方法来创建一个TRM，但是由于关键字信息的特性，这种方法提供的信息是有限的。为了解决这一局限性，本研究采用“功能”的概念来支持对TRM的定量分析。函数的概念可以提供关于技术的用途和目标的信息。为了表示一个函数，通常使用主题-动作-对象结构。建议的方法让研发(Ramp;D)经理在TRM开发过程中扩展产品和技术的观点。此外，通过减少开发TRM所需的时间，该方法支持研发经理快速而准确的做出决策。
引言
熊彼特认为，一个公司或国家的发展依赖于创新(熊彼特和欧比，1934)，包括技术、营销和组织方面的创新。然而，从历史上看，技术创新对变化影响最为显着。自1960年以来，由于技术创新的影响和重要性，预测未来技术和预测市场需求是预测技术的主要考虑因素。特别是从20世纪90年代开始，随着公司研发活动与企业战略相结合，根据战略目标和市场需求确定研发投资方向变得越来越重要。因此，在过去的十年中，战略研发计划得到了广泛的研究(Miller和Morris, 1999)。
最近，为了支持战略研发计划，技术路线图(TRMs)已被研发组织广泛使用(Phaal et al.， 2003)。TRM的优势在于它可以使技术的发展与产品演进和市场机会相关联（Phaal等，2003）。TRMs被公司和国家广泛应用于战略规划，并将技术和产品开发与商业目标和市场机会联系起来(Garcia和Bray, 1997)。许多组织使用TRMs来开发新产品和技术(Phaal et al.， 2001;Vatananan Gerdsri,2010)。
一般来说，TRMs的开发利用了一种依赖于目标技术专家的定性方法。基于专家知识的技术分析有许多优点，但它也需要一些限制，如高成本、复杂性和不一致性(Kostoff, 1998)。例如，传统的TRMs通常倾向于夸大定性和专家依赖性的知识，而不是结合定量和客观的信息(Lee et al.， 2008)。此外，用于制作TRMs的过程通常需要大量的信息，而且在时间和人力资源方面也需要相当大的成本(Albright和Kappel, 2003)。此外，公司经常发现TRM过于昂贵(Kostoff et al.， 2004)。
为了解决这个问题，研究人员试图通过使用基于关键词的方法应用定量分析技术来开发TRMs。基于关键字的方法利用文本挖掘技术来分析技术信息。使用文本挖掘技术，基于关键字的方法提取重要的关键字，这些关键字表示文档的重要内容，并发现包含技术含义的模式。基于关键词的方法提高了路线图制定过程的效率和有效性。例如，开发一个支持可视化，记录，传播和更新TRMs的系统可能会提高路线图效率，并提供有意义的信息来支持系统决策，从而提高路线图效果(Lee et al.， 2008)。
尽管基于关键词的TRM开发方法可以克服以前定性方法的局限性，但它无法表示技术在其技术领域的使用方式，指出它们如何影响其他技术或识别技术关键字的用途。这个限制限制了基于关键字的TRM输出的值。例如，Tseng等人(2007)分析了关键词CYLINDRICAL和相关术语如BUS BAR和SPATIAL PHASE;尽管他们的分析揭示了关键字的关联程度，但却无法准确表达它们之间的联系。
为了解决这一问题，本研究采用“功能”的概念来支持定量分析。“功能”被定义为“改变任何物体特性的动作”(savransky, 2000)。函数的概念可以提供关于技术的用途和用途的信息。为了表示一个函数，通常使用subject–action–object (SAO)结构。
在本文中，我们提出了一种以SAO-TRM为基础的开发TRMs的方法，该方法利用SAO结构和专利信息来支持在技术规划过程中有效的决策，并消除基于关键字的TRM方法的局限性。为此，我们提出了一个TRM格式，其中包括用于开发TRM的功能信息。此外，我们建议产品功能技术(PFT)图在开发TRMs时来支持决策。最后，我们解释如何解释提议的图，以及如何将解释应用到使用新格式构建TRM的过程中。
本文的其余部分由五个部分组成。在第2节中，我们描述了与所提议的方法相关的工作。在第3节中，我们将详细描述我们的方法。在第四节中，我们分析了一个例子:质子交换膜燃料电池(pemfc)中的聚合物电解质膜(PEM)技术。最后，在第5节中，我们提出了进一步研究的结论和方向。
2.相关工作
2.1.一个关键字的技术路线图
TRM的主要目标是根据时间序列结构(Garcia和Bray, 1997年)提供一个可视化集成市场、产品和技术的框架。Kostoff and Schaller,2001;Petrick Echols,2004)。该框架可用于收集各种来源的信息，开发动态的短期、中期和长期的研发计划(Petrick和Echols, 2004)。为了支持研发计划，大多数TRMs被表示为三层图表，代表技术，产品和市场的演变和发展的战略计划（ERIMA，1997年）。
基于关键字的TRM方法的目的是提供客观和定量的信息，以支持战略决策。为此目的，该方法使用文本挖掘技术分析技术文件，并生成各种类型的信息，包括技术含义。一般来说，用于分析信息的目标源是基于一项技术文档，例如专利，因此基于关键字的TRM方法被用来开发技术驱动的路线图(Lee et al.， 2009)。由于文本挖掘作为一种有用的技术分析技术得到了人们的关注，因此对基于关键词的TRM的研究也得到了积极的研究。有关工作的详情如下。
Lee和Jeong(2008)对支持使用共词分析的方法构建TRMs的方法进行了研究。他们使用战略图(Callon et al.， 1991)来开发韩国机器人技术的TRM。Suh和Park（2009）使用专利图提出了专利图和面向服务的TRM（SoTRM）。SoTRM帮助公共和私营部门的决策者选择并专注于服务行业研发中最重要的服务和相关技术。为了开发一份专利图，Suh和Park(2009)考虑了5个关键词信息的价值:水平、时间、相对增长、相对份额和相对顺序。Li（2009）基于定性和定量数据进行了案例研究，解释了思科系统如何在基于业务生态系统的公司增长中利用其并购战略取得如此成功，特别是从技术角度。Li(2009)使用文本挖掘技术来分析思科的技术生态系统。最后，Lee et al.(2011)提出了一种形式化的概念分析(formal concept analysis FCA)方法来开发一个动态的专利格，它可以分析专利之间的复杂关系，并监测技术变化的趋势。FCA是用于将对象与共享属性进行分组的数学工具; 它基于格理论。
Lee et al.(2008, 2009)和Yoon等人(2008a,b)正在积极研究基于关键词的TRM方法。以前的研究主要集中在利用文本挖掘技术从专利中寻找技术影响，Lee和Yoon都考虑了如何利用提取的技术对发展TRM的影响，即他们的研究比以前的研究更侧重于紧密地联系起来进行分析技术信息和TRM过程。
Lee et al.(2008)提出了基于关键词的TRM方法。为了提高路线图的有效性，以提高TRM的适用性，他们提出了基于关键字的产品技术图，从中可以获得客观和定量的信息。他们建议如何将拟议图的含义应用于TRMs的开发。Lee等人 （2009）提出了一个技术驱动的路线图制定流程，首先是技术规划能力分析，最后是市场规划商业机会分析。利利用专利数据，这项研究提出了三个开发TRM的图：行为者关系图，技术行业图和技术亲和力图
Yoon等人。 （2008a）提出了一种新的路线图方法，该方法使用系统的方法来分析从现成的来源获得的定量数据。这种方法是一种尝试去克服一些现有的限制定性的路线图过程。文本挖掘用于预处理原始数据，这是一种自然语言形式，因此很难直接输入到形态学分析(MA)方法中(Zwicky, 1948)，这是用于开发TRMs的主要方法。拟议的基于数学的方法可以利用大量的产品和技术数据，从而改进发展路线图的过程，否则可能无法获得这些数据。Yoon等人(2008b)确定了可能用于路线图的数据特征，并提出了一种从原始数据中提取重要信息的方法，应用了多种数据挖掘技术，包括文本挖掘、多维标度和k-均值聚类。此外，Yoon等人(2008b)解释了如何将这种方法应用于线路图的每一个步骤(初始、制图和管理)。
2.2.一种SAO-based技术分析
SAO结构的概念源于创造性的问题解决理论(俄语缩写为TRIZ)，它描述了解决技术问题的模式。Genrich Altshuller在对20万项专利进行了广泛的分析之后，利用了函数的概念，开发了TRIZ，并对其进行了广泛的分析，然后用功能的方法提出了技术演化模式(Altshuller, 1984)。一个SAO结构是基于TRIZ中使用的功能方法。
如果行动对象（AO）陈述问题并且主体（S）形成解决方案，SAO结构可以以问题解决方案格式组织（Moehrle等人，2005）。例如，一个SAO结构可以简单地表示电池的功能，就像“电池点亮灯泡”一样。在这个例子中，“电池”是主语，“通电”是动作，而“灯泡”是客体。“电池”的技术目的是为“灯泡”充电，“电池”的功能是“点亮灯泡”。
许多研究人员试图确定如何使用SAO结构进行技术分析。Cascini et al.(2004)开发了PAT Analyzer，利用从专利文献中提取的SAO模型来搜索专利内容。PAT Analyzer允许搜索“关键概念”而不是“关键字”。通过使用PAT Analyzer提取的功能信息，Cascini进行了一项研究，寻找TRIZ(创造性解决问题的理论)的矛盾(Cascini和Russo, 2006)，并通过比较发明的功能树(Cascini和Zini, 2008)来衡量专利的相似性。
另一种方法是使用SAO结构来分析专利的相似性。Moehrle等人(2005)提出了一种利用发明人资料来支持人力资源决策的方法，Bergmann等人(2008)利用专利相似性分析了专利侵权的风险。Yoon和Kim(2011)提出了基于语义专利分析的SAO结构专利网络。他们提出了新的指数，以确定专利技术的重要性、专利集群的特点以及竞争对手的技术能力。最近，一些研究集中在如何使用SAO结构来提高比较方法的准确性来评估专利相似性(Sternitzke和Bergmann, 2009;Moehrle,2010)。
SAO结构也可以应用于网络分析技术。Choi et al.(2011)建议使用SAO网络分析专利技术来识别技术趋势。他们提出了一种适用于SAO网络的程序，并采用演员网络理论分析了SAO网络的技术含义。
可以用SAO结构来为TRMs的发展提供信息。三星先进技术研究所开发的TRMs技术功能信息被定义为类似的SAO结构。Yoon等人(2011b)还提出了利用功能模型来定义调制技术的技术复用框架; 他们建议的框架格式与TRM格式类似。
利用SAO结构进行技术分析的研究尚处于起步阶段;它还必须考虑如何利用SAO结构进行技术分析。然而，SAO结构可以提供比can关键字更多的技术信息。因此，我们认为，SAO结构可以提供一系列的技术信息，对于开发TRMs是很有用的。
2.3.专利信息作为TRMs的来源
在本文中，我们将专利信息作为技术分析的资源。专利对于评估新兴技术的地位和趋势非常有用(Archibugi和Planta, 1996)。专利还包含有价值的最新技术信息，并提供可信的、客观的信息，涉及到研发(Fleisher和Bensoussan, 2003;万纳et al .,2008)。由于这些原因，专利信息已被广泛用于确定技术趋势和帮助制定技术规划(Narin, 1993;Reitzig,2004)。近年来，专利采掘技术在技术管理领域得到了广泛的研究，它是一种对专利文献进行系统的调查和分析，以实现企业的战略技术目标的技术。
由于专利信息的特点，对基于关键字的TRM的开发以及基于SAO-based的技术分析的研究都采用了专利挖掘方法进行技术分析。特别是，由于专利信息是作为一个庞大的数据库管理的，并且有明确的书目数据，所以这一信息很容易获取和处理以计算机为基础的技术分析。
专利文件的内容可以分为两类。第一组包括被称为书目数据的结构化项目(如标题、专利号、发布日期、或代理人)，第二组是由非结构化项目构成的，这些项目描述了本发明。本文采用时间序列的结构化数据和assignee分析，并对SAO结构提取的非结构化数据进行分析。
3.一种基于SAO的技术路线制图方法
在本章中，我们建议使用SAO-TRM，我们建议使用基于SAO的TRM格式、PFT图和基于SAO的TRM程序，该过程使用了所建议的制图。
3.1.SAO-based TRM格式
基本的TRM类型是一个包含基于时间的信息的三层图表(ERIMA, 1997)。
图1.（a）基于主体 - 行为 - 对象（SAO）的TRM格式和（b）TRM示例. MEA，膜电极组件
表1. 基于SAO的TRM格式的各个层次
|
种类 |
定义 |
|
产品 |
该层包括可在市场上采购的技术活动产品和产品组件，包括服务 |
|
功能 |
该层包含用于技术和产品开发目的的 全文共31600字，剩余内容已隐藏，支付完成后下载完整资料 资料编号：[13368]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
