关键词:
主题模型
新能源汽车
趋势预测
ARIMA模型
HMM模型
摘要:
随着环境污染与能源危机的问题日益严重,发展新能源汽车产业成为缓解当前难题的有效手段之一,为此,各国颁布了一系列支持新能源汽车产业发展的政策措施,计划通过技术创新来加快新能源汽车的快速推广,从而减少汽车对石油的依赖,避免汽车尾气对环境造成的不利影响,实现环境与经济的可持续发展。面对日趋激烈的市场竞争环境,技术创新成为汽车制造企业参与市场竞争的重要利器。然而,技术创新并非是一个盲目的过程,在实施创新的第一步就是需要进行技术发现,明确技术创新的方向与路径。这是技术创新中至关重要的一步,关乎技术创新能否成功。因此,只有宏观把握技术发展方向,识别技术创新机会,并及时制定最优技术发展策略,才能顺应新能源汽车技术快速发展的趋势。专利文献作为记录技术创新的材料,隐藏了技术创新的重要信息,基于专利文献对新能源汽车技术专利文献展开文本挖掘研究能够快速了解技术主题分布情况,分析技术研发的重点,预测技术发展趋势,这对于政府还是企业的技术创新管理都有着重要的意义。本文以新能源汽车为研究对象,以中国知网专利数据库收集的专利文献作为数据基础,将文本挖掘、文献计量与专利分析相关方法相结合,以“理论方法与文献综述→专利文献主题识别→热点技术主题趋势分析→技术主题重要性趋势分析”为文章主线,提出了一套系统的基于专利数据的新能源汽车技术主题分析与趋势预测研究模型,主要创新成果总结如下:(1)基于专利文献的新能源汽车技术主题识别基于主题模型的专利文本挖掘系统框架本文将主题模型引入到专利文本挖掘及科技管理领域,开发从数据输入、文本清理、主题识别、主题分析的完整流程,从而实现对海量新能源汽车专利文本的技术主题识别,发现其中重要的技术主题。(2)基于文档主题分布构建ARIMA预测模型将主题模型训练的文档主题分布与时间序列相结合,能够初步拟合得到技术主题研究热度的发展趋势,选取其中发展势头排名前5的技术主题作为ARIMA模型构建的对象,对其进行热度趋势预测。(3)基于主题词共现构建HMM预测模型基于主题模型的主题词构造HMM模型的初始参数,构建双重随机的隐马尔可夫模型对技术主题的重要性发展趋势进行预测分析。