論文の概要: A new mapping of technological interdependence
- arxiv url: http://arxiv.org/abs/2308.00014v1
- Date: Mon, 31 Jul 2023 07:37:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-02 16:49:47.555182
- Title: A new mapping of technological interdependence
- Title（参考訳）: 技術相互依存の新しいマッピング
- Authors: A. Fronzetti Colladon, B. Guardabascio, F. Venturini
- Abstract要約: 半世紀にわたるセクター間の技術的相互依存(1976年から2021年まで)について検討する。
我々は、米国特許商標庁(USPTO)が付与した650万件の特許のテキストを分析する。
我々は、技術領域にまたがる全リンクのスペクトルを明らかにするために、ネットワーク分析を適用した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Which technological linkages affect the sector's ability to innovate? How do
these effects transmit through the technology space? This paper answers these
two key questions using novel methods of text mining and network analysis. We
examine technological interdependence across sectors over a period of half a
century (from 1976 to 2021) by analyzing the text of 6.5 million patents
granted by the United States Patent and Trademark Office (USPTO), and applying
network analysis to uncover the full spectrum of linkages existing across
technology areas. We demonstrate that patent text contains a wealth of
information often not captured by traditional innovation metrics, such as
patent citations. By using network analysis, we document that indirect linkages
are as important as direct connections and that the former would remain mostly
hidden using more traditional measures of indirect linkages, such as the
Leontief inverse matrix. Finally, based on an impulse-response analysis, we
illustrate how technological shocks transmit through the technology
(network-based) space, affecting the innovation capacity of the sectors.
- Abstract（参考訳）: どの技術連携がイノベーションの能力に影響を与えるのか?
これらの効果は、技術領域をどうやって伝達するのか?
本稿では,テキストマイニングとネットワーク解析の新しい手法を用いて,これらの2つの重要な疑問に答える。
1976年から2021年までの半世紀にわたって、米国特許商標庁(uspto)から与えられた650万件の特許のテキストを分析し、技術分野にまたがるリンケージの完全なスペクトルを明らかにするためにネットワーク分析を適用して、セクター間の技術相互依存性を調査した。
特許文書には、特許引用のような伝統的なイノベーション指標によって捉えられていない豊富な情報が含まれていることを実証する。
ネットワーク解析を用いて, 間接リンクは直接接続と同じくらい重要であり, 前者はレオンティフ逆行列のようなより伝統的な間接リンクの尺度を用いて隠れていることを示す。
最後に、インパルス応答解析に基づいて、技術(ネットワークベース)空間を介して技術ショックがいかに伝達され、セクターのイノベーション能力に影響を与えるかを説明する。
関連論文リスト
- PatentGPT: A Large Language Model for Patent Drafting Using Knowledge-based Fine-tuning Method [1.4496326701907591]
既存の大規模言語モデル(LLM)は、専門知識の欠如とコンテキスト認識の欠如により、IP生成領域では不足することが多い。
我々は,LLMの知識微調整(KFT)のための画期的なフレームワークを提案する。
我々のモデルであるPatentGPTは、最先端モデルと比較して、特許関連のベンチマークテストで最大400%高い性能を示した。
論文 参考訳（メタデータ） (2024-08-26T12:00:29Z) - A Comprehensive Survey on AI-based Methods for Patents [14.090575139188422]
AIベースのツールは、特許サイクルにおける重要なタスクを合理化し、強化する機会を提供する。
この学際的な調査は、AIと特許分析の交差点で働く研究者や実践者のリソースとして機能することを目的としている。
論文 参考訳（メタデータ） (2024-04-02T20:44:06Z) - Measuring Technological Convergence in Encryption Technologies with
Proximity Indices: A Text Mining and Bibliometric Analysis using OpenAlex [46.3643544723237]
本研究は,サイバーセキュリティにおける新興技術間の技術的収束を明らかにする。
提案手法は,テキストマイニングとバイオロメトリ分析を統合し,技術的近接指標の定式化と予測を行う。
我々のケーススタディでは、ブロックチェーンと公開鍵暗号の間にかなりの収束が見られ、その近さが証明されている。
論文 参考訳（メタデータ） (2024-03-03T20:03:03Z) - Graph Representation Learning Towards Patents Network Analysis [2.202803272456695]
この研究は、イランの公式ガゼットに登録された特許データの作成、分析、検索にグラフ表現学習アプローチを採用した。
イランの特許グラフをスクラッチから作成するために、スクラップされた特許データセットから重要なエンティティが抽出された。
新たなグラフアルゴリズムとテキストマイニング手法の活用により,イランの特許データから新たな産業分野と研究分野を特定した。
論文 参考訳（メタデータ） (2023-09-25T05:49:40Z) - Causal Reasoning: Charting a Revolutionary Course for Next-Generation
AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。
本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。
因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文 参考訳（メタデータ） (2023-09-23T00:05:39Z) - Predictive Patentomics: Forecasting Innovation Success and Valuation
with ChatGPT [0.0]
OpenAIの最先端のテキスト埋め込みは、各発明の品質と影響に関する複雑な情報にアクセスする。
このニュアンスド埋め込みは、特許価値を予測するR二乗法を24%の漸進的に改善する。
論文 参考訳（メタデータ） (2023-06-22T13:21:20Z) - Edge Intelligence Over the Air: Two Faces of Interference in Federated
Learning [95.31679010587473]
フェデレートされたエッジ学習は、次世代無線ネットワークにおけるインテリジェンスの実現の基盤として考えられている。
本稿では,無線によるエッジ学習システムにおける干渉の肯定的および否定的影響について概説する。
論文 参考訳（メタデータ） (2023-06-17T09:04:48Z) - A Comprehensive Survey on Applications of Transformers for Deep Learning
Tasks [60.38369406877899]
Transformerは、シーケンシャルデータ内のコンテキスト関係を理解するために自己認識メカニズムを使用するディープニューラルネットワークである。
Transformerモデルは、入力シーケンス要素間の長い依存関係を処理し、並列処理を可能にする。
我々の調査では、トランスフォーマーベースのモデルのためのトップ5のアプリケーションドメインを特定します。
論文 参考訳（メタデータ） (2023-06-11T23:13:51Z) - PatentMiner: Patent Vacancy Mining via Context-enhanced and
Knowledge-guided Graph Attention [2.9290732102216452]
我々は、リッチなセマンティック知識をマイニングし、新たな潜在的な特許を予測するために、PatentMinerという新しい特許空白予測手法を提案する。
特許知識グラフ(例えば、年)は、特許文書から名前付きエンティティ認識と関係抽出を行うことによって構築される。
構築した知識グラフにおいてリンク予測を行うために,CNM(Common Neighbor Method),GAT(Graph Attention Networks),CGAT(Context-enhanced Graph Attention Networks)を提案する。
論文 参考訳（メタデータ） (2021-07-10T17:34:57Z) - More Data, More Relations, More Context and More Openness: A Review and
Outlook for Relation Extraction [106.28192084309617]
人々はテキストから事実を抽出しようと長年取り組んできた。
Webテキストの爆発と新しい関係の出現により、人間の知識は劇的に増加しています。
我々はより強力な抽出(RE)に向けて有望な方向を示す。
論文 参考訳（メタデータ） (2020-04-07T08:15:21Z) - Deep Technology Tracing for High-tech Companies [67.86308971806322]
我々は、各ハイテク企業にカスタマイズされた最も可能な技術方向を自動的に見つけるために、新しいデータ駆動ソリューション、すなわちDeep Technology Forecasting(DTF)フレームワークを開発する。
DTFは、潜在的な競合認識(PCR)、協調技術認識(CTR)、Deep Technology Tracing(DTT)ニューラルネットワークの3つのコンポーネントで構成されている。
論文 参考訳（メタデータ） (2020-01-02T07:44:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。