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
- 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) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-25T14:20:52Z) - 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) - Enhancing Artificial intelligence Policies with Fusion and Forecasting:
Insights from Indian Patents Using Network Analysis [0.0]
本稿では,人工知能(AI)技術の相互接続性と相互依存性について述べる。
異なる時間窓を通して技術を分析し、その重要性を定量化することで、AIのランドスケープを形成する重要なコンポーネントに関する重要な洞察を明らかにしました。
論文 参考訳(メタデータ) (2023-04-20T18:37:11Z) - Citation Trajectory Prediction via Publication Influence Representation
Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。
本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。
APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文 参考訳(メタデータ) (2022-10-02T07:43:26Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳(メタデータ) (2022-09-07T19:21:19Z) - Two tales of science technology linkage: Patent in-text versus
front-page references [8.731097761118972]
本稿では,特許の価値が,その基盤となる科学論文の特性にどのように依存するかを考察する。
インテキストで参照された論文は、適度にベーシックで、学際性が低く、新規性が低く、かつ、高い引用率の場合に、同じ特許の表紙に掲載される可能性が高い。
論文 参考訳(メタデータ) (2021-03-16T09:28:28Z) - Data Leverage: A Framework for Empowering the Public in its Relationship
with Technology Companies [13.174512123890015]
多くの強力なコンピューティング技術は、一般からの暗黙的かつ明示的なデータコントリビューションに依存している。
この依存は、テクノロジー企業との関係において、公衆にとって潜在的にレバレッジの源であることを示唆している。
我々は,企業行動を変える新たな機会を浮き彫りにする,データレバレッジを理解するためのフレームワークを提案する。
論文 参考訳(メタデータ) (2020-12-18T00:46:26Z) - Interdisciplinary research and technological impact: Evidence from
biomedicine [2.741266294612776]
特許技術の発展に寄与する社会的利益の一側面を考察する。
論文の学際性の度合いを3つの一般的な指標(多様性,バランス,格差)を用いて測定する。
我々の研究は、学際的な研究と科学的・技術的影響に政策的な意味を持つかもしれない。
論文 参考訳(メタデータ) (2020-06-27T15:21:40Z) - Technological impact of biomedical research: the role of basicness and
novelty [2.741266294612776]
1980年から1999年にかけて発行された380万件の論文のコーパスを用いて、基礎的な科学論文や新しい論文が直接の技術的影響をもたらす可能性が著しく高いことを発見した。
技術的な影響のある論文に限定するさらなる分析は、基礎科学と新科学がより多くの特許を引用し、より短いタイムラグを経験し、より広い技術分野に影響を及ぼすことを明らかにしている。
論文 参考訳(メタデータ) (2020-06-03T18:31:05Z) - 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。