論文の概要: A new mapping of technological interdependence
- arxiv url: http://arxiv.org/abs/2308.00014v2
- Date: Wed, 6 Mar 2024 19:06:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 18:05:42.857391
- 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: 知識の流出と構造的相互依存がセクターのイノベーションに肯定的な影響を及ぼすことを示す。
私たちの分析では、特許のテキストには、従来のイノベーションの指標では得られない豊富な情報が含まれていることが強調されています。
- 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: How does technological interdependence affect a sector's ability to innovate?
This paper answers this question by looking at knowledge interdependence
(knowledge spillovers and technological complementarities) and structural
interdependence (intersectoral network linkages). We examine these two
dimensions of technological interdependence by applying novel methods of text
mining and network analysis to the documents of 6.5 million patents granted by
the United States Patent and Trademark Office (USPTO) between 1976 and 2021. We
show that both dimensions positively affect sector innovation. While the impact
of knowledge interdependence is slightly larger in the long-term horizon,
positive shocks affecting the network linkages (structural interdependence)
produce greater and more enduring effects on innovation performance in a
relatively short run. Our analysis also highlights that patent text contains a
wealth of information often not captured by traditional innovation metrics,
such as patent citations.
- Abstract（参考訳）: 技術相互依存はセクターの革新能力にどのように影響しますか?
本稿では,知識相互依存(知識の流出と技術的相補性)と構造相互依存(ネットワーク間リンク)について考察する。
1976年から2021年にかけて、米国特許商標庁(uspto)が認可した650万件の特許の文書に、テキストマイニングとネットワーク分析の新しい方法を適用して、これら2次元の技術相互依存について検討する。
両次元がセクターイノベーションに肯定的な影響を与えることを示す。
知識相互依存の影響は長期的にはやや大きいが、ネットワーク結合(構造的相互依存)に影響を与える正のショックは、比較的短期間でイノベーションのパフォーマンスにさらに持続的な影響をもたらす。
私たちの分析では、特許テキストには、特許引用のような従来の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も強調しています。
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。