文件名称：衡量创新方向：无辅助机器学习的前沿工具-研究论文
文件大小：912KB
文件格式：PDF
更新时间：2024-06-29 10:56:57
knowledge production innovation
了解影响创新方向的因素是创新经济学和战略管理研究的中心目标。 由于难以衡量创意空间中创新的位置和运动，这一主题的进展受到阻碍。 迄今为止，衡量创新方向的大多数努力都依赖于精心策划的分类法，例如技术类别和关键字方法，它们要么适应缓慢，要么受制于博弈，以及早期的文本分析，它们提供有关集合相似性的信息词，但不是关于路径数量或变化方向。 相对于这些，机器学习的最新进展提供了有希望的前进道路。 在本文中，我们介绍并探索了一种基于无辅助机器学习技术、分层狄利克雷过程 (HDP) 的特定方法，该方法从文本语料库灵活地生成类别，并能够计算知识类别之间的距离和思想空间中的运动。 我们将我们的算法应用于 2000-2018 年期间 USPTO 专利摘要的语料库，并证明，相对于 USPTO 专利类别的分类，我们的算法提供了创新主题转移的领先指标，并能够更精确地分析想法空间。 使用此类措施很重要，因为它可以更准确地估计创新方向，从而更准确地估计经济参与者对竞争环境和公共政策的React。 我们分享我们的算法，可应用于其他创新文本语料库，以及我们开发的专利数据和措施，旨在促进有关创新方向的更多查询。