从专利文本中提取技术问题以支持创新:将人类智慧与机器学习相结合,应用于电动汽车电池技术

《Technovation》:Extracting technical problems from patent texts to support innovation: Integrating human intelligence with machine learning for electric vehicle battery technologies

【字体: 大 中 小 】 时间:2026年01月05日 来源:Technovation 10.9

编辑推荐:

  专利文本中技术问题与解决方案的关联性分析及电动汽车电池技术应用研究|专利数据挖掘|机器学习与专家知识融合|技术情报系统构建|跨领域创新合作识别

  
朴尚铉 | 李成柱
首尔国立大学工业工程系,韩国首尔冠岳区冠岳路1号,邮编08826

摘要

技术进步的速度前所未有,企业必须通过快速了解不断发展的创新趋势来保持竞争力。专利作为技术知识的丰富来源,不仅包含解决方案,还包含推动创新的技术问题的宝贵信息。然而,由于专利文本的庞大和复杂性,提取和整理这类以问题为导向的信息具有挑战性。本研究强调了系统识别和分析专利文本中的技术问题的重要性,以提高创新情报能力。通过结合专家知识和机器学习,我们提出了一种方法来提取和分类这些文本中的技术问题,从而构建一个结构化的数据库。该方法应用于电动汽车电池技术领域,证明了其在识别跨领域解决方案和发现潜在合作伙伴方面的有效性。研究结果强调了系统化整理技术问题数据对于提升技术情报、支持研发决策和促进战略规划的重要性。因此,所提出的方法可以成为支持创新的宝贵工具。

引言

技术变革对许多行业的竞争格局具有决定性影响;此外,在过去几十年中,企业大幅增加了研发支出以获得竞争优势(Ernst, 2003)。在快速变化的背景下,只有通过有效的管理和分析,技术、市场和竞争数据才能发挥其价值(Mortara et al., 2009)。这种需求催生了技术情报的概念,即捕获和提供与技术相关的信息以支持组织决策的过程和能力(Kerr et al., 2006)。同时,最近的技术进步已经发展到公众和研究人员都难以理解的程度。技术复杂性随着时间的推移而增加,使得企业越来越难以跟上(Mewes and Broekel, 2022)。因此,及时识别新技术的趋势对于企业在全球范围内保持竞争力至关重要(Li et al., 2019)。
在技术情报活动中,信息来源可以是内部的,也可以是外部的。专利数据是技术驱动型企业常用的外部信息来源,对于分析竞争对手的活动和技术发展具有重要价值(Mortara et al., 2009)。Mortara等人(2009)进一步指出,技术情报流程必须根据特定的信息需求进行战略性地构建,区分机会识别、威胁意识、趋势分析和最佳实践评估。同样,Lichtenthaler(2004)强调,每个目标都需要不同的分析方法和方法论调整,这些流程的组织主要取决于企业相对于目标技术的现有技术和应用能力。
鉴于这些多样化的情报目标和分析要求,研究人员逐渐采用先进的计算方法来有效处理和分析专利数据。最近的研究采用了定量方法,将大量非结构化的专利数据转化为技术情报(Chen et al., 2017; Li et al., 2023; Niemann et al., 2017; Trappey et al., 2021; Xu et al., 2021)。然而,大多数先前的研究主要集中在专利数据作为技术创新结果的信息来源上,而对其作为创新催化剂的潜力研究仍然有限。换句话说,尽管专利文件主要包含技术解决方案的信息,但创新结果也包括技术问题的信息,这些信息可以用来促进创新。在本研究中,“技术问题”一词指的是发明或技术旨在解决的各种挑战——无论是机械、材料还是软件方面的。而“技术解决方案”则指克服特定技术问题所需的所有技术要素、条件和功能。
识别发明所解决的技术问题有助于分析特定领域内的关键技术障碍。这反过来可以通过提供对未解决挑战的更清晰见解来加速创新。即使在定义技术问题范围的初期阶段出现的不确定性也可能显著影响最终结果(Schrader et al., 1993)。因此,在采取任何其他步骤之前,必须对技术问题有清晰的理解。同时,从基准测试的角度来看,组织可以分析他们面临的技术问题,以识别和检索面临类似问题的技术。组织在应对特定技术挑战时经常依赖相关专利(Madani and Weber, 2016; Trappey and Trappey, 2008)。在这种情况下,对这些组织来说,识别与所讨论的技术问题高度相关的技术至关重要。特别是在进行基准测试或进入新业务领域时,组织往往缺乏对目标领域特定技术问题的全面了解——这些技术被称为核心技术或技术障碍。尽管有这种明显的需求,但用于系统解决这些问题的工具和研究仍然有限。
为了开发能够理解特定领域技术问题的工具,分析专利中的技术信息至关重要,以便区分技术问题和解决方案。由于专利文件的设计目的是保护法律权利,它们主要提供详细的解决方案,而关于它们旨在解决的信息相对较少。因此,大多数先前没有区分问题和解决方案的研究都是分析技术机会和趋势的,要么将这些信息混为一谈,要么仅关注解决方案信息。相比之下,如果能够提出一种区分并连接技术问题和解决方案信息的专利分析方法,即使是非领域专家也能迅速理解特定技术领域内的共同进化问题解决过程。此外,还需要一种系统的方法将提取的技术问题信息转化为技术情报。基于此,我们为本研究制定了两个主要研究问题:
  • 问题1:如何从专利文本中系统地提取和整理技术问题信息?
  • 问题2:如何将提取的技术问题转化为技术情报以支持技术决策?
  • 为了解决这些研究问题,本研究提出了一种通过专家知识和机器学习从专利文本中有效提取技术问题的方法,并使用三种技术(主题建模、关联规则挖掘(ARM)和网络分析)构建技术问题数据库,以便深入理解目标领域的技术障碍及其解决方案。建议使用专利分析框架来扩展专家提供的分类。根据案例研究,可以在相对较少的专家输入下学习和扩展模式。通过案例研究,本研究展示了提取的信息作为专利分析和技术景观分析的潜在价值。所提出的方法将有助于从技术问题的角度调查创新轨迹,探索目标领域和其他领域的解决方案,并识别潜在的合作伙伴,从而作为支持创新的工具。案例研究展示了使用专家分析和机器学习提取电动汽车电池(EVB)领域关键技术问题的过程,以及将这些信息转化为技术情报。研究结果表明,当技术问题信息与趋势分析、组合分析和关键申请者分析工具结合使用时,具有显著潜力。
    本文的其余部分安排如下。第2节将详细阐述与问题驱动技术创新和专利文本分析相关的理论。第3节介绍研究方法并详细说明整个研究过程。第4节应用研究方法到EVB领域进行案例研究。第5节讨论我们的发现与现有文献的对比。最后,第6节总结本研究。

    部分摘录

    问题驱动的技术创新

    创新被视为一个多维概念,在不同研究领域具有不同的含义和定义。根据2018年奥斯陆手册的定义,创新包括与先前版本有显著差异的新产品或改进的过程。此外,创新必须超越概念阶段,并引入市场或在企业内部实施(经济合作与发展组织和Eurostat, 2018)。它反映了

    整体研究过程

    在本研究中,我们提出了一种将专利文本中的技术问题信息转化为技术情报的方法。机器学习方法通过最初标记一部分样本并自动分配相似的文本模式来应用监督学习或半监督学习。与传统基于启发式的方法相比,这种方法能够提取更多类型的 ??,因为它直接标记所需数据,同时解决了成本问题

    结果

    随着对环境保护和能源危机的关注日益增加,汽车行业正在经历技术创新,从内燃机车辆转向低排放车辆。因此,EVB技术受到了全球的广泛关注(Yuan and Li, 2021)。此外,选择EVB电池技术作为案例研究是因为有大量可用的专利数据进行分析,且该技术处于快速发展的领域

    应用

    本节介绍了一种将技术问题信息转化为技术情报的策略应用。通过突出特定问题的代表性提供商,我们的目标是提供选择潜在合作伙伴的工具。突出了与目标问题相关的高技术价值的专利和申请者。引入了技术实力(TS)指标来评估特定群体的技术影响(Narin et al., 1987)。

    CRediT作者贡献声明

    朴尚铉:撰写——初稿、可视化、验证、软件、方法论、形式分析、数据整理、概念化。李成柱:撰写——审阅与编辑、监督、资源管理、项目协调、方法论、调查、资金获取、概念化。

    AI辅助的致谢

    在准备这项工作时,作者使用了ChatGPT-4o来改进英语语言,包括语法、措辞和可读性。使用该工具/服务后,作者根据需要审查和编辑了内容,并对出版物的内容负全责。

    利益冲突声明

    作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

    致谢

    本工作得到了韩国国家研究基金会(NRF)的资助,该基金会由韩国政府(科学技术信息通信部)资助(RS-2022-NR070419)。本工作还得到了SNU-Global卓越研究中心建立项目的支持。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号