通讯作者: 唐小利, tang.xiaoli@imicams.ac.cn

DOI：10.12201/bmr.202503.00040

Study on Dynamic Technology Opportunity Detection Method Based on Graph Neural Network -- A Case Study of Diagnosis and Treatment of Atherosclerosis

• 摘要：目的/意义 针对现有技术机会发现方法依赖静态网络，难以捕捉动态演化规律的问题，提出一种基于动态图神经网络的技术机会发现方法，旨在为动脉粥样硬化相关技术的创新提供智能决策支持。方法/过程 从Incopat中获取2004-2024年动脉粥样硬化领域的专利数据，提取技术要素，构建包含技术要素的动态技术语义网络，提出DGTec-Opp动态图神经网络模型，采用滑动时间窗对动脉粥样硬化相关专利数据进行划分，并通过对比实验验证了模型的性能。结果/结论 实验结果表明，DGTec-Opp的AUC-ROC达0.932，Accuracy@10为62.3%，相较于其他三种基线模型均有不同程度的提升，能够为技术机会发现提供可靠的预测支持。

  关键词： 技术机会发现; 动态图神经网络; 技术语义网络; 技术组合进化理论

   

  Abstract: Purpose/Significance In view of the problem that the existing technical opportunity discovery methods rely on static networks and it is difficult to capture the dynamic evolution law, a method of technical opportunity prediction based on dynamic graph neural network is proposed, aiming to provide intelligent decision support for the innovation of atheromatosis-related technologies. Methods/Process The patent data in the field of atherosclerosis from 2004 to 2024 were obtained from Incopat, the technical elements were extracted, and a dynamic technical semantic network containing the technical elements was constructed. A DGTec-Opp dynamic graph neural network model was proposed, and the atherosclerotic patent data was divided by sliding time window. The performance of the model is verified by comparative experiments. Result/Conclusion Experimental results show that the AUC ROC of DGTec-Opp is 0.932 and Accuracy@10 is 62.3%, which is improved in different degrees compared with the other three baseline models, and can provide reliable prediction support for technical opportunity discovery.

  Key words: technology opportunity discovery; dynamic graph neural network; technical semantic network; evolutionary theory of technology combination

  提交时间：2025-03-14

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 张春阳, 胡宏伟. 基于神经网络的老年护理人员工作能力预测机制研究 ——职业化发展视域. 2021. doi: 10.12201/bmr.202104.00022

  夏雨, 姚园, 苏悦, 吴少华. 基于决策树与神经网络模型的突发公共卫生事件下医务人员生命质量现状及影响因素研究. 2024. doi: 10.12201/bmr.202412.00006

  蔡欣欣, 洪素茹, 吴夏阳. 基于网络药理学及分子对接技术探究枫蓼肠胃康治疗肠易激综合征的分子机制. 2025. doi: 10.12201/bmr.202504.00022

  李威, 耿中利, 昂沙尔·苏来曼. 腔镜甲状腺癌手术中神经监测技术的演进. 2024. doi: 10.12201/bmr.202411.00051

  黄莹莹, 谢澳妮, 周子易, 孙礼强, 赖俊宇, 陈正涛, 伍建光. 基于三焦理论的内质网应激在动脉粥样硬化中作用研究进展. 2025. doi: 10.12201/bmr.202501.00011

  杜雪杰, 葛辉. 基于BP神经网络方法构建手足口病预测预警模型设计研究. 2021. doi: 10.12201/bmr.202102.00002

  王一凡, 石超君, 马安宁. Ⅱ型糖尿病并发动脉粥样硬化风险预测模型比较. 2024. doi: 10.12201/bmr.202404.00007

  李思颉, 刘芳艳, 贺明轶, 梁潇, 王长远, 常莹▲. 基于超声技术的急诊心脑疾病教学方法的探索. 2024. doi: 10.12201/bmr.202407.00022

  刘庆金, 王锐, 苗元青. 基于深度学习的无症状心肌缺血动态心电图智能检测研究. 2021. doi: 10.12201/bmr.202111.00009

  徐发新, 李雪伟. 模糊性政策执行模式的动态转换逻辑——以异地就医即时结算政策为例. 2024. doi: 10.12201/bmr.202405.00001

• 序号	提交日期	编号	操作
  1	2025-02-25	bmr.202503.00040V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论