基于链路预测的潜在专利合作关系研究

摘要

发明人合作是专利合作的显著表现形式之一，通过构建合作网络，挖掘潜在的合作关系，有助于预测专利合作网络中发明人的未来合作趋势.考虑合作网络节点的位置信息和属性信息，首先，引入社交网络中的链路预测方法计算节点位置的相似性；其次，将发明人的研究方向作为节点的属性信息，分别运用Doc2vec和TF-IDF建立研究方向的向量耦合矩阵，计算发明人研究方向之间的余弦相似度，衡量发明人研究方向的相近性；最后，构建基于链路预测算法与发明人研究方向的混合算法，从而预测发明人的潜在合作关系.在国内知识图谱领域进行实证研究发现，TF-IDF在该领域的预测效果较好，并且在链路预测算法的基础上，通过融入研究方向相近性矩阵，预测精度得到了较好的提升.

关键词

专利合作 / 链路预测 / 知识图谱 / Doc2vec / TF-IDF