數(shù)智賦能技術(shù)挖掘?qū)⒋髷?shù)據(jù)、人工智能、深度學(xué)習(xí)、自然語(yǔ)言處理等一
系列數(shù)智技術(shù)拓展、應(yīng)用和改進(jìn)到技術(shù)挖掘中，提高多種技術(shù)挖掘任務(wù)
的準(zhǔn)確性、可解釋性和多樣性，創(chuàng)新技術(shù)挖掘的研究理論和方法，支撐需求
驅(qū)動(dòng)的管理決策向數(shù)智驅(qū)動(dòng)的管理決策轉(zhuǎn)變。目前，技術(shù)挖掘的方法和技術(shù)
已經(jīng)取得一定進(jìn)展，但仍存在一些問(wèn)題需要通過(guò)數(shù)智賦能形成新理論與新方
法來(lái)解決，以提升技術(shù)挖掘的效果，使技術(shù)挖掘更加準(zhǔn)確，更能適應(yīng)時(shí)代需
求，更好地提供決策支持服務(wù)。這些問(wèn)題主要包括：對(duì)文本信息利用不夠全
面，不能從細(xì)粒度的角度挖掘文本中知識(shí)單元及知識(shí)間的語(yǔ)義關(guān)聯(lián)；挖掘方
法準(zhǔn)確性尚需提高，需要結(jié)合人工來(lái)分析，自動(dòng)化程度不夠，分析效率還需
提升；使用的數(shù)據(jù)源及方法分析維度較為單一，尚未將多源數(shù)據(jù)與多種方法
結(jié)合以進(jìn)行全面分析。因此，如何將數(shù)智賦能新理論和方法與傳統(tǒng)技術(shù)挖掘
方法相結(jié)合，形成新的研究視角、研究方法及研究框架，從不同層面深度挖
掘潛在知識(shí)，從而促進(jìn)技術(shù)創(chuàng)新，輔助管理決策，是當(dāng)前研究亟待解決的重
要問(wèn)題。
基于此，本書(shū)引入多種數(shù)智技術(shù)賦能技術(shù)挖掘，形成一系列新理論和新
方法，從技術(shù)主題演化路徑識(shí)別、技術(shù)主題演化語(yǔ)義關(guān)聯(lián)發(fā)現(xiàn)、技術(shù)融合關(guān)
系預(yù)測(cè)、技術(shù)融合價(jià)值評(píng)估和新興技術(shù)識(shí)別等方面開(kāi)展系列研究，主要包括
以下內(nèi)容。
①實(shí)體語(yǔ)義表示 技術(shù)挖掘：數(shù)智賦能下的技術(shù)主題演化路徑識(shí)別（第
3 章）。數(shù)智賦能下，知識(shí)單元抽取和表示已經(jīng)從詞匯粒度轉(zhuǎn)向更具體的實(shí)
體粒度，從淺層語(yǔ)義表示轉(zhuǎn)向深層語(yǔ)義表示。首先，該部分總結(jié)實(shí)體語(yǔ)義
表示賦能技術(shù)主題演化路徑識(shí)別的理論、方法和技術(shù)。其次，綜述研究基
礎(chǔ)，發(fā)現(xiàn)實(shí)體語(yǔ)義表示能更準(zhǔn)確地識(shí)別技術(shù)主題演化路徑，其結(jié)果更具可解
釋性。最后，設(shè)計(jì)BiLSTM-CRF 模型抽取專(zhuān)利技術(shù)實(shí)體，提出基于專(zhuān)利實(shí)
體語(yǔ)義表示的主題演化路徑識(shí)別方法，合并表示形式不同但語(yǔ)義相同的實(shí)
體，識(shí)別主題之間的消亡、新生、合并、分化和發(fā)展等主題演化關(guān)系，并在
無(wú)人機(jī)領(lǐng)域進(jìn)行實(shí)證和可視化分析。數(shù)智技術(shù)實(shí)體語(yǔ)義表示賦能技術(shù)主
題演化路徑識(shí)別，能夠更準(zhǔn)確地識(shí)別技術(shù)主題演化路徑，使結(jié)果更具可解釋
性，有利于管理人員和科研工作者準(zhǔn)確掌握技術(shù)更迭演進(jìn)過(guò)程，做出科學(xué)
決策。
②實(shí)體關(guān)系抽取 技術(shù)挖掘：數(shù)智賦能下的技術(shù)主題演化語(yǔ)義關(guān)聯(lián)發(fā)
現(xiàn)（第4 章）。數(shù)智賦能下，知識(shí)關(guān)聯(lián)發(fā)現(xiàn)逐漸從詞匯外層配對(duì)轉(zhuǎn)向詞義內(nèi)
層匹配，從比較籠統(tǒng)的共現(xiàn)關(guān)系分析轉(zhuǎn)向更加具體微觀的細(xì)粒度語(yǔ)義關(guān)聯(lián)發(fā)
現(xiàn)。首先，該部分總結(jié)實(shí)體關(guān)系抽取賦能技術(shù)主題演化語(yǔ)義關(guān)聯(lián)發(fā)現(xiàn)的
理論、方法和技術(shù)。其次，綜述研究基礎(chǔ)，發(fā)現(xiàn)實(shí)體關(guān)系抽取能更細(xì)粒度地
發(fā)現(xiàn)技術(shù)主題之間的語(yǔ)義關(guān)聯(lián)，更利于解釋演化發(fā)生的成因。最后，設(shè)計(jì)實(shí)
體關(guān)系抽取方法，研究主題演化語(yǔ)義關(guān)系判別指標(biāo)，提出基于實(shí)體關(guān)系抽取
的技術(shù)主題演化語(yǔ)義關(guān)聯(lián)發(fā)現(xiàn)方法，并在無(wú)人機(jī)領(lǐng)域進(jìn)行可視化分析，對(duì)演
化成因進(jìn)行解讀。數(shù)智技術(shù)實(shí)體關(guān)系抽取賦能技術(shù)主題演化語(yǔ)義關(guān)聯(lián)發(fā)
現(xiàn)，深化了主題演化路徑研究，有助于發(fā)掘技術(shù)演化成因，有利于把握技術(shù)
演化規(guī)律和發(fā)展態(tài)勢(shì)，選準(zhǔn)優(yōu)勢(shì)發(fā)展方向。
③復(fù)雜網(wǎng)絡(luò) 技術(shù)挖掘：數(shù)智賦能下的技術(shù)融合關(guān)系預(yù)測(cè)（第5 章）。
數(shù)智賦能下，復(fù)雜網(wǎng)絡(luò)能有效融合網(wǎng)絡(luò)結(jié)構(gòu)與文本內(nèi)容，使技術(shù)融合關(guān)系預(yù)
測(cè)更加全面準(zhǔn)確。首先，該部分總結(jié)復(fù)雜網(wǎng)絡(luò)賦能技術(shù)融合關(guān)系預(yù)測(cè)的
理論、方法和技術(shù)。其次，綜述研究基礎(chǔ)，發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)有利于計(jì)算專(zhuān)利分
類(lèi)間的關(guān)聯(lián)強(qiáng)度，據(jù)此能夠?qū)��?zhuān)利文本內(nèi)容更精確地分配給對(duì)應(yīng)的專(zhuān)利分
類(lèi)，實(shí)現(xiàn)更準(zhǔn)確的技術(shù)融合關(guān)系預(yù)測(cè)。最后，融合多種網(wǎng)絡(luò)結(jié)構(gòu)和文本特
征，形成多種相似性指標(biāo)，提出基于復(fù)雜網(wǎng)絡(luò)的技術(shù)融合關(guān)系預(yù)測(cè)方法，并
在物聯(lián)網(wǎng)領(lǐng)域進(jìn)行了實(shí)證分析。數(shù)智技術(shù)復(fù)雜網(wǎng)絡(luò)賦能技術(shù)融合關(guān)系預(yù)
測(cè)，能更準(zhǔn)確、更全面地預(yù)測(cè)技術(shù)融合可能發(fā)生的領(lǐng)域、方向和主題，并使
結(jié)果更具可解釋性，有利于科研管理人員把握科研領(lǐng)域前沿動(dòng)態(tài)。
④機(jī)器學(xué)習(xí) 技術(shù)挖掘：數(shù)智賦能下的技術(shù)融合價(jià)值評(píng)估（第6 章）。
技術(shù)融合價(jià)值評(píng)估逐漸從定性評(píng)估轉(zhuǎn)向流程化、規(guī)范化的智能化定量評(píng)估。
首先，該部分總結(jié)機(jī)器學(xué)習(xí)賦能技術(shù)融合價(jià)值評(píng)估的理論、方法和技
術(shù)。其次，綜述研究基礎(chǔ)，發(fā)現(xiàn)機(jī)器學(xué)習(xí)能夠融合多種指標(biāo)，不僅能夠判斷
哪些技術(shù)融合具有價(jià)值，還能定量評(píng)估價(jià)值是多少。最后，構(gòu)建技術(shù)知識(shí)流
動(dòng)網(wǎng)絡(luò)，設(shè)計(jì)影響力和成長(zhǎng)潛力等指標(biāo)，提出基于機(jī)器學(xué)習(xí)的技術(shù)融合價(jià)值
評(píng)估方法，并在物聯(lián)網(wǎng)領(lǐng)域定量評(píng)估技術(shù)融合價(jià)值，對(duì)結(jié)果進(jìn)行分析解釋。
數(shù)智技術(shù)機(jī)器學(xué)習(xí)賦能技術(shù)融合價(jià)值評(píng)估，能夠從多角度出發(fā)，綜合、
定量地對(duì)技術(shù)融合價(jià)值進(jìn)行計(jì)算，有利于行業(yè)研究者綜合考量技術(shù)融合的經(jīng)
濟(jì)價(jià)值與技術(shù)價(jià)值，準(zhǔn)確把握研發(fā)重點(diǎn)。
⑤深度學(xué)習(xí) 多源數(shù)據(jù)技術(shù)挖掘：數(shù)智賦能下的新興技術(shù)識(shí)別（第7
章）。數(shù)智賦能下，深度學(xué)習(xí)能夠有效融合多源異構(gòu)數(shù)據(jù)并進(jìn)行深層次語(yǔ)義
表示，使得新興技術(shù)識(shí)別和預(yù)測(cè)更加全面準(zhǔn)確。首先，該部分總結(jié)深度學(xué)
習(xí)賦能新興技術(shù)識(shí)別的理論、方法和技術(shù)。其次，綜述研究基礎(chǔ)，發(fā)現(xiàn)對(duì)
不同來(lái)源、不同類(lèi)型的數(shù)據(jù)資源進(jìn)行融合分析，能更全面地揭示新興技術(shù)的
發(fā)展現(xiàn)狀及趨勢(shì)，提高新興技術(shù)識(shí)別效果。最后，綜合利用論文、專(zhuān)利和行
業(yè)報(bào)告等多源數(shù)據(jù)，引入和改進(jìn)LSTM 深度學(xué)習(xí)模型預(yù)測(cè)相關(guān)技術(shù)的新興
分?jǐn)?shù)，提出基于深度學(xué)習(xí)的新興技術(shù)識(shí)別方法，并在人工智能領(lǐng)域進(jìn)行實(shí)
證，揭示不同數(shù)據(jù)源的影響，分析和解釋識(shí)別結(jié)果。數(shù)智技術(shù)深度學(xué)習(xí)
賦能新興技術(shù)識(shí)別，綜合考慮多源異構(gòu)數(shù)據(jù)，自動(dòng)學(xué)習(xí)特征間復(fù)雜非線(xiàn)性關(guān)
聯(lián)，形成新興技術(shù)識(shí)別方法，能夠更準(zhǔn)確、更高效地識(shí)別新興技術(shù)方向，支
撐科研布局。