融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)的企校創(chuàng)新合作推薦研究

閆曉慧 馬博聞 鄧三鴻 王蔚萍

(1.南京大學(xué)信息管理學(xué)院，江蘇 南京 210023；2.江蘇省數(shù)據(jù)工程與知識服務(wù)重點實驗室，江蘇 南京 210023；3.江蘇螞蟻云數(shù)據(jù)技術(shù)有限公司，江蘇 南京 210008)

在全球新一輪的科技革命中，科技創(chuàng)新是引領(lǐng)發(fā)展的第一動力，科技產(chǎn)業(yè)逐漸成為各個國家(地區(qū))的發(fā)展引擎[1]。2022年兩會通過的政府工作報告[2]強(qiáng)調(diào)，要促進(jìn)科技創(chuàng)新，強(qiáng)化企業(yè)創(chuàng)新的主體地位，深入實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，依靠創(chuàng)新提高發(fā)展質(zhì)量。雖然我國目前已經(jīng)成為世界第二大經(jīng)濟(jì)體，但是其創(chuàng)新體系仍存在一定的缺陷[3]。同時，高校是技術(shù)創(chuàng)新和科技創(chuàng)新的源泉，深入企業(yè)和高校合作，對于應(yīng)對當(dāng)前復(fù)雜的網(wǎng)絡(luò)化創(chuàng)新問題具有重要意義，對于科學(xué)發(fā)展也具有極其深遠(yuǎn)的實踐意義[4]。

持續(xù)推進(jìn)科技創(chuàng)新，深化企校合作，首要的任務(wù)就是為企業(yè)尋找最佳的高校合作伙伴，來促進(jìn)科技成果轉(zhuǎn)移轉(zhuǎn)化。企業(yè)尋求高校合作有助于突破供給約束堵點，實現(xiàn)企校共贏[5]。專利和論文是科技創(chuàng)新的主要表現(xiàn)形式，也是發(fā)明創(chuàng)新的主要成果，對專利和論文進(jìn)行分析可以較好地反映具體產(chǎn)業(yè)的技術(shù)程度。如何通過專利和論文尋找恰當(dāng)?shù)暮献鳈C(jī)構(gòu)，成為當(dāng)前科學(xué)研究中的又一重要課題。

1 文獻(xiàn)回顧

企業(yè)和高校等機(jī)構(gòu)合作可以促進(jìn)科技成果快速轉(zhuǎn)化為技術(shù)，市場需求通過企業(yè)傳遞到高校等研究機(jī)構(gòu)給科研創(chuàng)新方向做指導(dǎo)。到目前為止，國內(nèi)外對于企業(yè)和高校之間的合作研究已經(jīng)取得了較為豐碩的成果。綜合而言，當(dāng)前國內(nèi)外學(xué)者針對企業(yè)和高校等機(jī)構(gòu)間的合作研究主要集中在3個方面：其一是對企業(yè)和高校等機(jī)構(gòu)之間合作動機(jī)的研究。產(chǎn)學(xué)研機(jī)構(gòu)合作有助于實現(xiàn)突破式創(chuàng)新[6]，企業(yè)和高校等機(jī)構(gòu)之間的合作動機(jī)分為資助動機(jī)、學(xué)習(xí)動機(jī)和使命動機(jī)3種[7]。企業(yè)通過和高校等機(jī)構(gòu)合作能夠降低運行成本、風(fēng)險以及與生產(chǎn)技術(shù)相關(guān)的多種不確定性[8]，并且其自身分擔(dān)成本和風(fēng)險的能力對參與合作的意愿具有顯著影響[9]。企業(yè)和高校之間的專利合作有利于促進(jìn)經(jīng)濟(jì)發(fā)展，并且有必要進(jìn)一步提升高校在該合作中的參與度[10]。其二是關(guān)于企業(yè)和高校合作中的具體問題研究。機(jī)構(gòu)合作對于企業(yè)、高校和科研機(jī)構(gòu)三方都會帶來積極影響[11]，協(xié)同創(chuàng)新過程中涉及的指標(biāo)有助于產(chǎn)學(xué)研合作管理[12]，機(jī)構(gòu)之間的地理距離對合作績效有很重要的影響[13]，產(chǎn)學(xué)研合作網(wǎng)絡(luò)中的平均路徑長度會影響企業(yè)的創(chuàng)新[14]。政府資助對于企業(yè)和高校之間的合作效率存在著顯著的抑制作用[15]，SE-SBM模型常用來進(jìn)行產(chǎn)學(xué)研合作效率的演化研究[16]。專利和新產(chǎn)品是機(jī)構(gòu)合作相關(guān)研究中常采用的創(chuàng)新產(chǎn)出指標(biāo)[17]，從論文—專利角度切入產(chǎn)學(xué)研合作網(wǎng)絡(luò)可探索機(jī)構(gòu)潛在合作機(jī)會[18]。其三是對企業(yè)和高校等機(jī)構(gòu)合作整體研究。大學(xué)、產(chǎn)業(yè)、政府、公眾與公民社會、自然環(huán)境五者之間的相互作用關(guān)系被稱為五螺旋模型[19]。具體研究中，可以從大學(xué)角度出發(fā)，對比產(chǎn)學(xué)研創(chuàng)新合作的模式[20]，Agrawal A K[21]總結(jié)了企業(yè)特征、大學(xué)特征、知識溢出地理特征和知識轉(zhuǎn)移渠道等方面的相關(guān)研究。此外，中國[22]、中美兩國[3]、斯洛文尼亞共和國[23]、日本[24]、意大利區(qū)域[25]、金磚五國[26]等國家(地區(qū))級別的產(chǎn)學(xué)研合作也備受科研人員的關(guān)注。

綜上所述，國內(nèi)外的研究大多基于合作后的機(jī)構(gòu)共現(xiàn)情況進(jìn)行分析，針對合作前的機(jī)構(gòu)推薦工作的研究較少，并且推薦方法比較單一，涉及的維度也較少。因此，本文從企業(yè)角度入手，分內(nèi)容挖掘和引用基礎(chǔ)兩個方面來進(jìn)行企校合作機(jī)構(gòu)推薦綜合研究，前者主要用來分析機(jī)構(gòu)的科研重點，后者著重表示機(jī)構(gòu)對前人研究的主動選擇性。本研究能夠幫助企業(yè)實現(xiàn)特定研究領(lǐng)域下的高校合作伙伴尋找，以期為我國企校合作提供參考支持。

2 融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)的企校創(chuàng)新合作推薦模型構(gòu)建

2.1 模型總架構(gòu)

本文構(gòu)建的融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)的企校創(chuàng)新合作推薦模型，首先從德溫特創(chuàng)新索引庫和Web of Science核心合集數(shù)據(jù)庫進(jìn)行專利和論文數(shù)據(jù)收集與預(yù)處理，與此同時，通過專利與論文信息的內(nèi)容挖掘相似度計算和引用基礎(chǔ)相似度計算兩個方面進(jìn)行模型構(gòu)建，其中，基于專利與論文信息的內(nèi)容挖掘相似度計算部分又分為基于細(xì)分領(lǐng)域的相似度計算和基于關(guān)鍵詞的相似度計算兩個部分，最后進(jìn)行組合推薦。具體的模型構(gòu)建框架如圖1所示。

本模型構(gòu)建的核心部分是企校機(jī)構(gòu)間相似度計算，這一部分包含著基于細(xì)分領(lǐng)域相似度計算、基于機(jī)構(gòu)關(guān)鍵詞相似度計算和基于機(jī)構(gòu)引用基礎(chǔ)相似度計算3個部分。本文選用Jaccard相似系數(shù)進(jìn)行3個部分的相似度計算，其中關(guān)鍵詞相似度計算部分，引入TF-IDF算法進(jìn)行權(quán)重分析。3個部分的相似度計算完成后，通過專家咨詢法賦予權(quán)重進(jìn)行企校合作機(jī)構(gòu)的綜合推薦研究。

2.2 基于專利與論文信息的細(xì)分領(lǐng)域的相似度計算

德溫特專利數(shù)據(jù)庫收集的專利文獻(xiàn)信息全面可靠。該數(shù)據(jù)庫在收集到專利數(shù)據(jù)后，經(jīng)過專門的標(biāo)引人員根據(jù)具體的技術(shù)創(chuàng)新按照層級關(guān)系賦予該數(shù)據(jù)庫專有的分類代碼，又稱德溫特手工代碼，給每一個專利都賦予不止一個的分類代碼來體現(xiàn)該專利的核心內(nèi)容和主題。所以，德溫特分類代碼就相當(dāng)于整個數(shù)據(jù)庫中的“關(guān)鍵詞”，并且，值得注意的是，德溫特分類代碼一經(jīng)標(biāo)注，除非有新的技術(shù)領(lǐng)域或研究方向產(chǎn)生，否則是不會更改的，這也是該數(shù)據(jù)庫的主要特色之一[27]。WOS數(shù)據(jù)庫依照基本科學(xué)指標(biāo)數(shù)據(jù)庫(Essential Science Indicators，簡稱ESI)學(xué)科目錄對收錄文獻(xiàn)進(jìn)行分類，是圍繞基礎(chǔ)研究建立的同行評議、評估體系，沒有進(jìn)行分級設(shè)類，直接按照英文字母A～Z順序進(jìn)行排序，總類目共有251種。很多研究以德溫特分類代碼和科研成果的學(xué)科分類為計算基礎(chǔ)，判斷企業(yè)之間的合作可能性[28-29]。換言之，專利的德溫特分類代碼和論文的Web of Science學(xué)科分類在一定程度上可以說是專利和論文內(nèi)容的總結(jié)，在此，本文將德溫特分類代碼和學(xué)科分類代碼合并稱為細(xì)分領(lǐng)域。因此，機(jī)構(gòu)的創(chuàng)新研究重點可以通過其細(xì)分領(lǐng)域進(jìn)行表征。

機(jī)構(gòu)之間相似度的計算方法比較多，其中，Jaccard相似系數(shù)經(jīng)常用來計算研究機(jī)構(gòu)之間的相似度，并且Jaccard相似系數(shù)表示的是兩個機(jī)構(gòu)之間的交集和并集比值，能夠消除兩個機(jī)構(gòu)之間因體量大小導(dǎo)致的差異[30-31]。因此，本文采用Jaccard相似系數(shù)來計算機(jī)構(gòu)之間的相似度，具體到計算企業(yè)和高校之間的專利和論文研究的相似度。

企業(yè)(Enterprises，簡稱E)和高校(Universities，簡稱U)之間的Jaccard相似系數(shù)等于兩機(jī)構(gòu)之間的交集大小與并集大小的比值，具體表示見式(1)，取值范圍為[0,1]：

(1)

在本研究中，企業(yè)和高校兩機(jī)構(gòu)間基于細(xì)分領(lǐng)域的Jaccard相似系數(shù)Jmc的計算方法見式(2)：

(2)

其中，Jmc表示機(jī)構(gòu)之間的細(xì)分領(lǐng)域的Jaccard相似系數(shù)，Emc和Umc分別表示企業(yè)和高校的細(xì)分領(lǐng)域的具體數(shù)量，I(E,U)表示兩個機(jī)構(gòu)之間的細(xì)分領(lǐng)域的交集，Emc+Umc-I(E,U)表示兩個機(jī)構(gòu)之間的細(xì)分領(lǐng)域數(shù)量的并集。

2.3 基于專利與論文信息的內(nèi)容關(guān)鍵詞的相似度計算

通過挖掘?qū)＠c論文信息的內(nèi)容研究可用來尋找合作伙伴[32-33]。而專利與論文的內(nèi)容由不同的關(guān)鍵詞構(gòu)成，在具體的計算中，還需考慮關(guān)鍵詞的權(quán)重。首先，通過Python中Jieba分詞包進(jìn)行分詞；其次，剔除沒有實際意義的詞，并輔助以人工檢測進(jìn)行關(guān)鍵詞處理，同時將同一關(guān)鍵詞的不同形式、相同內(nèi)容的關(guān)鍵詞等進(jìn)行標(biāo)準(zhǔn)化處理；最終，得到每個機(jī)構(gòu)的關(guān)鍵詞表。

TF-IDF算法是當(dāng)前較為常見的一種計算集合內(nèi)關(guān)鍵詞權(quán)重的方法，可以用來計算一個機(jī)構(gòu)內(nèi)某個關(guān)鍵詞的權(quán)重。計算公式見式(3)：

(3)

其中，i是機(jī)構(gòu)專利與論文內(nèi)容關(guān)鍵詞的序號，Wti表示關(guān)鍵詞ti的內(nèi)容權(quán)重，tf(ti,d)指關(guān)鍵詞ti在機(jī)構(gòu)專利與論文內(nèi)容關(guān)鍵詞集合中出現(xiàn)的頻次，|D|是一個機(jī)構(gòu)的專利和論文數(shù)，df(ti)為機(jī)構(gòu)專利和論文中包含關(guān)鍵詞ti的專利和論文數(shù)。

根據(jù)TF-IDF算法得出機(jī)構(gòu)專利與論文內(nèi)容關(guān)鍵詞權(quán)重，選定合適數(shù)量的關(guān)鍵詞作為機(jī)構(gòu)專利與論文內(nèi)容的特征詞，最終通過Jaccard相似系數(shù)計算兩機(jī)構(gòu)之間的關(guān)鍵詞相似度集合Jkw。

2.4 基于專利與論文信息的引用基礎(chǔ)的相似度計算

專利申請和論文創(chuàng)作前期，研究人員需要對前人的相關(guān)研究進(jìn)行學(xué)習(xí)和繼承，才能有所突破，得到新的專利或論文成果，引用基礎(chǔ)就是對前人研究最直接和全面的反映。

同被引和耦合是引用分析中常用的兩種方法，當(dāng)兩個機(jī)構(gòu)的專利或論文同時被其他專利或者論文等引用時，機(jī)構(gòu)間存在同被引關(guān)系。兩個機(jī)構(gòu)的專利或論文同時引用同一份專利或者論文等的內(nèi)容，這兩個機(jī)構(gòu)之間的關(guān)系為耦合。兩者的主要區(qū)別在于耦合經(jīng)常被用來探索未來的發(fā)展傾向，同被引則主要用來回顧其具體的基礎(chǔ)情況[34]。引用耦合屬機(jī)構(gòu)的“主動”選擇，同被引則屬于機(jī)構(gòu)“被動”地選擇。因此，相對于同被引關(guān)系，本文認(rèn)為，引用基礎(chǔ)耦合更適合于企校機(jī)構(gòu)間相似性的研究。

將機(jī)構(gòu)專利與論文中引用的專利和論文全部抽取出來，構(gòu)建各個企業(yè)和高校的引用基礎(chǔ)數(shù)據(jù)集，最終通過Jaccard相似系數(shù)計算企業(yè)和高校之間的引用基礎(chǔ)相似度集合Jcb。

2.5 相似度整合

前文計算可以得到企校機(jī)構(gòu)間的相似度集合Jmc、Jkw、Jcb。為了更加合理地進(jìn)行模型構(gòu)建，本文采用專家咨詢法將3種相似度以一定的比例組合，得到企業(yè)和高校之間的專利和論文的相似度，整合后見式(4)：

Simi=α×Jmc+β×Jkw+γ×Jcb

(4)

其中，Simi表示兩個機(jī)構(gòu)在某一方面(用i表示)整合后的相似度，i取值為專利(p)、論文(a)；Jmc表示基于細(xì)分領(lǐng)域的相似度；Jkw表示基于機(jī)構(gòu)關(guān)鍵詞的相似度；Jcb表示基于機(jī)構(gòu)引用基礎(chǔ)的相似度，α+β+γ=1。

本文邀請5位了解“人工智能”領(lǐng)域的計量學(xué)專家對權(quán)重進(jìn)行兩輪的賦值，在少數(shù)服從多數(shù)的指導(dǎo)原則下，取5位專家賦值的平均數(shù)，并保留1位小數(shù)，最后得到3個方面的權(quán)重如下：Jmc∶Jkw∶Jcb=0.5∶0.3∶0.2。由此，得到式(5)：

Simi=0.5×Jmc+0.3×Jkw+0.2×Jcb

(5)

再次邀請這5位專家，對專利和論文對機(jī)構(gòu)相似度的權(quán)重進(jìn)行賦值，秉承求同存異的原則，得到Simp∶Sima=0.6∶0.4。這樣，得到融合專利和論文信息的內(nèi)容挖掘與引用基礎(chǔ)的企校創(chuàng)新合作推薦模型見式(6)，最終選擇以相似度排名前五的高校進(jìn)行推薦：

Sim=0.6×Simp+0.4×Sima

(6)

3 實證研究

3.1 數(shù)據(jù)收集

近年來，人工智能對社會和經(jīng)濟(jì)影響日益凸顯。我國自2015年以來，多次將人工智能的發(fā)展和規(guī)劃列入國家政策，各省市積極響應(yīng)中央號召，推出相應(yīng)的地方發(fā)展規(guī)劃和政策，逐步確立人工智能技術(shù)在我國戰(zhàn)略發(fā)展中的重要性。2022年政府工作報告中強(qiáng)調(diào)，促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展，要壯大人工智能等數(shù)字產(chǎn)業(yè)，提升關(guān)鍵軟硬件技術(shù)創(chuàng)新和供給能力。因此，本文選取“人工智能”主題下的專利和論文數(shù)據(jù)進(jìn)行分析。

本文的專利數(shù)據(jù)來源于德溫特創(chuàng)新索引數(shù)據(jù)庫(Derwent Innovations Index)中的專利數(shù)據(jù)，論文數(shù)據(jù)來源于Web of Science核心合集數(shù)據(jù)庫。其中，檢索式為“TS=(‘a(chǎn)rtificial intelligence*’ or ‘Depth learning*’ or ‘Natural language processing*’ or ‘Speech Recognition*’ or ‘Computer vision*’ or ‘Gesture control*’ or ‘smart robot*’ or ‘Video recognition*’ or ‘Voice translation*’ or ‘Image Recognition*’ or ‘Machine learning*’)”。為控制成果質(zhì)量，專利只選擇發(fā)明專利，文獻(xiàn)的類型為Article并且只選取SCI和SSCI兩個數(shù)據(jù)庫。時間限定為2012年1月1日—2021年12月31日，共收集到117 482條人工智能專利數(shù)據(jù)和153 165篇人工智能論文。

3.2 數(shù)據(jù)預(yù)處理

本文進(jìn)行的是我國企業(yè)和高校機(jī)構(gòu)之間的合作推薦研究，企業(yè)選擇的是由中國科學(xué)院旗下《互聯(lián)網(wǎng)周刊》聯(lián)合eNet研究院研究發(fā)布的“2020人工智能企業(yè)百強(qiáng)”榜單的前50強(qiáng)[35]，該單位已經(jīng)連續(xù)發(fā)布了2017—2020年的人工智能企業(yè)百強(qiáng)榜單，具有一定的連續(xù)性和權(quán)威性。高校樣本則選擇我國的985高校，這些高校是我國早期立項的教育領(lǐng)域的重點工程，同科研實力較強(qiáng)的很多企業(yè)有著比較穩(wěn)定持久的合作關(guān)系[36]。

數(shù)據(jù)預(yù)處理過程共分為三步：第一步，數(shù)據(jù)抽取。將“3.1數(shù)據(jù)收集”部分收集到的專利和論文數(shù)據(jù)逐條編碼，著重抽取出每條數(shù)據(jù)的機(jī)構(gòu)情況。如專利數(shù)據(jù)以“AE”字段為主，論文數(shù)據(jù)選擇“C1”字段中的作者機(jī)構(gòu)。根據(jù)從我國人工智能前50強(qiáng)企業(yè)和985高校的官網(wǎng)上收集其所有名稱，并將所有國內(nèi)機(jī)構(gòu)的數(shù)據(jù)全部抽取出來；第二步，機(jī)構(gòu)數(shù)據(jù)合并。將同一機(jī)構(gòu)的數(shù)據(jù)進(jìn)行合并，并且對各個機(jī)構(gòu)進(jìn)行唯一編碼，可得到我國前50強(qiáng)人工智能企業(yè)和高校的專利和論文的數(shù)量情況，具體如表1所示；第三步，數(shù)據(jù)庫建立。將第二部抽取出的不同機(jī)構(gòu)專利和論文數(shù)據(jù)分別建立數(shù)據(jù)庫，再將不同機(jī)構(gòu)的專利或論文數(shù)據(jù)分別根據(jù)“細(xì)分領(lǐng)域”“關(guān)鍵詞”和“引用基礎(chǔ)”3個方面進(jìn)行數(shù)據(jù)庫建立。

從表1分析，國內(nèi)前50強(qiáng)人工智能企業(yè)申請的專利共有8 899條，占所有專利的7.57%，論文共有19 980篇，占所有論文的13.04%。整體而言，我國人工智能前50強(qiáng)企業(yè)和高校申請的專利和論文的數(shù)量相對較少。從數(shù)據(jù)來看，企業(yè)申請的專利比高校申請的數(shù)量要多一些，其中，百度公司申請的專利最多，騰訊和平安科技公司緊隨其后，申請專利數(shù)量前四的機(jī)構(gòu)全部為企業(yè)。高校中浙江大學(xué)和清華大學(xué)申請的專利較其他高校多一些。論文成果量最多的機(jī)構(gòu)為清華大學(xué)，浙江大學(xué)和上海交通大學(xué)依次位列第二和第三；企業(yè)中阿里巴巴公司的論文發(fā)表量最高。

表1 我國前50強(qiáng)人工智能企業(yè)和高校的專利申請和論文發(fā)表情況

分別對企校機(jī)構(gòu)之間的合作情況進(jìn)行統(tǒng)計，可得論文中的機(jī)構(gòu)合作較專利多，故不做具體分析，我國前50強(qiáng)人工智能企業(yè)和高校機(jī)構(gòu)間的合作類型及合作次數(shù)如表2所示。

表2中，專利合作分為“企—校”“企—企”“校—校”3種，“企—校”合作(42次)次數(shù)最多，并且遠(yuǎn)遠(yuǎn)超過“企—企”和“校—校”之間的合作總和。其中，思必馳公司和上海交通大學(xué)之間的專利合作最多，思必馳公司的總部在江蘇蘇州，同上海交通大學(xué)聯(lián)合共建運營蘇州交馳人工智能研究院有限公司，全面負(fù)責(zé)智研院的商業(yè)運營工作。在前50強(qiáng)人工智能企業(yè)中，一共有7家企業(yè)參與專利合作，騰訊公司是參與專利合作最多的企業(yè)。

表2 前50強(qiáng)人工智能企業(yè)和高校的專利合作情況

3.3 機(jī)構(gòu)間相似度計算

企校機(jī)構(gòu)之間的相似度包含“細(xì)分領(lǐng)域”“關(guān)鍵詞”和“引用基礎(chǔ)”3個方面，本文利用“3.2數(shù)據(jù)預(yù)處理”部分建立的數(shù)據(jù)庫，通過式(5)分別計算企業(yè)和高校機(jī)構(gòu)之間專利和論文Jaccard相似度，具體計算結(jié)果如表3、表4所示。類型列中的“Jmc”“Jkw”“Jcb”“Simp”和“Sima”分別表示“細(xì)分領(lǐng)域相似度”“關(guān)鍵詞相似度”“引用基礎(chǔ)相似度”“專利信息下的機(jī)構(gòu)相似度”和“論文信息下的機(jī)構(gòu)相似度”。表3、表4中，百度公司和北京大學(xué)兩個機(jī)構(gòu)之間綜合內(nèi)容挖掘和引用基礎(chǔ)兩個方面的專利和論文整體相似度分別為4.45%和4.78%。整體分析可以得出，細(xì)分領(lǐng)域相似度對于企校機(jī)構(gòu)間相似度的區(qū)分性最高，其次為關(guān)鍵詞相似度，引用基礎(chǔ)相似度的區(qū)分性最低，在一定程度上印證了“2.5相似度整合”部分專家咨詢確定權(quán)重的科學(xué)性。

表3 專利信息下企業(yè)和高校機(jī)構(gòu)間的不同相似度(局部) %

表3(續(xù))

表4 論文信息下企業(yè)和高校機(jī)構(gòu)間的不同相似度(局部) %

表4(續(xù))

利用表3和表4的數(shù)據(jù)，再根據(jù)“2.5相似度整合”部分的式(6)，計算得出融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)的企校創(chuàng)新合作機(jī)構(gòu)間的相似度結(jié)果，具體結(jié)果如表5所示。百度公司和北京大學(xué)兩個機(jī)構(gòu)之間融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)的企校機(jī)構(gòu)間的相似度為4.58%，同北京航空航天大學(xué)的相似度為5.85%。

表5 融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)的企校機(jī)構(gòu)間的不同相似度(局部) %

3.4 推薦結(jié)果展示

根據(jù)表5的計算結(jié)果，得出企業(yè)與不同高校之間的“人工智能”領(lǐng)域的相似度排名，根據(jù)企校機(jī)構(gòu)間的相似度順序，為每一個企業(yè)推薦前5所合作高校，具體的推薦結(jié)果如表6所示。其中，中國人民大學(xué)的專利和論文的數(shù)量都不是最多的，但是被推薦的次數(shù)最多，究其原因，中國人民大學(xué)涉及“人工智能”方面的領(lǐng)域研究分布比較均勻，并沒有很明顯地側(cè)重于某些具體方向。從表1可得，清華大學(xué)、浙江大學(xué)和上海交通大學(xué)3所高校的“人工智能領(lǐng)域”成果較多，每個學(xué)校有其明顯的研究側(cè)重點，如本文為平安科技公司推薦上海交通大學(xué)為第一高校，兩個機(jī)構(gòu)在“數(shù)據(jù)庫應(yīng)用”和“神經(jīng)網(wǎng)絡(luò)”等方面的科研投入最為相似。

表6 人工智能前50強(qiáng)企業(yè)的合作高校推薦結(jié)果

4 比較研究與結(jié)果分析

4.1 比較研究

由表2可知，騰訊公司同高校的專利合作最多，因此，采用騰訊公司為研究對象作對比分析研究。LDA模型能夠?qū)ξ谋拘畔⒅械碾[含主題信息進(jìn)行建模，是當(dāng)前一種文本表示的常用方法[37]，因此，選擇LDA模型同本文構(gòu)建的模型進(jìn)行對比分析。LDA模型具體處理過程分三步：首先，將各機(jī)構(gòu)專利和論文的文檔進(jìn)行分詞、去除停用詞、詞形還原等處理；其次，基于預(yù)處理的數(shù)據(jù)訓(xùn)練LDA模型，主題數(shù)K從10開始取值，步長為5，最大取值到200，經(jīng)過嘗試，發(fā)現(xiàn)主題—困惑度曲線在K為10～115之間時較為陡峭，115之后趨于平緩。所以本文最終確定主題數(shù)為115。其他參數(shù)方面，Alpha設(shè)置為0.43(即50/K=50/115≈0.43)，Beta參數(shù)設(shè)為0.01。通過具體實驗，發(fā)現(xiàn)迭代500次左右，模型困惑度不再明顯下降，獲得最終的LDA主題模型；最后，通過LDA模型，每條文本被表示為115維的主題向量，各維數(shù)之和為1。由于一個機(jī)構(gòu)可能有多個文檔，本文采用向量平均化的方式來對不同機(jī)構(gòu)的專利文本主題向量進(jìn)行表示，之后，通過余弦相似度來計算各機(jī)構(gòu)的主題相似性。比較研究的具體結(jié)果如表7所示。

首先，本文構(gòu)建模型得出騰訊公司和高校之間的相似度在3.60%～9.55%之間，LDA模型得出的相似度范圍為41.02%～64.68%，本文構(gòu)建模型得出的企校機(jī)構(gòu)間的相似度遠(yuǎn)遠(yuǎn)小于LDA模型的結(jié)果，相對比較符合實際情況；其次，由于騰訊公司合作的高校有11所，按照兩種模型進(jìn)行合作高校前20推薦，由表7可知，本文模型得出的機(jī)構(gòu)未合作比例為65%，LDA模型得出的未合作比例為55%，本文構(gòu)建模型得到的機(jī)構(gòu)合作促進(jìn)空間稍大于LDA模型。因此，本文構(gòu)建的模型取得的結(jié)果較好。

表7 騰訊公司同國內(nèi)高校機(jī)構(gòu)間的相似度

4.2 結(jié)果分析

表2中共有6個企業(yè)同高校存在著人工智能領(lǐng)域的專利合作關(guān)系。本模型為除騰訊公司外的5個企業(yè)推薦的高校名單中，已經(jīng)存在合作和未合作的情況如表8所示。

表8 5個企業(yè)和高校機(jī)構(gòu)間已合作和未合作的情況

整體分析，5個企業(yè)同高校的已合作比例為16%，未合作比例為84%，未合作的比例遠(yuǎn)遠(yuǎn)大于已合作比例，因此，對促進(jìn)企校機(jī)構(gòu)之間進(jìn)行人工智能領(lǐng)域的合作空間比較大。5個企業(yè)中，華為和科大訊飛公司的推薦結(jié)果都包含了部分的或者全部的合作高校。其他的3所機(jī)構(gòu)中，Testin云測、湖南大學(xué)兩個機(jī)構(gòu)都比較關(guān)注圖像處理方面的研究；思必馳公司和重慶大學(xué)更加關(guān)注人工智能在新事物的識別中的作用；醫(yī)渡科技公司主要為醫(yī)療行業(yè)參與者提供數(shù)據(jù)分析和決策支持等服務(wù)，中國海洋大學(xué)申請的專利和發(fā)表的論文中包含基于深度學(xué)習(xí)的冠狀病毒患者行為跟蹤裝置，并且還有對醫(yī)療電子裝置等的研究。推動這兩個機(jī)構(gòu)合作，有助于醫(yī)學(xué)研究，也有利于實現(xiàn)智能化疾病管理。再以華為公司為例，本模型為華為公司推薦的5所高校中，華為同第一高校(電子科技大學(xué))和第二高校(清華大學(xué))在人工智能領(lǐng)域內(nèi)已經(jīng)存在合作關(guān)系，同其他3所高校在人工智能領(lǐng)域暫時沒有合作，但是華為公司已經(jīng)分別在2020年12月、2021年1月、2020年11月和天津大學(xué)、浙江大學(xué)、華南理工大學(xué)簽訂了產(chǎn)教融合等協(xié)同育人協(xié)議，相信它們之間在人工智能領(lǐng)域的合作指日可待。

5 結(jié) 語

本文構(gòu)建了一種融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)兩個方面的企校創(chuàng)新合作機(jī)構(gòu)推薦模型，并進(jìn)行了比較研究和結(jié)果分析。結(jié)果表明，本文構(gòu)建的企校合作推薦模型效果較好，能夠?qū)崿F(xiàn)為企業(yè)進(jìn)行針對性尋找高校合作伙伴的目標(biāo)。本模型的構(gòu)建對于當(dāng)前企校合作的相關(guān)研究具有一定的促進(jìn)作用，企業(yè)可根據(jù)自身的發(fā)展情況以及戰(zhàn)略目標(biāo)，明確合作技術(shù)主題，尋找特定領(lǐng)域的最佳合作高校，借助高校科研優(yōu)勢，達(dá)到在市場中取得一定競爭優(yōu)勢的目的。

雖然本研究為我國人工智能領(lǐng)域的企校機(jī)構(gòu)合作提供借鑒，但只選擇了國際專利和論文，在后續(xù)的研究和應(yīng)用中，可擴(kuò)大檢索范圍，從而為我國人工智能領(lǐng)域的發(fā)展提供更多參考。