机器学习技术发展现状与国际竞争分析
发布时间：2021-03-03 13:19
[目的/意义]机器学习作为人工智能的关键核心技术,受到了前所未有的重视和快速发展。深入研究其发展现状和竞争格局,有助于为企业战略和相关产业政策制定提供科学决策依据。[方法/过程]基于DII数据库和WOS数据库,从发展阶段、热点与核心领域识别、竞争国家对比三方面,对该技术领域发展现状、竞争格局进行了分析。[结果/结论]机器学习技术处于快速成长期,我国目前也处于快速发展期;我国在技术结构布局上存在短板;美国的专利活动最强,我国也属于技术活跃者;美国的专利质量最高,我国与其相差较大;互联网企业是重要推动力量;热点领域有智能诊断、自动驾驶仪、教育辅助、语音识别、计算机视觉等;核心领域有排序、学习、知识处理、搜索、模糊逻辑系统、专家系统等。
【文章来源】：现代情报. 2019,39(10)CSSCI
【文章页数】：12 页
【部分图文】：
主要竞争国家专利申请总量
图5主要竞争国家专利申请年度分布图6主要竞争国家专利市场布局4.2.2主要竞争国家专利申请技术领域对比分析通过分析专利的IPC分类号，可以清楚主要竞争国家的技术关注焦点，识别技术市场，抢占技术制高点。为了了解5个主要竞争国家的技术关注焦点情况，全球及美、中、日、韩和加拿大专利申请数量前十IPC小类示于图7中。从总体来看，全球关注的机器学习技术领域依次是G06F(电数字数据处理)、G06N(基于特定计算模型的计算机系统)、G06K(数据识别)、G06Q(用于行政、金融监督或预测目的的数据处理系统)、H04L(数字信息的传输)、G06T(一般的图像数据处理)、A61B(诊断;外科;鉴定)、G05B(一般的控制或调节系统)、H04N(图像通信)、G01N(借助于测定材料的化学或物理性质来测试或分析材料)。美国最关注的技术领域依次是:G06F、G06N、G06Q、H04L、G06K、G06T、A61B、H04W(无线通信网络)、H04N、G01N;我国最关注的技术领域依次是:G06F、G06K、G06N、G06Q、H04L、G06T、G09B(教育或演示用具)、G05B、H04N、A61B;日本最关注的技术领域依次是:G06F、G06N、G06T、G05B、G06Q、G06K、A61B、B25J—171—2019年10月第39卷第10期现代情报JournalofModernInformationOct．，2019Vol.39No.10
图9主要竞争国家专利活动测量指标值活动总分值位于我国之后，研发活动比较活跃，韩国和日本相对来说在机器学习技术领域的研发不太活跃。4.4.2主要竞争国家专利质量对比分析针对以往研究的不足，对专利质量指标进行优化，增加专利权人合作指标，用此指标来衡量各主要竞争国家相关研发机构的活跃程度，活跃程度一定程度上影响着国家竞争实力，计算方法是各国家在机器学习领域申请专利中有1个以上的专利权人的专利数量。专利质量指标包括技术范围(反映某个国家在某个领域的技术覆盖范围［18］，技术范围越大，包含的技术应用领域越多，技术范围越小，包含的技术应用领域越少)、国际范围(指在哪些国家申请专利，专利经济性和技术性重要性越高，就会在越多的国家申请专利，反之，就会在较少的国家申请专利)、核心专利数量和专利权人合作。各个专利质量指标列于表4中。对计算后的指标进行标准化(见表5)，也同样进行了可视化(见图10)。表4专利质量测量指标概述项目专利指标运算定义专利质量技术范围专利所属IPC类别数国际范围同族专利平均数量核心专利数量被引次数不少于13次的专利数量合作有1个以上的专利权人的专利数量图10表明:美国的专利质量水平最高，其中，除“国际范围”这一指标外，其他3项指标均处表5主要竞争国家专利质量测量指标值专利指标美国中国日本韩国加拿大技术范围1.000.430.340.240.25国际范围0.250.150.290.341核心专利数量1.000.070.030.070.09合作1.000.230.180.060.09专利质量3.250.880.840.711.43图10主要竞争国家专利质量测量指标值于5个国家最大值;专利质量排名第二位的是加
【参考文献】：
期刊论文
[1]基于专利情报的石墨烯产业技术竞争态势研究[J]. 杨曦,余翔,刘鑫. 情报杂志. 2017(12)
[2]燃气轮机技术全球专利态势分析[J]. 李婧,古翔,蔡静,许海云,宋时立,肖国华. 世界科技研究与发展. 2017(06)
[3]人工智能 下一代数字转型的创新力与颠覆力[J]. 科学观察. 2017(05)
[4]教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J]. 闫志明,唐夏夏,秦旋,张飞,段元美. 远程教育杂志. 2017(01)
[5]基于德温特数据库的关键共性技术分析[J]. 杜宏巍. 中国市场. 2016(31)
[6]基于ESTP-Chain四维分析法的老年福祉技术竞争态势分析[J]. 黄鲁成,常兰兰,苗红,吴菲菲. 科技管理研究. 2016(12)
[7]基于专利计量的全球碳纳米管领域技术创新特征分析[J]. 刘云,刘璐,闫哲,程旖婕. 科研管理. 2016(S1)
[8]社会网络视角下战略性新兴产业的专利情报研究[J]. 车尧,李雪梦,璐羽. 情报科学. 2015(07)
[9]大数据时代机器学习的新趋势[J]. 陈康,向勇,喻超. 电信科学. 2012(12)
[10]核心专利的识别方法及其实证研究[J]. 孙涛涛,唐小利,李越. 图书情报工作. 2012(04)
本文编号：3061333
【文章来源】：现代情报. 2019,39(10)CSSCI
【文章页数】：12 页
【部分图文】：
主要竞争国家专利申请总量
图5主要竞争国家专利申请年度分布图6主要竞争国家专利市场布局4.2.2主要竞争国家专利申请技术领域对比分析通过分析专利的IPC分类号，可以清楚主要竞争国家的技术关注焦点，识别技术市场，抢占技术制高点。为了了解5个主要竞争国家的技术关注焦点情况，全球及美、中、日、韩和加拿大专利申请数量前十IPC小类示于图7中。从总体来看，全球关注的机器学习技术领域依次是G06F(电数字数据处理)、G06N(基于特定计算模型的计算机系统)、G06K(数据识别)、G06Q(用于行政、金融监督或预测目的的数据处理系统)、H04L(数字信息的传输)、G06T(一般的图像数据处理)、A61B(诊断;外科;鉴定)、G05B(一般的控制或调节系统)、H04N(图像通信)、G01N(借助于测定材料的化学或物理性质来测试或分析材料)。美国最关注的技术领域依次是:G06F、G06N、G06Q、H04L、G06K、G06T、A61B、H04W(无线通信网络)、H04N、G01N;我国最关注的技术领域依次是:G06F、G06K、G06N、G06Q、H04L、G06T、G09B(教育或演示用具)、G05B、H04N、A61B;日本最关注的技术领域依次是:G06F、G06N、G06T、G05B、G06Q、G06K、A61B、B25J—171—2019年10月第39卷第10期现代情报JournalofModernInformationOct．，2019Vol.39No.10
图9主要竞争国家专利活动测量指标值活动总分值位于我国之后，研发活动比较活跃，韩国和日本相对来说在机器学习技术领域的研发不太活跃。4.4.2主要竞争国家专利质量对比分析针对以往研究的不足，对专利质量指标进行优化，增加专利权人合作指标，用此指标来衡量各主要竞争国家相关研发机构的活跃程度，活跃程度一定程度上影响着国家竞争实力，计算方法是各国家在机器学习领域申请专利中有1个以上的专利权人的专利数量。专利质量指标包括技术范围(反映某个国家在某个领域的技术覆盖范围［18］，技术范围越大，包含的技术应用领域越多，技术范围越小，包含的技术应用领域越少)、国际范围(指在哪些国家申请专利，专利经济性和技术性重要性越高，就会在越多的国家申请专利，反之，就会在较少的国家申请专利)、核心专利数量和专利权人合作。各个专利质量指标列于表4中。对计算后的指标进行标准化(见表5)，也同样进行了可视化(见图10)。表4专利质量测量指标概述项目专利指标运算定义专利质量技术范围专利所属IPC类别数国际范围同族专利平均数量核心专利数量被引次数不少于13次的专利数量合作有1个以上的专利权人的专利数量图10表明:美国的专利质量水平最高，其中，除“国际范围”这一指标外，其他3项指标均处表5主要竞争国家专利质量测量指标值专利指标美国中国日本韩国加拿大技术范围1.000.430.340.240.25国际范围0.250.150.290.341核心专利数量1.000.070.030.070.09合作1.000.230.180.060.09专利质量3.250.880.840.711.43图10主要竞争国家专利质量测量指标值于5个国家最大值;专利质量排名第二位的是加
【参考文献】：
期刊论文
[1]基于专利情报的石墨烯产业技术竞争态势研究[J]. 杨曦,余翔,刘鑫. 情报杂志. 2017(12)
[2]燃气轮机技术全球专利态势分析[J]. 李婧,古翔,蔡静,许海云,宋时立,肖国华. 世界科技研究与发展. 2017(06)
[3]人工智能 下一代数字转型的创新力与颠覆力[J]. 科学观察. 2017(05)
[4]教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J]. 闫志明,唐夏夏,秦旋,张飞,段元美. 远程教育杂志. 2017(01)
[5]基于德温特数据库的关键共性技术分析[J]. 杜宏巍. 中国市场. 2016(31)
[6]基于ESTP-Chain四维分析法的老年福祉技术竞争态势分析[J]. 黄鲁成,常兰兰,苗红,吴菲菲. 科技管理研究. 2016(12)
[7]基于专利计量的全球碳纳米管领域技术创新特征分析[J]. 刘云,刘璐,闫哲,程旖婕. 科研管理. 2016(S1)
[8]社会网络视角下战略性新兴产业的专利情报研究[J]. 车尧,李雪梦,璐羽. 情报科学. 2015(07)
[9]大数据时代机器学习的新趋势[J]. 陈康,向勇,喻超. 电信科学. 2012(12)
[10]核心专利的识别方法及其实证研究[J]. 孙涛涛,唐小利,李越. 图书情报工作. 2012(04)
本文编号：3061333
本文链接：https://www.wllwen.com/jiaoyulunwen/jgkg/3061333.html
