集成电路应用杂志社

摘要：阐述在PatentsView平台中，通过R语言收集“人工智能”行业专利数据，基于CPC分类号构建专利引证网络，利用图表示学习融合节点属性进行特征表示，训练GraphSAGE模型，对当前网络进行技术融合机会链路预测。结果显示，该方法在AUC指标上，相比Node2Vec、LINE和DeepWalk三种常用图嵌入模型，预测效率分别提升了6.4%、9.2%和2.5%，实现了更精准的预测。分析表明，图表示学习的引入提高了“人工智能”行业技术融合机会预测分析的准确性和有效性。

关键词： 技术融合机会;专利引证网络;图表示学习;链接预测;

DOI： 10.19339/j.issn.1674-2583.2025.11.032

专辑： 信息科技;基础科学

专题： 数学;自动化技术;图书情报与数字图书馆

分类号： O157.5;TP18;G255.53