.png){kind=icon}
返回
Research on technology evolution analysis method from the problem–solution-effect (PSE) three-dimensional perspective
.png){kind=icon}
OA
AI
DOI：10.1007/s11192-026-05820-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
技术演变分析对于识别技术机遇和发展创新战略至关重要。现有方法将专利表示为关键词、主题或句法三元组，忽视了发明过程的因果关系。本文引入一个PSE（问题-解决方案-效果）框架，将技术演变视为技术问题要素、解决方案要素和效果要素的动态变化。为运行PSE框架，我们提出了一种基于PSE的技术演变分析方法，通过从大型语言模型提取的相关专利句子中利用主题模型识别PSE要素，基于PSE要素间的共现关系构建PSE异构网络，并采用演化指标衡量PSE路径以识别新兴、热门和成熟路径。在“预训练大型模型”领域的实证研究识别出跨越28,757项专利的952条PSE路径，涉及15个技术问题、17个技术解决方案和15个技术效果。我们观察到解决“车辆检测和模型冗余”的方案从简单识别演变为高效智能方向，实现了模型复杂度的持续降低、检测精度和实时性能的提升。最新兴和最热门的路径（例如P2：复杂医学解码弱点-S3：多尺度语义先验融合-E5：医学图像分割优化）以及成熟路径也被识别出来，以帮助研发资源分配。未来研究将聚焦于PSE子要素提取、适应不同专利语言和法律管辖区，以及技术演变分析验证。
Keyword:
Technological evolution
Technical problem
Technical solution
Technical effect
Large language models (LLM)
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.5
论文数:
8.2K
被引数:
2.2W
机构
暂无机构信息
引用论文
分享收藏AI-driven opportunity forecasting for technology startup identification: Integrating graph embedding, LLMs, and informetric analysisAI驱动的技术创业识别机会预测：整合图嵌入、LLMs和科学计量分析
PREAI
分享收藏Technology opportunity prediction based on SAO representation learning基于SAO表示学习的技术机会预测.png)
Scientometrics
ScientometricsIF3.5
PREAI
分享收藏Technological trend mining: identifying new technology opportunities using patent semantic analysis
PREAI
分享收藏
查看更多内容