Please wait a minute...
Advanced Search
数据分析与知识发现  2023, Vol. 7 Issue (8): 62-77     https://doi.org/10.11925/infotech.2096-3467.2022.0724
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
基于知识网络与多维技术创新地图的技术机会识别路径研究与应用*
冯立杰1,2,刘可辉1(),王金凤2,张珂3,张世斌4
1郑州大学管理学院 郑州 450001
2上海海事大学中国（上海）自贸区供应链研究院 上海 201306
3郑州大学信息管理学院 郑州 450001
4华北水利水电大学机械学院 郑州 450046
Identifying Opportunities Based on Knowledge Network and Multidimensional Map of Technology Innovation
Feng Lijie1,2,Liu Kehui1(),Wang Jinfeng2,Zhang Ke3,Zhang Shibin4
1School of Management, Zhengzhou University, Zhengzhou 450001, China
2China Institute of FTZ Supply Chain, Shanghai Maritime University, Shanghai 201306, China
3School of Information Management, Zhengzhou University, Zhengzhou 450001, China
4School of Mechanical Engineering, North China University of Water Resources and Electric Power, Zhengzhou 450046, China
全文: PDF (3297 KB)   HTML ( 20 ) 
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】利用知识网络与多维技术创新地图精准识别技术机会，进而提升企业的核心竞争力。【方法】通过现有专利数据挖掘技术关键词并划分创新维度，通过构建知识网络研判技术关键词及创新维度的重要度，进而结合多维技术创新地图进行技术机会识别并确定优先级。【结果】获取钛白废酸制备硫酸钡工艺2012-2021年的专利数据，系统阐述了所提方法的应用过程。研究结果表明，通过所提方法识别的5种技术机会能够为企业靶向选择创新方向提供有益的决策理论支持。【局限】 仅基于已有专利进行技术关键词的筛选，未从技术进步趋势角度予以综合考虑。【结论】基于知识网络与多维技术创新地图进行技术机会识别，能够提高识别结果的精准性。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
冯立杰
刘可辉
王金凤
张珂
张世斌
关键词 ： 技术机会识别,  知识网络,  专利分析,  多维技术创新地图    
Abstract：

[Objective] This paper aims to accurately identify technology opportunities using a knowledge network and multidimensional map of technology innovation, which will enhance the enterprises’ core competitiveness. [Methods] Firstly, we extracted technology keywords based on existing patent data and created innovation dimensions. Secondly, we constructed a knowledge network to analyze the importance of keywords and innovation dimensions. Finally, we identified technology opportunities and determined their priority with the multidimensional map of technology innovation. [Results] We examined the new method with patent data of barium sulfate preparation from titanium dioxide waste acid (from 2012 to 2021). We found that the five types of technological opportunities identified by this method can provide helpful theoretical decision-making support for enterprises to choose innovative directions. [Limitations] We only examined the new method with existing patents and technology keywords. We should have comprehensively studied technology development trends. [Conclusions] Identifying technology opportunities based on knowledge networks and multidimensional maps of technology innovation can improve the accuracy of identification results.
Key words： Technology Opportunity Identification    Knowledge Network    Patent Analysis    Multidimensional Map of Technology Innovation
收稿日期: 2022-07-14      出版日期: 2023-03-22
ZTFLH:  G306  
  G301  
基金资助:* NSFC-河南联合基金重点项目(U1904210-4);上海市科技计划项目(20040501300);郑州大学青年人才企业合作创新团队支持计划项目(132-32320423)
通讯作者: 刘可辉， ORCID：0000-0002-6906-8965，E-mail：lk135646829251@163.com。   
引用本文:   
冯立杰, 刘可辉, 王金凤, 张珂, 张世斌. 基于知识网络与多维技术创新地图的技术机会识别路径研究与应用*[J]. 数据分析与知识发现, 2023, 7(8): 62-77.
Feng Lijie, Liu Kehui, Wang Jinfeng, Zhang Ke, Zhang Shibin. Identifying Opportunities Based on Knowledge Network and Multidimensional Map of Technology Innovation. Data Analysis and Knowledge Discovery, 2023, 7(8): 62-77.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2022.0724      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2023/V7/I8/62
Fig.1  基于知识网络与多维技术创新地图的技术机会识别路径研究框架
Fig.2  技术机会生成过程
项目 说明
检索平台 中国知识产权网专利信息服务平台（http://search.cnipr.com）
检索表达式 名称，摘要，主权项，说明书=
（（钛白废酸 or 钛白粉废酸） or （硫酸钡 and （制备 or 改性 or 沉淀））） and 分类号=（ C01F or C02F or C09）
时间范围 2012—2021年
检索时间 2021年11月
检索结果 2 876条
Table 1  专利检索方案
序号 技术关键词 词频 序号 技术关键词 词频
1 硫酸钡 1 663 26 硫酸铵 143
2 纳米 439 27 碳酸钡 106
3 搅拌 411 28 硫化钠 96
4 干燥 324 29 球状 95
5 沉淀 316 30 重晶石 74
6 洗涤 305 31 过氧化氢 68
7 过滤 302 32 钡盐 66
8 质量 274 33 碳酸锂 63
9 时间 265 34 改性剂 60
10 硫酸 259 35 分散剂 60
11 温度 256 36 盐酸 59
12 水溶液 253 37 碳酸钠 48
13 分离离心 231 38 陈化 48
14 浓度 231 39 氢氧化钠 45
15 摩尔比 224 40 活性剂 44
16 废酸 209 41 冷却 43
17 反应器 205 42 除杂 38
18 研磨 197 43 硫酸锰 37
19 硫酸钠 172 44 硫酸钙 33
20 pH值 168 45 乙醇 32
21 加热 158 46 硫酸锂 31
22 硫化钡 152 47 酸钠 31
23 粒径 149 48 片状 30
24 速度 147 49 硫化亚铁 29
25 氯化钡 144 50 超声 27
Table 2  钛白废酸制备硫酸钡工艺相关专利中词频排序前50的技术关键词
维度 技术关键词
材料维 硫酸钡 硫酸 水溶液 废酸 硫酸钠 硫化钡 氯化钡 碳酸钡 硫酸铵 硫化钠 重晶石 钡盐 过氧化氢 乙醇 碳酸锂 改性剂 分散剂 盐酸 碳酸钠 氢氧化钠 活性剂 硫酸锰 硫酸钙 硫酸锂 酸钠 硫化亚铁
机理维 搅拌 干燥 沉淀 洗涤 过滤 分离离心 反应器 研磨 加热 陈化 冷却 除杂 超声
空间维 纳米 质量 时间 温度 浓度 摩尔比 pH值 粒径 速度 球状 片状
Table 3  钛白废酸制备硫酸钡工艺创新维度划分
Fig.3  钛白废酸制备硫酸钡工艺全领域知识网络
Fig.4  钛白废酸制备硫酸钡工艺各创新维度知识网络
词频
排序		 技术关键词 度中心性 词频
排序		 技术关键词 中介中心性
1 硫酸钡 1 791 1 硫酸钡 9.920
2 纳米 660 2 纳米 5.874
3 搅拌 1 280 3 搅拌 9.920
4 干燥 1 889 4 干燥 8.771
5 沉淀 985 5 沉淀 8.684
6 洗涤 1 834 6 洗涤 8.771
7 过滤 1 579 7 过滤 9.920
8 质量 1 253 8 质量 7.831
9 时间 2 139 9 时间 9.920
10 硫酸 2 241 10 硫酸 9.920
11 温度 1 879 11 温度 9.920
12 水溶液 1 014 12 水溶液 9.920
13 分离离心 1 281 13 分离离心 9.920
14 浓度 1 291 14 浓度 9.920
15 摩尔比 1 520 15 摩尔比 8.771
17 反应器 462 18 研磨 7.157
18 研磨 888 19 硫酸钠 6.189
19 硫酸钠 774 20 pH值 9.124
20 pH值 2 194 21 加热 8.313
21 加热 881 22 硫化钡 8.072
22 硫化钡 567 23 粒径 9.920
23 粒径 1 223 24 速度 6.091
24 速度 1 541 25 氯化钡 6.392
25 氯化钡 746 26 硫酸铵 8.771
26 硫酸铵 589 28 硫化钠 8.469
28 硫化钠 657 31 过氧化氢 3.716
33 碳酸锂 559 32 钡盐 7.831
39 氢氧化钠 915 36 盐酸 7.248
45 乙醇 474 39 氢氧化钠 6.159
47 酸钠 998 47 酸钠 7.831
Table 4  钛白废酸制备硫酸钡工艺单一指标值排名前30的技术关键词
技术关键词 正理想解
距离D		 负理想解
距离D-		 相对接近度C 排序
结果
硫酸钡 0.269 1.239 0.822 5
纳米 1.375 0.056 0.039 27
搅拌 0.574 1.087 0.654 11
干燥 0.353 1.066 0.751 6
沉淀 0.810 0.738 0.477 15
洗涤 0.374 1.042 0.736 8
过滤 0.395 1.169 0.747 7
质量 0.784 0.634 0.447 16
时间 0.061 1.372 0.957 2
硫酸 0 1.414 1 1
温度 0.216 1.271 0.855 4
水溶液 0.733 1.035 0.585 14
分离离心 0.573 1.087 0.655 10
浓度 0.568 1.09 0.658 9
摩尔比 0.516 0.915 0.639 12
研磨 1.058 0.371 0.259 23
硫酸钠 1.272 0.146 0.103 26
pH值 0.199 1.261 0.864 3
加热 0.904 0.631 0.411 17
硫化钡 1.099 0.543 0.331 22
粒径 0.608 1.074 0.638 13
速度 1.035 0.584 0.361 21
氯化钡 1.248 0.167 0.118 25
硫酸铵 1.027 0.716 0.411 18
硫化钠 1.012 0.644 0.389 19
氢氧化钠 1.221 0.219 0.152 24
酸钠 0.904 0.548 0.377 20
Table 5  钛白废酸制备硫酸钡工艺TOPSIS综合评价法计算结果
序号 关键词 点度中心度 中介中心度
1 pH值 964 0.111
2 时间 889 0.111
3 温度 734 0.111
4 速度 639 0.111
5 摩尔比 613 0.111
6 浓度 518 0.111
7 质量 473 0.111
8 粒径 473 0.111
9 纳米 284 0.111
10 球状 120 0
11 片状 25 0
Table 6  钛白废酸制备硫酸钡工艺空间维技术关键词的重要度
序号 关键词 点度中心度 中介中心度
1 洗涤 651 0.2
2 干燥 650 0.2
3 过滤 538 0.2
4 分离离心 472 0.2
5 搅拌 417 0.2
6 研磨 360 0.2
7 沉淀 347 0.2
8 加热 312 0.2
9 反应器 160 0.2
10 冷却 97 0
11 超声 70 0.2
12 除杂 69 0
13 陈化 61 0
Table 7  钛白废酸制备硫酸钡工艺机理维技术关键词的重要度
序号 关键词 点度中心度 中介中心度
1 硫酸 842 7.467
2 硫酸钡 649 7.467
3 水溶液 353 7.467
4 酸钠 407 4.844
5 硫化钡 216 4.893
6 盐酸 194 4.844
7 氢氧化钠 346 3.563
8 钡盐 133 4.844
9 硫酸钠 322 3.203
10 氯化钡 288 3.321
11 硫化钠 159 3.807
12 废酸 178 2.579
13 过氧化氢 83 2.905
14 硫酸铵 142 2.282
15 分散剂 76 2.296
16 乙醇 172 1.438
17 碳酸钠 129 1.598
18 硫酸锂 57 1.284
19 改性剂 91 0.857
20 碳酸钡 98 0.507
21 硫化亚铁 87 0.575
22 重晶石 71 0.476
23 硫酸钙 48 0.286
24 活性剂 50 0.129
25 硫酸锰 13 0.063
26 硫化氢 13 0
Table 8  钛白废酸制备硫酸钡工艺材料维技术关键词的重要度
Fig.5  钛白废酸制备硫酸钡工艺多维技术创新地图
技术机会 创新维度
空间维 机理维 材料维
技术机会一 3 2 6+7+12
技术机会二 7 14
技术机会三 9 9
技术机会四 10 3 5+26
技术机会五 11
Table 9  钛白废酸制备硫酸钡工艺各技术机会的优先级
[1] 翟东升, 郭程, 张杰, 等. 采用异常检测的技术机会识别方法研究[J]. 现代图书情报技术, 2016(10): 81-90.
[1] (Zhai Dongsheng, Guo Cheng, Zhang Jie, et al. Identifying Technology Opportunities with Anomaly Detection Technique[J]. New Technology of Library and Information Service, 2016(10): 81-90.)
[2] 韩燕, 彭爱东. 基于技术形成三要素的技术机会识别研究——以医疗服务机器人领域技术为例[J]. 情报理论与实践, 2020, 43(5): 156-162.
[2] (Han Yan, Peng Aidong. Study on Technology Opportunity Identification Based on Elements of Technology Formation: A Case of the Technology of Medical Service Robot[J]. Information Studies: Theory & Application, 2020, 43(5): 156-162.)
[3] Song K, Kim K S, Lee S. Discovering New Technology Opportunities Based on Patents: Text-Mining and F-term Analysis[J]. Technovation, 2017, 60-61: 1-14.
[4] Lee J, Ko N, Yoon J, et al. An Approach for Discovering Firm-Specific Technology Opportunities: Application of Link Prediction to F-term Networks[J]. Technological Forecasting and Social Change, 2021, 168: 120746.
doi: 10.1016/j.techfore.2021.120746
[5] 任佳妮, 张薇, 杨阳, 等. “人工智能+医疗”新兴技术识别研究——以医疗机器人为例[J]. 情报杂志, 2021, 40(12): 45-50.
[5] (Ren Jiani, Zhang Wei, Yang Yang, et al. Research on Identification of Emerging Technologies of “Artificial Intelligence + Medical”—As the Case of Medical Robot[J]. Journal of Intelligence, 2021, 40(12): 45-50.)
[6] Ma T T, Zhou X, Liu J, et al. Combining Topic Modeling and SAO Semantic Analysis to Identify Technological Opportunities of Emerging Technologies[J]. Technological Forecasting and Social Change, 2021, 173: 121159.
doi: 10.1016/j.techfore.2021.121159
[7] Yoon B, Park I, Yun D, et al. Exploring Promising Vacant Technology Areas in a Technology-Oriented Company Based on Bibliometric Analysis and Visualisation[J]. Technology Analysis & Strategic Management, 2019, 31(4): 388-405.
[8] Lee C, Jeon D, Ahn J M, et al. Navigating a Product Landscape for Technology Opportunity Analysis: A Word2Vec Approach Using an Integrated Patent-Product Database[J]. Technovation, 2020, 96-97: 102140.
[9] Russo D, Spreafico M, Precorvi A. Discovering New Business Opportunities with Dependent Semantic Parsers[J]. Computers in Industry, 2020, 123: 103330.
doi: 10.1016/j.compind.2020.103330
[10] Mun C, Yoon S, Raghavan N, et al. Function Score-Based Technological Trend Analysis[J]. Technovation, 2021, 101: 102199.
doi: 10.1016/j.technovation.2020.102199
[11] Teng F, Sun Y L, Chen F, et al. Technology Opportunity Discovery of Proton Exchange Membrane Fuel Cells Based on Generative Topographic Mapping[J]. Technological Forecasting and Social Change, 2021, 169: 120859.
doi: 10.1016/j.techfore.2021.120859
[12] 黄鲁成, 李晓宇, 李晋. 基于专利的ABOD-RFM技术机会识别方法研究[J]. 情报理论与实践, 2020, 43(9): 144-149.
doi: 10.16353/j.cnki.1000-7490.2020.09.021
[12] (Huang Lucheng, Li Xiaoyu, Li Jin. Research on Technology Opportunity Identification Method of ABOD-RFM Based on Patent[J]. Information Studies: Theory & Application, 2020, 43(9): 144-149.)
doi: 10.16353/j.cnki.1000-7490.2020.09.021
[13] 冯立杰, 尤鸿宇, 王金凤. 专利技术创新路径识别及其新颖性评价研究[J]. 情报学报, 2021, 40(5): 513-522.
[13] (Feng Lijie, You Hongyu, Wang Jinfeng. Research on the Path of Patent Innovation Technology Opportunities and Their Evaluation[J]. Journal of the China Society for Scientific and Technical Information, 2021, 40(5): 513-522.)
[14] 刘自强, 岳丽欣, 许海云, 等. 时序共词网络构建及其动态可视化研究[J]. 情报学报, 2020, 39(2): 186-198.
[14] (Liu Ziqiang, Yue Lixin, Xu Haiyun, et al. Construction of a Temporal Co-word Network and Its Dynamic Visualization[J]. Journal of the China Society for Scientific and Technical Information, 2020, 39(2): 186-198.)
[15] Zhu X, Zhang Y Q. Co-word Analysis Method Based on Meta-path of Subject Knowledge Network[J]. Scientometrics, 2020, 123(2): 753-766.
doi: 10.1007/s11192-020-03400-0
[16] Ba Z C, Mao J, Ma Y X, et al. Exploring the Effect of City-Level Collaboration and Knowledge Networks on Innovation: Evidence from Energy Conservation Field[J]. Journal of Informetrics, 2021, 15(3): 101198.
doi: 10.1016/j.joi.2021.101198
[17] 许海云, 王超, 岳增慧, 等. 基于知识网络强弱关系变迁测度新兴主题的未来不确定性[J]. 情报理论与实践, 2021, 44(11): 89-98.
doi: 10.16353/j.cnki.1000-7490.2021.11.013
[17] (Xu Haiyun, Wang Chao, Yue Zenghui, et al. A Measurement Method to the Uncertainty Trend of Emerging Research Topics Using the Changes in Knowledge Network Strength[J]. Information Studies: Theory & Application, 2021, 44(11): 89-98.)
doi: 10.16353/j.cnki.1000-7490.2021.11.013
[18] Yang Z L, Zhang W J, Yuan F, et al. Measuring Topic Network Centrality for Identifying Technology and Technological Development in Online Communities[J]. Technological Forecasting and Social Change, 2021, 167: 120673.
doi: 10.1016/j.techfore.2021.120673
[19] 张振刚, 罗泰晔. 基于知识网络的技术预见研究[J]. 科学学研究, 2019, 37(6): 961-967.
[19] (Zhang Zhengang, Luo Taiye. Research on Technology Foresight Based on Knowledge Network[J]. Studies in Science of Science, 2019, 37(6): 961-967.)
[20] 许鑫, 陈路遥, 杨佳颖. 数字人文研究领域的知识网络演化——基于题录信息和引文上下文的关键词共词分析[J]. 情报学报, 2019, 38(3): 322-334.
[20] (Xu Xin, Chen Luyao, Yang Jiaying. Knowledge Network Evolvement in Digital Humanities Domain: Based on Keywords Co-word Analysis of Bibliography and Citation Context[J]. Journal of the China Society for Scientific and Technical Information, 2019, 38(3): 322-334.)
[21] Behrouzi S, Sarmoor Z S, Hajsadeghi K, et al. Predicting Scientific Research Trends Based on Link Prediction in Keyword Networks[J]. Journal of Informetrics, 2020, 14(4): 101079.
doi: 10.1016/j.joi.2020.101079
[22] Gao Q, Liang Z T, Wang P, et al. Potential Index: Revealing the Future Impact of Research Topics Based on Current Knowledge Networks[J]. Journal of Informetrics, 2021, 15(3): 101165.
doi: 10.1016/j.joi.2021.101165
[23] 王金凤, 吴敏, 岳俊举, 等. 创新过程的技术机会识别路径研究——基于专利挖掘和形态分析[J]. 情报理论与实践, 2017, 40(8): 82-86.
doi: 1016353/jcnki10007490201708015
[23] (Wang Jinfeng, Wu Min, Yue Junju, et al. Research on the Path of Technology Opportunity Identification in the Innovation Process[J]. Information Studies: Theory & Application, 2017, 40(8): 82-86.)
doi: 1016353/jcnki10007490201708015
[24] 冯立杰. 元易创新方法: 技术创新的九维九法[M]. 重庆: 重庆大学出版社, 2020: 26-42.
[24] (Feng Lijie. Yuanyi Innovation Method: Nine Dimensions and Nine Methods of Technological Innovation[M]. Chongqing: Chongqing University Press, 2020: 26-42.)
[25] 冯立杰, 曾小红, 王金凤, 等. 一种三级技术机会识别方法及其应用——基于SAO语义分析和多维技术创新地图[J]. 科技进步与对策, 2021, 38(19): 1-10.
[25] (Feng Lijie, Zeng Xiaohong, Wang Jinfeng, et al. A Three Level Method for Technology Opportunity Identification and Its Application Based on SAO Semantic Analysis and Multidimensional Map of Technology Innovation[J]. Science & Technology Progress and Policy, 2021, 38(19): 1-10.)
[26] 冯立杰, 曹健, 王金凤, 等. 基于FBS和多维技术创新地图的技术创新机会识别方法及其应用[J]. 情报理论与实践, 2020, 43(12): 89-95.
doi: 10.16353/j.cnki.1000-7490.2020.12.014
[26] (Feng Lijie, Cao Jian, Wang Jinfeng, et al. Method and Application of Technology Innovation Opportunity Recognition Based on FBS and Multidimensional Map of Technology Innovation[J]. Information Studies: Theory & Application, 2020, 43(12): 89-95.)
doi: 10.16353/j.cnki.1000-7490.2020.12.014
[27] Saad S E, Yang J. Twitter Sentiment Analysis Based on Ordinal Regression[J]. IEEE Access, 2019, 7: 163677-163685.
doi: 10.1109/ACCESS.2019.2952127
[28] Liu Q, Zheng Z Q, Zheng J B, et al. Health Communication Through News Media During the Early Stage of the COVID-19 Outbreak in China: Digital Topic Modeling Approach[J]. Journal of Medical Internet Research, 2020, 22(4): e19118.
doi: 10.2196/19118
[29] 曹兴, 孙绮悦. 新兴技术知识网络跨界融合的机理与实证研究[J]. 科学学研究, 2021, 39(5): 854-866.
[29] (Cao Xing, Sun Qiyue. The Mechanism of Cross-Border Integration of Emerging Technology Knowledge Network and Its Empirical Research[J]. Studies in Science of Science, 2021, 39(5): 854-866.)
[30] 熊回香, 周鑫, 杨梦婷. SNA视角下的微博健康医疗领域信息交互研究[J]. 情报科学, 2021, 39(2): 9-17.
[30] (Xiong Huixiang, Zhou Xin, Yang Mengting. Health Information Interaction Research Based on SNA in Microblog[J]. Information Science, 2021, 39(2): 9-17.)
[31] 陈烨, 王乐, 陈天雨, 等. 基于社会网络分析的社会化问答平台用户画像研究[J]. 情报学报, 2021, 40(4): 414-423.
[31] (Chen Ye, Wang Le, Chen Tianyu, et al. Research on User Profile of Social Q&A Platform Participants Based on Social Network Analysis[J]. Journal of the China Society for Scientific and Technical Information, 2021, 40(4): 414-423.)
[32] 李芝倩, 樊士德. 长三角城市群网络结构研究——基于社会网络分析方法[J]. 华东经济管理, 2021, 35(6): 31-41.
[32] (Li Zhiqian, Fan Shide. Research on Network Structure of Yangtze River Delta Urban Agglomeration:Based on Social Network Analysis[J]. East China Economic Management, 2021, 35(6): 31-41.)
[33] 黄卫华, 姚宗浩. 粤港澳大湾区高校间科研合作创新的现状和空间结构——基于中国知网数据库的社会网络分析[J]. 科技管理研究, 2022, 42(7): 87-93.
[33] (Huang Weihua, Yao Zonghao. Current Situation and Spatial Structure of Scientific Research Cooperation and Innovation Among Universities in Guangdong-Hong Kong-Macao Greater Bay Area: Analysis of Social Networks Based on the National Knowledge Infrastructure Database[J]. Science and Technology Management Research, 2022, 42(7): 87-93.)
[34] 陈英. 基于组合赋权-TOPSIS法的高校图书馆数字资源服务绩效评价[J]. 图书情报工作, 2020, 64(2): 59-67.
doi: 10.13266/j.issn.0252-3116.2020.02.007
[34] (Chen Ying. Comprehensive Evaluation Value of the Digital Resource Service of University Libraries Based on the Combined Weighting Model and TOPSIS Method[J]. Library and Information Service, 2020, 64(2): 59-67.)
doi: 10.13266/j.issn.0252-3116.2020.02.007
[35] Song Y W, Wang H R, Wang R, et al. Novel Approach for High-Efficiency Recovery of Titanium Dioxide, Hydrochloric Acid, and Organic Solvents from Titanium White Waste Acid[J]. Journal of Cleaner Production, 2021, 315: 128105.
doi: 10.1016/j.jclepro.2021.128105
[36] 张梅. 烧碱氟硅酸钠法制冰晶石联产白炭黑工艺研究[J]. 无机盐工业, 2010, 42(4): 36-38.
[36] (Zhang Mei. Research on Production Process of Cryolite and By-Product Silica White by Sodium Hydroxide-Sodium Fluosilicate Method[J]. Inorganic Chemicals Industry, 2010, 42(4): 36-38.)
[37] 祁海平, 杜建豹, 蔡元庚. 硫酸法钛白废酸及副产硫酸亚铁综合利用[J]. 山东化工, 2021, 50(20): 256-257.
[37] (Qi Haiping, Du Jianbao, Cai Yuangeng. Comprehensive Utilization of Waste Acid and Ferrous Sulfate from Titanium Dioxide Production by Sulfuric Acid Process[J]. Shandong Chemical Industry, 2021, 50(20): 256-257.)
[38] 李玉霞, 任真, 郭建平. 纳米硫酸钡的改性研究[J]. 应用化工, 2021, 50(3): 724-726.
[38] (Li Yuxia, Ren Zhen, Guo Jianping. Study on Modification of Nano Barium Sulfate[J]. Applied Chemical Industry, 2021, 50(3): 724-726.)
[39] 叶飞飞, 郭晓燕, 侯静, 等. 双微乳液法制备纳米硫酸钡颗粒[J]. 化工学报, 2018, 69(6): 2767-2774.
doi: 10.11949/j.issn.0438-1157.20171265
[39] (Ye Feifei, Guo Xiaoyan, Hou Jing, et al. Synthesis of BaSO4Nanoparticles by Double Microemulsion Method[J]. CIESC Journal, 2018, 69(6): 2767-2774.)
doi: 10.11949/j.issn.0438-1157.20171265
[40] 杨海舟, 秦玲玲, 陈钢. 钛白废酸回收及综合利用研究进展[J]. 广东化工, 2018, 45(16): 118-119.
[40] (Yang Haizhou, Qin Lingling, Chen Gang. Research Progress for Recovery and Comprehensive Utilization of Waste Acid from Titanium Dioxide Production[J]. Guangdong Chemical Industry, 2018, 45(16): 118-119.)
[41] 张振刚, 罗泰晔. 基于知识组合理论的技术机会发现[J]. 科研管理, 2020, 41(8): 220-228.
[41] (Zhang Zhengang, Luo Taiye. Technology Opportunity Discovery Based on Knowledge Combination Theory[J]. Science Research Management, 2020, 41(8): 220-228.)
[42] 张振刚, 罗泰晔. 基于RFM模型和随机行动者导向模型的技术机会识别[J]. 情报学报, 2021, 40(1): 53-61.
[42] (Zhang Zhengang, Luo Taiye. Technology Opportunity Identification Based on RFM Model and Stochastic Actor-Oriented Model[J]. Journal of the China Society for Scientific and Technical Information, 2021, 40(1): 53-61.)
[1] 吴菊华,王煜,黎明,蔡少云. 基于加权知识网络的在线健康社区用户知识发现*[J]. 数据分析与知识发现, 2019, 3(2): 108-117.
[2] 李姝影, 方曙. 测度技术融合与趋势的数据分析方法研究进展*[J]. 数据分析与知识发现, 2017, 1(7): 2-12.
[3] 张云, 华薇娜, 袁顺波, 苏保朵. WoS数据库中专利分析论文的主题动态演进研究[J]. 现代图书情报技术, 2015, 31(1): 17-23.
[4] 韩红旗,桂婕,徐硕,刘玉琴. 基于专利文本数据的技术实力评价方法*[J]. 现代图书情报技术, 2014, 30(1): 66-71.
[5] 王丽, 张冬荣, 张晓辉, 杨小薇, 吴鸣. 利用主题自动标引生成技术功效矩阵[J]. 现代图书情报技术, 2013, (5): 80-86.
[6] 刘春江, 刘丹军, 文奕. 基于Solr的专利在线分析系统的设计与实现[J]. 现代图书情报技术, 2013, 29(2): 88-92.
[7] 顾立平. 专利排名算法——运用引用次数与引文网络计算美国专利的研究[J]. 现代图书情报技术, 2011, 27(6): 14-19.
[8] 陈颖, 张晓林. 专利中技术词和功效词识别方法研究[J]. 现代图书情报技术, 2011, 27(12): 24-30.
[9] 陈颖, 张晓林. 专利技术功效矩阵构建研究进展[J]. 现代图书情报技术, 2011, (11): 1-8.
[10] 张鹏 刘平 唐田田 高祥林 邓亮 孙大龙. 布拉德福定律在专利分析系统中的应用[J]. 现代图书情报技术, 2010, 26(7/8): 84-87.
[11] 唐田田,刘平,张鹏,葛富斌,李明. 冈珀兹曲线模型在专利发展趋势预测中的应用[J]. 现代图书情报技术, 2009, 25(11): 59-63.
[12] 杨璧嘉,张旭. 专利网络分析在技术路线图中的应用[J]. 现代图书情报技术, 2008, 24(5): 61-66.
[13] 王曰芬,徐丹丹,李飞. 专利信息内容挖掘及其试验研究*[J]. 现代图书情报技术, 2008, 24(12): 59-65.
[14] 颜端武,张秀梅,邬尚君. 在线专利分析软件的应用：企业技术创新性与竞争性分析*[J]. 现代图书情报技术, 2008, 24(12): 66-72.
[15] 岑咏华,王雪芬,傅志诚. 在线专利分析软件开发的关键技术及实现*[J]. 现代图书情报技术, 2008, 24(11): 49-55.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址：北京市海淀区中关村北四环西路33号 邮编：100190
电话/传真：(010)82626611-6626，82624938
E-mail:jishu@mail.las.ac.cn