热点事件持续更新
专利技术复用轨迹的学习与预测：基于出现时间信号
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
该研究基于201,710项美国专利（2002-2022），利用GRU自编码器潜在空间k-means聚类构建标签，探索新兴技术复用轨迹。七个出现时间特征在one-vs-rest宏ROC-AUC达0.914，仅用出现年份达0.874；GBDT在轨迹形状任务上得0.831（全特征）和0.740（精选特征）。出现时间特征分区与GRU标签仅略高于随机（ARI≈0.04），不构成复用模式分类法。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Computers and Society专利技术复用轨迹的学习与预测：基于出现时间信号
研究基于201,710项美国专利（2002-2022）的新兴技术复用轨迹，用GRU自编码器潜在空间k-means聚类构建标签。七个出现时间特征在one-vs-rest宏ROC-AUC达0.914，仅用出现年份达0.874；GBDT在轨迹形状任务上得0.831（全特征）和0.740（精选特征）。出现时间特征分区与GRU标签仅略高于随机（ARI≈0.04），不构成复用模式分类法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。