Hot eventLive
专利技术复用轨迹的学习与预测：基于出现时间信号
1 reports1 sources3 hr ago updated
Get the story
AI overview
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。
Generated from reports · updated 2 hr ago
Timeline
Follow the coverage from different angles.
Oct 2, 2026
- 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。
Heat trend
There is not enough continuous observation data to draw a trend yet.