新能源汽车下GTM逆向映射的创新机会洞察

本文主要探讨了"基于GTM逆向映射的技术创新机会识别"这一主题，作者许学国和桂美增，来自上海大学管理学院，针对新能源汽车行业的技术创新进行了深入研究。技术创新机会识别对于企业来说至关重要，它可以帮助企业在技术竞争中占据先机，形成科技优势。本文提出了一种创新的方法，利用生成式拓扑映射（GTM）进行识别。 首先，研究者构建了一个基于BERT-LSTM的文本分类模型，这种深度学习模型能够有效对科学研究文献（包括SCI论文和德温特专利数据）进行主题识别，提高了数据分析的精确度。通过自然语言处理（NLP）技术，他们进一步对论文摘要和专利文本进行词性标注，以挖掘出各研究领域中的关键技术词汇，这有助于理解技术发展的热点和趋势。 接着，GTM算法被应用于绘制技术地图，这是一种可视化工具，能够直观展示不同数据源所涵盖的技术研究领域。关键在于，通过GTM的逆向映射功能，研究人员可以快速、客观地识别出那些处于技术空白或潜力巨大的新兴技术领域，为企业的技术布局决策提供有力的数据支持。 以新能源汽车为例，研究结果表明，基于BERT-LSTM的文本分类模型在预测精度上优于其他模型，证明了这种方法的有效性。通过论文和专利数据构建的技术地图不仅展示了研究现状，还能通过逆向映射揭示未被充分利用的技术机会，这对于提升企业的技术创新能力具有实际应用价值。 这篇文章为技术创新机会识别提供了一种新颖且实用的策略，即结合深度学习、机器学习和GTM算法，为企业的技术研发和市场定位提供了科学依据。这对于相关领域的研究者来说，无疑是一份富有启示性的研究成果。读者可参考以下引用格式： 许学国，桂美增. 基于GTM逆向映射的技术创新机会识别——以新能源汽车为例[J]. 情报理论与实践，2021, 44(6): 146-153. 通过阅读和应用这些理论，企业和技术开发者可以更好地洞察技术动态，抓住创新机遇，推动行业的持续发展。