Abstract

In recent years, as the importance of user innovation has become more important, enterprises have started to demand efficient and systematic user needs analysis for their products or services. Although opinion mining research based on a large number of online reviews available has been actively conducted recently, most existing studies that analyze user needs for technology development have provided inaccurate results due to the differences in vocabulary that exist between databases holding social data and patents. Motivated by this problem, we propose an approach to exploring technology opportunities that analyzes the subject-action-object (SAO) structures found in both patents and user reviews. To achieve this, we first carried out a sentiment analysis on user-review sentences linked to user needs, from this SAO analysis we extracted ample information related to technological structures contained in the reviews. Second, since in patent analysis, patent documents are structured in terms of the technological elements present, we extracted the technology’s SAO structures using their F-term code that contains multidimensional information available in this technology classification system. Finally, we vectorized the SAO structures derived from the reviews and patent documents using SAO2Vec before calculating the cosine similarity between SAOs in order to connect the reviews and patents. By applying the method proposed in this study to the automobile field, we present technological opportunities found in patents to address user needs found in automobile reviews.

摘要

近年来，随着用户创新的重要性日益凸显，企业开始要求对其产品或服务进行高效、系统的用户需求分析。尽管基于大量在线评论的观点挖掘研究最近已在积极进行，但由于保存社交数据和专利的数据库之间存在词汇差异，大多数分析用户对技术开发需求的现有研究都提供了不准确的结果。受这个问题的启发，我们提出了一种探索技术机会的方法，该方法分析专利和用户评论中发现的主-动-客体（SAO）结构。为了实现这一目标，我们首先对与用户需求相关的用户评论句子进行了情感分析，从 SAO 的分析中，我们提取了与评论中包含的技术结构相关的大量信息。其次，由于在专利分析中，专利文档是根据现有技术元素构建的，因此我们使用包含该技术分类系统中可用的多维信息的 F 项代码提取技术的 SAO 结构。最后，我们使用 SAO2Vec 对从评论和专利文档导出的 SAO 结构进行矢量化，然后计算 SAO 之间的余弦相似度，以将评论和专利联系起来。通过将本研究中提出的方法应用于汽车领域，我们提出了专利中发现的技术机会，以满足汽车评论中发现的用户需求。由于在专利分析中，专利文档是根据现有技术元素构建的，因此我们使用包含该技术分类系统中可用的多维信息的 F 项代码提取技术的 SAO 结构。最后，我们使用 SAO2Vec 对从评论和专利文档导出的 SAO 结构进行矢量化，然后计算 SAO 之间的余弦相似度，以将评论和专利联系起来。通过将本研究中提出的方法应用于汽车领域，我们提出了专利中发现的技术机会，以满足汽车评论中发现的用户需求。由于在专利分析中，专利文档是根据现有技术元素构建的，因此我们使用包含该技术分类系统中可用的多维信息的 F 项代码提取技术的 SAO 结构。最后，我们使用 SAO2Vec 对从评论和专利文档导出的 SAO 结构进行矢量化，然后计算 SAO 之间的余弦相似度，以将评论和专利联系起来。通过将本研究中提出的方法应用于汽车领域，我们提出了专利中发现的技术机会，以满足汽车评论中发现的用户需求。我们使用包含该技术分类系统中可用的多维信息的 F 项代码提取了该技术的 SAO 结构。最后，我们使用 SAO2Vec 对从评论和专利文档导出的 SAO 结构进行矢量化，然后计算 SAO 之间的余弦相似度，以将评论和专利联系起来。通过将本研究中提出的方法应用于汽车领域，我们提出了专利中发现的技术机会，以满足汽车评论中发现的用户需求。我们使用包含该技术分类系统中可用的多维信息的 F 项代码提取了该技术的 SAO 结构。最后，我们使用 SAO2Vec 对从评论和专利文档导出的 SAO 结构进行矢量化，然后计算 SAO 之间的余弦相似度，以将评论和专利联系起来。通过将本研究中提出的方法应用于汽车领域，我们提出了专利中发现的技术机会，以满足汽车评论中发现的用户需求。