基于机器学习的方法对收敛技术系统进行聚类：以印刷电子为例

技术融合被认为是技术创新的基石之一，作为一种出现在两个以前无关的技术领域交叉点的新现象。新的技术系统是知识类型、技术组件和交叉点的新组合。为此，分析专利是战略决策中不可或缺的一部分。然而，大量专利语义的手动分析往往耗时长、工作量大，甚至对专家来说也非常困难。为了增强手动专利分析，新基于机器学习的技术越来越受到关注。本研究旨在通过开发和评估一种无监督文本挖掘方法，自动将两种知识类型的专利聚类为四个技术组件，从而丰富这方面的方法论研究。为此，本研究提出了一种包括不同算法和设计选择比较的五步法。这种方法应用于从德温特世界专利指数提取的与印刷电子相关的专利，并能够为自动化专利分析提出建议。研究结果显示，组件类型的显著性存在差异：虽然专业知识类型的组件可以显著预测，但设计知识类型的组件并未提供显著结果.