基于K-means聚类挖掘智能机器人领域技术创新人才.pdfVIP

20203

·技术方法·年第期49

基于K-means聚类挖掘智能机器人领域技术创新人才*

赵 宁 赵 翀 翟凤勇 刘 伟 郭 伟

摘 要以智能机器人领域为例，借助机器学习的方法挖掘技术创新人才，消除专家分类的主观性。通过专利信息构

建技术创新人才评价指标体系，结合主成分分析、K-means聚类，进行技术创新人才有效分类；利用DWPI手工代码挖

掘智能机器人领域对应的创新人员及相应的技术团队成员，对于技术创新人才分类有进一步优化空间。K-means聚类

改进了传统的识别方法，突破人工统计的局限，可以处理数量级更大的数据，对数据挖掘可以进行及时、准确、直观的

分析。

关键词 专利信息 聚类分析 技术创新人才 K-means

分类号 G252.62

DOI 10.16810/ki.1672-514X.2020.03.009

MiningTechnologicalInnovationTalentsinIntelligentRobotFieldBasedon

K-meansAlgorithms

ZhaoNing,ZhaoChong,ZhaiFengyong,LiuWei,GuoWei

Abstract Taking the intelligent robot field as an example, by means of machine learning, the subjectivity of expert 

classification can be eliminated. The evaluation index system of technological innovation talents is constructed by patent 

information, and the effective classification of technological innovation talents is carried out by combining principal component 

analysis and K-means clustering. The corresponding innovation personnel and corresponding technical team members in 

the field of intelligent robot are mined by DWPI manual code, which has further optimization space for the classification 

of technological innovation talents. K-means clustering improves the traditional recognition method, breaks through the 

limitations of artificial statistics. It can deal with larger data of order of magnitude, and can analyze data mining timely, 

accurately and intuitively.

Keywords Patent information. Cluster analysis. Technological innovative talents. K-means.

专利作为一种标准化、公开透明、客观化的文术人才的优势，进行机构中人员的科学配置，提升

献，由于其所载信息贯穿科研流程和活动的不同机构的科研竞争力。除此以外，还可通过聚类发明

阶段，对技术发明有详细描述，不仅可以从本质人，寻找不同科研层次水平的划分标准，进行技术

[1]

上揭示技术创新能力，而且常作为技术创新的创新人才聚类，有助于人才所属类型的判断，类似

重要指标，被嵌入各种技术创新能力量化的评价于