近日，管理学院副教授罗泰晔博士以第一作者在中科院一区期刊《Expert Systems With Applications》上发表了题为“Technological opportunity discovery based on VERGM and random forest model”的研究论文。该研究提出了一种基于加权指数随机图模型（VERGM）与随机森林模型的技术机会发现方法，为研发组织识别高潜力技术融合路径提供了新的思路。

研究简介

技术机会发现是研发组织获取竞争优势的关键环节。传统研究多基于知识网络的结构特征（如节点中心度）进行预测，但忽略了间接关联与连接强度对知识组合频率的影响。本研究首次引入组合广度、组合潜力、组合强度与组合距离四个变量，全面刻画知识元素的组合特征，并构建VERGM模型识别影响知识元素组合频率的关键因素。随后，将这些显著变量输入随机森林模型，训练能够预测未组合知识元素间连接频率的分类与回归模型。

研究以人工智能领域2013–2021年的专利数据为样本，构建知识网络并提取特征。VERGM结果显示，四类组合特征变量、节点同配性及共同邻居相似性均显著影响连边权重。随机森林模型在测试中表现优异，分类准确率达93.21%，回归模型R²为0.76，优于LightGBM、神经网络、支持向量机等对比模型。

通过聚类分析，研究进一步识别出人工智能领域的14个趋势性知识元素。基于训练好的预测模型，研究为每个趋势性知识元素推荐了前十位高价值组合机会，并归纳出技术增强、场景扩展与技术替代三类创新路径。

验证结果显示，组合发生预测平均准确率达92%，组合频率预测平均准确率为69.1%。在物联网领域的稳健性检验中，该方法同样保持较高预测性能，表明其具备跨领域的适用性。

本研究通过引入多维度组合特征变量，拓展了知识组合理论的分析框架，为基于加权网络的技术机会预测提供了新思路。在方法层面，融合VERGM与随机森林模型，实现了从“是否组合”到“组合频率”的预测跃升，助力研发组织优先布局高潜力技术方向。

期刊简介

《Expert Systems With Applications》是中科院计算机科学一区top期刊，聚焦专家系统、智能计算与决策支持等交叉学科研究，被SCI数据库收录，2024年影响因子为7.5。期刊注重方法创新与实证结合，在人工智能、技术管理等领域具有重要学术影响力。