本书形成了一系列数智赋能下的技术挖掘新理论与新方法：从“实体语义表示+技术挖掘”角度提出数智赋能下的技术主题演化路径识别新理论与新方法，从“实体关系抽取+技术挖掘”角度提出数智赋能下的技术主题演化语义关联发现新理论与新方法，从“复杂网络+技术挖掘”角度提出数智赋能下的技术融合关系预测新理论与新方法，从“机器学习+技术挖掘”角度提出数智赋能下的技术融合价值评估新理论与新方法，从“深度学习+多源数据技术挖掘”角度提出数智赋能下的新兴技术识别新理论与新方法。这些新理论与新方法能够为规划技术发展方向、规避潜在落后技术、优化研发布局等提供支持和辅助，为需求驱动的管理决策向数智驱动的管理决策转变提供基础和前提。

第1章 绪论
1.1 研究背景
1.1.1 数智技术赋能多学科新的增长点
1.1.2 技术挖掘是推动科技创新的重要力量
1.1.3 数智赋能技术挖掘新的机遇
1.2 相关概念界定
1.2.1 数智赋能
1.2.2 专利信息
1.2.3 技术知识单元
1.2.4 技术主题演化
1.2.5 技术融合
1.2.6 技术融合关系价值
1.2.7 多源异构数据融合
1.2.8 新兴技术
1.3 研究意义和研究问题
1.3.1 研究意义
1.3.2 研究问题
1.3.3 研究内容
1.4 研究方法和研究框架
1.4.1 研究方法
1.4.2 研究框架
第2章 数智赋能技术挖掘
2.1 数智赋能的基本理论和方法
2.1.1 数智赋能基本理论
2.1.2 数智赋能基本方法
2.2 技术挖掘的基本理论和方法
2.2.1 专利技术挖掘的基本流程
2.2.2 专利技术挖掘的应用范畴
2.2.3 专利技术挖掘的基本方法
2.3 数智赋能技术挖掘的基本理论和方法
2.3.1 知识单元挖掘视角
2.3.2 技术整体挖掘视角
第3章 实体语义表示+技术挖掘：数智赋能下的技术主题演化路径识别
3.1 实体语义表示赋能技术挖掘
3.1.1 知识语义表示视角下的数智赋能
3.1.2 实体抽取及其语义表示视角下的数智赋能
3.2 技术主题演化路径识别的研究基础
3.2.1 技术演化理论基础
3.2.2 技术演化路径识别方法
3.3 基于实体语义表示的技术主题演化路径识别
3.3.1 专利技术实体抽取
3.3.2 专利技术实体语义表示
3.3.3 基于K-means聚类的技术主题识别
3.3.4 基于知识流动的主题演化路径识别
3.4 无人机领城的技术主题演化路径识别应用
3.4.1 无人机领城的专利技术实体抽取
3.4.2 无人机领域的专利技术实体语义表示
3.4.3 基于K-means聚类的无人机领域技术主题识别
3.4.4 基于知识流动的无人机领域主题演化路径识别
3.4.5 无人机领城主题演化路径识别结果可视化
第4章 实体关系抽取十技术挖掘：数智赋能下的技术主题演化语义关联发现
4.1 语义关系抽取赋能技术挖掘
4.1.1 语义关联发现视角下的数智赋能
4.1.2 实体关系抽取视角下的数智赋能
4.1.3 数智赋能下的主题实体间演化关系抽取
4.2 技术主题演化路径语义关联发现的研究基础
4.2.1 基于特征指标的主题演化关联发现
4.2.2 基于结构化信息的语义关联发现
4.2.3 融合语义关系的技术主题演化关联发现
4.3 基于实体关系抽取的技术主题演化语义关联发现方法
4.3.1 专利实体间关系预定义
4.3.2 专利实体间关系抽取
4.3.3 技术主题演化语义关联发现方法
4.4 无人机领域的技术主题演化语义关联发现应用
4.4.1 无人机领域的专利实体间语义关系抽取
4.4.2 无人机领域的技术主题之间语义关系发现
4.4.3 无人机领域主题演化语义关联结果可视化
第5章 复杂网络十技术挖掘：数智赋能下的技术融合关系预测
5.1 复杂网络赋能技术挖掘
5.1.1 技术融合预测
5.1.2 复杂网络的基本理论与方法
5.1.3 复杂网络视角下的技术融合关系预测
5.2 技术融合关系预测的研究基础
5.2.1 基于复杂网络的技术融合关系预测
5.2.2 基于机器学习的技术融合关系预测
5.3 基于复杂网络的技术融合关系预测方法
5.3.1 技术融合关系预测的特征构建
5.3.2 基于复杂网络的技术融合关系预测
5.4 技术融合关系预测应用
5.4.1 技术融合关系预测的特征构建结果
5.4.2 技术融合关系预测结果
第6章 机器学习十技术挖掘：数智赋能下的技术融合价值评估
6.1 机器学习赋能技术挖掘
6.1.1 技术融合价值评估
6.1.2 机器学习的基本理论与方法
6.1.3 机器学习视角下的技术融合价值评估
6.2 技术融合价值评估的研究基础
6.2.1 技术融合价值评估理论基础
6.2.2 技术融合价值评估方法
6.3 基于机器学习的技术融合价值评估方法
6.3.1 专利分类引用网络构建
6.3.2 技术融合价值的评价指标构建
6.3.3 技术融合价值评估
6.4 技术融合价值评估应用
6.4.1 技术融合价值评估方程获取
6.4.2 技术融合价值评估结果
第7章 深度学习十多源数据技术挖掘：数智赋能下的新兴技术识别
7.1 深度学习和多源数据赋能技术挖掘
7.1.1 多源异构数据的定义
7.1.2 数智赋能视角下的数据融合方法
7.1.3 数智赋能视角下的多源数据融合应用
7.2 新兴技术识别的研究基础
7.2.1 新兴技术的概念与属性
7.2.2 新兴技术识别指标
7.2.3 新兴技术识别方法
7.3 基于多源数据及深度学习的新兴技术识别方法
7.3.1 基于技术属性的特征分类
7.3.2 基于数据融合的新兴分数指标
7.3.3 基于多源数据的特征提取
7