download0 view132
twitter facebook

공공누리This item is licensed Korea Open Government License

Title
Graph kernel based measure for evaluation the influence of patents in a patent citation network
Author(s)
Andrew RodriguezMyong K. Jeong고병열김병훈이재민
Publication Year
2015-02-15
Abstract
Identifying important patents helps to drive business growth and focus investment. In the past, centralitymeasures such as degree centrality and betweenness centrality have been applied to identify influentialor important patents in patent citation networks. How such a complex process like technological changecan be analyzed is an important research topic. However, no existing centrality measure leverages thepowerful graph kernels for this end. This paper presents a new centrality measure based on the changeof the node similarity matrix after leveraging graph kernels. The proposed approach provides a morerobust understanding of the identification of influential nodes, since it focuses on graph structure informationby considering direct and indirect patent citations. This study begins with the premise that thechange of similarity matrix that results from removing a given node indicates the importance of the nodewithin its network, since each node makes a contribution to the similarity matrix among nodes. Wecalculate the change of the similarity matrix norms for a given node after we calculate the singular valuesfor the case of the existence and the case of nonexistence of that node within the network. Then, the noderesulting in the largest change (i.e., decrease) in the similarity matrix norm is considered to be themost influential node. We compare the performance of our proposed approach with other widely-usedcentrality measures using artificial data and real-life U.S. patent data. Experimental results show thatour proposed approach performs better than existing methods.
Keyword
Centrality measure; Patent citation network; Graph kernel; Similarity matrix; Matrix norm
Journal Title
Expert Systems with Applications
Citation Volume
42
ISSN
0957-4174
Files in This Item:
There are no files associated with this item.
Appears in Collections:
7. KISTI 연구성과 > 학술지 발표논문
URI
https://repository.kisti.re.kr/handle/10580/14395
http://www.ndsl.kr/ndsl/search/detail/article/articleSearchResultDetail.do?cn=NART70651044
Export
RIS (EndNote)
XLS (Excel)
XML

Browse