基于组合分词方法和LDA模型的区块链金融产业关键技术识别研究

doi:10.13266/j.issn.0252-3116.2022.19.011

图书情报工作 ›› 2022, Vol. 66 ›› Issue (19): 110-121.DOI: 10.13266/j.issn.0252-3116.2022.19.011

基于组合分词方法和LDA模型的区块链金融产业关键技术识别研究

吕鲲¹, 陈箫羽¹, 靖继鹏²

1 宁波大学商学院宁波 315211;
2 吉林大学商学与管理学院长春 130022

收稿日期:2022-05-09 修回日期:2022-08-17 出版日期:2022-10-05 发布日期:2022-10-25
作者简介:吕鲲,讲师,博士,E-mail:lvkun@nbu.edu.cn;陈箫羽,本科生;靖继鹏,教授,博士生导师。
基金资助:
本文系国家社会科学基金青年项目"‘双碳’目标下‘技术-经济-区域’信息融合的创新生态系统构建及其协同演化研究"（项目编号：22CTQ028）研究成果之一。

Research on Identification of Key Technologies in Blockchain Financial Industry Based on Combined Word Segmentation Method and LDA Model

Lü Kun¹, Chen Xiaoyu¹, Jing Jipeng²

1 Business School, Ningbo University, Ningbo 315211;
2 School of Business and Management, Jilin University, Changchun 130022

Received:2022-05-09 Revised:2022-08-17 Online:2022-10-05 Published:2022-10-25

摘要/Abstract

摘要： [目的/意义] 在区块链金融飞速发展的背景下，识别区块链金融产业的关键技术，有助于相关部门制定更加精准的风险防范措施和技术监管政策，以期增强区块链应用的合法性和可控性，保障金融稳定。[方法/过程] 通过收集区块链金融的专利数据，利用组合分词方法和LDA模型识别关键技术主题，拟定关键技术，再根据产业关键技术特征衡量指标判定区块链金融的关键技术，并探究识别结果对于促进区块链金融产业发展的作用。[结果/结论] 研究发现区块链金融产业的三大关键技术为点对点分布式技术、共识机制、哈希算法与加密技术，并从上述识别结果出发对区块链金融的技术提升和监管提出建议。

关键词: 区块链金融, 关键技术, 技术识别, 组合分词, LDA模型

Abstract: [Purpose/Significance] In the background of the rapid development of blockchain finance, identifying the key technologies of blockchain finance industry will help relevant departments formulate more accurate risk prevention measures and technical supervision policies, so as to enhance the legitimacy and controllability of blockchain application and ensure financial stability.[Method/Process] By collecting the patent data of blockchain finance, this paper used the combined word segmentation method and LDA model to identify key technical topics, and formulated key technologies. Then it determined the key technologies of blockchain finance according to the key technical characteristics of the industry, and explored the role of the identification results in promoting the development of the blockchain finance industry.[Result/Conclusion] The research finds that the three key technologies of the blockchain finance industry are point-to-point distributed technology, consensus mechanism, hash algorithm and encryption technology, and consensus mechanism. Based on the above identification results, this paper puts forward suggestions on the technical improvement and supervision of blockchain finance.

Key words: blockchain finance, key technologies, technology identification, combined word segmentation, LDA model

中图分类号:

F832
G250

吕鲲, 陈箫羽, 靖继鹏. 基于组合分词方法和LDA模型的区块链金融产业关键技术识别研究[J]. 图书情报工作, 2022, 66(19): 110-121.

Lü Kun, Chen Xiaoyu, Jing Jipeng. Research on Identification of Key Technologies in Blockchain Financial Industry Based on Combined Word Segmentation Method and LDA Model[J]. Library and Information Service, 2022, 66(19): 110-121.

参考文献

[1] 斯万.区块链:新经济蓝图及导读[M]. 韩锋,龚鸣,陶荣祺,等译.北京:新星出版社,2016:16-20.
[2] 张泽群,王伟.数字驱动?信息再造与区块链金融演化——以区块链期货信息再造为例[J]. 情报科学,2021,39(9):139-145.
[3] MACDONALD T J, ALLEN D W E, POTTS J, Blockchains and the boundaries of self-organized economies:predictions for the future of banking[M]. Berlin:Springer international publishing,2016:279-296.
[4] HE S. Impact of blockchain applications on trust in business[J]. iBusiness,2020,12(3):103-112.
[5] 赵大伟.区块链能拯救P2P网络借贷吗?[J].金融理论与实践,2016(9):41-44.
[6] 袁勇,王飞跃.区块链技术发展现状与展望[J].自动化学报,2016,42(4):481-494.
[7] MTHETHWA S. The analysis of the blockchain technology and challenges hampering its adoption[J].World academy of science,2016,10(12):1937-1948.
[8] TAPSCOTT D, TAPSCOTT A. How blockchain will change organizations[J]. MIT Sloan management review,2017,58(2):10-13.
[9] 奉国和,郑伟.国内中文自动分词技术研究综述[J].图书情报工作,2011,55(2):41-45.
[10] 姚兴山.基于Hash算法的中文分词研究[J].现代图书情报技术,2008(3):78-81.
[11] 尹锋.基于神经网络的汉语自动分词系统的设计与分析[J].情报学报,1998,17(1):41-50.
[12] 孙茂松,肖明,邹嘉彦.基于无指导学习策略的无词表条件下的汉语自动分词[J]. 计算机学报,2004,27(6):736-742.
[13] BLEI D M, NG A Y, JORDAN M I. Latent dirichlet allocation[J]. The journal of machine learning research, 2003,3(1):993-1022.
[14] 马永红,孔令凯,林超然,等.基于专利挖掘的关键共性技术识别研究[J].情报学报,2020,39(10):1093-1103.
[15] 王秀红,高敏.基于BERT-LDA的关键技术识别方法及其实证研究——以农业机器人为例[J].图书情报工作,2021,65(22):114-125.
[16] 杨艳萍,董瑜,韩涛.基于专利共被引聚类和组合分析的产业关键技术识别方法研究——以作物育种技术为例[J].图书情报工作,2016,60(19):143-148,124.
[17] 李宏宽,何海燕,单捷飞,等. 特征分析视角下半导体制造产业关键技术分布研究[J]. 中国科技论坛,2019(6):80-94.
[18] 张栋,余翔,刘鑫.基于复合专利共现网络与专家机制的产业关键技术清单研究——以中国发展碳捕集技术为例[J].情报杂志,2019,38(11):34-42.
[19] 黎欢,彭爱东.专利引文三种关键技术挖掘方法比较分析——以全息摄影技术为例[J].图书情报工作,2013,57(20):98-103.
[20] 王健美,刘志芳,戴爱兵.纯电动汽车产业关键技术演进分析——专利引文分析视角[J]. 图书情报工作,2014,58(14):21-27.
[21] SHIN J, KIM C M. Risk-adjusted performance forecasting of future key technology[J]. Technology analysis & strategic management,2013,25(2):147-161.
[22] MANUEL S M, MEDO M, LAFOND F. Early identification of important patents:design and validation of citation network metrics[J]. Technological forecasting and social change, 2019, 146(9):644-654.
[23] ALTUNTAS S, DERELI T, KUSIAK A. Forecasting technology success based on patent data[J]. Technological forecasting and social change, 2015, 96(7):202-214.
[24] 罗燕,赵书良,李晓超,等.基于词频统计的文本关键词提取方法[J].计算机应用,2016,36(3):718-725.
[25] 周健,张杰,屈冉,等.基于LDA的国内外区块链主题挖掘与演化分析[J].情报杂志,2021,40(9):161-169.
[26] 赵蓉英,戴祎璠,王旭.基于LDA模型与ATM模型的学者影响力评价研究——以我国核物理学科为例[J].情报科学,2019,37(6):3-9.
[27] 李红.知识密集型服务业特征剖析[J].情报杂志,2005(8):101-103.
[28] 张亮亮,苏涛永,张健.中国物流产业技术效率:时空分异、影响因素与演进逻辑——基于PP-SFA模型的实证分析[J]. 商业经济与管理,2019(4):30-45.

基于组合分词方法和LDA模型的区块链金融产业关键技术识别研究

Research on Identification of Key Technologies in Blockchain Financial Industry Based on Combined Word Segmentation Method and LDA Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李倩, 王帅. LDA模型下我国公共图书馆微信平台阅读推广内容主题研究[J]. 图书情报工作, 2022, 66(8): 72-83.
[2]	孙蒙鸽, 王燕鹏, 韩涛, 刘盼盼. 新兴技术的多指标量化识别研究——基于向量表征方法的探索[J]. 图书情报工作, 2022, 66(3): 130-139.
[3]	郑荣, 魏明珠, 高志豪, 王晓宇. 基于SCAN-CPM的产业新兴技术识别与演化路径分析：以新能源汽车产业为例[J]. 图书情报工作, 2022, 66(11): 100-109.
[4]	刘盼盼, 王丽. 关系网络视角下新兴技术识别研究进展[J]. 图书情报工作, 2022, 66(11): 139-150.
[5]	王秀红, 高敏. 基于BERT-LDA的关键技术识别方法及其实证研究——以农业机器人为例[J]. 图书情报工作, 2021, 65(22): 114-125.
[6]	郑赛硕, 王学昭, 陈小莉. 共性技术识别方法构建与实证研究——以集成电路行业为例[J]. 图书情报工作, 2021, 65(15): 130-139.
[7]	张云中, 刘嘉琳. 智慧数据研究综述:概念辨析、价值取向、关键技术与应用框架[J]. 图书情报工作, 2021, 65(10): 141-150.
[8]	王玏, 吴新年. 新兴技术识别方法研究综述[J]. 图书情报工作, 2020, 64(4): 125-135.
[9]	蒋甜, 刘小平, 刘会洲. 基于关键词关联度指标(KRI)进行LDA噪声主题过滤的方法研究[J]. 图书情报工作, 2020, 64(3): 92-99.
[10]	王燕鹏, 韩涛, 陈芳. 融合文献知识聚类和复杂网络的关键技术识别方法研究[J]. 图书情报工作, 2020, 64(16): 105-113.
[11]	张泰瑞, 陈渝. 基于LDA模型因素提取的健康信息用户转移行为研究[J]. 图书情报工作, 2019, 63(21): 66-77.
[12]	崔海媛, 孙超, 罗鹏程. 新一代机构知识库的关键技术和发展趋势研究[J]. 图书情报工作, 2019, 63(19): 96-104.
[13]	秦玥, 吴亚平, 王继民. 中国政府网“一带一路”新闻话题挖掘分析[J]. 图书情报工作, 2019, 63(15): 103-110.
[14]	李秀霞, 宋凯. STCF值:基于研究主题的学术文献影响力评价新指标[J]. 图书情报工作, 2018, 62(20): 88-94.
[15]	杨超, 朱东华, 汪雪锋, 朱福进, 衡晓帆. 专利技术主题分析:基于SAO结构的LDA主题模型方法[J]. 图书情报工作, 2017, 61(3): 86-96.