Bayesian inference of spatial and temporal relations in AI patents for EU countries
欧盟国家人工智能专利时空关系的贝叶斯推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究专利合作计数与连续时间增长过程，未明确对应所列面板、网络干扰或宏观预测方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
欧盟国家人工智能专利时空关系的贝叶斯推断
- 研究问题
- 如何量化欧盟国家之间及其与其他国家的人工智能专利合作，并刻画专利数量快速增长及可能放缓的时间趋势？
- 方法与思路
- 作者以 Poisson 回归分析国家对的共同专利数，通过贝叶斯推断估计互动强度；时间部分结合非齐次 Poisson 过程与逻辑增长曲线。
- 材料陈述的贡献
- 摘要称识别出部分国家对合作不足，并以时间模型拟合专利增长趋势；贝叶斯分析据此提示未来专利申请强度可能放缓。
- 阅读关注点
- 应核对共同专利的统计口径、合作强度比较的基准、先验设定，以及增长曲线对未来放缓判断的敏感性和预测验证。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明样本时段和不确定性数值，放缓判断属于模型推断。
原文摘要
In the paper, we propose two models of Artificial Intelligence (AI) patents in European Union (EU) countries addressing spatial and temporal behaviour. In particular, the models can quantitatively describe the interaction between countries or explain the rapidly growing trends in AI patents. For spatial analysis Poisson regression is used to explain collaboration between a pair of countries measured by the number of common patents. Through Bayesian inference, we estimated the strengths of interactions between countries in the EU and the rest of the world. In particular, a significant lack of cooperation has been identified for some pairs of countries. Alternatively, an inhomogeneous Poisson process combined with the logistic curve growth accurately models the temporal behaviour by an accurate trend line. Bayesian analysis in the time domain revealed an upcoming slowdown in patenting intensity.