在知识经济时代,专利分析已成为行业内战略和技术智能分析的重要选择。但近年来,随着知识产权热度的上升,许多毫无创新内容的垃圾专利泛滥成灾,这对行业领导者和企业管理者进行技术创新分析及战略决策产生严重不良影响,造成了市场资源浪费和不公平竞争,阻碍了创新主体技术创新水平发展。为了充分学习行业内潜在战略模式和核心技术创新趋势,本文提出了一种大数据核心知识机器学习方法,以战略性新兴产业新材料领域内的德温特全球专利数据为实例,将Page Rank算法、LDA主题模型和层次时间序列趋势预测创新性结合,对全球新材料核心专利知识轮廓进行挖掘、分析和预测,并得出结论主要有:（1）出色的知识深度与广度对创新主体的高质量创新和核心技术发展有显著积极作用。（2）Page Rank算法和LDA主题模型相结合所挖掘出的主题能出色展现出新材料领域的核心技术焦点,清晰揭示了行业内潜在战略性知识。（3）以金属原料为基础或衍生的相关技术一直以来都是新材料领域的战略核心。（4）新型能源材料、石墨烯和高性能特种复合材料领域发展空间广阔,未来将是各国技术竞争战略的焦点。（5）目前许多知识占比较低但潜在价值巨大的子领域仍存在技术难关。研究结果显示了新材料领域各地区在核心知识轮廓上的差异,将领域中新兴、稳定和衰退的知识领域动态可视化,清晰展现出行业领导者在核心技术战略的演变,对我国新材料领域未来核心技术的发展转化有着重要的借鉴意义。同时也证明了本文提出的大数据机器学习方法绘制行业核心专利知识轮廓对国家和企业的战略、知识管理的重要性,对未来决策有着重要指导价值。