知识经济时代,科技实力作为国家核心竞争力的重要组成部分,决定着一个国家在国际格局中的地位。中国作为科技大国,通过提高技术敏感性以快速、精准地识别科技发展方向是基本且重要的要求。这当中技术机会的识别和挖掘为国家制定科技研发的方针和政策,扶持高校和企业展开研发奠定了重要的基础,也向提供科技情报与知识供给的研发主体提出更高要求。在此前的研究中,技术机会识别多采用定性或定量的方法,从宏观角度给出技术机会发展的大方向,或缺乏对数据做形象的描述及详细的解读,在具体的线索层面有所欠缺。链接预测方法作为图挖掘的重要课题之一,能够对节点之间是否会产生链接以及链接关系的强弱变化以量化的形式表示,基于国际专利分类号IPC之间的链接预测可以视为IPC之间的推荐任务,通过模型训练预测出未来可能产生共现关系的IPC组合。相较于此前技术发现方法当中宏观的发展方向建议,基于IPC共现的链接预测能够从更微观的角度给出IPC在未来组合的方向,能够成为宏观建议的重要辅助和补充。因此为及时有效地识别技术机会和为技术研发资源的布局提供科技情报支持,本文选择了人工智能时代备受关注的隐私安全话题,基于隐私保护领域专利数据,展开技术机会识别方法研究。本研究主要分为以下两个部分:第一部分是基于图神经网络展开链接预测实验。图神经网络能够同时将节点自身的特征和路径信息纳入训练,对节点和链接的表示能力强大。为了提高训练速度和泛化性能,本文选择了采样的图卷积网络Graph SAGE,并将国际专利分类号IPC时间维度上的三个特征:IPC共现年度分布、IPC时间关注度和IPC时间稳定性作为节点特征来提高节点表示能力,并自定义链接预测得分函数对IPC号未来是否能作为技术要素组合共现进行预测,确定了相对最优的实验参数后,与基于节点相似性的共同邻居CN指数、资源分配RA指数、杰卡德Jaccard相似系数、Adamic-Adar指数和优先连接PA指数五种方法以及图游走算法Node2Vec进行了对比,证实了本文Graph SAGE＿T的优越性,并针对影响模型的相关参数以及应用场景给出了建议。第二部分则是针对链接预测的结果在隐私保护领域选择了核心的IPC号展开技术机会的识别应用与分析,主要采用了社会网络分析方法和数理统计方法。首先针对隐私保护领域的相关技术做整体分析,并通过分析中心性选取了核心的IPC作为对象对链接预测结果展开分析,通过计算和可视化证实了未来会发生的链接强度变化,从预测未来保持原有链接、未来产生新链接和未来消亡旧链接三个角度分别对持续发展的技术机会、突破创新的技术机会和寻求转型的技术机会进行识别,并讨论了技术组合要素近年来的出现频率,在不同经济、产业等多个场景的应用以及未来在材料和工艺的选择、算法的改进,不同类型应用场景的创新上面临的机遇或挑战,为技术布局以及技术资源的分配调度给出一定的建议。本研究在专利数据集上验证了考虑时间特征的Graph SAGE模型在链接预测方法中的有效性,也基于链接预测结果给出了技术发现的识别和分析新思路,并以隐私保护领域为例,从更微观的角度、更细粒度的层面、更量化的结果进行技术机会识别,为技术发现和技术预见等任务提供辅助,可为高校企业相应技术应用、研发和创新提供参考。