доктор экономических наук;
doctor of economic sciences;
Цель исследования — разработка методологического подхода к форсайту инновационного развития регионального промышленного комплекса на основе когнитивно-семантического анализа больших данных, интегрирующего анализ патентных ландшафтов и методы семантического моделирования для автоматизированного выявления перспективных технологических направлений и технологических разрывов. В работе использованы методы сбора и обработки больших данных, динамического тематического моделирования на основе латентного размещения Дирихле, а также методы количественной оценки семантической новизны текстовой информации. Систематизированы источники неструктурированных данных, релевантные для задач регионального форсайта: патентные базы, наукометрические порталы, информационные потоки, отражающие рыночный и общественный интерес к технологиям. Разработана концептуальная модель методологического подхода, включающая четыре этапа: сбор и предобработку разнородных данных, семантическую обработку и тематическое моделирование, построение динамической карты технологий и расчет интегральных показателей, поддержку принятия решений и выявление технологических разрывов. Предложена математическая модель расчета динамического индекса перспективности, объединяющего показатели патентной активности, наукометрической динамики и семантической энтропии. Формализован метод выявления технологических разрывов между общемировыми трендами и региональной специализацией, позволяющий объективно ранжировать направления для импортозамещения и опережающего развития. Предложенный подход создает основу для научно обоснованного инструментария поддержки принятия решений при определении приоритетов региональной промышленной политики, распределении ресурсов на НИОКР и формировании программ импортозамещения. Результаты могут быть использованы региональными органами власти, институтами развития и промышленными корпорациями.
The purpose of the study is to develop a methodological approach to foresight of innovative development of regional industrial complexes based on cognitive-semantic analysis of big data, integrating patent landscape analysis and semantic modeling methods for automated identification of promising technological areas and technological gaps. The work employs big data collection and processing, dynamic topic modeling based on latent Dirichlet allocation, and methods for quantifying semantic novelty of textual information. The study systematizes unstructured data sources relevant to regional foresight, including patent databases, scientometric portals, and information flows reflecting market and public interest in technologies. A conceptual model of the methodological approach has been developed, including four stages: collection and pre-processing of heterogeneous data, semantic processing and topic modeling, construction of a dynamic technology map and calculation of integral indicators, decision support and identification of technological gaps. A mathematical model for calculating a dynamic perspective index combining indicators of patent activity, scientometric dynamics and semantic entropy is proposed. The method of identifying technological gaps between global trends and regional specialization is formalized, allowing to objectively rank directions for import substitution and advanced development. The proposed approach enables development of scientifically grounded decision-support tools for prioritizing regional industrial policy, allocating R&D resources, and formulating import substitution programs. The results can be used by regional authorities, development institutions, and industrial corporations.