A Systematic Literature Review about Idea Mining: The Use of Machine-Driven Analytics to Generate Ideas

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Juell Skielse Gustaf) > A Systematic Litera...

Ayele, Workneh YilmaStockholms universitet,Institutionen för data- och systemvetenskap (författare)

A Systematic Literature Review about Idea Mining : The Use of Machine-Driven Analytics to Generate Ideas

Artikel/kapitelEngelska2021

Förlag, utgivningsår, omfång ...

2021-04-16
Cham :Springer,2021
electronicrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:su-200353
https://urn.kb.se/resolve?urn=urn:nbn:se:su:diva-200353URI
https://doi.org/10.1007/978-3-030-73103-8_53DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:kon swepub-publicationtype

Anmärkningar

Idea generation is the core activity of innovation. Digital data sources, which are sources of innovation, such as patents, publications, social media, websites, etc., are increasingly growing at unprecedented volume. Manual idea generation is time-consuming and is affected by the subjectivity of the individuals involved. Therefore, the use machine-driven data analytics techniques to analyze data to generate ideas and support idea generation by serving users is useful. The objective of this study is to study state-of the-art machine-driven analytics for idea generation and data sources, hence the result of this study will generally serve as a guideline for choosing techniques and data sources. A systematic literature review is conducted to identify relevant scholarly literature from IEEE, Scopus, Web of Science and Google Scholar. We selected a total of 71 articles and analyzed them thematically. The results of this study indicate that idea generation through machine-driven analytics applies text mining, information retrieval (IR), artificial intelligence (AI), deep learning, machine learning, statistical techniques, natural language processing (NLP), NLP-based morphological analysis, network analysis, and bibliometric to support idea generation. The results include a list of techniques and procedures in idea generation through machine-driven idea analytics. Additionally, characterization and heuristics used in idea generation are summarized. For the future, tools designed to generate ideas could be explored.

Ämnesord och genrebeteckningar

NATURVETENSKAP Data- och informationsvetenskap Datavetenskap hsv//swe
NATURAL SCIENCES Computer and Information Sciences Computer Sciences hsv//eng
Idea mining
Idea generation
Idea elicitation
Text mining
Machine learning
Machine-driven analytics
Computer-assisted creativity
data- och systemvetenskap
Computer and Systems Sciences

Biuppslag (personer, institutioner, konferenser, titlar ...)

Juell-Skielse, GustafStockholms universitet,Institutionen för data- och systemvetenskap(Swepub:su)gjuel (författare)
Stockholms universitetInstitutionen för data- och systemvetenskap (creator_code:org_t)

Sammanhörande titlar

Ingår i:Advances in Information and CommunicationCham : Springer, s. 744-76297830307310219783030731038

Internetlänk

Hitta via bibliotek

Advances in Information and Communication (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Ayele, Workneh Y ...; Juell-Skielse, G ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datavetenskap

Artiklar i publikationen: Advances in Info ...

Av lärosätet: Stockholms universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se