Los elementos de tierras raras son críticos para una amplia gama de aplicaciones de alta tecnología, y analizar patentes que involucran elementos de tierras raras es esencial para comprender el progreso tecnológico y las tendencias de innovación. Los modelos de temas tradicionales no pueden aprovechar completamente las estructuras de red de patentes y la información temporal, limitando su capacidad para capturar la evolución dinámica de los temas tecnológicos. Para superar estas limitaciones, proponemos un nuevo marco fusionado de múltiples fuentes (MFT-PTM), que integra tres tipos de características de múltiples fuentes: características textuales, de red y temporales a través del algoritmo TemporalK-Means consciente del tiempo. Específicamente, utilizamos SciBERT para extraer incrustaciones de texto, TransR para generar incrustaciones de red y derivamos escalares temporales de los datos de patentes. Después de fusionar y reducir estas características con Aproximación y Proyección de Variedad Uniforme (UMAP), aplicamos agrupamiento TemporalK-Means con un mecanismo de decaimiento temporal para capturar tendencias evolutivas. Los experimentos en 43,322 patentes relacionadas con tierras raras indican que el marco propuesto logra un mejor rendimiento en comparación con métodos tradicionales como LDA y BERTopic en términos de coherencia temática, calidad de clúster y separación de clúster. Además, el análisis sugiere una notable transición tecnológica en las aplicaciones de tierras raras, cambiando gradualmente de la catálisis ambiental hacia dominios avanzados de energía y biomedicina. En general, el marco proporciona un enfoque cuantitativo para integrar información de patentes de múltiples fuentes y explorar patrones de evolución tecnológica.