（華東理工大學(xué)科技信息研究所，上海 200237）

隨著科學(xué)技術(shù)的發(fā)展和經(jīng)濟(jì)全球化進(jìn)程的加快，獲取關(guān)鍵技術(shù)優(yōu)勢(shì)成為提升國(guó)家和產(chǎn)業(yè)競(jìng)爭(zhēng)力的重要手段，技術(shù)預(yù)測(cè)受到越來(lái)越多國(guó)家的重視，美國(guó)、日本、英國(guó)等國(guó)家開(kāi)始紛紛加強(qiáng)對(duì)科技發(fā)展趨勢(shì)的預(yù)測(cè)及研究工作［1-2］。作為世界各國(guó)政府決策的基礎(chǔ)與前提，技術(shù)預(yù)測(cè)是遴選可能產(chǎn)生最大經(jīng)濟(jì)效益與社會(huì)效益的戰(zhàn)略研究領(lǐng)域和通用新技術(shù)的手段。技術(shù)是隨時(shí)間而進(jìn)化，絕大多數(shù)的技術(shù)都是漸進(jìn)發(fā)展的，絕非憑空建立起來(lái)的［3］，技術(shù)預(yù)測(cè)也應(yīng)是一個(gè)隨時(shí)間推移而逐漸演變的過(guò)程，因此，構(gòu)建客觀、全面、合理且具操作性的技術(shù)預(yù)測(cè)模型，提升預(yù)測(cè)模型的精準(zhǔn)性具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

1 文獻(xiàn)綜述

隨著技術(shù)預(yù)測(cè)研究和實(shí)踐的開(kāi)展，用于技術(shù)預(yù)測(cè)的方法也日趨豐富。傳統(tǒng)的技術(shù)預(yù)測(cè)方法主要以基于專(zhuān)家意見(jiàn)的定性預(yù)測(cè)法為主,包括德?tīng)柗品?、情景分析法以及技術(shù)路線圖等［4-6］。20 世紀(jì)90 年代，定量研究方法開(kāi)始在技術(shù)預(yù)測(cè)中得到應(yīng)用，比如，1998 年Chakravarti 等［7］將數(shù)理統(tǒng)計(jì)學(xué)方面的知識(shí)嵌套進(jìn)德?tīng)柗品ǎ謩e對(duì)短、中、長(zhǎng)期的技術(shù)預(yù)測(cè)需求進(jìn)行了方法上的微調(diào)。為提高技術(shù)預(yù)測(cè)質(zhì)量和效果，越來(lái)越多的研究者將定量方法應(yīng)用于技術(shù)預(yù)測(cè)中，以試圖改善技術(shù)預(yù)測(cè)方法體系，彌補(bǔ)定性方法易產(chǎn)生主觀偏誤性、全面性不足、顆粒度不一致等問(wèn)題［8-9］。進(jìn)入21 世紀(jì)初期，技術(shù)預(yù)測(cè)研究的內(nèi)容則進(jìn)一步深入到新興熱點(diǎn)技術(shù)和未來(lái)能源技術(shù)預(yù)測(cè)等特定領(lǐng)域［10-11］。而后，一些學(xué)者和機(jī)構(gòu)引入文獻(xiàn)計(jì)量、專(zhuān)利分析作為技術(shù)預(yù)測(cè)的重要工具，出現(xiàn)了以數(shù)據(jù)分析為基礎(chǔ)的技術(shù)預(yù)測(cè)方法和以科學(xué)地圖為基礎(chǔ)的技術(shù)預(yù)測(cè)方法等等［12-13］，如Chen 等［14］利用邏輯增長(zhǎng)曲線模型描繪燃料電池行業(yè)的技術(shù)發(fā)展趨勢(shì)；Schaeffer 等［15］基于文獻(xiàn)數(shù)據(jù)分析識(shí)別技術(shù)關(guān)注度；Sitarz 等［16］利用聚類(lèi)分析識(shí)別技術(shù)主題；Cocci 等［17］通過(guò)文獻(xiàn)發(fā)表量和引用網(wǎng)絡(luò)分析識(shí)別新興研究領(lǐng)域的技術(shù)發(fā)展軌跡，將專(zhuān)家調(diào)查數(shù)據(jù)與文獻(xiàn)和專(zhuān)利數(shù)據(jù)相結(jié)合，利用文獻(xiàn)計(jì)量識(shí)別技術(shù)發(fā)展動(dòng)力模式和發(fā)展趨勢(shì)。

隨著大數(shù)據(jù)時(shí)代的到來(lái)，越來(lái)越多的研究者選擇采用組合方法并通過(guò)構(gòu)建模型來(lái)進(jìn)行技術(shù)預(yù)測(cè)研究，如Momeni 等［18］利用專(zhuān)利分析識(shí)別技術(shù)發(fā)展路徑，結(jié)合K 核分析和主題模型（topic modeling）分析技術(shù)發(fā)展趨勢(shì)；Jun 等［19］利用專(zhuān)利矩陣地圖和基于支持向量機(jī)的K-Medoids 聚類(lèi)算法（KM-SVC）識(shí)別技術(shù)空白點(diǎn)；Trappey 等［20］提出基于時(shí)間序列擴(kuò)展的邏輯模型；Lee 等［21］利用隨機(jī)專(zhuān)利引用分析和負(fù)二項(xiàng)分布模型動(dòng)態(tài)評(píng)估未來(lái)技術(shù)的影響力；陳偉等［22］則結(jié)合隱含狄利克雷分布（LDA）和隱馬爾可夫過(guò)程（HMM），通過(guò)LDA 模型對(duì)海量異構(gòu)專(zhuān)利文獻(xiàn)數(shù)據(jù)進(jìn)行主題建模，預(yù)測(cè)技術(shù)趨勢(shì)；胡吉明等［23］對(duì)LDA 模型進(jìn)行了改進(jìn)，通過(guò)改進(jìn)的Gibbs 抽樣估計(jì)提高主題挖掘模型的準(zhǔn)確性；董放等［24］提出了一種基于機(jī)器學(xué)習(xí)（LDA 模型、SVM 模型）和時(shí)間序列預(yù)測(cè)（ARIMA）的新興技術(shù)預(yù)測(cè)方法，用以預(yù)測(cè)特定技術(shù)未來(lái)發(fā)展趨勢(shì)。

上述研究多是基于統(tǒng)計(jì)的主題模型揭示主題演化，這類(lèi)方法雖涉及了知識(shí)創(chuàng)新演化分析的重點(diǎn)，如新主題的演化及時(shí)間周期的引入，但由于在進(jìn)行主題提取時(shí)指標(biāo)過(guò)于單一，且過(guò)于強(qiáng)調(diào)對(duì)現(xiàn)有主題趨勢(shì)變化的研究，而忽略了對(duì)于發(fā)現(xiàn)新主題概念的研究；另一方面，基于技術(shù)主題的預(yù)測(cè)模型大都偏向于靜態(tài)模型，而現(xiàn)實(shí)的技術(shù)發(fā)展都隨時(shí)間變化不斷演化，基于靜態(tài)的主題模型方法很難發(fā)掘技術(shù)演變過(guò)程及趨勢(shì)變化，極易忽略新技術(shù)的出現(xiàn)與演化，更有對(duì)微觀信息的挖掘不夠深入，也將在理解、認(rèn)識(shí)復(fù)雜創(chuàng)新網(wǎng)絡(luò)時(shí)具有明顯的不足?？傊?，單一的技術(shù)預(yù)測(cè)方法往往各有自身的局限性，如何在技術(shù)預(yù)測(cè)方法中提高基于客觀數(shù)據(jù)的定量研究的比重，構(gòu)建系統(tǒng)有效的技術(shù)預(yù)測(cè)模型成為未來(lái)技術(shù)預(yù)測(cè)方法學(xué)研究的重點(diǎn)。為了更加有效地提升預(yù)測(cè)的可靠性，克服單一研究方法的缺陷，有效地?cái)U(kuò)展趨勢(shì)演化模型的全面性，本研究將在對(duì)技術(shù)預(yù)測(cè)的基礎(chǔ)上進(jìn)行主題演化模型分析，進(jìn)一步通過(guò)技術(shù)主題清洗和引入時(shí)間窗研究技術(shù)，將技術(shù)主題演化通過(guò)相應(yīng)遞進(jìn)操作步驟，構(gòu)建更為客觀、全面、合理和更具操作性的趨勢(shì)演化模型。

2 基于趨勢(shì)演化分析的技術(shù)預(yù)測(cè)研究思路與流程

《美國(guó)聯(lián)邦政府技術(shù)預(yù)測(cè)工具應(yīng)用現(xiàn)狀與潛在應(yīng)用》研究報(bào)告將技術(shù)預(yù)測(cè)定義為：在特定的時(shí)間窗口內(nèi)對(duì)技術(shù)未來(lái)特征或應(yīng)用的預(yù)測(cè)［25］。Porter 等［26］指出，技術(shù)預(yù)測(cè)是描述在未來(lái)一段時(shí)間內(nèi)技術(shù)的出現(xiàn)、性能、功能或影響的系統(tǒng)過(guò)程。劉育新［27］則認(rèn)為技術(shù)預(yù)測(cè)就是一個(gè)綜合考慮未來(lái)科技、經(jīng)濟(jì)和社會(huì)發(fā)展的趨勢(shì)和需要、選擇戰(zhàn)略研究領(lǐng)域和新興技術(shù)，以期產(chǎn)生最大的經(jīng)濟(jì)和社會(huì)效益的過(guò)程，其中過(guò)程性和導(dǎo)向性是技術(shù)預(yù)測(cè)最典型的特征。目前，對(duì)于技術(shù)預(yù)測(cè)缺乏統(tǒng)一的定義，但技術(shù)預(yù)測(cè)包含新技術(shù)發(fā)現(xiàn)和新技術(shù)發(fā)展?fàn)顟B(tài)兩方面內(nèi)容已取得共識(shí)。為了更好地開(kāi)展研究，本研究將技術(shù)預(yù)測(cè)研究定義為某一時(shí)間狀態(tài)下的新技術(shù)出現(xiàn)和新技術(shù)發(fā)展的動(dòng)態(tài)變化趨勢(shì)，并進(jìn)行技術(shù)趨勢(shì)演化探索?；诖?，本研究將以文獻(xiàn)數(shù)據(jù)源為技術(shù)預(yù)測(cè)數(shù)據(jù)源，從新技術(shù)發(fā)現(xiàn)和領(lǐng)域技術(shù)發(fā)展態(tài)勢(shì)兩個(gè)方向進(jìn)行趨勢(shì)演化模型的技術(shù)預(yù)測(cè)探索與研究，即不僅從現(xiàn)有文獻(xiàn)中探索新的技術(shù)出現(xiàn)，而且也將現(xiàn)有技術(shù)發(fā)展趨勢(shì)作為研究目標(biāo)?；谮厔?shì)演化的技術(shù)預(yù)測(cè)模型框架如圖1 所示。

圖1 基于趨勢(shì)演化的技術(shù)預(yù)測(cè)模型框架

由圖1 可見(jiàn)，趨勢(shì)演化模型分為3 個(gè)模塊：領(lǐng)域技術(shù)主題篩選與處理模塊、領(lǐng)域新技術(shù)主題清洗模塊、領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)模塊，每個(gè)模塊之間的遞進(jìn)分別給出測(cè)度條件，并定義相應(yīng)的測(cè)度方法和分析工具，構(gòu)造合理的模型。領(lǐng)域技術(shù)主題篩選與處理模塊采用文獻(xiàn)分析和數(shù)學(xué)模型的構(gòu)建方法，以BICOMBII 和Python 為分析工具；領(lǐng)域新技術(shù)主題清洗模塊采用聚類(lèi)分析法、數(shù)學(xué)模型的構(gòu)建以及文獻(xiàn)計(jì)量學(xué)的方法，用Python 為分析工具；領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)模塊采用圖譜法，用Python 為分析工具。

2.1 領(lǐng)域技術(shù)主題篩選與處理

首先以Python 為工具建立詞庫(kù)，然后利用BICOMBII 對(duì)相關(guān)文獻(xiàn)的關(guān)鍵詞、高頻詞以及共詞等進(jìn)行提取和詞頻統(tǒng)計(jì)。論文中的關(guān)鍵詞反映研究的技術(shù)主題，即所屬領(lǐng)域的專(zhuān)業(yè)術(shù)語(yǔ)，詞頻隨時(shí)間的變化可以反映研究的技術(shù)主題變化，為了避免因詞頻統(tǒng)計(jì)中不相關(guān)詞以及命名不規(guī)范關(guān)鍵詞的存在而影響分析結(jié)果，研究將從相關(guān)文獻(xiàn)中提取關(guān)鍵詞，并進(jìn)行主題規(guī)范化處理，利用Python 進(jìn)行統(tǒng)計(jì)，形成技術(shù)概念詞集Ki。高頻詞是指概念詞集相對(duì)高頻的技術(shù)主題，高頻概念詞隨時(shí)間的變化可以反映研究關(guān)注主題的變化，因此將數(shù)據(jù)集中的主題按照詞頻從高到低進(jìn)行排列，取詞頻高的主題概念形成高頻數(shù)據(jù)集Hi。單一的主題概念以及高頻詞的變化尚不能全面描述技術(shù)主題的變化，因而利用詞共現(xiàn)描述發(fā)現(xiàn)的技術(shù)主題、詞共現(xiàn)的時(shí)序動(dòng)態(tài)變化可以較為全面反映技術(shù)主題的變化，通過(guò)關(guān)鍵詞進(jìn)行兩兩或者三三共詞分析得到詞共現(xiàn)矩陣，從而得到數(shù)據(jù)集Ci。

2.2 領(lǐng)域新技術(shù)主題清洗

新主題概念詞是指在一定的時(shí)間區(qū)間(n年)內(nèi)，按照一定的算法得到篩選出年度新呈現(xiàn)的主題概念。新主題概念詞的算法為：

式（1）中：n為研究選取的時(shí)間區(qū)間；NKi為第i+1 年的主題概念詞；Ki為第i年的主題概念詞。

新技術(shù)主題高頻詞是指在一定的時(shí)間區(qū)間（n年）內(nèi)，按照一定的算法得到的新高頻主題概念詞。新技術(shù)主題高頻詞的算法為：

式（2）中：NHi為第i+1 年的新高頻主題概念詞；Hi為第i年的高頻主題概念詞。

新技術(shù)主題共現(xiàn)是指在一定的時(shí)間區(qū)間（n年）內(nèi)，按照一定的算法得到的新主題概念詞共詞。新技術(shù)主題共詞的算法為：

式（3）中：NCi為第i+1 年的共詞新詞；Ci為第i年的共詞。

經(jīng)過(guò)領(lǐng)域新技術(shù)主題清洗模塊得到的新主題概念詞、新技術(shù)主題高頻詞以及新技術(shù)主題共詞，共同形成了新主題集。新主題集公式為：

式（4）中：n為研究選取的時(shí)間區(qū)間；NSi為第i+1 年的新主題集。

2.3 領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)

經(jīng)過(guò)上述兩個(gè)模塊得到的新主題集進(jìn)入到領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)模塊，通過(guò)對(duì)主題概念和新主題的詞頻進(jìn)行分析、新主題的詞清洗以及對(duì)新主題的識(shí)別，得到具有潛力的技術(shù)主題范圍，繪制每個(gè)技術(shù)主題的時(shí)序演化曲線，從而得到技術(shù)主題的發(fā)展趨勢(shì)以及發(fā)現(xiàn)新技術(shù)主題。如，對(duì)研究時(shí)間區(qū)間（n年）內(nèi)的每個(gè)新主題概念詞在每一年出現(xiàn)的情況進(jìn)行分析，即出現(xiàn)在NKi中的新主題概念詞在NKi+1，NKi+2，… ，NKn-1年的新主題概念詞中的出現(xiàn)頻度及其詞頻，依據(jù)頻度值及研究時(shí)間區(qū)間設(shè)定閾值最大值，由于研究技術(shù)主題趨勢(shì)變化，則閾值最小值為3，將未達(dá)到閾值的新主題概念詞舍去，形成新的有效數(shù)據(jù)集。在新的有效數(shù)據(jù)集的基礎(chǔ)上對(duì)詞共現(xiàn)進(jìn)行統(tǒng)計(jì)，探索技術(shù)主題相關(guān)性。新主題概念詞共現(xiàn)在每一年出現(xiàn)的情況，即出現(xiàn)在NCi年的共詞是否在NCi+1，NCi+2，… ，NCn-1中持續(xù)出現(xiàn)，采用相同的方法設(shè)定閾值，將未達(dá)到閾值的新主題概念詞舍去，形成新的有效數(shù)據(jù)集。依據(jù)不同數(shù)據(jù)分析處理后形成新的有效數(shù)據(jù)集，繪制技術(shù)主題時(shí)序演化趨勢(shì)的技術(shù)主題概念的時(shí)序演化圖表。

2.4 模型的趨勢(shì)分析

由不同模塊生成不同數(shù)據(jù)集，分析處理后形成新的有效數(shù)據(jù)集，依據(jù)繪制技術(shù)主題時(shí)序演化趨勢(shì)的技術(shù)主題概念的時(shí)序演化圖表，對(duì)模型流程中呈現(xiàn)的眾多圖表作技術(shù)趨勢(shì)解讀分析。

2.4.1 詞頻趨勢(shì)解讀分析

分析每個(gè)技術(shù)主題概念在每一年出現(xiàn)的狀態(tài)，即出現(xiàn)在NHi的技術(shù)主題概念詞是否在NHi+1，NHi+2，…，NHn-1年的連續(xù)出現(xiàn)，對(duì)狀態(tài)演化結(jié)果進(jìn)行分析和處理。根據(jù)選取時(shí)間區(qū)間的長(zhǎng)度，從BICOMBII 得到的高頻詞詞頻表中查找得到技術(shù)主題概念詞對(duì)應(yīng)的詞頻，形成技術(shù)主題概念詞及對(duì)應(yīng)的詞頻表，通過(guò)對(duì)主題概念詞頻統(tǒng)計(jì)分析得到數(shù)據(jù)集，繪制每個(gè)技術(shù)主題概念詞繪制時(shí)序演化的詞頻圖表。觀察技術(shù)主題概念詞頻的變化趨勢(shì)圖，分析變化趨勢(shì)的3 種不同狀態(tài)：第1 類(lèi)是技術(shù)主題概念詞頻有穩(wěn)定趨勢(shì)方向，如已形成穩(wěn)定的增長(zhǎng)趨勢(shì)或下降趨勢(shì)；第2 類(lèi)是技術(shù)主題概念詞頻尚未出現(xiàn)穩(wěn)定趨勢(shì)，就是曲線波動(dòng)；第3 類(lèi)是技術(shù)主題概念詞頻變化尚未有趨勢(shì)，就是未形成連續(xù)時(shí)序曲線。對(duì)于有穩(wěn)定趨勢(shì)的技術(shù)主題概念高頻詞，有望成為關(guān)注程度高的技術(shù)主題，作為技術(shù)主題的發(fā)展態(tài)勢(shì)分析基礎(chǔ)。

2.4.2 新主題概念解讀分析

根據(jù)上述新主題概念模塊對(duì)技術(shù)主題概念新詞及其詞頻統(tǒng)計(jì)分析得到的新主題概念詞，及其對(duì)應(yīng)的詞頻表形成新主題概念新詞時(shí)序演化趨勢(shì)圖。該技術(shù)主題概念詞頻的變化趨勢(shì)圖同樣存在3 種不同狀態(tài)：第1 類(lèi)是技術(shù)主題概念詞頻有穩(wěn)定趨勢(shì)方向，如已形成穩(wěn)定的增長(zhǎng)趨勢(shì)或下降趨勢(shì)；第2 類(lèi)是技術(shù)主題概念詞頻尚未出現(xiàn)穩(wěn)定趨勢(shì)，就是曲線波動(dòng)；第3 類(lèi)是技術(shù)主題概念詞頻變化尚未有趨勢(shì)，就是未形成連續(xù)時(shí)序曲線?？蓪⒂蟹€(wěn)定趨勢(shì)的技術(shù)主題概念詞變化趨勢(shì)解讀為：新技術(shù)主題概念時(shí)序趨勢(shì)成持續(xù)向上線性分布，說(shuō)明新技術(shù)主題概念已形成穩(wěn)定趨勢(shì)；新技術(shù)主題概念時(shí)序趨勢(shì)曲線平行分布，說(shuō)明新技術(shù)主題概念出現(xiàn)，具發(fā)展?jié)摿?；?duì)于有穩(wěn)定趨勢(shì)的新技術(shù)主題概念，可認(rèn)為有新技術(shù)出現(xiàn)的跡象，有望成為新的技術(shù)領(lǐng)域的技術(shù)主題；對(duì)于詞頻在連續(xù)幾年都有出現(xiàn)但無(wú)穩(wěn)定趨勢(shì)的新技術(shù)主題概念詞，可供專(zhuān)家進(jìn)一步分析，作為備選的新技術(shù)主題；對(duì)于詞頻變化不成趨勢(shì)的新技術(shù)主題概念，呈點(diǎn)狀出現(xiàn)，將不作為新技術(shù)主題概念。

2.4.3 詞共現(xiàn)趨勢(shì)分析

在新的有效數(shù)據(jù)集基礎(chǔ)上統(tǒng)計(jì)詞共現(xiàn)探索技術(shù)主題相關(guān)性，分析數(shù)據(jù)集中詞共現(xiàn)現(xiàn)象，即每一年出現(xiàn)狀態(tài)，出現(xiàn)在NCi年的詞共現(xiàn)是否在NCi+1，NCi+2，… ，NCn-1中出現(xiàn)。對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行分析和處理，選取特定時(shí)間區(qū)間的長(zhǎng)度，通過(guò)BICOMBII 得到的共詞詞頻表對(duì)應(yīng)的詞頻，生成詞共現(xiàn)趨勢(shì)分析圖。

通過(guò)詞共現(xiàn)技術(shù)主題概念詞的時(shí)序演化圖表，解讀詞共現(xiàn)技術(shù)主題概念詞變化趨勢(shì)。從變化趨勢(shì)有穩(wěn)定發(fā)展的技術(shù)主題概念得到不同粒度的技術(shù)主題概念，以及解讀交叉領(lǐng)域有新技術(shù)出現(xiàn)的跡象，有利于鎖定新的技術(shù)領(lǐng)域和關(guān)注程度高的技術(shù)主題。

3 實(shí)驗(yàn)過(guò)程

為驗(yàn)證上述分析構(gòu)建的模型的可操作性，本研究以揮發(fā)性有機(jī)物（VOCs）治理技術(shù)領(lǐng)域?yàn)槔_(kāi)展實(shí)證研究。

3.1 數(shù)據(jù)采集

以Scopus 數(shù)據(jù)庫(kù)為數(shù)據(jù)源，采集到2010—2017年揮發(fā)性有機(jī)物治理技術(shù)領(lǐng)域相關(guān)文獻(xiàn)34 146 篇，提取索引關(guān)鍵詞共211 407 個(gè)。其中，各年提取關(guān)鍵詞的個(gè)數(shù)分別為25 268、27 883、27 873、25 842、23 854、25 753、27 599、27 335。對(duì)關(guān)鍵詞進(jìn)行篩選，得到待分析數(shù)據(jù)集。以2017 年部分關(guān)鍵詞及詞頻為例，如表1 所示。表1 中“human（人類(lèi)）”屬于無(wú)關(guān)詞，“titanium dioxide（二氧化鈦）”和“titania（二氧化鈦）”為同義詞，說(shuō)明待分析數(shù)據(jù)集中存在無(wú)關(guān)詞和同義詞。

表1 2017 年揮發(fā)性有機(jī)物治理技術(shù)領(lǐng)域待分析數(shù)據(jù)集中的關(guān)鍵詞及詞頻 單位：次

3.2 領(lǐng)域技術(shù)主題篩選與處理

由于待分析數(shù)據(jù)集是基礎(chǔ)數(shù)據(jù)，在領(lǐng)域技術(shù)主題篩選與處理模塊從專(zhuān)業(yè)術(shù)語(yǔ)、高頻詞及詞共現(xiàn)3 個(gè)維度對(duì)待分析數(shù)據(jù)集進(jìn)行刪除無(wú)關(guān)詞和合并同義詞的處理，得到術(shù)語(yǔ)集。2010—2017 年揮發(fā)性有機(jī)物治理技術(shù)領(lǐng)域的術(shù)語(yǔ)集中關(guān)鍵詞的個(gè)數(shù)分別為538、1 110、973、1 024、1 656、2 665、4 717、3 241。以術(shù)語(yǔ)集中2017 年部分關(guān)鍵詞及詞頻為例，如表2 所示。

表2 2017 年揮發(fā)性有機(jī)物治理技術(shù)領(lǐng)域術(shù)語(yǔ)集中部分關(guān)鍵詞及詞頻 單位：次

當(dāng)?shù)玫降膶?zhuān)業(yè)術(shù)語(yǔ)、高頻詞和詞共現(xiàn)的關(guān)鍵詞同時(shí)滿足以下兩個(gè)條件時(shí)，則可進(jìn)入第二模塊領(lǐng)域新技術(shù)主題清洗模塊：條件一，專(zhuān)業(yè)術(shù)語(yǔ)、高頻詞、詞共現(xiàn)的關(guān)鍵詞集不包含任何無(wú)關(guān)關(guān)鍵詞；條件二，專(zhuān)業(yè)術(shù)語(yǔ)、高頻詞、詞共現(xiàn)的關(guān)鍵詞的同義詞已全部找出且同義詞的詞頻已累加求和。

3.3 領(lǐng)域新技術(shù)主題清洗

在模型的領(lǐng)域新技術(shù)主題清洗模塊中，從新主題概念詞、新技術(shù)主題高頻詞和新技術(shù)主題共詞3 個(gè)維度，對(duì)術(shù)語(yǔ)集按照領(lǐng)域新技術(shù)主題清洗模塊的算法得到新主題集。以第一年為參考日期，則2011—2017 年會(huì)出現(xiàn)新主題概念詞，將連續(xù)3 年出現(xiàn)的新主題概念詞稱(chēng)為連續(xù)發(fā)展的新主題概念詞，并將其作為研究對(duì)象，預(yù)測(cè)新技術(shù)及發(fā)展態(tài)勢(shì)。得到2011—2015 年連續(xù)發(fā)展的新主題概念詞，如表3 所示。表3 中，2011 年列舉的新主題概念詞“montmorillonite（蒙脫石）”為揮發(fā)性有機(jī)物催化及催化劑應(yīng)用研究領(lǐng)域；2012 年列舉的新主題概念詞“pressurized liquid extraction（加壓液相萃?。焙汀皊uccessive ionic layer adsorption and reaction（連續(xù)的離子層吸附和反應(yīng)）”為揮發(fā)性有機(jī)物治理設(shè)備及工藝研究領(lǐng)域；2013 年列舉的新主題概念詞“reduced graphene oxides（還原石墨烯氧化)”和“halide perovskites（鹵化物鈣鈦礦）”屬于揮發(fā)性有機(jī)物治理設(shè)備及工藝研究領(lǐng)域；2014 年列舉的新主題概念詞“vis absorptionspectroscopy （吸收光譜）”和“functionalized multi-walled carbon nanotubes （功能化多壁碳納米管）”屬于污染源檢測(cè)/監(jiān)測(cè)研究領(lǐng)域；2015 年列舉的新主題概念詞“perovskite thin films （鈣鈦礦薄膜）”為揮發(fā)性有機(jī)物治理設(shè)備及工藝研究領(lǐng)域。

表3 2011—2015 年揮發(fā)性有機(jī)物治理技術(shù)領(lǐng)域連續(xù)發(fā)展的新主題概念詞

當(dāng)每年的新主題概念詞NKi、新技術(shù)主題高頻詞NHi、新技術(shù)主題共詞NCi都包含其對(duì)應(yīng)的新主題概念詞、高頻詞新技術(shù)主題和新技術(shù)交叉主題時(shí)，則可進(jìn)入第三模塊，即領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)模塊。

3.4 領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)分析

在領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)模塊中，采用追溯法對(duì)新技術(shù)主題的發(fā)現(xiàn)和領(lǐng)域技術(shù)發(fā)展態(tài)勢(shì)進(jìn)行研究，發(fā)現(xiàn)新主題詞的變化呈現(xiàn)3 種趨勢(shì)，分別為詞頻呈現(xiàn)穩(wěn)定變化趨勢(shì)、詞頻有連續(xù)出現(xiàn)但無(wú)穩(wěn)定變化趨勢(shì)和詞頻未呈現(xiàn)變化趨勢(shì)。

（1）詞頻呈現(xiàn)穩(wěn)定變化趨勢(shì)。以2017 年為起始年份，按照2017 年、2016 年 2010 年的順序進(jìn)行追溯式查找，詞頻呈現(xiàn)穩(wěn)定變化趨勢(shì)的特征為主題詞詞頻連續(xù)出現(xiàn)，并且每年呈現(xiàn)均勻增長(zhǎng)或者平穩(wěn)的狀態(tài)，即屬于第1 類(lèi)。部分主題詞詞頻從2010 年進(jìn)入前50（50 為高頻詞閾值）的行列，且每年連續(xù)出現(xiàn)并一直保持在前50 的位置，其詞頻趨勢(shì)變化曲線如圖2 所示。高頻詞的閾值是指關(guān)鍵詞成為高頻詞時(shí)詞頻要達(dá)到的值。統(tǒng)計(jì)分析發(fā)現(xiàn)，樣本文獻(xiàn)量隨時(shí)間呈不斷上升趨勢(shì)，則提取得到的關(guān)鍵詞詞頻同樣隨時(shí)間不斷上升。選取固定的詞頻值作為閾值不能滿足詞頻動(dòng)態(tài)變化的需求，將關(guān)鍵詞按照降序排列，選取前50 個(gè)詞作為高頻詞，第50 個(gè)詞對(duì)應(yīng)的詞頻作為高頻詞閾值。從圖2 可以發(fā)現(xiàn)，這11 個(gè)主題詞在2010—2017 年每年都有進(jìn)入前50并且呈現(xiàn)增長(zhǎng)或者平穩(wěn)的趨勢(shì)，說(shuō)明這些主題詞是在處理VOCs 技術(shù)領(lǐng)域一直高度備受關(guān)注，揭示了領(lǐng)域技術(shù)發(fā)展態(tài)勢(shì)。

圖2 2010—2017 年揮發(fā)性有機(jī)物治理技術(shù)領(lǐng)域新主題詞變化趨勢(shì)

（2）詞頻有連續(xù)出現(xiàn)但無(wú)穩(wěn)定變化趨勢(shì)。以2017 年為起始年份，按照2017 年、2016 年 2010 年的順序進(jìn)行追溯式查找，詞頻有連續(xù)出現(xiàn)但無(wú)穩(wěn)定變化趨勢(shì)的特征為主題詞詞頻在2010—2015年可能沒(méi)有出現(xiàn)，在2016 年、2017 年出現(xiàn)且呈現(xiàn)增長(zhǎng)的趨勢(shì)。即屬于第2 類(lèi)。

（3）詞頻未呈現(xiàn)變化趨勢(shì)。以2017 年為起始年份，按照2017 年、2016 年 2010 年的順序進(jìn)行追溯式查找，詞頻未呈現(xiàn)變化趨勢(shì)的特征為只在2017 年出現(xiàn)在前50 新主題詞中，而在2010—2016年都沒(méi)有出現(xiàn)。此類(lèi)主題詞呈現(xiàn)散點(diǎn)式分布，并不能夠形成趨勢(shì)變化圖，即屬于第3 類(lèi)。此類(lèi)主題詞可擴(kuò)展研究的時(shí)間段做進(jìn)一步的研究，作為后續(xù)研究的一個(gè)方向。

3.5 新技術(shù)發(fā)現(xiàn)及領(lǐng)域技術(shù)發(fā)展態(tài)勢(shì)

通過(guò)運(yùn)用趨勢(shì)演化的技術(shù)預(yù)測(cè)模型得到主題詞趨勢(shì)變化曲線，根據(jù)技術(shù)主題的趨勢(shì)變化確定技術(shù)主題，并預(yù)測(cè)技術(shù)主題所屬領(lǐng)域。以新主題概念詞“zinc oxide nanoparticles”為例，如圖3 所示。由圖3 可見(jiàn)，氧化鋅納米粒子（zinc oxide nanoparticles）是2014 年出現(xiàn)的新主題概念詞，新主題概念詞的出現(xiàn)意味著新技術(shù)的出現(xiàn)。其中，在2014—2017 年氧化鋅納米粒子詞頻基本呈現(xiàn)上升趨勢(shì)，可以推測(cè)這是今后值得關(guān)注的新技術(shù)。

圖3 2014—2017 年氧化鋅納米粒子技術(shù)主題概念詞趨勢(shì)變化

綜合上述，經(jīng)過(guò)3 個(gè)模塊的層層遞進(jìn)，得到反映新技術(shù)的關(guān)鍵詞。本研究對(duì)新主題集中的關(guān)鍵詞結(jié)合其趨勢(shì)變化進(jìn)行總結(jié)，預(yù)測(cè)了揮發(fā)性有機(jī)物處理技術(shù)主要集中于5 個(gè)領(lǐng)域：（1）揮發(fā)性有機(jī)物催化及催化劑應(yīng)用研究領(lǐng)域；（2）光催化研究領(lǐng)域；（3）揮發(fā)性有機(jī)物治理設(shè)備及工藝研究領(lǐng)域；（4）污染源控制研究領(lǐng)域；（5）污染源檢測(cè)/監(jiān)測(cè)研究領(lǐng)域。

4 結(jié)論

本研究綜合運(yùn)用了文本分析、共現(xiàn)分析和圖譜法，以BICOMBII 和Python 為分析工具進(jìn)行數(shù)學(xué)模型的構(gòu)建，且從新技術(shù)發(fā)現(xiàn)和領(lǐng)域技術(shù)發(fā)展態(tài)勢(shì)兩方面提出了一種基于趨勢(shì)演化分析的技術(shù)預(yù)測(cè)研究框架，并以Scopus 文獻(xiàn)數(shù)據(jù)庫(kù)為數(shù)據(jù)源，以揮發(fā)性有機(jī)化合物處理技術(shù)領(lǐng)域?yàn)槔M(jìn)行了實(shí)證研究，篩選出VOCs 領(lǐng)域待選的新技術(shù)主題以及技術(shù)趨勢(shì)。研究所采用的數(shù)據(jù)全部采集于文獻(xiàn)數(shù)據(jù)庫(kù)，數(shù)據(jù)采集和分析過(guò)程可重復(fù)、可追溯，研究中受主觀因素的影響較少，所以結(jié)論比較客觀、真實(shí)。

本研究提出的模型由領(lǐng)域技術(shù)主題篩選與處理、領(lǐng)域新技術(shù)主題清洗、領(lǐng)域技術(shù)主題時(shí)序演化趨勢(shì)3 個(gè)模塊構(gòu)成，各模塊之間存在遞進(jìn)關(guān)系。模型一方面從系統(tǒng)化和定量化優(yōu)化了技術(shù)預(yù)測(cè)方法，另一方面基于文獻(xiàn)內(nèi)容特征的多要素指標(biāo)進(jìn)行技術(shù)主題的提取，數(shù)據(jù)源更為豐富全面，便于更深入地挖掘微觀信息。可以說(shuō)，綜合、動(dòng)態(tài)的文獻(xiàn)計(jì)量分析范式對(duì)于其他科學(xué)主題進(jìn)行研究前沿篩選和研究技術(shù)演化模式的探索，也具有一定的參考價(jià)值和推廣借鑒意義。