王金鳳，徐正強(qiáng)，馮立杰，李 康

（上海海事大學(xué)，上海 201306）

1 研究背景

黨的十八大以來，創(chuàng)新成為時代的主題。黨的十九大明確提出提高科技創(chuàng)新能力，加快建設(shè)創(chuàng)新型國家。我國“十四五”規(guī)劃則對加快科技創(chuàng)新提出了更為迫切的要求。企業(yè)作為國家技術(shù)創(chuàng)新的主體，更加凸顯了提高其科技創(chuàng)新能力的緊迫性及重要性［1］。Kim 等［2］、賴曉敏等［3］、陳欣然等［4］的研究均指出，專利作為技術(shù)創(chuàng)新的重要載體，通過挖掘并剖析專利，能夠研判企業(yè)的技術(shù)創(chuàng)新機(jī)會從而提升其創(chuàng)新能力。因此，研究如何從專利數(shù)據(jù)中精確識別并研判創(chuàng)新路徑，對企業(yè)提高技術(shù)創(chuàng)新能力和核心競爭力具有重要的理論研究和實(shí)踐指導(dǎo)意義。

在技術(shù)機(jī)會識別中，大數(shù)據(jù)、文本挖掘、機(jī)器學(xué)習(xí)和自然語言處理等信息處理技術(shù)和分析方法提升了技術(shù)創(chuàng)新路徑識別的自動化水平和效率，呈現(xiàn)出更加廣泛的應(yīng)用趨勢，但研判的創(chuàng)新路徑往往較為抽象和模糊，在很多情況下還需領(lǐng)域?qū)＜覅⑴c并解讀才能加以識別，因而許多研究應(yīng)用專利地圖、技術(shù)形態(tài)組合、subject-action-object（SAO）技術(shù)鏈等手段解讀技術(shù)機(jī)會，在減少專家介入的同時大大提高技術(shù)機(jī)會的可解讀性及具體性。例如，李乾瑞等［5］采用SAO 語義挖掘方法構(gòu)建技術(shù)形態(tài)矩陣，以SAO 技術(shù)鏈完善技術(shù)細(xì)節(jié)，改善創(chuàng)新路徑抽象問題；馮立杰等［6］將SAO 技術(shù)鏈與多維空間專利地圖進(jìn)行結(jié)合，構(gòu)建了多維導(dǎo)航的創(chuàng)新路徑識別模型，可具象識別創(chuàng)新路徑。多維空間專利地圖是通過捕捉客觀技術(shù)創(chuàng)新要素，耦合創(chuàng)新法則進(jìn)行迭代變換，映射于創(chuàng)新地圖的創(chuàng)新方法，可以識別技術(shù)創(chuàng)新機(jī)會并具象出系列創(chuàng)新路徑。例如，馮立杰等［7］應(yīng)用IDE 創(chuàng)新方法（工業(yè)設(shè)計ID 與工業(yè)工程IE 融合形成的IDE 創(chuàng)新方法）多維解析裝備研發(fā)領(lǐng)域的多維技術(shù)形態(tài)并構(gòu)建專利地圖，迭代產(chǎn)生技術(shù)研發(fā)方案；王金鳳等［8］基于多維技術(shù)專利地圖提出技術(shù)創(chuàng)新機(jī)會識別路徑，并以此解讀煤層氣開采技術(shù)創(chuàng)新機(jī)會；岳俊舉等［9］依據(jù)文本挖掘及關(guān)聯(lián)規(guī)則構(gòu)建了簡易技術(shù)識別路徑與多維空間專利地圖維法深入進(jìn)行技術(shù)識別，形成完整的技術(shù)形態(tài)。因此，通過構(gòu)建目標(biāo)領(lǐng)域多維空間專利地圖的方式，有利于增強(qiáng)技術(shù)機(jī)會的可讀性，具象出系列創(chuàng)新路徑。

鑒于此，本研究應(yīng)用多維空間專利地圖以識別具體技術(shù)創(chuàng)新路徑。首先通過詞頻-逆文檔頻率（TF-IDF）算法和隱含狄利克雷分布（LDA）模型，快速精確地提取創(chuàng)新要素，進(jìn)而運(yùn)用馮立杰［10］提出的“九法”進(jìn)行耦合異化，構(gòu)建多維空間專利地圖以識別具體技術(shù)創(chuàng)新路徑，并依據(jù)目標(biāo)技術(shù)問題和目標(biāo)優(yōu)選創(chuàng)新法則，更精準(zhǔn)地捕捉技術(shù)創(chuàng)新機(jī)會并具象其創(chuàng)新路徑，最后結(jié)合可拓學(xué)對創(chuàng)新路徑進(jìn)行綜合指標(biāo)關(guān)聯(lián)度評級，優(yōu)選出有價值、有前景、有現(xiàn)實(shí)意義的創(chuàng)新技術(shù)路徑，減少企業(yè)創(chuàng)新成本，提高創(chuàng)新效率。

2 文獻(xiàn)綜述

2.1 技術(shù)機(jī)會識別

在技術(shù)機(jī)會識別中，自然語言處理、統(tǒng)計分析等智慧手段呈現(xiàn)廣泛應(yīng)用。一是提高知識要素結(jié)構(gòu)化自動化水平。二是引入新的知識要素結(jié)構(gòu)化技術(shù)文本，拓展技術(shù)機(jī)會識別的表現(xiàn)形式，如，張?？〉龋?1］用共詞分析法和謂詞樹分析法對論文與專利以及專利與專利進(jìn)行對比，以挖掘海洋科學(xué)領(lǐng)域的技術(shù)創(chuàng)新機(jī)會；李欣等［12］構(gòu)建了基于SAO 結(jié)構(gòu)的問題-解決路徑模型挖掘并聚類新興技術(shù)專利文本中的語義信息，以揭示新興技術(shù)形成過程中的進(jìn)化脈絡(luò)與演化軌跡；周健等［13］將文獻(xiàn)按時序劃分為不同的時間段，對不同時間段的文獻(xiàn)進(jìn)行主題識別，客觀展示了區(qū)塊鏈技術(shù)主題間的演化關(guān)系。另有學(xué)者通過構(gòu)建專利地圖來識別技術(shù)創(chuàng)新的空白領(lǐng)域，如Son 等［14］將生成拓?fù)溆成洌╣enerative topographic mapping，GTM）應(yīng)用于機(jī)器學(xué)習(xí)，通過GTM 專利地圖研究技術(shù)空白區(qū)域的關(guān)鍵詞向量以預(yù)判目標(biāo)領(lǐng)域的技術(shù)創(chuàng)新機(jī)會；而Lee 等［15］、王翠波等［16］則利用可視化技術(shù)專利地圖，將地圖中的空白區(qū)域定義為技術(shù)創(chuàng)新機(jī)會。技術(shù)機(jī)會識別研究在借助各種智慧化、自動化手段減少專家參與的同時，技術(shù)機(jī)會表示及可讀性方面也在趨向于具體化、定量化，如李乾瑞等［5］在采用SAO 語義挖掘方法構(gòu)建技術(shù)形態(tài)矩陣基礎(chǔ)上開展了形態(tài)分析，以輸出技術(shù)形態(tài)組合備選集，然后引入模糊一致矩陣法對得到的技術(shù)形態(tài)組合進(jìn)行了綜合評價與排序；馮立杰等［6］抽取SAO 語義鏈結(jié)合多維空間專利地圖構(gòu)建三級技術(shù)創(chuàng)新識別路徑，多維、多層次精準(zhǔn)識別技術(shù)機(jī)會。

2.2 多維空間專利地圖

多維空間專利地圖是通過對具象專利信息進(jìn)行多維度導(dǎo)向分析，綜合運(yùn)用多種創(chuàng)新法則對影響各維度的創(chuàng)新要素進(jìn)行迭代變換，從而高效形成系列創(chuàng)新路徑的一種創(chuàng)新方法［17］。該方法綜合了TRIZ、系統(tǒng)創(chuàng)新思維（systematic inventive thinking，SIT）方法和檢核表法等創(chuàng)新理論，提出了人機(jī)關(guān)系維、功能維、動力體系維、環(huán)境維、空間維、結(jié)構(gòu)維、機(jī)理維、材料維和時序維等九大技術(shù)創(chuàng)新維度（以下簡稱“九維”），及智慧化、替代、自服務(wù)、動態(tài)化、分解與去除、組合與集成、局部優(yōu)化、柔性化和友好化等九大技術(shù)創(chuàng)新法則（以下簡稱“九法”），通過九維導(dǎo)航，借助九法對創(chuàng)新要素進(jìn)行耦合變換優(yōu)化，以形成系列技術(shù)創(chuàng)新路徑［10］。多維空間專利地圖的拓展性廣、文本結(jié)構(gòu)兼容性強(qiáng)，例如，有研究利用功能-行為-結(jié)構(gòu)（function-behaviorstructure，F(xiàn)BS）結(jié)構(gòu)解析創(chuàng)新層次，并依據(jù)文本挖掘的熱點(diǎn)主題構(gòu)建多維空間專利地圖，解讀系列技術(shù)創(chuàng)新機(jī)會［18］；有研究基于需求視角構(gòu)建Kano 模型識別關(guān)鍵需求，引入多維空間專利地圖，生成目標(biāo)APP 的系列技術(shù)創(chuàng)新機(jī)會［19］；也有研究基于LDA主題聚類構(gòu)建多維空間專利地圖具象創(chuàng)新方案，并以TexRank-IDF新穎度指標(biāo)評價技術(shù)機(jī)會方案［20］。

綜上所述，多維空間專利地圖的運(yùn)用已經(jīng)逐漸成熟，但上述研究前期通過專家介入進(jìn)行解構(gòu)，獲取技術(shù)結(jié)構(gòu)文本，存在主觀性強(qiáng)且效率低等問題；同時，上述研究存在自動化提取創(chuàng)新要素文本精確度不夠等問題。因此，本研究通過TF-IDF 及LDA文本挖掘方法進(jìn)行嵌套使用，對技術(shù)文本經(jīng)過二次精煉，提高多維空間專利地圖的創(chuàng)新要素及創(chuàng)新維度的精確性。

2.3 LDA 主題聚類

通過詞頻分析、共詞分析及 LDA 概率模型主題提取等文獻(xiàn)統(tǒng)計分析方法，能夠高效遍覽相關(guān)領(lǐng)域的專業(yè)文獻(xiàn)［21］，而LDA 在主題詞篩選上能很好體現(xiàn)其間的語義關(guān)系，尤其是它能夠在大量異構(gòu)文本數(shù)據(jù)中提取關(guān)鍵主題的同時降低文本維度，避免維度災(zāi)難［22］。正因如此，LDA 主題模型應(yīng)用成為文獻(xiàn)計量方法的研究熱點(diǎn)。

式（1）中：θd、βk、k為未知參數(shù)；θd和βk可通過Gibbs 抽取樣本估算；最優(yōu)主題數(shù)量k可通過困惑度（perplexity）確定。困惑度一般用于評估LDA 主題模型的優(yōu)劣程度以對模型性能進(jìn)行量化評價，計算公式如下：

參考譚春輝等［23］、Liang 等［24］的研究，困惑度表明文檔d從屬主題的不確定性，數(shù)值越小表明模型的性能越優(yōu)，因此，將最低或拐點(diǎn)對應(yīng)的k值設(shè)為文本的最佳主題數(shù)，但LDA 模型的主題詞項(xiàng)構(gòu)成中大多會存在一些不重要甚至是不相關(guān)的詞項(xiàng)，因此，需要在輸出結(jié)果時借助領(lǐng)域?qū)＜壹右藻噙x，或引入其他方法進(jìn)行預(yù)處理，以增強(qiáng)主題詞提取的準(zhǔn)確率［24］。如慎金花等［1］、馮立杰等［18］分別采用了Apriori 算法和FBS 模型對文本進(jìn)行挖掘和分解提取關(guān)鍵詞，為LDA 主題聚類提供技術(shù)文本數(shù)據(jù)，提高了主題詞項(xiàng)的精度和準(zhǔn)確性；毛太田等［25］將關(guān)聯(lián)規(guī)則算法和LDA 融合，對政府相關(guān)信息文本進(jìn)行了主題提取與聚類以挖掘出相關(guān)用戶的興趣；劉自強(qiáng)等［26］通過引入chunk 模塊，通過名詞組塊的構(gòu)造進(jìn)行增強(qiáng)LDA 主題的可讀性，改善了LDA 中主題詞的信息不足問題。為進(jìn)一步在高效提取專利文本中最具代表性關(guān)鍵詞的同時減少無用的雜詞，提高主題和主題詞提取的精度和效率，本研究將通過TF-IDF 結(jié)合LDA 對專利文本進(jìn)行關(guān)鍵詞篩選，提高專利數(shù)據(jù)分析的客觀性及自動化水平。

2.4 TF-IDF 算法

TF-IDF 算法簡單直觀，而且在計算詞語的權(quán)值方面應(yīng)用較多且效果較好。該算法提取關(guān)鍵詞的總體思路是：某個詞或短語在某文檔中出現(xiàn)頻率較高而在其他文檔中出現(xiàn)頻率較低，則可認(rèn)為該詞或短語具有較好的區(qū)分能力，可作為該文檔的關(guān)鍵詞［27］。由此，可利用該方法進(jìn)行信息檢索、文本挖掘并確定用戶模型的權(quán)重［28］。如彭博［29］利用TF-IDF 算法提取了網(wǎng)絡(luò)文物信息資源文檔集中各文檔代表性的主題詞；彭郴等［30］等運(yùn)用TF-IDF 算法過濾高質(zhì)量的短語和詞以有效提取相關(guān)產(chǎn)品的質(zhì)量信息，并構(gòu)建了消費(fèi)品缺陷領(lǐng)域的詞典庫；唐曉波等［31］則運(yùn)用TF-IDF 算法抽取關(guān)鍵詞并進(jìn)行抽詞標(biāo)引，以發(fā)現(xiàn)關(guān)鍵詞句子內(nèi)部的特征。不難看出，該算法綜合考慮了文本中高頻詞和低頻詞對文本分類的貢獻(xiàn)。因此，借鑒譚金波［32］的做法，采用TF-IDF 提取的關(guān)鍵詞數(shù)據(jù)集作為 LDA 進(jìn)行主題聚類的數(shù)據(jù)源，在提高數(shù)據(jù)處理效率的同時增強(qiáng)主題詞項(xiàng)提取的精度、準(zhǔn)確性。

3 技術(shù)創(chuàng)新路徑的識別與評價

本研究以多維空間專利地圖具象出目標(biāo)領(lǐng)域的技術(shù)創(chuàng)新機(jī)會，通過TF-IDF 及LDA 高效精準(zhǔn)地提取目標(biāo)領(lǐng)域創(chuàng)新要素的維度，再結(jié)合多維空間專利地圖九法進(jìn)行耦合異化，構(gòu)建目標(biāo)領(lǐng)域的多維空間專利地圖，法維交織，可以清晰地識別目標(biāo)領(lǐng)域的技術(shù)創(chuàng)新機(jī)會。為進(jìn)一步提高技術(shù)創(chuàng)新的效率，減少盲目投入，先通過問題和目標(biāo)優(yōu)選相關(guān)創(chuàng)新法則，減少價值不高、前景不明的創(chuàng)新路徑，再通過可拓學(xué)計算各創(chuàng)新路徑的綜合評級關(guān)聯(lián)度進(jìn)行優(yōu)選。

3.1 技術(shù)創(chuàng)新路徑識別框架的建立

本研究構(gòu)建的技術(shù)創(chuàng)新路徑識別框架主要由技術(shù)創(chuàng)新路徑的識別和評價組成，如圖1 所示。

圖1 技術(shù)創(chuàng)新路徑識別及評價框架

3.2 技術(shù)創(chuàng)新路徑的識別

3.2.1 專利數(shù)據(jù)的預(yù)處理

（1）確定技術(shù)創(chuàng)新領(lǐng)域。鑒于每個技術(shù)創(chuàng)新領(lǐng)域包含的專利文本數(shù)據(jù)不一，涵蓋的關(guān)鍵詞不同，所以由此得到的創(chuàng)新要素和維度也不盡相同，因此首先應(yīng)明晰具體的技術(shù)創(chuàng)新領(lǐng)域。

（2）甄選專利。針對目標(biāo)技術(shù)創(chuàng)新領(lǐng)域確定專利搜索關(guān)鍵詞，并在特定專利檢索平臺收集相關(guān)專利數(shù)據(jù)，在剔除與目標(biāo)技術(shù)創(chuàng)新領(lǐng)域關(guān)聯(lián)度較低的專利后，得到與之關(guān)聯(lián)度較高且代表該領(lǐng)域技術(shù)創(chuàng)新研發(fā)趨勢的專利文本數(shù)據(jù)。

（3）建立知識圖譜。將上述專利數(shù)據(jù)進(jìn)行分詞、停詞、清洗、篩選處理，可提取目標(biāo)技術(shù)領(lǐng)域的創(chuàng)新要素并建立知識圖譜，為萃取創(chuàng)新維度奠定基礎(chǔ)。

3.2.2 創(chuàng)新維度的萃取

（1）挖掘創(chuàng)新要素?；赥F-IDF 算法提取專利文本中的關(guān)鍵詞作為影響專利創(chuàng)新的要素。

（2）LDA 挖掘核心創(chuàng)新要素。對專利文本關(guān)鍵詞降維并提取主題文本及其核心要素，可將采用TF-IDF 方法得到的關(guān)鍵詞文本輸入LDA 模型，以提高基于LDA 降維分析的精準(zhǔn)度。

（3）依據(jù)專家意見，結(jié)合知識圖譜刪減或補(bǔ)充上述數(shù)據(jù)集，繼而萃取出影響目標(biāo)技術(shù)領(lǐng)域的創(chuàng)新維度。

3.2.3 技術(shù)創(chuàng)新路徑的生成

（1）構(gòu)建多維空間專利地圖。依據(jù)LDA 多維要素聚類最終結(jié)果將創(chuàng)新要素映射并標(biāo)注于多維空間，繪制出多維空間創(chuàng)新地圖，依此可視化分析現(xiàn)有要素組合的分布狀態(tài)，而且能夠通過變化異化后的要素間組合觸發(fā)創(chuàng)新，進(jìn)而產(chǎn)生超出現(xiàn)有技術(shù)領(lǐng)域的創(chuàng)新要素組合，從而為探索目標(biāo)領(lǐng)域的潛在創(chuàng)新機(jī)會提供指引。

（2）通過問題和目標(biāo)確定創(chuàng)新法則。由于創(chuàng)新要素及創(chuàng)新法則組合分布數(shù)量龐大，存在價值及前景較小的創(chuàng)新路徑，因此需要對創(chuàng)新法則及維度組合進(jìn)行篩選，明確創(chuàng)新目標(biāo)，提高技術(shù)創(chuàng)新的效率?；诂F(xiàn)實(shí)狀況中目標(biāo)技術(shù)存在的問題及對應(yīng)達(dá)到的目標(biāo)，邀請專家優(yōu)選各創(chuàng)新維度選擇進(jìn)行耦合變換的創(chuàng)新法則，如智慧化、替代、自服務(wù)、分解與去除等。

（3）具象技術(shù)創(chuàng)新路徑。將上述創(chuàng)新維度與對應(yīng)的創(chuàng)新法則耦合，根據(jù)目標(biāo)技術(shù)存在的問題生成系列技術(shù)創(chuàng)新路徑。

3.3 技術(shù)創(chuàng)新路徑的評價

為了進(jìn)一步提高創(chuàng)新效率，減少不必要的創(chuàng)新成本，應(yīng)用評價模型對以上生成的技術(shù)創(chuàng)新路徑進(jìn)行評價，以研判最佳技術(shù)創(chuàng)新機(jī)會的過程。鑒于可拓學(xué)方法在策略生成與評價技術(shù)中的廣泛應(yīng)用，如，Su 等［33］、Jiang 等［34］均指出，依據(jù)可拓學(xué)理論構(gòu)建的區(qū)域創(chuàng)新協(xié)調(diào)的測度模型、空氣質(zhì)量預(yù)警系統(tǒng)的評估模型，可以更好衡量創(chuàng)新對象或評估對象的性質(zhì)特征，因此本研究采用該方法進(jìn)行關(guān)聯(lián)度計算以實(shí)現(xiàn)對具體創(chuàng)新路徑的評價。詳細(xì)步驟如下。

（1）劃分評價等級。參照TRIZ 理論可將具象技術(shù)創(chuàng)新路徑劃分為5 個等級代表創(chuàng)新路徑的投入價值，即I 級（高級）、Ⅱ級（較高級）、Ⅲ級（一般）、Ⅳ級（較低級）和V 級（低級），各級別對應(yīng)的值域分別為I 級（4，5］、Ⅱ級（3，4］、Ⅲ級（2，3］、Ⅳ級（1，2］和V 級（0，1］。

（2）構(gòu)建待評物元。作為可拓學(xué)的邏輯細(xì)胞，物元可表述為R=（N，b，r）=（事物名稱，特征，特征值），由此對待評的技術(shù)創(chuàng)新路徑i構(gòu)建待評物元矩陣如下：

（3）計算關(guān)聯(lián)度。根據(jù)可拓學(xué)的關(guān)聯(lián)度計算規(guī)則，第k個指標(biāo)關(guān)于等級j的關(guān)聯(lián)函數(shù)可表述如下：

（5）通過計算上述各創(chuàng)新路徑的綜合關(guān)聯(lián)度判定其創(chuàng)新等級。首先計算各創(chuàng)新路徑的綜合關(guān)聯(lián)度如下：

最后，選取關(guān)聯(lián)度最高者作為最優(yōu)創(chuàng)新路徑。

4 案例應(yīng)用——以冷庫技術(shù)為例

冷庫作為肉禽類、果蔬、冷飲、藥品、化工原料和電子儀器儀表等必不可少的恒溫貯藏基礎(chǔ)設(shè)施［35］，同時也是冷鏈物流中最重要的一環(huán)，探究冷庫技術(shù)設(shè)施的創(chuàng)新路徑對冷鏈物流企業(yè)的創(chuàng)新發(fā)展極為重要。利用上述技術(shù)機(jī)會識別模型識別冷庫創(chuàng)新路徑，精準(zhǔn)把握冷庫技術(shù)領(lǐng)域創(chuàng)新規(guī)律，具象冷庫技術(shù)創(chuàng)新路徑，結(jié)合可拓學(xué)理論進(jìn)行關(guān)聯(lián)度綜合指標(biāo)計算并評級擇優(yōu)，為冷鏈物流企業(yè)制定科學(xué)合理的技術(shù)創(chuàng)新研發(fā)方案提供決策參考。

4.1 冷庫技術(shù)的多維空間專利地圖構(gòu)建

4.1.1 數(shù)據(jù)收集及預(yù)處理

在中國知識產(chǎn)權(quán)網(wǎng)平臺檢索相關(guān)專利數(shù)據(jù)，具體檢索方案見表1。

表1 冷庫技術(shù)專利檢索方案

將檢索到的專利文本數(shù)據(jù)進(jìn)行關(guān)聯(lián)度篩選，剔除不符合冷庫技術(shù)創(chuàng)新主題要求的專利數(shù)據(jù)，共得到2 668 項(xiàng)有效專利文本數(shù)據(jù)（以下簡稱“樣本”）。為更精確地獲取目標(biāo)技術(shù)領(lǐng)域的創(chuàng)新要素，通過分詞及停詞處理對文檔清洗并進(jìn)行多次迭代構(gòu)建冷庫技術(shù)的專業(yè)停詞表，通過計算關(guān)鍵詞的共詞矩陣和詞頻并進(jìn)行可視化處理，繪制冷庫技術(shù)的創(chuàng)新要素共線網(wǎng)絡(luò)如圖2 所示。

圖2 冷庫技術(shù)創(chuàng)新要素共線

圖2 中，關(guān)鍵詞字體大小代表詞頻的高低；各關(guān)鍵詞及其之間的連線代表各專利文獻(xiàn)進(jìn)行創(chuàng)新的要素及其組合，連線粗細(xì)代表該組合的創(chuàng)新次數(shù)，連線越粗越多代表創(chuàng)新的頻次越高、結(jié)構(gòu)也越緊密。由此看出，現(xiàn)有冷庫領(lǐng)域的技術(shù)創(chuàng)新熱點(diǎn)主要集中在制冷系統(tǒng)的各設(shè)備與構(gòu)件（如壓縮機(jī)、蒸發(fā)器、冷凝器及冷風(fēng)器等）；在現(xiàn)有技術(shù)熱點(diǎn)四周密布的創(chuàng)新要素為冷庫技術(shù)專利研究的稀疏區(qū)或空白區(qū)，這些創(chuàng)新要素的關(guān)注度較低，例如熱交換器、散熱器、截止閥、聲光報警器、增壓風(fēng)機(jī)等，但這些專利支持文檔少、出現(xiàn)頻率低的創(chuàng)新要素對冷庫的未來技術(shù)創(chuàng)新極為重要。

4.1.2 冷庫技術(shù)的創(chuàng)新要素挖掘

運(yùn)用TF-IDF 算法在樣本數(shù)據(jù)中提取得到各冷庫技術(shù)專利的創(chuàng)新要素（見表2）。

表2 冷庫技術(shù)專利文本創(chuàng)新要素

4.1.3 冷庫技術(shù)創(chuàng)新維度確定

選取最小困惑度對應(yīng)的主題數(shù)作為LDA 模型的最優(yōu)主題數(shù)，計算得出1～10 個主題數(shù)對應(yīng)的困惑度（見圖3）。

圖3 冷庫技術(shù)專利文本主題個數(shù)與其對應(yīng)的困惑度

由圖3 可以看出，當(dāng)主題數(shù)為4 時困惑度最低，因此冷庫的LDA 模型最優(yōu)主題數(shù)為4。進(jìn)一步建立LDA 模型得到聚類的主題和主題關(guān)鍵詞，如表3 所示。

表3 冷庫技術(shù)專利文本的LDA 聚類數(shù)據(jù)

其次，運(yùn)用多維空間專利地圖對主題核心創(chuàng)新要素進(jìn)行分類，并將冷庫技術(shù)的創(chuàng)新維度劃分為材料維、機(jī)理維、結(jié)構(gòu)維和功能維。由于TF-IDF 和LDA 均為基于詞頻的智能算法，在提取聚類中可能會漏掉具有創(chuàng)新性的關(guān)鍵詞，因此將表3 結(jié)合知識圖譜進(jìn)行查驗(yàn)，得到載冷劑、增壓風(fēng)機(jī)、油液分離器等創(chuàng)新要素。此外，邀請相關(guān)領(lǐng)域?qū)＜夜惭a(bǔ)充了20 個創(chuàng)新要素，最終確定的創(chuàng)新維度見表4。

表4 冷庫技術(shù)的創(chuàng)新維度

4.1.4 構(gòu)建冷庫技術(shù)的多維空間專利地圖

依據(jù)LDA 多維要素聚類結(jié)果繪制出多維空間創(chuàng)新地圖（見圖4 和圖5），對現(xiàn)有要素組合的分布狀態(tài)進(jìn)行可視化分析；同時，通過變化異化后的要素間組合觸發(fā)創(chuàng)新，進(jìn)而產(chǎn)生超越現(xiàn)有技術(shù)領(lǐng)域的創(chuàng)新要素組合，為探索冷庫創(chuàng)新技術(shù)提供指引。

圖4 冷庫技術(shù)機(jī)理、功能、結(jié)構(gòu)維空間專利地圖

圖5 冷庫技術(shù)材料、功能、結(jié)構(gòu)維空間專利地圖

4.2 冷庫技術(shù)的技術(shù)創(chuàng)新路徑識別

多維空間創(chuàng)新地圖蘊(yùn)含了豐富的 創(chuàng)新要素及創(chuàng)新法則組合分布，但推導(dǎo)出的一些技術(shù)創(chuàng)新路徑方案可能存在價值及前景較小的問題，為了避免創(chuàng)新盲目性和提升創(chuàng)新效率，從當(dāng)前我國冷庫技術(shù)存在的問題出發(fā)，分析冷庫領(lǐng)域當(dāng)前急需解決的問題。我國生產(chǎn)的分體制冷器、庫體材料、冷凝材料、溴化鋰吸收式冷水機(jī)組等產(chǎn)品取得一定的優(yōu)勢，但在制冷壓縮機(jī)的研究開發(fā)、制冷空調(diào)系統(tǒng)、冷庫設(shè)施自動及智慧化設(shè)計、網(wǎng)絡(luò)化運(yùn)行等方面仍具有明顯的差距［36］。例如，存在冷庫設(shè)施功能單一，不能很好地適應(yīng)如今市場多樣化的要求；加之其自動化程度普遍偏低，與發(fā)達(dá)國家相比差距較大，整體冷庫技術(shù)大多僅針對某一制冷設(shè)備部件，較少系統(tǒng)考慮制冷循環(huán)的前沿領(lǐng)域，因此無法精細(xì)控制冷庫設(shè)施各個環(huán)節(jié)，造成大量能量浪費(fèi)的情況［37］。在分析我國現(xiàn)有冷庫的問題后，邀請專家對此優(yōu)選耦合的創(chuàng)新法則（見表5），并分別從不同維度的不同創(chuàng)新要素與優(yōu)選的創(chuàng)新法則進(jìn)行迭代變換，具象出了6 種冷庫技術(shù)創(chuàng)新路徑（見圖6），其中每種路徑連線表示其所涉及的維度，不同的形狀表示該路徑涉及的創(chuàng)新法則，具體如表6 所示。

表5 我國冷庫存在問題與對應(yīng)創(chuàng)新法則

表6 冷庫技術(shù)的創(chuàng)新路徑

圖6 基于4 類維度的冷庫技術(shù)方案

4.3 冷庫技術(shù)的技術(shù)創(chuàng)新路徑評價

分別從技術(shù)和市場兩個層面構(gòu)建指標(biāo)體系，通過可拓學(xué)建立評價物元，然后運(yùn)用關(guān)聯(lián)度計算規(guī)則計算各路徑的評價指標(biāo)對評價等級綜合關(guān)聯(lián)度，進(jìn)而優(yōu)選出最合理的技術(shù)創(chuàng)新路徑。其中，各路徑的潛在價值由技術(shù)層面諸如新穎度x1i、技術(shù)實(shí)現(xiàn)可能性x2i、市場價值層面的經(jīng)濟(jì)效益x3i、社會效益x4i等指標(biāo)共同決定。首先，邀請相關(guān)專家及企業(yè)技術(shù)人員對各具象指標(biāo)打分，以構(gòu)建冷庫技術(shù)各創(chuàng)新路徑的待評物元Ri（i=1，2，3，4，5，6）如下：

其次，通過式（4）～（6）分別計算冷庫技術(shù)各創(chuàng)新路徑評價指標(biāo)與各等級的關(guān)聯(lián)度。以路徑①為例，計算指標(biāo)x11的r11關(guān)于 I、Ⅱ等級的關(guān)聯(lián)度，其余計算結(jié)果見表7。由于所以r11關(guān)于 I、Ⅱ等級的關(guān)聯(lián)度為：

表7 冷庫技術(shù)待評創(chuàng)新路徑各指標(biāo)值對創(chuàng)新等級的關(guān)聯(lián)度

表7（續(xù)）

則冷庫技術(shù)的各創(chuàng)新路徑關(guān)于各等級的最大關(guān)聯(lián)度為：

從上述創(chuàng)新路徑的最大關(guān)聯(lián)度可知，路徑①和路徑④為高級創(chuàng)新路徑的Ⅰ類創(chuàng)新等級；而路徑②③⑤⑥為較高級創(chuàng)新路徑Ⅱ類創(chuàng)新等級。其中，①、④相較于其他路徑，在冷庫的制冷系統(tǒng)和設(shè)備上，采用組合與集成或自服務(wù)創(chuàng)新法則對其進(jìn)行組合優(yōu)化實(shí)施難度小而且成本低，在冷庫節(jié)能和提高設(shè)備使用壽命等方面效果顯著，具有更高的創(chuàng)新價值。

5 結(jié)論

本研究使用TF-IDF 及LDA 文本挖掘方法對技術(shù)文本經(jīng)過二次精煉，提高多維空間專利地圖的創(chuàng)新要素及創(chuàng)新維度的精確性，并依據(jù)目標(biāo)技術(shù)問題和目標(biāo)優(yōu)選創(chuàng)新法則建立可拓學(xué)評價體系，具象出符合現(xiàn)狀、有價值有前景的技術(shù)路徑?；诖思夹g(shù)機(jī)會識別評價模型，通過計算各創(chuàng)新路徑綜合評級關(guān)聯(lián)度進(jìn)行進(jìn)一步擇優(yōu)，以減少盲目創(chuàng)新投入的成本，提高創(chuàng)新的效率和科學(xué)性。

但在完善創(chuàng)新要素以及確定方案評價權(quán)重時，本研究主要依據(jù)專家的經(jīng)驗(yàn)可能會加大擇優(yōu)結(jié)果的主觀性，后續(xù)研究需要從主客觀兩方面綜合考慮并確定其權(quán)重。