鄭巧巧 虎陳霞 徐茜

摘要：技術(shù)融合是傳統(tǒng)產(chǎn)業(yè)實(shí)現(xiàn)技術(shù)升級的重要手段。本文基于德溫特專利數(shù)據(jù)庫中的15 125項(xiàng)智能紡織品發(fā)明專利，運(yùn)用技術(shù)生命周期、社會網(wǎng)絡(luò)、鏈路預(yù)測等方法，從技術(shù)領(lǐng)域發(fā)展前景、技術(shù)融合應(yīng)用現(xiàn)狀、融合機(jī)會預(yù)測三個方面，對跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的發(fā)展現(xiàn)狀和趨勢進(jìn)行了深入研究。結(jié)果表明：智能紡織領(lǐng)域正處于技術(shù)發(fā)展成熟期，該領(lǐng)域發(fā)明專利預(yù)計將達(dá)21 667項(xiàng)，發(fā)展前景良好;跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的應(yīng)用日益廣泛，其中數(shù)字計算機(jī)是智能紡織領(lǐng)域開展跨領(lǐng)域技術(shù)融合的重點(diǎn)，已與家用電器等技術(shù)領(lǐng)域建立穩(wěn)定的融合關(guān)系;分層產(chǎn)品、電話和數(shù)據(jù)傳輸系統(tǒng)等技術(shù)領(lǐng)域在后續(xù)的技術(shù)創(chuàng)新活動中將扮演重要角色。

關(guān)鍵詞：技術(shù)融合;智能紡織品;鏈路預(yù)測;技術(shù)生命周期;社會網(wǎng)絡(luò);德溫特專利數(shù)據(jù)庫

中圖分類號：F407.81文獻(xiàn)標(biāo)志碼：A文章編號： 10017003（2022）06001007

引用頁碼： 061102

DOI： 10.3969/j.issn.1001-7003.2022.06.002（篇序）

基金項(xiàng)目：作者簡介：鄭巧巧（1998），女，碩士研究生，研究方向?yàn)榧夹g(shù)創(chuàng)新與環(huán)境管理。通信作者：虎陳霞，副教授，hcx115@163.com。

隨著領(lǐng)域間技術(shù)交流的持續(xù)推進(jìn)，技術(shù)創(chuàng)新逐漸朝著多元化、復(fù)合化方向發(fā)展，技術(shù)融合作為一種能實(shí)現(xiàn)多領(lǐng)域技術(shù)合作與交流的技術(shù)創(chuàng)新方法，其應(yīng)用的廣度與深度正不斷加強(qiáng)，為產(chǎn)業(yè)技術(shù)升級提供了新思路。技術(shù)融合這一概念最早由Rosenberg^[1]于20世紀(jì)60年代提出，他認(rèn)為技術(shù)融合是指相似的技術(shù)和生產(chǎn)流程在不同產(chǎn)業(yè)中的應(yīng)用。在接下來的幾十年間，許多學(xué)者對技術(shù)融合提出了新的見解^[2-4]。后來，技術(shù)融合作為一種重要的技術(shù)創(chuàng)新手段，在許多產(chǎn)業(yè)中得以應(yīng)用，逐漸成為學(xué)者們開展產(chǎn)業(yè)技術(shù)研究的重點(diǎn)。Gambardella等^[5]曾對電子產(chǎn)業(yè)開展研究，得出了技術(shù)融合有利于提升產(chǎn)業(yè)績效的結(jié)論;Song等^[6]對工業(yè)安全領(lǐng)域的技術(shù)融合情況進(jìn)行分析，證實(shí)了技術(shù)融合是實(shí)現(xiàn)工業(yè)安全的有效途徑;羅愷等^[7]將Latent Dirichlet Allocation（LDA）主題模型與社會網(wǎng)絡(luò)理論相結(jié)合，用以分析關(guān)節(jié)機(jī)器人領(lǐng)域的技術(shù)發(fā)展現(xiàn)狀，最終得出該領(lǐng)域的宏觀、微觀技術(shù)融合特征。由此可見，技術(shù)融合的相關(guān)研究對產(chǎn)業(yè)技術(shù)創(chuàng)新決策具有重要意義。

面對瞬息萬變的市場需求，敏銳地感知市場動向是企業(yè)獲利的關(guān)鍵。而掌握技術(shù)融合的發(fā)展趨勢恰能幫助企業(yè)捕捉技術(shù)熱點(diǎn)并預(yù)測潛在的技術(shù)融合機(jī)會，從而制定出可靠的創(chuàng)新戰(zhàn)略。當(dāng)前主流的定量技術(shù)預(yù)測方法有兩類：一是基于知識單元重組的預(yù)測方法;二是基于鏈路預(yù)測和機(jī)器學(xué)習(xí)的方法^[8]。其中鏈路預(yù)測方法的適用范圍很廣，許多學(xué)者都曾將鏈路預(yù)測應(yīng)用到不同領(lǐng)域的研究中，如劉俊婉等^[9]和雷鳴等^[10]分別將鏈路預(yù)測應(yīng)用到了深度學(xué)習(xí)領(lǐng)域和醫(yī)學(xué)領(lǐng)域。而在鏈路預(yù)測算法中，基于相似性的鏈路預(yù)測算法的應(yīng)用領(lǐng)域是最為廣泛的^[11]。

隨著第四次工業(yè)革命的興起，傳統(tǒng)產(chǎn)業(yè)正面臨產(chǎn)業(yè)升級與技術(shù)創(chuàng)新的挑戰(zhàn)，亟需相關(guān)研究為其指引技術(shù)發(fā)展方向。紡織業(yè)是其中極具代表性的產(chǎn)業(yè)。長期以來，中國紡織業(yè)憑借產(chǎn)品種類齊全、人工成本較低的優(yōu)勢占據(jù)著國際紡織市場的競爭高地，但近年來，由于人口紅利消失、制造成本上升等原因，競爭優(yōu)勢逐漸弱化。同時，隨著傳統(tǒng)紡織品的競爭空間日益縮小，以智能化為導(dǎo)向的智能紡織品備受追捧，使許多紡織企業(yè)遇到了技術(shù)升級的難關(guān)。因此，本研究以紡織業(yè)為例，基于智能紡織品專利數(shù)據(jù)，應(yīng)用技術(shù)生命周期和社會網(wǎng)絡(luò)理論探究智能紡織領(lǐng)域所處的技術(shù)發(fā)展階段及跨領(lǐng)域技術(shù)融合的應(yīng)用現(xiàn)狀，進(jìn)而預(yù)測該領(lǐng)域的技術(shù)發(fā)展前景，最后運(yùn)用鏈路預(yù)測算法預(yù)測智能紡織領(lǐng)域的潛在融合關(guān)系，以期為紡織企業(yè)的創(chuàng)新決策提供建議。

1 方案設(shè)計

1.1 研究思路

首先，應(yīng)用技術(shù)生命周期理論分析專利總量的周期性規(guī)律，并判斷智能紡織領(lǐng)域所處的技術(shù)發(fā)展階段;其次，按照技術(shù)生命周期的特點(diǎn)劃分?jǐn)?shù)據(jù)集，取出各數(shù)據(jù)集中實(shí)現(xiàn)跨領(lǐng)域技術(shù)融合的專利的德溫特分類代碼，并據(jù)此繪制共現(xiàn)網(wǎng)絡(luò)，隨后計算各網(wǎng)絡(luò)的網(wǎng)絡(luò)整體指標(biāo)，依據(jù)網(wǎng)絡(luò)整體指標(biāo)的變化趨勢判斷跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的應(yīng)用前景;然后，以Area Under Curve（AUC）為標(biāo)準(zhǔn)確定各階段的最佳相似性指標(biāo)，并取各階段中相似度最大的15對技術(shù)領(lǐng)域作為該階段的主要融合關(guān)系，通過不同階段間主要融合關(guān)系的差異，判斷技術(shù)熱點(diǎn)的變化;最后，基于最后一階段的網(wǎng)絡(luò)信息預(yù)測下一階段可能出現(xiàn)的融合關(guān)系。技術(shù)路線如圖1所示。

1.2 研究方法

1.2.1 技術(shù)生命周期

技術(shù)生命周期表達(dá)了技術(shù)發(fā)展的周期性特征，包含導(dǎo)入期、成長期、成熟期、衰退期四個階段^[12]。

當(dāng)前基于專利信息判斷技術(shù)生命周期的方法有很多，李春燕^[12]將其歸納為五類：專利指標(biāo)法、S曲線法、相對增長率法、技術(shù)生命周期圖法、TCT計算法。其中，S曲線法和TCT計算法為定量研究方法，可以計算出生命周期中的具體數(shù)值，但TCT計算法主要用于研究單件專利的技術(shù)生命周期，計算技術(shù)領(lǐng)域的生命周期時常采用S曲線法。本研究采用S曲線法中的Logistic曲線模型^[13-14]，模型方程為：4EAFA7D6-BE52-47B1-9919-0D0AAEDED6CD

f（t）=k1+a×e^-r×t（1）

式中：f（t）為專利總量;t為時間序列;k、a、r為常數(shù)，k為容納量，表示能達(dá)到的最大專利總量;a為曲線的成長率;r為瞬時增長率。

1.2.2 社會網(wǎng)絡(luò)理論

社會網(wǎng)絡(luò)理論起始于20世紀(jì)30年代，在此后的幾十年間，社會網(wǎng)絡(luò)理論在眾多領(lǐng)域得以發(fā)展，形成了一套系統(tǒng)的研究方法。社會網(wǎng)絡(luò)理論以網(wǎng)絡(luò)的節(jié)點(diǎn)及連邊為研究對象，能將抽象的關(guān)系轉(zhuǎn)化為直觀的網(wǎng)絡(luò)圖譜，使關(guān)系得以量化，是當(dāng)前重要的研究方法。本研究選取了平均度、網(wǎng)絡(luò)密度、平均聚集系數(shù)這三個網(wǎng)絡(luò)整體指標(biāo)，作為網(wǎng)絡(luò)宏觀分析的依據(jù)。

1.2.3 鏈路預(yù)測

鏈路預(yù)測的目的是通過已知的節(jié)點(diǎn)和連邊信息預(yù)測潛在連邊形成的可能性。當(dāng)前研究鏈路預(yù)測的算法有很多，其中，基于局部相似性指標(biāo)的鏈路預(yù)測算法應(yīng)用最為廣泛且操作更為便捷^[11]。但值得注意的是，局部相似性指標(biāo)并不唯一，且當(dāng)同一指標(biāo)應(yīng)用于不同數(shù)據(jù)集時，其精度可能存在差異。所以，為了獲得更佳的分析和預(yù)測結(jié)果，本研究選取了5項(xiàng)相似性指標(biāo)以供選擇，分別是Adamic Adar（AA）^[15]、Common Neighbors（CN）^[16]、Preferential Attachment（PA）^[17]、Resource Allocation（RA）^[18]和Total Neighbors（TN），具體公式如表1所示。

本研究的精度評價指標(biāo)為AUC，表示預(yù)測為正的概率值比預(yù)測為負(fù)的概率值要大的可能性，即將已有連邊記作1，潛在連邊記作0，則已有連邊構(gòu)成了正例，潛在連邊構(gòu)成了負(fù)例。從正例中取出一條連邊，將該連邊對應(yīng)的相似度記作a₁，負(fù)例中取出一條潛在連邊，將該連邊對應(yīng)的相似度記作a₂，比較兩者大小。當(dāng)a₁>a₂時，記作1分;當(dāng)a₁=a₂時，記作0.5分;當(dāng)a₁2

2.4 智能紡織品跨領(lǐng)域技術(shù)融合熱點(diǎn)與趨勢分析

2.4.1 相似性指標(biāo)評估

本研究選取了5項(xiàng)相似性指標(biāo)，分別是AA、CN、PA、RA和TN，并分別計算三個網(wǎng)絡(luò)中已有連邊及潛在連邊的相似度，然后利用AUC評估5項(xiàng)相似性指標(biāo)的精度，最后選取各階段中精度最高的相似性指標(biāo)用于后續(xù)的分析與預(yù)測。

由表3可知，本研究選用的5項(xiàng)相似性指標(biāo)的AUC值都高于0.85，但三個階段中RA指標(biāo)的精度均高于其他相似性指標(biāo)，所以三階段都將選用RA指標(biāo)進(jìn)行分析。

2.4.2 跨領(lǐng)域技術(shù)融合熱點(diǎn)分析

每階段選取15對相似度最高的技術(shù)領(lǐng)域作為該階段的主要融合關(guān)系（表4），對比不同階段的主要融合關(guān)系的異同，可知產(chǎn)業(yè)技術(shù)發(fā)展過程中技術(shù)熱點(diǎn)的變化。

由表4可知，T01-X27、T01-X25、T01-W01、T01-W04和X25-X27在三個階段中都屬于主要融合關(guān)系，其中前4對技術(shù)領(lǐng)域的相似度較穩(wěn)定，始終維持在較高水平;而X25-X27的相似度總體呈現(xiàn)下滑趨勢，可見在后兩階段，紡織產(chǎn)業(yè)對X25-X27的關(guān)注度有所下降。但整體而言，這些技術(shù)領(lǐng)域組合出現(xiàn)的頻率仍然很高，企業(yè)可繼續(xù)強(qiáng)化這些技術(shù)領(lǐng)域間的合作。P85-T01、A83-T01、T04-W01、T04-X27、T01-T06、A81-A82、W04-X27、S05-W01和F07-T01是僅出現(xiàn)于第一階段或前兩階段的主要融合關(guān)系，說明技術(shù)領(lǐng)域間的合作是動態(tài)的，存在明顯的階段性差異。同時，由于企業(yè)在導(dǎo)入期尚未完全把握市場需求，沒有形成完備的技術(shù)體系，所以導(dǎo)入期與成長期之間的技術(shù)調(diào)整更為明顯。P21-X27、P21-T01、T01-W05、W01-W04和W01-X27是于第二階段首次出現(xiàn)在表4中的主要融合關(guān)系，其中，前三對融合關(guān)系在第三階段仍然保持著較高的相似度，發(fā)展前景良好，企業(yè)可以在這些融合關(guān)系中投入較多的研發(fā)精力;而后兩對融合關(guān)系在第三階段的相似度下降明顯，鑒于技術(shù)創(chuàng)新的風(fēng)險性，企業(yè)應(yīng)先考慮自身抗風(fēng)險能力，再考慮是否繼續(xù)開展相關(guān)技術(shù)領(lǐng)域的研發(fā)工作。第三階段新增的主要融合關(guān)系，如P73-T01、A95-P73、F04-P73，同樣面臨著機(jī)遇與風(fēng)險并存的局面。

結(jié)合表4和表5可以發(fā)現(xiàn)，T01（數(shù)字計算機(jī)）一直是智能紡織領(lǐng)域開展技術(shù)創(chuàng)新的重點(diǎn)，并且該領(lǐng)域正不斷嘗試與其他技術(shù)領(lǐng)域建立新的融合關(guān)系，尤其是與通訊設(shè)備及計算機(jī)外圍設(shè)備相關(guān)的技術(shù)領(lǐng)域。同時，A83（服裝、鞋類）、P21（穿著服裝）等技術(shù)領(lǐng)域也頻繁與其他技術(shù)領(lǐng)域建立融合關(guān)系，說明智能穿戴設(shè)備逐漸成為智能紡織品的重點(diǎn)研發(fā)方向。

2.4.3 技術(shù)領(lǐng)域融合機(jī)會預(yù)測

為向企業(yè)提供技術(shù)創(chuàng)新的新方向，本研究計算了第三階段中潛在連邊的RA值（表6），通過相似度大小判斷下一階段節(jié)點(diǎn)間產(chǎn)生新連邊的可能性。

由表6可知，在智能紡織領(lǐng)域的后續(xù)創(chuàng)新活動中，P73-W05、P73-S05、A83-W01、P73-Q46、P21-P25、A89-W01、A93-T01和P25-X25這幾對技術(shù)領(lǐng)域間極可能建立新融合關(guān)系。其中，P73（分層產(chǎn)品）將嘗試與電氣醫(yī)療設(shè)備及基礎(chǔ)建設(shè)相關(guān)的技術(shù)領(lǐng)域開展合作。同時，研究發(fā)現(xiàn)潛在融合關(guān)系中涉及的技術(shù)領(lǐng)域大多曾出現(xiàn)在表4中，可見技術(shù)融合的熱門領(lǐng)域是相對穩(wěn)定的，當(dāng)兩個技術(shù)領(lǐng)域建立融合關(guān)系并取得成功后，將嘗試與其他技術(shù)領(lǐng)域建立聯(lián)系，有較大的技術(shù)發(fā)展?jié)摿?。本研究還對潛在融合關(guān)系中涉及的技術(shù)領(lǐng)域進(jìn)行頻數(shù)統(tǒng)計（表7），發(fā)現(xiàn)P73的頻數(shù)顯著大于其他技術(shù)領(lǐng)域，所以P73可能是智能紡織領(lǐng)域下一階段的研發(fā)重點(diǎn)，若嘗試建立P73與其他領(lǐng)域間的新融合關(guān)系，預(yù)計會帶來較大的經(jīng)濟(jì)價值。

4 結(jié) 論

通過運(yùn)用技術(shù)生命周期、社會網(wǎng)絡(luò)、鏈路預(yù)測等方法對德溫特專利數(shù)據(jù)庫中的15 125項(xiàng)智能紡織品發(fā)明專利開展研究，分析了智能紡織領(lǐng)域的技術(shù)發(fā)展前景，以及跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的應(yīng)用現(xiàn)狀和技術(shù)熱點(diǎn)，并預(yù)測了下一階段技術(shù)領(lǐng)域間的潛在融合關(guān)系，可得到如下結(jié)論。

1） 智能紡織領(lǐng)域正處于技術(shù)發(fā)展成熟期，該領(lǐng)域的發(fā)明專利預(yù)計將達(dá)21 667項(xiàng)，發(fā)展前景良好。雖然專利數(shù)量的增長速度有所放緩，但每年的專利申請量仍然可觀，企業(yè)可繼續(xù)嘗試不同技術(shù)領(lǐng)域間的合作與交流。

2） 跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的應(yīng)用日益廣泛，其中數(shù)字計算機(jī)是智能紡織領(lǐng)域開展跨領(lǐng)域技術(shù)融合的重點(diǎn)，已與家用電器等技術(shù)領(lǐng)域建立穩(wěn)定的融合關(guān)系。對于技術(shù)發(fā)展過程中較為穩(wěn)定的融合關(guān)系，如T01-X27（數(shù)字計算機(jī)-家用電器）、T01-X25（數(shù)字計算機(jī)-工業(yè)電氣設(shè)備）等，企業(yè)可投入更多的研發(fā)成本，強(qiáng)化技術(shù)領(lǐng)域合作。

3） P73（分層產(chǎn)品）、P21（穿著服裝）、A89（攝影、實(shí)驗(yàn)室設(shè)備、光學(xué)，包括電子照相、熱成像用途）和W01（電話和數(shù)據(jù)傳輸系統(tǒng)）在后續(xù)的技術(shù)創(chuàng)新活動中將扮演重要角色，極有可能與其他技術(shù)領(lǐng)域形成新融合關(guān)系，其中分層產(chǎn)品是實(shí)現(xiàn)突破性創(chuàng)新的關(guān)鍵。當(dāng)然，嘗試兩個技術(shù)領(lǐng)域間的新融合將面臨較大的研發(fā)風(fēng)險和市場風(fēng)險，企業(yè)還需要綜合考慮自身的發(fā)展?fàn)顩r和抗風(fēng)險能力再做決策。

參考文獻(xiàn)：

[1]ROSENBERG N. Technological change in the machine tool industry， 1840-1910[J]. Journal of Economic History， 1963， 23（4）： 414-443.

[2]AN O. Green paper on the convergence of the telecommunications， media and information technology sectors， and the implications for regulation towards an information society approach[R]. Brussels： Information Society Project Office Eu， 1997.4EAFA7D6-BE52-47B1-9919-0D0AAEDED6CD

[3]KODAMA F. Technology fusion and the new R & D[J]. Harvard Business Review， 1992， 70（4）： 353-354.

[4]湯文仙. 技術(shù)融合的理論內(nèi)涵研究[J]. 科學(xué)管理研究， 2006， 24（4）： 31-34.

TANG Wenxian. Exploration on theory of technology convergence[J]. Scientific Management Research， 2006， 24（4）： 31-34.

[5]GAMBARDELLA A， TORRISI S. Does technological convergence imply convergence in markets？ Evidence from the electronics industry[J]. Research Policy， 1998， 27（5）： 445-463.

[6]SONG B， SUH Y. Identifying convergence fields and technologies for industrial safety： LDA-based network analysis[J]. Technological Forecasting & Social Change， 2019， 138： 115-126.

[7]羅愷， 袁曉東. 基于LDA主題模型與社會網(wǎng)絡(luò)的專利技術(shù)融合趨勢研究： 以關(guān)節(jié)機(jī)器人為例[J]. 情報雜志， 2021， 40（3）： 89-97.

LUO Kai， YUAN Xiaodong. A study on the technology convergence trend of patent based on LDA and social network： An example of joint robot[J]. Journal of Intelligence， 2021， 40（3）： 89-97.

[8]張洋， 林宇航， 侯劍華. 基于融合數(shù)據(jù)和生命周期的技術(shù)預(yù)測方法： 以病毒核酸檢測技術(shù)為例[J]. 情報學(xué)報， 2021， 40（5）： 462-470.

ZHANG Yang， LIN Yuhang， HOU Jianhua. Technology prediction method based on data fusion and life cycle： Empirical analysis of virus nucleic acid detection[J]. Journal of the China Society for Scientific and Technical Information， 2021， 40（5）： 462-470.

[9]劉俊婉， 龍志昕， 王菲菲. 基于LDA主題模型與鏈路預(yù)測的新興主題關(guān)聯(lián)機(jī)會發(fā)現(xiàn)研究[J]. 數(shù)據(jù)分析與知識發(fā)現(xiàn)， 2019， 3（1）： 104-117.

LIU Junwan， LONG Zhixin， WANG Feifei. Finding collaboration opportunities from emerging issues with LDA topic model and link prediction[J]. Data Analysis and Knowledge Discovery， 2019， 3（1）： 104-117.

[10]雷鳴， 夏夢鴿， 汪雪鋒， 等. 基于鏈路預(yù)測的協(xié)同藥物組合推薦研究： 面向疾病并發(fā)癥診療[J]. 圖書情報工作， 2021， 65（12）： 122-129.

LEI Ming， XIA Mengge， WANG Xuefeng， et al. Research on drug combination recommendation based on link prediction for concurrent diseases treatment[J]. Library and Information Service， 2021， 65（12）： 122-129.

[11]李艷麗， 周濤. 鏈路預(yù)測中的局部相似性指標(biāo)[J]. 電子科技大學(xué)學(xué)報， 2021， 50（3）： 422-427.

LI Yanli， ZHOU Tao. Local similarity indices in link prediction[J]. Journal of University of Electronic Science and Technology of China， 2021， 50（3）： 422-427.

[12]李春燕. 基于專利信息分析的技術(shù)生命周期判斷方法[J]. 現(xiàn)代情報， 2012， 32（2）： 98-101.

LI Chunyan. The distinguishing methods of technology life cycle based on patent analysis[J]. Journal of Modern Information， 2012， 32（2）： 98-101.

[13]方曦， 張莉萍. 國內(nèi)外新能源汽車充電樁技術(shù)預(yù)測分析： 基于生命周期和國際專利分類號[J]. 科技管理研究， 2021， 41（8）： 148-155.

FANG Xi， ZHANG Liping. Prediction and analysis on new energy vehicle charging pile technology at home and abroad： Based on lifecycle and international patent classification[J]. Science and Technology Management Research， 2021， 41（8）： 148-155.4EAFA7D6-BE52-47B1-9919-0D0AAEDED6CD

[14]殷祚云. Logistic曲線擬合方法研究[J]. 數(shù)理統(tǒng)計與管理， 2002（1）： 41-46.

YIN Zuoyun. Study on the fitting methods of Logistic curve[J]. Journal of Applied Statistics and Management， 2002（1）： 41-46.

[15]ADAMIC L A， ADAR E. Friends and neighbors on the web[J]. Social Networks， 2003， 25（3）： 211-230.

[16]NEWMAN M E J. Clustering and preferential attachment in growing networks[J]. Physical Review E， 2001， 64（2）： 025102.

[17]BARABASI A L， ALBERT R. Emergence of scaling in random networks[J]. Science， 1999， 286（5439）： 509-512.

[18]ZHOU T， LV L， ZHANG Y C. Predicting missing links via local information[J]. The European Physical Journal B， 2009， 71（4）： 623-630.

[19]郭歡. 智能紡織品的研究進(jìn)展及在康復(fù)輔具領(lǐng)域的發(fā)展前景[J]. 紡織導(dǎo)報， 2020（2）： 81-84.

GUO Huan. Research progress of intelligent textiles and its prospects in the field of rehabilitation assistant devices[J]. China Textile Leader， 2020（2）： 81-84.

Research on the trend of technology convergence for smart textile based on link prediction

ZHENG Qiaoqiao， HU Chenxia， XU Qian

（College of Economics & Management， China Jiliang University， Hangzhou 310018， China）

Abstract：The decreasing demographic dividend and rising manufacturing costs have gradually weakened Chinas competitive advantage in the international textile market， but the rise of smart textiles provides a new opportunity for the development of Chinas textile industry. Technological innovation gradually becomes a key factor affecting the development of the textile industry. In order to meet ever-changing market demands， technological innovation develops in the direction of diversification and compounding. Technology convergence as a technological innovation method that can realize technical cooperation in multiple fields is widely used in the textile field.

In order to help textile enterprises capture technological development hot spots and enhance competitiveness， this research deeply analyzes the application status and the technological development prospect of cross-domain technology convergence in the smart textile field based on 15 125 smart textile invention patents in the Derwent Innovation Index. This paper applies the technology life cycle to judge the development stage of the smart textile field. It takes the stage characteristic of the technology life cycle as the basis for dividing data sets， and extracts Derwent Class Codes of invention patents which have realized cross-domain technology convergence in each data set as the follow-up research data. The co-occurrence network of each data set is drawn based on the social network theory， and the difference between each networks overall network indicators is used as the basis for judging the application prospect of cross-domain technology convergence in the smart textile field. Then， this paper uses the link prediction algorithm based on local similarity index to define the main technology convergence relationships of each stage. The difference of each stages main technology convergence relationships is used to judge the evolutionary trend of technology convergences hot spots， and the value of local similarity index for the last stage is used to predict new technology convergence relationships. Results show that the smart textile field is in a mature stage of technological development with promising development prospects， and the number of smart textile invention patents is expected to reach 21 667. Cross-domain technology convergence is increasingly used in the smart textile field. Digital Computers is the focus of cross-domain technology convergence in the smart textile field， and it has established stable technology convergence relationships with other technical fields such as domestic electric appliances and industrial electric equipment. Enterprises can increase investment to strengthen technology convergence relationships between these technical fields. Layered products， telephone and data transmission systems， etc. will play an important role in subsequent technological innovation activities， and enterprises should fully consider their own development status and anti-risk capabilities before making R&D decisions in these technical fields.

In the information age， in the face of rapidly changing market demands， a keen awareness of market trends can help enterprises seize development opportunities and achieve success. Based on the smart textile invention patents in the Derwent Innovation Index， this paper analyzes the technological development trend of the smart textile field， hoping to provide reference for textile enterprises.

Key words：technology convergence; smart textile; link prediction; technology life cycle; social network; Derwent Innovation Index4EAFA7D6-BE52-47B1-9919-0D0AAEDED6CD