*基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目（72001148，72371171）。

摘要：在建筑廢棄物資源化管理方面，國內(nèi)相關(guān)研究主要集中于單一的再生產(chǎn)品、影響因素、宏觀政策對比等，缺乏技術(shù)層面的系統(tǒng)研究?；诖?，從技術(shù)創(chuàng)新角度出發(fā)，基于Python工具、LDA主題模型、專利文本數(shù)據(jù)的量化分析框架，采取IPC分類號與主題檢索結(jié)合的檢索方式，基于專利數(shù)據(jù)庫采集建筑廢棄物資源化技術(shù)相關(guān)專利數(shù)據(jù)，對建筑廢棄物資源化技術(shù)熱點(diǎn)進(jìn)行可視化表征，結(jié)合模型困惑度與主題連貫性對主題數(shù)量進(jìn)行檢驗(yàn)，旨在豐富利用文本挖掘技術(shù)熱點(diǎn)的方法體系，幫助相關(guān)企業(yè)提升自身資源化技術(shù)水平。

關(guān)鍵詞：文本挖掘；建筑廢棄物；資源化；技術(shù)主題；LDA主題模型；技術(shù)熱點(diǎn)

0" 引言

隨著我國社會經(jīng)濟(jì)的繁榮發(fā)展，建筑業(yè)步入快速發(fā)展階段。城鎮(zhèn)化的快速推進(jìn)使得建筑廢棄物產(chǎn)量逐年增加。相關(guān)研究表明，近幾年，我國建筑廢棄物年均總量在15.5億t以上，占城市垃圾總量的40%左右［1］，而建筑廢棄物再生利用率僅占5%，整體處置效率偏低［2］。

當(dāng)前，我國建筑廢棄物資源化處理正處于發(fā)展階段［3］，仍存在建筑廢棄物再生產(chǎn)效率低下［4］、技術(shù)創(chuàng)新能力不足［5］、缺乏公眾監(jiān)督［6］、政府規(guī)制不完善［7］、建筑廢棄物處置產(chǎn)業(yè)鏈不完善［8］等問題。這些問題不僅給環(huán)境帶來一定負(fù)面影響，而且造成大量國土空間的浪費(fèi)。由此可見，建筑廢棄物資源化利用已成為急需解決的問題。

經(jīng)過文獻(xiàn)挖掘方法梳理相關(guān)研究文獻(xiàn)發(fā)現(xiàn)，國內(nèi)學(xué)者對建筑廢棄物資源化管理的研究重心主要在再生產(chǎn)品、影響因素、政策制度等方面，較缺乏針對建筑廢棄物資源化技術(shù)層面的系統(tǒng)研究?；诖耍狙芯客ㄟ^對相關(guān)專利數(shù)據(jù)進(jìn)行計(jì)量與聚類分析，直觀呈現(xiàn)建筑廢棄物資源化技術(shù)主題，并利用模型困惑度與主題連貫性進(jìn)行檢驗(yàn)。該研究成果能夠協(xié)助政府有效把握技術(shù)演化規(guī)律特征，及時(shí)調(diào)整技術(shù)創(chuàng)新政策。同時(shí)，有利于企業(yè)合理規(guī)劃專利研發(fā)布局，降低研發(fā)成本，提高自身資源化管理水平。

1" 研究設(shè)計(jì)

1.1" 數(shù)據(jù)采集與處理

（1）選擇Incopat專利數(shù)據(jù)庫，采取IPC分類號和主題相結(jié)合的檢索方式，時(shí)間跨度為2002—2022年。通過對建筑廢棄物資源化技術(shù)發(fā)明專利數(shù)據(jù)進(jìn)行采集，形成專利文本數(shù)據(jù)庫。

（2）使用Python中的自然語言處理工具包進(jìn)行數(shù)據(jù)清洗，最終得到6500條專利數(shù)據(jù)，以此作為研究數(shù)據(jù)集。

1.2" 文本挖掘法

1995年，F(xiàn)eldman等［9］首次提出將數(shù)據(jù)挖掘技術(shù)運(yùn)用于非結(jié)構(gòu)化數(shù)據(jù)［10］。Brian Lent最早將文本挖掘技術(shù)應(yīng)用于專利分析，隨后，出現(xiàn)了詞云分析、文本聚類分析等方法［11］。

1.3" 實(shí)驗(yàn)流程

首先，完成數(shù)據(jù)采集與處理，調(diào)用分詞庫包將數(shù)據(jù)轉(zhuǎn)化成文本特征矩陣；其次，利用Python進(jìn)行LDA主題建模，根據(jù)經(jīng)驗(yàn)值設(shè)置模型所需參數(shù)，調(diào)用模型困惑度結(jié)合LDAvis進(jìn)行可視化演示，使用主題連貫性確定最佳主題數(shù)量；最后，對專利主題進(jìn)行歸納和分析。

1.4" LDA主題模型解釋

LDA模型是包含文檔、主題和詞匯三個(gè)層次的貝葉斯模型。LDA主題提取原理及模型生成過程［12］如圖1所示。模型涉及參數(shù)描述見表1。

2" 研究結(jié)果與分析

2.1" 專利特征統(tǒng)計(jì)

2.1.1" 專利申請趨勢

專利申請是技術(shù)創(chuàng)新主體市場行為的一種表現(xiàn)，是對宏觀環(huán)境的反應(yīng)。了解建筑廢棄物資源化技術(shù)專利申請趨勢有助于分析在不同時(shí)期專利申請熱度的變化。2002—2022年建筑廢棄物資源化技術(shù)專利申請趨勢如圖2所示。根據(jù)專利生命周期劃分可知，建筑廢棄物資源化技術(shù)經(jīng)歷了以下階段：2006年以前專利申請數(shù)較少，說明該階段技術(shù)處于“萌芽期”，整體發(fā)展非常緩慢；2007—2013年專利申請數(shù)量開始逐年穩(wěn)定增長，說明該階段技術(shù)進(jìn)入“成長期”；自2014年開始專利申請數(shù)量呈現(xiàn)井噴式增長，一直到2021年速度才有所放緩，說明該階段技術(shù)處于“成熟期”，建筑廢棄物資源化技術(shù)領(lǐng)域研究已受到廣泛關(guān)注，并極具發(fā)展?jié)摿Α?/p>

2.1.2" 專利技術(shù)功效

專利技術(shù)功效圖可以一目了然地呈現(xiàn)專利空白區(qū)，在了解技術(shù)現(xiàn)狀、分析競爭力等方面具有重要作用。建筑廢棄物資源化技術(shù)領(lǐng)域?qū)＠夹g(shù)功效圖如圖3所示?？梢钥闯?，C04B的技術(shù)功效主要在于降低成本、強(qiáng)度提高、復(fù)雜性降低及改善環(huán)境；B02C的技術(shù)功效主要在于提高效率與便利性；B09B、B07B、B03C和B01D等在各個(gè)功效維度都有涉及，包容性較強(qiáng)。因此，未來C04B和B02C將在技術(shù)申請趨勢方面占據(jù)主導(dǎo)地位。

2.1.3" 專利申請人分析

通過統(tǒng)計(jì)專利申請人排名，可以把握行業(yè)中具有競爭力的市場主體，便于政府與企業(yè)對實(shí)力強(qiáng)勁的專利申請人進(jìn)行鼓勵型投資。建筑廢棄物資源化專利申請人類別主要分為企業(yè)、高校、科研機(jī)構(gòu)等。該領(lǐng)域?qū)＠麛?shù)量排名前10的專利申請人統(tǒng)計(jì)表見表2。其中，企業(yè)申請人8個(gè)，占比高達(dá)80%。北京工業(yè)大學(xué)發(fā)明專利最多，達(dá)63項(xiàng)，其次是同濟(jì)大學(xué)，共計(jì)49項(xiàng)。

本研究采用專利集中度評估當(dāng)前專利技術(shù)研發(fā)和專利權(quán)利的集中程度，用絕對值CRn表示，計(jì)算公式如下

CRn=∑ni=1Ki∑Ni=1Ki（1）

式中，Ki為各專利申請人擁有的專利數(shù)量；N為所有專利申請人數(shù)量；n=1，2，…，N。

由于2013年以前的專利數(shù)量較少，將2002—2012年的專利數(shù)據(jù)合并計(jì)算，申請人集中度計(jì)算結(jié)果見表3。

由表3可以看出，雖然2002—2014年專利申請集中度呈上升趨勢，但該階段的專利申請量有限，集中度并不穩(wěn)定。在2014年以后，專利集中度數(shù)組逐漸降低，說明該階段的競爭逐漸激烈，對創(chuàng)新主體的要求越來越高。

2.1.4" 專利申請地域

建筑廢棄物資源化技術(shù)專利申請地域分布圖如圖5所示?？梢钥闯?，建筑廢棄物資源化技術(shù)專利集中在沿海地區(qū)，專利數(shù)量排名第一的是江蘇省，累計(jì)專利申請量達(dá)1050項(xiàng)；其次是廣東省和浙江省，累計(jì)專利申請量分別為925項(xiàng)和849項(xiàng)。

2.2" 專利聚類分析

專利聚類分析是指利用文本挖掘方法將技術(shù)聚合成不同的子類，客觀呈現(xiàn)技術(shù)熱點(diǎn)，發(fā)現(xiàn)新興技術(shù)主題。本研究采用詞云分析、地圖分析、專利分類號分析三種方法。

2.2.1" 詞云分析

詞云是近年來用于文本挖掘的可視化技術(shù)，將文本數(shù)據(jù)中的“關(guān)鍵詞”予以顏色和大小等視覺差異效果以反映詞語的重要程度［13］。文字字體越大，表明其越重要，建筑廢棄物資源化技術(shù)詞云圖如圖6所示?？梢钥闯?，“建筑垃圾破碎”與“變廢為寶”關(guān)注度最高，其次是“施工效率”與“垃圾回收”。

2.2.2" 地圖分析

地圖分析是指通過對專利文本數(shù)據(jù)中的著錄信息與技術(shù)方案信息進(jìn)行整理歸納，提取對研究目標(biāo)有用的專利信息。主題詞所在的區(qū)域顏色越深，說明該詞出現(xiàn)的頻率越高；反之，說明該詞出現(xiàn)的頻率越低。建筑廢棄物資源化技術(shù)專利地圖如圖7所示?？梢钥闯?，我國建筑廢棄物資源化技術(shù)主要集中在“建筑垃圾破碎”“垃圾回收”“變廢為寶”等主題。

2.2.3" 專利分類號分析

專利分類號共現(xiàn)關(guān)系網(wǎng)絡(luò)能夠展示各分類號所代表的技術(shù)主題分布情況，以及各技術(shù)主題之間的關(guān)聯(lián)性［14］。本研究的專利數(shù)據(jù)庫有134項(xiàng)專利，結(jié)合共現(xiàn)關(guān)系與社會網(wǎng)絡(luò)分析法進(jìn)行分析，具體步驟如下：統(tǒng)計(jì)專利分類號間共現(xiàn)次數(shù)→計(jì)算共現(xiàn)矩陣取值→在Gephi軟件中引入共現(xiàn)矩陣→選擇Yifan Hu布局模式呈現(xiàn)專利分類號共現(xiàn)情況→生成共現(xiàn)關(guān)系網(wǎng)絡(luò)圖（圖8）。

圖8中各節(jié)點(diǎn)代表不同的專利分類號，節(jié)點(diǎn)大小表示該專利在領(lǐng)域的重要程度，節(jié)點(diǎn)連線的粗細(xì)表示合作頻率，連線越粗表示合作越密切。可以看出，C04B1816（廢物作為砂漿、混凝土或人造石填料）、B09B300（將固體廢物破壞/轉(zhuǎn)變?yōu)橛杏没驘o害的東西）和C04B2800（含有黏結(jié)劑的砂漿、混凝土或人造石的組合物）技術(shù)之間的關(guān)聯(lián)度較高，中心度和相對中心度均位于前三，是目前研究的熱門技術(shù)。

3" 基于LDA模型的建筑廢棄物資源化技術(shù)主題分析

3.1" 模型困惑度分析

采用模型困惑度和主題連貫性相結(jié)合的方式確定最優(yōu)LDA主題數(shù)量。其中，困惑度用于評估LDA主題模型優(yōu)劣程度。困惑度越低，說明模型泛化能力越強(qiáng)［15］。計(jì)算公式如下

perplexity（Dtest）=exp-∑Md=1logp（wd）∑Md=1Nd（2）

式中，D表示語料庫中的測試集；M表示文檔數(shù)量；Nd表示每篇文檔d中包含的單詞數(shù)量；wd表示文檔d中的詞匯；p（wd）表示詞wd在文檔中產(chǎn)生的概率。

采用Perplexity庫分析困惑度隨主題數(shù)目改變而變化的情況。當(dāng)?shù)螖?shù)在1000次以上時(shí)，結(jié)果基本穩(wěn)定。困惑度變化趨勢圖如圖9所示。隨著主題數(shù)量增加，困惑度先驟減再增大并趨于平緩。當(dāng)主題數(shù)量為4時(shí)，困惑度最低，說明當(dāng)前模型泛化能力最強(qiáng)。經(jīng)過模型困惑度檢驗(yàn)，本研究確定最佳主題數(shù)量為4。

3.2" 主題連貫性分析

采用統(tǒng)計(jì)語言模型中的評價(jià)指標(biāo)主題連貫性確定最佳主題數(shù)量。主題連貫性得分越大，說明主題詞越相關(guān)，內(nèi)部歧義越少。借鑒Coherence Model模塊進(jìn)行主題連貫性得分計(jì)算，計(jì)算公式如下

coherence（V）=∑（vi，vj，δ）score（vi，vj，δ）（3）

score（vi，vj，δ）=logp［（vi，vj）+δ/（p（vi）p（vj））］（4）

式中，V代表描述主題的詞；δ代表平滑系數(shù)，一般取值為1；vi和vj表示屬于V的任意兩個(gè)詞；p（vi，vj）表示兩個(gè)詞共同出現(xiàn)的概率。主題連貫性得分結(jié)果如圖10所示，可以看出，當(dāng)主題連貫性得分最高時(shí)，內(nèi)部歧義最少，其對應(yīng)的主題數(shù)目也是4，印證了上述模型困惑度的檢驗(yàn)結(jié)果。

3.3" 技術(shù)主題可視化

根據(jù)模型困惑度和主題連貫性計(jì)算結(jié)果，對LDA模型主題特征詞進(jìn)行總結(jié)，歸納結(jié)果見表4。其中：Topic1歸納為施工效率，指代施工技術(shù)的升級；Topic2歸納為再生工藝，指代常見的建筑垃圾處理工藝流程系統(tǒng)；Topic3歸納為變廢為寶，指代常見的建筑廢棄物再生產(chǎn)品；Topic4歸納為裝置功能，指代建筑廢棄物處理裝置設(shè)備功能特點(diǎn)。

詞與主題的相關(guān)性系數(shù)λ代表一個(gè)詞匯在一個(gè)主題中出現(xiàn)的頻率相對于提升率的權(quán)重參數(shù)。在LDA可視化系統(tǒng)界面中，可以通過調(diào)節(jié)相關(guān)性系數(shù)λ呈現(xiàn)不同的主題效果。通過大量實(shí)驗(yàn)證明，當(dāng)λ=0.67時(shí)，所呈現(xiàn)的主題特征詞更加合理?？梢暬黝}詞分類如圖11所示。在圖中，左邊代表全局主題，右邊代表術(shù)語。選中某一主題后，可以觀察到右側(cè)的詞匯變化，以此了解每一類主題下的詞匯占比，發(fā)掘核心專利技術(shù)的側(cè)重點(diǎn)。

4" 結(jié)語

本研究以建筑廢棄物資源化專利技術(shù)為分析對象，提出了基于文本挖掘的專利分析流程。通過專利特征統(tǒng)計(jì)，發(fā)現(xiàn)專利技術(shù)申請趨勢整體穩(wěn)步上升，明確了目前建筑廢棄物資源化產(chǎn)業(yè)各技術(shù)功效的專利分布情況，分析了專利申請人和專利集中情況。結(jié)果表明，當(dāng)前，建筑廢棄物資源化產(chǎn)業(yè)的主要創(chuàng)新主體是企業(yè)與個(gè)人，沿海省市的創(chuàng)新活躍程度較高，其他地區(qū)提升空間較大。采用文本挖掘法將建筑廢棄物資源化技術(shù)劃分為施工效率、再生工藝、變廢為寶和裝置功能4個(gè)主題，并通過模型困惑度與主題連貫性檢驗(yàn)進(jìn)行驗(yàn)證。基于研究結(jié)果，提出以下建議：

（1）地方政府應(yīng)加強(qiáng)法律法規(guī)建設(shè)，創(chuàng)新政策機(jī)制，合理簡化專利申請流程，提高審核效率，同時(shí)加強(qiáng)知識產(chǎn)權(quán)保護(hù)，促進(jìn)技術(shù)轉(zhuǎn)化。

（2）企業(yè)作為技術(shù)創(chuàng)新的主體，應(yīng)加強(qiáng)與高校、科研院所等的產(chǎn)學(xué)研合作，通過規(guī)?；ㄖU棄物再生產(chǎn)各個(gè)環(huán)節(jié)推動產(chǎn)業(yè)鏈形成與發(fā)展。

參考文獻(xiàn)

［1］曹元輝， 王勝杰， 王勇， 等. 我國建筑垃圾綜合利用現(xiàn)狀及未來發(fā)展趨勢 ［J］. 中國建材， 2021（9）： 118-21.

［2］關(guān)攀博， 王琳瑞， 付凌波， 等. 城市建筑廢棄物的科學(xué)管理與有效利用研究 ［J］. 環(huán)境科學(xué)與管理， 2016， 41（4）： 7-11.

［3］李建明， 王志剛， 王一峰， 等. 基于固體廢棄物資源化利用的“無廢城市”建設(shè)初探 ［J］. 中國水土保持， 2019 （7）： 25-9.

［4］袁紅平， 王焯平. 建筑廢棄物資源化利用合作促進(jìn)機(jī)制研究 ［J］. 工程研究——跨學(xué)科視野中的工程， 2017， 9（2）： 181-9.

［5］崔旭東， 時(shí)雪燕. 雙碳背景下建筑廢棄物資源化利用問題研究 ［J］. 建設(shè)科技， 2022（9）： 32-5.

［6］邵志國， 李夢笛， 韓傳峰， 等. 基于演化博弈的建筑垃圾處理協(xié)同機(jī)制及仿真 ［J］. 中國管理科學(xué)，2022（2）： 1-14.

［7］李景茹， 劉寒， 赫改紅， 等. 建筑廢棄物資源化利用行業(yè)發(fā)展影響因素研究——基于深圳、青島、許昌的調(diào)研 ［J］. 建筑經(jīng)濟(jì)， 2018， 39（11）： 24-7.

［8］江明陽. 建筑廢棄物資源化產(chǎn)業(yè)鏈中核心利益主體間動態(tài)演化仿真研究 ［D］. 深圳：深圳大學(xué)， 2020.

［9］FELDMAN R， DAGAN I， HIRSH H. Mining text using keyword distributions ［J］. Journal of Intelligent Information Systems， 1998， 10（3）： 281-300.

［10］胡阿沛， 張靜， 雷孝平，等. 基于文本挖掘的專利技術(shù)主題分析研究綜述 ［J］. 情報(bào)雜志， 2013， 32（12）： 88-92，61.

［11］JELODAR H， WANG Y L， YUAN C， el al. Latent Dirichlet allocation （LDA） and topic modeling： models， applications， a survey ［J］. Multimedia Tools and Applications， 2019， 78（11）： 15169-15211.

［12］陳虹樞. 基于主題模型的專利文本挖掘方法及應(yīng)用研究 ［D］.北京：北京理工大學(xué)， 2015.

［13］汪言. 基于Python的詞云生成及優(yōu)化研究——以“十四五”規(guī)劃為例 ［J］. 電腦知識與技術(shù)， 2021， 17（19）： 23-8.

［14］溫芳芳. 基于專利權(quán)人-分類號多重共現(xiàn)分析的全球?qū)＠季盅芯俊蕴柲芷嚰夹g(shù)領(lǐng)域?yàn)槔?［J］. 現(xiàn)代情報(bào)， 2017， 37（4）： 165-169.

［15］趙凱， 王鴻源. LDA最優(yōu)主題數(shù)選取方法研究：以CNKI文獻(xiàn)為例 ［J］. 統(tǒng)計(jì)與決策， 2020， 36（16）： 175-179.

PMT

收稿日期：2023-08-12

作者簡介：

李昇翰（1976—），男，講師，碩士研究生導(dǎo)師，研究方向：可持續(xù)綠色建筑。

吳晨溦（2000—），女，研究方向：建筑可持續(xù)管理。

張佳盛（1989—），男，高級工程師，研究方向：裝配式技術(shù)、可持續(xù)管理。

張丹婷（1998—），女，研究方向：建筑可持續(xù)管理。

吳澤洲（通信作者）（1988—），男，副教授，碩士研究生導(dǎo)師，研究方向：建筑可持續(xù)管理。