摘 要：識別領域內重點技術研發(fā)方向，是企業(yè)技術創(chuàng)新活動中不可或缺的關鍵環(huán)節(jié)，不僅關乎資源優(yōu)化配置和創(chuàng)新效率提升，而且是推動企業(yè)持續(xù)發(fā)展、實現技術突破的重要戰(zhàn)略舉措。面向市場（或用戶）需求，選擇從競爭者導向角度出發(fā)，構建企業(yè)技術研發(fā)方向識別模型。首先，利用文本挖掘技術對領域內相關專利文本進行SAO語義結構提取和專利權人提取，并以與技術相關的S或O概念層級實體為技術表征，構建企業(yè)—技術關聯(lián)網絡及企業(yè)合作網絡；其次，將企業(yè)—技術關聯(lián)矩陣進行Z-score標準化得到企業(yè)—技術評分矩陣，并將社團劃分算法應用于企業(yè)合作網絡，綜合社團屬性和企業(yè)相似性分值選取Top-k項企業(yè)所涉及的技術，形成候選技術列表；最后，構建技術增長性和技術適用性指標，對識別出的候選技術進行定量評估，并結合企業(yè)自身技術布局為其推薦適合的發(fā)展方向。實證研究部分，以默沙東公司（MERI-C）為例，進行技術研發(fā)方向識別研究，為企業(yè)精準高效開展技術創(chuàng)新活動提供科學的決策依據。

關鍵詞：技術機會；SAO語義挖掘；協(xié)同過濾算法；技術研發(fā)方向

中圖分類號：G250；G353" " 文獻標志碼：A" " 文章編號：1671-0037（2024）7-63-12

DOI：10.19345/j.cxkj.1671-0037.2024.7.6

0 引言

隨著新一輪科技革命和產業(yè)變革的蓬勃興起，科技發(fā)展呈現出前所未有的突破性態(tài)勢，各國都在加大技術創(chuàng)新力度，試圖在云計算、生物醫(yī)藥、新能源、新材料等領域搶占科技發(fā)展制高點。然而，技術創(chuàng)新是一個連續(xù)且動態(tài)變化的過程，涵蓋了從新思想產生，到研究、發(fā)展、試制、生產制造再到商業(yè)化的各個環(huán)節(jié)，其中的關系也并非簡單的線性模式，而是復雜多維的相互作用［1-2］。與此同時，創(chuàng)新具有風險性，科學新發(fā)現并不能天然適應國家戰(zhàn)略需求與市場微觀需求，也不能直接轉化為技術創(chuàng)新成果［3］。因此，作為技術創(chuàng)新活動的主體，企業(yè)應在前沿導向鼓勵的探索型研究與市場導向鼓勵的應用型研究之間建立起橋梁，切實提高科技成果轉化效率與轉化效果［4］。

在學術界，有關市場導向與企業(yè)技術創(chuàng)新活動的關系一直飽受爭議。Christensen和Bower［5］認為，企業(yè)在市場導向下開展技術創(chuàng)新活動難以獲得真正意義上的突破性發(fā)展。周飛等［6］則認為，企業(yè)以市場為導向，為不斷滿足日益變化的市場（或用戶）需求而開展技術研發(fā)活動，并在此基礎上開發(fā)新產品，是保持其競爭優(yōu)勢的重要途徑；同樣，杜鵬和萬后芬［7］發(fā)現，市場導向與企業(yè)績效水平呈顯著的正相關關系，且市場導向型企業(yè)能夠根據市場環(huán)境的變化作出及時有效的反應，這有助于企業(yè)實施差異化戰(zhàn)略，提升企業(yè)的競爭實力。究其原因，Narver等［8］、張婧和段艷玲［9］認為，市場導向有其細分類型，即反應型市場導向（Responsive Market Orientation， RMO）和先動型市場導向（Proactive Market Orientation， PMO）；而后者屬于企業(yè)主動性行為，也是決定企業(yè)技術創(chuàng)新活動成功的關鍵。進一步地，景奉杰和曾憲偉［10］研究指出，決定企業(yè)成敗的關鍵往往不在于其推出新產品的速度，而在于企業(yè)能否及時準確地對技術發(fā)展方向作出正確的判斷并采取行動。面對如何在市場導向下選擇技術研發(fā)方向的問題，學者們將其概括為3個行為要素（市場需求、競爭者導向、跨部門間協(xié)調）和兩個決策標準（長期性中心和盈利性目標）［11］。

綜上，學者們圍繞此類問題已經取得了較為豐碩的成果，為本研究提供了重要的參考思路。但在現實世界中，市場環(huán)境瞬息萬變，企業(yè)需要根據市場變化及時調整技術策略，以保證自身可持續(xù)的競爭優(yōu)勢。因此，如何幫助企業(yè)盡快明晰市場上不斷變化的需求，為其尋求具有發(fā)展?jié)摿Φ募夹g研發(fā)方向是一個亟待解決的問題。本研究嘗試結合SAO語義挖掘、協(xié)同過濾算法、Louvain算法，構建企業(yè)技術研發(fā)方向識別模型，為企業(yè)高效開展技術創(chuàng)新活動提供全面細致的決策支持。

1 相關研究

面向市場需求識別技術研發(fā)方向屬于技術機會識別問題，即市場導向型技術機會識別［12］，相關研究主要包含兩種類型。

①在宏觀層面（領域需求）。Tuarob和Tucker［13］以及Christensen等［14］認為，在線社區(qū)中的用戶評論信息對于新產品開發(fā)或產品功能改進具有重要啟示，并采用文本挖掘與機器學習相結合的方法，辨別了“Idea text”（含產品相關反饋）和“Non-idea text”（不含產品相關反饋）。Ardichvili等［15］認為，技術機會識別應建立在充分感知市場需求與技術資源之間差距的基礎上，重視未被完全利用的技術資源，進而挖掘與市場需求相匹配的新技術。吳菲菲等［16］從網絡平臺中獲取無人機領域的研發(fā)需求，進而針對目標企業(yè)在無人機領域內的專利進行二次檢索，并采用LDA主題模型與主成分分析法確定目標企業(yè)的技術空白。Wang和Chen［17］提出了一種結合向量空間模型、潛在語義分析與異常值檢測算法的專利挖掘方法，通過將已識別的異常點映射到由效用層級與情景選擇構成的二維空間中，以用戶需求為中心識別技術機會。

②在微觀層面。國內外學者對用戶需求進行了更為詳細的劃分。Qi等［18］、趙宇晴等［19］使用基于模糊理論的KANO模型對從在線評論中提取的用戶需求進行分類，并進一步與情感分析法結合構建需求—滿意度量化模型，從用戶需求類型出發(fā)，確定產品研發(fā)和改進的優(yōu)先級。王艷等［20］采用結構主題模型（Structural Topic Model， STM）從在線評論中提取用戶對相關產品的功能需求，進而以SAO短語對技術要素進行表征，并結合STM模型篩選能夠滿足產品功能需求且具有融合傾向的技術要素，將其作為潛在技術融合機會。吳紅等［21］考慮了技術的組合性與遞歸性，基于產品評論數據與專利數據，建立了用戶需求—產品功能—技術（專利）間的映射關系，進而以IPC分類號為基礎知識單元，采用Dijkstra最短路徑算法挖掘潛在知識組合，識別融合市場需求與具有知識組合可行性的技術機會。吳一平等［22］主要關注用戶對產品的技術需求，在建立技術特征—產品技術屬性關聯(lián)矩陣的基礎上，構建了用戶需求與技術屬性之間的關聯(lián)關系；進一步地，通過對技術屬性的多維度分析，深入探究用戶需求隨時間的動態(tài)變化過程，為企業(yè)精準迎合市場技術需求提供參考依據。柳林林等［23］基于領域數據抽取因果三元組（如lt;功率耦合，導致，動態(tài)性能差gt;），構建包含因果知識的技術網絡；然后，通過情感識別、需求詞抽取等步驟，識別用戶使用過程中的需求因素并進行匹配，以實現機會識別。

與此同時，馮立杰等［24］將技術維系統(tǒng)創(chuàng)新方法引入面向用戶需求的技術機會識別中，展開了系統(tǒng)化研究。具體而言，在分析低端市場用戶需求與技術生命周期的基礎上，以目標用戶需求為導向，通過探索創(chuàng)新法則與創(chuàng)新維度的作用方式，構建目標領域的多維技術創(chuàng)新地圖，形成了面向低端市場顛覆式創(chuàng)新的技術機會識別路徑。劉鵬等［25］面向用戶需求，構建了“創(chuàng)新維度—技術（主題）—功效（主題）”三級語義知識庫，通過創(chuàng)新維度—功效矩陣識別產品的宏觀創(chuàng)新機會，通過創(chuàng)新子維—功效矩陣識別產品的中觀創(chuàng)新機會，通過創(chuàng)新形態(tài)—功效矩陣識別產品的具象創(chuàng)新機會。

相關研究的總結與歸納如表1所示。

2 技術研發(fā)方向識別模型

通過上述分析，本研究面向市場（或用戶）需求，選擇從競爭者導向角度出發(fā)識別企業(yè)技術研發(fā)方向的原因如下。

①理論層面。Daniel和Juan［28］通過對西班牙451家公司進行實證研究發(fā)現，市場（用戶）需求和競爭者導向均可以對企業(yè)技術創(chuàng)新活動產生顯著的正向影響。②技術層面。單純從滿足市場（或用戶）需求出發(fā)挖掘的技術有可能是一項尚未被解決的技術難題，或不適合應用于新產品的開發(fā)以及產品功能的改進。③公司戰(zhàn)略層面。當某一市場（或用戶）需求已被企業(yè)識別利用時，對于當前或未來的其他企業(yè)來說也并不是就沒有利用的機會了。這種對需求的再利用，可能源于“企業(yè)戰(zhàn)略—市場需求—市場環(huán)境”中任何變化導致的不匹配。因此，本研究以專利文獻為研究數據，構建企業(yè)技術研發(fā)方向識別模型，具體包括企業(yè)—技術評分矩陣構建、企業(yè)最近鄰選擇、技術發(fā)展?jié)摿υu估等3個步驟。

2.1 企業(yè)—技術評分矩陣構建

考慮到專利文獻數量及自然語言處理所需的時間和復雜度等多方面因素，選擇由專利標題與摘要構成的中長文本作為數據源。在獲取專利數據后，采用SemRep提取SAO結構，并以與技術相關的S或O概念層級實體為技術表征，構建專利與技術之間的關聯(lián)關系，如表2所示。

進一步地，以專利號PN為連接紐帶，構建企業(yè)（專利權人）與技術之間的關聯(lián)關系，如表3所示。

對表3所示數據進行Z-score標準化處理，即將多組數據轉化為無單位的Z-score分值，使得數據標準統(tǒng)一化，提高數據可比性。計算公式如下：

[Z=x?μσ] （1）

[σ=1Ni=1N（xi?μ）2] （2）

式（1）—（2）中：x為技術節(jié)點在不同企業(yè)專利文本中出現的頻次；[μ]為平均數；[σ]為標準差；N為表征技術的概念實體個數。計算得到的Z-score值為企業(yè)對技術的評分矩陣，該矩陣包含[m]個企業(yè)的集合[Company={C1，C2，…，Cm}]和[n]個技術的集合[Item={I1，I，…，In}]。其中，矩陣的行表示企業(yè)，滿足[1≤i≤m]；矩陣的列表示技術，滿足[1≤j≤n]。企業(yè)[Ci]對技術[Ij]的評分可用[Rij]表示，即上文提到的Z-score值。

2.2 企業(yè)最近鄰選擇

最近鄰選擇包含3個部分：①將余弦相似性法應用于企業(yè)—技術評分矩陣，度量企業(yè)間的相似程度，進而得到相似性得分；②將社團劃分算法（Louvain算法）應用于企業(yè)合作網絡，得到企業(yè)社團聚類結果；③綜合考量企業(yè)相似性得分與社團屬性，選取交集中的Top-k項企業(yè)所涉及的技術，形成候選技術列表?；谏弦徊降玫降钠髽I(yè)與技術評分矩陣，企業(yè)[C1、C2]的相似性得分計算公式如下：

[cos（C1，C2）=i=1mRC1i?RC2ii=1mRC1i2?i=1mRC2i2] （3）

式（3）中：[RC1i]和[RC2i]表示企業(yè)[C1、C2]對技術[i]的評分；[m]為涉及的企業(yè)總數。由于專利申請與授權情況能夠表征企業(yè)科技產出狀況和技術研發(fā)水平，將社團劃分算法應用于企業(yè)的合作網絡，同樣可助力挖掘出具有較高技術相似性的各類企業(yè)［29］。圖1為企業(yè)合作網絡構建及企業(yè)社團劃分結果示意圖。

2.3 技術發(fā)展?jié)摿υu估

企業(yè)若想通過技術創(chuàng)新取得長期經濟效益，就必須縱觀全局，從技術所處發(fā)展階段和發(fā)展?jié)摿Τ霭l(fā)，充分利用競爭環(huán)境所提供的機會［30］。因此，構建技術發(fā)展?jié)摿υu價指標對候選列表中的技術進行評估。

2.3.1 技術增長性（Technology Growth， TG）

在Jones和Twiss［30］的研究中，技術發(fā)展水平反映的是某一特定技術在各個時期（或時點上）所處的發(fā)展階段和所表現的成熟度，可以通過技術生命周期分析、TRIZ技術成熟度等方法來測度。通常情況下，技術生命周期可被劃分為4個階段［31］：第一階段為技術萌芽階段，表現為與該技術相關的專利申請數量較少；第二階段為技術成長階段，表現為技術方向基本明確，技術創(chuàng)新取得了一定進展，與該技術相關的專利申請數量持續(xù)快速增長；第三階段為技術成熟階段，此時技術相對成熟，與該技術相關的專利申請數量增長趨勢變緩；第四階段為技術衰退階段，該階段或是遇到難以逾越的技術障礙，或是某產業(yè)的發(fā)展使得該領域技術創(chuàng)新活動減少，與該技術相關的專利申請數量逐步下降。在4個階段中，差異最明顯的是相關專利申請數量增長率的變化。因此，借鑒統(tǒng)計學領域增長率的思想，構建技術增長性指標（Technology Growth， TG），對各年度技術增長率求算術平均值，并以此為標準來判斷技術所處的發(fā)展階段。計算公式如下：

[TGa=（1/T）Pat+1?PatPat] （4）

式（4）中：T為研究時間段；[Pat]為待識別技術a在子研究時間段t上的累積量。

2.3.2 技術適用性（Technology Applicability， TAP）

技術發(fā)展?jié)摿υ谝欢ǔ潭壬象w現了技術發(fā)展的可能性，即概率問題，反映了技術潛在的應用規(guī)模和前景。常用的測度方法包括專利組合分析法、專利技術空間分布分析法、專利技術/功效矩陣分析法等?；诖?，采用技術適用性（Technology Applicability， TAP）指標［32］，測度技術在不同領域中應用的廣泛性，進而評估技術在未來的應用規(guī)模和前景。計算公式如下：

[TAPa=1?j=1J（Kaj/j=1JKaj）2?CaC] （5）

式（5）中：C為技術總量；[Ca]為與研究領域相關的技術數量；[Kaj]為技術a在不同子領域中出現的頻次；J為子領域數量。

3 實證研究

3.1 數據采集

《2020全球癌癥報告》最新統(tǒng)計數據顯示，2020年全球新發(fā)癌癥病例為1 930萬例，全球癌癥死亡病例為1 000萬例。其中，結直腸癌新發(fā)病例為220萬例，位列第3；死亡病例為94萬例，位列第2［33］?？v觀世界惡性腫瘤流行病的趨勢和中國城市癌癥發(fā)病譜的變化，研究人員認為，在今后10年間，結直腸癌將成為威脅中國人民生命健康的主要瘤種［34-35］，癌癥防控已成為中國健康戰(zhàn)略的重點。因此，當以“為企業(yè)尋求滿足市場需求且同時具有發(fā)展前景的技術研發(fā)方向”為研究目的時，將“結直腸癌治療”作為“需求”便具有合理性。具體來說，基于科睿唯安公司的Derwent Innovation專利平臺，按照TS=（“Intestinal Disease*”O(jiān)R“Disease*，Intestinal”O(jiān)R“Intestinal Neoplasm*”O(jiān)R“Neoplasm*，Intestinal”O(jiān)R“Intestines Neoplasm*”O(jiān)R“Neoplasm*，Intestines”O(jiān)R“Cancer of Intestines”O(jiān)R“Intestines Cancer*”O(jiān)R“Intestinal Cancer*”O(jiān)R“Cancer of the Intestines”O(jiān)R“Cancer*，Intestines”O(jiān)R“Cancer*，Intestinal”O(jiān)R“Colorectal Neoplasm*”O(jiān)R“Colorectal Tumor*”O(jiān)R“Colorectal Cancer*”O(jiān)R“Colorectal Carcinoma*”O(jiān)R“Neoplasm*，Colorectal”O(jiān)R“Tumor*，Colorectal”O(jiān)R“Cancer*，Colorectal”O(jiān)R“Carcinoma*，Colorectal”O(jiān)R“Ileitis”O(jiān)R“Crohn* Enteritis”O(jiān)R“Regional Enteritis”O(jiān)R“Inflammatory Bowel Disease*”O(jiān)R“Enteritis，Granulomatous”O(jiān)R“Granulomatous Enteritis”O(jiān)R“Enteritis，Regional”O(jiān)R“Ileocolitis”O(jiān)R“Colitis，Granulomatous”O(jiān)R“Granulomatous Colitis”O(jiān)R“Ileitis，Terminal”O(jiān)R“Terminal Ileitis”O(jiān)R“Ileitis，Regional”O(jiān)R“Regional Ileitides”O(jiān)R“Regional Ileitis”O(jiān)R“Colitis，Ulcerative”O(jiān)R“Idiopathic Proctocolitis”O(jiān)R“Ulcerative Colitis”O(jiān)R“Colitis Gravis”O(jiān)R“Inflammatory Bowel Disease，Ulcerative Colitis Type”O(jiān)R“Crohn* Disease*”）進行檢索［36］，截止時間為2023年12月29日，共獲取72 082條專利數據。

3.2 數據預處理

第一步，采用SemRep對上述72 082條專利數據的標題和摘要進行SAO結構提取，并保留1 543個與腸道腫瘤類疾病相關的技術概念實體作為后文分析的對象。第二步，提取專利權人。在德溫特數據庫中，專利權人代碼的編碼形式有4類：ABCD-C（標準公司和高校、研究機構），ABCD-N（非標準），ABCD-R（蘇聯(lián)的機構）和ABCD-I（個人）。本研究選取代碼為ABCD-C（標準公司和高校、研究機構）的專利權人作為分析對象，最終獲得標準專利權人1 826個，平均專利申請量為22.45件；非標準專利權人16 065個，平均專利申請量為5.47件。表4列出了排名前10位的標準專利權人。

從表4中可以看出，總部坐落于美國的默沙東（默克）公司擁有的專利數量最多，共1 127件。緊隨其后的是總部坐落于英國的阿斯利康制藥有限公司和總部坐落于美國的百時美施貴寶公司，專利數量分別為843件和837件。同時，在專利數量排名前10位的專利權人中，有4家公司來自美國，從側面證實了美國在此領域擁有較強的研發(fā)實力。

3.3 技術研發(fā)方向識別

3.3.1 目標企業(yè)—技術評分矩陣構建

以專利申請數量排名第一的默沙東公司（MERI-C）為例，進行企業(yè)技術研發(fā)方向識別。默沙東總部位于美國新澤西州肯尼沃斯市，經營范圍包括處方藥、疫苗、生物制品與動物保健品等。多年以來，默沙東始終走在研發(fā)前沿，持續(xù)推動癌癥、心血管代謝疾病、阿茲海默病、傳染病等疾病的預防和治療工作。僅在2020年，默沙東研發(fā)投入就達到了136億美元，屬于典型的高水平創(chuàng)新型企業(yè)［37］。按照前文所述步驟，以專利號PN為連接紐帶，構建企業(yè)與技術之間的關聯(lián)關系矩陣，并按照式（1）計算方式對數據進行Z-score標準化處理，得到企業(yè)—技術評分矩陣（見表5）。

3.3.2 目標企業(yè)最近鄰選擇

首先，運用余弦相似性法計算各企業(yè)與默沙東公司（MERI-C）的相似性得分，具體情況見表6。

其次，在獲取企業(yè)間相似性得分的基礎上，將社團劃分算法（Louvain算法）應用于企業(yè)合作網絡（見圖2）。與默沙東公司同在一個社團的企業(yè)共有35家，具體信息見表7。

結合表6和表7的結果可以看到，僅從相似性出發(fā)選擇目標企業(yè)最近鄰難以確定相似性得分閾值。閾值太高，篩選出的最近鄰企業(yè)數量過少；閾值太低，篩選出的最近鄰企業(yè)則不具備代表性。而結合社團劃分結果，與默沙東公司同在一個社團的企業(yè)共有35家，且相似性排名均在前37名以內，提升了最近鄰選擇的效果。

最后，綜合考量企業(yè)社團屬性和企業(yè)相似性分值，選取相似性排名Top5且與默沙東公司同在一個社團的企業(yè)（GLAX-C、BRIM-C、NOVS-C、SCHE-C、PFIZ-C）所涉及的257項技術，形成候選技術列表。

3.3.3 目標企業(yè)技術研發(fā)方向識別

針對上述由257項技術組成的候選技術列表，計算各技術點的技術適用性（TAP）與技術增長性（TG），結合默沙東公司的技術發(fā)展水平，為默沙東公司推薦適合的技術研發(fā)方向。各技術點的技術適用性與技術增長性坐標圖如圖3所示。

由圖3（b）所示的結果發(fā)現，默沙東公司可將酪氨酸激酶抑制劑與BRAF抑制劑作為未來研發(fā)或合作研發(fā)的兩大技術方向。

3.3.3.1 酪氨酸激酶抑制劑（Protein-tyrosine Kinase Inhibitor）

查閱資料可知①，2021年，Exelixis制藥公司宣布與默克（MERI-C）和輝瑞（PFIZ-C）達成了一項臨床試驗合作及供應協(xié)議，在正在進行的1b期劑量遞增研究STELLAR-001（之前稱為“XL092-001”）中，增加3個新隊列，以評估XL092聯(lián)合抗程序性死亡配體-1（PD-L1）免疫檢查點抑制劑“Bavencio”治療晚期結直腸癌患者的安全性和耐受性。其中，XL092是Exelixis制藥公司開發(fā)的新一代酪氨酸激酶抑制劑，而Bavencio則是新一代抗程序性死亡配體-1（PD-L1）腫瘤免疫療法，由默克與輝瑞共同開發(fā)并實現商業(yè)化。

從技術自身角度出發(fā)，酪氨酸激酶抑制劑已由Exelixis制藥公司開發(fā)，屬于滿足結直腸癌治療需求（已知需求）的一種技術手段；同時，酪氨酸激酶抑制劑也有較強的技術增長性和技術適用性，具有良好的市場發(fā)展前景。從公司自身角度出發(fā)，默沙東公司在選擇自主研發(fā)或合作研發(fā)酪氨酸激酶抑制劑時，可以與已擁有的腫瘤免疫療法相結合，進而在治療晚期結直腸癌患者時發(fā)揮更大的作用。

3.3.3.2 BRAF抑制劑（BRAF Inhibitor）

查閱資料可知②，2020年4月8日，美國FDA批準了BRAF抑制劑——康奈非尼（Encorafenib）與西妥昔單抗（Cetuximab），用以聯(lián)合治療轉移性結直腸癌（CRC）患者。此次批準是基于BEACON CRC的實驗結果：康奈非尼+西妥昔單抗聯(lián)合治療組患者的中位生存期（Median Survival Time）為8.4個月，而對照組（伊立替康+依瑞替康）為5.4個月（HR=0.52，95％CI：0.39～0.70；[P]lt;0.000 1）；康奈非尼+西妥昔單抗聯(lián)合治療組患者的中位無進展生存期（PFS）為4.2個月，而對照組僅為1.5個月（HR=0.40，95%CI：0.31～0.52，[P]lt;0.000 1）。

從技術自身角度出發(fā)，BRAF抑制劑——康奈非尼（Encorafenib）已被輝瑞公司（PFIZ-C）開發(fā)，屬于滿足結直腸癌治療需求（已知需求）的一種技術手段；同時，BRAF抑制劑也有著較強的技術增長性和技術適用性，具有良好的市場發(fā)展前景。從公司自身角度出發(fā)，默沙東公司在選擇自主研發(fā)或合作研發(fā)BRAF抑制劑——康奈非尼（Encorafenib）時，可以與已擁有的西妥昔單抗（Cetuximab）相結合，進而在治療轉移性結直腸癌（CRC）患者時發(fā)揮更大的作用。

4 結論與展望

面向市場（或用戶）需求，本研究選擇從競爭者導向角度出發(fā)，構建企業(yè)技術研發(fā)方向識別模型。首先，利用文本挖掘技術對領域內相關專利文本進行SAO語義結構提取和專利權人提取，并以與技術相關的S或O概念層級實體為技術表征，構建企業(yè)—技術關聯(lián)網絡及企業(yè)合作網絡。其次，將企業(yè)—技術關聯(lián)矩陣進行Z-score標準化，得到企業(yè)—技術評分矩陣，并將社團劃分算法應用于企業(yè)合作網絡，綜合社團屬性和企業(yè)相似性分值，選取Top-k項企業(yè)所涉及的技術，形成候選技術列表。最后，構建技術增長性和技術適用性指標，對識別出的候選技術進行定量評估，并結合企業(yè)自身技術布局為其推薦適合的技術研發(fā)方向。

相較于已有文獻，本研究首先從競爭者導向角度出發(fā)，考慮了“企業(yè)戰(zhàn)略—市場需求—市場環(huán)境”變化所帶來的不匹配問題，適用于對需求再利用的探索；其次，將協(xié)同過濾算法與社團劃分算法相結合，提升了最近鄰選擇效果，彌補了以往研究方法僅考慮相似性的不足；最后，技術發(fā)展?jié)摿υu估指標（技術增長性與技術適用性）可對最近鄰的候選技術進行定量評估，在為企業(yè)推薦滿足市場需求的技術研發(fā)方向的同時，也關注了其發(fā)展?jié)摿Α?/p>

本研究仍存在不足之處。首先，在市場競爭中，中小型企業(yè)由于成本限制往往不傾向于采取申請專利的方式，而是選擇利用商業(yè)機密來保護自身的技術創(chuàng)新成果。因此，本研究所提出的方法對中小型企業(yè)技術機會識別的指導性偏弱，更適用于技術實力較強的企業(yè)。其次，本研究采用了基于UMLS的SemRep提取工具以及美國USFDA橘皮書中的醫(yī)藥數據。盡管所提出的方法可移植應用于其他領域，但在具體操作過程中，對于特征技術詞的篩選，需要具體領域具體分析。最后，在結果驗證部分，僅選擇默沙東公司作為目標企業(yè)，后續(xù)將繼續(xù)擴大驗證范圍，以提升方法的適用性和準確度。

注釋：

① http：//www.zgazyw.com/Article/20220120163305-8517_1.html.

② http：//www.yhjk.com.cn/zixun/1075.html.

參考文獻：

［1］ 菲利普·科特勒，凱文·萊恩·凱勒.營銷管理（全球版）［M］.北京：中國人民大學出版社，2012.

［2］ YOON J，SEO W，COH B Y，et al.Identifying product opportunities using collaborative filtering-based patent analysis［J］.Computers amp; Industrial Engineering，2016（107）：376-387.

［3］ 陳勁，朱子欽.探索以企業(yè)為主導的創(chuàng)新發(fā)展模式［J］.創(chuàng)新科技，2021，21（5）：1-7.

［4］ 《求是》雜志編輯部.實現高水平科技自立自強的迫切要求［EB/OL］.（2023-07-13）［2024-03-01］.http：//www.qstheory.cn/dukan/qs/2023-07/31/c_1129776371.htm.

［5］ CHRISTENSEN C M，BOWER J L.Customer power，strategic investment，and the failure of leading firms［J］.Strategic Management Journal，1996，17（3）：197-218.

［6］ 周飛，沙振權，孫銳.市場導向，資源拼湊與商業(yè)模式創(chuàng)新的關系研究［J］.科研管理，2019，40（1）：113-120.

［7］ 杜鵬，萬后芬.市場導向，質量導向與企業(yè)績效關系的研究［J］.管理學報，2009，6（5）：698-703.

［8］ NARVER J C，SLATER S F，MACLACHLAN D L.Responsive and proactive market orientation and new‐product success［J］.Journal of Product Innovation Management，2004，21（5）：334-347.

［9］ 張婧，段艷玲.市場導向均衡對制造型企業(yè)產品創(chuàng)新績效影響的實證研究［J］.管理世界，2010（12）：119-130.

［10］ 景奉杰，曾憲偉.燈塔顧客導向：高技術企業(yè)市場導向研究［J］.中國軟科學，2000（12）：96-101.

［11］ SLATER S F.Developing a customer value-based theory of the firm［J］.Journal of the Academy of Marketing Science，1997，25（2）：162-167.

［12］ 張碩，李榮榮.創(chuàng)新過程視角下的技術機會識別：內涵、分類與展望［J］.科技管理研究，2024（12）：25-35.

［13］ TUAROB S，TUCKER C S.Automated discovery of lead users and latent product features by mining large scale social media networks［J］.Journal of Mechanical Design，2015，137（7）：071402.

［14］ CHRISTENSEN K，N?RSKOV S，FREDERIKSEN L，et al. In search of new product ideas：identifying ideas in online communities by machine learning and text mining［J］.Creativity and Innovation Management，2017，26（1）：17-30.

［15］ ARDICHVILI A，CARDOZO R，RAY S.A theory of entrepreneurial opportunity identification and development［J］.Journal of Business Venturing，2003，18（1）：105-123.

［16］ 吳菲菲，李睿毓，黃魯成.基于多源數據的企業(yè)研發(fā)方向識別與評估［J］.情報雜志，2018，37（10）：82-89.

［17］ WANG J，CHEN Y J.A novelty detection patent mining approach for analyzing technological opportunities［J］.Advanced Engineering Informatics，2018，42：100941.

［18］ QI J，ZHANG Z，JEON S，et al.Mining customer requirements from online reviews： a product improvement perspective［J］.Information amp; Management，2016，53（8）：951-963.

［19］ 趙宇晴，阮平南，劉曉燕，等.基于在線評論的用戶滿意度評價研究［J］.管理評論，2020，32（3）：179-189.

［20］ 王艷，苗紅，李欣，等.知識基因視角下的技術融合機會發(fā)現研究［J］.科學學與科學技術管理，2021，42（7）：18-34.

［21］ 吳紅，張彪，高道斌，等.產品改進需求引導的技術機會發(fā)現研究［J］.情報理論與實踐，2023，46（2）：156-164，209.

［22］ 吳一平，白如江，劉明月，等.融合評論主題識別與技術屬性多維度分析的技術機會發(fā)現研究［J］.圖書情報工作，2021，65（10）：56-67.

［23］ 柳林林，宮大慶，張玉潔，等.因果知識引導的技術機會發(fā)現：以電動汽車充電樁為例［J］.數據分析與知識發(fā)現，2022，6（8）：31-40.

［24］ 馮立杰，吳敏，王金鳳，等.面向低端市場顛覆式創(chuàng)新的技術機會識別路徑研究［J］.軟科學，2019，33（4）：91-98.

［25］ 劉鵬，閆煜析，馮立杰，等.用戶需求導向下基于三級技術功效矩陣的產品創(chuàng)新機會識別［J］.情報理論與實踐，2023，46（8）：138-146.

［26］ 張妍.技術創(chuàng)新過程中的技術機會研究［D］.沈陽：東北大學，2008.

［27］ 馮立杰，關柯楠，王金鳳.基于在線評論考慮潛在用戶需求的產品創(chuàng)新方案識別研究［J］.情報理論與實踐，2022，45（6）：129-137.

［28］ DANIEL J J，JUAN G C.The performance effect of organizational learning and market orientation［J］.Industrial Marketing Management，2006，36（6）：694-708.

［29］ 貢金濤，王平堯，劉盛博.基于專利合著指標和引用指標的企業(yè)科研人員評價研究［J］.科學學與科學技術管理，2015，36（2）：161-172.

［30］ JONES H，TWISS B.Forecasting technology for planning decisions［M］.UK：Macmillan，1978.

［31］ 楊曦，余翔，劉鑫.基于多層視角模型的專利情報分析方法研究：以石墨烯技術為例［J］.情報雜志，2018，37（8）：64-70，91.

［32］ LEE S，YOON B，PARK Y.An approach to discovering new technology opportunities：keyword-based patent map approach［J］.Technovation，2008，29（6）：481-497.

［33］ World Health Organization.Latest global cancer data：cancer burden rises to 19.3 million new cases and 10.0 million cancer deaths in 2020［EB/OL］.（2020-12-15）［2023-07-04］.https：//www.iarc.who.int/news-events/latest-global-cancer-data-cancer-burden-rises-to-19-3-million-new-cases-and-10-0-million-cancer-deaths-in-2020/.

［34］ CHEN W，ZHENG R，BAADE P D，et al.Cancer statistics in China，2015［J］.CA：A Cancer Journal for Clinicians，2016，66（2）：115-132.

［35］ ZHANG L，CAO F，ZHANG G，et al.Trends in and predictions of colorectal cancer incidence and mortality in China from 1990 to 2025［J］.Frontiers in Oncology，2019（9）：98.

［36］ WANG X，ZHANG S，WU Y，et al.Revealing potential drug-disease-gene association patterns for precision medicine［J］.Scientometrics，2021，126（5）：1-26.

［37］ Merck. Merck Q4 2020 Earnings［EB/OL］.［2023-03-01］.https：//s21.q4cdn.com/488056881/files/doc_financials/

2020/q4/MRK-4Q20-Earnings-Deck.pdf，2020.

The Identification of Ramp;D Direction of Enterprises' Technology Oriented by Market Demand

Zhang Shuo1， Qiao Yali2， Li Rongrong3

（1.School of Economics and Management， Beijing University of Technology， Beijing 100124， China; 2.School of Public Policy and Management， Tsinghua University， Beijing 100084， China; 3.School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， China）

Abstract： How to identify Ramp;D directions of key technologies within a given field is a pivotal element of enterprises' technological innovation activities. It not only concerns the optimal allocation of resources and the enhancement of innovation efficiency but also serves as a vital strategic measure for driving sustainable corporate growth and achieving technological breakthroughs. Given the nonlinear interactions among corporate strategies， market demands， and market environment， even satisfied market demands can present development opportunities for emerging enterprises.

This study constructs a model for identifying enterprises' technology Ramp;D directions from a competitor-oriented perspective. First， text mining techniques are employed to extract Subject- Action-Object structures and patent assignees from domain-related patent texts. The extracted Subject/Object conceptual-level entities related to technology are used as technological representations to construct a firm-technology association network and a firm collaboration network. Second， the firm-technology association matrix is standardized using Z-score normalization to obtain a firm-technology scoring matrix. A community detection algorithm is then applied to the firm collaboration network， and the Top-k technologies involving firms are selected based on comprehensive community attributes and firm similarity scores， forming a candidate technology list. Finally， indicators for technological growth potential and applicability are constructed to quantitatively evaluate the identified candidate technologies， and recommended Ramp;D directions are proposed for firms based on their existing technological layouts.

Taking Merck as an example， this study identifies enterprises' technology Ramp;D directions. The results indicate that tyrosine kinase inhibitors and BRAF inhibitors can be two major technological areas of focus for Merck's future independent or collaborative Ramp;D. From a technological standpoint， both tyrosine kinase inhibitors and BRAF inhibitors are means to fulfill existing demands， exhibiting high technological growth potential and applicability. Given Merck's technological Ramp;D layout， developing or collaborating on the development of tyrosine kinase inhibitors and BRAF inhibitors could respectively synergize with its existing tumor immunotherapy （Bavencio） and Cetuximab， enhancing their efficacy in treating colorectal cancer patients.

By constructing a systematic model for identifying enterprises' technology Ramp;D directions， this study provides a scientific basis for firms to conduct precise and efficient technological innovation activities. Additionally， it underscores the significance of reusing market needs， encouraging collaboration and healthy competition among firms， and ultimately driving innovation and growth within the industry.

Key words： technological opportunities; SAO semantic mining; collaborative filtering algorithm; Ramp;D direction of technology

收稿日期：2024-05-07

基金項目：國家自然科學基金青年項目“顛覆性低碳技術識別及創(chuàng)新路徑動態(tài)選擇研究”（72304023）；國家自然科學基金青年項目“生物醫(yī)學領域新興主題的識別和預測方法研究”（72104246）；中國博士后科學基金面上項目“基于多數據源融合的顛覆性低碳技術演化路徑識別與預測研究”（2023M730153）；中國博士后科學基金面上項目“全球科創(chuàng)中心高端科技人才流動的時空演化規(guī)律及形成機制研究”（2023M741901）；北京市朝陽區(qū)博士后工作經費資助項目“綠色能源領域‘卡脖子’關鍵核心技術甄選機制及突破路徑研究”（2023ZZ-019）。

作者簡介：張碩（1992—），女，北京人，博士，講師，研究方向：數據挖掘與技術預見、科技情報與科技評價；喬亞麗（1993—），女，山西臨汾人，博士后，研究方向：科技文獻計量、科技政策與科技評價、創(chuàng)新測度；李榮榮（1989—），女，山東青島人，博士，副教授，研究方向：能源經濟與管理、數據挖掘與技術預見。本文通信作者為張碩。