摘 要： ［目的／ 意義］ 開展目標領(lǐng)域技術(shù)演化路徑識別及創(chuàng)新類型分析， 可為企業(yè)制定前瞻性技術(shù)創(chuàng)新策略提供實現(xiàn)方法支持。 ［方法／ 過程］ 首先， 本文采用 ＳＡＯ 語義分析方法準確識別了技術(shù)節(jié)點， 并以多維技術(shù)創(chuàng)新地圖的創(chuàng)新維度導航， 借助樸素貝葉斯分類器實現(xiàn)技術(shù)節(jié)點的自動歸維； 其次， 根據(jù)技術(shù)節(jié)點間的語義相似度及其涉及的創(chuàng)新法則， 構(gòu)建了全景技術(shù)演化路徑； 最后， 利用技術(shù)鄰近度指標與創(chuàng)新周期指標， 研判了技術(shù)演化路徑的創(chuàng)新類型。 ［結(jié)果／ 結(jié)論］ 以石墨負極材料制備技術(shù)為例， 剖析了該技術(shù)的技術(shù)演化路徑及其創(chuàng)新類型，驗證了本文所提方法的可行性。

關(guān)鍵詞： 技術(shù)演化路徑； 識別； 創(chuàng)新類型； ＳＡＯ 語義分析； 樸素貝葉斯； 多維技術(shù)創(chuàng)新地圖

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０７．００６

〔中圖分類號〕 Ｇ２５０.２ 〔文獻標識碼〕 Ａ 〔文章編號〕 １００８－０８２１ （２０２５） ０７－００６４－１５

隨著科學知識體系的日益龐大與精細， 加之不同學科領(lǐng)域的交叉融合， 給技術(shù)創(chuàng)新帶來了前所未有的挑戰(zhàn)［１］。 而技術(shù)演化路徑作為梳理技術(shù)創(chuàng)新發(fā)展脈絡的重要工具， 能夠在甄別技術(shù)創(chuàng)新發(fā)展方向的同時， 高效推動核心技術(shù)的研發(fā)［２］。 因此， 如何借助技術(shù)演化路徑進行技術(shù)演化規(guī)律的探究及技術(shù)創(chuàng)新機會的預測， 日益成為技術(shù)情報分析領(lǐng)域的熱點議題。 對此， 眾多學者采用文獻計量方法、 社會網(wǎng)絡分析方法及文本挖掘等方法， 圍繞精準識別技術(shù)演化路徑開展了大量研究［３］。

已有研究基于文獻計量的方法， 主要通過計量指標、 共現(xiàn)及共引分析等工具， 對技術(shù)演化過程進行剖析。 如 Ｇａｏ Ｌ Ｄ 等［４］建立了一個根據(jù)多種專利相關(guān)指標計算目標技術(shù)生命周期的模型； Ｌｉｕ Ｈ Ｌ等［５］提出了共被引分析的概念， 并通過文獻引用進行技術(shù)演化分析。 基于社會網(wǎng)絡分析的方法， 主要通過挖掘論文或?qū)＠谋鹃g的引用關(guān)系， 形成了引文網(wǎng)絡以梳理技術(shù)發(fā)展脈絡。 如 Ｌｉｕ Ｈ Ｌ 等［５］ 在構(gòu)建人工智能領(lǐng)域技術(shù)引文網(wǎng)絡基礎(chǔ)上， 結(jié)合主題模型識別了人機交互技術(shù)演化主路徑； Ｋｉｍ Ｊ 等［６］ 利用主路徑分析法識別了高壓直流輸電技術(shù)的主要技術(shù)路徑。 基于文本挖掘的方法， 主要通過關(guān)鍵詞或主題模型挖掘?qū)＠?論文等文獻的文本語義信息，以了解目標技術(shù)領(lǐng)域的發(fā)展態(tài)勢。 如 Ｚｈａｎｇ Ｙ 等［７］利用詞頻—逆文檔頻率 （ Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ － ＩｎｖｅｒｓｅＤｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ， ＴＦ－ＩＤＦ） 方法通過聚類相關(guān)術(shù)語和短語提取了技術(shù)主題， 進而預測了科學技術(shù)的發(fā)展趨勢； Ｘｕ Ｈ Ｙ 等［８］采用 ＬＤＡ 主題挖掘、 關(guān)鍵詞分析及文獻計量指標計算方式， 探究了基于科技主題聯(lián)動的創(chuàng)新路徑識別方法。 綜上所述， 現(xiàn)有技術(shù)演化路徑識別方法為本文提供了參考思路， 但仍存在以下不足： 首先， 在技術(shù)節(jié)點歸維方面， 已有文獻大多依賴人工進行識別， 雖然能在一定程度上確保準確性， 但耗時較長且易受主觀因素的影響；其次， 在技術(shù)演化路徑構(gòu)建方面， 已有文獻雖基于技術(shù)節(jié)點間的語義相似度探尋了技術(shù)節(jié)點之間的聯(lián)系， 但較少對技術(shù)節(jié)點間演化關(guān)系的內(nèi)在邏輯進行細粒度剖析， 導致構(gòu)建的技術(shù)演化路徑難以為技術(shù)預測提供深度詮釋與前瞻性指導； 最后， 在技術(shù)演化路徑拓展應用方面， 已有文獻大多停留在對技術(shù)演化路徑的簡單預測層面， 較少結(jié)合不同創(chuàng)新類型特點對路徑進行細致區(qū)分， 忽略了不同類型技術(shù)演化路徑創(chuàng)新策略之間的差異性， 難以為企業(yè)針對不同類型的技術(shù)創(chuàng)新提供具體指導。

為彌補現(xiàn)有研究的不足， 本文運用了樸素貝葉斯算法實現(xiàn)技術(shù)節(jié)點的自動歸維， 基于多維技術(shù)創(chuàng)新地圖剖析技術(shù)節(jié)點間的具體演化關(guān)系， 并建立相應的創(chuàng)新類型指標體系， 旨在實現(xiàn)具象領(lǐng)域技術(shù)演化路徑及其創(chuàng)新類型的準確識別。 同時， 本文以石墨負極材料制備技術(shù)為例開展了應用研究， 驗證了本文所提方法的可行性。

１ 文獻綜述

１.１ ＳＡＯ 語義分析方法

ＳＡＯ（Ｓｕｂｊｅｃｔ－Ａｃｔｉｏｎ －Ｏｂｊｅｃｔ） 結(jié)構(gòu)是從文本語料庫中提取的三元組， 其中， 主語 Ｓ（Ｓｕｂｊｅｃｔ）和賓語 Ｏ（Ｏｂｊｅｃｔ）均為名詞， Ａ（Ａｃｔｉｏｎ）通常用于描述主語和賓語之間的動作或關(guān)系［９］。 ＳＡＯ 語義分析方法通過對上述三要素的準確識別和關(guān)聯(lián)， 形成句子的語義結(jié)構(gòu)， 進而深化對文本的理解。 目前， ＳＡＯ 語義分析方法被廣泛應用于技術(shù)機會識別、 技術(shù)演化路徑識別以及語義相似度計算等領(lǐng)域。 如 Ｌｉ Ｘ 等［１０］以論文和專利為數(shù)據(jù)源， 結(jié)合 ＳＡＯ 語義分析方法和離群點檢測方法構(gòu)建了技術(shù)機會識別研究框架。Ｍｉａｏ Ｈ 等［１１］通過從專利文本中提取 ＳＡＯ 結(jié)構(gòu)并構(gòu)建技術(shù)路線圖， 識別了老年智能穿戴技術(shù)領(lǐng)域技術(shù)創(chuàng)新的演變趨勢。 Ｗａｎｇ Ｘ Ｆ 等［１２］ 引入 ＤＷＳＡＯ 指標（表示 ＳＡＯ 結(jié)構(gòu)作為該專利中技術(shù)特征代表的重要程度）量化機器人領(lǐng)域?qū)＠谋镜?ＳＡＯ 結(jié)構(gòu)權(quán)重并據(jù)此評估了專利之間的相似性。

鑒于此， 本文運用 ＳＡＯ 語義分析方法對目標領(lǐng)域的熱點技術(shù)開展了技術(shù)演化路徑識別， 從相關(guān)專利標題、 摘要及權(quán)利要求書中提取 ＳＡＯ 結(jié)構(gòu)并進行篩選， 以挖掘目標技術(shù)領(lǐng)域?qū)＠械募夹g(shù)信息和關(guān)聯(lián)關(guān)系， 進而為后續(xù)生成全景技術(shù)演化路徑提供數(shù)據(jù)支持。

１.２ 多維技術(shù)創(chuàng)新地圖

多維技術(shù)創(chuàng)新地圖是一種以 ９ 類創(chuàng)新維度為導航， 探尋具體技術(shù)領(lǐng)域的創(chuàng)新要素或其表現(xiàn)形態(tài)，然后與 ９ 種創(chuàng)新法則進行耦合， 形成一系列創(chuàng)新路徑的技術(shù)創(chuàng)新方法［１３］。 其中， ９ 類創(chuàng)新維度的含義及其二級子維如表 １ 所示。