專利前沿技術(shù)主題識別及趨勢預(yù)測方法
——以人工智能領(lǐng)域為例

宋 凱 朱彥君

(1.武漢大學(xué)信息管理學(xué)院 武漢 430072；2.山東建筑大學(xué)圖書館 濟南 250101)

0 引 言

隨著全球科技產(chǎn)業(yè)轉(zhuǎn)型周期的快速演進，技術(shù)創(chuàng)新成為推動經(jīng)濟發(fā)展、變革產(chǎn)業(yè)格局、轉(zhuǎn)換產(chǎn)業(yè)形態(tài)的重要驅(qū)動力，也是提升國家和企業(yè)技術(shù)競爭力的關(guān)鍵所在。當(dāng)前，科技立國、創(chuàng)新興國成為各國經(jīng)濟發(fā)展的基本戰(zhàn)略，在此背景下，對前沿技術(shù)的探測與識別正逐漸成為影響政府決策和產(chǎn)業(yè)發(fā)展的一個重要的驅(qū)動因素[1]。目前，關(guān)于前沿技術(shù)尚無統(tǒng)一的定義，2006 年我國發(fā)布《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》，將前沿技術(shù)定義為高技術(shù)領(lǐng)域中具有前瞻性、先導(dǎo)性和探索性的重大技術(shù)，是未來高技術(shù)更新?lián)Q代和新興產(chǎn)業(yè)發(fā)展的重要基礎(chǔ)[2]；劉琦巖等人提出科技前沿是指在某一具體科技領(lǐng)域中具有繼承性、未來性和探索性特征的研究或技術(shù)[3]；周萌等人認(rèn)為前沿技術(shù)為某一時間段內(nèi)研究關(guān)注度增加較快，市場潛力已有所顯現(xiàn)的技術(shù)領(lǐng)域[4]。結(jié)合已有定義，本文認(rèn)為前沿技術(shù)是某個時間段內(nèi)某個技術(shù)領(lǐng)域中正在興起并引起研究人員高度關(guān)注的研究主題，能夠指引技術(shù)領(lǐng)域發(fā)展方向，決定技術(shù)領(lǐng)域創(chuàng)新路徑。而專利文獻作為技術(shù)創(chuàng)新成果的重要表現(xiàn)形式，因其含有豐富的技術(shù)信息而被廣泛應(yīng)用于前沿技術(shù)識別的研究工作中[5]。因此，如何通過專利分析進行前沿技術(shù)主題識別，揭示技術(shù)領(lǐng)域發(fā)展趨勢，成為學(xué)術(shù)界和產(chǎn)業(yè)界共同關(guān)注的研究熱點。

本文的研究目標(biāo)是：① 以Z分?jǐn)?shù)表示技術(shù)主題創(chuàng)新度，以Sen's斜率表示技術(shù)主題授權(quán)趨勢，二者融合形成技術(shù)主題前沿度指標(biāo)，為識別技術(shù)領(lǐng)域前沿技術(shù)主題提供方法支撐。② 給出技術(shù)主題新穎度和技術(shù)主題關(guān)注度的計算公式，二者融合形成技術(shù)主題趨勢度指標(biāo)，并結(jié)合指數(shù)平滑法，對前沿技術(shù)主題未來發(fā)展趨勢進行預(yù)測。③ 采用提出的專利前沿技術(shù)主題識別與趨勢預(yù)測方法，對我國人工智能領(lǐng)域的授權(quán)發(fā)明專利進行實證，為研究人員揭示技術(shù)領(lǐng)域發(fā)展趨勢，規(guī)劃戰(zhàn)略布局提供方法參考和決策支持。

1 相關(guān)研究

國內(nèi)外學(xué)者們就如何利用專利文獻數(shù)據(jù)高效、準(zhǔn)確地進行技術(shù)主題識別和發(fā)展趨勢預(yù)測展開了大量的研究工作，概括起來主要包括以下四種類型：

一是基于專家評價方法，通常采用同行評議、德爾菲法、層次分析等方法，在專家定性分析的基礎(chǔ)上，以打分方式做出定量評價。如Tseng等提出將情景規(guī)劃法、德爾菲法與技術(shù)替代模型相結(jié)合進行前沿技術(shù)識別[6]；魏國平采用問卷調(diào)查和調(diào)研訪談等研究方法，對中國市場上出現(xiàn)或即將出現(xiàn)的新興技術(shù)進行了識別[7]；徐璐采用AHP方法與信息熵技術(shù)相融合技術(shù)，建立了土石壩危險源識別技術(shù)體系和方法[8]；袁思達以“中國未來20年技術(shù)預(yù)見研究”能源技術(shù)領(lǐng)域為例，根據(jù)德爾菲法調(diào)查結(jié)果對共性技術(shù)課題識別進行了研究[9]。

二是基于文獻計量方法，通過獲取專利數(shù)據(jù)集的技術(shù)主題，根據(jù)時間變化等特征識別出前沿技術(shù)主題。如Bengisu結(jié)合時間特征對領(lǐng)域內(nèi)的論文和專利進行分析，識別出了材料科學(xué)與工程的前沿技術(shù)領(lǐng)域[10]；Daim等融合專利計量分析、產(chǎn)業(yè)情景分析和增長曲線分析，提出了一種前沿技術(shù)識別模型[11]；王吉武等構(gòu)建了新興技術(shù)商業(yè)化潛力評價框架并進行了相應(yīng)的實證研究[12]；汪慶等人通過多維度專利指標(biāo)分析的方法識別了創(chuàng)新主體的內(nèi)部核心技術(shù)和優(yōu)勢技術(shù)領(lǐng)域[13]。

三是基于引用特征方法，通過對專利的引文網(wǎng)絡(luò)進行聚類分析，利用文獻之間的引用關(guān)系測度主題的演變路徑和趨勢。如Small等將專利直接引文網(wǎng)絡(luò)和共被引網(wǎng)絡(luò)結(jié)合，通過社區(qū)聚類算法識別出新穎性技術(shù)主題[14]；Hsueh等以液晶顯示屏技術(shù)領(lǐng)域為例，將專利引證時間與專利引用關(guān)系相結(jié)合，對該領(lǐng)域的前沿技術(shù)進行了預(yù)測[15]；Kim等綜合考慮了專利技術(shù)的相似性和專利共引特征，通過構(gòu)建專利合作網(wǎng)絡(luò)，實現(xiàn)了基于專利網(wǎng)絡(luò)分析的前沿技術(shù)識別方法[16]；李蓓等人建立了基于專利引用耦合聚類的新興技術(shù)識別模型及其相關(guān)指標(biāo)體系，并對納米技術(shù)領(lǐng)域展開了實證分析[17]。

四是基于文本挖掘方法，隨著數(shù)據(jù)挖掘和文本分析等計算機技術(shù)的發(fā)展，學(xué)者嘗試采用這一類方法進行技術(shù)主題識別和技術(shù)發(fā)展趨勢分析。如Choi等利用SAO結(jié)構(gòu)分析，并結(jié)合社會網(wǎng)絡(luò)分析進行了前沿技術(shù)主題識別[18]；Xiao等以固體脂質(zhì)納米粒子領(lǐng)域為例，采用SAO結(jié)構(gòu)分析，結(jié)合技術(shù)路線圖和專家評價對創(chuàng)新技術(shù)進行了探測[19]；伊惠芳等結(jié)合 LDA模型和戰(zhàn)略坐標(biāo)圖識別出了石墨烯領(lǐng)域的技術(shù)主題及其結(jié)構(gòu)特征[20]；許學(xué)國等人提出了基于深度學(xué)習(xí)的技術(shù)預(yù)測方法，并以機器人領(lǐng)域為例進行了技術(shù)預(yù)測[21]。

分析發(fā)現(xiàn)，已有研究分別使用專家評價法、文獻計量法、引用特征法和文本挖掘法，對技術(shù)領(lǐng)域的前沿技術(shù)識別及預(yù)測展開了研究。但專家評價法對專家判斷依賴程度較高，判斷結(jié)果主觀性較強；文獻計量法難以反映技術(shù)發(fā)展的動態(tài)變化；引用特征法存在引用動機判斷及引文時滯性的不足；文本挖掘法在技術(shù)實現(xiàn)上還有諸多完善之處。因此，本文在參考已有研究的基礎(chǔ)上，將技術(shù)主題前沿度和技術(shù)主題趨勢度引入到前沿技術(shù)主題識別中，將文獻計量法、引用特征法和文本挖掘法相結(jié)合，提出專利前沿技術(shù)主題識別與趨勢預(yù)測方法，為技術(shù)管理部門和企業(yè)研究人員有效把握技術(shù)演進態(tài)勢，準(zhǔn)確定位技術(shù)發(fā)展方向，快速做出戰(zhàn)略決策提供實踐參考。

2 研究步驟與研究方法

2.1第一階段：技術(shù)主題提取技術(shù)主題提取即提取一個技術(shù)領(lǐng)域涵蓋的技術(shù)主題，在進行專利技術(shù)識別中，專利摘要被普遍作為實驗數(shù)據(jù)進行分析。LDA模型采用高效的概率推斷算法處理大規(guī)模數(shù)據(jù)，具有良好的文本潛在主題挖掘能力，因此，本文確定采用LDA模型，從專利摘要中提取技術(shù)領(lǐng)域涵蓋的技術(shù)主題。同時，本文利用R語言中的LDAvis模型進行主題數(shù)量計算，LDAvis 模型能夠基于多維尺度算法將主題識別結(jié)果映射到二維空間中，通過調(diào)整主題數(shù)目、Alpha值和Beta值，當(dāng)主題之間相互獨立、互不交叉，表示對應(yīng)主題模型最優(yōu)。在明確技術(shù)領(lǐng)域涵蓋的主題后，本文采用聚類算法中的K-means實現(xiàn)對專利文本的劃分，為了提高效率，本文將LDA模型和K-means算法融合實現(xiàn)專利文本聚類[22]。

2.2第二階段：前沿技術(shù)主題識別

2.2.1 技術(shù)主題創(chuàng)新度計算 陳子鳳等人指出，基于專利引用的外部知識獲取對創(chuàng)新具有重要影響[23]，反之，能夠說明技術(shù)主題的被引用次數(shù)越高，體現(xiàn)了其在所屬技術(shù)領(lǐng)域具有較高創(chuàng)新度，能夠?qū)＠谜叩募夹g(shù)創(chuàng)新提供支撐。為了保證創(chuàng)新度計算的合理性和科學(xué)性，本文采用Z分?jǐn)?shù)來表征每個技術(shù)主題的創(chuàng)新度。技術(shù)主題創(chuàng)新度的計算過程如下：

第1步，某一時間段內(nèi)，技術(shù)領(lǐng)域A授權(quán)發(fā)明專利數(shù)量為N件，每件專利的被引用次數(shù)集合記為C={c1，c2，c3…cN},則A領(lǐng)域的專利平均被引用次數(shù)為：

(1)

第2步，根據(jù)LDA模型及文本聚類得到的結(jié)果，假設(shè)A領(lǐng)域有S個技術(shù)主題，每個技術(shù)主題下授權(quán)的專利數(shù)量集合記為P= {p1,p2,p3…pS},每個技術(shù)主題下授權(quán)專利的被引用總量記為Y= {y1,y2,y3…yS}，則每個技術(shù)主題的平均被引用次數(shù)為：

(2)

第3步，依據(jù)技術(shù)領(lǐng)域平均被引用次數(shù)及每個技術(shù)主題的平均被引用次數(shù)，得到A領(lǐng)域技術(shù)主題平均被引用次數(shù)標(biāo)準(zhǔn)差：

(3)

第4步， 得到每個技術(shù)主題的標(biāo)準(zhǔn)分?jǐn)?shù)為：

(4)

2.2.2 技術(shù)主題授權(quán)趨勢計算 技術(shù)主題授權(quán)趨勢分析主要利用技術(shù)主題的逐年授權(quán)量，判斷技術(shù)主題的發(fā)展走向。本文利用Sen's 斜率估計法計算技術(shù)主題的專利授權(quán)量斜率，估計技術(shù)主題的授權(quán)量趨勢幅度。Sen's斜率法的主要計算過程如下：

第1步，A領(lǐng)域的技術(shù)主題B連續(xù)y年的專利授權(quán)量表示為L=(l1,l2,l3…ly)，則該技術(shù)主題的斜率為：

(5)

第2步，斜率γ表示專利授權(quán)量的趨勢，當(dāng)γ>0時，B主題下的專利授權(quán)量呈逐年上升趨勢；當(dāng)γ=0時，專利授權(quán)量逐年變化趨勢不明顯；當(dāng)γ<0時，專利授權(quán)量呈逐年下降趨勢。

2.2.3 技術(shù)主題前沿度計算及前沿技術(shù)主題識別 通過以上過程，考慮將技術(shù)主題創(chuàng)新度和技術(shù)主題授權(quán)趨勢融合形成技術(shù)主題前沿度(Technology Topic Frontier Index，TTFI)指標(biāo)，并采用熵權(quán)法為二者客觀分配權(quán)重Wz和Wγ，以綜合反映技術(shù)領(lǐng)域的前沿技術(shù)主題。在此基礎(chǔ)上，將技術(shù)創(chuàng)新度和技術(shù)主題授權(quán)趨勢映射到二維空間，通過閾值設(shè)置，將技術(shù)主題類型劃分為前沿技術(shù)主題、過熱技術(shù)主題、冷點技術(shù)主題和潛在技術(shù)主題。技術(shù)主題前沿度的計算公式如下：

TTFIj=Zj*WZ+γj*Wγj∈(1,2,3…S)

(6)

2.3第三階段：前沿技術(shù)主題趨勢預(yù)測

2.3.1 技術(shù)主題新穎度計算 本文技術(shù)主題新穎度(Technology Topic Novelty Index，TTNI)計算參考Tu等人提出的主題新穎度計算方法[24]，當(dāng)一個技術(shù)主題開始出現(xiàn)后，隨著時間的推移，專利授權(quán)量越來越多，其新穎性也逐年下降。TTNI計算公式為：

(7)

具體計算過程為，假設(shè)一個技術(shù)主題下的授權(quán)專利，授權(quán)時間周期為2011-2019年，F(xiàn)Y(First Year)為2011，CY(Current Year)為計算當(dāng)前年，則TTNI2011= 1/(2011-2011+1) = 1.000, TTNI2019= 1 / (2019-2011 + 1) =0.111。

2.3.2 技術(shù)主題關(guān)注度計算 李秀霞等人認(rèn)為發(fā)文趨勢反映了學(xué)科主題研究現(xiàn)狀，引文趨勢反映了研究主題被關(guān)注程度，二者結(jié)合，能從研究者和讀者兩個不同視角呈現(xiàn)學(xué)科領(lǐng)域研究主題被研究和被關(guān)注的程度[25]。將此思想引入到技術(shù)領(lǐng)域研究中，技術(shù)主題關(guān)注度(Technology Topic Attention Index，TTAI)是指領(lǐng)域內(nèi)研究者和技術(shù)跟跑者對主題的關(guān)注程度，通過專利被引用次數(shù)和專利授權(quán)量體現(xiàn)。因此，TTAI的計算將綜合考慮專利被引用次數(shù)和專利授權(quán)量，其計算公式為：

j∈(1,2,3…S)

(8)

具體計算過程為：假設(shè)一個技術(shù)主題下的授權(quán)專利，授權(quán)時間周期為2011-2019年，sum_grant(Sj)表示技術(shù)主題Sj從2011-2019年的專利授權(quán)量總和，sum_grant(CY)表示技術(shù)主題Sj從2011年到計算當(dāng)前年的專利授權(quán)量之和；sum_cited(Sj)表示技術(shù)主題Sj從2011-2019年的專利被引用次數(shù)總和，sum_cited(CY)表示技術(shù)主題Sj從2011年到計算當(dāng)前年的專利被引用次數(shù)之和；W1和W2是根據(jù)熵權(quán)法計算的指標(biāo)權(quán)重。

2.3.3 技術(shù)主題趨勢度計算 將TTNI和TTAI融合，形成技術(shù)主題趨勢度指標(biāo)(Technology Topic Trend Index，TTTI)，為前沿技術(shù)主題的預(yù)測分析提供數(shù)據(jù)支撐。由于TTNI呈連續(xù)下降趨勢，而TTAI呈上升趨勢，考慮將TTNI和TTAI做乘積處理，以平衡二者之間的相反趨勢，因此，TTTI的計算公式如下：

(9)

2.3.4 指數(shù)平滑預(yù)測 TTTI同時考慮了TTNI和TTAI，能夠綜合反映技術(shù)主題的發(fā)展趨勢，為了能夠?qū)η把丶夹g(shù)主題的未來發(fā)展態(tài)勢進行展示，本文選擇指數(shù)平滑法進行趨勢預(yù)測。指數(shù)平滑法的核心思想是時間序列的態(tài)勢具有穩(wěn)定性或規(guī)則性，時間序列可被合理的順勢推延，最近的過去態(tài)勢，在某種程度上會持續(xù)到最近的未來[26]。指數(shù)平滑法包括一次指數(shù)、二次指數(shù)、三次指數(shù)，其中一次指數(shù)和二次指數(shù)對波動性較大的數(shù)據(jù)，預(yù)測會產(chǎn)生較大誤差，而三次指數(shù)能夠跟蹤時序的非線性變化趨勢，具有較強的實用性，被廣泛應(yīng)用于各個領(lǐng)域，因此，本文將使用三次指數(shù)平滑預(yù)測，對前沿技術(shù)主題的未來發(fā)展趨勢進行預(yù)測。

3 實驗過程及分析

3.1數(shù)據(jù)檢索與技術(shù)主題提取本文數(shù)據(jù)來源于Incopat專利數(shù)據(jù)庫，選擇分析的技術(shù)領(lǐng)域為“人工智能”。在數(shù)據(jù)檢索過程中，專利來源選擇為中國發(fā)明授權(quán)專利，檢索式設(shè)置為標(biāo)題/摘要=(“人工智能” or “智能系統(tǒng)” or “物聯(lián)網(wǎng)” or “人機交互” or “智能技術(shù)” or “智能機器人” or “深度學(xué)習(xí)” or “語義網(wǎng)絡(luò)”)，時間不限，共檢索到44 893件專利。因為專利被引用次數(shù)是前沿技術(shù)主題識別過程中的重要指標(biāo)，因此，去除被引用次數(shù)為0的專利，剩余5 655件專利作為實驗數(shù)據(jù)。

根據(jù)技術(shù)主題的提取流程，當(dāng)主題數(shù)目設(shè)置為14個，Alpha=0.1，Beta=0.2時，基于LDAvis模型呈現(xiàn)的主題可視化結(jié)果，主題數(shù)目最優(yōu)。在確定最優(yōu)模型的基礎(chǔ)上，結(jié)合每個技術(shù)主題下的相關(guān)詞對主題進行概括，并通過文本聚類將每一件專利劃歸到一個技術(shù)主題下。在專利文本聚類后，統(tǒng)計每個技術(shù)主題的專利授權(quán)時間周期，為了保證每個技術(shù)主題的時間周期一致性，便于之后的實驗分析，將每個技術(shù)主題的專利授權(quán)周期統(tǒng)一設(shè)置為2011-2019年，經(jīng)過篩選后，剩余5 619件專利用于人工智能領(lǐng)域前沿技術(shù)主題的識別。

3.2前沿技術(shù)主題識別依據(jù)給出的前沿技術(shù)主題識別流程，通過技術(shù)主題創(chuàng)新度(公式(1)→(4))與授權(quán)量趨勢估計(公式(5))對每個技術(shù)主題進行計算。分析計算結(jié)果發(fā)現(xiàn)，人工智能領(lǐng)域涵蓋的14個主題，其γ值均大于0，表明人工智能領(lǐng)域各個技術(shù)主題的專利授權(quán)量均成上升趨勢，體現(xiàn)了學(xué)術(shù)界和產(chǎn)業(yè)界對人工智能領(lǐng)域的持續(xù)關(guān)注。綜合Z分?jǐn)?shù)和γ值計算技術(shù)主題前沿度，通過熵權(quán)法計算得到權(quán)重分別為0.65和0.35，利用公式(6)對人工智能領(lǐng)域下的技術(shù)主題進行排序，結(jié)果見表1。同時，將Z分?jǐn)?shù)與γ值映射到二維空間進行可視化展示，依據(jù)主題位置分布對技術(shù)主題類型進行細粒度劃分，結(jié)果見圖1。

表1 基于熵權(quán)法的技術(shù)主題排序

分析表1發(fā)現(xiàn)，將技術(shù)主題前沿度的閾值設(shè)置為3時，“主題5→電動汽車”“主題1→智能家居”“主題12→自動化控制系統(tǒng)”可視為人工智能領(lǐng)域的前沿技術(shù)主題。為了對識別結(jié)果進行驗證，將Z分?jǐn)?shù)與γ值作為坐標(biāo)形成技術(shù)主題空間分布圖，為了讓技術(shù)主題之間的劃分界限明顯，將γ值的閾值設(shè)置為8，Z分?jǐn)?shù)的閾值設(shè)置為0。依據(jù)設(shè)置的閾值進行維度劃分：

圖1 人工智能領(lǐng)域技術(shù)主題空間分布圖

① 第一維度→前沿技術(shù)主題，Z分?jǐn)?shù)>0，γ值>8；② 第二維度→過熱技術(shù)主題，Z分?jǐn)?shù)<0，γ值>8；③ 第三維度→冷點技術(shù)主題，Z分?jǐn)?shù)<0，γ值<8；④ 第四維度→潛在技術(shù)主題，Z分?jǐn)?shù)>0，γ值<8。通過劃分，處于第一維度的前沿技術(shù)主題分別是“主題1→智能家居”“主題5→電動汽車”“主題12→自動化控制系統(tǒng)”，這進一步驗證了技術(shù)主題前沿度的計算結(jié)果，并在此基礎(chǔ)上對其他主題的類型也進行了更細粒度的劃分，為相關(guān)研究者、科技型企業(yè)把握人工智能領(lǐng)域發(fā)展新動向，捕捉技術(shù)發(fā)展趨勢提供了參考指引。

3.3前沿技術(shù)主題趨勢預(yù)測通過以上前沿技術(shù)主題的分析，得到人工智能領(lǐng)域的3個前沿技術(shù)主題，依據(jù)前沿技術(shù)主題趨勢預(yù)測流程，對每個技術(shù)主題進行技術(shù)主題新穎度(公式(7))與技術(shù)主題關(guān)注度(公式(8))的計算，綜合技術(shù)主題新穎度和技術(shù)主題關(guān)注度，利用熵權(quán)法計算得到權(quán)重分別為0.48和0.52。在此基礎(chǔ)上，使用公式(9)計算每個前沿技術(shù)主題的逐年趨勢度，最后利用三次指數(shù)平滑法對前沿技術(shù)主題在2020-2022年的發(fā)展趨勢進行預(yù)測，以均方根誤差(RMSE)和平均絕對誤差(MAE)作為判斷預(yù)測效果的指標(biāo)。主題1、主題5和主題12的趨勢預(yù)測結(jié)果見圖2。

圖2 “主題1”“主題5”“主題12”趨勢預(yù)測圖

依據(jù)三次指數(shù)平滑法對主題1、主題5和主題12的預(yù)測結(jié)果，RMSE和MAE均為0.01，表明預(yù)測效果較好。根據(jù)技術(shù)主題趨勢度的預(yù)測結(jié)果，“主題1→智能家居”呈明顯下降趨勢，自2011年開始，我國智能家居行業(yè)進入融合演變期，在智能控制技術(shù)、智能家居平臺系統(tǒng)等方面取得了快速發(fā)展。雖然智能家居行業(yè)技術(shù)上具有先進性，但實用性差，與市場需求脫節(jié)，這也打擊了企業(yè)的持續(xù)創(chuàng)新熱情，一定程度上造成了技術(shù)主題趨勢度呈下降態(tài)勢。但我國智能家居普及率仍有很大增長空間，這也為企業(yè)在智能家居上進行持續(xù)探索提供了動力支撐?！爸黝}5→電動汽車”和“主題12→自動化控制系統(tǒng)”呈明顯上升趨勢，人工智能融入電動汽車實現(xiàn)無人駕駛，已經(jīng)對未來出行方式進行了定義，也吸引了以蔚來、威馬為代表的造車新勢力進行持續(xù)投入研發(fā)；而人工智能在工業(yè)制造、基礎(chǔ)設(shè)施建設(shè)的應(yīng)用，對我國實現(xiàn)產(chǎn)業(yè)生態(tài)化、數(shù)字化、智能化具有重要意義。因此，通過以上分析，人工智能領(lǐng)域內(nèi)的“電動汽車”和“自動化控制系統(tǒng)”兩個前沿技術(shù)主題在未來3年仍呈上升態(tài)勢，領(lǐng)域內(nèi)的科技型創(chuàng)新企業(yè)應(yīng)提高關(guān)注度，制定戰(zhàn)略規(guī)劃，而政策制定者和投資機構(gòu)也應(yīng)重視對這兩個技術(shù)主題的科研投入和資源傾斜，推動實現(xiàn)技術(shù)突破與產(chǎn)業(yè)升級。

4 結(jié) 語

監(jiān)測技術(shù)前沿變化，識別前沿技術(shù)主題，能夠及時跟蹤技術(shù)發(fā)展動態(tài)，盡早捕捉未來發(fā)展契機，對國家資源配置和科研投入以及科技型企業(yè)的未來發(fā)展至關(guān)重要。為了實現(xiàn)此目標(biāo)，本文提出了專利前沿技術(shù)主題識別與趨勢預(yù)測方法，以我國人工智能領(lǐng)域的發(fā)明授權(quán)專利進行了方法驗證，主要內(nèi)容總結(jié)如下：

a.在主題提取階段，利用LDA模型提取了人工智能領(lǐng)域涵蓋的14個技術(shù)主題，并結(jié)合K-means算法實現(xiàn)了專利文本聚類。

b.在前沿技術(shù)主題識別階段，以Z分?jǐn)?shù)表征技術(shù)主題創(chuàng)新度，以Sen's斜率估計法計算技術(shù)主題的專利授權(quán)趨勢，采用熵權(quán)法將二者融合形成技術(shù)主題前沿度指標(biāo)，實現(xiàn)對人工智能領(lǐng)域技術(shù)主題的排序；進一步將兩個指標(biāo)映射到二維空間，對主題類型進行細粒度的劃分；通過以上過程，分析得到人工智能領(lǐng)域的3個前沿技術(shù)主題。

c.在前沿技術(shù)主題趨勢預(yù)測階段，分別對3個前沿技術(shù)主題的技術(shù)主題新穎度和技術(shù)主題關(guān)注度進行計算，并采用熵權(quán)法將二者融合，形成技術(shù)主題趨勢度指標(biāo)；在此基礎(chǔ)上，借助3次指數(shù)平滑法對前沿技術(shù)主題未來3年的發(fā)展趨勢進行預(yù)測。通過方法實證與結(jié)果展示，本文所提方法對政策制定者、科技創(chuàng)新型企業(yè)以及研究人員揭示技術(shù)領(lǐng)域發(fā)展趨勢、制定技術(shù)研發(fā)戰(zhàn)略、尋求技術(shù)發(fā)展機會具有一定的指導(dǎo)意義。

需要說明的是，專利被引用次數(shù)是本文的重要計算指標(biāo)，但專利被引用需要經(jīng)過大量時間積淀，存在滯后性，導(dǎo)致本文專利數(shù)據(jù)篩選過程存在不足；此外，學(xué)術(shù)論文也是揭示技術(shù)領(lǐng)域研究前沿的重要數(shù)據(jù)來源，因此本文在數(shù)據(jù)多源性上有待進一步擴充；這些都可能對本文的結(jié)果造成影響，我們將在后續(xù)的研究中加以改進。