馬永紅　孔令凱　林超然　楊曉萌　倪惠莉

摘要：[目的/意義]顛覆性技術(shù)研發(fā)作為國(guó)家戰(zhàn)略，如何準(zhǔn)確識(shí)別顛覆性技術(shù)，對(duì)于國(guó)家和企業(yè)把握技術(shù)先機(jī)，搶占技術(shù)制高點(diǎn)意義重大。[方法/過程]本文結(jié)合專利文獻(xiàn)數(shù)據(jù)，利用LDA主題模型實(shí)現(xiàn)數(shù)據(jù)降維，提取技術(shù)主題，從技術(shù)主題成長(zhǎng)性、融合性、創(chuàng)新性、突破性4個(gè)特征識(shí)別候選顛覆性技術(shù);在此基礎(chǔ)上，結(jié)合網(wǎng)頁新聞數(shù)據(jù)，測(cè)算候選顛覆性技術(shù)主題與網(wǎng)頁新聞數(shù)據(jù)主題之間的匹配度，分析技術(shù)的市場(chǎng)屬性，準(zhǔn)確識(shí)別顛覆性技術(shù)。[結(jié)果/結(jié)論]本文以智能制造裝備領(lǐng)域?yàn)槔?，通過實(shí)證研究得到“智能數(shù)字控制”及“智能數(shù)據(jù)采集系統(tǒng)”是智能制造裝備領(lǐng)域的顛覆性技術(shù)。

關(guān)鍵詞：異構(gòu)數(shù)據(jù);文本挖掘;顛覆性技術(shù);技術(shù)識(shí)別

DOI：10.3969/j.issn.1008-0821.2022.07.008

〔中圖分類號(hào)〕G255.53〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2022）07-0092-13

Research on the Identification of Disruptive Technologies

Based on Heterogeneous Data

——An Example in the Field of Intelligent Manufacturing EquipmentMa YonghongKong Lingkai Lin ChaoranYang XiaomengNi Huili

（School of Economics and Management，Harbin Engineering University，Harbin 150001，China）

Abstract：[Purpose/Significance]Disruptive technology research and development as a national strategy，how to accurately identify it is of great significance for the country and enterprises to grasp the technological first opportunity and seize the technological high ground.[Method/Process]The study patent data，using the LDA topic model to achieve data dimensionality reduction and extracting technology topics.And screened candidate disruptive technologies based on four characteristics：growth，convergence，innovation，and breakthrough of the technology topic.On this basis，the match between candidate disruptive technology topics and web news data topics was measured in conjunction with the web news data.The market attributes of the technology were analysed to identify disruptive technologies comprehensively.[Results/Conclusions]This paper took the field of intelligent manufacturing equipment as an example.Through empirical research，the study found that“intelligent digital control”and“intelligent data acquisition system”are disruptive technologies in the field of intelligent manufacturing equipment.

Key words：heterogeneous data;text mining;disruptive technologies;technology identification

技術(shù)創(chuàng)新是經(jīng)濟(jì)發(fā)展第一動(dòng)力，而顛覆性技術(shù)作為技術(shù)創(chuàng)新的重要內(nèi)容，其對(duì)以往的技術(shù)和市場(chǎng)具有較強(qiáng)的破壞力。顛覆性技術(shù)是打破原有技術(shù)生命周期，構(gòu)建新的技術(shù)軌道，以意想不到的方式取代現(xiàn)有主流技術(shù)的技術(shù)[1]，它能夠?qū)崿F(xiàn)社會(huì)技術(shù)體系的躍遷，改變技術(shù)產(chǎn)品性能，變革原有技術(shù)性能標(biāo)準(zhǔn)，對(duì)于軍事、科技、產(chǎn)業(yè)等具有變革性的意義。世界各國(guó)普遍重視顛覆性技術(shù)研發(fā)，并設(shè)計(jì)專門的組織或研發(fā)計(jì)劃，旨在促進(jìn)顛覆性技術(shù)發(fā)展，例如：美國(guó)國(guó)防高級(jí)研究技術(shù)局（DARPA）、日本的顛覆性技術(shù)創(chuàng)新計(jì)劃（ImPACT）。中國(guó)也高度關(guān)注顛覆性技術(shù)研發(fā)，中國(guó)的《國(guó)家創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略綱要》《科技部辦公廳關(guān)于開展顛覆性技術(shù)研發(fā)方向建議征集工作的通知》等文件明確提出發(fā)展顛覆性技術(shù)，將顛覆性技術(shù)擺在國(guó)家戰(zhàn)略位置。而顛覆性技術(shù)發(fā)展具有高度不確定性，研發(fā)過程漫長(zhǎng)，如何在復(fù)雜的技術(shù)環(huán)境中及早準(zhǔn)確識(shí)別顛覆性技術(shù)，對(duì)于加快顛覆性技術(shù)研發(fā)，掌握國(guó)際競(jìng)爭(zhēng)發(fā)展先機(jī)具有重要意義。

1相關(guān)工作概述

對(duì)于如何識(shí)別顛覆性技術(shù)，國(guó)內(nèi)外學(xué)者已經(jīng)取得豐富研究成果，其中專家經(jīng)驗(yàn)、專利數(shù)據(jù)、科技論文、市場(chǎng)用戶數(shù)據(jù)、政策法規(guī)是顛覆性技術(shù)識(shí)別常用的數(shù)據(jù)源。早期主要采用專家經(jīng)驗(yàn)及知識(shí)識(shí)別顛覆性技術(shù)，而依靠專家經(jīng)驗(yàn)的識(shí)別方法包含：調(diào)查問卷法[2-3]、專家訪談[4]、理論分析[5]、技術(shù)路線圖[6]等。專家知識(shí)和經(jīng)驗(yàn)的利用，能夠準(zhǔn)確識(shí)別特定領(lǐng)域顛覆性技術(shù)，但專家資源稀缺，且應(yīng)用范圍較窄，難以滿足顛覆性技術(shù)識(shí)別需求。

為解決該問題，學(xué)者采用專利文獻(xiàn)數(shù)據(jù)及科技論文識(shí)別顛覆性技術(shù)。專利文獻(xiàn)包含大量技術(shù)信息，學(xué)者綜合專利申請(qǐng)數(shù)量[7]、專利引用量[8]、科學(xué)關(guān)聯(lián)度[9]、專利權(quán)利要求數(shù)[9]、IPC數(shù)量[10]、專利發(fā)展路徑[11]、專利引用知識(shí)突變[12]、專利引文相似度[13]等專利外部屬性識(shí)別顛覆性技術(shù)，然而基于專利外部屬性的顛覆性技術(shù)識(shí)別方法，難以充分挖掘?qū)＠墨I(xiàn)信息，技術(shù)寬泛，細(xì)粒度不足，并且專利引用具有滯后性，無法及時(shí)識(shí)別顛覆性技術(shù)。為解決以上問題，學(xué)者深入專利內(nèi)部，將文本挖掘及深度學(xué)習(xí)方法應(yīng)用于顛覆性技術(shù)識(shí)別，以技術(shù)屬性集相似度[14]、技術(shù)主題突變[15-16]挖掘?qū)＠墨I(xiàn)內(nèi)部信息，以此完成顛覆性技術(shù)識(shí)別。目前，基于專利內(nèi)部信息識(shí)別顛覆性技術(shù)的研究還比較少?？萍颊撐耐瑯影夹g(shù)信息，部分學(xué)者將科技論文用于顛覆性技術(shù)識(shí)別，結(jié)合科技論文數(shù)量變化[11]、科技論文被引量[17]、科技論文關(guān)鍵詞網(wǎng)絡(luò)[18]、知識(shí)主題突變[19]等指標(biāo)識(shí)別潛在顛覆性技術(shù)。除了從“技術(shù)屬性”層面識(shí)別顛覆性技術(shù)，也有學(xué)者基于市場(chǎng)用戶需求數(shù)據(jù)、商業(yè)報(bào)告數(shù)據(jù)，分析技術(shù)功能變化[20]、技術(shù)發(fā)展軌跡[21]、技術(shù)成熟度[22]、技術(shù)市場(chǎng)潛力[23]、消費(fèi)者偏好[24]、產(chǎn)品功能變化[21]、客戶滿意度[25]，進(jìn)而探究技術(shù)對(duì)于市場(chǎng)的顛覆程度，以此完成顛覆性技術(shù)識(shí)別。該類顛覆性技術(shù)識(shí)別方法，考慮了市場(chǎng)及用戶數(shù)據(jù)，更貼近市場(chǎng)需求，但該識(shí)別方法對(duì)技術(shù)本身挖掘不充分，忽視技術(shù)知識(shí)結(jié)構(gòu)，識(shí)別結(jié)果較為片面。

為了提升顛覆性技術(shù)識(shí)別準(zhǔn)確性及全面性，本研究基于專利文獻(xiàn)，引入文本挖掘技術(shù)，獲取技術(shù)知識(shí)結(jié)構(gòu)信息，結(jié)合顛覆性技術(shù)特征，從技術(shù)屬性層面識(shí)別候選顛覆性技術(shù)，并結(jié)合網(wǎng)頁新聞數(shù)據(jù)，探究候選顛覆性技術(shù)的市場(chǎng)影響，分析技術(shù)的市場(chǎng)屬性，進(jìn)而確定顛覆性技術(shù)。顛覆性技術(shù)整個(gè)識(shí)別過程，綜合專利文獻(xiàn)及網(wǎng)頁新聞數(shù)據(jù)，從技術(shù)屬性及市場(chǎng)屬性兩個(gè)角度識(shí)別顛覆性技術(shù)，能夠提高識(shí)別結(jié)果的準(zhǔn)確性及全面性。

2顛覆性技術(shù)特征分析

顛覆性技術(shù)源于技術(shù)融合或創(chuàng)新活動(dòng)中產(chǎn)生的重大技術(shù)范式變革，實(shí)現(xiàn)技術(shù)性能突破，帶來全新的功能屬性，滿足主流客戶需求，取代現(xiàn)有主流技術(shù)。本文將其特征歸納為4個(gè)方面。

1）成長(zhǎng)性：顛覆性技術(shù)沿著“利基市場(chǎng)—中間市場(chǎng)—主流市場(chǎng)”的路徑演進(jìn)[26]，顛覆性技術(shù)早期在主流市場(chǎng)需求的性能維度上比主流技術(shù)產(chǎn)品低劣[1]，只能服務(wù)利基市場(chǎng)或邊緣市場(chǎng)，但通過后期的技術(shù)改進(jìn)與創(chuàng)新，技術(shù)產(chǎn)品性能不斷提升，具備高性能、低成本優(yōu)勢(shì)[27]，最終成長(zhǎng)為市場(chǎng)主流技術(shù)。因此，技術(shù)成長(zhǎng)性是顛覆性技術(shù)的重要特征之一。

2）融合性：顛覆性技術(shù)可以是技術(shù)融合的產(chǎn)物[28]，未來大部分顛覆性技術(shù)將來源于不同領(lǐng)域的技術(shù)融合[29]?？缭讲煌R(shí)結(jié)構(gòu)或不相關(guān)領(lǐng)域的技術(shù)不斷交叉、嵌入，組合新穎的知識(shí)元素，打破以往知識(shí)結(jié)構(gòu)對(duì)技術(shù)軌道的約束[30]，為顛覆性技術(shù)的產(chǎn)生奠定基礎(chǔ)。因此，融合性是其重要特征[10]。

3）創(chuàng)新性：顛覆性技術(shù)不是對(duì)現(xiàn)有技術(shù)的進(jìn)一步改進(jìn)，而是更大程度的創(chuàng)新[31]，該技術(shù)可以提供全新功能、不連續(xù)的技術(shù)標(biāo)準(zhǔn)以及新的所有制形式，同時(shí)可以改變市場(chǎng)標(biāo)準(zhǔn)和消費(fèi)者期望[32]，實(shí)現(xiàn)產(chǎn)品或服務(wù)技術(shù)特征以及功能屬性的革新。因此，創(chuàng)新性是顛覆性技術(shù)顯著特征之一。

4）突破性：顛覆性技術(shù)可以由科學(xué)知識(shí)突變或科學(xué)原理變化產(chǎn)生，也可以由技術(shù)集成創(chuàng)新產(chǎn)生，該類技術(shù)具有重大的突破性[2]，能夠替代原有的技術(shù)，實(shí)現(xiàn)技術(shù)性能突破，改變因技術(shù)研發(fā)局限性造成的產(chǎn)業(yè)市場(chǎng)落后狀況，滿足主流市場(chǎng)技術(shù)需求，實(shí)現(xiàn)市場(chǎng)突破[33]。因此，突破性是顛覆性技術(shù)所具有的特征之一。

3顛覆性技術(shù)識(shí)別框架

3.1異構(gòu)數(shù)據(jù)收集及預(yù)處理

異構(gòu)數(shù)據(jù)是指來源和結(jié)構(gòu)不同的數(shù)據(jù)，相對(duì)于單一數(shù)據(jù)集，異構(gòu)數(shù)據(jù)使不同數(shù)據(jù)特征融合成為可能。顛覆性技術(shù)識(shí)別過程中，為提高顛覆性技術(shù)識(shí)別準(zhǔn)確性及全面性，本文綜合使用專利文獻(xiàn)及網(wǎng)頁新聞兩種異構(gòu)數(shù)據(jù)。專利文獻(xiàn)記錄技術(shù)創(chuàng)新、工藝優(yōu)化，蘊(yùn)含豐富的技術(shù)知識(shí)結(jié)構(gòu)信息;網(wǎng)絡(luò)新聞數(shù)據(jù)是市場(chǎng)不同主體對(duì)技術(shù)的客觀描述，反映市場(chǎng)主體對(duì)技術(shù)的態(tài)度、應(yīng)用以及評(píng)述，可用于分析技術(shù)的市場(chǎng)屬性[34]。因此，本文將專利文獻(xiàn)及網(wǎng)頁新聞兩種異構(gòu)數(shù)據(jù)作為顛覆性技術(shù)識(shí)別的數(shù)據(jù)源。

1）專利數(shù)據(jù)收集及預(yù)處理

德溫特?cái)?shù)據(jù)庫(kù)作為世界知名專利數(shù)據(jù)庫(kù)，已經(jīng)收集多個(gè)國(guó)家和地區(qū)的專利文獻(xiàn)，專利信息覆蓋全面，且數(shù)據(jù)庫(kù)不斷更新，為技術(shù)情報(bào)分析提供了可能。因此，本文選擇德溫特?cái)?shù)據(jù)庫(kù)收集專利文獻(xiàn)數(shù)據(jù)。為全面檢索專利文獻(xiàn)，本文結(jié)合關(guān)鍵詞及IPC分類號(hào)，制定檢索表達(dá)式，收集專利文獻(xiàn)數(shù)據(jù)。NLTK術(shù)語庫(kù)是著名的自然語言處理庫(kù)，具有詞性分類、詞干提取、詞性標(biāo)記等功能，為50多種語料庫(kù)和詞匯資源提供使用界面[35]，為此，本文將其引入專利數(shù)據(jù)處理，實(shí)現(xiàn)詞干提取及詞性還原，并結(jié)合停用詞表，剔除無關(guān)詞語，保證數(shù)據(jù)的有效性。

2）網(wǎng)頁新聞數(shù)據(jù)收集及預(yù)處理

網(wǎng)頁新聞數(shù)據(jù)量龐大，人工收集數(shù)據(jù)工作量巨大，且難以全面獲取新聞數(shù)據(jù)。為此，本文采用網(wǎng)絡(luò)爬蟲技術(shù)實(shí)現(xiàn)網(wǎng)頁新聞數(shù)據(jù)收集。而維特比（Viterbi）算法通過尋找動(dòng)態(tài)規(guī)劃最大概率路徑，找出詞頻的最大切分組合，具有良好的分詞效果[36]，對(duì)此，本文將其應(yīng)用于網(wǎng)頁新聞數(shù)據(jù)分詞。

3.2文本數(shù)據(jù)聚類模塊

LDA（Latent Dirichlet Allocation）主題模型作為典型無監(jiān)督學(xué)習(xí)，能夠挖掘文檔隱藏語義信息，處理海量文本文檔，降低無效信息影響，實(shí)現(xiàn)專利文獻(xiàn)及網(wǎng)頁新聞數(shù)據(jù)的高效聚類，因此，LDA模型作為本文主題聚類的首選。LDA主題模型最早由Blei D M等提出[37]，其假設(shè)每篇文檔由特定概率的主題組成，而主題又由特定概率的特征詞組成，形成“文檔—主題—特征詞”的三層貝葉斯概率模型。LDA模型提取效果直接由主題數(shù)量決定，為精準(zhǔn)確定主題參數(shù)，本文結(jié)合困惑度（perplexity）及“肘形”理論確定模型參數(shù)。困惑度表示所訓(xùn)練模型中特定文檔屬于哪個(gè)主題的不確定性[37]，其中困惑度計(jì)算如式（1）～（3）所示;而“肘形”是困惑度曲線的拐點(diǎn)，該拐點(diǎn)與上一節(jié)點(diǎn)差值最大，而與后一節(jié)點(diǎn)的差值最小，而“肘形”對(duì)應(yīng)的主題數(shù)為模型的最優(yōu)主題數(shù)[38]。

3.3顛覆性技術(shù)主題識(shí)別模塊

根據(jù)顛覆性技術(shù)的成長(zhǎng)性、融合性、創(chuàng)新性以及突破性，本文采用專利申請(qǐng)量以及技術(shù)強(qiáng)度判斷技術(shù)成長(zhǎng)性;采用技術(shù)主題IPC分類號(hào)、接近中心性判斷技術(shù)融合性;測(cè)度技術(shù)主題有效規(guī)模及約束度探究技術(shù)創(chuàng)新性;基于技術(shù)異常檢測(cè)判斷技術(shù)的突破性，結(jié)合以上4個(gè)維度從技術(shù)屬性層面識(shí)別候選顛覆性技術(shù)，并結(jié)合網(wǎng)頁新聞數(shù)據(jù)，探究候選顛覆性技術(shù)主題的市場(chǎng)屬性，最終完成顛覆性技術(shù)識(shí)別。識(shí)別流程如圖1所示。

1）技術(shù)成長(zhǎng)性及融合性測(cè)度

“成長(zhǎng)性”是指顛覆性技術(shù)能夠逐步替代原有技術(shù)，變革技術(shù)知識(shí)結(jié)構(gòu)，最終成為市場(chǎng)主流技術(shù)。為體現(xiàn)技術(shù)成長(zhǎng)性，本文采用專利申請(qǐng)數(shù)量以及技術(shù)主題強(qiáng)度變化測(cè)度技術(shù)成長(zhǎng)性。技術(shù)主題強(qiáng)度能夠反映各時(shí)期內(nèi)技術(shù)的熱門度，技術(shù)主題強(qiáng)度越高表示技術(shù)主題影響力越強(qiáng)。技術(shù)主題強(qiáng)度計(jì)算公式為：

“融合性”作為顛覆性技術(shù)基本特征之一，本文從技術(shù)主題接近中心性以及技術(shù)主題IPC分類號(hào)種類兩個(gè)維度分析技術(shù)主題融合性。接近中心性表示某技術(shù)主題與其他技術(shù)主題的接近程度，如式（6）所示，接近中心性越高，技術(shù)主題融合性越強(qiáng)[40]。為測(cè)度技術(shù)主題接近中心性變化趨勢(shì)，本文基于專利文獻(xiàn)時(shí)間屬性，構(gòu)建不同年份下技術(shù)主題共現(xiàn)網(wǎng)絡(luò)，以此測(cè)算不同年份技術(shù)主題接近中心性;此外，統(tǒng)計(jì)技術(shù)主題內(nèi)部不同類型的IPC分類號(hào)，若技術(shù)主題內(nèi)IPC分類號(hào)種類增加，則技術(shù)主題融合性增強(qiáng)。

“創(chuàng)新性”是顛覆性技術(shù)基本屬性之一。顛覆性技術(shù)能夠提供新的產(chǎn)品或技術(shù)功能，改變?cè)屑夹g(shù)范式，具備較強(qiáng)創(chuàng)新性。技術(shù)主題共現(xiàn)網(wǎng)絡(luò)中結(jié)構(gòu)洞占據(jù)者能夠獲取非重復(fù)異質(zhì)信息，技術(shù)創(chuàng)新可能性較高，因此，本文采用結(jié)構(gòu)洞指標(biāo)測(cè)度技術(shù)主題的創(chuàng)新性。有效規(guī)模（ES）、約束度（H）是結(jié)構(gòu)洞指數(shù)典型指標(biāo)，有效規(guī)模是技術(shù)節(jié)點(diǎn)的個(gè)體網(wǎng)絡(luò)規(guī)模減去網(wǎng)絡(luò)冗余度，有效規(guī)模與技術(shù)節(jié)點(diǎn)結(jié)構(gòu)洞數(shù)量呈正比，如式（9）所示。約束度表示約束性多大程度集中在某個(gè)節(jié)點(diǎn)上，如式（10）所示。

顛覆性技術(shù)能夠突破現(xiàn)有技術(shù)桎梏，改變?cè)屑夹g(shù)軌道。為分析技術(shù)主題是否具有突破可能性，本文采用技術(shù)異常檢測(cè)，探究技術(shù)突破的可能性。技術(shù)異常檢測(cè)是一種技術(shù)突破形式，異常技術(shù)是對(duì)已建立規(guī)則、主流技術(shù)的革新[42]。技術(shù)異常檢測(cè)包含局部異常因子（LOF）、K均值等方法，而K均值異常檢測(cè)能夠應(yīng)用于不同類型數(shù)據(jù)，因此，K均值技術(shù)異常檢測(cè)作為本文首選。其計(jì)算公式如式（11）所示：

3）技術(shù)主題匹配度測(cè)算

專利文獻(xiàn)挖掘能夠深入技術(shù)本身，獲取技術(shù)知識(shí)結(jié)構(gòu)信息，但難以分析技術(shù)的市場(chǎng)屬性，導(dǎo)致技術(shù)分析結(jié)果片面。社會(huì)網(wǎng)絡(luò)新聞數(shù)據(jù)包含技術(shù)應(yīng)用、技術(shù)需求、潛在技術(shù)機(jī)會(huì)等重要技術(shù)信息[34，43]，網(wǎng)絡(luò)新聞技術(shù)信息的報(bào)道，是技術(shù)事件轉(zhuǎn)移的重要信號(hào)，表明市場(chǎng)不同主體的關(guān)注，對(duì)于分析技術(shù)市場(chǎng)應(yīng)用，技術(shù)產(chǎn)生的社會(huì)經(jīng)濟(jì)效益、潛在競(jìng)爭(zhēng)力、商業(yè)機(jī)會(huì)具有重要價(jià)值[44]。部分學(xué)者已將網(wǎng)頁新聞?dòng)糜谠u(píng)估技術(shù)潛在競(jìng)爭(zhēng)力、市場(chǎng)認(rèn)可度，論證網(wǎng)絡(luò)新聞數(shù)據(jù)用于分析技術(shù)市場(chǎng)屬性的可行性[34]。對(duì)此，本研究將網(wǎng)頁新聞數(shù)據(jù)引入，結(jié)合主題匹配度測(cè)算方法，探究待選顛覆性技術(shù)的市場(chǎng)屬性，提升技術(shù)識(shí)別的準(zhǔn)確性及全面性。

主題匹配度測(cè)算包含詞共現(xiàn)匹配、余弦夾角向量匹配等方法，該類方法從詞頻角度測(cè)度主題匹配度，尚未考慮主題內(nèi)特征詞的詞義信息。為準(zhǔn)確測(cè)算技術(shù)主題匹配度，本文基于語義相似度Sim（kwi，kwj），形成特征詞相似度矩陣F，如式（12）所示，取矩陣中相似度排名前50%元素的均值作為主題匹配度[45]。

4智能制造裝備領(lǐng)域顛覆性技術(shù)識(shí)別案例

制造業(yè)是國(guó)民經(jīng)濟(jì)的主體，是立國(guó)之本、興國(guó)之器。制造系統(tǒng)的智能化是制造業(yè)新的發(fā)展方向，制約國(guó)家競(jìng)爭(zhēng)力的提升，是各國(guó)關(guān)注的焦點(diǎn)。智能制造裝備領(lǐng)域具有科技創(chuàng)新能力強(qiáng)、產(chǎn)業(yè)關(guān)聯(lián)度高等特征，極易產(chǎn)生顛覆性技術(shù)。因此，本文選擇智能制造裝備領(lǐng)域作為研究對(duì)象，利用專利文獻(xiàn)以及網(wǎng)頁新聞數(shù)據(jù)，識(shí)別智能制造裝備領(lǐng)域顛覆性技術(shù)。

4.1智能制造裝備領(lǐng)域數(shù)據(jù)收集及主題提取

4.1.1智能制造裝備領(lǐng)域數(shù)據(jù)收集

1）智能制造裝備領(lǐng)域?qū)＠墨I(xiàn)數(shù)據(jù)收集

智能制造裝備產(chǎn)業(yè)作為戰(zhàn)略性新興產(chǎn)業(yè)，根據(jù)《戰(zhàn)略性新興產(chǎn)業(yè)重點(diǎn)產(chǎn)品和服務(wù)指導(dǎo)目錄》獲取智能制造裝備領(lǐng)域技術(shù)關(guān)鍵詞，結(jié)合IPC分類號(hào)，制定智能制造裝備領(lǐng)域?qū)＠麛?shù)據(jù)檢索表達(dá)式，TI=（Intelligent numerical control machine or industrial robots manufacturing or additive manufacturing or intelligent sensing or intelligent control equipment or intelligent measurement or assembly equipment or intelligent logistics or storage equipment） AND IP=（ B62D* OR B23P* OR B23Q* OR B24B* OR B23D* OR B23F* OR B23B* OR B23C* OR B23G* OR H02N* OR B23K* OR F16J* OR H04R* OR B64G* OR G08B* OR G11B* OR G06E* OR G06F* OR G08C* OR H01F* OR G05B* OR G01B* OR G02B* OR A24B* OR B02C* OR C03B* OR C25C* OR G08G* OR H02K* OR F16C* OR E01D* OR B60B），檢索時(shí)間跨度為1963—2021年，檢索日期為2021年9月25日，基于德溫特?cái)?shù)據(jù)庫(kù)共得到25 564條專利文獻(xiàn)，刪除無效數(shù)據(jù)，剩余23 581條專利，繪制各年份部分國(guó)家（地區(qū)）的專利申請(qǐng)情況，結(jié)果如圖2所示。

由圖2可知，德國(guó)最早申請(qǐng)智能制造裝備領(lǐng)域相關(guān)專利，并保持較強(qiáng)研發(fā)態(tài)勢(shì)。此外，中國(guó)（CN）及中國(guó)香港（HK（China））、中國(guó)臺(tái)灣地區(qū)（TW（China））、世界知識(shí)產(chǎn)權(quán)組織（WO）、美國(guó)（US）、韓國(guó)（KR）、日本（JP）、英國(guó)（GB）、歐洲專利局（EP）等國(guó)家、地區(qū)或組織的專利申請(qǐng)數(shù)量也不斷增加。在本文收集的專利文獻(xiàn)中，中國(guó)（CN）最早圖2各年份部分國(guó)家及地區(qū)專利申請(qǐng)情況

于1997年申請(qǐng)智能制造裝備領(lǐng)域相關(guān)專利，相比其他國(guó)家及地區(qū)，起步較晚，但中國(guó)及地區(qū)專利申請(qǐng)數(shù)量不斷增加。

2）智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)收集

網(wǎng)頁新聞數(shù)據(jù)龐大，人工收集工作量巨大，且面臨數(shù)據(jù)收集不全面問題。為此，本研究借助Python軟件，采用爬蟲技術(shù)收集智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)。其中，智能制造裝備領(lǐng)域網(wǎng)頁新聞檢索關(guān)鍵詞為“智能制造技術(shù)”“智能制造裝備”“智能制造裝備技術(shù)”“高檔數(shù)控機(jī)床”“工業(yè)機(jī)器人”“增材制造裝備”“智能傳感與控制裝備”“智能檢測(cè)與裝配裝備”“智能物流與倉(cāng)儲(chǔ)裝備”，通過收集共得到7 218條新聞數(shù)據(jù)，去除冗余文本及無效文本，剩余6 694條新聞數(shù)據(jù)，如圖3所示，時(shí)間跨度為2012—2021年。

4.1.2專利文獻(xiàn)及網(wǎng)頁新聞數(shù)據(jù)預(yù)處理

1）專利文獻(xiàn)數(shù)據(jù)預(yù)處理

為保證智能制造裝備領(lǐng)域?qū)＠墨I(xiàn)技術(shù)主題提取效果，本研究刪除長(zhǎng)度小于2和長(zhǎng)度大于15的單詞，并實(shí)現(xiàn)智能制造裝備領(lǐng)域?qū)＠墨I(xiàn)的詞性還原及詞干提取;根據(jù)NLTK術(shù)語庫(kù)自帶停用詞表，并結(jié)合LDA主題模型計(jì)算結(jié)果反復(fù)調(diào)整停用詞表，剔除無效詞語。專利文獻(xiàn)數(shù)據(jù)預(yù)處理后，抽樣得到：“Telescopic”“Bolt”“Monitoring”“Medium”“Grid”等詞語，從抽樣結(jié)果可知，數(shù)據(jù)預(yù)處理后得到的詞語專業(yè)，說明智能制造裝備領(lǐng)域?qū)＠墨I(xiàn)數(shù)據(jù)預(yù)處理有效。

2）網(wǎng)頁新聞數(shù)據(jù)預(yù)處理

針對(duì)智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)，采用維特比算法實(shí)現(xiàn)文本分詞，但文本中存在部分無效詞語，影響文本信息的挖掘。哈工大停用詞庫(kù)以及百度停用詞庫(kù)是開源的停用詞表[46]，收錄了比較全面的停用詞，是目前最常用的停用詞庫(kù)，本文將其引入，過濾無效詞語，降低無效詞對(duì)本研究的影響。

4.1.3智能制造裝備領(lǐng)域技術(shù)主題提取

LDA模型的主題參數(shù)直接決定智能制造裝備領(lǐng)域技術(shù)主題提取的準(zhǔn)確性，為保障智能制造裝備領(lǐng)域?qū)＠墨I(xiàn)及網(wǎng)頁新聞數(shù)據(jù)聚類效果，本研究綜合困惑度及肘形確定LDA模型主題參數(shù)。其中，專利文獻(xiàn)以及網(wǎng)頁新聞LDA主題模型困惑度及肘形如圖4所示。

綜合不同主題數(shù)下模型困惑度及肘形，如圖4所示，得到智能制造裝備領(lǐng)域?qū)＠墨I(xiàn)LDA模型最優(yōu)主題數(shù)為87，而智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)LDA模型最優(yōu)主題數(shù)為72。其中，專利文獻(xiàn)聚類結(jié)果中兩個(gè)主題由數(shù)字構(gòu)成，本研究將其剔除，剩余85個(gè)技術(shù)主題;由智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)LDA模型得到72個(gè)主題，其中與智能制造裝備領(lǐng)域相關(guān)的主題共28個(gè)，剩余44個(gè)主題與智能制造裝備領(lǐng)域關(guān)聯(lián)性不強(qiáng)，將其剔除。每篇文檔由一定概率的主題組成，為準(zhǔn)確提取文檔信息，本文借鑒Mann G S等的研究[47]，認(rèn)為若主題分布概率大于0.1，則認(rèn)為文檔屬于該主題，進(jìn)而刪除文檔中主題分布概率低于0.1的主題。

根據(jù)專利文獻(xiàn)及網(wǎng)頁新聞數(shù)據(jù)LDA模型提取結(jié)果，分別展示不同數(shù)據(jù)源下前5個(gè)主題的特征詞及其概率分布，結(jié)果如表1所示。

4.2智能制造裝備領(lǐng)域候選顛覆性技術(shù)識(shí)別

基于智能制造裝備領(lǐng)域?qū)＠墨I(xiàn)以及LDA模型提取結(jié)果，本研究從成長(zhǎng)性、融合性、創(chuàng)新性、突破性4個(gè)維度分析技術(shù)自身知識(shí)屬性，識(shí)別候選顛覆性技術(shù)。

4.2.1智能制造裝備領(lǐng)域技術(shù)主題成長(zhǎng)性測(cè)度

顛覆性技術(shù)實(shí)現(xiàn)技術(shù)性能突破，不斷發(fā)展，最終成為主流技術(shù)，該發(fā)展過程中技術(shù)創(chuàng)新主體逐漸多樣化，專利申請(qǐng)數(shù)量不斷增加。因此，本研究結(jié)合專利文獻(xiàn)的時(shí)間屬性，統(tǒng)計(jì)技術(shù)主題專利申請(qǐng)數(shù)量及技術(shù)主題強(qiáng)度，繪制不同時(shí)間段各技術(shù)主題專利申請(qǐng)數(shù)量及主題強(qiáng)度變化。由于2000年前專利數(shù)量較少，信息不豐富，因此，本文僅展示2000年以后的統(tǒng)計(jì)結(jié)果，結(jié)果如圖5和圖6所示。

圖5及圖6顯示智能制造裝備領(lǐng)域大部分技術(shù)主題專利申請(qǐng)數(shù)量以及主題強(qiáng)度呈現(xiàn)上升趨勢(shì)，尤其2015年后，隨著智能傳感器、人工智能、智能算法、大數(shù)據(jù)采集技術(shù)、存儲(chǔ)技術(shù)等的不斷成熟，智能制造裝備領(lǐng)域內(nèi)技術(shù)復(fù)雜度凸顯，裝備性能得以優(yōu)化，成為不同國(guó)家或地區(qū)關(guān)注的重點(diǎn)，專利申請(qǐng)量及主題強(qiáng)度不斷提升。但從智能制造裝備領(lǐng)域技術(shù)主題強(qiáng)度變化趨勢(shì)上看，Topic79、Topic76、Topic72、Topic54、Topic25、Topic3 6個(gè)技術(shù)主題2000—2012年變化不明顯，尚未出現(xiàn)增強(qiáng)或減弱的趨勢(shì)，因此，本文后續(xù)研究將該類技術(shù)主題刪除，保障顛覆性技術(shù)識(shí)別的準(zhǔn)確性。

4.2.2智能制造裝備領(lǐng)域技術(shù)主題融合性測(cè)度

基于技術(shù)主題共現(xiàn)強(qiáng)度，構(gòu)建智能制造裝備領(lǐng)域技術(shù)主題共現(xiàn)網(wǎng)絡(luò)，測(cè)算技術(shù)主題接近中心性，利用接近中心性探究技術(shù)主題的融合程度。為動(dòng)態(tài)觀測(cè)技術(shù)主題融合性變化，本文以時(shí)間為切片，分別構(gòu)建1966—2021年內(nèi)55個(gè)技術(shù)主題共現(xiàn)網(wǎng)絡(luò)，并展示2020年智能制造裝備領(lǐng)域技術(shù)主題共現(xiàn)網(wǎng)絡(luò)，如圖7所示。

通過構(gòu)建不同年份下技術(shù)主題共現(xiàn)網(wǎng)絡(luò)，得到技術(shù)主題接近中心性變化趨勢(shì)。由于2000年前各技術(shù)主題共現(xiàn)強(qiáng)度較弱，接近中心性不顯著，因此僅展示2000年后技術(shù)主題的接近中心性變化趨勢(shì)，如圖8所示。為保持?jǐn)?shù)據(jù)一致性，下文同樣僅展示2000年后智能制造裝備領(lǐng)域的數(shù)據(jù)。此外，本文統(tǒng)計(jì)不同技術(shù)主題內(nèi)部IPC分類號(hào)，多維度分析技術(shù)主題融合性，結(jié)果如圖9所示。

圖8中智能制造裝備領(lǐng)域部分技術(shù)主題接近中心性不斷增加，不同類型的技術(shù)主題關(guān)聯(lián)密切，融合度上升，該類技術(shù)主題共23個(gè)，主要包含Topic86、Topic84、Topic83、Topic74等。此外，觀測(cè)23個(gè)技術(shù)主題內(nèi)部IPC分類號(hào)種類，其中Topic21、Topic28、Topic43、Topic56、Topic59、Topic73、Topic84 7個(gè)技術(shù)主題的IPC號(hào)種類均超過200，技術(shù)主題涉及領(lǐng)域廣泛，包含不同類型的技術(shù)，技術(shù)融合性明顯。

4.2.3智能制造裝備領(lǐng)域技術(shù)主題創(chuàng)新性測(cè)度

顛覆性技術(shù)改變?cè)屑夹g(shù)范式，實(shí)現(xiàn)技術(shù)結(jié)構(gòu)變革，技術(shù)創(chuàng)新性明顯。本文利用結(jié)構(gòu)洞指數(shù)測(cè)度具有創(chuàng)新性的技術(shù)主題，結(jié)構(gòu)洞指數(shù)越高，技術(shù)主題獲取非冗余信息能力越強(qiáng)，實(shí)現(xiàn)技術(shù)創(chuàng)新可能性越高。本文采用有效規(guī)模及約束度指標(biāo)測(cè)算技術(shù)主題結(jié)構(gòu)洞?；诩夹g(shù)主題成長(zhǎng)性及融合性分析，得到23個(gè)技術(shù)主題，結(jié)合構(gòu)建的技術(shù)主題共現(xiàn)網(wǎng)絡(luò)，其有效規(guī)模及約束度指數(shù)變化情況如圖10、圖11所示。

由圖10可知，Topic22、Topic55、Topic62 3個(gè)技術(shù)主題有效規(guī)模變化不明顯，而Topic19有效規(guī)模呈下降趨勢(shì)，非冗余信息獲取能力低于其他類型的技術(shù)主題，擁有結(jié)構(gòu)洞數(shù)量較少，技術(shù)主題創(chuàng)新性不強(qiáng)，本文將該4個(gè)技術(shù)主題刪除;由圖11可知，各技術(shù)主題約束度不斷下降，技術(shù)主題網(wǎng)絡(luò)能力較強(qiáng)，對(duì)其他技術(shù)主題的依賴程度逐漸減小。

通過技術(shù)主題成長(zhǎng)性、融合性以及創(chuàng)新性篩選，得到19個(gè)技術(shù)主題，結(jié)合技術(shù)主題特征詞及概率，對(duì)19個(gè)技術(shù)主題進(jìn)行命名，結(jié)果如表2所示。表2技術(shù)主題命名

主題號(hào)IDTopic5太陽能電池電流與電壓控制技術(shù)Topic12智能協(xié)議轉(zhuǎn)化裝置Topic17智能手機(jī)傳感器技術(shù)Topic21智能數(shù)字控制Topic28機(jī)器人智能傳感控制技術(shù)Topic35智能輔助技術(shù)Topic43智能軟件Topic44智能裝配技術(shù)Topic46三維參數(shù)繪圖技術(shù)Topic56電機(jī)控制與連接技術(shù)Topic59導(dǎo)軌安裝技術(shù)Topic60耐高溫隔熱與散熱材料Topic65信號(hào)智能處理技術(shù)Topic69機(jī)器人識(shí)別掃描系統(tǒng)Topic73無線傳感器網(wǎng)絡(luò)芯片技術(shù)Topic74驅(qū)動(dòng)器控制系統(tǒng)Topic83智能信息存儲(chǔ)Topic84智能數(shù)據(jù)采集系統(tǒng)Topic86原材料處理方法

4.2.4智能制造裝備領(lǐng)域技術(shù)主題突破性測(cè)度

技術(shù)異常檢測(cè)是另一種技術(shù)突破形式，通常認(rèn)為異常點(diǎn)可能表示對(duì)已建立規(guī)則、主流趨勢(shì)和模式的革新和打破，具備技術(shù)突破的可能性[48-49]。本文采用K均值算法檢測(cè)技術(shù)異常點(diǎn)，分析智能制造裝備領(lǐng)域技術(shù)主題的異常，檢測(cè)結(jié)果如圖12所示。

通過智能制造裝備領(lǐng)域技術(shù)主題異常檢測(cè)可知，Topic21（智能數(shù)字控制）、Topic84（智能數(shù)據(jù)采集系統(tǒng)）兩個(gè)技術(shù)主題與其他類型技術(shù)主題距離較遠(yuǎn)，屬于智能制造裝備領(lǐng)域異常點(diǎn)，具有實(shí)現(xiàn)技術(shù)突破的可能性。因此，本文認(rèn)為“智能數(shù)字控制”以及“智能數(shù)據(jù)采集系統(tǒng)”兩項(xiàng)技術(shù)是智能制造裝備領(lǐng)域的候選顛覆性技術(shù)。

4.3主題匹配性分析

4.3.1網(wǎng)頁新聞數(shù)據(jù)主題命名

網(wǎng)頁新聞數(shù)據(jù)LDA主題模型共提取72個(gè)主題，刪除無關(guān)主題及低強(qiáng)度主題44個(gè)，剩余28個(gè)主題與智能制造裝備領(lǐng)域相關(guān)。根據(jù)智能制造裝備網(wǎng)頁新聞數(shù)據(jù)LDA主題模型特征詞及概率分布，對(duì)提取的智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)主題進(jìn)行命名，結(jié)果如表3所示。表3智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)主題命名

NO.IDNO.ID1智能建筑設(shè)計(jì)15智能系統(tǒng)2航空航天發(fā)動(dòng)機(jī)16智能制造業(yè)3科技成果轉(zhuǎn)化17智能物流4智能家居18燃料電池5腦機(jī)19智能制造平臺(tái)6智能服務(wù)20新能源電池7增材制造21人工智能汽車8高鐵列車22智能終端9智能機(jī)器人23物聯(lián)網(wǎng)傳感器10制造裝備設(shè)計(jì)24工業(yè)機(jī)器人11工業(yè)互聯(lián)網(wǎng)25增材制造藥物125G網(wǎng)絡(luò)芯片26人工智能13數(shù)字經(jīng)濟(jì)27智能交通14智能農(nóng)機(jī)28發(fā)動(dòng)機(jī)設(shè)計(jì)

4.3.2主題匹配結(jié)果

根據(jù)28個(gè)網(wǎng)頁新聞數(shù)據(jù)主題以及兩個(gè)候選顛覆性技術(shù)主題各自包含的特征詞，并結(jié)合式（12）、式（13），測(cè)算候選顛覆性技術(shù)主題與智能制造裝備領(lǐng)域網(wǎng)頁新聞主題之間的匹配度，探究候選顛覆性技術(shù)的市場(chǎng)屬性，更準(zhǔn)確識(shí)別智能制造裝備領(lǐng)域顛覆性技術(shù)。其中，主題匹配度如圖13所示。

由圖13可知，“智能數(shù)字控制”“智能數(shù)據(jù)采集系統(tǒng)”兩項(xiàng)候選顛覆性技術(shù)與智能家居、智能服務(wù)、智能系統(tǒng)、人工智能汽車、智能交通、發(fā)動(dòng)機(jī)設(shè)計(jì)6個(gè)網(wǎng)頁新聞數(shù)據(jù)主題實(shí)現(xiàn)匹配，表明“智

能數(shù)字控制”“智能數(shù)據(jù)采集系統(tǒng)”已被市場(chǎng)中多個(gè)主體所關(guān)注，潛在競(jìng)爭(zhēng)力較高。其中，智能系統(tǒng)、智能家居兩個(gè)主題與兩項(xiàng)候選顛覆性技術(shù)主題匹配度最高，表明“智能數(shù)字控制”“智能數(shù)據(jù)采集系統(tǒng)”對(duì)于智能系統(tǒng)以及智能家居影響力最強(qiáng)，技術(shù)作用顯著。

基于以上研究結(jié)果，本文認(rèn)為“智能數(shù)字控制”及“智能數(shù)據(jù)采集系統(tǒng)”兩項(xiàng)技術(shù)是智能制造裝備領(lǐng)域的顛覆性技術(shù)?！爸悄軘?shù)字控制”與傳統(tǒng)的控制技術(shù)不同，智能控制技術(shù)更強(qiáng)調(diào)設(shè)備的自動(dòng)化和智能化，融合機(jī)械技術(shù)、計(jì)算機(jī)技術(shù)以及控制技術(shù)，改變了傳統(tǒng)機(jī)械制造模式，實(shí)現(xiàn)高效率制動(dòng)控制;此外，智能數(shù)字控制技術(shù)顯著提升產(chǎn)品質(zhì)量及生產(chǎn)精度，彌補(bǔ)機(jī)械精細(xì)化加工領(lǐng)域傳統(tǒng)機(jī)械制造模式“粗放”缺點(diǎn)?！爸悄軘?shù)據(jù)采集系統(tǒng)”能夠完成海量規(guī)模數(shù)據(jù)的采集，有效處理智能制造各環(huán)節(jié)數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為知識(shí)，有利于問題的分析，避免問題的重復(fù)發(fā)生。由于智能數(shù)據(jù)采集系統(tǒng)所具有的高效便捷特性以及良好的可擴(kuò)展性，智能數(shù)據(jù)采集系統(tǒng)已經(jīng)得到越來越多國(guó)內(nèi)企業(yè)及客戶的支持，成為多個(gè)企業(yè)研究和開發(fā)的重點(diǎn)。

5效果評(píng)估

為評(píng)估論文提出方法的有效性，本文采用基于離群專利的顛覆性技術(shù)識(shí)別方法[9]，識(shí)別智能制造裝備領(lǐng)域顛覆性技術(shù)，并對(duì)比結(jié)果。由于篇幅限制，本文未展示識(shí)別過程。根據(jù)該方法，篩選得到智能制造裝備領(lǐng)域離群專利7 745條，涵蓋15種技術(shù)組合，并綜合科學(xué)關(guān)聯(lián)度、技術(shù)影響潛力等多個(gè)指標(biāo)評(píng)估技術(shù)組合，運(yùn)用孔多塞投票法識(shí)別顛覆性技術(shù)。最終得到智能數(shù)字控制、電機(jī)控制與連接技術(shù)、無線傳感器網(wǎng)絡(luò)芯片技術(shù)、智能信息存儲(chǔ)、智能數(shù)據(jù)采集系統(tǒng)屬于智能制造裝備領(lǐng)域的顛覆性技術(shù)。該方法最終的識(shí)別結(jié)果包含本研究的識(shí)別結(jié)果，識(shí)別結(jié)果相對(duì)寬泛，主要原因在于當(dāng)技術(shù)組合得分相近時(shí)，該方法主觀性較強(qiáng)，且該方法尚未考慮技術(shù)的市場(chǎng)屬性，影響識(shí)別結(jié)果的準(zhǔn)確性。而本文提出的方法，綜合專利文獻(xiàn)及網(wǎng)頁新聞兩種異構(gòu)數(shù)據(jù)，識(shí)別過程客觀，考慮技術(shù)的市場(chǎng)屬性，能顯著提升顛覆性技術(shù)識(shí)別的準(zhǔn)確性。

6研究結(jié)論

本文利用專利文獻(xiàn)及網(wǎng)頁新聞數(shù)據(jù)，提取不同類型的主題，從成長(zhǎng)性、突破性、創(chuàng)新性及融合性4個(gè)維度識(shí)別候選顛覆性技術(shù)主題，并結(jié)合網(wǎng)頁新聞數(shù)據(jù)，探究候選顛覆性技術(shù)的市場(chǎng)屬性，最終完成顛覆性技術(shù)識(shí)別。本研究結(jié)合不同數(shù)據(jù)源，利用文本挖掘方法準(zhǔn)確地識(shí)別顛覆性技術(shù)，對(duì)于加快顛覆性技術(shù)研發(fā)具有重要的參考價(jià)值。

智能制造裝備領(lǐng)域顛覆性技術(shù)識(shí)別案例中，利用LDA模型從專利文獻(xiàn)中提取87個(gè)技術(shù)主題，其中“智能數(shù)字控制”以及“智能數(shù)據(jù)采集系統(tǒng)”兩個(gè)技術(shù)主題符合顛覆性技術(shù)成長(zhǎng)性、融合性、創(chuàng)新性以及突破性特征;結(jié)合網(wǎng)頁新聞數(shù)據(jù)主題，得到“智能數(shù)字控制”“智能數(shù)據(jù)采集系統(tǒng)”與多個(gè)網(wǎng)頁新聞主題匹配，兩種技術(shù)已被市場(chǎng)所接受，技術(shù)影響力較強(qiáng)，能夠改變?cè)猩a(chǎn)方式，屬于智能制造裝備領(lǐng)域顛覆性技術(shù)。

案例研究結(jié)合專利文獻(xiàn)及網(wǎng)頁新聞兩種異構(gòu)數(shù)據(jù)識(shí)別顛覆性技術(shù)，研究結(jié)論清晰明確，說明綜合專利數(shù)據(jù)以及網(wǎng)頁新聞數(shù)據(jù)能夠有效識(shí)別顛覆性技術(shù)。但限于篇幅，本研究對(duì)智能制造裝備領(lǐng)域網(wǎng)頁新聞數(shù)據(jù)挖掘不充分，技術(shù)對(duì)市場(chǎng)的影響體現(xiàn)不足。未來研究將結(jié)合深度學(xué)習(xí)模型，深入分析技術(shù)與市場(chǎng)之間的關(guān)系，充分體現(xiàn)技術(shù)的市場(chǎng)屬性。

參考文獻(xiàn)

[1]Bower J L，Christensen C M.Disruptive Technologies：Catching the Wave[J].The Journal of Product Innovation Management，1995，28（2）：155.

[2]孫永福，王禮恒，孫棕檀，等.引發(fā)產(chǎn)業(yè)變革的顛覆性技術(shù)內(nèi)涵與遴選研究[J].中國(guó)工程科學(xué)，2017，19（5）：9-16.

[3]Collins R W，Hevner A R，Linger R C.Evaluating a Disruptive Innovation：Function Extraction Technology in Software Development[C]//2011 44th Hawaii International Conference on System Sciences，2011.

[4]Hang C C，Chen J，Yu D.An Assessment Framework for Disruptive Innovation[J].IEEE Engineering Management Review，2013，41（4）：109-118.

[5]Sainio L M，Puumalainen K.Evaluating Technology Disruptiveness in a Strategic Corporate Context：A Case Study[J].Technological Forecasting and Social Change，2007，74（8）：1315-1333.

[6]Zhang Y，Robinson D，Porter A L，et al.Technology Roadmapping for Competitive Technical Intelligence[J].Technological Forecasting and Social Change，2016，110（9）：175-186.

[7]Buchanan B，Corken R.A Toolkit for the Systematic Analysis of Patent Data to Assess a Potentially Disruptive Technology[J].Intellectual Property Office United Kingdom，2010.

[8]欒春娟，程昉.技術(shù)的市場(chǎng)潛力測(cè)度與預(yù)測(cè)——基于技術(shù)顛覆潛力與技術(shù)成熟度綜合指標(biāo)[J].科學(xué)學(xué)研究，2016，34（12）：1761-1768，1816.

[9]羅素平，寇翠翠，金金，等.基于離群專利的顛覆性技術(shù)預(yù)測(cè)——以中藥專利為例[J].情報(bào)理論與實(shí)踐，2019，42（7）：165-170.

[10]李乾瑞，郭俊芳，黃穎，等.基于專利計(jì)量的顛覆性技術(shù)識(shí)別方法研究[J].科學(xué)學(xué)研究，2021，39（7）：1166-1175.

[11]Momeni A，Rost K.Identification and Monitoring of Possible Disruptive Technologies By Patent-development Paths and Topic Modeling[J].Technological Forecasting and Social Change，2016，（104）：16-29.

[12]張金柱，張曉林.利用引用科學(xué)知識(shí)突變識(shí)別突破性創(chuàng)新[J].情報(bào)學(xué)報(bào)，2014，33（3）：259-266.

[13]于光輝，寧鐘，李昊夫.基于專利和Bass模型的顛覆性技術(shù)識(shí)別方法研究[J].科學(xué)學(xué)研究，2021，39（8）：1467-1473，1536.

[14]黃魯成，成雨，吳菲菲，等.關(guān)于顛覆性技術(shù)識(shí)別框架的探索[J].科學(xué)學(xué)研究，2015，33（5）：654-664.

[15]李乾瑞，郭俊芳，黃穎，等.基于突變-融合視角的顛覆性技術(shù)主題演化研究[J].科學(xué)學(xué)研究，2021，39（12）：2129-2139.

[16]劉忠寶，康嘉琦，張靜.基于主題突變檢測(cè)的顛覆性技術(shù)識(shí)別——以無人機(jī)技術(shù)領(lǐng)域?yàn)槔齕J].科技導(dǎo)報(bào)，2020，38（20）：97-105.

[17]Pilkington A.Exploring the Disruptive Nature of Disruptive Technology[C]//IEEE International Conference on Industrial Engineering &Engineering Management，2009.

[18]Dotsika F，Watkins A.Identifying Potentially Disruptive Trends By Means of Keyword Network Analysis[J].Technological Forecasting & Social Change，2017，119：114-127.

[19]白光祖，鄭玉榮，吳新年，等.基于文獻(xiàn)知識(shí)關(guān)聯(lián)的顛覆性技術(shù)預(yù)見方法研究與實(shí)證[J].情報(bào)雜志，2017，36（9）：38-44.

[20]Diab S，Kanyaru J，Zantout H.Disruptive Innovation：A Dedicated Forecasting Framework[M].Agent and Multi-Agent Systems：Technologies and Applications，2015.

[21]Keller A，Hüsig S.Ex-ante Identification of Disruptive Innovations in the Software Industry Applied to Web Applications：The Case of Microsofts vs.Googles Office Applications[J].Technological Forecasting & Social Change，2009，76（8）：1044-1054.

[22]Ganguly A，Nilchiani R，F(xiàn)arr J V.Defining a Set of Metrics to Evaluate the Potential Disruptiveness of a Technology[J].Engineering Management Journal;EMJ，2010，22（1）：34-44.

[23]Linton J D.Forecasting the Market Diffusion of Disruptive and Discontinuous Innovation[J].Engineering Management IEEE Transactions On，2002，49（4）：365-374.

[24]Klenner P，Hüsig S， Dowling M.Ex-ante Evaluation of Disruptive Susceptibility in Established Value Networks—When are Markets Ready for Disruptive Innovations？[J].Research Policy，2013，42（4）：914-927.

[25]Benzidia S，Luca R M，Boiko S.Disruptive Innovation，Business Models，and Encroachment Strategies：Buyers Perspective on Electric and Hybrid Vehicle Technology[J].Technological Forecasting and Social Change，2021，165：120520.

[26]劉安蓉，李莉，曹曉陽，等.顛覆性技術(shù)概念的戰(zhàn)略內(nèi)涵及政策啟示[J].中國(guó)工程科學(xué)，2018，20（6）：7-13.

[27]Paap J，Katz R.Anticipating Disruptive Innovation[J].IEEE Engineering Management Review，2004，32（4）：74-85.

[28]Yu D，Chang C H.A Reflective Review of Disruptive Innovation Theory[C]//PICMET08-2008 Portland International Conference on Management of Engineering & Technology.IEEE，2008.

[29]欒恩杰，孫棕檀，李輝，等.國(guó)防顛覆性技術(shù)在航天領(lǐng)域的發(fā)展應(yīng)用研究[J].中國(guó)工程科學(xué)，2017，19（5）：74-78.

[30]劉玉梅，溫馨，孟翔飛.基于技術(shù)軌道躍遷的突破性技術(shù)預(yù)測(cè)方法及應(yīng)用研究[J].情報(bào)雜志，2021，40（11）：39-45，15.

[31]黃魯成，蔣林杉，吳菲菲.萌芽期顛覆性技術(shù)識(shí)別研究[J].科技進(jìn)步與對(duì)策，2019，36（1）：10-17.

[32]Nagy D，Schuessler J，Dubinsky A.Defining and Identifying Disruptive Innovations[J].Industrial Marketing Management，2016，57：119-126.

[33]張佳維，董瑜.顛覆性技術(shù)識(shí)別指標(biāo)的研究進(jìn)展[J].情報(bào)理論與實(shí)踐，2020，43（6）：194-199，193.

[34]Thorleuchter D，Poel D.Weak Signal Identification with Semantic Web Mining[J].Expert Systems with Applications，2013，40（12）：4978-4985.

[35]Bird S，Klein E，Loper E.Natural Language Processing with Python：Analyzing Text with the Natural Language Toolkit[M].OReilly Media，Inc，2009.

[36]Viterbi A J.Viterbi Algorithm[J].Scholarpedia，2009，4（1）：6246.

[37]Blei D M，Ng A Y，Jordan M I.Latent Dirichlet Allocation[J].The Journal of Machine Learning Research，2003，3：993-1022.

[38]趙蓉英，戴祎璠，王旭.基于LDA模型與ATM模型的學(xué)者影響力評(píng)價(jià)研究——以我國(guó)核物理學(xué)科為例[J].情報(bào)科學(xué)，2019，37（6）：3-9.

[39]Salton G，Buckley C.Term-weighting Approaches in Automatic Text Retrieval[J].Information Processing & Management，1988，24（5）：513-523.

[40]李盛竹，蔣婧秋.企業(yè)“互聯(lián)網(wǎng)+”信息技術(shù)融合應(yīng)用能力的識(shí)別研究——基于社會(huì)網(wǎng)絡(luò)分析視角[J].現(xiàn)代情報(bào)，2016，36（5）：98-103.

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

[42]翟東升，郭程，張杰，等.采用異常檢測(cè)的技術(shù)機(jī)會(huì)識(shí)別方法研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2016，（10）：81-90.

[43]Rotolo D，Hicks D，Martin B R.What is an Emerging Technology？[J].Research Policy，2015，44（10）：1827-1843.

[44]Alkemade F，Suurs R A A.Patterns of Expectations for Emerging Sustainable Technologies[J].Technological Forecasting and Social Change，2012，79（3）：448-456.

[45]李綱，余輝，毛進(jìn).基于多層語義相似的技術(shù)供需文本匹配模型研究[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2021，5（12）：1-16，25-36.

[46]畢達(dá)天，楚啟環(huán)，曹冉.基于文本挖掘的消費(fèi)者差評(píng)意愿的影響因素研究[J].情報(bào)理論與實(shí)踐，2020，43（10）：137-143.

[47]Mann G S，Mimno D，McCallum A.Bibliometric Impact Measures Leveraging Topic Analysis[C]//Proceedings of the 6th ACM/IEEE-CS Joint Conference on Digital Libraries.New York：ACMPress，2006.

[48]伊惠芳，劉細(xì)文，龍藝璇.技術(shù)創(chuàng)新全視角下技術(shù)機(jī)會(huì)發(fā)現(xiàn)研究進(jìn)展[J].圖書情報(bào)工作，2021，65（7）：132-142.

[49]Chandola V，Banerjee A，Kumar V.Anomaly Detection：A Survey[J].Acm Computing Surveys，2009，41（3）：1-58.

（責(zé)任編輯：郭沫含）