專利技術(shù)創(chuàng)新路徑識別及其新穎性評價研究

馮立杰，尤鴻宇，王金鳳

（1.鄭州大學(xué)管理工程學(xué)院，鄭州 450001；2.上海海事大學(xué)經(jīng)濟(jì)管理學(xué)院，上海 201306）

1 引 言

精準(zhǔn)識別技術(shù)創(chuàng)新機(jī)會，是企業(yè)乃至國家獲得競爭優(yōu)勢、以不斷提升核心競爭力的重要手段[1]。在技術(shù)創(chuàng)新機(jī)會識別中，專利作為一種重要的信息來源被人們廣泛運(yùn)用，但囿于承載專利信息的專利文獻(xiàn)數(shù)據(jù)量龐大，如何在海量專利文獻(xiàn)中快速、準(zhǔn)確地識別技術(shù)創(chuàng)新機(jī)會顯得尤為重要。

傳統(tǒng)的基于專家經(jīng)驗的專利文獻(xiàn)分析主要側(cè)重于定性方法，但隨著科技創(chuàng)新不斷向縱深發(fā)展，受專家的知識、經(jīng)驗及其占有資料所限，難以保證分析結(jié)果的客觀性和準(zhǔn)確性，導(dǎo)致識別的技術(shù)創(chuàng)新機(jī)會受專家主觀影響較大的弊端日益凸顯[2]。因此，有些學(xué)者嘗試結(jié)合定量分析方法，基于大數(shù)據(jù)驅(qū)動開展技術(shù)創(chuàng)新機(jī)會的識別。例如，Park等[3]借助IPC國際專利分類號計算了不同企業(yè)的技術(shù)組合得分，進(jìn)而用于識別具有較高實用性和發(fā)展?jié)摿Φ募夹g(shù)創(chuàng)新機(jī)會；Rodriguez等[4]和Kim等[5]提出了基于專利引文網(wǎng)絡(luò)離群值識別高價值專利，并獲取潛在的技術(shù)創(chuàng)新機(jī)會；Yoon等[6]運(yùn)用SAO語義及技術(shù)功能相似度分析法，研究了如何從已有產(chǎn)品或技術(shù)中獲取技術(shù)創(chuàng)新機(jī)會；王金鳳等[7]在融合專利挖掘和形態(tài)分析方法建立的形態(tài)矩陣基礎(chǔ)上，構(gòu)建了技術(shù)創(chuàng)新機(jī)會識別路徑。由此可見，國內(nèi)外學(xué)者已提出了諸多較為成熟的定量識別技術(shù)創(chuàng)新機(jī)會方法，為本文從專利信息驅(qū)動下的技術(shù)創(chuàng)新機(jī)會識別路徑的研究提供了重要的參考思路，但存在以下兩個問題：第一，雖然部分研究雖然解決了如何量化技術(shù)創(chuàng)新機(jī)會識別的問題，但需要相關(guān)專家事先參與并進(jìn)行大量的專利信息篩選，由此可能增加企業(yè)的技術(shù)創(chuàng)新成本，而且受主觀因素影響較大；第二，現(xiàn)有針對具體領(lǐng)域的技術(shù)創(chuàng)新機(jī)會識別問題的研究，大多采用較為單一的分析評價方法，缺乏客觀數(shù)據(jù)的支撐，難以指導(dǎo)企業(yè)精準(zhǔn)開展具象的技術(shù)創(chuàng)新活動。

專利作為尋求技術(shù)創(chuàng)新機(jī)會的一種重要載體，承載著大量的高價值信息[8]。其中，專利的新穎性在表征技術(shù)創(chuàng)新機(jī)會的同時，經(jīng)由人們普遍的認(rèn)可和推廣，能夠為企業(yè)帶來普適性的技術(shù)創(chuàng)新機(jī)會[9]。企業(yè)可在計算技術(shù)創(chuàng)新方案新穎性的基礎(chǔ)上，得到各潛在創(chuàng)新機(jī)會的排序，為企業(yè)高效開展技術(shù)創(chuàng)新活動提供科學(xué)的決策依據(jù)。Lee等[10]結(jié)合文本挖掘和局部異常因子算法，應(yīng)用專利文獻(xiàn)數(shù)量和專利引文數(shù)量衡量專利的新穎程度；Wang等[11]通過計算各專利文獻(xiàn)的異常因子，衡量專利的新穎性；吳菲菲等[12]綜合考慮專利和科技文獻(xiàn)的時間特征，以引用時間衡量專利的新穎性；任海英等[13]在對專利標(biāo)題和摘要構(gòu)建的專利知識網(wǎng)絡(luò)基礎(chǔ)上，進(jìn)行了文本相似度分析，以此測量專利的新穎性。不難看出，目前對專利新穎性評價的文獻(xiàn)多聚焦于專利引文的角度開展相關(guān)研究。

有鑒于此，本文提出了在海量的專利信息驅(qū)動下，融合多維技術(shù)創(chuàng)新圖譜、LDA（latent Dirichlet allocation，LDA）主題模型與TextRank-IDF專利新穎性評價的技術(shù)創(chuàng)新機(jī)會識別路徑。本文通過專利信息檢索及預(yù)處理，運(yùn)用LDA模型從海量的專利文獻(xiàn)中提取技術(shù)創(chuàng)新要素及主題，利用多維技術(shù)創(chuàng)新圖譜探究潛在的技術(shù)創(chuàng)新機(jī)會，進(jìn)而運(yùn)用Tex‐tRank-IDF新穎性評價指標(biāo)對潛在的技術(shù)創(chuàng)新方案進(jìn)行新穎性排序，識別出具有較高創(chuàng)新價值的創(chuàng)新路徑，實現(xiàn)最大限度地減少因?qū)＜胰斯ずY選大量專利信息所帶來的效率和準(zhǔn)確性問題，為企業(yè)科學(xué)選擇創(chuàng)新方案、不斷提升創(chuàng)新效率提供有益的參考。

2 研究基礎(chǔ)

2.1 多維技術(shù)創(chuàng)新圖譜

多維技術(shù)創(chuàng)新圖譜是借助多個創(chuàng)新維度進(jìn)行創(chuàng)新要素提取并歸類，結(jié)合多個創(chuàng)新法則對創(chuàng)新維度進(jìn)行迭代變換，以構(gòu)建技術(shù)創(chuàng)新方案的一種創(chuàng)新方法。其實質(zhì)是一種基于9類創(chuàng)新元素的分類與獲取，并運(yùn)用9種創(chuàng)新法則變換重組，從而形成創(chuàng)新方案的技術(shù)創(chuàng)新方法。9個創(chuàng)新維度和9種創(chuàng)新法則的列表，分別如表1和表2所示[14]。

表1 創(chuàng)新維度表［14］

截至目前，多維技術(shù)創(chuàng)新圖譜已經(jīng)在軟件產(chǎn)品研發(fā)、智能手機(jī)、煤層氣、潛水電泵等多領(lǐng)域得到了廣泛應(yīng)用，并驗證了該方法的可行性，能夠有效提升技術(shù)創(chuàng)新的效率和效果[14-15]。

表2 創(chuàng)新法則表［14］

2.2 LDA主題模型

LDA主題模型在專利挖掘領(lǐng)域中已得到廣泛運(yùn)用，眾多學(xué)者運(yùn)用LDA模型提取海量專利文獻(xiàn)的關(guān)鍵詞，實現(xiàn)自動識別專利文本主題[16-17]。然而，LDA算法在面對海量專利文本信息時，存在主題及主題詞難以解釋的缺陷[17]。因此，本研究將利用多維技術(shù)創(chuàng)新圖譜理論，通過具象的創(chuàng)新維度對主題詞進(jìn)行二次歸類，以構(gòu)建具有實用價值的創(chuàng)新路徑。

LDA主題模型是一種基于三層貝葉斯結(jié)構(gòu)的文本分析模型，包括文檔、主題和詞項三層結(jié)構(gòu)。其中，文檔是各主題詞項的集合，核心是利用狄利克雷分布，從文檔生成主題并抽取詞項，對高維向量空間表示的文檔降維表達(dá)，以實現(xiàn)對文檔和詞項的高效聚類。利用LDA模型生成文檔的具體流程如下：

（1）假設(shè)每篇專利文獻(xiàn)d的主題生成過程相互獨(dú)立，文檔d主題生成服從狄利克雷先驗分布θd～Dir(α)，生成各專利文獻(xiàn)d中的第i個詞項主題Zdi～Multinomial(θd)，則可構(gòu)建文檔-主題矩陣。

（2）對各主題k生成對應(yīng)的詞項分布φk～Dir(β)，即從該分布中采樣生成專利文獻(xiàn)d中的第i個詞項wdi～Multinomial(φzdi)，此階段對應(yīng)的主題-詞項矩陣。

反復(fù)進(jìn)行上述過程，直至生成所有文檔的主題及主題詞。其中，LDA模型的聯(lián)合概率分布為[18]

為保障更好的分類效果，LDA主題模型的核心是設(shè)置主題數(shù)量參數(shù)[19]。Blei將表述某個主題不確定性程度的困惑度（perplexity）作為模型的評價指標(biāo)。一般而言，隨著主題數(shù)K的增加，該指標(biāo)會相應(yīng)降低。低困惑度模型能夠達(dá)到更好的聚類效果，針對M個文本數(shù)據(jù)集的困惑度值計算公式為：

其中，Nd表示文本d所有詞項的總數(shù)；p(wd)表示文本集中各文檔的產(chǎn)生概率。

2.3 潛在技術(shù)創(chuàng)新機(jī)會評價方法

本文提出了一種改進(jìn)TextRank-IDF方法來衡量技術(shù)創(chuàng)新機(jī)會在一定范圍文本集的新穎性。Tex‐tRank算法是在對文本去除停用詞后，根據(jù)文本N中詞項間的共現(xiàn)關(guān)系，將文本中詞項作為圖中節(jié)點，以鏈入節(jié)點數(shù)量決定各詞項的權(quán)重，通過公式

計算詞圖網(wǎng)絡(luò)的各節(jié)點權(quán)重，迭代至穩(wěn)定后權(quán)重較高的詞項，即關(guān)鍵詞。其中，W為初始權(quán)重；Vi為入鏈集合；Vj為出鏈集合；S表示TextRank的重；Wji表示第j行、第i列對應(yīng)的權(quán)重；k表示第i列之前的列數(shù)。本文設(shè)置阻尼系數(shù)d表示跳轉(zhuǎn)到詞圖網(wǎng)絡(luò)其他節(jié)點的概率，防止權(quán)重計算的值為0。

傳統(tǒng)的TF-IDF算法作為一種常用的特征提取方法被廣泛運(yùn)用，其中逆文本頻率IDF的主要思路是分布在少量文本中的特征詞更重要，即在文本集中包含詞項w的文檔越少，IDF的值就越大。

因此，本文提出了計算潛在技術(shù)創(chuàng)新方案新穎性指標(biāo)的TextRank-IDF算法。

（1）運(yùn)用TextRank算法對某個潛在技術(shù)方案（potential technical opportunity，PTO）PTOi提取關(guān)鍵詞，繼而得到關(guān)鍵詞w集合：S={w1,…,wq}，其中q為關(guān)鍵詞個數(shù)。

（2）用IDF值評價關(guān)鍵詞w在專利文本庫中的重要程度，其中n(w)為專利文本集中包含關(guān)鍵詞w的專利數(shù)，N為專利文本總數(shù)，則有

（3）以IDF(pto)值表示技術(shù)方案在專利文本庫中的重要程度，IDF(pto)值越高，表示技術(shù)方案的新穎性越強(qiáng)，有

最終可得到各潛在技術(shù)創(chuàng)新機(jī)會新穎性的排序，為企業(yè)開展技術(shù)創(chuàng)新提供科學(xué)決策依據(jù)。

3 研究路徑

本文將基于海量專利信息的驅(qū)動，依托多維技術(shù)創(chuàng)新圖譜，通過專利信息檢索及預(yù)處理、技術(shù)創(chuàng)新機(jī)會生成模型構(gòu)建、潛在技術(shù)創(chuàng)新方案評價等步驟，探究技術(shù)創(chuàng)新機(jī)會識別路徑。其中，除確定主題數(shù)、主題篩選及多維技術(shù)創(chuàng)新圖譜構(gòu)建環(huán)節(jié)需要專家篩選外，其余工作均可通過計算機(jī)Python編程來實現(xiàn)，以最大限度地減少識別技術(shù)創(chuàng)新機(jī)會受主觀因素影響的弊端。具體研究路徑如圖1所示。

圖1 潛水電機(jī)技術(shù)創(chuàng)新機(jī)會識別研究路徑

3.1 專利信息檢索及預(yù)處理

專利信息檢索及預(yù)處理主要包括：首先，確定與技術(shù)創(chuàng)新對象有關(guān)的檢索關(guān)鍵詞，開展專利檢索并提取專利信息摘要；其次，為提高中文的分詞效果，需通過查閱具體研究領(lǐng)域的特定術(shù)語，構(gòu)建對應(yīng)技術(shù)創(chuàng)新領(lǐng)域的用戶詞典，并濾除專利信息中的噪聲信息，去除停用詞；最后，基于分詞后各詞項的詞頻，采用清洗后的專利信息摘要構(gòu)建專利的文檔-詞項分布矩陣，使專利文本向量化。

3.2 技術(shù)創(chuàng)新機(jī)會生成模型構(gòu)建

技術(shù)創(chuàng)新機(jī)會生成模型構(gòu)建流程主要包括：首先，確定LDA主題模型的主題數(shù)和迭代次數(shù)；其次，運(yùn)行LDA主題模型探究技術(shù)創(chuàng)新領(lǐng)域關(guān)鍵詞的主題分布，并篩除與技術(shù)創(chuàng)新無關(guān)的主題；再次，利用多維技術(shù)創(chuàng)新圖譜將關(guān)鍵詞進(jìn)行維度劃分，對各創(chuàng)新維度重組，以獲得新的關(guān)鍵詞組合；最后，與相關(guān)創(chuàng)新法則耦合，構(gòu)建多維技術(shù)創(chuàng)新圖譜，生成系列潛在技術(shù)創(chuàng)新方案。

3.3 潛在技術(shù)創(chuàng)新方案評價

潛在技術(shù)創(chuàng)新方案評價階段主要包括：首先，參照現(xiàn)有專利形式，標(biāo)準(zhǔn)化表達(dá)潛在技術(shù)創(chuàng)新方案；其次，運(yùn)用TextRank算法提取技術(shù)創(chuàng)新方案中的關(guān)鍵詞，并計算各關(guān)鍵詞的IDF值；最后，根據(jù)技術(shù)創(chuàng)新方案新穎性計算公式，得出各潛在技術(shù)創(chuàng)新機(jī)會的新穎性排序，為企業(yè)開展技術(shù)創(chuàng)新活動提供科學(xué)的決策參考依據(jù)。

4 應(yīng)用分析

潛水電機(jī)在影響國民經(jīng)濟(jì)發(fā)展的一些重要領(lǐng)域，如井下或江河湖泊取水、井工礦井排水、農(nóng)田灌溉及礦山搶險救災(zāi)等領(lǐng)域，均得到了廣泛應(yīng)用，在我國國民經(jīng)濟(jì)發(fā)展中發(fā)揮著不可替代的作用[20]。但工作環(huán)境的特殊性使得潛水電機(jī)對絕緣、冷卻散熱、密封等性能有較高的要求，亟需開展技術(shù)創(chuàng)新機(jī)會識別，以找出具體的創(chuàng)新路徑指導(dǎo)相關(guān)企業(yè)開展創(chuàng)新活動。

4.1 潛水電機(jī)專利檢索及預(yù)處理

4.1.1 潛水電機(jī)專利信息的檢索

本研究的專利信息來源于國家知識產(chǎn)權(quán)局專利檢索及分析平臺（http://pss-system.cnipa.gov.cn）。在進(jìn)行專利信息檢索前，需要首先對專家訪談以確定檢索的表達(dá)式，如表3所示。

表3 潛水電機(jī)專利檢索表達(dá)式

通過檢索獲得與潛水電機(jī)有關(guān)的專利信息5560條，初步去重后剩余4873條。

4.1.2 潛水電機(jī)專利信息的預(yù)處理

在LDA主題模型運(yùn)行之前，本研究應(yīng)對專利信息進(jìn)行中文分詞和文檔向量化處理。

首先，為提高分詞效果，防止錯誤劃分技術(shù)術(shù)語，一般需要對多位該領(lǐng)域相關(guān)專家進(jìn)行訪談，結(jié)合查閱的相關(guān)文獻(xiàn)資料，確定潛水電機(jī)的特有專業(yè)技術(shù)術(shù)語，構(gòu)建用戶自定義詞典。

其次，應(yīng)用正則表達(dá)式濾除非文字符號，同時導(dǎo)入常用停用詞表，去除量詞、語氣詞、低質(zhì)量文本等噪聲信息。在對專利進(jìn)行文本處理后，使用Python的jieba工具包分詞。

最后，基于詞項、詞頻進(jìn)行特征提取，構(gòu)建文檔-詞項分布矩陣。

4.2 潛水電機(jī)技術(shù)創(chuàng)新機(jī)會生成模型構(gòu)建

4.2.1 潛水電機(jī)LDA模型的參數(shù)設(shè)定

在潛水電機(jī)LDA模型運(yùn)行前需要進(jìn)行參數(shù)設(shè)定，其中重要參數(shù)包括超參數(shù)α和β，以及主題數(shù)K。超參數(shù)α和β可設(shè)定為0.01[18]。通過計算主題數(shù)由2到50模型的困惑度值可得，當(dāng)主題數(shù)取值36時，困惑度值最小，但此時存在大量的無意義主題。除去主題數(shù)36，模型得到最小困惑度的主題數(shù)可取值19，為使主題間的技術(shù)邊界更加清晰兼具代表性，本研究將主題數(shù)確定為19，如圖2所示。

另外，迭代次數(shù)同樣是影響模型學(xué)習(xí)效果的重要因素之一[21]。如圖3所示，但當(dāng)?shù)螖?shù)增加至400次后，模型的效果提升有限，故本研究將迭代次數(shù)定為400。

4.2.2 潛水電機(jī)LDA模型的運(yùn)行結(jié)果分析

本文利用Python的scikit-learn庫進(jìn)行LDA主題模型計算，得到潛水電機(jī)的主題和關(guān)鍵詞分布信息。

根據(jù)關(guān)鍵詞分詞結(jié)果，結(jié)合相關(guān)技術(shù)領(lǐng)域的專家意見，在濾除包含水下養(yǎng)殖、船舶技術(shù)、水下清淤等潛水電機(jī)延伸應(yīng)用領(lǐng)域的9個主題聚類后，得到篩選的10個技術(shù)領(lǐng)域。各主題代表的技術(shù)領(lǐng)域清晰，有較好的聚類效果，故可根據(jù)各主題關(guān)鍵詞內(nèi)容進(jìn)行命名，具體如表4所示。

圖2 潛水電機(jī)主題數(shù)對應(yīng)的困惑度值

圖3 迭代次數(shù)對模型效果的影響

表4 潛水電機(jī)主題和關(guān)鍵詞列表

基于LDA創(chuàng)新元素提取得到的分類結(jié)果，不僅體現(xiàn)了潛水電機(jī)設(shè)計和制造的關(guān)鍵點（即技術(shù)創(chuàng)新的“痛點”），而且聚焦了相關(guān)技術(shù)領(lǐng)域的常用改進(jìn)手段，故以此來整合現(xiàn)有技術(shù)的關(guān)鍵要素能夠滿足企業(yè)識別關(guān)鍵技術(shù)創(chuàng)新機(jī)會的需要。

4.2.3 潛水電機(jī)的多維技術(shù)創(chuàng)新圖譜構(gòu)建

將上述關(guān)鍵詞進(jìn)行創(chuàng)新元素歸類并劃分維度，應(yīng)用多維技術(shù)創(chuàng)新圖譜可以構(gòu)建技術(shù)創(chuàng)新機(jī)會識別路徑，具體包括創(chuàng)新維度劃分、多維技術(shù)創(chuàng)新圖譜構(gòu)建和技術(shù)創(chuàng)新機(jī)會識別三方面內(nèi)容。

1）創(chuàng)新維度的劃分

根據(jù)多維技術(shù)創(chuàng)新圖譜對創(chuàng)新維度的定義，結(jié)合專家給出的具體意見，將制約潛水電機(jī)創(chuàng)新的要素按維度劃分為功能維、結(jié)構(gòu)維、機(jī)理維和材料維四類，具體如表5所示。其中，功能維是從滿足潛水電機(jī)各項技術(shù)性能要求角度提取的創(chuàng)新要素，包含潛水電機(jī)正常運(yùn)轉(zhuǎn)所需的各方面具象技術(shù)（如控制、檢測、過濾等）；結(jié)構(gòu)維是創(chuàng)新要素中涉及潛水電機(jī)技術(shù)的構(gòu)件（如電機(jī)、殼體、葉輪等）；機(jī)理維是從實現(xiàn)潛水電機(jī)各具體功能基本原理角度提取的創(chuàng)新要素（如密封、驅(qū)動、導(dǎo)流等）；而材料維則是考慮潛水電機(jī)部件的材料構(gòu)成及相態(tài)等的創(chuàng)新要素（如樹脂、剛性、聚酰亞胺等）。

2）多維技術(shù)創(chuàng)新圖譜構(gòu)建

通過對創(chuàng)新要素的歸類，潛水電機(jī)的關(guān)鍵技術(shù)要素聚焦在功能維、結(jié)構(gòu)維、機(jī)理維和材料維等4個維度。創(chuàng)新的目的是滿足某些特定的功能需求，那么功能維就是識別潛水電機(jī)技術(shù)創(chuàng)新機(jī)會的主要導(dǎo)向，并且潛水電機(jī)技術(shù)需求的實現(xiàn)與其構(gòu)件密切相關(guān)，故本文選取功能維和結(jié)構(gòu)維作為識別技術(shù)創(chuàng)新機(jī)會的主要導(dǎo)向。在確定創(chuàng)新維度后，依次將每個維度與多維技術(shù)創(chuàng)新圖譜的創(chuàng)新法則迭代耦合，即可構(gòu)建潛水電機(jī)的技術(shù)創(chuàng)新地圖，從而得到多個技術(shù)創(chuàng)新方案。

表5 潛水電機(jī)創(chuàng)新維度表

3）技術(shù)創(chuàng)新機(jī)會識別

首先，本研究聚焦于功能維、結(jié)構(gòu)維和機(jī)理維3個維度，依次與各創(chuàng)新法則迭代耦合，并保留能夠通過耦合得到技術(shù)創(chuàng)新方案的創(chuàng)新法則。將上述3個創(chuàng)新維度和組合與集成、局部優(yōu)化、自服務(wù)等創(chuàng)新法則構(gòu)建多維技術(shù)創(chuàng)新圖譜，識別潛在的技術(shù)創(chuàng)新機(jī)會，并進(jìn)行規(guī)范化表達(dá)，如圖4所示。

①內(nèi)水循環(huán)冷卻系統(tǒng)技術(shù)創(chuàng)新機(jī)會確定。冷卻系統(tǒng)是潛水電機(jī)正常運(yùn)轉(zhuǎn)的基本保證，合理的冷卻結(jié)構(gòu)設(shè)計能夠延長電機(jī)的使用壽命[22]。在傳統(tǒng)設(shè)計中，潛水電機(jī)運(yùn)行產(chǎn)生的熱量由冷卻液在電機(jī)內(nèi)腔與外導(dǎo)管之間循環(huán)流動散發(fā)，外導(dǎo)管的設(shè)置不僅增加了成本和空間，電機(jī)定子的散熱效果也不夠理想。因此，運(yùn)用組合與集成、局部優(yōu)化法則，考慮定子結(jié)構(gòu)的局部優(yōu)化及轉(zhuǎn)子結(jié)構(gòu)的組合與集成分析發(fā)現(xiàn)，可采用內(nèi)水循環(huán)冷卻系統(tǒng)技術(shù)創(chuàng)新（表6）。

②增設(shè)自動保護(hù)技術(shù)系統(tǒng)的技術(shù)創(chuàng)新機(jī)會確定。潛水電機(jī)的工作環(huán)境大多較為惡劣，必要的自動保護(hù)技術(shù)至關(guān)重要。常見故障中，電機(jī)內(nèi)缺水會導(dǎo)致導(dǎo)軸承、推力軸承嚴(yán)重?fù)p壞，需要增設(shè)貧水傳感器；繞組過熱燒毀需要實時進(jìn)行溫度檢測[23]；占比較大的絕緣失效[24]，同樣需要對潛水電機(jī)的絕緣監(jiān)測實施自動保護(hù)技術(shù)。因此，運(yùn)用組合與集成、自服務(wù)創(chuàng)新法則分析發(fā)現(xiàn)，可采用增設(shè)貧水保護(hù)裝置、溫度檢測保護(hù)裝置以及電阻檢測絕緣檢測裝置，以實現(xiàn)潛水電機(jī)的智能控制和自我保護(hù)（表6）。

③增設(shè)甩砂結(jié)構(gòu)的技術(shù)創(chuàng)新機(jī)會確定。潛水電機(jī)長期在惡劣的環(huán)境運(yùn)行，單純的機(jī)械密封無法滿足較差水質(zhì)和大含砂量條件下的密封需求[25]。因此，運(yùn)用局部優(yōu)化法則分析發(fā)現(xiàn)，在潛水電機(jī)機(jī)械密封基礎(chǔ)上增設(shè)甩砂結(jié)構(gòu)，能夠有效防止軸承和軸瓦結(jié)構(gòu)的磨損（表6）。

另外，以材料維要素替換機(jī)理維要素，考慮功能維、結(jié)構(gòu)維和材料維等3個維度的創(chuàng)新要素，進(jìn)而與智慧化、自服務(wù)和局部優(yōu)化等法則耦合，同時進(jìn)行規(guī)范化表達(dá)，同樣可挖掘潛在的技術(shù)創(chuàng)新機(jī)會。

④在軸承座底端過濾器增設(shè)磁性吸附裝置的技術(shù)創(chuàng)新機(jī)會確定。潛水電機(jī)的內(nèi)部以鐵為基礎(chǔ)的雜質(zhì)占65%以上，且多為硬顆粒，由此容易造成潛水電機(jī)軸承的磨損。對此，運(yùn)用局部優(yōu)化法則和智慧化法則分析發(fā)現(xiàn)，在軸承座底端過濾器增設(shè)磁性吸附裝置，能夠?qū)崿F(xiàn)過濾裝置的局部優(yōu)化和智慧化（表7）。

⑤改變潛水電機(jī)推力軸承承磨材料配對的技術(shù)創(chuàng)新機(jī)會確定。潛水電機(jī)推力軸承受到熱交變影響會產(chǎn)生推力軸承盤碎裂、龜裂等嚴(yán)重故障[26]。為保障潛水電機(jī)的長期可靠運(yùn)行，運(yùn)用局部優(yōu)化法則分析發(fā)現(xiàn)，改變潛水電機(jī)推力軸承承磨材料的配對，能夠改善軸承材料的剛性以減少系列相關(guān)故障（表7）。

圖4 潛水電機(jī)多維技術(shù)創(chuàng)新圖譜

⑥采用F102潤滑軸承和特殊軸瓦材料的技術(shù)創(chuàng)新機(jī)會確定。潛水電機(jī)常用的設(shè)備運(yùn)行方式包含立式、斜式和臥式運(yùn)行，以適于不同的工作環(huán)境。開發(fā)立臥兩用潛水電機(jī)能提高產(chǎn)品的復(fù)用性以滿足不同的工況要求，但潛水電機(jī)臥式運(yùn)行易受軸向力影響引起軸瓦結(jié)構(gòu)磨損從而導(dǎo)致電機(jī)無法運(yùn)轉(zhuǎn)[27]?？紤]機(jī)理維的剛性要素，運(yùn)用自服務(wù)法則分析發(fā)現(xiàn)，采用F102潤滑軸承和特殊軸瓦材料能夠保障材料的剛性（表7）。

表7 結(jié)合材料維的潛水電機(jī)潛在技術(shù)創(chuàng)新機(jī)會

4.3 潛水電機(jī)的潛在技術(shù)方案評價

4.3.1 潛水電機(jī)技術(shù)創(chuàng)新機(jī)會的新穎性評價

為了對上述標(biāo)準(zhǔn)化表達(dá)的潛在技術(shù)創(chuàng)新機(jī)會做出初步評價，應(yīng)通過潛水電機(jī)的技術(shù)新穎性指標(biāo)計算并排序，輔助企業(yè)進(jìn)行創(chuàng)新機(jī)會抉擇。具體步驟如下：

（1）提取潛水電機(jī)的技術(shù)創(chuàng)新機(jī)會關(guān)鍵詞。借助jieba工具包對所得技術(shù)方案結(jié)果進(jìn)行分詞和詞性標(biāo)注處理，引入本研究建立的潛水電機(jī)技術(shù)領(lǐng)域用戶詞典，濾除對技術(shù)創(chuàng)新機(jī)會代表性較低的關(guān)鍵詞，僅保留其中的動詞與名詞部分，采用TextRank算法對各潛在技術(shù)創(chuàng)新機(jī)會方案提取出關(guān)鍵詞，具體如表8所示。

（2）計算潛水電機(jī)技術(shù)創(chuàng)新方案的技術(shù)新穎性評價值。根據(jù)公式(4)計算上述各關(guān)鍵詞的IDF值，然后根據(jù)公式(5)計算潛水電機(jī)的技術(shù)創(chuàng)新方案新穎性，得到每個方案的評價指標(biāo)值。

表8 潛水電機(jī)潛在技術(shù)創(chuàng)新機(jī)會技術(shù)新穎性指標(biāo)

由表8可知，技術(shù)方案新穎性指標(biāo)值的比較結(jié)果為⑥>⑤>②>③>①>④。即采用F102潤滑軸承和特殊軸瓦材料的技術(shù)創(chuàng)新機(jī)會>改變潛水電機(jī)推力軸承承磨材料配對的技術(shù)創(chuàng)新機(jī)會>增設(shè)自動保護(hù)技術(shù)系統(tǒng)的技術(shù)創(chuàng)新機(jī)會>增設(shè)甩砂結(jié)構(gòu)的技術(shù)創(chuàng)新機(jī)會>內(nèi)水循環(huán)冷卻系統(tǒng)技術(shù)創(chuàng)新機(jī)會>在軸承座底端過濾器增設(shè)磁性吸附裝置的技術(shù)創(chuàng)新機(jī)會。

4.3.2 潛水電機(jī)技術(shù)創(chuàng)新方案分析結(jié)果驗證

為驗證上述結(jié)果的有效性，本文將上述各技術(shù)創(chuàng)新方案所對應(yīng)創(chuàng)新維度的創(chuàng)新元素作為專利檢索的關(guān)鍵詞，由潛水電機(jī)領(lǐng)域的專家對檢索結(jié)果進(jìn)行篩選，剔除與潛水電機(jī)技術(shù)無關(guān)的專利信息，專利信息庫中對應(yīng)的專利數(shù)量越少，表明該技術(shù)創(chuàng)新方案的新穎性越高[28]。本次專利檢索平臺為國家知識產(chǎn)權(quán)局的專利檢索及分析平臺（http://pss-system.cni‐pa.gov.cn），檢索時間為2019年11月25日。

檢索結(jié)果表明（表9），本文提出的各技術(shù)創(chuàng)新方案的新穎性從高到低的排序依次為⑥、⑤、②、③、①、④，這與實際專利信息庫中的分布趨勢相符，從而驗證了該技術(shù)創(chuàng)新機(jī)會識別路徑的有效性。

5 結(jié)論與展望

本文首先利用LDA主題模型進(jìn)行了專利挖掘，以快速提取關(guān)鍵技術(shù)創(chuàng)新要素；其次，在此基礎(chǔ)上，結(jié)合多維技術(shù)創(chuàng)新圖譜，構(gòu)建了從海量專利信息中獲取技術(shù)創(chuàng)新方案的路徑；再次，通過Tex‐tRank-IDF專利新穎性指標(biāo)，對提出的技術(shù)創(chuàng)新方案進(jìn)行了創(chuàng)新機(jī)會識別評價；最后，以潛水電機(jī)的技術(shù)創(chuàng)新為例，驗證了該技術(shù)創(chuàng)新機(jī)會識別路徑的可行性，為企業(yè)高效開展技術(shù)創(chuàng)新活動提供了科學(xué)的決策依據(jù)。

本文的學(xué)術(shù)貢獻(xiàn)主要體現(xiàn)在以下兩個層面。

一是在技術(shù)創(chuàng)新機(jī)會識別階段。本文將LDA主題模型與多維技術(shù)創(chuàng)新圖譜有機(jī)融合，能夠快速在海量專利信息中通過主題聚類提取影響技術(shù)創(chuàng)新的關(guān)鍵要素，從而與創(chuàng)新法則迭代變換以識別潛在的技術(shù)創(chuàng)新機(jī)會。這不僅解決了以往主要依賴專家進(jìn)行海量專利篩選受主觀因素影響較大的弊端以及效率較低等問題，而且彌補(bǔ)了單一使用LDA主題模型難以深入挖掘技術(shù)創(chuàng)新機(jī)會的不足。

二是在技術(shù)創(chuàng)新機(jī)會評價階段。本文提出了基于新穎性的技術(shù)創(chuàng)新機(jī)會評價方法，綜合應(yīng)用Tex‐tRank-IDF新穎性評價方法，對標(biāo)準(zhǔn)化表達(dá)后的潛在技術(shù)創(chuàng)新機(jī)會的新穎性排序，驗證了本文構(gòu)建評價方法的有效性，為企業(yè)更加客觀地開展技術(shù)創(chuàng)新活動提供了有益的參考和啟發(fā)。

然而，本文以潛水電機(jī)為例構(gòu)建的技術(shù)創(chuàng)新機(jī)會識別路徑存在以下局限。

第一，有待于更為全面地考慮技術(shù)關(guān)鍵詞的選取問題?？茖W(xué)技術(shù)的日新月異使得各具體技術(shù)領(lǐng)域的細(xì)分日趨繁雜，急需領(lǐng)域?qū)＜覙?gòu)建對應(yīng)的用戶詞典，建立更加完善的領(lǐng)域特征詞表，以避免遺漏專業(yè)術(shù)語（技術(shù)關(guān)鍵詞）現(xiàn)象的發(fā)生。因此，未來研究需要在更為完整的語料庫進(jìn)行，以不斷提高研究結(jié)論的準(zhǔn)確性。

第二，有待于更為全面地考慮技術(shù)創(chuàng)新機(jī)會的評價指標(biāo)問題。雖然專利的新穎性是技術(shù)創(chuàng)造性和實用性的基礎(chǔ)，但并非衡量專利價值的唯一指標(biāo)。因此，構(gòu)建技術(shù)創(chuàng)新機(jī)會評價指標(biāo)不能僅局限于新穎性，后續(xù)研究還應(yīng)結(jié)合專利引文網(wǎng)絡(luò)分析，從實用性和經(jīng)濟(jì)性等角度探究衡量潛在技術(shù)創(chuàng)新機(jī)會的系列指標(biāo)。

表9 潛水電機(jī)創(chuàng)新要素檢索和相關(guān)專利