離群專利與論文視角下新興技術(shù)主題識(shí)別研究

邱悅文

江蘇大學(xué)科技信息研究所 鎮(zhèn)江 212013

引言

隨著社會(huì)進(jìn)步，尤其新一代通信技術(shù)發(fā)展，新興技術(shù)如雨后春筍般，層出不窮。新興技術(shù)并非只帶來舊技術(shù)變革，更重要改變?nèi)藗兯枷胗^念與生產(chǎn)方式，新興技術(shù)對(duì)人類社會(huì)影響深遠(yuǎn)。識(shí)別新興技術(shù)并長期監(jiān)測(cè)全球技術(shù)前沿，不僅更早捕捉和發(fā)現(xiàn)技術(shù)動(dòng)態(tài)，更能盡早把握住發(fā)展機(jī)會(huì)，無論國家還是地區(qū)，關(guān)注新興技術(shù)都至關(guān)重要。不僅如此，新興技術(shù)識(shí)別對(duì)政策制定者、企業(yè)、研究所與科研人員，都能及時(shí)而準(zhǔn)確提供科技研究趨勢(shì)與領(lǐng)先技術(shù)領(lǐng)域動(dòng)態(tài)變化情況，幫助決策者選擇技術(shù)領(lǐng)域和對(duì)象開展政策支持工作；為企業(yè)自身定位和確定優(yōu)勢(shì)領(lǐng)域提供參考，挖掘潛在合作機(jī)遇；使得研究所與科研人員，盡早發(fā)現(xiàn)技術(shù)領(lǐng)域發(fā)展新趨勢(shì)[1]。

1 文獻(xiàn)綜述

圍繞專利與論文開展新興技術(shù)識(shí)別工作，首先，構(gòu)建相似矩陣，通過聚類篩選出離群專利與論文；其次，利用LDA模型將離群專利與論文記載內(nèi)容進(jìn)行技術(shù)主題識(shí)別，分別生成專利主題短語和論文主題短語；再次，短語相似度測(cè)算，主題歸并；最后，根據(jù)新興技術(shù)特征設(shè)計(jì)識(shí)別指標(biāo)體系，綜合評(píng)價(jià)確定最終的新興技術(shù)。因此，文獻(xiàn)綜述主要圍繞新興技術(shù)識(shí)別方法和新興技術(shù)特征及判別指標(biāo)體系展開。

在數(shù)據(jù)統(tǒng)計(jì)中與其他群組在數(shù)值上相隔較遠(yuǎn)的觀察值被定義為孤立點(diǎn)，集群中弱關(guān)系值容易被忽視，這些弱關(guān)系值也可能會(huì)蘊(yùn)含潛在開發(fā)價(jià)值，僅考慮孤立點(diǎn)可能會(huì)造成識(shí)別結(jié)果不準(zhǔn)確。因此，本文借鑒羅素平等[2]思路，將研究對(duì)象范圍定在特定領(lǐng)域關(guān)系網(wǎng)絡(luò)中的弱關(guān)系與孤立點(diǎn)的集合，避免遺漏結(jié)果。利用共現(xiàn)矩陣轉(zhuǎn)換相似矩陣，對(duì)相似矩陣聚類后選出遠(yuǎn)離聚類簇的專利與論文作為對(duì)象開展研究。

1.1 新興技術(shù)識(shí)別方法

新興技術(shù)識(shí)別方法可以分為三類：第一類是以專家頭腦風(fēng)暴法為主的定性方法；第二類為以文獻(xiàn)計(jì)量、文本挖掘發(fā)為主的定量方法；第三類為混合型方法。F.M. Tseng等[3]采用情景歸納、德爾菲法、技術(shù)替代模型來識(shí)別新興技術(shù)；談毅等[4]則用技術(shù)路線圖、實(shí)物期權(quán)來識(shí)別新興技術(shù)。隨著新一代通信技術(shù)發(fā)展和信息不斷增長，越來越多學(xué)者開展論文、專利等規(guī)范化數(shù)據(jù)定量研究，減少或者避免定性方法主觀性較強(qiáng)的缺陷，增強(qiáng)識(shí)別方法客觀性與可操作性。

1.2 新興技術(shù)特征與識(shí)別指標(biāo)

新興技術(shù)特征：新穎性、根本創(chuàng)新性、相對(duì)增長性、社會(huì)影響性[5-6]。新穎性指技術(shù)在發(fā)展初期，相關(guān)文獻(xiàn)出現(xiàn)時(shí)間越晚越新穎[7]；根本創(chuàng)新性指舊技術(shù)轉(zhuǎn)變?yōu)樾录夹g(shù)發(fā)生本質(zhì)性變化，該變化是判斷新舊技術(shù)轉(zhuǎn)折點(diǎn)；相對(duì)增長性：與同一領(lǐng)域其他技術(shù)相比，新興技術(shù)增速明顯更快；社會(huì)影響性：新興技術(shù)可能會(huì)對(duì)未來社會(huì)經(jīng)濟(jì)產(chǎn)生影響。在識(shí)別指標(biāo)方面，Lee C等[8]通過專利家族成員數(shù)、權(quán)利要求項(xiàng)數(shù)等多項(xiàng)識(shí)別指標(biāo)來識(shí)別新興技術(shù)；Kyebambe M N等[9]則加入技術(shù)成長周期指標(biāo)來預(yù)測(cè)新興技術(shù)；黃魯成等[10]利用高關(guān)注度、高成長潛力度以及高關(guān)聯(lián)度指標(biāo)對(duì)精密單位定點(diǎn)技術(shù)有效識(shí)別；宋欣娜等[11]利用新穎性、持久性、社區(qū)性、增長性來跟蹤新興技術(shù)。

目前關(guān)于新興技術(shù)主題識(shí)別研究，仍有不足：第一，定性研究結(jié)果主要取決于專家知識(shí)，專家不同，結(jié)果不同，預(yù)測(cè)準(zhǔn)確性下降。第二，新興技術(shù)指標(biāo)體系往往只將單個(gè)指標(biāo)計(jì)算出來，并未考慮各指標(biāo)權(quán)重大小，導(dǎo)致預(yù)測(cè)結(jié)果可能出現(xiàn)偏差。第三，目前識(shí)別研究主要圍繞熱點(diǎn)專利、論文高頻詞展開，對(duì)與熱點(diǎn)相隔較遠(yuǎn)離群專利、關(guān)鍵詞關(guān)注度不夠，然而這些離群專利與離群詞，因其特點(diǎn)與當(dāng)下主流技術(shù)的技術(shù)特點(diǎn)相異，內(nèi)部存在巨大潛力成為新興技術(shù)，忽視它們存在可能會(huì)導(dǎo)致結(jié)果不全面。

針對(duì)不足，在深入理解新興技術(shù)特征基礎(chǔ)上，為進(jìn)一步提升新興技術(shù)識(shí)別的實(shí)際效果，完善新興技術(shù)識(shí)別方法體系，對(duì)專利與論文數(shù)據(jù)，進(jìn)行深度挖掘，實(shí)現(xiàn)對(duì)新興技術(shù)主題有效識(shí)別。

2 新興技術(shù)主題識(shí)別方法

利用社會(huì)網(wǎng)絡(luò)分析法對(duì)相似矩陣進(jìn)行聚類，篩選出離群專利與論文后，借助LDA主題模型處理離群論文與專利文本內(nèi)容，挖掘技術(shù)主題，然后利用短語相似度計(jì)算技術(shù)將專利與論文技術(shù)短語進(jìn)行歸并，避免造成最終識(shí)別結(jié)果重復(fù)。接著根據(jù)新興技術(shù)特征構(gòu)建新興技術(shù)識(shí)別指標(biāo)體系評(píng)價(jià)歸并后的技術(shù)主題，完成新興技術(shù)識(shí)別。具體識(shí)別流程如圖1所示。

圖1 新興技術(shù)主題識(shí)別流程

2.1 新興技術(shù)主題識(shí)別模型

(1)構(gòu)建相似矩陣

相似性可以通過耦合分析、共被引分析、共分類分析來測(cè)度，但由于被引關(guān)系需要一定時(shí)間存在滯后性問題，耦合分析經(jīng)常會(huì)造成數(shù)據(jù)缺失問題，而共分類分析方法體系的IPC分類號(hào)已被絕大多數(shù)國家和地區(qū)專利局使用并作為技術(shù)分類一種方式，具有權(quán)威性、準(zhǔn)確性、易獲取等優(yōu)點(diǎn)，因此本文采用共分類分析來構(gòu)建專利相似矩陣。利用分類號(hào)，借助文獻(xiàn)計(jì)量分析軟件構(gòu)建共現(xiàn)矩陣，再通過系數(shù)轉(zhuǎn)換成相似矩陣。同樣地，雖然論文關(guān)鍵詞由作者自行選定，其表達(dá)方式會(huì)有差異，但根據(jù)其含義也可以進(jìn)行詞形歸并，例如“LDA”“LDA模型”就可歸并為LDA。通過此辦法，利用excel對(duì)關(guān)鍵詞進(jìn)行預(yù)處理之后，再進(jìn)行相似矩陣構(gòu)建。

(2)篩選離群專利與論文

社會(huì)網(wǎng)絡(luò)里每個(gè)人都是一個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)之間連線代表二者關(guān)系，該方法最初研究人之間關(guān)系，后擴(kuò)展到研究技術(shù)間聯(lián)系[12]。利用Ucinet[13]分別對(duì)專利分類號(hào)與論文關(guān)鍵詞進(jìn)行聚類，調(diào)節(jié)閾值，當(dāng)關(guān)系弱于某個(gè)閾值時(shí)，因?yàn)榕c其他節(jié)點(diǎn)關(guān)系不緊密而被排出在網(wǎng)絡(luò)之外，離群分類號(hào)與關(guān)鍵詞形成。專利文件中分類號(hào)有主、次分類號(hào)，其中次分類號(hào)僅包含該項(xiàng)專利次要技術(shù)。因此本文選用最能代表該發(fā)明信息IPC主分類號(hào)為研究對(duì)象，關(guān)鍵詞則根據(jù)人工判讀，剔除與研究無關(guān)的關(guān)鍵詞，例如“方法”等，形成關(guān)鍵詞集合?？紤]到分類號(hào)與關(guān)鍵詞有時(shí)會(huì)脫離語義環(huán)境，因此有必要將離群分類號(hào)與關(guān)鍵詞對(duì)應(yīng)專利與論文查找出來，將摘要與說明書部分摘取出來，全文無意義的詞語太多，而摘要和說明書往往能夠準(zhǔn)確地代表論文與專利內(nèi)容，且篇幅更加精煉，能夠提取出較完備的語義內(nèi)容，即主題短語。

(3)提取主題短語

通過LDA主題模型處理離群論文摘要部分與專利說明書部分，生成專利主題短語與論文主題短語。LDA常被用于大規(guī)模文檔集合建模。運(yùn)用LDA模型開展文本挖掘提取文本主題詞是一種較為慣常和科學(xué)的做法[14]。

(4)相似度計(jì)算

為避免識(shí)別結(jié)果重復(fù)，有必要將專利主題短語與論文主題短語進(jìn)行歸并。利用余弦相似度[15]將論文主題短語與專利主題短語進(jìn)行相似度計(jì)算。相似度在0.95以上，將主題短語進(jìn)行歸并，形成一個(gè)主題短語；如果低于0.95，則為不同的兩個(gè)主題短語。

2.2 新興技術(shù)識(shí)別指標(biāo)體系

根據(jù)新興技術(shù)根本創(chuàng)新性、相對(duì)增長性、影響性、新穎性等特征，構(gòu)建識(shí)別指標(biāo)對(duì)相關(guān)技術(shù)主題進(jìn)行評(píng)估。

新興技術(shù)主題新穎性，采用論文平均發(fā)表年、專利平均授權(quán)年，二者進(jìn)行比較，選取更早的年份來表征新興技術(shù)主題新穎性。原因是一項(xiàng)新興技術(shù)起點(diǎn)的可能是從理論研究開始或先從應(yīng)用研究出發(fā)，而論文是主要理論研究成果，專利是主要應(yīng)用研究成果，因此需要考慮論文與專利出現(xiàn)時(shí)間早晚，并進(jìn)行比較。為了方便計(jì)算，將其標(biāo)準(zhǔn)化，公式為：1/（計(jì)算年-研究主題出現(xiàn)年+1），其中計(jì)算年為2020年，研究出現(xiàn)年為論文平均發(fā)表年/專利平均授權(quán)年。

新興技術(shù)主題根本創(chuàng)新性由其主題下的專利權(quán)利要求平均數(shù)來表征[8]。新興技術(shù)主題影響性可以參考Lee C等人做法[7]通過專利家族成員數(shù)來表征。

此外還應(yīng)該考慮新興技術(shù)關(guān)注人數(shù)情況，關(guān)注人數(shù)越來越多情況下，其規(guī)模也會(huì)越來越壯大，該技術(shù)越有可能成長為真正新興技術(shù)。

綜上所述，新興技術(shù)判別指標(biāo)體系包括：新穎性指標(biāo)、相對(duì)增長性指標(biāo)、根本創(chuàng)新性與影響性指標(biāo)、關(guān)注度指標(biāo)。具體內(nèi)容見表1。

表1 新興技術(shù)主題識(shí)別指標(biāo)

3 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析

車聯(lián)網(wǎng)是我國戰(zhàn)略性新興產(chǎn)業(yè)之一[16]。本文以該領(lǐng)域?yàn)槔?，?yàn)證方法的有效性，同時(shí)識(shí)別出該領(lǐng)域新興技術(shù)主題，為政府決策、企業(yè)戰(zhàn)略、科學(xué)研究等提供參考。

3.1 數(shù)據(jù)采集與描述性統(tǒng)計(jì)

（1）數(shù)據(jù)采集

專利數(shù)據(jù)以Incopat專利數(shù)據(jù)庫作為數(shù)據(jù)來源，以車聯(lián)網(wǎng)領(lǐng)域中國專利為研究對(duì)象，檢索時(shí)間為2020年11月01日。檢索詞為車聯(lián)網(wǎng)、車輛物聯(lián)網(wǎng)、車輛網(wǎng)聯(lián)、汽車通信；檢索方式為標(biāo)題檢索；申請(qǐng)人國別選擇中國；專利申請(qǐng)日選擇2008年1月1日-2019年12月31日?？紤]發(fā)明專利一般比實(shí)用新型與外觀設(shè)計(jì)的實(shí)質(zhì)審核周期長，其質(zhì)量也更高，更能代表中國車聯(lián)網(wǎng)當(dāng)前專利情況。因此選擇已授權(quán)發(fā)明專利或者申請(qǐng)發(fā)明專利，去除與領(lǐng)域不相干專利，共得2422條有效數(shù)據(jù)。

論文數(shù)據(jù)以中國期刊全文數(shù)據(jù)庫（中國知網(wǎng)）作為數(shù)據(jù)來源；以車聯(lián)網(wǎng)領(lǐng)域核心期刊、學(xué)位論文、會(huì)議論文為研究對(duì)象。檢索時(shí)間為2020年11月01日，檢索詞為車聯(lián)網(wǎng)、車輛物聯(lián)網(wǎng)、車輛網(wǎng)聯(lián)、汽車通信，檢索方式為主題檢索，時(shí)間范圍限定2008年1月1日至2019年12月31日，檢索時(shí)間為2020年11月01日。精確檢索，去除會(huì)議通知、消息、序言等記錄，共獲取387篇核心期刊論文，1412篇碩博論文與146篇會(huì)議論文。

（2）描述性統(tǒng)計(jì)

通過統(tǒng)計(jì)可看出該領(lǐng)域存在大量低熱度關(guān)鍵詞與專利分類號(hào)，值得深入研究。

論文關(guān)鍵詞分布區(qū)間見表2，50以上數(shù)量的關(guān)鍵詞有4枚，10~50數(shù)量之間關(guān)鍵詞有59枚，構(gòu)成論文領(lǐng)域關(guān)鍵詞“頭部”；數(shù)量在1~3之間關(guān)鍵詞達(dá)4584枚，這部分關(guān)鍵詞內(nèi)容豐富，占比較高，構(gòu)成論文領(lǐng)域關(guān)鍵詞“長尾”，是可以發(fā)掘新興技術(shù)主題的重要數(shù)據(jù)源。

表2 論文關(guān)鍵詞分布情況

專利分類號(hào)分布區(qū)間見表3，數(shù)量達(dá)500以上的分類號(hào)僅1枚，數(shù)量50以上的分類號(hào)有12枚，數(shù)量10~50之間的分類號(hào)有37枚，數(shù)量在08~10之間的分類號(hào)有104枚，構(gòu)成專利領(lǐng)域關(guān)鍵詞“頭部”；數(shù)量在1~3之間的分類號(hào)達(dá)到984枚，這部分分類號(hào)的內(nèi)容豐富，占比較高，構(gòu)成專利領(lǐng)域分類號(hào)“長尾”，是可以發(fā)掘新興技術(shù)主題的重要數(shù)據(jù)源。

表3 專利分類號(hào)分布情況

綜上所述，本文設(shè)計(jì)新興技術(shù)主題識(shí)別方法對(duì)車聯(lián)網(wǎng)領(lǐng)域可行。

3.2 實(shí)驗(yàn)結(jié)果及分析

(1)專利分類號(hào)相似矩陣

借助Bib Excel軟件[17]構(gòu)建分類號(hào)共現(xiàn)矩陣，通過Ochiia[18]再轉(zhuǎn)換成相似矩陣，結(jié)果如表4。

(2)離群專利識(shí)別

將表4相似矩陣（660×660）導(dǎo)入U(xiǎn)cinet，再進(jìn)行聚類可視化。閾值為0.4，結(jié)果較為清楚，共篩選出97個(gè)關(guān)系較弱節(jié)點(diǎn)和孤立節(jié)點(diǎn)。

表4 相似矩陣結(jié)果（專利部分）

結(jié)果如圖2所示，其中有三個(gè)大聚類簇，包含多個(gè)分類號(hào)，簇1主分類號(hào)為H01Q5/00，含義為使天線同時(shí)工作在兩個(gè)或兩個(gè)以上不同波段裝置，如雙頻或多頻裝置；簇2主分類號(hào)為F03D9/25，含義為驅(qū)動(dòng)裝置為電能產(chǎn)生裝置；簇3主分類號(hào)為G06F3/01，含義為用于用戶和計(jì)算機(jī)之間交互輸入裝置或輸入和輸出組合裝置。

圖2 聚類簇和部分離群分類號(hào)

(3)論文相似矩陣

與專利分類號(hào)處理過程相同，利用論文關(guān)鍵詞，構(gòu)建相似矩陣，見表5。

表5 相似矩陣結(jié)果（論文部分）

(4)離群論文識(shí)別

將 表5相 似 矩 陣（1041×1041）導(dǎo) 入U(xiǎn)cinet，進(jìn)行聚類可視化。閾值調(diào)為0.4，結(jié)果較為清楚，共篩選出107個(gè)關(guān)系較弱節(jié)點(diǎn)和孤立節(jié)點(diǎn)。

圖3展示了閾值為0.4時(shí)所有聚類簇和部分離群關(guān)鍵詞，其中有六個(gè)大聚類簇：簇1關(guān)鍵詞為機(jī)動(dòng)車保險(xiǎn)、差異化市場費(fèi)率、保險(xiǎn)公司、車聯(lián)網(wǎng)，含義為車聯(lián)網(wǎng)環(huán)境下車險(xiǎn)定價(jià)策略；簇2關(guān)鍵詞為車道時(shí)分復(fù)用、實(shí)時(shí)優(yōu)化、快速公交，含義為車聯(lián)網(wǎng)信道傳輸優(yōu)化技術(shù)；簇3關(guān)鍵詞為數(shù)字簽名、可信計(jì)算、遠(yuǎn)程證明，含義為車聯(lián)網(wǎng)安全路由技術(shù)；簇4關(guān)鍵詞為數(shù)字交換、區(qū)塊鏈技術(shù)、去中心化，含義為車聯(lián)網(wǎng)數(shù)據(jù)交換系統(tǒng)設(shè)計(jì)；簇5關(guān)鍵詞為動(dòng)態(tài)網(wǎng)組、組播通信模型、三角網(wǎng)，含義為車聯(lián)網(wǎng)通信模型；簇6關(guān)鍵詞為交叉群口、仿真、速度引導(dǎo)，含義為車聯(lián)網(wǎng)仿真系統(tǒng)設(shè)計(jì)。

圖3 聚類簇和部分離群關(guān)鍵詞

(5)提取主題短語

利用97個(gè)關(guān)系較弱或者孤立專利分類號(hào)節(jié)點(diǎn)和對(duì)應(yīng)專利文獻(xiàn)，利用LDA主題抽取，生成專利主題短語；將107個(gè)關(guān)系較弱或者孤立論文關(guān)鍵詞含義和論文文獻(xiàn)記載內(nèi)容進(jìn)行LDA主題抽取，生成論文主題短語。部分結(jié)果見表6。

表6 部分專利論文主題短語

(6)相似度計(jì)算

利用余弦相似度[14]計(jì)算論文主題短語與專利主題短語相似度，見表7。

表7 相似度計(jì)算（部分）

(7)備選主題短語集合

為避免相同主題在計(jì)算指標(biāo)時(shí)重復(fù)，節(jié)省時(shí)間與精力，在對(duì)主題短語綜合評(píng)價(jià)之前，將相似度水平為0.95以上的主題詞進(jìn)行歸并，形成一個(gè)主題短語；反之為兩個(gè)主題短語。結(jié)果見表8。

表8 備選主題短語集合

3.3 新興技術(shù)主題短語評(píng)價(jià)

為進(jìn)一步確定上述主題短語是否為真正的新興技術(shù)主題，還需結(jié)合新興技術(shù)指標(biāo)體系來確定。

新興技術(shù)主題短語新穎性通過比較論文、專利文獻(xiàn)出現(xiàn)平均時(shí)間，取更早年份來確定。為了方便后續(xù)綜合計(jì)算，將新穎性標(biāo)準(zhǔn)化，參考范少萍等人[19]做法，公式為：1/（計(jì)算年-研究主題出現(xiàn)年+1），例如：無人駕駛主題出現(xiàn)年為2016年，計(jì)算年為2020年，那么標(biāo)準(zhǔn)化后無人駕駛主題新穎性為：1/（2020-2016+1）=0.2。數(shù)值越接近1，新穎性越強(qiáng)。

相對(duì)增長性則按照新興技術(shù)主題短語歷年專利數(shù)量與論文數(shù)量變化情況進(jìn)行曲線擬合，若曲線預(yù)測(cè)斜率k為正值，則比較大小，若為負(fù)值，則直接從備選集合中踢出，例如，備選主題短語車聯(lián)網(wǎng)連通性方法，專利部分預(yù)測(cè)增長斜率為0.1，論文部分預(yù)測(cè)增長斜率為0，都為正值，保留結(jié)果，寫作（0.1,0），見圖4。

圖4 相對(duì)增長性曲線擬合結(jié)果示例

新興技術(shù)主題短語影響性、根本創(chuàng)新性、關(guān)注度，按照表1計(jì)算規(guī)則分別算出結(jié)果。最終各項(xiàng)指標(biāo)的測(cè)度結(jié)果見表9。

表9 主題短語測(cè)各項(xiàng)指標(biāo)測(cè)度結(jié)果

本文采用CRITIC法確定指標(biāo)權(quán)重，CRITIC法是客觀賦權(quán)法[20]。指標(biāo)權(quán)重結(jié)果見表10。需要說明的是，相對(duì)增長性有（A,B）兩個(gè)值，為方便計(jì)算，將A與B值相加，取平均數(shù)，作為計(jì)算綜合指數(shù)里面的相對(duì)增長性值。CRITIC法得到各指標(biāo)權(quán)重，再與對(duì)應(yīng)指標(biāo)值相乘，接著相加，得到綜合指數(shù)。

表10 CRITIC法權(quán)重計(jì)算結(jié)果

如無人駕駛主題各指標(biāo)值如下：根本創(chuàng)新性（8.76）、影響性（1.23）、關(guān)注度（2.43）、取平均數(shù)后相對(duì)增長性（1.50）、標(biāo)準(zhǔn)化后新穎性（0.2），綜合指數(shù)為8.76*0.43+1.23*0.05+2.43*0.20+1.5*0.31+0.2*0.01=4.769829。按照綜合指數(shù)對(duì)備選主題短語進(jìn)行排序，見表11。

表11 車聯(lián)網(wǎng)領(lǐng)域相關(guān)指標(biāo)值排名情況

由表10可知，CRITIC法客觀賦權(quán)結(jié)果中，根本創(chuàng)新性占綜合指數(shù)43%，相對(duì)增長性占綜合指數(shù)31%，關(guān)注度占綜合指數(shù)20%，影響性和新穎性占比為5%與1%。因此，判斷該技術(shù)是否為新興技術(shù)關(guān)鍵指標(biāo)為根本創(chuàng)新性、相對(duì)增長性與關(guān)注度，即關(guān)注度越高、相對(duì)增長性越高、根本創(chuàng)新性越強(qiáng)技術(shù)更可能成為新興技術(shù)。

將綜合指數(shù)全部相加取平均數(shù)得3.919030892，考慮到篇幅所限，本文僅進(jìn)一步研究綜合指數(shù)在平均水平之上的技術(shù)主題。綜合指數(shù)在平均水平之上的技術(shù)主題有：車聯(lián)網(wǎng)邊緣計(jì)算技術(shù)、無人駕駛、自動(dòng)駕駛、車聯(lián)網(wǎng)協(xié)同控制方法、群智感知車聯(lián)網(wǎng)、車聯(lián)網(wǎng)信息管理系統(tǒng)。按照綜合指數(shù)排名順序，依次對(duì)這些技術(shù)主題做進(jìn)一步分析。

（1）邊緣計(jì)算技術(shù)

由表9可知，邊緣計(jì)算技術(shù)相對(duì)增長性高達(dá)6.25，排在第1位，關(guān)注度排在中等位置，但其根本創(chuàng)新性僅為6.2，位于待分析的技術(shù)主題的末位，不符合新興技術(shù)本質(zhì)特征：根本創(chuàng)新性。因此排除。

（2）無人駕駛技術(shù)

由表9可知，無人駕駛技術(shù)根本創(chuàng)新性高達(dá)8.76，排在第1位，其相對(duì)增長性為1.5，排在第2位，且其綜合指數(shù)也排在第2位，符合新興技術(shù)根本創(chuàng)新性、相對(duì)增長性特征，雖然關(guān)注度排名不夠靠前，隨著時(shí)間推移，無人駕駛技術(shù)逐漸興起會(huì)吸引更多人員，關(guān)注度也會(huì)隨之提高。因此無人駕駛技術(shù)為車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù)。

（3）自動(dòng)駕駛技術(shù)

無人駕駛處于駕駛最高級(jí)別，無人駕駛等于完全自動(dòng)駕駛，美國汽車工程師協(xié)會(huì)將自動(dòng)駕駛技術(shù)進(jìn)行了分級(jí)，L0為屬于傳統(tǒng)駕駛，L1和L2屬于駕駛輔助，L3-L5屬于自動(dòng)駕駛，L5自動(dòng)駕駛技術(shù)等級(jí)也稱為無人駕駛。前文已經(jīng)論證了無人駕駛技術(shù)為車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù)，為了更加準(zhǔn)確描述新興技術(shù)，本文認(rèn)為自動(dòng)駕駛技術(shù)不是車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù)，自動(dòng)駕駛技術(shù)高級(jí)階段即無人駕駛技術(shù)為車聯(lián)網(wǎng)識(shí)別領(lǐng)域新興技術(shù)。

（4）車輛協(xié)同控制方法

由表9可知，車輛協(xié)同控制方法根本創(chuàng)新性高達(dá)8，排在第2位，其關(guān)注度也排在第3位，名次靠前，但其相對(duì)增長性僅為0.05，遠(yuǎn)低于同領(lǐng)域其他技術(shù)相對(duì)增長速度，不符合新興技術(shù)相對(duì)增長性特征。所以排除。

（5）群智感知技術(shù)

由表9可知，群智感知技術(shù)根本創(chuàng)新性為8，排在第2位，關(guān)注度排在中等位置，但其相對(duì)增長性僅為0.3，不符合新興技術(shù)相對(duì)增長性特征。因此排除。

（6）車聯(lián)網(wǎng)信息管理系統(tǒng)

由表9可知，車聯(lián)網(wǎng)信息管理系統(tǒng)根本創(chuàng)新性為8，排在第2位，關(guān)注度也排在前列，但其相對(duì)增長性為0，完全不符合新興技術(shù)相對(duì)增長性特征。因此排除。

綜上所述，本文確定無人駕駛技術(shù)為車聯(lián)網(wǎng)領(lǐng)域新興技術(shù)。

3.4 新興技術(shù)主題解讀

無人駕駛能夠有效避免因駕駛技能、心理變化、疲勞程度等人為因素而導(dǎo)致交通事故，有助于合理管控道路交通流量以改善道路通行能力，具有廣闊應(yīng)用前景以及潛在社會(huì)效益。2020年8月召開中國車聯(lián)網(wǎng)大會(huì)暨第十五屆中國衛(wèi)星導(dǎo)航運(yùn)營商大會(huì)，業(yè)內(nèi)專家認(rèn)為無人駕駛技術(shù)是未來很有前景的技術(shù)，但還存在諸多問題需要攻克。例如無人駕駛對(duì)感知傳感器精度依賴性較強(qiáng)，且在非常態(tài)環(huán)境下，安全性無法100%保證，因此需要攻克其核心技術(shù)激光雷達(dá)傳感器等。業(yè)界分析與識(shí)別結(jié)果保持一致，說明新興技術(shù)識(shí)別方法有效性。

4 結(jié)論與不足

為避免單純用專家評(píng)估而帶來過強(qiáng)的主觀性和目前新興技術(shù)主題識(shí)別研究對(duì)離群數(shù)據(jù)源關(guān)注度不夠的問題，以及新興技術(shù)主題識(shí)別指標(biāo)體系的不足之處，提出一種離群專利與論文新興技術(shù)主題識(shí)別方法。通過構(gòu)建相似矩陣，聚類篩選出專利與論文中存在孤立節(jié)點(diǎn)與弱關(guān)系節(jié)點(diǎn)，再通過LDA主題模型抽取技術(shù)主題，最后圍繞新興技術(shù)本質(zhì)特征，設(shè)計(jì)指體系，利用CRITIC法計(jì)算各指標(biāo)權(quán)重之后，計(jì)算綜合指數(shù)，增強(qiáng)了評(píng)估方法的客觀性。選取車聯(lián)網(wǎng)這一新興領(lǐng)域?yàn)閷?shí)證對(duì)象，為國家、企業(yè)以及相關(guān)科研人員與科研機(jī)構(gòu)，提供了情報(bào)支撐。

本研究只針對(duì)新興技術(shù)根本創(chuàng)新性、影響性、相對(duì)增長性等特征來綜合構(gòu)建評(píng)價(jià)指標(biāo)體系，未考慮對(duì)新興技術(shù)主題不確定性進(jìn)行量化。如何測(cè)度新興技術(shù)主題不確定性將成為下一步重點(diǎn)研究內(nèi)容。