農(nóng)機(jī)“卡脖子”技術(shù)識別：綜述與展望

張宗毅

摘 要：農(nóng)業(yè)機(jī)械是發(fā)展現(xiàn)代農(nóng)業(yè)的物質(zhì)基礎(chǔ)，是農(nóng)業(yè)現(xiàn)代化的重要支撐，在WTO多邊貿(mào)易規(guī)則作用逐漸削弱、技術(shù)封鎖行為變得頻繁的背景下，農(nóng)機(jī)裝備領(lǐng)域是否存在“卡脖子”技術(shù)？如何進(jìn)行識別？本文對相關(guān)文獻(xiàn)進(jìn)行了系統(tǒng)梳理，提出了通過關(guān)鍵技術(shù)識別、技術(shù)差距評估、壟斷程度判斷三個維度進(jìn)行“卡脖子”技術(shù)識別的技術(shù)方案。

關(guān)鍵詞：卡脖子;農(nóng)業(yè)機(jī)械;技術(shù)識別

一、問題提出

農(nóng)業(yè)機(jī)械化是轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式、提高農(nóng)村生產(chǎn)力的重要基礎(chǔ)，是實施鄉(xiāng)村振興戰(zhàn)略的重要支撐。而農(nóng)業(yè)機(jī)械是農(nóng)業(yè)機(jī)械化的物質(zhì)基礎(chǔ)，沒有質(zhì)量可靠、性能優(yōu)越的農(nóng)業(yè)機(jī)械就沒有高水平的農(nóng)業(yè)機(jī)械化。農(nóng)業(yè)機(jī)械不僅能彌補(bǔ)農(nóng)業(yè)勞動力轉(zhuǎn)移導(dǎo)致的農(nóng)業(yè)綜合生產(chǎn)能力空缺，還能作為水肥藥等資源節(jié)約型技術(shù)、保護(hù)性耕作等環(huán)境友好技術(shù)、3S和ICT通信及智能化技術(shù)的載體，對現(xiàn)代農(nóng)業(yè)的發(fā)展至關(guān)重要。有研究甚至表明，農(nóng)業(yè)機(jī)械化是資本深化實現(xiàn)農(nóng)業(yè)生產(chǎn)率進(jìn)步的完全中介，也即唯一路徑[1]。

因此，黨和政府也高度重視農(nóng)業(yè)機(jī)械化和農(nóng)機(jī)裝備的發(fā)展。2004年以來歷年中央一號文件均對農(nóng)業(yè)機(jī)械化發(fā)展提出具體要求，2022年中央一號文件更是明確提出“全面梳理短板弱項，加強(qiáng)農(nóng)機(jī)裝備工程化協(xié)同攻關(guān)，加快大馬力機(jī)械、丘陵山區(qū)和設(shè)施園藝小型機(jī)械、高端智能機(jī)械研發(fā)制造并納入國家重點研發(fā)計劃予以長期穩(wěn)定支持”。2004年開始，國家進(jìn)行了已經(jīng)持續(xù)長達(dá)18年的農(nóng)機(jī)購置補(bǔ)貼政策，累計補(bǔ)貼資金超過2000億元。2010年、2018年還由國務(wù)院分別發(fā)布了專項針對農(nóng)機(jī)裝備的指導(dǎo)意見《關(guān)于促進(jìn)農(nóng)業(yè)機(jī)械化和農(nóng)機(jī)工業(yè)又好又快發(fā)展的意見》和《關(guān)于加快推進(jìn)農(nóng)業(yè)機(jī)械化和農(nóng)機(jī)裝備產(chǎn)業(yè)轉(zhuǎn)型升級的指導(dǎo)意見》。

2018年3月份中美貿(mào)易戰(zhàn)以來，美國實施的種種技術(shù)封鎖讓我們感受到核心技術(shù)“卡脖子”的種種被動，全社會都深刻認(rèn)識到關(guān)鍵技術(shù)對產(chǎn)業(yè)鏈發(fā)展的重要性。重點領(lǐng)域之一的農(nóng)機(jī)裝備，該領(lǐng)域是否存在“卡脖子”問題同樣受到廣泛關(guān)注。

然而目前對農(nóng)機(jī)裝備短板弱項缺乏系統(tǒng)梳理。最新的《農(nóng)業(yè)機(jī)械分類》（NY/T 1640—2021）標(biāo)準(zhǔn)，共有32大類100小類504個品目（包含各類其他機(jī)械）。而從事具體技術(shù)研發(fā)的專家，大多僅能從自己所在領(lǐng)域提出短板技術(shù)。2021年農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)機(jī)械化管理司組織國內(nèi)農(nóng)機(jī)相關(guān)科研院所、主要農(nóng)機(jī)龍頭企業(yè)對農(nóng)機(jī)裝備短板技術(shù)進(jìn)行了梳理，形成了《主要農(nóng)作物機(jī)械化生產(chǎn)技術(shù)裝備薄弱環(huán)節(jié)目錄》《丘陵山區(qū)機(jī)械化生產(chǎn)技術(shù)裝備需求目錄》《我國農(nóng)機(jī)裝備重要零部件國外依賴情況目錄》等清單，但這種梳理同樣是基于各個渠道專家和龍頭企業(yè)的意見匯總，對提供上來的繁雜清單如何進(jìn)行甄別、排序？哪些是真的卡脖子？哪些是錯誤信息？目前尚缺乏有效方法和手段解決這些問題。這就導(dǎo)致，很多不重要的技術(shù)需求被錯誤列入清單內(nèi)。比如：清單內(nèi)列入了“再生稻移栽和收獲裝備”的需求，再生稻本身就是上一茬水稻的基節(jié)上的側(cè)芽萌發(fā)分蘗產(chǎn)生的，本就不需要移栽，同時再生稻的收獲與非再生稻的收獲并無本質(zhì)區(qū)別，廣西、廣東等地的再生稻目前基本是機(jī)械收獲，不能將“國外再生稻鮮有種植，尚沒有相關(guān)產(chǎn)品”作為重要技術(shù)需求提出的理由。還有大量類似的無效技術(shù)需求被提出來。如何排除被調(diào)研專家出于個人利益訴求，提出所謂關(guān)鍵核心技術(shù)需求，是業(yè)務(wù)主管部門亟須解決的問題。要解決這一問題，就不能僅僅依靠單一數(shù)據(jù)來源進(jìn)行決策，而是要多渠道的數(shù)據(jù)進(jìn)行交叉印證。

并不是所有關(guān)鍵核心技術(shù)都存在不可逾越的技術(shù)差距，因此識別出關(guān)鍵核心技術(shù)后，還需要進(jìn)一步判斷國內(nèi)與國際是否存在較大的技術(shù)差距。在此基礎(chǔ)上，還需要進(jìn)一步判斷，存在較大技術(shù)差距的核心技術(shù)是否存在個別知識產(chǎn)權(quán)所有人技術(shù)壟斷或者個別國家技術(shù)壟斷的情況，如果核心技術(shù)知識產(chǎn)權(quán)所有人沒有那么相對集中則難以達(dá)成技術(shù)封鎖同盟。識別出存在較大技術(shù)差距且有嚴(yán)重壟斷情形的關(guān)鍵核心技術(shù)后，還需要從價值鏈上判斷這些技術(shù)“卡脖子”后帶來的后果。因此，這些技術(shù)主要涉及哪些具體零部件，這些涉及“卡脖子”關(guān)鍵技術(shù)的零部件占相關(guān)農(nóng)機(jī)整機(jī)的價值份額多大？相關(guān)整機(jī)國產(chǎn)化率情況如何？這些問題也需要進(jìn)一步實證挖掘研究。

二、“卡脖子”技術(shù)概念內(nèi)涵

目前我國產(chǎn)業(yè)發(fā)展面臨著諸多問題，特別是在一些重要產(chǎn)業(yè)創(chuàng)新能力較弱，存在“卡脖子”技術(shù)風(fēng)險[2， 3]。在CNKI里以“卡脖子”為篇關(guān)摘檢索詞匯進(jìn)行檢索，結(jié)果見圖1。以2018年為時間節(jié)點，2018年以前發(fā)文量每年不超過100篇，在2018年中美貿(mào)易戰(zhàn)開始后，相關(guān)文獻(xiàn)數(shù)量急劇攀升，在2021年達(dá)到900篇。

對于什么是“卡脖子”技術(shù)，國內(nèi)部分文獻(xiàn)展開了辨析[4-8]。歸納起來，“卡脖子”技術(shù)至少應(yīng)具備以下三方面的特征：首先，必須是領(lǐng)域內(nèi)的核心關(guān)鍵技術(shù)，只有核心關(guān)鍵技術(shù)才能被“卡”。其次，創(chuàng)新能力必須與競爭對手存在較大的技術(shù)差距，追趕起來存在較大難度。再次，是否存在技術(shù)壟斷，如果核心關(guān)鍵技術(shù)分散在多個國家或掌握在多個知識產(chǎn)權(quán)所有人手中，那么這些知識產(chǎn)權(quán)所有人達(dá)成一致意見的難度相對較大，技術(shù)封鎖的概率不高，但如果關(guān)鍵核心技術(shù)掌握在少數(shù)知識產(chǎn)權(quán)所有人手中，則存在較大“卡脖子”風(fēng)險。

三、核心關(guān)鍵技術(shù)識別

那么，如何識別核心關(guān)鍵技術(shù)呢？多數(shù)研究通?；趯＠治龊诵年P(guān)鍵技術(shù)，這是因為專利信息量大，是技術(shù)創(chuàng)新和自主知識產(chǎn)權(quán)的體現(xiàn)，利用統(tǒng)計方法或技術(shù)手段可以獲得全面信息或提供趨勢預(yù)測[7， 9-12]。那么，又如何從海量專利大數(shù)據(jù)中提取出有用信息，識別出關(guān)鍵技術(shù)呢？目前識別核心專利的方法大致可分為四大類：第一，基于專家智慧的識別方法;第二，基于指標(biāo)評估的識別方法;第三，基于引文網(wǎng)絡(luò)分析的識別方法;第四，基于文本分析的非結(jié)構(gòu)化數(shù)據(jù)的識別方法。

基于專家智慧篩選核心技術(shù)的識別方法。它是目前各級技術(shù)主管部門慣用的方法，通過開會咨詢即可得到結(jié)果，方便快捷而且有一定的效果。盡管對于重要技術(shù)的篩選依據(jù)專家豐富的經(jīng)驗和成熟的業(yè)務(wù)能力有其合理性，但是這種方法僅適用于專利較少的領(lǐng)域，難以批量處理專利數(shù)據(jù)，并且易受個人主觀意見的影響[7， 13]。為了既充分利用專家知識，又盡量客觀，技術(shù)功效模型在實踐中被大量使用，該模型從技術(shù)視角和功效視角對專利進(jìn)行分析[4-17]，在專家確定技術(shù)維度主題和功能維度指標(biāo)后，對檢索出來的專利在“技術(shù)—功效”矩陣中進(jìn)行逐一判別并統(tǒng)計數(shù)量指標(biāo)或其他信息維度指標(biāo)，進(jìn)而雷達(dá)似的掃描矩陣所有分區(qū)中存在的技術(shù)空白或風(fēng)險[18]。

基于指標(biāo)評估篩選核心技術(shù)的識別方法。其包括采用單一指標(biāo)或建立指標(biāo)體系進(jìn)行專利價值評估，評估價值高的專利即核心技術(shù)[19]。單一指標(biāo)主要包括專利被引頻次（被后續(xù)專利引用的次數(shù)越多，價值可能越高），同族專利數(shù)量（數(shù)量越多，價值越高，成為核心技術(shù)的可能性越大），專利權(quán)利要求數(shù)量（數(shù)量越多，保護(hù)范圍越大，經(jīng)濟(jì)價值越高，越可能成為核心專利技術(shù)）[13， 20-22]。指標(biāo)體系評價則是將一些常見的單一指標(biāo)進(jìn)行組合，試圖提高組合整體的全面性[13， 23-28]。

基于引文網(wǎng)絡(luò)分析的識別方法。基于指標(biāo)評估篩選核心技術(shù)的識別方法，僅對專利自身進(jìn)行價值評估，無法展示專利的網(wǎng)絡(luò)關(guān)系和知識的流動特性，評價結(jié)果具有較大的局限性。因此，對專利引文網(wǎng)狀關(guān)系和主題相關(guān)性進(jìn)行分析的引文網(wǎng)絡(luò)分析法是專利分析并識別核心技術(shù)的重要手段之一。社會網(wǎng)絡(luò)分析是常見的引文網(wǎng)絡(luò)分析方法，可以幫助情報分析、創(chuàng)新決策以及核心專利技術(shù)識別[17， 29-31]。社會網(wǎng)絡(luò)分析的主要做法是基于IPC共現(xiàn)網(wǎng)絡(luò)，通過衡量中心度、密度等網(wǎng)絡(luò)結(jié)構(gòu)指標(biāo)，尋找技術(shù)體系中的關(guān)鍵核心技術(shù)[7， 12， 32-34]。

基于文本分析的非結(jié)構(gòu)化數(shù)據(jù)的識別方法?；谥笜?biāo)或指標(biāo)體系的關(guān)鍵技術(shù)識別方法和基于引文網(wǎng)絡(luò)分析的識別方法，都是結(jié)構(gòu)化數(shù)據(jù)的分析方法，結(jié)構(gòu)化數(shù)據(jù)存在時間滯后問題、引文動機(jī)問題。比如一項專利從申請到發(fā)布再到被引用，需要較長一段時間，申請人為了規(guī)避相同或者相似的在先技術(shù)，會對在先專利回避而不進(jìn)行引用，這些都會導(dǎo)致基于結(jié)構(gòu)化的引文數(shù)據(jù)分析方法失效。由于結(jié)構(gòu)化數(shù)據(jù)分析的潛在問題，使得許多學(xué)者將目光聚焦于專利自身的文本內(nèi)容，通過關(guān)鍵詞檢索，查找到相關(guān)范圍的專利文本。將不同時間段專利文本內(nèi)容的聚類分析，可以獲取到專利文獻(xiàn)中的高頻關(guān)鍵詞的變化情況，從而識別出關(guān)鍵專利技術(shù)。常用的文本分析方法有關(guān)鍵詞文本簡單聚類[35， 36]、SAO語義結(jié)構(gòu)[37-45]、LDA主題模型[46-55]、BERT分類模型等[56-60]。也有學(xué)者將多種模型相結(jié)合，如將SAO結(jié)構(gòu)同LDA模型相結(jié)合，提高了模型的主題辨識度與語義消歧功能[61];或?qū)ERT分類模型與LDA主題模型相結(jié)合，用于文本的主題提取，使其可以準(zhǔn)確識別上下文語義與語序，提取出的主題更加精準(zhǔn)有效[62， 63]。

四、技術(shù)差距與技術(shù)壟斷識別

關(guān)于技術(shù)差距的測算，不同領(lǐng)域的文章采用的方法不同。如經(jīng)濟(jì)學(xué)相關(guān)研究的論文，多從產(chǎn)業(yè)的宏觀角度，采用投入產(chǎn)出相關(guān)技術(shù)效率指標(biāo)、勞動生產(chǎn)率指標(biāo)或全要素生產(chǎn)率指標(biāo)測算不同產(chǎn)業(yè)或國家技術(shù)差距[64-67]。顯然，該方法不適用于較為微觀的“卡脖子”技術(shù)差距分析。情報學(xué)領(lǐng)域較為微觀和聚焦，一般是直接進(jìn)行技術(shù)有無和參數(shù)對比。如唐恒等將技術(shù)差距強(qiáng)度定義為某個技術(shù)領(lǐng)域內(nèi)中國專利數(shù)與專利數(shù)量top1的國家專利數(shù)差值與top1的國家專利數(shù)的比值[68]。郭世杰等將技術(shù)差距定義為“人有我無”和“人強(qiáng)我弱”兩個等級，在某技術(shù)領(lǐng)域我國沒有相關(guān)專利而競爭對手有即“人有我無”體現(xiàn)為技術(shù)空白，競爭對手和我國都擁有某種技術(shù)裝備，但在裝備的性能水平上落后于對手，這體現(xiàn)為“技術(shù)水平差距”，該文獻(xiàn)采用了文獻(xiàn)檢索與歸納方法、基于自然語言處理的信息抽取方法[69]。

目前關(guān)于技術(shù)壟斷如何評估的文獻(xiàn)較少，但運用社會網(wǎng)絡(luò)分析法對專利權(quán)人競爭合作關(guān)系分析較多。通過構(gòu)建不同專利權(quán)人之間的關(guān)聯(lián)網(wǎng)絡(luò)，可以了解特定領(lǐng)域內(nèi)區(qū)域、產(chǎn)業(yè)、行業(yè)內(nèi)專利權(quán)人的關(guān)系演化，方便進(jìn)行競爭對手和合作伙伴的識別及評價、技術(shù)布局的戰(zhàn)略選擇。通常來說，這種關(guān)系網(wǎng)絡(luò)可以通過專利權(quán)人之間的引用關(guān)系和技術(shù)合作情況、專利權(quán)人共同關(guān)注的技術(shù)主題三種形式表征。

引用關(guān)系體現(xiàn)了知識、技術(shù)在引用網(wǎng)絡(luò)之間的流動，因此專利權(quán)人引用網(wǎng)絡(luò)既能體現(xiàn)專利權(quán)人的影響力又能體現(xiàn)競爭合作關(guān)系。按引用對象類型分類，引用關(guān)系可以分為專利文獻(xiàn)及非專利文獻(xiàn)兩種。對非專利文獻(xiàn)的引用反映的是知識向技術(shù)的轉(zhuǎn)化過程，寧子晨以學(xué)術(shù)型發(fā)明人為節(jié)點構(gòu)建技術(shù)主題和非專利文獻(xiàn)關(guān)鍵詞共現(xiàn)矩陣體現(xiàn)不同時間段下專利權(quán)人技術(shù)主題關(guān)聯(lián)關(guān)系的演化[70];對專利文獻(xiàn)的引用反映了技術(shù)的溢出，Wang構(gòu)建共被引矩陣通過被引頻次識別以jaccard系數(shù)劃分的技術(shù)領(lǐng)域內(nèi)最具有影響力的企業(yè)[71];李睿從生態(tài)視角用專利引用關(guān)系表征標(biāo)準(zhǔn)必要專利權(quán)人間的關(guān)系，將實力相當(dāng)?shù)钠髽I(yè)之間的引用關(guān)系描述為競爭共生和互利共生關(guān)系[72]。專利引用網(wǎng)絡(luò)類型還可以按照引用網(wǎng)絡(luò)是有向無向網(wǎng)絡(luò)，有權(quán)無權(quán)網(wǎng)絡(luò)分類。相比較來說，有向網(wǎng)絡(luò)更能表征知識技術(shù)的流動，有權(quán)網(wǎng)絡(luò)更能衡量節(jié)點之間聯(lián)系的強(qiáng)度。Ji等、Cho等、Lo、Xiang等根據(jù)專利權(quán)人的引用關(guān)系分別用直接引用、間接引用和引用耦合關(guān)系，表征專利權(quán)人之間的競爭與合作關(guān)系[73-76]。

技術(shù)合作是專利權(quán)人提升核心競爭力的重要途徑，專利合作是技術(shù)合作的重要內(nèi)容。專利權(quán)人合作網(wǎng)絡(luò)構(gòu)建方法可以分為基于特定領(lǐng)域、特定專利權(quán)人、特定區(qū)域或自我中心構(gòu)建。Li等、Tsay和Liu 、Zhou和Zhang考慮專利權(quán)人合作網(wǎng)絡(luò)構(gòu)建方法、描述專利權(quán)人區(qū)域合作特征、合作演化特征[77-79]。王黎螢等構(gòu)建中小企業(yè)合作發(fā)明網(wǎng)絡(luò)，從合作廣度和合作深度的角度探討最優(yōu)效果的合作網(wǎng)絡(luò)模式[80]。Ahuja等探討了技術(shù)合作的自我中心網(wǎng)絡(luò)與創(chuàng)新產(chǎn)出之間的關(guān)系[81]，毛薦其等探討焦點企業(yè)的自我中心網(wǎng)絡(luò)穩(wěn)定性怎樣影響創(chuàng)新產(chǎn)出[82]。

主題關(guān)聯(lián)網(wǎng)絡(luò)通?；诜诸愄柟铂F(xiàn)及相似性分析、主題詞共現(xiàn)分析。常用的分類號類型有IPC、CPC、DPC、USPC等。IPC分類號對應(yīng)35個技術(shù)子領(lǐng)域，不同專利權(quán)人在技術(shù)領(lǐng)域上的相似性，意味著專利權(quán)人之間競爭或合作機(jī)會。黃曉斌、梁辰通過映射IPC分類號到相應(yīng)的技術(shù)領(lǐng)域，構(gòu)建技術(shù)領(lǐng)域與專利權(quán)人共現(xiàn)網(wǎng)絡(luò)，計算向量空間余弦相似度和平方歐式距離評價企業(yè)技術(shù)組合相似度以識別行業(yè)內(nèi)主要競爭對手[83]。曹祺等、向姝璇和李睿等基于Jaccard、Doc2Vec模型、余弦相似度、歐式距離、Pearson相關(guān)系數(shù)等度量相似性[84-85]?；趯＠黝}詞的專利權(quán)人共現(xiàn)分析，則通過選取合適的主題詞提取方式提取恰當(dāng)?shù)闹黝}詞，構(gòu)建向量空間，再對專利權(quán)人與相關(guān)主題詞之間的關(guān)系進(jìn)行分析。

五、文獻(xiàn)評述

已有研究對什么是“卡脖子”技術(shù)進(jìn)行了辨析，對核心關(guān)鍵技術(shù)如何識別、技術(shù)差距如何測度、知識產(chǎn)權(quán)人關(guān)系如何分析等展開了研究，但還存在以下不足。

首先，已有關(guān)于“卡脖子”技術(shù)識別的研究，側(cè)重于關(guān)鍵技術(shù)識別，較少從“關(guān)鍵技術(shù)識別—技術(shù)差距評估—壟斷程度判斷”等多維度展開評估。對于農(nóng)機(jī)這一國家重大戰(zhàn)略產(chǎn)業(yè)的“卡脖子”技術(shù)多維度識別更是缺乏相關(guān)研究。目前全球主要農(nóng)機(jī)裝備的核心關(guān)鍵技術(shù)是什么？熱點技術(shù)是什么？在這些核心關(guān)鍵和熱點技術(shù)上，我國與頭部國家是否存在技術(shù)差距？這些技術(shù)是否存在技術(shù)壟斷？這些問題均有待深入研究，個別文獻(xiàn)提到具體某些技術(shù)差距也僅是泛泛而談，缺乏確切方法和定量證據(jù)[86]。有文獻(xiàn)分析全球農(nóng)機(jī)專利概況，但僅限于幾個簡單指標(biāo)在有限時間段內(nèi)進(jìn)行粗略分析[87]。

其次，已有基于知識產(chǎn)權(quán)的關(guān)鍵技術(shù)識別相關(guān)研究，主要基于專利數(shù)據(jù)庫展開分析，少量文獻(xiàn)結(jié)合了論文數(shù)據(jù)庫和專利數(shù)據(jù)庫，但對于具體產(chǎn)業(yè)的研究還需要結(jié)合產(chǎn)業(yè)自身特有數(shù)據(jù)庫展開研究才能更加深入精準(zhǔn)。特別是，這些研究大多僅對關(guān)鍵技術(shù)進(jìn)行識別，識別出來的關(guān)鍵技術(shù)在中國相關(guān)應(yīng)用產(chǎn)業(yè)的價值鏈中占多大份額？相關(guān)應(yīng)用產(chǎn)業(yè)外資和本土企業(yè)市場份額劃分情況如何？已有文獻(xiàn)未結(jié)合產(chǎn)業(yè)具體情況對這些問題展開深入研究。

針對以上問題、結(jié)合國家重大戰(zhàn)略需求，文獻(xiàn)計量學(xué)、農(nóng)業(yè)經(jīng)濟(jì)學(xué)相關(guān)學(xué)者應(yīng)基于多源數(shù)據(jù)（產(chǎn)學(xué)研企業(yè)調(diào)研數(shù)據(jù)、專利數(shù)據(jù)、論文數(shù)據(jù)、全國農(nóng)機(jī)購置補(bǔ)貼輔助系統(tǒng)數(shù)據(jù)）融合，按照“關(guān)鍵技術(shù)識別—技術(shù)差距評估—壟斷程度判斷”的分析框架，識別出存在較大“卡脖子”風(fēng)險的主要農(nóng)機(jī)關(guān)鍵技術(shù)，并對關(guān)鍵技術(shù)在產(chǎn)業(yè)鏈中的價值地位進(jìn)行進(jìn)一步評判。

參考文獻(xiàn)

[1] 徐建國，張勛.農(nóng)業(yè)生產(chǎn)率進(jìn)步、勞動力轉(zhuǎn)移與工農(nóng)業(yè)聯(lián)動發(fā)展[J].管理世界. 2016（07）： 76-87.

[2] ZHANG M， GUO W， LEI Z. Patent Analysis of Shale Gas Technology in China and Implications for its Exploitation[J]. Energy Technology， 2014，2（12）：1040-1045.

[3] 任文華.錢學(xué)森技術(shù)科學(xué)觀視域下關(guān)鍵核心技術(shù)“卡脖子”問題研究[J].科學(xué)管理研究，2021，39（03）：33-38.

[4] 陳勁，陽鎮(zhèn)，朱子欽.“十四五”時期“卡脖子”技術(shù)的破解：識別框架、戰(zhàn)略轉(zhuǎn)向與突破路徑[J].改革，2020（12）：5-15.

[5] 張治河，苗欣苑.“卡脖子”關(guān)鍵核心技術(shù)的甄選機(jī)制研究[J].陜西師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，49（06）：5-15.

[6] 夏清華，樂毅.“卡脖子”技術(shù)究竟屬于基礎(chǔ)研究還是應(yīng)用研究？[J].科技中國，2020，（10）：15-19.

[7] 董坤，白如江，許海云.省域視角下產(chǎn)業(yè)潛在“卡脖子”技術(shù)識別與分析研究——以山東省區(qū)塊鏈產(chǎn)業(yè)為例[J].情報理論與實踐，2021，44（11）：197-203.

[8] 湯志偉，李昱璇，張龍鵬.中美貿(mào)易摩擦背景下“卡脖子”技術(shù)識別方法與突破路徑——以電子信息產(chǎn)業(yè)為例[J].科技進(jìn)步與對策，2021，38（01）：1-9.

[9] 陳蔚麗.基于Innography的固體廢棄物綜合利用技術(shù)的專利情報分析[J].現(xiàn)代情報，2014，34（08）：100-104+111.

[10] CHO T， SHIH H. Patent citation network analysis of core and emerging technologies in Taiwan： 1997-2008[J]. Scientometrics， 2011，89（03）：795-811.

[11] LIU Y. Food Packaging Printing Technology Trend Analysis： A Patent Analysis Approach[J]. Applied Mechanics and Materials， 2013， 469（469）： 387-395.

[12] KIM E， CHO Y， KIM W. Dynamic Patterns of Technological Convergence in Printed Electronics Technologies： Patent Citation Network[J]. SSRN Electronic Journal， 2014，98（02）： 975-998.

[13] 楊大飛，楊武，田雪姣，等.基于專利數(shù)據(jù)的核心技術(shù)識別模型構(gòu)建及實證研究[J].情報雜志，2021，40（02）：47-54.

[14] 陳穎，張曉林.專利技術(shù)功效矩陣構(gòu)建詞匯模型研究[J].情報科學(xué)，2012，30（11）：1704-1708+1719.

[15] 翟東升，蔡力偉，張杰，等.基于專利數(shù)據(jù)倉庫的技術(shù)功效圖挖掘方法研究——以3D打印技術(shù)為例[J].現(xiàn)代圖書情報技術(shù)，2015（Z1）：131-138.

[16] PALIZBAN O， KAUHANIEMI K. Energy storage systems in modern grids—Matrix of technologies and applications[J]. Journal of Energy Storage， 2016（6）： 248-259.

[17] JIN Y， LIU J， WANG X， LI P， WANG J. Technology Recommendations for an Innovative Agricultural Robot Design Based on Technology Knowledge Graphs[J]. Processes， 2021， 9（11）： 1905.

[18] 王學(xué)昭，趙萍，趙亞娟，等.“技術(shù)-功效”視角下的專利布局形勢揭示與風(fēng)險判定[J].圖書情報工作，2021，65（16）：73-80.

[19] 李姝影，張鑫，許軼，等.核心專利集篩選及專利技術(shù)主題識別影響[J].情報學(xué)報，2019，38（01）：13-20.

[20] 孫濤濤，金碧輝.關(guān)鍵技術(shù)挖掘與企業(yè)技術(shù)競爭情報——以DVD激光頭技術(shù)為例[J].圖書情報工作，2008，（05）：129-132.

[21] SCHETTINO F， STERLACCHINI A， VENTURINI F. Inventive productivity and patent quality： Evidence from Italian Inventors. Journal of Policy Modeling， 2013， 35（06）， 1043-1056.

[22] TONG X， FRAME J. Measuring national technological performance with patent claims data[J]. Research Policy， 1994， 23（02）， 133-141.

[23] 胡小君，陳勁.基于專利結(jié)構(gòu)化數(shù)據(jù)的專利價值評估指標(biāo)研究[J].科學(xué)學(xué)研究，2014，32（03）：343-351.

[24] 呂曉蓉.專利價值評估指標(biāo)體系與專利技術(shù)質(zhì)量評價實證研究[J].科技進(jìn)步與對策，2014，31（20）：113-116.

[25] ZHANG Y， QIAN Y， HUANG Y， GUO Y， ZHANG G， LU J. An entropy-based indicator system for measuring the potential of patents in technological innovation： rejecting moderation[J]. Scientometrics， 2017， 111（03）： 1925-1946.

[26] 楊思思，戴磊，郝屹.專利經(jīng)濟(jì)價值度通用評估方法研究[J].情報學(xué)報，2018，37（01）：52-60.

[27] DU W， WANG Y， XU W， MA J. A personalized recommendation system for high-quality patent trading by leveraging hybrid patent analysis[J]. Scientometrics， 2021， 126（12）： 9369-9391.

[28] 羅天雨.核心專利判別方法及其在風(fēng)力發(fā)電產(chǎn)業(yè)中的應(yīng)用[J].圖書情報工作，2012，56（24）：96-101.

[29] SHIN J， PARK Y. Evolutionary optimization of a technological knowledge network[J]. Technovation， 2010， 30（11-12）： 612-626.

[30] 李蓓，陳向東.海峽兩岸核心及新興技術(shù)比較——基于專利引文網(wǎng)絡(luò)的分析[J].科研管理，2015，36（02）：96-106.

[31] YAN B， LUO J. Measuring technological distance for patent mapping[J]. Journal of the Association for Information Science and Technology， 2016， 68（02）： 423-437.

[32] SUN H， GENG Y， HU L， SHI L， XU T. Measuring Chinas new energy vehicle patents： A social network analysis approach[J]. Energy， 2018（153）：685-693.

[33] 劉桂鋒，盧章平，劉瓊，等.基于社會網(wǎng)絡(luò)分析的江蘇省高校產(chǎn)學(xué)研專利合作研究[J].情報雜志，2015，34（01）：122-126+155.

[34] 解志韜，孔繁翀，謝楠.長三角“雙一流”高校協(xié)同創(chuàng)新時空演進(jìn)——基于合作授權(quán)專利的社會網(wǎng)絡(luò)分析[J].研究與發(fā)展管理，2021，33（05）：149-160.

[35] KAYAKOKU A， AKAY D. Patent Mining[J]. Journal of Polytechnic-Politeknik Dergisi， 2021， 24（02）： 745-753.

[36] JUN S-H. Patent Mining using Beta Regression and R Text Mining[J]. Journal of Korean Institute of Intelligent Systems， 2018， 28（04）： 383-387.

[37] BLASCHKE C， ANDRADE M A， OUZOUNIS C， VALENCIA A. Automatic extraction of biological information from scientific text： protein-protein interactions[J]. Proceedings. International Conference on Intelligent Systems for Molecular Biology， 1999，（7）：60-67.

[38] SEKIMIZU T， PARK H S， TSUJII J I. Identifying the Interaction between Genes and Gene Products Based on Frequently Seen Verbs in Medline Abstracts[J]. Genome informatics. Workshop on Genome Informatics， 1998（9）： 62-71.

[39] 汪雪鋒，邱鵬君，付蕓.一種新型技術(shù)路線圖構(gòu)建研究——基于SAO結(jié)構(gòu)信息[J]. 科學(xué)學(xué)研究， 2015， 33（08）： 1134-1140.

[40] 郭俊芳，汪雪鋒，李乾瑞，朱東華.一種新型的技術(shù)形態(tài)識別方法——基于SAO語義挖掘方法[J]. 科學(xué)學(xué)研究， 2016， 34（01）：13-21.

[41] 李欣，王靜靜，楊梓，等.基于SAO結(jié)構(gòu)語義分析的新興技術(shù)識別研究[J]. 情報雜志， 2016， 35（03）：80-84.

[42] 譚曉，張志強(qiáng).圖情領(lǐng)域中專利分析主題的研究進(jìn)展——基于WOS的文獻(xiàn)分析[J]. 圖書情報工作， 2012， 56（20）：85-91.

[43] CHOI S， YOON J， KIM K， LEE J Y， KIM C-H. SAO network analysis of patents for technology trends identification： a case study of polymer electrolyte membrane technology in proton exchange membrane fuel cells[J]. Scientometrics， 2011， 88（03）： 863-883.

[44] YANG C， ZHU D H， WANG X F et al. Requirement-oriented core technological components' identification based on SAO analysis[J]. Scientometrics， 2017， 112（03）： 1229-1248.

[45] WANG X， MA P， HUANG Y et al. Combining SAO semantic analysis and morphology analysis to identify technology opportunities[J]. Scientometrics， 2017， 111（01）： 3-24.

[46] SALTON G， WONG A， YANG C S. A vector space model for automatic indexing[J]. Communications of the ACM， 1975， 18（11）： 613-620.

[47] DEERWESTER S， DUMAIS S T， FURNAS G W， LANDAUER T K， HARSHMAN R. Indexing by latent semantic analysis[J]. Journal of the American Society for Information Science， 1990， 41（06）： 391-407.

[48] XIA T， CHAI Y. An improvement to TF-IDF： Term Distribution based Term Weight Algorithm[J]. Journal of Software， 2011， 6（03）： 413-420.

[49] HOFMANN T. Probabilistic Latent Semantic Indexing[J]. ACM SIGIR Forum， 2017， 51（02）： 211-218.

[50] BLEI D M， NG A Y， JORDAN M I. LATENT dirichlet allocation[J]. Journal of Machine Learning Research， 2003， 3（4/5）： 993-1022.

[51] 邱均平，沈超.基于LDA模型的國內(nèi)大數(shù)據(jù)研究熱點主題分析[J]. 現(xiàn)代情報， 2021， 41（09）： 22-31.

[52] 林麗麗，馬秀峰.基于LDA模型的國內(nèi)圖書情報學(xué)研究主題發(fā)現(xiàn)及演化分析[J].情報科學(xué)，2019， 37（12）：87-92.

[53] 廖列法，勒孚剛.基于LDA模型和分類號的專利技術(shù)演化研究[J].現(xiàn)代情報， 2017， 37（05）：13-18.

[54] KIM G J， PARK S S， JANG D S. Technology Forecasting using Topic-Based Patent Analysis[J]. Journal of Scientific & Industrial Research， 2015， 74（05）： 265-270.

[55] PAN X， ZHONG B， WANG X， XIANG R. Text Mining-based Patent Analysis of Bim Application in Construction[J]. Journal of Civil Engineering and Management， 2021， 27（05）： 303-315.

[56] 趙月華，朱思成，蘇新寧.面向網(wǎng)絡(luò)虛假醫(yī)療信息的識別模型構(gòu)建研究——一種基于預(yù)訓(xùn)練的BERT模型[J].情報科學(xué)， 2021， 39（12）： 165-173.

[57] 林德萍，汪紅娟.基于BERT和RNN的新聞文本分類對比[J]. 北京印刷學(xué)院學(xué)報， 2021， 29（11）：156-162.

[58] 張海豐，曾誠，潘列，等. 結(jié)合BERT和特征投影網(wǎng)絡(luò)的新聞主題文本分類方法[J].計算機(jī)應(yīng)用，2022（3）： 1-10.

[59] 曾蘭蘭，王以松，陳攀峰.基于BERT和聯(lián)合學(xué)習(xí)的裁判文書命名實體識別[J]. 計算機(jī)應(yīng)用，2022（3）：1-7.

[60] 汪蘇琪，王明文，曾雪強(qiáng).面向規(guī)范性文件的基于BERT的文本糾錯模型[J]. 山西大學(xué)學(xué)報（自然科學(xué)版），2022，45（2）：498-504.

[61] 楊超，朱東華，汪雪鋒，等.專利技術(shù)主題分析：基于SAO結(jié)構(gòu)的LDA主題模型方法[J].圖書情報工作，2017，61（03）：86-96.

[62] XIE Q， ZHANG X， DING Y， SONG M. Monolingual and multilingual topic analysis using LDA and BERT embeddings[J]. Journal of Informetrics， 2020， 14（03）：1-16.

[63] 王秀紅，高敏.基于BERT-LDA的關(guān)鍵技術(shù)識別方法及其實證研究——以農(nóng)業(yè)機(jī)器人為例[J].圖書情報工作，2021，65（22）：114-125.

[64] 林毅夫，劉明興.中國的經(jīng)濟(jì)增長收斂與收入分配[J].世界經(jīng)濟(jì)，2003（08）：3-14+80.

[65] 傅曉霞，吳利學(xué).技術(shù)效率、資本深化與地區(qū)差異——基于隨機(jī)前沿模型的中國地區(qū)收斂分析[J].經(jīng)濟(jì)研究，2006（10）：52-61.

[66] 章祥蓀，貴斌威.中國全要素生產(chǎn)率分析：Malmquist指數(shù)法評述與應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008（06）：111-122.

[67] 鄭江淮，荊晶.技術(shù)差距與中國工業(yè)技術(shù)進(jìn)步方向的變遷[J].經(jīng)濟(jì)研究，2021，56（07）：24-40.

[68] 唐恒，邵澤宇，蔡興兵，等.專利視角下“卡脖子”技術(shù)短板甄選研究[J].中國發(fā)明與專利，2021，18（01）：54-59.

[69] 郭世杰，陳芳，韓濤，等.基于文本挖掘的中美技術(shù)差距分析——以空間技術(shù)領(lǐng)域為例[J].情報學(xué)報，2021，40（08）：806-816.

[70] 寧子晨，魏來.專利主體視角下專利文獻(xiàn)與學(xué)術(shù)論文關(guān)聯(lián)關(guān)系發(fā)現(xiàn)研究——以“數(shù)據(jù)挖掘”主題為例[J]. 圖書情報工作，2020（12）：106-117.

[71] WANG X， ZHANG X， XU S. Patent co-citation networks of Fortune 500 companies[J]. Scientometrics， 2011， 88（03）： 761-770.

[72] 李睿，周維，王雪.引文生態(tài)視角下標(biāo)準(zhǔn)必要專利的引文特征研究.情報學(xué)報2018，（09）：882-889.

[73] JI J J， BARNETT G A， CHU J X. Global networks of genetically modified crops technology： a patent citation network analysis[J]. Scientometrics， 2019， 118（03）： 737-62.

[74] CHO R L T， LIU J S， HO M H C. The development of autonomous driving technology： perspectives from patent citation analysis[J]. Transport Reviews， 2021： 685-711.

[75] LO S C. Patent coupling analysis of primary organizations in genetic engineering research[J]. Scientometrics， 2008，74（01）： 143-151.

[76] XIANG X Y， CAI H， LAM S， PEI Y L. International knowledge spillover through co-inventors： An empirical study using Chinese assigneespatent data[J]. Technological Forecasting and Social Change， 2013， 80（01）： 161-174.

[77] LI FANGYE， LIU WEIWEI， BI KEXIN. Exploring and visualizing spatial-temporal evolution of patent collaboration networks： A case of Chinas intelligent manufacturing equipment industry[J]. Technology in Society， 2020（64）： 101483.

[78] TSAY M Y， Liu Z W. Analysis of the patent cooperation network in global artificial intelligence technologies based on the assignees[J]. World Patent Information， 2020，63：102000.

[79] ZHOU F， ZHANG B. Detecting and Visualizing the Communities of Innovation in Beijing-Tianjin-Hebei Urban Agglomeration Based on the Patent Cooperation Network[J]. COMPLEXITY， 2021， 1：1-14.

[80] 王黎螢，吳瑛，朱子欽，等.專利合作網(wǎng)絡(luò)影響科技型中小企業(yè)創(chuàng)新績效的機(jī)理研究[J]. 科研管理，2021，42（01）：57-66.

[81] AHUJA G， SODA G， ZAHEER A. Introduction to the special issue： The genesis and dynamics of organizational networks[J]， Erratum，2012，23（04）：1211.

[82] 毛薦其，嵇金星，劉娜，等.發(fā)明者網(wǎng)絡(luò)嵌入、穩(wěn)定性與創(chuàng)新績效的關(guān)系研究[J].科學(xué)決策，2021（03）：1-17.

[83] 黃曉斌，梁辰.專利技術(shù)的關(guān)聯(lián)網(wǎng)絡(luò)分析——以4G通信技術(shù)領(lǐng)域為例[J].情報學(xué)報，2015，34（01）：92-104.

[84] 曹祺，趙偉，張英杰，等.基于Doc2Vec的專利文件相似度檢測方法的對比研究[J]. 圖書情報工作，2018，62（13）：74-81.

[85] 向姝璇，李睿.基于專利文獻(xiàn)整體相似度計算的競爭對手發(fā)現(xiàn)——以5G領(lǐng)域為例[J]. 情報理論與實踐，2021（05）：100-105.

[86] 陳志，羅錫文，王鋒德，等.從零基礎(chǔ)到農(nóng)機(jī)大國的發(fā)展之路──中國農(nóng)機(jī)工業(yè)百年發(fā)展歷程回顧[J].農(nóng)學(xué)學(xué)報，2018，8（01）：150-154.

[87] 劉勤.全球農(nóng)機(jī)裝備專利技術(shù)信息分析及啟示[J].華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2020（02）：153-160+170.

（中文校對：李陽）

Identification of “Neck-Jamming” Agricultural Machinery Technologies： An Summary

ZHANG Zongyi

（China Research Institute for Agricultural Equipment Industry Development， Jiangsu University， Zhenjiang， Jiangsu 212013）

Abstract： Agricultural machinery is the material basis for the development of modern agriculture. Under the background of the gradual weakening of the role of WTO multilateral trade rules and the frequent technical blockade， is there any “neck-jamming” technology in the field of agricultural machinery and equipment？ How to identify that？ After systematically combed the relevant literature， the author propose an analysis framework of “key technology identification - technology gap assessment - monopoly degree judgment ” ， evaluates the “neck-jamming”technologies from three dimensions of literature and technology.

Keywords： neck-jamming; agricultural machinery; key technology identification

（英文校譯：翟世賢）