新興技術(shù)概念辨析與識(shí)別方法研究進(jìn)展

高楠　周慶山

關(guān)鍵詞： 新興技術(shù)； 識(shí)別方法； 演化方法； 概念屬性

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０４．０１４

〔中圖分類號(hào)〕Ｇ２５２.８ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２３） ０４－０１５０－１５

隨著新一輪科技革命和產(chǎn)業(yè)變革的加速演進(jìn)，新興技術(shù)識(shí)別成為影響一個(gè)國(guó)家和地區(qū)未來發(fā)展戰(zhàn)略的重要議題。從歐盟“地平線２０２０” 計(jì)劃到德國(guó)“工業(yè)４ ０” 戰(zhàn)略計(jì)劃， 再到中國(guó)的“十四五”國(guó)家科技創(chuàng)新規(guī)劃， 世界各國(guó)（地區(qū)）都在積極制定科技發(fā)展戰(zhàn)略并加強(qiáng)科技創(chuàng)新部署。在這樣的社會(huì)大背景下， 技術(shù)的增長(zhǎng)和更新迭代的速度持續(xù)提升， 同時(shí)， 技術(shù)之間的組合性、交叉性、變化性和依賴性也在不斷占據(jù)越來越重要的地位， 尤其是新興技術(shù)可能會(huì)改變已有產(chǎn)業(yè)的發(fā)展形態(tài)， 創(chuàng)造出新興行業(yè)， 并催生出一系列新的發(fā)展模式， 對(duì)加強(qiáng)科技戰(zhàn)略規(guī)劃、占領(lǐng)科技制高點(diǎn)、支撐科研前瞻布局等具有重要作用， 而如何快速、準(zhǔn)確地識(shí)別出具有較大發(fā)展?jié)摿Φ男屡d技術(shù)成為各國(guó)（地區(qū)）關(guān)注的熱點(diǎn)。從國(guó)家角度來講， 新興技術(shù)的預(yù)測(cè)與識(shí)別有助于國(guó)家技術(shù)的總體布局與發(fā)展規(guī)劃； 從企業(yè)角度來講， 發(fā)現(xiàn)并識(shí)別具有潛力的新興技術(shù)有助于提前規(guī)劃、快速研發(fā)、節(jié)約成本和降低風(fēng)險(xiǎn)， 更有助于確定研發(fā)重點(diǎn)和投資方向； 從研究人員個(gè)人的角度來講， 識(shí)別新興技術(shù)可以幫助研究人員了解領(lǐng)域新動(dòng)向， 使得關(guān)鍵的早期投資能更好地獲得回報(bào)， 促進(jìn)產(chǎn)學(xué)研的結(jié)合。因此， 拓展新興技術(shù)識(shí)別方法，提高新興技術(shù)識(shí)別準(zhǔn)確性， 縮短新興技術(shù)預(yù)測(cè)周期， 深入把握技術(shù)領(lǐng)域適用性， 描繪技術(shù)演化路徑， 對(duì)于新興技術(shù)在未來的發(fā)展布局具有重要戰(zhàn)略意義， 也是迫切的現(xiàn)實(shí)需要。

１“新興技術(shù)”及相關(guān)概念

“新興技術(shù)” 已經(jīng)成為許多研究領(lǐng)域的核心術(shù)語之一， 尤其是在科學(xué)計(jì)量學(xué)、文獻(xiàn)計(jì)量學(xué)和技術(shù)挖掘領(lǐng)域。盡管被頻繁使用， 但目前仍然沒有形成明確的定義和屬性特征。

新興技術(shù)有許多不同的表達(dá)方式， 如新興研究主題、新興趨勢(shì)、新興研究領(lǐng)域等［１］ ， 其常用的英文表達(dá)為“Ｅｍｅｒｇｉｎｇ ｔｅｃｈｎｏｌｏｇｙ”， Ｒｏｔｏｌｏ Ｄ 等［２］提煉了新興技術(shù)表達(dá)方式， 包括ｅｍｅｒｇ? ｔｅｃｈｎｏｌｏｇ?、ｔｅｃｈ? ｅｍｅｒｇｅｎｃｅ、ｅｍｅｒｇｅｎｃｅ ｏｆ? ｔｅｃｈｎｏｌｏｇ?、ｅｍｅｒｇ?ｓｃｉｅｎ? ｔｅｃｈｎｏｌｏｇ?、ｅｍｅｒｇ? ｒｅｓｅａｒｃｈ、ｅｍｅｒｇ? ｔｈｅｍｅ等， 并發(fā)現(xiàn)學(xué)者在開展新興技術(shù)相關(guān)研究時(shí)， 標(biāo)題中出現(xiàn)“ｅｍｅｒｇｉｎｇ” 及“ｅｍｅｒｇｅｎｃｅ” 的覆蓋率高達(dá)５７％， 且在表達(dá)“新興技術(shù)” 的概念時(shí)， “Ｅｍｅｒ?ｇｉｎｇ ｔｅｃｈｎｏｌｏｇｙ” 與“ｔｅｃｈｎｏｌｏｇｙ ｅｍｅｒｇｅｎｃｅ” 經(jīng)常交替使用。因此， 要追溯新興技術(shù)的起源， “ｅｍｅｒ?ｇｅｎｃｅ” 是核心關(guān)鍵詞之一。Ｂｕｒｍａｏｇｌｕ Ｓ 等［３］ 以科學(xué)哲學(xué)、復(fù)雜性理論和經(jīng)濟(jì)學(xué)３ 個(gè)學(xué)科中“ｅｍｅｒ?ｇｅｎｃｅ” 概念的演變?yōu)榍腥朦c(diǎn)， 揭示了新興技術(shù)的理論背景?！埃澹恚澹颍纾澹睿悖濉?一詞最早出現(xiàn)于１９ 世紀(jì)末， 并于２０ 世紀(jì)初在科學(xué)哲學(xué)領(lǐng)域流行起來； ２０世紀(jì)３０ 年代， 該詞出現(xiàn)在復(fù)雜系統(tǒng)的研究中； ２０世紀(jì)５０ 年代， 經(jīng)濟(jì)學(xué)家從進(jìn)化經(jīng)濟(jì)學(xué)的角度對(duì)“ｅｍｅｒｇｅｎｃｅ” 進(jìn)行研究。

國(guó)外關(guān)于新興技術(shù)開創(chuàng)性的研究成果集中出現(xiàn)在由沃頓商學(xué)院的Ｄａｙ Ｇ Ｓ 等［４］ 在２０００ 年出版的Ｗｈａｒｔｏｎ ｏｎ Ｍａｎａｇｉｎｇ Ｅｍｅｒｇｉｎｇ Ｔｅｃｈｎｏｌｏｇｉｅｓ 著作中，提出“新興技術(shù)是一種基于科學(xué)的創(chuàng)新， 其有潛力創(chuàng)造一個(gè)新的產(chǎn)業(yè)或改變現(xiàn)有產(chǎn)業(yè)， 既包括來自變革性創(chuàng)新的非連續(xù)創(chuàng)新， 以及基于各種前序研究而形成的漸進(jìn)性創(chuàng)新”。全球結(jié)構(gòu)和標(biāo)準(zhǔn)工作組將新興技術(shù)定義為： 已具備一定的實(shí)現(xiàn)條件， 但尚未得到充分、成熟的應(yīng)用的技術(shù)［５］ 。國(guó)內(nèi)學(xué)者亦對(duì)新興技術(shù)展開積極研究， 華宏鳴等［６］ 最早于１９９５年出版的《高新技術(shù)管理》中提出， “新興技術(shù)是目前還未被商業(yè)化， 但在未來的３ 到５ 年有可能商業(yè)化， 或者是目前已經(jīng)商業(yè)化， 但在未來可能產(chǎn)生顯著變化的技術(shù)”。目前最受業(yè)界認(rèn)可的是ＲｏｔｏｌｏＤ 等［２］ 給出新興技術(shù)的定義： “新興技術(shù)作為一種全新的、相對(duì)快速發(fā)展的技術(shù)， 其特點(diǎn)是具有一定程度的持續(xù)性， 并有可能對(duì)社會(huì)經(jīng)濟(jì)領(lǐng)域產(chǎn)生相當(dāng)大的影響， 其最突出的影響在于未來， 因此在現(xiàn)階段仍有些不確定和模糊性”。其他學(xué)者對(duì)于新興技術(shù)的定義如表１ 所示。

綜上， 本文認(rèn)為新興技術(shù)是一種正在興起或相對(duì)快速發(fā)展的、具有激進(jìn)新穎性的技術(shù)， 經(jīng)過持續(xù)性發(fā)展， 很可能對(duì)未來的經(jīng)濟(jì)結(jié)構(gòu)或產(chǎn)業(yè)發(fā)展產(chǎn)生顯著性影響。

與“新興技術(shù)” 概念相近的有“熱點(diǎn)技術(shù)”“研究前沿” “顛覆性技術(shù)” 等。①熱點(diǎn)技術(shù)一般認(rèn)為是被學(xué)科共同體廣泛關(guān)注的具有重要影響力的研究?jī)?nèi)容［１９］ ， 重點(diǎn)在于受到的“關(guān)注” 更多， “熱度” 更高， 其學(xué)科影響力已經(jīng)得到積累并顯露。與新興技術(shù)相比， 熱點(diǎn)技術(shù)的范圍更廣， 但其對(duì)新穎性、創(chuàng)新性的要求沒有新興技術(shù)高。隨著新興技術(shù)的發(fā)展， 有可能成為下一個(gè)熱點(diǎn)技術(shù)。但也有學(xué)者認(rèn)為新興技術(shù)與熱點(diǎn)技術(shù)是同一個(gè)概念的不同稱謂［２０－２１］ ； ②研究前沿最早由Ｐｒｉｃｅ Ｄ Ｊ［２２］ 于１９６５ 年提出， 他認(rèn)為研究前沿由領(lǐng)域的３０～５０ 篇最新發(fā)表的高被引文獻(xiàn)及其相關(guān)研究主題來反映， 具備成長(zhǎng)性、影響力及新穎性的特征， 這３ 個(gè)特征與新興技術(shù)類似。與新興技術(shù)相比， 研究前沿的市場(chǎng)潛力已有所顯現(xiàn)， 而新興技術(shù)能否成功還很難定論， 因此， 在不確定與模糊性上新興技術(shù)更高一些［２３］ 。但Ｔｏｉｖａｎｅｎ Ｈ［２４］ 、Ｃｈｅｎ Ｃ Ｍ［２５］ 、盧超［２６］ 等學(xué)者則認(rèn)為“研究前沿” 與“新興技術(shù)” 是不同時(shí)代的不同表述， 但所反映的內(nèi)涵基本一致； ③顛覆性技術(shù)最早由Ｃｈｒｉｓｔｅｎｓｅｎ Ｃ Ｍ［２７］ 于１９９７ 年提出， 認(rèn)為其能夠?qū)ΜF(xiàn)有產(chǎn)業(yè)或市場(chǎng)格局帶來破壞性、顛覆性的影響， 并具有取代現(xiàn)有主流技術(shù)、形成新價(jià)值體系的能力。與新興技術(shù)相比， 顛覆性技術(shù)的不確定性與破壞性更強(qiáng)， 更加強(qiáng)調(diào)創(chuàng)新的突破性， 其顛覆性需被投入市場(chǎng)應(yīng)用時(shí)才得以體現(xiàn)［２８］ 。

本文認(rèn)為新興技術(shù)與熱點(diǎn)技術(shù)、研究前沿、顛覆性技術(shù)在理論上確實(shí)存在區(qū)別， 但在實(shí)際的技術(shù)識(shí)別過程中可以發(fā)現(xiàn)， 各類技術(shù)的識(shí)別方法區(qū)別度不大， 尤其是采用計(jì)量學(xué)方法進(jìn)行技術(shù)識(shí)別時(shí)， 因此， 更為客觀的技術(shù)識(shí)別方法應(yīng)在通用的技術(shù)主題識(shí)別的基礎(chǔ)上， 結(jié)合各類技術(shù)的屬性特征進(jìn)行篩選與甄別。

２新興技術(shù)屬性特征與測(cè)量指標(biāo)

明晰新興技術(shù)屬性特征的意義在于使新興技術(shù)識(shí)別有了可依據(jù)、可測(cè)量的標(biāo)準(zhǔn)， 而不是像前序相關(guān)研究那樣對(duì)專家智慧的依賴性很強(qiáng)， 或缺乏可驗(yàn)證性。因此， 對(duì)于每種屬性特征， 有必要將學(xué)者常采用的經(jīng)典的測(cè)量指標(biāo)進(jìn)行梳理。Ｒｏｔｏｌｏ Ｄ 等［２］ 通過對(duì)有關(guān)新興技術(shù)的經(jīng)典文獻(xiàn)進(jìn)行系統(tǒng)地回顧， 確定了新興技術(shù)的５ 個(gè)屬性特征， 包括激進(jìn)的新穎性、相對(duì)快速增長(zhǎng)、連續(xù)性／ 一致性、顯著性影響、不確定與模糊性， 受到學(xué)界的廣泛認(rèn)可。本文采用Ｒｏｔｏｌｏ Ｄ 歸納的新興技術(shù)屬性特征， 并提煉了各特征典型的測(cè)量指標(biāo)。

２.１激進(jìn)的新穎性

在創(chuàng)新性研究中， 新穎性是將現(xiàn)有知識(shí)以一種全新的、前所未有的方式結(jié)合起來的結(jié)果， 可以是一種漸進(jìn)式的技術(shù)進(jìn)步， 也可以是一種躍進(jìn)性的技術(shù)革新［２９］ 。作為新興技術(shù)屬性特征的核心［２］ ， ＳｍａｌｌＨ 等［１５］ 認(rèn)為， 新興技術(shù)的新穎性具備一種激進(jìn)的不連續(xù)的創(chuàng)新性； Ｂａｉ Ｇ Ｚ 等［３０］ 提出， 如果一個(gè)新主題在連續(xù)兩個(gè)時(shí)間窗口均被識(shí)別出， 則該主題可能代表一個(gè)新興技術(shù)的萌芽， 可作為一個(gè)候選新興主題。

評(píng)估新穎性最常用的方法有： ①比較候選新興技術(shù)主題與前序主題時(shí)間上的新舊度， 最常用的指標(biāo)有“被引文獻(xiàn)的平均發(fā)表時(shí)間”“簇類論文的平均發(fā)表時(shí)間”［３１－３３］ 。如Ｊａｒｉｃ＇ Ｉ等［３４］ 通過被引文獻(xiàn)的平均年齡和近兩年參考文獻(xiàn)占比來反映主題新穎性。Ｈｕａｎｇ Ｌ 等［３５］ 以主題詞出現(xiàn)的最早年份來反映新穎性； ②比較候選新興技術(shù)主題與前序主題內(nèi)容上的相似性， 如Ｌｉｕ Ｙ 等［３６］ 將專利文本向量化，通過計(jì)算向量距離來評(píng)估新穎性； Ｌｉｕ Ｘ 等［３７］ 認(rèn)為， 新興技術(shù)主題在總數(shù)據(jù)集中出現(xiàn)的比例不能高于１５％， 以保證其內(nèi)容上的新穎性。此外， 還有針對(duì)文獻(xiàn)類型的特點(diǎn)提出的反映新穎性的指標(biāo)， 如Ｚｈｏｕ Ｙ 等［３８］ 通過兩個(gè)指標(biāo)來反映專利的新穎性，一是技術(shù)原創(chuàng)性， 即覆蓋的專利分類號(hào)數(shù)量越多，新穎性越高； 二是知識(shí)原創(chuàng)性， 即后向被引次數(shù)越高， 新穎度越低。

２.２相對(duì)快速增長(zhǎng)

Ｃｏｚｚｅｎｓ Ｓ 等［１２］ 、Ｓｍａｌｌ Ｈ 等［１５］ 、Ｗａｎｇ Ｑ［１６］ 均提出新興技術(shù)具有“在短時(shí)間內(nèi)快速增長(zhǎng)” 或至少是“增長(zhǎng)” 的屬性特征， 增長(zhǎng)性可以在多種維度上觀測(cè)到， 如領(lǐng)域參與者數(shù)量、基金資助金額、學(xué)術(shù)產(chǎn)出數(shù)量等。Ｂｏｙａｃｋ Ｋ Ｗ 等［３９］ 總結(jié)了增長(zhǎng)性的兩種表現(xiàn)形式： 一種是萌芽期漲勢(shì)不明顯， 但后續(xù)會(huì)爆發(fā)式增長(zhǎng)； 另一種是在萌芽期迅速發(fā)展為領(lǐng)域焦點(diǎn)， 隨后穩(wěn)步增長(zhǎng)。因此， 新興技術(shù)是相比于同領(lǐng)域其他技術(shù)而言， 發(fā)展得更快的技術(shù)， 采用“相對(duì)快速增長(zhǎng)” 更為準(zhǔn)確。Ｘｕ Ｈ 等［４０］ 通過論文、期刊、基金和作者數(shù)量的平均增長(zhǎng)率來反映增長(zhǎng)性。Ｈｕａｎｇ Ｌ 等［３５］ 為避免數(shù)據(jù)庫(kù)文獻(xiàn)收錄對(duì)結(jié)果測(cè)度的影響， 使用滑動(dòng)詞頻平均增長(zhǎng)率來反映該屬性特征。Ｚｈｏｕ Ｙ 等［３８］ 通過被引專利年齡的中位數(shù)來反映技術(shù)增長(zhǎng)速度。Ｌｉｕ Ｘ 等［３７］ 認(rèn)為， 新興技術(shù)主題的增長(zhǎng)速度至少為所有主題增長(zhǎng)速度的１ ５倍。Ｐｏｔｅｒ Ａ Ｌ 等［４１］ 認(rèn)為， 技術(shù)術(shù)語出現(xiàn)在活躍期的數(shù)量是出現(xiàn)在基期的２ 倍以上， 即滿足了增長(zhǎng)性。宋欣娜等［４２］ 結(jié)合增長(zhǎng)因子與主題擴(kuò)散性模型來衡量技術(shù)的增長(zhǎng)性。此外， 還有研究通過基尼系數(shù)［４３］ 、前景因子［４４］ 、互信息［４５］ 來反映技術(shù)主題的增長(zhǎng)性。

２.３連續(xù)性／ 一致性

與剛萌芽的技術(shù)主題不同， 新興技術(shù)已經(jīng)表現(xiàn)出了持續(xù)一段時(shí)間的一致性或連續(xù)性， 其中， 一致性強(qiáng)調(diào)技術(shù)主題內(nèi)部結(jié)構(gòu)特征的邏輯互聯(lián)； 連續(xù)性強(qiáng)調(diào)新興技術(shù)脫離始源技術(shù)， 能夠以獨(dú)立主題存續(xù)一段時(shí)間， Ｄａｙ Ｇ Ｓ 等［８］ 將之稱為“前序離散研究的匯集”。這個(gè)屬性特征為新興技術(shù)獲得更高的經(jīng)濟(jì)和社會(huì)影響力奠定了基礎(chǔ)， 使之脫離了純粹的概念階段［１４］ 。Ｘｕ Ｈ 等［４０］ 使用Ｊａｃｃａｒｄ 系數(shù)來衡量相鄰時(shí)間窗內(nèi)主題的關(guān)聯(lián)性， 以是否具備連續(xù)的關(guān)聯(lián)性來體現(xiàn)技術(shù)主題的連續(xù)性。Ｈｕａｎｇ Ｌ 等［３５］ 認(rèn)為，隨著技術(shù)主題成熟性的提高， 其在網(wǎng)絡(luò)社區(qū)中與其他節(jié)點(diǎn)間的聯(lián)系會(huì)變得更緊密， 因此， 以網(wǎng)絡(luò)密度比來衡量技術(shù)主題的一致性。Ｌｉｕ Ｘ 等［３７］ 通過設(shè)定的兩個(gè)標(biāo)準(zhǔn)來衡量技術(shù)主題的連續(xù)性， 一是主題詞至少出現(xiàn)在３ 個(gè)時(shí)間窗口內(nèi)； 二是主題詞在單個(gè)時(shí)間窗內(nèi)至少出現(xiàn)于７ 份文檔中。

２.４顯著性影響

由于新興技術(shù)往往起源于為解決復(fù)雜問題而創(chuàng)建的復(fù)雜創(chuàng)新系統(tǒng)［４６］ ， 因此， 新興技術(shù)有機(jī)會(huì)通過社會(huì)經(jīng)濟(jì)體系的多層次應(yīng)用與傳播， 從而產(chǎn)生廣泛的影響， 如改變競(jìng)爭(zhēng)基礎(chǔ)［１０］ ， 創(chuàng)造一個(gè)新產(chǎn)業(yè)或改變現(xiàn)有產(chǎn)業(yè)［４７］ ， 產(chǎn)生更大的經(jīng)濟(jì)影響力等。Ｘｕ Ｈ 等［４８］ 使用被引頻次反映主題的科學(xué)影響性。Ｈｕａｎｇ Ｌ 等［３５］ 以ＰａｇｅＲａｎｋ 來計(jì)算網(wǎng)絡(luò)中節(jié)點(diǎn)的影響性， 主題影響度等于屬于該主題的節(jié)點(diǎn)的平均ＰａｇｅＲａｎｋ 值。Ｊａｎｇ Ｗ 等［４９］ 使用特征向量中心性來計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)的影響力。Ｘｕ Ｓ 等［５０］ 用ＤＩＭ 模型中的線性回歸法計(jì)算主題的科學(xué)影響力。唐恒等［５１］通過賦權(quán)后的用戶支持率與專利轉(zhuǎn)化率的和， 來表達(dá)技術(shù)主題的發(fā)展前景。黃璐等［５２］ 考慮到單純地依靠引用量測(cè)度技術(shù)主題的影響力會(huì)存在時(shí)間偏差， 因此， 將Ｔｉｍｅ－ｒｅｓｃａｌｅｄ 處理方法引入到Ｐａｇ?ｅＲａｎｋ 中， 使節(jié)點(diǎn)得分能夠與同一時(shí)間段出現(xiàn)的節(jié)點(diǎn)進(jìn)行Ｚ－ｓｃｏｒｅ 標(biāo)準(zhǔn)化處理。

２.５不確定性與模糊性

新興技術(shù)是一種具有自組織和自適應(yīng)性的意外現(xiàn)象， 其不確定性是由產(chǎn)生時(shí)機(jī)的不可預(yù)測(cè)性和規(guī)模大小決定的［５３］ ， 且由于技術(shù)涌現(xiàn)具有非線性和多因素性， 這使得新興技術(shù)的發(fā)展總是伴隨著不確定性與模糊性［５４］ 。由于這些技術(shù)仍然在開發(fā)中，其最終的影響還需要時(shí)間來檢驗(yàn)， 況且技術(shù)的發(fā)展并不總伴隨著成功， 也存在失敗的風(fēng)險(xiǎn)， 尤其是在技術(shù)發(fā)展早期， 信息不足使得大部分預(yù)測(cè)分析方法均失效。因此， 不確定性與模糊性是一個(gè)很難評(píng)估的屬性特征。目前， 對(duì)于該屬性特征的研究還很少， Ｗｅｉ Ｌ 等［５５］ 提出可通過跨學(xué)科的弱聯(lián)系或弱信號(hào)的捕捉， 來一定程度地反映新興技術(shù)發(fā)展的不確定性與模糊性； 許海云等［５６］ 基于知識(shí)網(wǎng)絡(luò)強(qiáng)弱關(guān)系變遷測(cè)度新興主題的未來不確定性。

３新興技術(shù)識(shí)別方法

通過文獻(xiàn)總結(jié)與歸納， 將新興技術(shù)識(shí)別方法分為定性分析法和定量分析法， 常見的定性分析法包括德爾菲法、情景分析法、頭腦風(fēng)暴法、技術(shù)路線圖等； 定量分析法主要分為三大類： 科學(xué)計(jì)量分析法、文本挖掘分析法和機(jī)器學(xué)習(xí)方法， 本文將重點(diǎn)介紹定量分析方法。

３.１科學(xué)計(jì)量分析法

３.１.１引文網(wǎng)絡(luò)

作為文獻(xiàn)計(jì)量學(xué)領(lǐng)域最常用的分析方法之一，也是新興技術(shù)識(shí)別最經(jīng)典的識(shí)別方法之一， 引文網(wǎng)絡(luò)分析法包括直接引文分析、共被引分析和耦合分析， 以及較少出現(xiàn)的作者引用網(wǎng)絡(luò)等。該類方法首先是構(gòu)建文獻(xiàn)間的引用關(guān)系網(wǎng)絡(luò)， 再通過各種聚類方法， 實(shí)現(xiàn)對(duì)直接引用網(wǎng)絡(luò)、共被引網(wǎng)絡(luò)及耦合網(wǎng)絡(luò)的聚類與可視化分析， 從而對(duì)新興技術(shù)進(jìn)行識(shí)別。

１） 共被引分析， 如Ｇｏｎｚáｌｅｚ－Ａｌｃａｉｄｅ Ｇ 等［３１］在選定了大規(guī)模集群領(lǐng)域作為知識(shí)基礎(chǔ)的２７８ 篇核心文獻(xiàn)后， 對(duì)涉及的７ １４９篇參考文獻(xiàn)進(jìn)行共被引聚類， 生成的共被引矩陣由１６５ ８９９對(duì)不同的參考文獻(xiàn)組成， 共形成５ 個(gè)聚類簇， 再結(jié)合科學(xué)活動(dòng)、研究群體規(guī)模與穩(wěn)定性、參考文獻(xiàn)年齡等指標(biāo)， 對(duì)新興技術(shù)進(jìn)行遴選與識(shí)別。Ｈｏｕ Ｊ 等［５７］ 采用共被引分析對(duì)信息科學(xué)領(lǐng)域２００９—２０１６ 年的新興研究主題進(jìn)行揭示， 研究發(fā)現(xiàn)， 信息科學(xué)領(lǐng)域知識(shí)基礎(chǔ)發(fā)生了很大變化。

２） 耦合分析， 如Ｓｏｎｇ Ｋ 等［５８］ 采用耦合分析法篩選出在聚類群外的離群專利， 結(jié)合回顧性技術(shù)特征分析和前瞻性市場(chǎng)需求分析， 對(duì)候選新興技術(shù)的技術(shù)特征和市場(chǎng)特征進(jìn)行評(píng)價(jià)， 再根據(jù)這兩種特征值將候選技術(shù)映射到二維空間， 將第一象限的候選技術(shù)定義為新興技術(shù)， 并將該方法應(yīng)用于汽車工業(yè)， 驗(yàn)證了方法的可行性和可用性。Ｌｉ Ｍ 等［５９］ 提出了一種衡量論文與專利間耦合關(guān)系的計(jì)算模型，結(jié)合耦合強(qiáng)度和耦合速度， 來對(duì)人工智能領(lǐng)域的新興技術(shù)和技術(shù)機(jī)會(huì)進(jìn)行識(shí)別。Ｊａｒｎｅｖｉｎｇ Ｂ［６０］ 結(jié)合耦合分析和完全連接聚類分析識(shí)別了嚴(yán)重呼吸道癥候群領(lǐng)域的新興技術(shù)。

３） 直接引文分析， 如Ｋａｊｉｋａｗａ Ｙ 等［６１］ 根據(jù)文獻(xiàn)間是否存在直接引用關(guān)系， 對(duì)能源研究領(lǐng)域的文獻(xiàn)數(shù)據(jù)進(jìn)行相關(guān)性過濾， 基于剩余文獻(xiàn)構(gòu)建直接引文網(wǎng)絡(luò)， 再進(jìn)行拓?fù)渚垲悾?發(fā)現(xiàn)了每一個(gè)引文聚類簇都有其特色的研究主題， 不同引文聚類簇的增長(zhǎng)趨勢(shì)也不同， 研究表明， 通過直接引文網(wǎng)絡(luò)分析，可以從一系列文獻(xiàn)中有效地追蹤新興的研究領(lǐng)域，但研究也存在著因命名（根據(jù)集群中被引次數(shù)最多的２０篇論文的標(biāo)題和摘要來命名聚類簇）造成的對(duì)引用次數(shù)較少的文獻(xiàn)的忽略問題。

４） 作者引用網(wǎng)絡(luò)， 該方法用于新興技術(shù)探測(cè)的基礎(chǔ)共識(shí)是新興前沿的技術(shù)研究是由活躍作者所開展的， 但這種網(wǎng)絡(luò)聚類結(jié)果更適合于對(duì)領(lǐng)域的知識(shí)結(jié)構(gòu)和研究團(tuán)體進(jìn)行揭示， 并不能直接反映領(lǐng)域的研究主題。如Ｚｈａｏ Ｄ 等［６２］ 結(jié)合作者共被引網(wǎng)絡(luò)與作者耦合網(wǎng)絡(luò)， 對(duì)信息科學(xué)領(lǐng)域的知識(shí)結(jié)構(gòu)和新興研究主題進(jìn)行揭示， 認(rèn)為出現(xiàn)在作者耦合網(wǎng)絡(luò)，但未在作者共被引網(wǎng)絡(luò)中出現(xiàn)的聚類簇的作者所研究的主題即新興研究主題。Ｍａ Ｒ［６３］ 采用作者耦合分析法對(duì)中國(guó)圖書情報(bào)領(lǐng)域的知識(shí)結(jié)構(gòu)進(jìn)行揭示，并提出了簡(jiǎn)單法、最小法、組合法３ 種耦合強(qiáng)度計(jì)算方法， 研究發(fā)現(xiàn)最小法是計(jì)算作者耦合強(qiáng)度最合適的方法， 與作者共被引分析法相比， 作者耦合分析法具有更全面、具體地發(fā)現(xiàn)某一學(xué)科知識(shí)結(jié)構(gòu)的優(yōu)勢(shì)， 也能反映該學(xué)科的研究前沿與新興研究。

引文網(wǎng)絡(luò)分析存在的共同問題包括： ①引用行為偏好無法避免， 引用內(nèi)容不同側(cè)重點(diǎn)不同， 但在引文網(wǎng)絡(luò)分析時(shí)無法區(qū)分； ②進(jìn)行引文網(wǎng)絡(luò)聚類的樣本數(shù)據(jù)選擇問題， 現(xiàn)有研究過多地關(guān)注于高被引文獻(xiàn)， 使得低被引文獻(xiàn)的研究?jī)?nèi)容被忽略； ③引文網(wǎng)絡(luò)構(gòu)建對(duì)高質(zhì)量的引文數(shù)據(jù)庫(kù)依賴性較大； ④構(gòu)建的引文網(wǎng)絡(luò)多為無向網(wǎng)絡(luò)， 對(duì)有向網(wǎng)絡(luò)的應(yīng)用較少， 加權(quán)引文網(wǎng)絡(luò)也要比非加權(quán)引文網(wǎng)絡(luò)少； ⑤由于識(shí)別結(jié)果是引文聚類簇， 不能直接得出技術(shù)主題， 還需要借助內(nèi)容分析法、文本挖掘技術(shù)或?qū)＜抑腔鄣确绞絹韺?duì)聚類簇進(jìn)行命名， 且命名結(jié)果存在一定的信息偏差或信息遺漏。

３.１.２共現(xiàn)網(wǎng)絡(luò)

共現(xiàn)網(wǎng)絡(luò)以兩兩詞匯／ 類別在同一文獻(xiàn)中共同出現(xiàn)的次數(shù)為統(tǒng)計(jì)基礎(chǔ)， 建立特定領(lǐng)域內(nèi)詞／ 類別的共現(xiàn)矩陣， 然后進(jìn)行聚類以呈現(xiàn)這些詞／ 類別間的親疏關(guān)系， 進(jìn)而反映出領(lǐng)域內(nèi)研究的熱點(diǎn)與新興趨勢(shì)， 常見的有詞共現(xiàn)網(wǎng)絡(luò)和類別共現(xiàn)網(wǎng)絡(luò)。

１） 詞共現(xiàn)網(wǎng)絡(luò)， 如Ｋａｔｓｕｒａｉ Ｍ 等［６４］ 提出了一種優(yōu)化的共詞網(wǎng)絡(luò)算法ＴｒｅｎｄＮｅｔｓ， 其將共詞網(wǎng)絡(luò)矩陣分解為平滑部分和稀疏部分， 其中， 平滑部分表示平穩(wěn)的研究主題， 稀疏部分表示新興的研究主題， 以動(dòng)態(tài)共詞網(wǎng)絡(luò)來反映新興的研究趨勢(shì)， 研究發(fā)現(xiàn)， 與傳統(tǒng)共詞分析相比， ＴｒｅｎｄＮｅｔｓ 在發(fā)現(xiàn)特征不明顯的新興話題方面具有優(yōu)勢(shì)。Ｌｉ Ｍ［６５］ 提出了一種基于關(guān)鍵詞共現(xiàn)和突發(fā)詞檢測(cè)的改進(jìn)的共詞分析方法， 以共現(xiàn)次數(shù)與中間中心性來表示節(jié)點(diǎn)的權(quán)重， 以模塊度與平均輪廓系數(shù)來反映聚類結(jié)果，對(duì)技術(shù)預(yù)見領(lǐng)域的相關(guān)研究進(jìn)行分析， 發(fā)現(xiàn)詞共現(xiàn)可以呈現(xiàn)新興研究的基本面， 突發(fā)詞頻可以作為一種重要的補(bǔ)充。Ｂｅｓｓｅｌａａｒ Ｐ 等［６６］ 以主題詞與參考文獻(xiàn)的共現(xiàn)關(guān)系為基礎(chǔ)構(gòu)建共現(xiàn)矩陣并聚類， 將一組存在相似性的詞—參考文獻(xiàn)的聚類簇作為一個(gè)研究主題， 以兩篇論文共有的詞—參考文獻(xiàn)組合的數(shù)量來計(jì)算相似度， 該方法的優(yōu)點(diǎn)是結(jié)合了論文的兩種屬性， 來確定所研究領(lǐng)域的細(xì)粒度主題結(jié)構(gòu)。

近年來， 共詞分析法得到了持續(xù)改進(jìn)， “共現(xiàn)詞” 從索引詞、關(guān)鍵詞發(fā)展到自由詞， 共現(xiàn)范圍從一篇論文之內(nèi)細(xì)化到一個(gè)段落之內(nèi)， 乃至同一個(gè)句子之內(nèi)， 切詞方法也得到了豐富， 如ＫＥＡ［６７］ 、ＴＦ－ＩＤＦ［６８］ 、ＴＦ－ＩＳＦ［６９］ 、ＴｅｘｔＲａｎｋ［７０］ 、共現(xiàn)統(tǒng)計(jì)信息法［７１］ 、中心度量法［７２］ 、循環(huán)神經(jīng)網(wǎng)絡(luò)［７３］ 等。該方法的缺陷在于對(duì)前期數(shù)據(jù)清洗要求較高， 如對(duì)同義詞、停用詞、低價(jià)值詞匯的篩選與處理等。此外， 受限于關(guān)鍵詞間的關(guān)聯(lián)關(guān)系， 如當(dāng)新興研究主題與其他傳統(tǒng)領(lǐng)域的關(guān)聯(lián)度不高時(shí)， 很難通過共詞分析識(shí)別出來。還有學(xué)者認(rèn)為， 共詞分析會(huì)破壞知識(shí)結(jié)構(gòu)的穩(wěn)定性， 因?yàn)檫@種分析只是基于單個(gè)詞［７４］ 。

２） 類別共現(xiàn)網(wǎng)絡(luò)， 如李瑞茜等［７５］ 將授權(quán)發(fā)明專利的ＩＰＣ 主、副分類號(hào)對(duì)照到ＷＩＰＯ 發(fā)布的３５個(gè)技術(shù)領(lǐng)域上， 構(gòu)建３５×３５ 的非對(duì)稱技術(shù)關(guān)聯(lián)共類矩陣， 該矩陣的行代表主分類號(hào)的技術(shù)領(lǐng)域， 列表示副分類號(hào)的技術(shù)領(lǐng)域， 行列交叉處為對(duì)應(yīng)的主分類號(hào)與副分類號(hào)共同出現(xiàn)在一個(gè)專利的次數(shù)， 結(jié)合中心度、結(jié)構(gòu)洞和中間人的分析， 識(shí)別了技術(shù)關(guān)聯(lián)網(wǎng)絡(luò)中的核心技術(shù)、中介技術(shù)和新興技術(shù)。

３.１.３異質(zhì)網(wǎng)絡(luò)

引文網(wǎng)絡(luò)、共詞網(wǎng)絡(luò)一般都屬于同質(zhì)網(wǎng)絡(luò)， 即網(wǎng)絡(luò)中的節(jié)點(diǎn)均屬于同一實(shí)體類型， 目前常見的混合不同網(wǎng)絡(luò)用以技術(shù)識(shí)別的研究， 也多基于同質(zhì)網(wǎng)絡(luò)， 如混合共被引網(wǎng)絡(luò)與耦合網(wǎng)絡(luò)［７６－７７］ 、混合直接引用網(wǎng)絡(luò)與共被引網(wǎng)絡(luò)。異質(zhì)網(wǎng)絡(luò)指網(wǎng)絡(luò)中的節(jié)點(diǎn)屬于不同的節(jié)點(diǎn)類型， 如Ｓｅｂａｓｔｉａｎ Ｙ 等［７８］ 提出了一種新的異構(gòu)書目信息網(wǎng)絡(luò)模型（ＨＢＩＮ－ＬＢＤ），旨在基于現(xiàn)有的各種書目元數(shù)據(jù)（包括作者、術(shù)語、出版商、被引文獻(xiàn)和論文）之間的相互聯(lián)系（包括詞共現(xiàn)關(guān)系、作者合著關(guān)系、耦合關(guān)系、直接引用關(guān)系）， 構(gòu)建基于圖的異構(gòu)元路徑， 包括４ 種二級(jí)元路徑、６ 種三級(jí)元路徑、６ 種四級(jí)元路徑， 并對(duì)不同類型實(shí)體間邊權(quán)重的計(jì)算方式進(jìn)行設(shè)計(jì)， 從而發(fā)現(xiàn)研究論文之間的潛在聯(lián)系， 實(shí)現(xiàn)對(duì)自身聯(lián)系較少的交叉領(lǐng)域新興技術(shù)的識(shí)別。

３.?1.４混合分析

混合分析常見的有以下幾種類型的研究：

１） 對(duì)不同的網(wǎng)絡(luò)分析方法進(jìn)行對(duì)比研究， 如Ｂｏｙａｃｋ Ｋ Ｗ 等［７９］ 、Ｓｈｉｂａｔａ Ｎ 等［８０］ 、張嘉彬［８１］ 、Ｊａｒｎｅｖｉｎｇ Ｂ［８２］ 、Ｆｕｊｉｔａ Ｋ 等［８３］ 通過對(duì)直接引文網(wǎng)絡(luò)、共被引網(wǎng)絡(luò)、耦合網(wǎng)絡(luò)識(shí)別結(jié)果的對(duì)比研究發(fā)現(xiàn)： 在時(shí)間維度上， 直接引文網(wǎng)絡(luò)與耦合網(wǎng)絡(luò)的探測(cè)速度均要優(yōu)于共被引網(wǎng)絡(luò)； 在精確度上， 耦合網(wǎng)絡(luò)要稍優(yōu)于共被引網(wǎng)絡(luò)， 直接引文網(wǎng)絡(luò)是最不準(zhǔn)確的方法； 不同的引文網(wǎng)絡(luò)識(shí)別結(jié)果在數(shù)量與內(nèi)容上均存在差異， 但內(nèi)容方面也有一定的重疊； 加權(quán)引文網(wǎng)絡(luò)在新興主題探測(cè)方面比無加權(quán)引文網(wǎng)絡(luò)顯示出更多的優(yōu)越性， 且以引用頻次作為權(quán)重比以主題詞相似性、文獻(xiàn)相似性等作為權(quán)重的效果更好。

２） 對(duì)不同的網(wǎng)絡(luò)類型進(jìn)行融合／ 組合， 包括：①對(duì)不同的同質(zhì)網(wǎng)絡(luò)分析結(jié)果進(jìn)行組合， 如ＳｍａｌｌＨ 等［１５］ 將兩個(gè)基于大規(guī)模科學(xué)文獻(xiàn)的直接引用和共被引模型聚類結(jié)果進(jìn)行結(jié)合， 通過差異函數(shù)來篩選技術(shù)主題， 該函數(shù)能有效識(shí)別新的、快速增長(zhǎng)的主題集群， 最終識(shí)別出２００７—２０１０ 年每年的Ｔｏｐ２５新興研究主題， 并按照驅(qū)動(dòng)新興技術(shù)主題出現(xiàn)的原因， 對(duì)其進(jìn)行分類， 最后通過搜索與該主題相關(guān)的文獻(xiàn)或其主要研究人員所獲獎(jiǎng)項(xiàng)來進(jìn)行結(jié)果驗(yàn)證；②對(duì)不同的同質(zhì)網(wǎng)絡(luò)進(jìn)行融合， 再基于融合后的實(shí)體關(guān)系形成新的融合網(wǎng)絡(luò)。如蘇娜等［８４］ 采用基于Ｚ－ｓｃｏｒｅ 的多關(guān)系融合方法， 對(duì)科學(xué)計(jì)量學(xué)領(lǐng)域文獻(xiàn)集間的共現(xiàn)關(guān)系、文獻(xiàn)耦合關(guān)系、共被引關(guān)系進(jìn)行融合， 得到了比Ｊａｎｓｓｅｎｓ Ｆ 等［８５］ 所提的基于Ｆｉｓｈｅｒ 的多關(guān)系融合方法更好的主題聚類結(jié)果?？涤詈剑郏福叮?從異質(zhì)網(wǎng)絡(luò)視角出發(fā)， 構(gòu)建“耦合—共被引” 混合網(wǎng)絡(luò)分析模型， 并從網(wǎng)絡(luò)整體、網(wǎng)絡(luò)組群、網(wǎng)絡(luò)個(gè)體３ 個(gè)層面進(jìn)行技術(shù)機(jī)會(huì)分析。

３） 混合引文網(wǎng)絡(luò)與文本分析， 如Ｇｌ?ｎｚｅｌ Ｗ等［８７］ 提出了一種基于耦合向量和文本相似性的線性組合算法來識(shí)別核心文檔， 通過核心文檔和不同時(shí)期聚類文檔集之間的交叉引用， 結(jié)合混合聚類算法， 來檢測(cè)新出現(xiàn)、增長(zhǎng)異常， 或內(nèi)容發(fā)生變化的新興技術(shù)主題， 并以生命科學(xué)、應(yīng)用科學(xué)和社會(huì)科學(xué)領(lǐng)域?yàn)槔M(jìn)行實(shí)證分析。

３.２文本挖掘分析法

３.２.１詞頻統(tǒng)計(jì)分析法

新興技術(shù)出現(xiàn)時(shí)， 相關(guān)的主題詞出現(xiàn)的頻率也會(huì)越來越高， 甚至?xí)话l(fā)性出現(xiàn)高集中性、高密度特性的新主題詞， 詞頻統(tǒng)計(jì)分析法就是利用這一特性， 通過分析詞頻變化來識(shí)別新興技術(shù)。ＫｌｅｉｎｂｅｒｇＪ［８８］ 提出， 可通過詞頻密度變化來識(shí)別出詞頻突發(fā)性增長(zhǎng)的一組詞， 進(jìn)而輔助新興主題識(shí)別。ＣｈｅｎＣ［８９］ 將Ｋｌｅｉｎｂｅｒｇ 詞頻突破算法應(yīng)用于其開發(fā)的ＣｉｔｅＳｐａｃｅ 系列軟件， 使之成為基于詞頻統(tǒng)計(jì)識(shí)別領(lǐng)域熱點(diǎn)及新興主題最常用的工具之一。劉自強(qiáng)等［９０］ 基于Ｎ－Ｇｒａｍ 模型抽取蘊(yùn)含時(shí)間標(biāo)簽的多元詞匯Ｂｉ－Ｇｒａｍ 與Ｔｒｉ－Ｇｒａｍ， 以提高主題詞的語義表達(dá)能力， 然后構(gòu)建多元詞匯的詞頻時(shí)間序列， 利用分段線性回歸模型（ＰＷＬＲ）結(jié)合新興特征值， 進(jìn)行新興詞匯識(shí)別?；诟哳l詞或爆發(fā)詞來識(shí)別新興技術(shù)的優(yōu)點(diǎn)是操作簡(jiǎn)單， 可直觀地揭示研究領(lǐng)域的內(nèi)容特征， 但缺陷在于識(shí)別結(jié)果碎片化， 缺乏語義關(guān)聯(lián)， 能夠揭示的內(nèi)容有限。

３.２.２主題模型分析法

主題模型能夠?qū)崿F(xiàn)以非監(jiān)督機(jī)器學(xué)習(xí)的方式，完成對(duì)文獻(xiàn)中隱含的語義結(jié)構(gòu)的揭示。在新興技術(shù)識(shí)別中最常用的主題模型即ＬＤＡ 及其各種衍化版模型， 如ＤＴＭ、ｃＤＴＭ、ＤＩＭ、ＰＬＤＡ 等。ＬＤＡ 最早由Ｂｌｅｉ Ｄ Ｍ 等［９１］ 于２００３ 年提出， 該模型可基于統(tǒng)計(jì)概率層面表達(dá)詞間的語義層次關(guān)系； 后于２００６ 年［９２］ ， 在代表主題的多項(xiàng)分布的自然參數(shù)上使用狀態(tài)空間模型， 推出ＤＴＭ（Ｄｙｎａｍｉｃ Ｔｏｐｉｃ Ｍｏｄ?ｅｌ）模型； 后又陸續(xù)推出連續(xù)時(shí)間動(dòng)態(tài)模型ｃＤＴＭ（Ｃｏｎｔｉｎｕｏｕｓ Ｔｉｍｅ Ｄｙｎａｍｉｃ Ｔｏｐｉｃ）［９３］ 、動(dòng)態(tài)影響模型ＤＩＭ （Ｄｏｃｕｍｅｎｔ Ｉｎｆｌｕｅｎｃｅ Ｍｏｄｅｌ）［９４］ 。２００９ 年，Ｗａｎｇ Ｙ 等［９５］ 對(duì)ｃＤＴＭ 模型進(jìn)行了改進(jìn)， 提出ＰＬ?ＤＡ 模型。此外， 其他的主題模型還有ＭＤＴＭ（Ｍｕｌ?ｔｉｐｌｅ Ｔｉｍｅｓｃａｌｅｓ ＤＴＭ ）［９６］ 、ＴｏＴ （ Ｔｏｐｉｃ ＯｖｅｒＴｉｍｅ）［９７］ 、ＴＤＭ（Ｔｒｅｎｄ Ｄｅｔｅｃｔｉｏｎ Ｍｏｄｅｌ）［９８］ 等。

具體來看， Ｒａｎａｅｉ Ｓ 等［９９］ 以ＬＥＤ 和閃存技術(shù)為例， 對(duì)比分析了詞頻統(tǒng)計(jì)分析法（ＴＦ－ＩＤＦ）、涌現(xiàn)評(píng)分法（Ｅｍｅｒｇｅｎｃｅ Ｓｃｏｒｅ， ＥＳｃｏｒｅ） 和ＬＤＡ 在識(shí)別新興技術(shù)方面的效果， 研究顯示， 詞頻統(tǒng)計(jì)分析法提供了新興技術(shù)更細(xì)節(jié)的涌現(xiàn)模式， 但結(jié)果中通用術(shù)語占了很大比例， 需要專家輔助解讀； ＥＳｃｏｒｅ由于綜合考慮了術(shù)語頻率、規(guī)模和起源地， 能夠提供更全面的新興技術(shù)視角； ＬＤＡ 能夠揭示新興技術(shù)主題間的聯(lián)系， 對(duì)于主題中每個(gè)詞的出現(xiàn)， 可以根據(jù)其相鄰的關(guān)鍵詞進(jìn)行解釋。Ｙａｎ Ｅ［１００］ 采用ＬＤＡ 模型結(jié)合主題流行性和主題影響力指標(biāo)， 以及對(duì)ＬＩＳ 領(lǐng)域的新興技術(shù)主題進(jìn)行識(shí)別。徐路路等［１０１］ 采用ＰＬＤＡ 模型結(jié)合項(xiàng)目、論文、專利３ 種科技文獻(xiàn)數(shù)據(jù)源對(duì)石墨烯領(lǐng)域新興主題進(jìn)行探測(cè)，并通過文獻(xiàn)調(diào)研結(jié)合專家智慧驗(yàn)證了該方法的可行性和有效性。

主題模型能高效地分析大規(guī)模非結(jié)構(gòu)化文檔集， 且在語義抽取與語義表達(dá)方面具有優(yōu)勢(shì)， 但由于其屬于無監(jiān)督學(xué)習(xí)算法， 結(jié)果的可控性不高， 且前期對(duì)于數(shù)據(jù)的預(yù)處理要求較高， 包括通用詞刪除、主題詞規(guī)范、術(shù)語詞典構(gòu)建等， 否則會(huì)影響主題識(shí)別效果。

３.２.３結(jié)構(gòu)語義分析法

最常見的基于結(jié)構(gòu)語義進(jìn)行新興技術(shù)識(shí)別的方法， 即基于ＳＡＯ（Ｓｕｂｊｅｃｔ－Ａｃｔｉｏｎ－Ｏｂｊｅｃｔ）結(jié)構(gòu)的語義分析法。該方法在提取文獻(xiàn)中“主語—謂語—賓語” 結(jié)構(gòu)的基礎(chǔ)上， 通過分析Ｓｕｂｊｅｃｔ（Ｓ）、Ａｃ?ｔｉｏｎ（Ａ）、Ｏｂｊｅｃｔ（Ｏ）間的語義關(guān)系， 來判斷所提取的ＳＡＯ 結(jié)構(gòu)是表達(dá)了何種含義， 若ＡＯ 代表關(guān)鍵問題， Ｓ 代表解決方案， 則ＳＡＯ 形成了“問題———解決方案” 模式； 若ＳＯ 代表系統(tǒng)組件， Ａ 代表功能，則ＳＡＯ 形成了“功能———系統(tǒng)組件” 模式［１０２］ 。ＭａＴ 等［１０３］ 提出了一種結(jié)合ＬＤＡ 主題模型、ＳＡＯ 結(jié)構(gòu)語義模型、機(jī)器學(xué)習(xí)和專家判斷的混合方法， 來識(shí)別染料敏化太陽(yáng)能電池領(lǐng)域的新興技術(shù)和潛在機(jī)會(huì)， 研究發(fā)現(xiàn)， 與摘要相比， 標(biāo)題對(duì)專利技術(shù)主題識(shí)別準(zhǔn)確度的影響更大； 專利ＩＰＣ 分類越獨(dú)特， 即與其他專利共通的ＩＰＣ 分類越少， 技術(shù)主題識(shí)別的準(zhǔn)確度越大。周海煒等［１０４］ 構(gòu)建了基于專利ＳＡＯ 結(jié)構(gòu)和多指標(biāo)評(píng)價(jià)的新興技術(shù)識(shí)別模型， 該算法首先將ＳＡＯ 與ＴＦ－ＩＤＦ 算法相結(jié)合來計(jì)算專利文本相似性， 采用譜聚類與Ｓｃｉｋｉｔ－ｌｅａｒｎ 算法劃分手機(jī)芯片行業(yè)子技術(shù)領(lǐng)域， 再綜合多維指標(biāo)體系與專利量年度變化來判別新興技術(shù)。Ｃｈｏｉ Ｓ 等［１０５］ 采用ＮＬＰ 與語義信息鏈接方法從專利全文中提?。樱粒?結(jié)構(gòu)， 將Ｓｕｂｊｅｃｔ、Ｏｂｊｅｃｔ 轉(zhuǎn)換為名詞、動(dòng)詞的形式， 基于名詞—謂語矩陣構(gòu)建ＳＡＯ 網(wǎng)絡(luò)， 最后結(jié)合度數(shù)、中心性等指標(biāo)， 以及行動(dòng)者網(wǎng)絡(luò)理論來識(shí)別新興技術(shù)。

ＳＡＯ 可以在有效地表達(dá)詞間語義關(guān)系的基礎(chǔ)上， 清晰地反映技術(shù)的關(guān)鍵概念、屬性、結(jié)構(gòu)、功能、制備工藝等， 揭示技術(shù)是如何被使用或使用技術(shù)的目的， 以及如何與其他技術(shù)相互作用。但由于ＳＡＯ 結(jié)構(gòu)的復(fù)雜性， 很難準(zhǔn)確地從文本信息中定位并提煉相應(yīng)的Ｓ、Ａ、Ｏ 部分， 且由于技術(shù)的復(fù)雜性， 即使在專家的輔助下， 有時(shí)也很難解讀各部分間的語義關(guān)系。

３.３機(jī)器學(xué)習(xí)方法

為了提高新興技術(shù)識(shí)別準(zhǔn)確度， 機(jī)器學(xué)習(xí)方法被眾多學(xué)者使用， 其核心是將新興技術(shù)識(shí)別問題轉(zhuǎn)化為分類問題。如Ｌｉａｎｇ Ｚ 等［１０６］首先采用深度神經(jīng)網(wǎng)絡(luò)中的ＬＳＴＭ 和ＮＮＡＲ， 結(jié)合９ 種計(jì)量指標(biāo)來對(duì)技術(shù)主題的熱度分值進(jìn)行預(yù)測(cè)， 該指標(biāo)以時(shí)間序列的方式反映候選技術(shù)主題的影響力和增長(zhǎng)性； 其次， 從高熱度候選技術(shù)主題中篩選出新穎性高的新興技術(shù)主題， 此外， Ｌｉａｎｇ Ｚ 等綜合對(duì)比了分別在全局策略和局部策略下ＬＳＴＭ、ＮＮＡＲ、ＬｉｇｈｔＧＢＭ、線性回歸、多項(xiàng)式回歸、ＥＳｃｏｒｅ、Ｎａｉｖｅ Ｍｅｔｈｏｄ ７種方法在指標(biāo)值預(yù)測(cè)準(zhǔn)確性和最優(yōu)排序方面的表現(xiàn)， 發(fā)現(xiàn)兩種神經(jīng)網(wǎng)絡(luò)模型在大多數(shù)指標(biāo)上表現(xiàn)均優(yōu)于其他５ 種模型， ＬＳＴＭ 的表現(xiàn)還要優(yōu)于ＮＮＡＲ。Ｈｕａｎｇ Ｌ 等［３５］ 提出了一種基于動(dòng)態(tài)共詞網(wǎng)絡(luò)的新興主題分析方法， 該方法首先構(gòu)建多時(shí)間切片下的動(dòng)態(tài)加權(quán)共詞網(wǎng)絡(luò)， 再引入鏈路預(yù)測(cè)方法來揭示共詞網(wǎng)絡(luò)的動(dòng)態(tài)變化， 同時(shí)， 采用機(jī)器學(xué)習(xí)算法擬合３ 種鏈路預(yù)測(cè)指標(biāo)， 充分評(píng)估局部結(jié)構(gòu)、路徑和隨機(jī)游走信息， 提高了鏈路預(yù)測(cè)方法的準(zhǔn)確性， 最后結(jié)合新穎性、增長(zhǎng)性、連續(xù)性和影響性４ 種測(cè)量指標(biāo)進(jìn)行新興技術(shù)主題識(shí)別， 并經(jīng)專家驗(yàn)證確認(rèn)了本文方法的可行性和可靠性。Ｘｕ Ｓ 等［５０］ 利用動(dòng)態(tài)影響模型（ＤＩＭ）識(shí)別技術(shù)主題， 并計(jì)算技術(shù)主題的增長(zhǎng)性、連續(xù)性和影響力， 通過引文影響力模型（ＣＩＭ）計(jì)算新穎性， 采用多任務(wù)最小二乘支持向量模型（ＭＴＬＳ－ＳＶＭ）對(duì)未來兩年的指標(biāo)值進(jìn)行預(yù)測(cè)， 并以基因編輯領(lǐng)域?yàn)槔?識(shí)別到了３ 個(gè)新興技術(shù)主題?？椎骆旱龋郏保埃罚?使用ＢＥＲＴ 預(yù)訓(xùn)練模型將專利文本向量化， 基于語義相似度構(gòu)建專利相似度網(wǎng)絡(luò)，識(shí)別離群專利， 然后基于ＤＮＮ 模型構(gòu)建離群專利指標(biāo)與技術(shù)影響力之間的關(guān)系， 實(shí)現(xiàn)從海量離群專利中快速、準(zhǔn)確地預(yù)測(cè)新興技術(shù)， 識(shí)別出網(wǎng)絡(luò)中的離群點(diǎn)作為備選新興技術(shù)。

采用機(jī)器學(xué)習(xí)算法可以自動(dòng)化、高通量地處理領(lǐng)域全量數(shù)據(jù)， 挖掘文獻(xiàn)的語義信息， 從而提高技術(shù)識(shí)別的全面性和準(zhǔn)確性。但基于監(jiān)督的機(jī)器學(xué)習(xí)方法需要大量的人工標(biāo)記訓(xùn)練樣本， 且實(shí)驗(yàn)結(jié)果的可解釋性差， 而無監(jiān)督機(jī)器學(xué)習(xí)雖不需要人工標(biāo)記訓(xùn)練集， 但準(zhǔn)確性和可控性稍差。此外， 機(jī)器學(xué)習(xí)方法的學(xué)習(xí)門檻較高， 不利于方法的普及。

３.４新趨勢(shì)與結(jié)果驗(yàn)證

隨著對(duì)新興技術(shù)識(shí)別研究的深入， 學(xué)者們開始關(guān)注新興技術(shù)的內(nèi)核， 即基于新興技術(shù)的屬性特征構(gòu)建指標(biāo)體系， 對(duì)基于上述各類識(shí)別方法所得的技術(shù)主題進(jìn)行篩選與甄別， 從而識(shí)別出新興技術(shù)主題， 并按照指標(biāo)表現(xiàn)進(jìn)行新興技術(shù)類別劃分。這一新趨勢(shì)表明了新興技術(shù)識(shí)別在不斷減少結(jié)果的主觀偏見性， 增加客觀及可驗(yàn)證性。如Ｐｏｒｔｅｒ Ａ Ｌ 等［１０８］提出了基于Ｅｓｃｏｒｅ（Ｅｍｅｒｇｅｎｃｅ Ｓｃｏｒｅ）的新興技術(shù)主題探測(cè)方法， 該方法通過ＶａｎｔａｇｅＰｏｉｎｔ 提取文摘信息中的術(shù)語詞， 基于新穎性、連續(xù)性、增長(zhǎng)性和群體性的屬性特征設(shè)置術(shù)語篩選標(biāo)準(zhǔn)， 再結(jié)合術(shù)語的Ｅｓｃｏｒｅ 值識(shí)別新興技術(shù)主題詞， 此外， 還以Ｅｓｃｏｒｅ指標(biāo)為基礎(chǔ)， 設(shè)計(jì)出多個(gè)二級(jí)指標(biāo)， 分別用于探測(cè)前沿機(jī)構(gòu)、國(guó)家和作者。Ｊａｎｇ Ｗ 等［４９］ 以是否會(huì)在未來集中增長(zhǎng)， 并會(huì)影響社會(huì)和技術(shù)發(fā)展作為新興技術(shù)的篩選標(biāo)準(zhǔn)； Ｚｈｏｕ Ｙ 等［３８］ 通過新穎性、技術(shù)影響、社會(huì)影響特征來篩選新興技術(shù)； Ｌｉｕ Ｘ 等［３７］構(gòu)建一個(gè)三維評(píng)估框架系統(tǒng)來反映新興技術(shù)的持續(xù)性、區(qū)域性和增長(zhǎng)性； Ｚｈａｎｇ Ｙ Ｙ 等［７３］ 認(rèn)為新興科學(xué)技術(shù)以巨大的不確定性和極高的潛力為最主要的特征； Ｚｈａｎｇ Ｂ 等［１１０］ 認(rèn)為新興技術(shù)的典型特征包括爆發(fā)性、持續(xù)性、突破性和競(jìng)爭(zhēng)優(yōu)勢(shì)。

該類方法的研究深度和識(shí)別精細(xì)度雖有提升，但仍存在著如下問題： ①部分研究的屬性特征與測(cè)量指標(biāo)之間缺乏聯(lián)系， 指標(biāo)選取的科學(xué)性和合理性存在質(zhì)疑； ②指標(biāo)權(quán)重確定、表征力判斷與閾值選取， 以及模型構(gòu)建等沒有統(tǒng)一的標(biāo)準(zhǔn)， 難以界定；③指標(biāo)計(jì)算的普適性、可解釋性、可操作性難以協(xié)調(diào)與兼?zhèn)洹?/p>

對(duì)新興技術(shù)識(shí)別有兩種切入角度： 一種是對(duì)既定的新興技術(shù)進(jìn)行描述性分析［１１１］ ； 另一種是對(duì)選定的領(lǐng)域進(jìn)行新興技術(shù)探測(cè)［１５，１１２－１１３］ ， 目前多采用第二類研究的切入視角， 但出于嚴(yán)謹(jǐn)性考慮， 需要對(duì)識(shí)別結(jié)果進(jìn)行驗(yàn)證。目前， 常用的驗(yàn)證方法有３種： 資料驗(yàn)證法、專家評(píng)估法、指標(biāo)驗(yàn)證法。

１）資料驗(yàn)證法， 指通過已發(fā)表的學(xué)術(shù)成果或各類在業(yè)界具備影響力的獎(jiǎng)勵(lì)、項(xiàng)目等來對(duì)新興技術(shù)識(shí)別結(jié)果的客觀性、可靠性進(jìn)行驗(yàn)證， 這是目前應(yīng)用最多的驗(yàn)證方法。該方法的優(yōu)勢(shì)在于便捷、操作成本低且可靠性高， 但缺陷在于通過已經(jīng)出版的資料進(jìn)行結(jié)果驗(yàn)證， 在一定程度上降低了識(shí)別結(jié)果的時(shí)效性和價(jià)值性。如Ｓｍａｌｌ Ｈ 等［１５］ 通過諾貝爾獎(jiǎng)和領(lǐng)域權(quán)威獎(jiǎng)項(xiàng)進(jìn)行結(jié)果驗(yàn)證； Ｋａｊｉｋａｗａ Ｙ 等［６１］ 通過與日本機(jī)構(gòu)繪制的領(lǐng)域?qū)＜衣肪€圖進(jìn)行比對(duì)， 實(shí)現(xiàn)結(jié)果驗(yàn)證； Ｗａｎｇ Ｑ［１６］ 通過與現(xiàn)有領(lǐng)域相關(guān)出版成果中提及的新興技術(shù)進(jìn)行比對(duì)， 實(shí)現(xiàn)結(jié)果驗(yàn)證。

２） 專家評(píng)估法， 指通過專家對(duì)領(lǐng)域多年的知識(shí)與經(jīng)驗(yàn)積累對(duì)識(shí)別結(jié)果進(jìn)行評(píng)估， 優(yōu)點(diǎn)是經(jīng)過專家認(rèn)可的識(shí)別結(jié)果權(quán)威性、可靠性都得到了保證，缺點(diǎn)是主觀性強(qiáng)、時(shí)效性差。如Ｍｕ?ｏｚ －?ｃｉｊａ Ｔ等［１１４］ 通過專家訪談法、Ｃｈｅｎ Ｃ Ｍ［２５］ 通過調(diào)查問卷法， 周源等［１１５］ 結(jié)合郵件、會(huì)議、問卷多種形式進(jìn)行結(jié)果驗(yàn)證， 此外， Ｊａｎｇ Ｗ 等［４９］ 、Ｃｏｚｚｅｎｓ Ｓ 等［１１６］ 、Ｃｈｏｉ Ｙ 等［１１７］ 、Ａｒｏｒａ Ｓ Ｋ 等［１１８］ 、Ｍａ Ｔ 等［１１９］ 、ＨｕａｎｇＬ 等［３５］ 、Ｌｉ Ｘ 等［１２０］ 均借助了專家智慧進(jìn)行結(jié)果驗(yàn)證。

３） 指標(biāo)驗(yàn)證法， 指通過各類指標(biāo)對(duì)實(shí)證分析所構(gòu)建模型的有效性進(jìn)行驗(yàn)證。該方法屬于一種間接的驗(yàn)證方法， 即通過驗(yàn)證模型的可靠性來對(duì)識(shí)別結(jié)果的可靠性進(jìn)行一定程度的保證， 不足之處在于只能證明識(shí)別的結(jié)果符合預(yù)設(shè)的各種標(biāo)準(zhǔn)， 但符合標(biāo)準(zhǔn)的是否一定就是新興技術(shù)并不能得到證明。如Ｌｉａｎｇ Ｚ 等［１０６］ 通過ＭＡＥ、ＲＭＳＥ、ＮＤＣＧ＠ ｋ ３ 種指標(biāo)， 對(duì)ＬＳＴＭ、ＮＮＡＲ、ＬｉｇｈｔＧＢＭ、ＬＲ、Ｎａ?ｖｅ ５ 種模型進(jìn)行效果評(píng)估。

４研究問題與展望

４.１概念不明確， 標(biāo)準(zhǔn)不統(tǒng)一

由于對(duì)新興技術(shù)尚未形成統(tǒng)一的定義， 學(xué)者對(duì)屬性特征的理解也各有不同， 因此， 新興技術(shù)識(shí)別的方法流程、指標(biāo)設(shè)計(jì)、驗(yàn)證標(biāo)準(zhǔn)均存在差異， 尤其是在特征指標(biāo)設(shè)立方面存在許多問題， 如屬性特征與測(cè)量指標(biāo)之間缺乏聯(lián)系， 指標(biāo)選取的科學(xué)性和合理性存在質(zhì)疑； 指標(biāo)權(quán)重確定、表征力判斷與閾值選取等沒有統(tǒng)一的標(biāo)準(zhǔn)； 指標(biāo)計(jì)算的普適性、可解釋性、可操作性難以協(xié)調(diào)與兼?zhèn)涞?。此外?現(xiàn)有研究缺乏對(duì)新興技術(shù)內(nèi)涵、外延、本質(zhì)特征及發(fā)展機(jī)制的探索， 多聚焦于引進(jìn)新的技術(shù)與方法， 以期不斷改進(jìn)技術(shù)識(shí)別效果， 但由于缺乏統(tǒng)一的理論根基支撐， 方法多樣性越來越強(qiáng)， 不同的方法得到的識(shí)別結(jié)果不同， 使得方法的選擇與評(píng)價(jià)越來越困難。

４.２數(shù)據(jù)源類型選擇不均衡， 偏向性明顯

目前， 有關(guān)新興技術(shù)識(shí)別研究的數(shù)據(jù)源類型選擇偏向性明顯， 主要存在以下３ 種情況：

１） 多單一數(shù)據(jù)， 少多源數(shù)據(jù)?，F(xiàn)有研究大多聚焦于論文或?qū)＠膯我粩?shù)據(jù)， 較少采用多源數(shù)據(jù)進(jìn)行新興技術(shù)識(shí)別。部分研究引入了學(xué)位論文［１２１］ 、會(huì)議論文［１２２］ 、專著、Ｗｅｂ 網(wǎng)絡(luò)數(shù)據(jù)［１２３］ 、社交媒體數(shù)據(jù)［１２０］ 、基金項(xiàng)目［１２４］ 等不同的數(shù)據(jù)源類型，但綜合多種數(shù)據(jù)源類型進(jìn)行新興技術(shù)識(shí)別的研究仍然較少。如張維沖等［１２５］ 、唐恒等［５１］ 嘗試綜合多源數(shù)據(jù)進(jìn)行新興技術(shù)識(shí)別， 二者的研究共同之處在于， 基于多種文獻(xiàn)類型的文摘數(shù)據(jù)， 分別進(jìn)行主題抽取與新興技術(shù)主題識(shí)別， 然后再對(duì)不同文獻(xiàn)類型的識(shí)別結(jié)果作主題關(guān)聯(lián)分析， 若相似度高則合并為同一主題。但這種做法存在一個(gè)問題， 技術(shù)主題在不同文獻(xiàn)類型中的表達(dá)方式會(huì)有差異， 若僅基于主題相似度計(jì)算進(jìn)行同類主題合并， 會(huì)存在很大的誤差， 且相似度算法的選擇、閾值的設(shè)置均沒有統(tǒng)一標(biāo)準(zhǔn)， 存在很強(qiáng)的主觀差異性。

２） 多文摘數(shù)據(jù)， 少全文數(shù)據(jù)?，F(xiàn)有研究絕大部分均是基于文獻(xiàn)的文摘數(shù)據(jù)進(jìn)行主題抽取， 很少有基于全文數(shù)據(jù)進(jìn)行分析的。尤其是采用多種數(shù)據(jù)源進(jìn)行分析時(shí)， 基于文本過載與處理效率的考慮，也是采用文摘數(shù)據(jù)進(jìn)行分析。隨著機(jī)器學(xué)習(xí)、文本挖掘技術(shù)應(yīng)用程度的不斷加深， 基于全文數(shù)據(jù)進(jìn)行新興技術(shù)識(shí)別將成為一種研究方向。

３） 多精選數(shù)據(jù)， 少全量數(shù)據(jù)。很多研究基于領(lǐng)域內(nèi)特定期刊、高被引文獻(xiàn)等精選數(shù)據(jù)集進(jìn)行分析， 這樣做主要是為了去除噪聲影響， 提高識(shí)別精度與效率， 簡(jiǎn)化數(shù)據(jù)處理過程中的復(fù)雜度； 但根據(jù)“長(zhǎng)尾理論”［１２６］ ， 這樣做明顯會(huì)遺漏許多重要信息。

４.３“漸進(jìn)式” 回溯研究成主流， “躍進(jìn)式” 預(yù)測(cè)研究仍待發(fā)展

現(xiàn)有關(guān)于新興技術(shù)識(shí)別的研究大多基于“漸進(jìn)式發(fā)展” 的理論， 采用回溯性方式進(jìn)行研究， 即基于歷史數(shù)據(jù)， 應(yīng)用預(yù)定義的規(guī)則來識(shí)別已出現(xiàn)的技術(shù)主題， 并回顧其技術(shù)發(fā)展歷程， 這類研究的通用方法流程為： 目標(biāo)領(lǐng)域數(shù)據(jù)集構(gòu)建、技術(shù)主題抽取、多維指標(biāo)體系構(gòu)建、新興技術(shù)主題篩選、方法驗(yàn)證。這類研究加強(qiáng)了對(duì)新興技術(shù)的理解， 并為后續(xù)的技術(shù)預(yù)測(cè)工作提供了有價(jià)值的參考， 但回溯性研究的成果是面向過去的未來， 因此， 無法滿足決策者和科學(xué)家對(duì)技術(shù)未來發(fā)展及技術(shù)預(yù)見方面的需求?；凇败S進(jìn)式發(fā)展” 理論技術(shù)演化研究及前瞻預(yù)測(cè)性的技術(shù)識(shí)別研究較少， 這類研究嘗試將新興技術(shù)主題預(yù)測(cè)轉(zhuǎn)變?yōu)榻y(tǒng)計(jì)學(xué)問題， 將給定歷史特征作為輸入， 未來指標(biāo)作為目標(biāo)輸出， 通過訓(xùn)練預(yù)測(cè)模型來預(yù)測(cè)新出現(xiàn)的技術(shù)主題［５０，１２７，１０６］ 。

針對(duì)新興技術(shù)識(shí)別與演化研究中出現(xiàn)的問題，未來應(yīng)從以下幾個(gè)方面加強(qiáng)研究：

１） 加強(qiáng)對(duì)新興技術(shù)內(nèi)涵、屬性特征、發(fā)生機(jī)制等的研究， 以求加強(qiáng)對(duì)新興技術(shù)概念、屬性特征的學(xué)術(shù)共識(shí)， 構(gòu)建更加完善、可解釋性強(qiáng)的特征指標(biāo)體系， 增加新興技術(shù)識(shí)別的客觀性與可靠性。

２） 充分發(fā)揮多種數(shù)據(jù)源的特性， 加強(qiáng)多種文獻(xiàn)類型在新興技術(shù)識(shí)別中的應(yīng)用， 以提高識(shí)別結(jié)果的全面性與準(zhǔn)確性。此外， 加強(qiáng)多源信息融合的理論與方法研究， 以及全文數(shù)據(jù)和全量數(shù)據(jù)的應(yīng)用，拓寬新興技術(shù)識(shí)別乃至技術(shù)預(yù)測(cè)領(lǐng)域的切入視角。

３） 加強(qiáng)新興技術(shù)從回溯性描述到預(yù)測(cè)性探索研究的轉(zhuǎn)變， 以從未知的學(xué)科和領(lǐng)域中識(shí)別出未來極具價(jià)值和影響力的技術(shù)主題， 為未來的決策制定和戰(zhàn)略布局提供數(shù)據(jù)支撐。