基于異類數(shù)據(jù)和語義建構(gòu)的新興技術(shù)弱信號(hào)識(shí)別研究

韓盟，陳悅，王玉奇，王康，崔林蔚

（大連理工大學(xué)科學(xué)學(xué)與科技管理研究所暨WISE實(shí)驗(yàn)室，大連 116033）

0 引 言

“弱信號(hào)”本意是指物理領(lǐng)域（如聲音、電流、光、振動(dòng)、溫度等）的“微弱信號(hào)”，是深埋在背景噪聲中的、極其微弱的有用信號(hào)，不易被捕獲或接收。隨后，這一概念引起了社會(huì)科學(xué)研究者的關(guān)注。自1975年安索夫（Igor Ansoff）在戰(zhàn)略管理領(lǐng)域稱弱信號(hào)為“具有重大影響的、不確定的早期征兆”[1]以來，其就受到了戰(zhàn)略管理、經(jīng)濟(jì)金融、競(jìng)爭(zhēng)情報(bào)、公共管理、環(huán)境科學(xué)和危機(jī)管理等學(xué)科的持續(xù)研究。弱信號(hào)的典型例子是與商業(yè)競(jìng)爭(zhēng)、社會(huì)發(fā)展、危機(jī)沖突和環(huán)境變化等相關(guān)的信息和跡象，掃描和識(shí)別這些信息對(duì)于預(yù)測(cè)未來變化、發(fā)現(xiàn)新的機(jī)會(huì)和避免未來威脅具有重要意義。

隨著商業(yè)競(jìng)爭(zhēng)的不斷加劇，市場(chǎng)對(duì)于技術(shù)創(chuàng)新和產(chǎn)品迭代的要求越來越高，致使技術(shù)創(chuàng)新管理和技術(shù)預(yù)見的研究不斷深入，尤其是新興技術(shù)前瞻性預(yù)測(cè)的技術(shù)競(jìng)爭(zhēng)情報(bào)分析受到前所未有的關(guān)注?！芭c外部技術(shù)的威脅、機(jī)會(huì)或發(fā)展的信息，以及這些信息的獲取、監(jiān)控、分析、前瞻和預(yù)警過程”[2]成為超前布局新興產(chǎn)業(yè)的關(guān)鍵支撐，由此催生出基于新興技術(shù)預(yù)測(cè)的弱信號(hào)識(shí)別研究。已有研究指出，“新興技術(shù)弱信號(hào)”預(yù)示著未來技術(shù)變化的征兆，其往往具有結(jié)果不確定性、信息不完全性、解讀復(fù)雜性、可演化成趨勢(shì)等特征，分析弱信號(hào)有助于提早了解和控制新興技術(shù)的未來發(fā)展[3]。Decker等[4]提出新興技術(shù)弱信號(hào)識(shí)別有助于減輕管理人員的負(fù)擔(dān)，留出時(shí)間分配給更為重要的工作，例如，根據(jù)發(fā)現(xiàn)的弱信號(hào)內(nèi)容制定具體的研發(fā)計(jì)劃；Thor‐leuchter等[5]指出新興技術(shù)弱信號(hào)識(shí)別可為企業(yè)技術(shù)研發(fā)計(jì)劃提供支持，輔助戰(zhàn)略決策；Yoo等[6]也提出通過探索科技變化的“微弱信號(hào)”，可以預(yù)測(cè)未來科技形態(tài)，探尋未來產(chǎn)業(yè)發(fā)展方向。此外，信息科學(xué)和大數(shù)據(jù)技術(shù)發(fā)展使得系統(tǒng)記錄技術(shù)演化的數(shù)據(jù)庫日益完善，新興技術(shù)弱信號(hào)識(shí)別的條件和機(jī)會(huì)日益成熟。

當(dāng)前，新興技術(shù)弱信號(hào)識(shí)別方法主要分為以專家為主的主觀評(píng)估法和以數(shù)據(jù)驅(qū)動(dòng)的客觀測(cè)度法兩類。具體地，Decker等[4]調(diào)研了25名金融領(lǐng)域的專家意見，評(píng)估識(shí)別出未來金融領(lǐng)域的投資弱信號(hào)；Uskali[7]基于個(gè)人經(jīng)驗(yàn)，在新聞文本中發(fā)現(xiàn)了創(chuàng)新新聞學(xué)領(lǐng)域的弱信號(hào)；Kim等[8]基于NEST（new and emerging signals of trends）模型，通過專家咨詢?cè)u(píng)估的方式，檢測(cè)出韓國新興技術(shù)未來趨勢(shì)的微弱信號(hào)。同時(shí)，隨著信息技術(shù)的發(fā)展，使用指標(biāo)評(píng)價(jià)、組合圖和機(jī)器學(xué)習(xí)等的數(shù)據(jù)挖掘方法來識(shí)別弱信號(hào)也引起了更多學(xué)者的關(guān)注。例如，苗紅等[9]基于產(chǎn)業(yè)融合的視角，提出了技術(shù)飽和度增量和相對(duì)度中心性增量?jī)蓚€(gè)指標(biāo)，并設(shè)定了技術(shù)飽和度增量下降而相對(duì)度中心性增量上升（或不變）和技術(shù)飽和度增量上升而相對(duì)度中心性增量下降（或不變）兩個(gè)條件來識(shí)別弱信號(hào)；Kim等[10]提出了罕見性和范式無關(guān)性指標(biāo)，利用局部離群因子檢驗(yàn)和開發(fā)信號(hào)組合圖的方法探測(cè)出AR領(lǐng)域的技術(shù)發(fā)展弱信號(hào)；Yoon[11]使用術(shù)語可見度與術(shù)語擴(kuò)散度指標(biāo)，將弱信號(hào)視為與關(guān)鍵詞相關(guān)的新興話題，使用組合圖法識(shí)別出技術(shù)創(chuàng)新弱信號(hào)；Bouktaib等[12]則使用k-means算法對(duì)大數(shù)據(jù)文本進(jìn)行語義聚類，結(jié)合LDA（la‐tent Dirichlet allocation）、LSA（latent semantic analy‐sis）等聚類方法，使用相似度指標(biāo)對(duì)聚類結(jié)果進(jìn)行合并，減小聚類分歧，實(shí)現(xiàn)了弱信號(hào)的檢測(cè)；Eba‐di等[13]在將技術(shù)劃分為具體子領(lǐng)域的基礎(chǔ)上，通過深度學(xué)習(xí)與組合圖法有效識(shí)別了超高音速飛行技術(shù)的演化脈絡(luò)，并預(yù)測(cè)了未來超高音速飛行領(lǐng)域的新興技術(shù)。

已有弱信號(hào)的識(shí)別研究視角較為廣泛，方法也較為全面，但部分問題仍有待進(jìn)一步研究。

首先，專家評(píng)估法一直存在判斷主觀、成本昂貴和難以適應(yīng)大數(shù)據(jù)時(shí)代海量信息的研究缺陷；而對(duì)于弱信號(hào)識(shí)別結(jié)果進(jìn)行信息解讀和評(píng)估時(shí)，依靠專家評(píng)估法又易受到專家自身知識(shí)無法覆蓋的局限?；诖耍疚臄M結(jié)合意義建構(gòu)理論，通過共現(xiàn)算法抽取術(shù)語的前后高頻詞匯，構(gòu)建其使用語境，共同對(duì)弱信號(hào)術(shù)語含義進(jìn)行解析，以實(shí)現(xiàn)語義構(gòu)建，有效完成弱信號(hào)的解讀和轉(zhuǎn)譯任務(wù)，提升新興技術(shù)弱信號(hào)的識(shí)別靈敏度。

其次，當(dāng)前數(shù)據(jù)驅(qū)動(dòng)的研究方法通常是使用從網(wǎng)絡(luò)中批量獲取的論文或新聞數(shù)據(jù)，忽略了降噪處理，從而影響本身就淹沒在雜亂數(shù)據(jù)中的弱信號(hào)分析。已有研究指出，弱信號(hào)具有“與現(xiàn)有范式不兼容的奇怪特征或異?！盵14]、“稀有性和范式不相關(guān)性”[10]和“超出正常參考框架的異常、不一致和奇點(diǎn)”[15]等特征，這表明弱信號(hào)的數(shù)據(jù)來源往往是不受普遍關(guān)注、與現(xiàn)有研究不相關(guān)的異類數(shù)據(jù)信息。同時(shí)，技術(shù)預(yù)測(cè)領(lǐng)域的一些研究指出，通過數(shù)據(jù)篩選能夠增強(qiáng)數(shù)據(jù)處理的信度和速率，有效提升技術(shù)機(jī)會(huì)預(yù)測(cè)效度[16-18]。因此，基于上述觀點(diǎn)，本文嘗試從文檔離群性和文本相異性兩個(gè)方面篩選異類數(shù)據(jù)，進(jìn)行新興技術(shù)弱信號(hào)識(shí)別，以更有效地處理新興技術(shù)數(shù)據(jù)，提升弱信號(hào)識(shí)別的有效性。

綜上，本文將融合弱信號(hào)三層過濾器理論和意義建構(gòu)理論，通過異類數(shù)據(jù)篩選和文本語義建構(gòu)的方式，使用特征量化和文本挖掘相關(guān)方法，開展弱信號(hào)識(shí)別研究，以豐富和擴(kuò)展研究方法，提高弱信號(hào)識(shí)別靈敏度，輔助技術(shù)研發(fā)和管理者有效地進(jìn)行技術(shù)研發(fā)判斷。

1 弱信號(hào)識(shí)別理論與研究框架

作為弱信號(hào)研究的先驅(qū)，安索夫提出弱信號(hào)定義后，于1984年設(shè)計(jì)提出了弱信號(hào)識(shí)別的三層過濾器理論[19]，具體包括“觀察-認(rèn)知-決策”三層過濾器，概述了弱信號(hào)識(shí)別的信息獲取、信息分析與解讀、決策支持三大步驟。基于該理論，本文設(shè)計(jì)了弱信號(hào)識(shí)別研究框架，具體如圖1所示。

圖1 新興技術(shù)弱信號(hào)識(shí)別流程

（1）觀察過濾器（observation filter）：也稱為掃描過濾器，在三層過濾器理論中，將觀察過濾器定義為觀察和收集數(shù)據(jù)的區(qū)域，包括信息獲取的方法，為弱信號(hào)識(shí)別的掃描層。弱信號(hào)的有效識(shí)別需要保證觀察過濾器中來源數(shù)據(jù)的有效性，而現(xiàn)有研究已指出，新興技術(shù)弱信號(hào)主要來源于現(xiàn)有科學(xué)研究成果中不受普遍關(guān)注、與現(xiàn)有研究不相關(guān)的異類數(shù)據(jù)信息[10,14-15]，為保證識(shí)別研究的準(zhǔn)確性，不僅需要保證數(shù)據(jù)收集的有效性，更需要對(duì)科研數(shù)據(jù)中的異類數(shù)據(jù)進(jìn)行篩選。因此，本文設(shè)計(jì)的觀察過濾器包括數(shù)據(jù)獲取、文本預(yù)處理和異類數(shù)據(jù)篩選三個(gè)環(huán)節(jié)。

（2）認(rèn)知過濾器（cognitive filter）：也稱為分析過濾器，被定義為從觀察層傳遞掃描出的與識(shí)別主體相關(guān)信息的區(qū)域，是弱信號(hào)識(shí)別的分析層。安索夫在提出弱信號(hào)識(shí)別的過濾器理論時(shí)，并未明確給出認(rèn)知過濾器的實(shí)際內(nèi)容。后來的研究者們基于各自研究設(shè)計(jì)了符合個(gè)人研究需要的認(rèn)知過濾器模型，但主要涉及科學(xué)計(jì)量[9-10]和文本挖掘[11-13]兩種方式。本文主要參考Yoon[11]提出的組合圖法對(duì)弱信號(hào)內(nèi)容進(jìn)行掃描。因此，結(jié)合研究需要，本文的認(rèn)知過濾器具體包括關(guān)鍵術(shù)語計(jì)算、關(guān)鍵詞顯現(xiàn)圖（keyword emergence map，KEM）和關(guān)鍵詞發(fā)布圖（keyword issue map，KIM）構(gòu)建以及關(guān)鍵術(shù)語提取三個(gè)環(huán)節(jié)。

（3）決策過濾器（power filter）：也稱為權(quán)力過濾器，是指當(dāng)組織的管理者、決策者或參與者聚集在一起，決定和分析前兩個(gè)階段傳遞信息時(shí)的環(huán)節(jié)，為弱信號(hào)識(shí)別的決策層。對(duì)于弱信號(hào)識(shí)別而言，因其受信號(hào)的微弱性、含義的隱匿性以及決策者的主觀性等特點(diǎn)影響，已有研究在設(shè)計(jì)過程中往往對(duì)決策過濾器的重視程度不夠，主要通過主題詞挖掘方式主觀判定弱信號(hào)含義，致使識(shí)別結(jié)果不夠明確。對(duì)此，本文借鑒意義建構(gòu)理論中“情境對(duì)信息渠道和信息內(nèi)容選擇有重要影響”[20]的觀點(diǎn)，嘗試將掃描出的弱信號(hào)關(guān)鍵術(shù)語放入其使用語境中進(jìn)行解讀，通過弱信號(hào)語義構(gòu)建的方式實(shí)現(xiàn)決策過濾器的客觀評(píng)定。具體研究設(shè)計(jì)中包括弱信號(hào)語義建構(gòu)和識(shí)別結(jié)果評(píng)估兩個(gè)環(huán)節(jié)。

2 研究方法

2.1 數(shù)據(jù)獲取及預(yù)處理

論文是承載科學(xué)研究發(fā)現(xiàn)和新型技術(shù)研究成果的重要載體，新興技術(shù)未來發(fā)展趨勢(shì)的信號(hào)源頭應(yīng)主要附載在科學(xué)論文中[11,13]。因此，本文以學(xué)術(shù)論文作為新興技術(shù)弱信號(hào)識(shí)別的數(shù)據(jù)對(duì)象，通過學(xué)術(shù)文獻(xiàn)數(shù)據(jù)庫批量獲取論文的題錄信息，并通過自然語言處理方法，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以備后續(xù)研究使用。

2.2 異類數(shù)據(jù)篩選

“異類”往往是指一個(gè)在價(jià)值上與其他（包括正類和其他異類）具有顯著不同的樣本[21]，計(jì)算機(jī)學(xué)科中將那些不符合大多數(shù)數(shù)據(jù)對(duì)象所構(gòu)成的規(guī)律（模型）的數(shù)據(jù)對(duì)象稱為異類[22]。在本文中，“異類數(shù)據(jù)”具體是指在同一數(shù)據(jù)集內(nèi)特征評(píng)判中與其他數(shù)據(jù)相異的數(shù)據(jù)類目。已有研究指出，弱信號(hào)具有與現(xiàn)有范式不兼容的“離群性”和超出正常參考框架的異常性、不一致性[14-15]。因此，結(jié)合弱信號(hào)特征中“含有新興技術(shù)弱信號(hào)的數(shù)據(jù)與其他樣本顯著不同”的特點(diǎn)，將該類數(shù)據(jù)稱為“異類數(shù)據(jù)”。同時(shí)，對(duì)異類數(shù)據(jù)的分析處理通常被稱為異類挖掘或異類數(shù)據(jù)篩選。數(shù)據(jù)中的異類可以利用數(shù)理統(tǒng)計(jì)方法分析獲得，即利用已知數(shù)據(jù)所獲得的統(tǒng)計(jì)分布模型，或利用相似度計(jì)算所獲得的相似數(shù)據(jù)對(duì)象分布，分析確認(rèn)異類數(shù)據(jù)[22]。本文主要圍繞新興技術(shù)弱信號(hào)的離群性和不一致性兩大特征，從文檔離群性和文本相異性兩個(gè)特征維度篩選異類數(shù)據(jù)，實(shí)現(xiàn)噪聲數(shù)據(jù)的有效消除，從而獲得更易包含新興技術(shù)弱信號(hào)信息的有效文檔，提升弱信號(hào)識(shí)別的靈敏度。

2.2.1 文檔離群性（document outlier，DO）

文檔離群性指標(biāo)用于檢測(cè)一份文檔在整體聚類中的位置，觀察數(shù)據(jù)集中明顯異常的數(shù)據(jù)點(diǎn)。當(dāng)一份文檔處于聚類邊緣位置時(shí)，其具有明顯的離群性，該文檔隱含弱信號(hào)信息的可能性較大[9-10]。本文選用文獻(xiàn)的主題聚類概率表征計(jì)算文獻(xiàn)的離群性特征。具體地，基于LDA聚類算法，統(tǒng)計(jì)文檔i歸屬于技術(shù)主題t的主題聚類概率Pit，Pit值越接近于0，則文檔i歸屬于任一技術(shù)主題t的概率越小，即該文檔具有的離群性特征越明顯。計(jì)算公式為

其中，MAX(Pit)為Pit的最大值；MIN(Pit)為Pit的最小值；選取DOi值的下四分位數(shù)作為離群閾值，即設(shè)定滿足DOi降序排列后25%的文檔i具有離群性特征。

2.2.2 文本相異性（text dissimilarity，TD）

已有研究可以從文本層面對(duì)不同文檔信息進(jìn)行向量化處理，并計(jì)算不同文獻(xiàn)間的相似度。某一文檔的文本信息與其他文檔內(nèi)容的相似度越低，則判定其表達(dá)內(nèi)容的差異越大，該文檔越有可能包含弱信號(hào)?；诖?，本文提出的文本相異性特征主要從文本層面篩選異類數(shù)據(jù)，計(jì)算文檔i和文檔j之間相似度cos (i,j)[23]，剔除文檔間相似度過高的文獻(xiàn)。計(jì)算公式為

其中，m為文檔數(shù)目；Num(cos (i,j)-ω)為文檔i與文檔j相似度cos (i,j)小于文檔間相似性閾值ω的文檔數(shù)目。參考文獻(xiàn)[12] ，設(shè)ω=0.2，即若兩個(gè)文檔相似度低于0.2，則設(shè)定兩個(gè)文檔互異；設(shè)定當(dāng)TDi≥80%時(shí)，即文檔i與80%以上的文檔互異，滿足文本相異性特征。

綜上，僅當(dāng)收集的數(shù)據(jù)同時(shí)滿足文檔離群性和文本相異性兩個(gè)特征時(shí)，才判定該文檔屬于異類數(shù)據(jù)文檔，對(duì)其進(jìn)行弱信號(hào)的識(shí)別與檢測(cè)。

2.3 關(guān)鍵術(shù)語抽取

已有研究通常將與關(guān)鍵詞相關(guān)的新興話題視為弱信號(hào)[11,24-26]，致使抽取表征弱信號(hào)的關(guān)鍵詞術(shù)語成為弱信號(hào)識(shí)別研究中的重點(diǎn)與難點(diǎn)。本文采用改進(jìn)的TF-IDF（term frequency-inverse document fre‐quency）模型進(jìn)行異類數(shù)據(jù)文檔的關(guān)鍵術(shù)語抽取。TF-IDF作為用于文本挖掘的重要術(shù)語計(jì)算方法[20]，其中字詞的重要性與其在文件中出現(xiàn)的次數(shù)成正比，同時(shí)與其在語料庫中出現(xiàn)的頻率成反比，能夠有效區(qū)分詞或短語的重要性；而傳統(tǒng)的TF-IDF算法僅能計(jì)算出針對(duì)某一單篇文檔相對(duì)重要的關(guān)鍵詞術(shù)語，無法應(yīng)用于整個(gè)文檔集。因此，本文使用改進(jìn)后的TF-IDF計(jì)算方法來獲得關(guān)鍵術(shù)語，計(jì)算公式為

其中，nj為整個(gè)文檔集術(shù)語j出現(xiàn)的頻次；N為文檔總術(shù)語數(shù)目|D|表示文檔集中的文檔總數(shù)；|{j:ti∈dj}|表示包含術(shù)語j的文檔數(shù)目。

使用改進(jìn)后的TF-IDF算法能夠有效識(shí)別異類文檔集中的重要關(guān)鍵詞術(shù)語，擴(kuò)大了已有研究中作者關(guān)鍵詞限定的識(shí)別范圍，提升研究結(jié)果的準(zhǔn)確度，輔助后續(xù)新興技術(shù)弱信號(hào)識(shí)別。

2.4 組合圖構(gòu)建

本文通過組合圖法從異類文檔的關(guān)鍵詞術(shù)語中抽取表征弱信號(hào)的關(guān)鍵詞術(shù)語。Yoon[11]提出的組合圖法中指出，弱信號(hào)關(guān)鍵詞應(yīng)該具有“出現(xiàn)頻率很低，增長(zhǎng)速度較高”的特點(diǎn)，并設(shè)計(jì)了關(guān)鍵詞可見度指標(biāo)（degree of visibility，DoV）和擴(kuò)散度指標(biāo)（de‐gree of diffusion，DoD）來表征，具體計(jì)算公式為

其中，TFij表示在時(shí)間段j內(nèi)術(shù)語i出現(xiàn)的總頻次；DFij表示時(shí)間段j內(nèi)含有術(shù)語i的文檔數(shù)量；NNj表示時(shí)間段j內(nèi)文檔的總數(shù)量；tw為時(shí)間權(quán)重；n為當(dāng)前時(shí)段；DoV指標(biāo)考察術(shù)語在文獻(xiàn)集中的出現(xiàn)頻率和擴(kuò)散速度；DoD指標(biāo)考察出現(xiàn)術(shù)語的文檔頻率和擴(kuò)散速度。

首先，以DoV的平均值為橫坐標(biāo)，以其年平均增長(zhǎng)率（average annual growth rate）AAGRDoV為縱坐標(biāo)，構(gòu)建關(guān)鍵詞顯現(xiàn)圖（KEM）；其次，以DoD的平均值為橫坐標(biāo)，其年平均增長(zhǎng)率AAGRDoD為縱坐標(biāo)，繪制關(guān)鍵詞發(fā)布圖（KIM）；最后，選取KEM和KIM圖中各象限同時(shí)出現(xiàn)的關(guān)鍵詞術(shù)語，確定第二象限關(guān)鍵詞并集為弱信號(hào)關(guān)鍵詞術(shù)語，如圖2所示。

圖2 弱信號(hào)關(guān)鍵詞術(shù)語識(shí)別示意圖[3]

2.5 弱信號(hào)語義建構(gòu)

在有效獲取弱信號(hào)術(shù)語關(guān)鍵詞后，如何對(duì)術(shù)語進(jìn)行有效解讀、將其復(fù)雜含義進(jìn)行解析并有效傳達(dá)給決策過濾層，對(duì)于弱信號(hào)識(shí)別來說是一項(xiàng)重要研究?jī)?nèi)容。1983年，布倫達(dá)·德爾文（Brenda Dervin）提出了與信號(hào)解析相關(guān)的，由情境（situa‐tion）、鴻溝（gaps）、使用（uses）和橋梁（bridg‐es）4個(gè)要素構(gòu)成的意義建構(gòu)理論；該理論是信息科學(xué)領(lǐng)域認(rèn)識(shí)范式的重要代表，它不僅強(qiáng)調(diào)了以用戶為中心的行為構(gòu)建視角，更是在不同情境中研究人們構(gòu)建特定信息需求和行為的一套有效理論和方法[27]。同樣地，本文認(rèn)為弱信號(hào)識(shí)別的解讀基礎(chǔ)是由信息接受方與環(huán)境共同組合而成的，弱信號(hào)的解讀實(shí)質(zhì)上是一種主觀建構(gòu)行為，人只有通過觀察才能理解弱信號(hào)的意義，并實(shí)現(xiàn)與他人的信息共享。因此，本文借鑒意義建構(gòu)理論中“情境對(duì)信息渠道和信息內(nèi)容選擇有重要影響”[28]觀點(diǎn)，認(rèn)為弱信號(hào)的有效解讀需要結(jié)合關(guān)鍵詞術(shù)語的使用場(chǎng)景展開分析。

如圖3所示，對(duì)于組合圖法獲得的弱信號(hào)關(guān)鍵詞（如A）而言，其具體情境正是其在術(shù)語使用中同一句子內(nèi)的上下文語境（如G、H、I等詞），因此，要想更好地解讀和分析弱信號(hào)具體含義，需要在原文檔中抽取每個(gè)弱信號(hào)關(guān)鍵詞的上下文關(guān)聯(lián)詞，通過統(tǒng)計(jì)確定與弱信號(hào)關(guān)鍵詞術(shù)語高頻共現(xiàn)的一組語境詞，共同實(shí)現(xiàn)對(duì)弱信號(hào)的語義建構(gòu)和解析。在實(shí)際操作中，本文通過Python語言編程將弱信號(hào)術(shù)語關(guān)鍵詞整理成列表形式，并在抽取出的異類數(shù)據(jù)文檔中統(tǒng)計(jì)各術(shù)語同一句子內(nèi)同所有詞匯的共現(xiàn)頻次，然后以“弱信號(hào)術(shù)語A、共現(xiàn)高頻詞B和共現(xiàn)頻次N”的形式輸出所有關(guān)聯(lián)詞表，以獲取每個(gè)弱信號(hào)術(shù)語語境詞組。

圖3 弱信號(hào)術(shù)語語義建構(gòu)示意圖

2.6 識(shí)別結(jié)果評(píng)估

識(shí)別結(jié)果的評(píng)估一直是技術(shù)預(yù)見研究中的難點(diǎn)與痛點(diǎn)。部分現(xiàn)有研究往往選用專家評(píng)估的方式進(jìn)行結(jié)果檢驗(yàn)，另有少部分研究選用指標(biāo)量化或同文比對(duì)的方式解決該問題。鑒于新興技術(shù)弱信號(hào)的微弱性，即使是專家評(píng)估仍具有不準(zhǔn)確性。因此，本文嘗試選用同文比對(duì)的方式，檢索現(xiàn)有相關(guān)文獻(xiàn)或新聞報(bào)道，對(duì)弱信號(hào)關(guān)鍵詞術(shù)語語義建構(gòu)結(jié)果進(jìn)行解讀，并基于論文作者觀點(diǎn)和新聞評(píng)價(jià)內(nèi)容進(jìn)行結(jié)果評(píng)估和檢驗(yàn)。

3 實(shí)證研究：量子信息技術(shù)領(lǐng)域

量子信息既是我國“十四五”規(guī)劃中聚焦的重點(diǎn)創(chuàng)新領(lǐng)域，也是事關(guān)國家安全和發(fā)展全局的前沿技術(shù)領(lǐng)域，量子信息技術(shù)的演化和創(chuàng)新對(duì)于未來發(fā)展具有重要意義。我國量子信息技術(shù)發(fā)展快速，已位于世界第一隊(duì)列。開展量子信息的新興技術(shù)弱信號(hào)識(shí)別研究，可以有效探測(cè)量子信息技術(shù)的新興微弱信號(hào)，輔助該領(lǐng)域?qū)＜疫M(jìn)行量子信息領(lǐng)域的技術(shù)創(chuàng)新方向研發(fā)判斷，推動(dòng)量子信息的技術(shù)發(fā)展。

3.1 數(shù)據(jù)獲取及預(yù)處理

本文以Web of Science核心合集數(shù)據(jù)庫為數(shù)據(jù)源，通過線上線下文獻(xiàn)調(diào)研，確定主題詞檢索策略，并制定檢索式①檢索式：TS=（（"Quantum" and （（"information"）OR （"eraser"） OR （"classical transition"） OR （"coherence"） OR （"entangle‐ment"） OR （"measurement"） OR （"network"） OR （"storage"） OR （"memory"） OR （"communication"） OR （"fingerprint"） OR （"pro‐cessor"） OR （"cavity QED"） OR （"clock synchronization"） OR （"image"） OR （"sensor"） OR （"magnetometry"））） OR （（quantum NEAR/5 comput*） OR （quantum NEAR/15 algorithm*） OR （quantum NEAR/10 simulat*） OR （quantum NEAR/10 error*） OR （"quantum circuit" OR "quantum cellular automata" OR "quantum turing machine" OR "quantum register"） OR （quantum NEAR/10 communication*） OR（quantum NEAR/15 protocol*） OR （quantum NEAR/15 cryptograph*） OR （"quantum key"）））；論文類型：期刊論文和會(huì)議論文；時(shí)間范圍：2017年1月1日至2022年5月7日。，檢索獲得79861條量子信息領(lǐng)域的文獻(xiàn)信息，經(jīng)去重、剔除題錄缺失等數(shù)據(jù)后，共獲得79160條文獻(xiàn)數(shù)據(jù)。隨后，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，具體包括統(tǒng)一大小寫、去除標(biāo)點(diǎn)符號(hào)、詞性標(biāo)記、詞根還原和剔除停用詞等。

3.2 異類數(shù)據(jù)篩選

基于Blei等[29]提出的主題困惑度方法（perplex‐ity）確定最優(yōu)主題數(shù)目后，使用LDA模型聚類，確定主題數(shù)目為6類，并基于公式(1)篩選異類文檔，獲得14880項(xiàng)離群性文檔數(shù)據(jù)。然后，使用訓(xùn)練好的BERT（bidirectional encoder representations from transformers）模型對(duì)文檔進(jìn)行向量化處理，依據(jù)余弦相似度算法計(jì)算不同文本間的相似度，基于公式(2)共篩選出9202項(xiàng)異類文檔（表1）。

表1 各時(shí)間段異類數(shù)據(jù)篩選結(jié)果

3.3 關(guān)鍵術(shù)語抽取和組合圖法計(jì)算

使用改進(jìn)后TF-IDF模型計(jì)算9202篇異類數(shù)據(jù)中63750個(gè)關(guān)鍵術(shù)語的TF-IDF值，并提取前1000個(gè)重要關(guān)鍵詞進(jìn)行弱信號(hào)識(shí)別。然后，依據(jù)公式(4)和公式(5)（設(shè)定時(shí)間權(quán)重tw=0.05），計(jì)算各關(guān)鍵詞術(shù)語的DoV值和DoD值，并計(jì)算兩項(xiàng)指標(biāo)不同年份間的變化率。再分別取DoV平均值和DoD平均值作為橫坐標(biāo)，以DoV或DoD的平均增長(zhǎng)率（AAGR）作為縱坐標(biāo)，繪制關(guān)鍵詞顯現(xiàn)圖（KEM）和關(guān)鍵詞發(fā)布圖（KIM）。其中，設(shè)定年均增長(zhǎng)率位于前30%和平均出現(xiàn)頻率前50%的術(shù)語（文檔）的值為各象限分界位置，具體如圖4和圖5所示。

圖4 關(guān)鍵詞顯現(xiàn)圖(KEM)

圖5 關(guān)鍵詞發(fā)布圖(KIM)

對(duì)圖4和圖5中位于第二象限的術(shù)語取并集處理，最終確定出140項(xiàng)表征量子信息領(lǐng)域新興技術(shù)弱信號(hào)的關(guān)鍵詞術(shù)語，部分結(jié)果如表2所示。

表2 弱信號(hào)術(shù)語識(shí)別結(jié)果（部分）

3.4 弱信號(hào)語義建構(gòu)

基于統(tǒng)計(jì)得到的140項(xiàng)弱信號(hào)關(guān)鍵詞術(shù)語，抽取各術(shù)語使用的上下文語境詞。Python語言編程偽代碼如圖6所示。統(tǒng)計(jì)其中共現(xiàn)頻次前10位和共現(xiàn)頻次大于100次的重要語境詞，部分結(jié)果如表3所示。

表3 弱信號(hào)術(shù)語及語義建構(gòu)詞集（部分）

圖6 弱信號(hào)關(guān)鍵術(shù)語上下文語境詞抽取偽代碼

3.5 弱信號(hào)識(shí)別結(jié)果評(píng)估與檢驗(yàn)

基于弱信號(hào)術(shù)語的語境詞抽取結(jié)果，對(duì)140項(xiàng)弱信號(hào)術(shù)語進(jìn)行調(diào)研討論。本文選取DoV或DoD平均值和平均增長(zhǎng)率（AAGR）較高的adsorption、private、patient和game共4項(xiàng)術(shù)語及其語境詞（表3）進(jìn)行弱信號(hào)含義解析，用于評(píng)估識(shí)別結(jié)果的有效性。

3.5.1 基于adsorption術(shù)語的量子點(diǎn)吸附研究

基于“adsorption”的語義建構(gòu)詞集如圖7所示。解析后可將用于金屬離子聚合物吸附的量子點(diǎn)吸附劑研究視為量子信息領(lǐng)域弱信號(hào)之一。具體來說，量子點(diǎn)（quantum dot）作為一種準(zhǔn)零維的納米材料，具有光穩(wěn)定性好、生物相容性優(yōu)和子點(diǎn)熒光壽命長(zhǎng)等優(yōu)點(diǎn)，受到了科學(xué)界的廣泛關(guān)注。近年來，隨著工業(yè)污染的加劇，學(xué)者們開始對(duì)量子點(diǎn)用于金屬離子聚合物吸附進(jìn)行探索性研究。例如，2020年，Zare Pirhaji等[30]將石墨烯量子點(diǎn)（graphene quantum dots，GQD）共價(jià)固定在NiFe2O4埃洛石納米管（halloysite nanotubes，HNTs）表面，制備了一種納米復(fù)合材料，用于去除水中Pb(II)離子的活性吸附劑；上海交通大學(xué)自主研發(fā)的磁性鐵基量子點(diǎn)吸附劑，能有效解決水污染處理難以分離沉淀的問題，并基于此申請(qǐng)了多項(xiàng)專利，受到了多家媒體報(bào)道[31]。此外，在基于“量子投融資前景”的訪談報(bào)道中，“小苗朗程”基金合伙人提出要投資關(guān)注自研量子材料領(lǐng)域的最新動(dòng)向[32]。2022年，德國量子企業(yè)Pixel Photonics更是基于其在量子納米技術(shù)領(lǐng)域的杰出表現(xiàn)，獲得了德國風(fēng)險(xiǎn)投資基金、法國量子風(fēng)險(xiǎn)投資基金以及光子行業(yè)資深人士共計(jì)145萬歐元的種子輪融資[33]。

圖7 基于adsorption術(shù)語的語義建構(gòu)詞集

3.5.2 基于private術(shù)語的量子保密比較協(xié)議研究

基于private的語義建構(gòu)詞集如圖8所示，解析后可將量子保密比較協(xié)議的相關(guān)研究視為量子信息領(lǐng)域弱信號(hào)之一。具體來說，隨著近年來量子計(jì)算機(jī)的快速發(fā)展，其卓越的計(jì)算性能引發(fā)了多位用戶間集體計(jì)算的信任和安全問題，因此，量子領(lǐng)域的多方安全計(jì)算問題受到了學(xué)者們的關(guān)注。2021年，北京郵電大學(xué)李劍團(tuán)隊(duì)探索了基于單粒子態(tài)和最大糾纏態(tài)的多方量子保密比較協(xié)議研究，能夠提升協(xié)議的靈活性和安全性，減少資源的消耗，是量子信息領(lǐng)域未來重要的研究方向[34]。此外，在基于“量子投融資前景”的訪談報(bào)道中，辰幔資本創(chuàng)始合伙人明確提出投融資機(jī)構(gòu)在短期內(nèi)更青睞量子保密通信賽道[33]。2023年，量子技術(shù)公司Sandbox AQ基于其在量子計(jì)算、保密安全方面的研究突破獲5億美元融資[35]。

圖8 基于private術(shù)語的語義建構(gòu)詞集

3.5.3 基于patient術(shù)語的量子點(diǎn)醫(yī)學(xué)研究

基于patient術(shù)語的語義建構(gòu)詞集如圖9所示，解析后可將量子點(diǎn)醫(yī)學(xué)的相關(guān)研究視為量子信息領(lǐng)域弱信號(hào)之一。具體來說，隨著現(xiàn)代檢驗(yàn)醫(yī)學(xué)的不斷進(jìn)步，量子信息與醫(yī)學(xué)、化學(xué)、生物學(xué)等多學(xué)科交叉結(jié)合已成為必然發(fā)展趨勢(shì)并受到廣泛關(guān)注，而量子點(diǎn)作為極具應(yīng)用前景的新型納米材料，為醫(yī)學(xué)研究和疾病治療帶來了新的思路。2020年，Perini等[36]提出通過石墨烯量子點(diǎn)（GQD）改變膜通透性，促進(jìn)U87細(xì)胞內(nèi)Dox的攝取，可用于腦癌的聯(lián)合治療，能夠提高化療的療效，同時(shí)減少其劑量需求和副作用，從而改善患者的生活質(zhì)量。因此，量子點(diǎn)醫(yī)學(xué)的相關(guān)研究同樣為量子信息領(lǐng)域重要弱信號(hào)之一。此外，在“2022年十大量子計(jì)算融資排名”報(bào)道中，對(duì)IQM（1.28億歐元）和Qubit Phar‐maceuticals（1600萬歐元）兩家機(jī)構(gòu)的投融資操作中均提出了重點(diǎn)關(guān)注運(yùn)用量子技術(shù)來解決疾病治療、醫(yī)療保健領(lǐng)域的挑戰(zhàn)性問題[37]。

圖9 基于patient術(shù)語的語義建構(gòu)詞集

3.5.4 基于game術(shù)語的量子決策/博弈研究

基于game的語義建構(gòu)詞集如圖10所示，解析后可將基于量子游戲的決策/博弈相關(guān)研究視為量子信息領(lǐng)域弱信號(hào)之一。具體來說，量子決策是通過對(duì)認(rèn)知科學(xué)中的決策現(xiàn)象進(jìn)行建模，運(yùn)用量子力學(xué)理論的數(shù)學(xué)方法，研究與描述決策的理論；其目標(biāo)是在傳統(tǒng)經(jīng)典理論的基礎(chǔ)上推進(jìn)模型。而博弈論的經(jīng)典模型，如囚徒困境、鷹鴿博弈等，均可以通過量子決策進(jìn)行新的研究，提出新的解決方案。例如，Jabir等[38]將量子決策應(yīng)用到鷹鴿博弈中，尋求量子鷹鴿博弈游戲的平衡解，并提供了隨機(jī)策略的帕累托最優(yōu)，證實(shí)了量子博弈的均衡解是唯一的。此外，量子博弈作為量子計(jì)算，甚至是量子體系的底層理論，更是在投融資界受到風(fēng)險(xiǎn)投資基金和資本方的重點(diǎn)關(guān)注，世界基金、三星NEXT、深創(chuàng)投、中信證券，甚至東京大學(xué)投資集團(tuán)、牛津科學(xué)企業(yè)、斯坦福校友投資集團(tuán)等投資方均有對(duì)量子計(jì)算領(lǐng)域的投資操作[37]。

圖10 基于game術(shù)語的語義建構(gòu)詞集

除上述分析實(shí)例外，本文識(shí)別出的量子信息領(lǐng)域新興技術(shù)弱信號(hào)仍有諸多待解釋內(nèi)容。鑒于安索夫提出的弱信號(hào)識(shí)別中的三層過濾器理論[19]，對(duì)不同信息需求者而言，其評(píng)價(jià)認(rèn)定的弱信號(hào)方向也不同，難以論述全部識(shí)別結(jié)果。但本文提出的結(jié)合異類數(shù)據(jù)篩選和關(guān)鍵術(shù)語語義建構(gòu)的弱信號(hào)識(shí)別方法仍有助于決策者和研發(fā)人員從海量信息中提取有效的弱信號(hào)信息，以便輔助和支撐決策。

4 結(jié) 語

若要發(fā)揮技術(shù)預(yù)見研究中的“耳目”“尖兵”之作用，就要提早識(shí)別和確定新興技術(shù)弱信號(hào)之內(nèi)容。本文結(jié)合安索夫三層過濾器理論和意義建構(gòu)理論，提出了一種基于異類數(shù)據(jù)和語義建構(gòu)的新興技術(shù)弱信號(hào)識(shí)別方法，具體涵蓋數(shù)據(jù)獲取、特征量化模型構(gòu)建、異類數(shù)據(jù)篩選、關(guān)鍵術(shù)語抽取、弱信號(hào)術(shù)語識(shí)別以及語義建構(gòu)與評(píng)估的識(shí)別全流程方法，并圍繞量子信息技術(shù)領(lǐng)域開展實(shí)證研究。通過分析和論證，最終發(fā)現(xiàn)，未來量子信息領(lǐng)域的新興技術(shù)弱信號(hào)包括量子點(diǎn)吸附、量子保密協(xié)議、量子點(diǎn)醫(yī)學(xué)和量子博弈等相關(guān)研究。識(shí)別結(jié)果均得到當(dāng)前研究的支持，證實(shí)了本文識(shí)別方法的有效性，能夠?yàn)闆Q策者和技術(shù)研發(fā)人員提供決策支持。

本文的創(chuàng)新點(diǎn)主要包括：在選題方面，基于已有弱信號(hào)的多元研究視角，本文從新興技術(shù)視角開展研究，拓展和豐富了弱信號(hào)研究?jī)?nèi)涵，提出了新興技術(shù)弱信號(hào)識(shí)別的研究思路，豐富了弱信號(hào)識(shí)別的研究?jī)r(jià)值；在理論方面，本文基于安索夫三層過濾器理論設(shè)計(jì)研究框架設(shè)計(jì)的“新興技術(shù)弱信號(hào)”識(shí)別方法是對(duì)“觀察-認(rèn)知-決策過濾器”模型的創(chuàng)新實(shí)踐和有效補(bǔ)充；在弱信號(hào)含義解析方面，基于意義建構(gòu)理論，本文通過語義建構(gòu)的方式，結(jié)合術(shù)語上下文語境來挖掘和解析弱信號(hào)術(shù)語的含義，有效克服了弱信號(hào)解析困難，是對(duì)已有研究的有效補(bǔ)充。

另外，本文仍有可改進(jìn)之處。未來可考慮綜合多源數(shù)據(jù)進(jìn)行識(shí)別、優(yōu)化異類數(shù)據(jù)篩選指標(biāo)、擴(kuò)大技術(shù)應(yīng)用領(lǐng)域等，從而提升本文方法的普適性。