以市場(chǎng)需求為導(dǎo)向的企業(yè)技術(shù)研發(fā)方向識(shí)別研究

摘 要：識(shí)別領(lǐng)域內(nèi)重點(diǎn)技術(shù)研發(fā)方向，是企業(yè)技術(shù)創(chuàng)新活動(dòng)中不可或缺的關(guān)鍵環(huán)節(jié)，不僅關(guān)乎資源優(yōu)化配置和創(chuàng)新效率提升，而且是推動(dòng)企業(yè)持續(xù)發(fā)展、實(shí)現(xiàn)技術(shù)突破的重要戰(zhàn)略舉措。面向市場(chǎng)（或用戶）需求，選擇從競(jìng)爭(zhēng)者導(dǎo)向角度出發(fā)，構(gòu)建企業(yè)技術(shù)研發(fā)方向識(shí)別模型。首先，利用文本挖掘技術(shù)對(duì)領(lǐng)域內(nèi)相關(guān)專利文本進(jìn)行SAO語(yǔ)義結(jié)構(gòu)提取和專利權(quán)人提取，并以與技術(shù)相關(guān)的S或O概念層級(jí)實(shí)體為技術(shù)表征，構(gòu)建企業(yè)—技術(shù)關(guān)聯(lián)網(wǎng)絡(luò)及企業(yè)合作網(wǎng)絡(luò)；其次，將企業(yè)—技術(shù)關(guān)聯(lián)矩陣進(jìn)行Z-score標(biāo)準(zhǔn)化得到企業(yè)—技術(shù)評(píng)分矩陣，并將社團(tuán)劃分算法應(yīng)用于企業(yè)合作網(wǎng)絡(luò)，綜合社團(tuán)屬性和企業(yè)相似性分值選取Top-k項(xiàng)企業(yè)所涉及的技術(shù)，形成候選技術(shù)列表；最后，構(gòu)建技術(shù)增長(zhǎng)性和技術(shù)適用性指標(biāo)，對(duì)識(shí)別出的候選技術(shù)進(jìn)行定量評(píng)估，并結(jié)合企業(yè)自身技術(shù)布局為其推薦適合的發(fā)展方向。實(shí)證研究部分，以默沙東公司（MERI-C）為例，進(jìn)行技術(shù)研發(fā)方向識(shí)別研究，為企業(yè)精準(zhǔn)高效開(kāi)展技術(shù)創(chuàng)新活動(dòng)提供科學(xué)的決策依據(jù)。

關(guān)鍵詞：技術(shù)機(jī)會(huì)；SAO語(yǔ)義挖掘；協(xié)同過(guò)濾算法；技術(shù)研發(fā)方向

中圖分類號(hào)：G250；G353" " 文獻(xiàn)標(biāo)志碼：A" " 文章編號(hào)：1671-0037（2024）7-63-12

DOI：10.19345/j.cxkj.1671-0037.2024.7.6

0 引言

隨著新一輪科技革命和產(chǎn)業(yè)變革的蓬勃興起，科技發(fā)展呈現(xiàn)出前所未有的突破性態(tài)勢(shì)，各國(guó)都在加大技術(shù)創(chuàng)新力度，試圖在云計(jì)算、生物醫(yī)藥、新能源、新材料等領(lǐng)域搶占科技發(fā)展制高點(diǎn)。然而，技術(shù)創(chuàng)新是一個(gè)連續(xù)且動(dòng)態(tài)變化的過(guò)程，涵蓋了從新思想產(chǎn)生，到研究、發(fā)展、試制、生產(chǎn)制造再到商業(yè)化的各個(gè)環(huán)節(jié)，其中的關(guān)系也并非簡(jiǎn)單的線性模式，而是復(fù)雜多維的相互作用［1-2］。與此同時(shí)，創(chuàng)新具有風(fēng)險(xiǎn)性，科學(xué)新發(fā)現(xiàn)并不能天然適應(yīng)國(guó)家戰(zhàn)略需求與市場(chǎng)微觀需求，也不能直接轉(zhuǎn)化為技術(shù)創(chuàng)新成果［3］。因此，作為技術(shù)創(chuàng)新活動(dòng)的主體，企業(yè)應(yīng)在前沿導(dǎo)向鼓勵(lì)的探索型研究與市場(chǎng)導(dǎo)向鼓勵(lì)的應(yīng)用型研究之間建立起橋梁，切實(shí)提高科技成果轉(zhuǎn)化效率與轉(zhuǎn)化效果［4］。

在學(xué)術(shù)界，有關(guān)市場(chǎng)導(dǎo)向與企業(yè)技術(shù)創(chuàng)新活動(dòng)的關(guān)系一直飽受爭(zhēng)議。Christensen和Bower［5］認(rèn)為，企業(yè)在市場(chǎng)導(dǎo)向下開(kāi)展技術(shù)創(chuàng)新活動(dòng)難以獲得真正意義上的突破性發(fā)展。周飛等［6］則認(rèn)為，企業(yè)以市場(chǎng)為導(dǎo)向，為不斷滿足日益變化的市場(chǎng)（或用戶）需求而開(kāi)展技術(shù)研發(fā)活動(dòng)，并在此基礎(chǔ)上開(kāi)發(fā)新產(chǎn)品，是保持其競(jìng)爭(zhēng)優(yōu)勢(shì)的重要途徑；同樣，杜鵬和萬(wàn)后芬［7］發(fā)現(xiàn)，市場(chǎng)導(dǎo)向與企業(yè)績(jī)效水平呈顯著的正相關(guān)關(guān)系，且市場(chǎng)導(dǎo)向型企業(yè)能夠根據(jù)市場(chǎng)環(huán)境的變化作出及時(shí)有效的反應(yīng)，這有助于企業(yè)實(shí)施差異化戰(zhàn)略，提升企業(yè)的競(jìng)爭(zhēng)實(shí)力。究其原因，Narver等［8］、張婧和段艷玲［9］認(rèn)為，市場(chǎng)導(dǎo)向有其細(xì)分類型，即反應(yīng)型市場(chǎng)導(dǎo)向（Responsive Market Orientation， RMO）和先動(dòng)型市場(chǎng)導(dǎo)向（Proactive Market Orientation， PMO）；而后者屬于企業(yè)主動(dòng)性行為，也是決定企業(yè)技術(shù)創(chuàng)新活動(dòng)成功的關(guān)鍵。進(jìn)一步地，景奉杰和曾憲偉［10］研究指出，決定企業(yè)成敗的關(guān)鍵往往不在于其推出新產(chǎn)品的速度，而在于企業(yè)能否及時(shí)準(zhǔn)確地對(duì)技術(shù)發(fā)展方向作出正確的判斷并采取行動(dòng)。面對(duì)如何在市場(chǎng)導(dǎo)向下選擇技術(shù)研發(fā)方向的問(wèn)題，學(xué)者們將其概括為3個(gè)行為要素（市場(chǎng)需求、競(jìng)爭(zhēng)者導(dǎo)向、跨部門間協(xié)調(diào)）和兩個(gè)決策標(biāo)準(zhǔn)（長(zhǎng)期性中心和盈利性目標(biāo)）［11］。

綜上，學(xué)者們圍繞此類問(wèn)題已經(jīng)取得了較為豐碩的成果，為本研究提供了重要的參考思路。但在現(xiàn)實(shí)世界中，市場(chǎng)環(huán)境瞬息萬(wàn)變，企業(yè)需要根據(jù)市場(chǎng)變化及時(shí)調(diào)整技術(shù)策略，以保證自身可持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。因此，如何幫助企業(yè)盡快明晰市場(chǎng)上不斷變化的需求，為其尋求具有發(fā)展?jié)摿Φ募夹g(shù)研發(fā)方向是一個(gè)亟待解決的問(wèn)題。本研究嘗試結(jié)合SAO語(yǔ)義挖掘、協(xié)同過(guò)濾算法、Louvain算法，構(gòu)建企業(yè)技術(shù)研發(fā)方向識(shí)別模型，為企業(yè)高效開(kāi)展技術(shù)創(chuàng)新活動(dòng)提供全面細(xì)致的決策支持。

1 相關(guān)研究

面向市場(chǎng)需求識(shí)別技術(shù)研發(fā)方向?qū)儆诩夹g(shù)機(jī)會(huì)識(shí)別問(wèn)題，即市場(chǎng)導(dǎo)向型技術(shù)機(jī)會(huì)識(shí)別［12］，相關(guān)研究主要包含兩種類型。

①在宏觀層面（領(lǐng)域需求）。Tuarob和Tucker［13］以及Christensen等［14］認(rèn)為，在線社區(qū)中的用戶評(píng)論信息對(duì)于新產(chǎn)品開(kāi)發(fā)或產(chǎn)品功能改進(jìn)具有重要啟示，并采用文本挖掘與機(jī)器學(xué)習(xí)相結(jié)合的方法，辨別了“Idea text”（含產(chǎn)品相關(guān)反饋）和“Non-idea text”（不含產(chǎn)品相關(guān)反饋）。Ardichvili等［15］認(rèn)為，技術(shù)機(jī)會(huì)識(shí)別應(yīng)建立在充分感知市場(chǎng)需求與技術(shù)資源之間差距的基礎(chǔ)上，重視未被完全利用的技術(shù)資源，進(jìn)而挖掘與市場(chǎng)需求相匹配的新技術(shù)。吳菲菲等［16］從網(wǎng)絡(luò)平臺(tái)中獲取無(wú)人機(jī)領(lǐng)域的研發(fā)需求，進(jìn)而針對(duì)目標(biāo)企業(yè)在無(wú)人機(jī)領(lǐng)域內(nèi)的專利進(jìn)行二次檢索，并采用LDA主題模型與主成分分析法確定目標(biāo)企業(yè)的技術(shù)空白。Wang和Chen［17］提出了一種結(jié)合向量空間模型、潛在語(yǔ)義分析與異常值檢測(cè)算法的專利挖掘方法，通過(guò)將已識(shí)別的異常點(diǎn)映射到由效用層級(jí)與情景選擇構(gòu)成的二維空間中，以用戶需求為中心識(shí)別技術(shù)機(jī)會(huì)。

②在微觀層面。國(guó)內(nèi)外學(xué)者對(duì)用戶需求進(jìn)行了更為詳細(xì)的劃分。Qi等［18］、趙宇晴等［19］使用基于模糊理論的KANO模型對(duì)從在線評(píng)論中提取的用戶需求進(jìn)行分類，并進(jìn)一步與情感分析法結(jié)合構(gòu)建需求—滿意度量化模型，從用戶需求類型出發(fā)，確定產(chǎn)品研發(fā)和改進(jìn)的優(yōu)先級(jí)。王艷等［20］采用結(jié)構(gòu)主題模型（Structural Topic Model， STM）從在線評(píng)論中提取用戶對(duì)相關(guān)產(chǎn)品的功能需求，進(jìn)而以SAO短語(yǔ)對(duì)技術(shù)要素進(jìn)行表征，并結(jié)合STM模型篩選能夠滿足產(chǎn)品功能需求且具有融合傾向的技術(shù)要素，將其作為潛在技術(shù)融合機(jī)會(huì)。吳紅等［21］考慮了技術(shù)的組合性與遞歸性，基于產(chǎn)品評(píng)論數(shù)據(jù)與專利數(shù)據(jù)，建立了用戶需求—產(chǎn)品功能—技術(shù)（專利）間的映射關(guān)系，進(jìn)而以IPC分類號(hào)為基礎(chǔ)知識(shí)單元，采用Dijkstra最短路徑算法挖掘潛在知識(shí)組合，識(shí)別融合市場(chǎng)需求與具有知識(shí)組合可行性的技術(shù)機(jī)會(huì)。吳一平等［22］主要關(guān)注用戶對(duì)產(chǎn)品的技術(shù)需求，在建立技術(shù)特征—產(chǎn)品技術(shù)屬性關(guān)聯(lián)矩陣的基礎(chǔ)上，構(gòu)建了用戶需求與技術(shù)屬性之間的關(guān)聯(lián)關(guān)系；進(jìn)一步地，通過(guò)對(duì)技術(shù)屬性的多維度分析，深入探究用戶需求隨時(shí)間的動(dòng)態(tài)變化過(guò)程，為企業(yè)精準(zhǔn)迎合市場(chǎng)技術(shù)需求提供參考依據(jù)。柳林林等［23］基于領(lǐng)域數(shù)據(jù)抽取因果三元組（如lt;功率耦合，導(dǎo)致，動(dòng)態(tài)性能差gt;），構(gòu)建包含因果知識(shí)的技術(shù)網(wǎng)絡(luò)；然后，通過(guò)情感識(shí)別、需求詞抽取等步驟，識(shí)別用戶使用過(guò)程中的需求因素并進(jìn)行匹配，以實(shí)現(xiàn)機(jī)會(huì)識(shí)別。

與此同時(shí)，馮立杰等［24］將技術(shù)維系統(tǒng)創(chuàng)新方法引入面向用戶需求的技術(shù)機(jī)會(huì)識(shí)別中，展開(kāi)了系統(tǒng)化研究。具體而言，在分析低端市場(chǎng)用戶需求與技術(shù)生命周期的基礎(chǔ)上，以目標(biāo)用戶需求為導(dǎo)向，通過(guò)探索創(chuàng)新法則與創(chuàng)新維度的作用方式，構(gòu)建目標(biāo)領(lǐng)域的多維技術(shù)創(chuàng)新地圖，形成了面向低端市場(chǎng)顛覆式創(chuàng)新的技術(shù)機(jī)會(huì)識(shí)別路徑。劉鵬等［25］面向用戶需求，構(gòu)建了“創(chuàng)新維度—技術(shù)（主題）—功效（主題）”三級(jí)語(yǔ)義知識(shí)庫(kù)，通過(guò)創(chuàng)新維度—功效矩陣識(shí)別產(chǎn)品的宏觀創(chuàng)新機(jī)會(huì)，通過(guò)創(chuàng)新子維—功效矩陣識(shí)別產(chǎn)品的中觀創(chuàng)新機(jī)會(huì)，通過(guò)創(chuàng)新形態(tài)—功效矩陣識(shí)別產(chǎn)品的具象創(chuàng)新機(jī)會(huì)。

相關(guān)研究的總結(jié)與歸納如表1所示。

2 技術(shù)研發(fā)方向識(shí)別模型

通過(guò)上述分析，本研究面向市場(chǎng)（或用戶）需求，選擇從競(jìng)爭(zhēng)者導(dǎo)向角度出發(fā)識(shí)別企業(yè)技術(shù)研發(fā)方向的原因如下。

①理論層面。Daniel和Juan［28］通過(guò)對(duì)西班牙451家公司進(jìn)行實(shí)證研究發(fā)現(xiàn)，市場(chǎng)（用戶）需求和競(jìng)爭(zhēng)者導(dǎo)向均可以對(duì)企業(yè)技術(shù)創(chuàng)新活動(dòng)產(chǎn)生顯著的正向影響。②技術(shù)層面。單純從滿足市場(chǎng)（或用戶）需求出發(fā)挖掘的技術(shù)有可能是一項(xiàng)尚未被解決的技術(shù)難題，或不適合應(yīng)用于新產(chǎn)品的開(kāi)發(fā)以及產(chǎn)品功能的改進(jìn)。③公司戰(zhàn)略層面。當(dāng)某一市場(chǎng)（或用戶）需求已被企業(yè)識(shí)別利用時(shí)，對(duì)于當(dāng)前或未來(lái)的其他企業(yè)來(lái)說(shuō)也并不是就沒(méi)有利用的機(jī)會(huì)了。這種對(duì)需求的再利用，可能源于“企業(yè)戰(zhàn)略—市場(chǎng)需求—市場(chǎng)環(huán)境”中任何變化導(dǎo)致的不匹配。因此，本研究以專利文獻(xiàn)為研究數(shù)據(jù)，構(gòu)建企業(yè)技術(shù)研發(fā)方向識(shí)別模型，具體包括企業(yè)—技術(shù)評(píng)分矩陣構(gòu)建、企業(yè)最近鄰選擇、技術(shù)發(fā)展?jié)摿υu(píng)估等3個(gè)步驟。

2.1 企業(yè)—技術(shù)評(píng)分矩陣構(gòu)建

考慮到專利文獻(xiàn)數(shù)量及自然語(yǔ)言處理所需的時(shí)間和復(fù)雜度等多方面因素，選擇由專利標(biāo)題與摘要構(gòu)成的中長(zhǎng)文本作為數(shù)據(jù)源。在獲取專利數(shù)據(jù)后，采用SemRep提取SAO結(jié)構(gòu)，并以與技術(shù)相關(guān)的S或O概念層級(jí)實(shí)體為技術(shù)表征，構(gòu)建專利與技術(shù)之間的關(guān)聯(lián)關(guān)系，如表2所示。

進(jìn)一步地，以專利號(hào)PN為連接紐帶，構(gòu)建企業(yè)（專利權(quán)人）與技術(shù)之間的關(guān)聯(lián)關(guān)系，如表3所示。

對(duì)表3所示數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化處理，即將多組數(shù)據(jù)轉(zhuǎn)化為無(wú)單位的Z-score分值，使得數(shù)據(jù)標(biāo)準(zhǔn)統(tǒng)一化，提高數(shù)據(jù)可比性。計(jì)算公式如下：

[Z=x?μσ] （1）

[σ=1Ni=1N（xi?μ）2] （2）

式（1）—（2）中：x為技術(shù)節(jié)點(diǎn)在不同企業(yè)專利文本中出現(xiàn)的頻次；[μ]為平均數(shù)；[σ]為標(biāo)準(zhǔn)差；N為表征技術(shù)的概念實(shí)體個(gè)數(shù)。計(jì)算得到的Z-score值為企業(yè)對(duì)技術(shù)的評(píng)分矩陣，該矩陣包含[m]個(gè)企業(yè)的集合[Company={C1，C2，…，Cm}]和[n]個(gè)技術(shù)的集合[Item={I1，I，…，In}]。其中，矩陣的行表示企業(yè)，滿足[1≤i≤m]；矩陣的列表示技術(shù)，滿足[1≤j≤n]。企業(yè)[Ci]對(duì)技術(shù)[Ij]的評(píng)分可用[Rij]表示，即上文提到的Z-score值。

2.2 企業(yè)最近鄰選擇

最近鄰選擇包含3個(gè)部分：①將余弦相似性法應(yīng)用于企業(yè)—技術(shù)評(píng)分矩陣，度量企業(yè)間的相似程度，進(jìn)而得到相似性得分；②將社團(tuán)劃分算法（Louvain算法）應(yīng)用于企業(yè)合作網(wǎng)絡(luò)，得到企業(yè)社團(tuán)聚類結(jié)果；③綜合考量企業(yè)相似性得分與社團(tuán)屬性，選取交集中的Top-k項(xiàng)企業(yè)所涉及的技術(shù)，形成候選技術(shù)列表?；谏弦徊降玫降钠髽I(yè)與技術(shù)評(píng)分矩陣，企業(yè)[C1、C2]的相似性得分計(jì)算公式如下：

[cos（C1，C2）=i=1mRC1i?RC2ii=1mRC1i2?i=1mRC2i2] （3）

式（3）中：[RC1i]和[RC2i]表示企業(yè)[C1、C2]對(duì)技術(shù)[i]的評(píng)分；[m]為涉及的企業(yè)總數(shù)。由于專利申請(qǐng)與授權(quán)情況能夠表征企業(yè)科技產(chǎn)出狀況和技術(shù)研發(fā)水平，將社團(tuán)劃分算法應(yīng)用于企業(yè)的合作網(wǎng)絡(luò)，同樣可助力挖掘出具有較高技術(shù)相似性的各類企業(yè)［29］。圖1為企業(yè)合作網(wǎng)絡(luò)構(gòu)建及企業(yè)社團(tuán)劃分結(jié)果示意圖。

2.3 技術(shù)發(fā)展?jié)摿υu(píng)估

企業(yè)若想通過(guò)技術(shù)創(chuàng)新取得長(zhǎng)期經(jīng)濟(jì)效益，就必須縱觀全局，從技術(shù)所處發(fā)展階段和發(fā)展?jié)摿Τ霭l(fā)，充分利用競(jìng)爭(zhēng)環(huán)境所提供的機(jī)會(huì)［30］。因此，構(gòu)建技術(shù)發(fā)展?jié)摿υu(píng)價(jià)指標(biāo)對(duì)候選列表中的技術(shù)進(jìn)行評(píng)估。

2.3.1 技術(shù)增長(zhǎng)性（Technology Growth， TG）

在Jones和Twiss［30］的研究中，技術(shù)發(fā)展水平反映的是某一特定技術(shù)在各個(gè)時(shí)期（或時(shí)點(diǎn)上）所處的發(fā)展階段和所表現(xiàn)的成熟度，可以通過(guò)技術(shù)生命周期分析、TRIZ技術(shù)成熟度等方法來(lái)測(cè)度。通常情況下，技術(shù)生命周期可被劃分為4個(gè)階段［31］：第一階段為技術(shù)萌芽階段，表現(xiàn)為與該技術(shù)相關(guān)的專利申請(qǐng)數(shù)量較少；第二階段為技術(shù)成長(zhǎng)階段，表現(xiàn)為技術(shù)方向基本明確，技術(shù)創(chuàng)新取得了一定進(jìn)展，與該技術(shù)相關(guān)的專利申請(qǐng)數(shù)量持續(xù)快速增長(zhǎng)；第三階段為技術(shù)成熟階段，此時(shí)技術(shù)相對(duì)成熟，與該技術(shù)相關(guān)的專利申請(qǐng)數(shù)量增長(zhǎng)趨勢(shì)變緩；第四階段為技術(shù)衰退階段，該階段或是遇到難以逾越的技術(shù)障礙，或是某產(chǎn)業(yè)的發(fā)展使得該領(lǐng)域技術(shù)創(chuàng)新活動(dòng)減少，與該技術(shù)相關(guān)的專利申請(qǐng)數(shù)量逐步下降。在4個(gè)階段中，差異最明顯的是相關(guān)專利申請(qǐng)數(shù)量增長(zhǎng)率的變化。因此，借鑒統(tǒng)計(jì)學(xué)領(lǐng)域增長(zhǎng)率的思想，構(gòu)建技術(shù)增長(zhǎng)性指標(biāo)（Technology Growth， TG），對(duì)各年度技術(shù)增長(zhǎng)率求算術(shù)平均值，并以此為標(biāo)準(zhǔn)來(lái)判斷技術(shù)所處的發(fā)展階段。計(jì)算公式如下：

[TGa=（1/T）Pat+1?PatPat] （4）

式（4）中：T為研究時(shí)間段；[Pat]為待識(shí)別技術(shù)a在子研究時(shí)間段t上的累積量。

2.3.2 技術(shù)適用性（Technology Applicability， TAP）

技術(shù)發(fā)展?jié)摿υ谝欢ǔ潭壬象w現(xiàn)了技術(shù)發(fā)展的可能性，即概率問(wèn)題，反映了技術(shù)潛在的應(yīng)用規(guī)模和前景。常用的測(cè)度方法包括專利組合分析法、專利技術(shù)空間分布分析法、專利技術(shù)/功效矩陣分析法等?；诖?，采用技術(shù)適用性（Technology Applicability， TAP）指標(biāo)［32］，測(cè)度技術(shù)在不同領(lǐng)域中應(yīng)用的廣泛性，進(jìn)而評(píng)估技術(shù)在未來(lái)的應(yīng)用規(guī)模和前景。計(jì)算公式如下：

[TAPa=1?j=1J（Kaj/j=1JKaj）2?CaC] （5）

式（5）中：C為技術(shù)總量；[Ca]為與研究領(lǐng)域相關(guān)的技術(shù)數(shù)量；[Kaj]為技術(shù)a在不同子領(lǐng)域中出現(xiàn)的頻次；J為子領(lǐng)域數(shù)量。

3 實(shí)證研究

3.1 數(shù)據(jù)采集

《2020全球癌癥報(bào)告》最新統(tǒng)計(jì)數(shù)據(jù)顯示，2020年全球新發(fā)癌癥病例為1 930萬(wàn)例，全球癌癥死亡病例為1 000萬(wàn)例。其中，結(jié)直腸癌新發(fā)病例為220萬(wàn)例，位列第3；死亡病例為94萬(wàn)例，位列第2［33］。縱觀世界惡性腫瘤流行病的趨勢(shì)和中國(guó)城市癌癥發(fā)病譜的變化，研究人員認(rèn)為，在今后10年間，結(jié)直腸癌將成為威脅中國(guó)人民生命健康的主要瘤種［34-35］，癌癥防控已成為中國(guó)健康戰(zhàn)略的重點(diǎn)。因此，當(dāng)以“為企業(yè)尋求滿足市場(chǎng)需求且同時(shí)具有發(fā)展前景的技術(shù)研發(fā)方向”為研究目的時(shí)，將“結(jié)直腸癌治療”作為“需求”便具有合理性。具體來(lái)說(shuō)，基于科睿唯安公司的Derwent Innovation專利平臺(tái)，按照TS=（“Intestinal Disease*”O(jiān)R“Disease*，Intestinal”O(jiān)R“Intestinal Neoplasm*”O(jiān)R“Neoplasm*，Intestinal”O(jiān)R“Intestines Neoplasm*”O(jiān)R“Neoplasm*，Intestines”O(jiān)R“Cancer of Intestines”O(jiān)R“Intestines Cancer*”O(jiān)R“Intestinal Cancer*”O(jiān)R“Cancer of the Intestines”O(jiān)R“Cancer*，Intestines”O(jiān)R“Cancer*，Intestinal”O(jiān)R“Colorectal Neoplasm*”O(jiān)R“Colorectal Tumor*”O(jiān)R“Colorectal Cancer*”O(jiān)R“Colorectal Carcinoma*”O(jiān)R“Neoplasm*，Colorectal”O(jiān)R“Tumor*，Colorectal”O(jiān)R“Cancer*，Colorectal”O(jiān)R“Carcinoma*，Colorectal”O(jiān)R“Ileitis”O(jiān)R“Crohn* Enteritis”O(jiān)R“Regional Enteritis”O(jiān)R“Inflammatory Bowel Disease*”O(jiān)R“Enteritis，Granulomatous”O(jiān)R“Granulomatous Enteritis”O(jiān)R“Enteritis，Regional”O(jiān)R“Ileocolitis”O(jiān)R“Colitis，Granulomatous”O(jiān)R“Granulomatous Colitis”O(jiān)R“Ileitis，Terminal”O(jiān)R“Terminal Ileitis”O(jiān)R“Ileitis，Regional”O(jiān)R“Regional Ileitides”O(jiān)R“Regional Ileitis”O(jiān)R“Colitis，Ulcerative”O(jiān)R“Idiopathic Proctocolitis”O(jiān)R“Ulcerative Colitis”O(jiān)R“Colitis Gravis”O(jiān)R“Inflammatory Bowel Disease，Ulcerative Colitis Type”O(jiān)R“Crohn* Disease*”）進(jìn)行檢索［36］，截止時(shí)間為2023年12月29日，共獲取72 082條專利數(shù)據(jù)。

3.2 數(shù)據(jù)預(yù)處理

第一步，采用SemRep對(duì)上述72 082條專利數(shù)據(jù)的標(biāo)題和摘要進(jìn)行SAO結(jié)構(gòu)提取，并保留1 543個(gè)與腸道腫瘤類疾病相關(guān)的技術(shù)概念實(shí)體作為后文分析的對(duì)象。第二步，提取專利權(quán)人。在德溫特?cái)?shù)據(jù)庫(kù)中，專利權(quán)人代碼的編碼形式有4類：ABCD-C（標(biāo)準(zhǔn)公司和高校、研究機(jī)構(gòu)），ABCD-N（非標(biāo)準(zhǔn)），ABCD-R（蘇聯(lián)的機(jī)構(gòu)）和ABCD-I（個(gè)人）。本研究選取代碼為ABCD-C（標(biāo)準(zhǔn)公司和高校、研究機(jī)構(gòu)）的專利權(quán)人作為分析對(duì)象，最終獲得標(biāo)準(zhǔn)專利權(quán)人1 826個(gè)，平均專利申請(qǐng)量為22.45件；非標(biāo)準(zhǔn)專利權(quán)人16 065個(gè)，平均專利申請(qǐng)量為5.47件。表4列出了排名前10位的標(biāo)準(zhǔn)專利權(quán)人。

從表4中可以看出，總部坐落于美國(guó)的默沙東（默克）公司擁有的專利數(shù)量最多，共1 127件。緊隨其后的是總部坐落于英國(guó)的阿斯利康制藥有限公司和總部坐落于美國(guó)的百時(shí)美施貴寶公司，專利數(shù)量分別為843件和837件。同時(shí)，在專利數(shù)量排名前10位的專利權(quán)人中，有4家公司來(lái)自美國(guó)，從側(cè)面證實(shí)了美國(guó)在此領(lǐng)域擁有較強(qiáng)的研發(fā)實(shí)力。

3.3 技術(shù)研發(fā)方向識(shí)別

3.3.1 目標(biāo)企業(yè)—技術(shù)評(píng)分矩陣構(gòu)建

以專利申請(qǐng)數(shù)量排名第一的默沙東公司（MERI-C）為例，進(jìn)行企業(yè)技術(shù)研發(fā)方向識(shí)別。默沙東總部位于美國(guó)新澤西州肯尼沃斯市，經(jīng)營(yíng)范圍包括處方藥、疫苗、生物制品與動(dòng)物保健品等。多年以來(lái)，默沙東始終走在研發(fā)前沿，持續(xù)推動(dòng)癌癥、心血管代謝疾病、阿茲海默病、傳染病等疾病的預(yù)防和治療工作。僅在2020年，默沙東研發(fā)投入就達(dá)到了136億美元，屬于典型的高水平創(chuàng)新型企業(yè)［37］。按照前文所述步驟，以專利號(hào)PN為連接紐帶，構(gòu)建企業(yè)與技術(shù)之間的關(guān)聯(lián)關(guān)系矩陣，并按照式（1）計(jì)算方式對(duì)數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化處理，得到企業(yè)—技術(shù)評(píng)分矩陣（見(jiàn)表5）。

3.3.2 目標(biāo)企業(yè)最近鄰選擇

首先，運(yùn)用余弦相似性法計(jì)算各企業(yè)與默沙東公司（MERI-C）的相似性得分，具體情況見(jiàn)表6。

其次，在獲取企業(yè)間相似性得分的基礎(chǔ)上，將社團(tuán)劃分算法（Louvain算法）應(yīng)用于企業(yè)合作網(wǎng)絡(luò)（見(jiàn)圖2）。與默沙東公司同在一個(gè)社團(tuán)的企業(yè)共有35家，具體信息見(jiàn)表7。

結(jié)合表6和表7的結(jié)果可以看到，僅從相似性出發(fā)選擇目標(biāo)企業(yè)最近鄰難以確定相似性得分閾值。閾值太高，篩選出的最近鄰企業(yè)數(shù)量過(guò)少；閾值太低，篩選出的最近鄰企業(yè)則不具備代表性。而結(jié)合社團(tuán)劃分結(jié)果，與默沙東公司同在一個(gè)社團(tuán)的企業(yè)共有35家，且相似性排名均在前37名以內(nèi)，提升了最近鄰選擇的效果。

最后，綜合考量企業(yè)社團(tuán)屬性和企業(yè)相似性分值，選取相似性排名Top5且與默沙東公司同在一個(gè)社團(tuán)的企業(yè)（GLAX-C、BRIM-C、NOVS-C、SCHE-C、PFIZ-C）所涉及的257項(xiàng)技術(shù)，形成候選技術(shù)列表。

3.3.3 目標(biāo)企業(yè)技術(shù)研發(fā)方向識(shí)別

針對(duì)上述由257項(xiàng)技術(shù)組成的候選技術(shù)列表，計(jì)算各技術(shù)點(diǎn)的技術(shù)適用性（TAP）與技術(shù)增長(zhǎng)性（TG），結(jié)合默沙東公司的技術(shù)發(fā)展水平，為默沙東公司推薦適合的技術(shù)研發(fā)方向。各技術(shù)點(diǎn)的技術(shù)適用性與技術(shù)增長(zhǎng)性坐標(biāo)圖如圖3所示。

由圖3（b）所示的結(jié)果發(fā)現(xiàn)，默沙東公司可將酪氨酸激酶抑制劑與BRAF抑制劑作為未來(lái)研發(fā)或合作研發(fā)的兩大技術(shù)方向。

3.3.3.1 酪氨酸激酶抑制劑（Protein-tyrosine Kinase Inhibitor）

查閱資料可知①，2021年，Exelixis制藥公司宣布與默克（MERI-C）和輝瑞（PFIZ-C）達(dá)成了一項(xiàng)臨床試驗(yàn)合作及供應(yīng)協(xié)議，在正在進(jìn)行的1b期劑量遞增研究STELLAR-001（之前稱為“XL092-001”）中，增加3個(gè)新隊(duì)列，以評(píng)估XL092聯(lián)合抗程序性死亡配體-1（PD-L1）免疫檢查點(diǎn)抑制劑“Bavencio”治療晚期結(jié)直腸癌患者的安全性和耐受性。其中，XL092是Exelixis制藥公司開(kāi)發(fā)的新一代酪氨酸激酶抑制劑，而Bavencio則是新一代抗程序性死亡配體-1（PD-L1）腫瘤免疫療法，由默克與輝瑞共同開(kāi)發(fā)并實(shí)現(xiàn)商業(yè)化。

從技術(shù)自身角度出發(fā)，酪氨酸激酶抑制劑已由Exelixis制藥公司開(kāi)發(fā)，屬于滿足結(jié)直腸癌治療需求（已知需求）的一種技術(shù)手段；同時(shí)，酪氨酸激酶抑制劑也有較強(qiáng)的技術(shù)增長(zhǎng)性和技術(shù)適用性，具有良好的市場(chǎng)發(fā)展前景。從公司自身角度出發(fā)，默沙東公司在選擇自主研發(fā)或合作研發(fā)酪氨酸激酶抑制劑時(shí)，可以與已擁有的腫瘤免疫療法相結(jié)合，進(jìn)而在治療晚期結(jié)直腸癌患者時(shí)發(fā)揮更大的作用。

3.3.3.2 BRAF抑制劑（BRAF Inhibitor）

查閱資料可知②，2020年4月8日，美國(guó)FDA批準(zhǔn)了BRAF抑制劑——康奈非尼（Encorafenib）與西妥昔單抗（Cetuximab），用以聯(lián)合治療轉(zhuǎn)移性結(jié)直腸癌（CRC）患者。此次批準(zhǔn)是基于BEACON CRC的實(shí)驗(yàn)結(jié)果：康奈非尼+西妥昔單抗聯(lián)合治療組患者的中位生存期（Median Survival Time）為8.4個(gè)月，而對(duì)照組（伊立替康+依瑞替康）為5.4個(gè)月（HR=0.52，95％CI：0.39～0.70；[P]lt;0.000 1）；康奈非尼+西妥昔單抗聯(lián)合治療組患者的中位無(wú)進(jìn)展生存期（PFS）為4.2個(gè)月，而對(duì)照組僅為1.5個(gè)月（HR=0.40，95%CI：0.31～0.52，[P]lt;0.000 1）。

從技術(shù)自身角度出發(fā)，BRAF抑制劑——康奈非尼（Encorafenib）已被輝瑞公司（PFIZ-C）開(kāi)發(fā)，屬于滿足結(jié)直腸癌治療需求（已知需求）的一種技術(shù)手段；同時(shí)，BRAF抑制劑也有著較強(qiáng)的技術(shù)增長(zhǎng)性和技術(shù)適用性，具有良好的市場(chǎng)發(fā)展前景。從公司自身角度出發(fā)，默沙東公司在選擇自主研發(fā)或合作研發(fā)BRAF抑制劑——康奈非尼（Encorafenib）時(shí)，可以與已擁有的西妥昔單抗（Cetuximab）相結(jié)合，進(jìn)而在治療轉(zhuǎn)移性結(jié)直腸癌（CRC）患者時(shí)發(fā)揮更大的作用。

4 結(jié)論與展望

面向市場(chǎng)（或用戶）需求，本研究選擇從競(jìng)爭(zhēng)者導(dǎo)向角度出發(fā)，構(gòu)建企業(yè)技術(shù)研發(fā)方向識(shí)別模型。首先，利用文本挖掘技術(shù)對(duì)領(lǐng)域內(nèi)相關(guān)專利文本進(jìn)行SAO語(yǔ)義結(jié)構(gòu)提取和專利權(quán)人提取，并以與技術(shù)相關(guān)的S或O概念層級(jí)實(shí)體為技術(shù)表征，構(gòu)建企業(yè)—技術(shù)關(guān)聯(lián)網(wǎng)絡(luò)及企業(yè)合作網(wǎng)絡(luò)。其次，將企業(yè)—技術(shù)關(guān)聯(lián)矩陣進(jìn)行Z-score標(biāo)準(zhǔn)化，得到企業(yè)—技術(shù)評(píng)分矩陣，并將社團(tuán)劃分算法應(yīng)用于企業(yè)合作網(wǎng)絡(luò)，綜合社團(tuán)屬性和企業(yè)相似性分值，選取Top-k項(xiàng)企業(yè)所涉及的技術(shù)，形成候選技術(shù)列表。最后，構(gòu)建技術(shù)增長(zhǎng)性和技術(shù)適用性指標(biāo)，對(duì)識(shí)別出的候選技術(shù)進(jìn)行定量評(píng)估，并結(jié)合企業(yè)自身技術(shù)布局為其推薦適合的技術(shù)研發(fā)方向。

相較于已有文獻(xiàn)，本研究首先從競(jìng)爭(zhēng)者導(dǎo)向角度出發(fā)，考慮了“企業(yè)戰(zhàn)略—市場(chǎng)需求—市場(chǎng)環(huán)境”變化所帶來(lái)的不匹配問(wèn)題，適用于對(duì)需求再利用的探索；其次，將協(xié)同過(guò)濾算法與社團(tuán)劃分算法相結(jié)合，提升了最近鄰選擇效果，彌補(bǔ)了以往研究方法僅考慮相似性的不足；最后，技術(shù)發(fā)展?jié)摿υu(píng)估指標(biāo)（技術(shù)增長(zhǎng)性與技術(shù)適用性）可對(duì)最近鄰的候選技術(shù)進(jìn)行定量評(píng)估，在為企業(yè)推薦滿足市場(chǎng)需求的技術(shù)研發(fā)方向的同時(shí)，也關(guān)注了其發(fā)展?jié)摿Α?/p>

本研究仍存在不足之處。首先，在市場(chǎng)競(jìng)爭(zhēng)中，中小型企業(yè)由于成本限制往往不傾向于采取申請(qǐng)專利的方式，而是選擇利用商業(yè)機(jī)密來(lái)保護(hù)自身的技術(shù)創(chuàng)新成果。因此，本研究所提出的方法對(duì)中小型企業(yè)技術(shù)機(jī)會(huì)識(shí)別的指導(dǎo)性偏弱，更適用于技術(shù)實(shí)力較強(qiáng)的企業(yè)。其次，本研究采用了基于UMLS的SemRep提取工具以及美國(guó)USFDA橘皮書中的醫(yī)藥數(shù)據(jù)。盡管所提出的方法可移植應(yīng)用于其他領(lǐng)域，但在具體操作過(guò)程中，對(duì)于特征技術(shù)詞的篩選，需要具體領(lǐng)域具體分析。最后，在結(jié)果驗(yàn)證部分，僅選擇默沙東公司作為目標(biāo)企業(yè)，后續(xù)將繼續(xù)擴(kuò)大驗(yàn)證范圍，以提升方法的適用性和準(zhǔn)確度。

注釋：

① http：//www.zgazyw.com/Article/20220120163305-8517_1.html.

② http：//www.yhjk.com.cn/zixun/1075.html.

參考文獻(xiàn)：

［1］ 菲利普·科特勒，凱文·萊恩·凱勒.營(yíng)銷管理（全球版）［M］.北京：中國(guó)人民大學(xué)出版社，2012.

［2］ YOON J，SEO W，COH B Y，et al.Identifying product opportunities using collaborative filtering-based patent analysis［J］.Computers amp; Industrial Engineering，2016（107）：376-387.

［3］ 陳勁，朱子欽.探索以企業(yè)為主導(dǎo)的創(chuàng)新發(fā)展模式［J］.創(chuàng)新科技，2021，21（5）：1-7.

［4］ 《求是》雜志編輯部.實(shí)現(xiàn)高水平科技自立自強(qiáng)的迫切要求［EB/OL］.（2023-07-13）［2024-03-01］.http：//www.qstheory.cn/dukan/qs/2023-07/31/c_1129776371.htm.

［5］ CHRISTENSEN C M，BOWER J L.Customer power，strategic investment，and the failure of leading firms［J］.Strategic Management Journal，1996，17（3）：197-218.

［6］ 周飛，沙振權(quán)，孫銳.市場(chǎng)導(dǎo)向，資源拼湊與商業(yè)模式創(chuàng)新的關(guān)系研究［J］.科研管理，2019，40（1）：113-120.

［7］ 杜鵬，萬(wàn)后芬.市場(chǎng)導(dǎo)向，質(zhì)量導(dǎo)向與企業(yè)績(jī)效關(guān)系的研究［J］.管理學(xué)報(bào)，2009，6（5）：698-703.

［8］ NARVER J C，SLATER S F，MACLACHLAN D L.Responsive and proactive market orientation and new‐product success［J］.Journal of Product Innovation Management，2004，21（5）：334-347.

［9］ 張婧，段艷玲.市場(chǎng)導(dǎo)向均衡對(duì)制造型企業(yè)產(chǎn)品創(chuàng)新績(jī)效影響的實(shí)證研究［J］.管理世界，2010（12）：119-130.

［10］ 景奉杰，曾憲偉.燈塔顧客導(dǎo)向：高技術(shù)企業(yè)市場(chǎng)導(dǎo)向研究［J］.中國(guó)軟科學(xué)，2000（12）：96-101.

［11］ SLATER S F.Developing a customer value-based theory of the firm［J］.Journal of the Academy of Marketing Science，1997，25（2）：162-167.

［12］ 張碩，李榮榮.創(chuàng)新過(guò)程視角下的技術(shù)機(jī)會(huì)識(shí)別：內(nèi)涵、分類與展望［J］.科技管理研究，2024（12）：25-35.

［13］ TUAROB S，TUCKER C S.Automated discovery of lead users and latent product features by mining large scale social media networks［J］.Journal of Mechanical Design，2015，137（7）：071402.

［14］ CHRISTENSEN K，N?RSKOV S，F(xiàn)REDERIKSEN L，et al. In search of new product ideas：identifying ideas in online communities by machine learning and text mining［J］.Creativity and Innovation Management，2017，26（1）：17-30.

［15］ ARDICHVILI A，CARDOZO R，RAY S.A theory of entrepreneurial opportunity identification and development［J］.Journal of Business Venturing，2003，18（1）：105-123.

［16］ 吳菲菲，李睿毓，黃魯成.基于多源數(shù)據(jù)的企業(yè)研發(fā)方向識(shí)別與評(píng)估［J］.情報(bào)雜志，2018，37（10）：82-89.

［17］ WANG J，CHEN Y J.A novelty detection patent mining approach for analyzing technological opportunities［J］.Advanced Engineering Informatics，2018，42：100941.

［18］ QI J，ZHANG Z，JEON S，et al.Mining customer requirements from online reviews： a product improvement perspective［J］.Information amp; Management，2016，53（8）：951-963.

［19］ 趙宇晴，阮平南，劉曉燕，等.基于在線評(píng)論的用戶滿意度評(píng)價(jià)研究［J］.管理評(píng)論，2020，32（3）：179-189.

［20］ 王艷，苗紅，李欣，等.知識(shí)基因視角下的技術(shù)融合機(jī)會(huì)發(fā)現(xiàn)研究［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2021，42（7）：18-34.

［21］ 吳紅，張彪，高道斌，等.產(chǎn)品改進(jìn)需求引導(dǎo)的技術(shù)機(jī)會(huì)發(fā)現(xiàn)研究［J］.情報(bào)理論與實(shí)踐，2023，46（2）：156-164，209.

［22］ 吳一平，白如江，劉明月，等.融合評(píng)論主題識(shí)別與技術(shù)屬性多維度分析的技術(shù)機(jī)會(huì)發(fā)現(xiàn)研究［J］.圖書情報(bào)工作，2021，65（10）：56-67.

［23］ 柳林林，宮大慶，張玉潔，等.因果知識(shí)引導(dǎo)的技術(shù)機(jī)會(huì)發(fā)現(xiàn)：以電動(dòng)汽車充電樁為例［J］.數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2022，6（8）：31-40.

［24］ 馮立杰，吳敏，王金鳳，等.面向低端市場(chǎng)顛覆式創(chuàng)新的技術(shù)機(jī)會(huì)識(shí)別路徑研究［J］.軟科學(xué)，2019，33（4）：91-98.

［25］ 劉鵬，閆煜析，馮立杰，等.用戶需求導(dǎo)向下基于三級(jí)技術(shù)功效矩陣的產(chǎn)品創(chuàng)新機(jī)會(huì)識(shí)別［J］.情報(bào)理論與實(shí)踐，2023，46（8）：138-146.

［26］ 張妍.技術(shù)創(chuàng)新過(guò)程中的技術(shù)機(jī)會(huì)研究［D］.沈陽(yáng)：東北大學(xué)，2008.

［27］ 馮立杰，關(guān)柯楠，王金鳳.基于在線評(píng)論考慮潛在用戶需求的產(chǎn)品創(chuàng)新方案識(shí)別研究［J］.情報(bào)理論與實(shí)踐，2022，45（6）：129-137.

［28］ DANIEL J J，JUAN G C.The performance effect of organizational learning and market orientation［J］.Industrial Marketing Management，2006，36（6）：694-708.

［29］ 貢金濤，王平堯，劉盛博.基于專利合著指標(biāo)和引用指標(biāo)的企業(yè)科研人員評(píng)價(jià)研究［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2015，36（2）：161-172.

［30］ JONES H，TWISS B.Forecasting technology for planning decisions［M］.UK：Macmillan，1978.

［31］ 楊曦，余翔，劉鑫.基于多層視角模型的專利情報(bào)分析方法研究：以石墨烯技術(shù)為例［J］.情報(bào)雜志，2018，37（8）：64-70，91.

［32］ LEE S，YOON B，PARK Y.An approach to discovering new technology opportunities：keyword-based patent map approach［J］.Technovation，2008，29（6）：481-497.

［33］ World Health Organization.Latest global cancer data：cancer burden rises to 19.3 million new cases and 10.0 million cancer deaths in 2020［EB/OL］.（2020-12-15）［2023-07-04］.https：//www.iarc.who.int/news-events/latest-global-cancer-data-cancer-burden-rises-to-19-3-million-new-cases-and-10-0-million-cancer-deaths-in-2020/.

［34］ CHEN W，ZHENG R，BAADE P D，et al.Cancer statistics in China，2015［J］.CA：A Cancer Journal for Clinicians，2016，66（2）：115-132.

［35］ ZHANG L，CAO F，ZHANG G，et al.Trends in and predictions of colorectal cancer incidence and mortality in China from 1990 to 2025［J］.Frontiers in Oncology，2019（9）：98.

［36］ WANG X，ZHANG S，WU Y，et al.Revealing potential drug-disease-gene association patterns for precision medicine［J］.Scientometrics，2021，126（5）：1-26.

［37］ Merck. Merck Q4 2020 Earnings［EB/OL］.［2023-03-01］.https：//s21.q4cdn.com/488056881/files/doc_financials/

2020/q4/MRK-4Q20-Earnings-Deck.pdf，2020.

The Identification of Ramp;D Direction of Enterprises' Technology Oriented by Market Demand

Zhang Shuo1， Qiao Yali2， Li Rongrong3

（1.School of Economics and Management， Beijing University of Technology， Beijing 100124， China; 2.School of Public Policy and Management， Tsinghua University， Beijing 100084， China; 3.School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， China）

Abstract： How to identify Ramp;D directions of key technologies within a given field is a pivotal element of enterprises' technological innovation activities. It not only concerns the optimal allocation of resources and the enhancement of innovation efficiency but also serves as a vital strategic measure for driving sustainable corporate growth and achieving technological breakthroughs. Given the nonlinear interactions among corporate strategies， market demands， and market environment， even satisfied market demands can present development opportunities for emerging enterprises.

This study constructs a model for identifying enterprises' technology Ramp;D directions from a competitor-oriented perspective. First， text mining techniques are employed to extract Subject- Action-Object structures and patent assignees from domain-related patent texts. The extracted Subject/Object conceptual-level entities related to technology are used as technological representations to construct a firm-technology association network and a firm collaboration network. Second， the firm-technology association matrix is standardized using Z-score normalization to obtain a firm-technology scoring matrix. A community detection algorithm is then applied to the firm collaboration network， and the Top-k technologies involving firms are selected based on comprehensive community attributes and firm similarity scores， forming a candidate technology list. Finally， indicators for technological growth potential and applicability are constructed to quantitatively evaluate the identified candidate technologies， and recommended Ramp;D directions are proposed for firms based on their existing technological layouts.

Taking Merck as an example， this study identifies enterprises' technology Ramp;D directions. The results indicate that tyrosine kinase inhibitors and BRAF inhibitors can be two major technological areas of focus for Merck's future independent or collaborative Ramp;D. From a technological standpoint， both tyrosine kinase inhibitors and BRAF inhibitors are means to fulfill existing demands， exhibiting high technological growth potential and applicability. Given Merck's technological Ramp;D layout， developing or collaborating on the development of tyrosine kinase inhibitors and BRAF inhibitors could respectively synergize with its existing tumor immunotherapy （Bavencio） and Cetuximab， enhancing their efficacy in treating colorectal cancer patients.

By constructing a systematic model for identifying enterprises' technology Ramp;D directions， this study provides a scientific basis for firms to conduct precise and efficient technological innovation activities. Additionally， it underscores the significance of reusing market needs， encouraging collaboration and healthy competition among firms， and ultimately driving innovation and growth within the industry.

Key words： technological opportunities; SAO semantic mining; collaborative filtering algorithm; Ramp;D direction of technology

收稿日期：2024-05-07

基金項(xiàng)目：國(guó)家自然科學(xué)基金青年項(xiàng)目“顛覆性低碳技術(shù)識(shí)別及創(chuàng)新路徑動(dòng)態(tài)選擇研究”（72304023）；國(guó)家自然科學(xué)基金青年項(xiàng)目“生物醫(yī)學(xué)領(lǐng)域新興主題的識(shí)別和預(yù)測(cè)方法研究”（72104246）；中國(guó)博士后科學(xué)基金面上項(xiàng)目“基于多數(shù)據(jù)源融合的顛覆性低碳技術(shù)演化路徑識(shí)別與預(yù)測(cè)研究”（2023M730153）；中國(guó)博士后科學(xué)基金面上項(xiàng)目“全球科創(chuàng)中心高端科技人才流動(dòng)的時(shí)空演化規(guī)律及形成機(jī)制研究”（2023M741901）；北京市朝陽(yáng)區(qū)博士后工作經(jīng)費(fèi)資助項(xiàng)目“綠色能源領(lǐng)域‘卡脖子’關(guān)鍵核心技術(shù)甄選機(jī)制及突破路徑研究”（2023ZZ-019）。

作者簡(jiǎn)介：張碩（1992—），女，北京人，博士，講師，研究方向：數(shù)據(jù)挖掘與技術(shù)預(yù)見(jiàn)、科技情報(bào)與科技評(píng)價(jià)；喬亞麗（1993—），女，山西臨汾人，博士后，研究方向：科技文獻(xiàn)計(jì)量、科技政策與科技評(píng)價(jià)、創(chuàng)新測(cè)度；李榮榮（1989—），女，山東青島人，博士，副教授，研究方向：能源經(jīng)濟(jì)與管理、數(shù)據(jù)挖掘與技術(shù)預(yù)見(jiàn)。本文通信作者為張碩。