“雙碳”領(lǐng)域顛覆性技術(shù)度量與識別

摘 要：顛覆性技術(shù)是促進(jìn)國民經(jīng)濟(jì)發(fā)展和提升大國博弈實力的關(guān)鍵因素，培育和發(fā)展顛覆性技術(shù)意義重大、影響深遠(yuǎn)。建設(shè)美麗中國是時代的責(zé)任，實現(xiàn)碳達(dá)峰碳中和是大勢所趨。從學(xué)術(shù)論文、專利以及基于Google Trends數(shù)據(jù)的社會媒體數(shù)據(jù)出發(fā)，構(gòu)建多源數(shù)據(jù)融合的顛覆性技術(shù)度量方法。以增長率指標(biāo)、創(chuàng)新性指標(biāo)和社會影響力指標(biāo)測度“雙碳”領(lǐng)域顛覆性技術(shù)，綜合考慮技術(shù)對科學(xué)界、技術(shù)界以及社會經(jīng)濟(jì)界三方面的影響；在識別過程中，采用改進(jìn)后的CDTM模型解決多源數(shù)據(jù)公共主題提取問題；通過客觀賦權(quán)計算顛覆性指數(shù)得分，度量主題的顛覆性。實證分析識別出4項“雙碳”領(lǐng)域顛覆性技術(shù)，分別是生物炭吸附技術(shù)、有機(jī)生物炭基肥料制備技術(shù)、生物質(zhì)裂解生物炭技術(shù)和生物質(zhì)熱解生物炭技術(shù)。4項技術(shù)均與國際認(rèn)可的CCUS技術(shù)相關(guān)，中國和美國在“雙碳”領(lǐng)域研究中占據(jù)優(yōu)勢地位。

關(guān)鍵詞：技術(shù)識別；顛覆性技術(shù)；CDTM主題模型；“雙碳”領(lǐng)域

DOI：10.6049/kjjbydc.2023030746

中圖分類號：G301

文獻(xiàn)標(biāo)識碼：A

0 引言

《中華人民共和國國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》明確提出強(qiáng)化顛覆性技術(shù)供給，以顛覆性技術(shù)創(chuàng)新為重點，培育顛覆性創(chuàng)新文化，開拓顛覆性技術(shù)領(lǐng)域。2022年8月科技部等九部門聯(lián)合印發(fā)《科技支撐碳達(dá)峰碳中和實施方案（2022—2030年）》，提出要聚焦基礎(chǔ)研究最新突破，加快培育顛覆性技術(shù)創(chuàng)新成果，引領(lǐng)實現(xiàn)產(chǎn)業(yè)和經(jīng)濟(jì)發(fā)展方式迭代升級。

碳達(dá)峰碳中和是我國著力解決資源環(huán)境約束突出問題、實現(xiàn)中華民族永續(xù)發(fā)展的重大戰(zhàn)略決策，黨的二十大報告強(qiáng)調(diào)“積極穩(wěn)妥推進(jìn)碳達(dá)峰碳中和”，專節(jié)對“雙碳”工作作出系統(tǒng)安排。實現(xiàn)碳達(dá)峰碳中和是一場廣泛而深刻的經(jīng)濟(jì)社會系統(tǒng)性變革，我國“雙碳”目標(biāo)的實施要以“雙碳”工作為總牽引，抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇，強(qiáng)化綠色低碳科技創(chuàng)新，密切追蹤國際前沿領(lǐng)先技術(shù)。為此，“雙碳”領(lǐng)域的顛覆性技術(shù)度量和識別成為洞察全球“雙碳”技術(shù)機(jī)會與搶占科技競爭制高點的關(guān)鍵。

現(xiàn)有研究對顛覆性技術(shù)的評價和度量僅考慮該技術(shù)對科學(xué)技術(shù)界的影響，而忽視了社會公眾對前沿技術(shù)的關(guān)注。有研究表明，技術(shù)發(fā)展除技術(shù)改進(jìn)的自身動力外，其本身也是一項社會行動，體現(xiàn)國家戰(zhàn)略與社會需求[1]。網(wǎng)絡(luò)社交媒體對某個主題領(lǐng)域動態(tài)持續(xù)性的關(guān)注，往往體現(xiàn)社會與公眾利益和需求所在；主題領(lǐng)域的科學(xué)研究受到公眾關(guān)注度越高，意味著該研究具有越大的社會影響力。因此，為盡可能全面地評價和識別潛在顛覆性技術(shù)，本文結(jié)合論文數(shù)據(jù)、專利數(shù)據(jù)以及社會媒體數(shù)據(jù)，構(gòu)建多源數(shù)據(jù)融合的顛覆性技術(shù)測度體系，度量和識別“雙碳”領(lǐng)域顛覆性技術(shù)，為政府相關(guān)部門和企業(yè)未來產(chǎn)業(yè)發(fā)展戰(zhàn)略部署、宏觀政策的科學(xué)精準(zhǔn)制定、技術(shù)彎道超車實現(xiàn)、核心競爭力提升等提供參考。

1 文獻(xiàn)回顧

顛覆性技術(shù)最早由美國哈佛大學(xué)商學(xué)院Christensen教授提出，其主要觀點是顛覆性技術(shù)從邊緣或者低端市場發(fā)展起來，隨著時間的推移，逐漸取代原有主流技術(shù)[2]。經(jīng)濟(jì)學(xué)家Schumpeter[3]提出的創(chuàng)造性破壞理論認(rèn)為，發(fā)展的本質(zhì)在于將創(chuàng)新引入生產(chǎn)體系，每次大規(guī)模的創(chuàng)新都會淘汰舊的技術(shù)體系和生產(chǎn)體系，以建立新的生產(chǎn)體系；王康等[4]將顛覆性技術(shù)視為改變游戲規(guī)則和重塑未來格局的革命性力量，構(gòu)建影響力、相似性和新穎性指標(biāo)，識別顛覆性的技術(shù)融合；Dahlin等[5]認(rèn)為一個有效的技術(shù)顛覆以及一項突破的發(fā)明應(yīng)該是新穎的、獨特的、對未來技術(shù)有影響的；Thomond等[6]認(rèn)為顛覆性創(chuàng)新是具有高度不連續(xù)性或革命性質(zhì)的創(chuàng)新，將顛覆性技術(shù)特征概括為新穎性、新興性、可發(fā)展性、顛覆性、延展性；Kenagyz等[7]將顛覆性技術(shù)特征概括為簡易性、易忽略性、可發(fā)展性、易使用性、智能性；許佳琪等[8]基于現(xiàn)有文獻(xiàn)區(qū)分突破性創(chuàng)新和顛覆性創(chuàng)新，認(rèn)為突破性創(chuàng)新屬于技術(shù)創(chuàng)新層面的概念，而顛覆性創(chuàng)新注重技術(shù)和組織資源的融合，涵蓋了所有創(chuàng)新范疇；李昱璇等（2024）基于“卡脖子”技術(shù)與顛覆性技術(shù)辨析，指出顛覆性技術(shù)采用差異化策略和非對稱路徑，將已有主流技術(shù)成果歸零，實現(xiàn)技術(shù)本身的替代和彎道超車；王康等（2022）基于顛覆性技術(shù)的概念辨析，指出在技術(shù)突破領(lǐng)域，顛覆性技術(shù)是指具有顛覆傳統(tǒng)技術(shù)路線和改變游戲規(guī)則等革命性意義的技術(shù)創(chuàng)新，是對原有技術(shù)體系和應(yīng)用系統(tǒng)產(chǎn)生顛覆性進(jìn)步作用的重大技術(shù)，與新興技術(shù)和前沿技術(shù)的最大區(qū)別在于顛覆性技術(shù)具有突破性創(chuàng)新特征。

除Christensen教授提出的顛覆性技術(shù)理念外，截至目前，還沒有一個明確的顛覆性技術(shù)概念界定。為了解顛覆性技術(shù)的本質(zhì)特征，本文對現(xiàn)有研究中用于識別顛覆性技術(shù)的特征作進(jìn)一步梳理歸類（見表1），歸納出顛覆性技術(shù)具有增長性、創(chuàng)新性、影響力、突然性、新穎性和不連續(xù)性等特征[9-13]。

隨著顛覆性技術(shù)越來越受到重視，顛覆性技術(shù)的識別方法也在不斷發(fā)展，大致可以分為幾個階段。早期階段技術(shù)識別手段不足，學(xué)者對顛覆性技術(shù)的識別僅使用定性方法，包括德爾菲法、問卷調(diào)查法、情景分析法、技術(shù)路線圖等[14-15]。如何發(fā)現(xiàn)該領(lǐng)域的技術(shù)前沿、技術(shù)熱點、技術(shù)機(jī)會，以及識別和預(yù)測顛覆性技術(shù)等都需要依靠專家意見來確定，后續(xù)收集高質(zhì)量調(diào)查問卷也需要大量人力和物力，對研究進(jìn)展和深度都會產(chǎn)生一定局限性。由于定性方法識別顛覆性技術(shù)不盡完美，研究人員開始采用定量方法度量顛覆性技術(shù)[16-17]。Tugrul等[18]將文獻(xiàn)計量學(xué)、專利分析、情景規(guī)劃、增長曲線和類比等技術(shù)預(yù)測工具相結(jié)合，對相關(guān)領(lǐng)域開展顛覆性技術(shù)識別和預(yù)測；Dotsika等[19]提出一種基于文獻(xiàn)驅(qū)動的潛在顛覆性技術(shù)趨勢預(yù)測方法，采用關(guān)鍵字網(wǎng)絡(luò)分析和可視化方法揭示出版物中的突發(fā)主題、結(jié)構(gòu)和時間發(fā)展，為顛覆性領(lǐng)域技術(shù)的事前預(yù)測作出了重要貢獻(xiàn)。隨著大數(shù)據(jù)人工智能時代的到來，機(jī)器學(xué)習(xí)技術(shù)不斷發(fā)展，顛覆性技術(shù)的識別方法又邁上了新臺階，學(xué)者們不再局限于采用文獻(xiàn)計量學(xué)方式識別顛覆性技術(shù)，開始轉(zhuǎn)向基于機(jī)器學(xué)習(xí)的方法進(jìn)行測度和衡量，例如Xu Shuo等[20]采用多機(jī)器學(xué)習(xí)的方法識別新興研究主題，利用多任務(wù)最小二乘支持向量機(jī)（MTLS-SVM）對未來兩年的結(jié)果指標(biāo)進(jìn)行預(yù)測；Xu Xueming[21]利用LDA模型進(jìn)行主題聚類，考慮時間的影響，利用增長率、原創(chuàng)性、專利影響因子、顛覆性指數(shù)等多指標(biāo)進(jìn)行分析，篩選出有價值的顛覆性技術(shù)。主題識別模型方法也進(jìn)一步完善，不斷從LDA模型等傳統(tǒng)模型中擴(kuò)展演變，其中CDTM模型考慮到不同語料庫的共性和特性，融合識別多源數(shù)據(jù)的公共主題和特有主題[22]。在選擇數(shù)據(jù)源時，研究人員利用專利引文分析、專利特征或科學(xué)論文數(shù)據(jù)的文獻(xiàn)計量指標(biāo)作為識別顛覆性技術(shù)的有力工具[23-25]，逐漸呈現(xiàn)出從單一數(shù)據(jù)到多源數(shù)據(jù)的發(fā)展，例如劉忠寶等[26]利用文獻(xiàn)和專利數(shù)據(jù)的摘要主題識別顛覆性技術(shù)。

以往研究對指標(biāo)的選取大多只考慮技術(shù)視角或經(jīng)濟(jì)視角[3-4]，目前還沒有一種很好的方法將兩個視角結(jié)合起來，且選取的指標(biāo)大多集中在衡量其科學(xué)性和技術(shù)性兩個方面，影響力指標(biāo)的測度也只聚焦于文獻(xiàn)和專利的科學(xué)影響，缺少對社會影響的度量。在數(shù)據(jù)源選擇上，大多數(shù)研究僅選擇文獻(xiàn)數(shù)據(jù)或?qū)＠麛?shù)據(jù)等單一數(shù)據(jù)源[26]，不能融合包括社會媒體數(shù)據(jù)在內(nèi)的多源數(shù)據(jù)對顛覆性技術(shù)進(jìn)行更全面的度量。為此，本文采用改進(jìn)的CDTM主題抽取模型，研究多源數(shù)據(jù)融合的顛覆性技術(shù)度量及識別，將技術(shù)對社會公眾和經(jīng)濟(jì)層面的影響與科學(xué)技術(shù)層面的影響相結(jié)合，從多個角度度量某項技術(shù)是否具有顛覆性。

2 基于多源數(shù)據(jù)融合的顛覆性技術(shù)測度

本文基于顛覆性技術(shù)的本質(zhì)特征理論，借助Wang[27]和Xu Shuo等[20]的思想，將多源數(shù)據(jù)融合的顛覆性技術(shù)測度歸納為增長率指標(biāo)、創(chuàng)新性指標(biāo)、影響力指標(biāo)和連貫性指標(biāo)。另外，增長性和突然性歸并到增長率指標(biāo)，創(chuàng)新性和新穎性歸并到創(chuàng)新性指標(biāo)。有研究指出，連貫性指標(biāo)反映主題詞的語義在不同年份的一致性問題[20]，但在后續(xù)的實證研究中發(fā)現(xiàn)不同主題的連貫性基本上是一致的，說明該指標(biāo)沒有區(qū)分度，故本文對顛覆性技術(shù)的測度不再考慮連貫性指標(biāo)。

技術(shù)增長率指標(biāo)主要從時間層面上考慮一項技術(shù)的出現(xiàn)和發(fā)展情況，獲得一項技術(shù)的發(fā)展軌跡，觀察其“突然”性的出現(xiàn)。增長率指標(biāo)反映不同年份各個主題的增長差異，旨在識別出特定時間段內(nèi)增長較快的主題，該指標(biāo)通過計算每一主題當(dāng)年與上一年的增長差異來衡量技術(shù)增長情況。增長率指標(biāo)也是區(qū)分顛覆性技術(shù)與主流技術(shù)及新興技術(shù)的重要指標(biāo)，重點測度技術(shù)在某一時間段的“突然”性出現(xiàn)，并不強(qiáng)調(diào)是近期的“突破”性出現(xiàn)，也不要求技術(shù)的生命周期一直發(fā)展至成熟期。本文將增長率指標(biāo)記為Growthk，即第k個研究主題的增長率。如果計算出的增長率數(shù)值在某個時間段有明顯上升趨勢，則說明這個主題具有顛覆性。

創(chuàng)新性是技術(shù)的核心屬性，是衡量顛覆性技術(shù)的重要指標(biāo)，強(qiáng)調(diào)顛覆性技術(shù)突破和改進(jìn)領(lǐng)域中原有主流技術(shù)的特征，故創(chuàng)新性較強(qiáng)的技術(shù)被認(rèn)為具有一定顛覆性。通過論文數(shù)據(jù)和專利數(shù)據(jù)衡量一項技術(shù)的創(chuàng)新性，需要判斷該論文數(shù)據(jù)和專利數(shù)據(jù)與其所引用的論文或?qū)＠抢^承還是創(chuàng)新的關(guān)系，若為顛覆性技術(shù)，則必然與其所引用的論文或?qū)＠黝}內(nèi)容不同，故可以使用前向比較方法判斷技術(shù)創(chuàng)新性，即如果某項技術(shù)與之前的技術(shù)不同，具有突破性或者破壞性，則認(rèn)為該項技術(shù)具有顛覆性。本文通過論文或?qū)＠c其發(fā)表前的學(xué)術(shù)研究作對比，使用CIM模型（Citation Influence Model）從施引文獻(xiàn)和被引文獻(xiàn)反映的主題中判斷主題間的繼承或突破關(guān)系[28]，進(jìn)而計算該主題的創(chuàng)新性指標(biāo)Noveltyk。

衡量一項技術(shù)的顛覆性需要考慮其對學(xué)界和社會的影響力。如果一項技術(shù)具有顛覆性，則該項技術(shù)不僅會在科學(xué)技術(shù)層面產(chǎn)生增長率和創(chuàng)新性等方面的影響，也會在社會媒體中引起一定的“轟動”。顛覆性技術(shù)影響力測度指標(biāo)往往使用文獻(xiàn)或?qū)＠谋灰l次衡量，但對出現(xiàn)較新的顛覆性技術(shù)來說，被引頻次存在嚴(yán)重的滯后性且存在被引次數(shù)積累較少的問題。相較而言，網(wǎng)絡(luò)社交媒體可以動態(tài)持續(xù)關(guān)注某個主題領(lǐng)域，體現(xiàn)出技術(shù)影響社會的實時性，其中，Google Trends數(shù)據(jù)作為一種社會媒體數(shù)據(jù)，具有被引頻次數(shù)據(jù)所不具備的時效性和敏感性，有助于對顛覆性技術(shù)更精確地識別和捕捉。為此，本文使用社會媒體數(shù)據(jù)替代被引頻次數(shù)據(jù)，表征顛覆性技術(shù)測度的社會影響力指標(biāo)Impactk，通過Google Trends指標(biāo)分析和統(tǒng)計某一關(guān)鍵詞某一時期在谷歌搜索引擎中搜索的頻率及其相關(guān)統(tǒng)計數(shù)據(jù)。

對“雙碳”領(lǐng)域顛覆性技術(shù)的識別主要分為以下幾個步驟，如圖1所示。

3 數(shù)據(jù)獲取與主題抽取

3.1 數(shù)據(jù)收集與描述

本文的文本數(shù)據(jù)來自Web of Science的核心數(shù)據(jù)庫中的學(xué)術(shù)論文，以及來自Derwent Innovation Index數(shù)據(jù)庫的專利數(shù)據(jù)，選取的時間節(jié)點是2005—2021年共17年。檢索式的構(gòu)建盡可能全面參考各部門發(fā)布的權(quán)威資料，如《科技支撐碳達(dá)峰碳中和實施方案（2022—2030年）》、《碳達(dá)峰、碳中和精煉報告：政策、趨勢、技術(shù)、案例、觀點及研究方法》，以及《北大金融評論》發(fā)布的“雙碳”目標(biāo)下的技術(shù)路線圖等，檢索式TS=（\"carbon* captur* tech*\" OR \"carbon* utilization* tech*\" OR \"carbon* storag* tech*\" OR \"carbon* fixation* tech*\" OR \"photovoltaic* tech*\" OR \"nuclear* reactor* tech*\" OR \"clean* energ* tech*\" OR \"hydrogen* energy* tech*\" OR \"low* carbon* tech*\" OR \"enviro* tech*\" OR \"green* tech*\" OR \"zero* carbon* tech*\" OR \"carbon* emission* reduction* tech*\" OR \"sustain* energy* tech*\" OR \"carbon* neutrali* tech*\" OR \"carbon* offset* tech*\" OR “efficient electric heating conversion tech*” OR “heat storage tech*” OR “intelligent control tech*” OR “efficient electric tech*” OR “advanced power transmission tech*” OR “carbon sink” OR “biochar” OR “enhanced weathering” OR “ocean alkalization” OR “ocean fertilization” OR “carbon* removal* tech*” OR “solar radiation management tech*”），用于收集學(xué)術(shù)論文和專利數(shù)據(jù)信息。

本文收集2005—2021年論文和專利數(shù)據(jù)，通過過濾標(biāo)題、摘要、關(guān)鍵詞和作者信息，最終得到48 224篇，其中論文數(shù)據(jù)38 692篇、專利數(shù)據(jù)9 532篇。論文數(shù)據(jù)包括標(biāo)題、摘要、作者、出版日期、參考文獻(xiàn)等，專利數(shù)據(jù)涉及標(biāo)題、摘要、專利家族、IPC等。將數(shù)據(jù)存放入MySQL數(shù)據(jù)庫以便后續(xù)處理，并對收集到的數(shù)據(jù)作預(yù)處理，包括大小寫轉(zhuǎn)化、去停用詞和標(biāo)點符號、分詞、詞性標(biāo)記和詞形還原等。論文和專利數(shù)量的年度分布如圖2所示，2005—2021年“雙碳”領(lǐng)域的研究論文一直呈現(xiàn)出快速增長態(tài)勢，可見這一領(lǐng)域得到了全球?qū)W者的高度關(guān)注；相關(guān)專利在2020年之前也呈現(xiàn)出逐年遞增態(tài)勢，之后可能受全球新冠疫情的影響而有所下降。

Google Trends數(shù)據(jù)可通過https：//trends.google.com網(wǎng)站統(tǒng)計分析Google搜索引擎每天數(shù)十億的搜索數(shù)據(jù)，獲取某一關(guān)鍵詞或者話題在特定時間段的搜索頻率及其它相關(guān)統(tǒng)計數(shù)據(jù)。Google Trends數(shù)據(jù)的時間鎖定在2005—2021年，根據(jù)主題模型得到每一公共主題中前20位主題代表詞，將其在網(wǎng)站中檢索，獲取每一主題代表詞的搜索頻次數(shù)據(jù)。

3.2 主題抽取

本文研究數(shù)據(jù)采用多源數(shù)據(jù)融合的形式。LDA模型（Latent Dirichlet Allocation）[29]、DIM模型（Dynamic Influence Model）[30]和DTM模型（Dynamic Topic Model）[31]等傳統(tǒng)模型可以提取單個數(shù)據(jù)源的主題，無法兼顧多個數(shù)據(jù)源公共主題的提取。CDTM模型（Common and Distinctive Topic Model）是一個層次貝葉斯模型，能最大限度地利用多個語料庫之間的共享信息[32]，不僅可以針對單數(shù)據(jù)源提取出特有主題，還可以融合論文和專利數(shù)據(jù)獲取多源數(shù)據(jù)的公共主題。改進(jìn)后的CDTM模型在上述優(yōu)勢的基礎(chǔ)上，還克服了原始CDTM模型將每個語料庫特有主題的數(shù)量設(shè)置為相同的缺陷。因此，本文使用改進(jìn)后的CDTM模型抽取來自學(xué)術(shù)論文和專利數(shù)據(jù)的公共主題，用于“雙碳”領(lǐng)域顛覆性技術(shù)的識別。圖3為改進(jìn)后的CDTM模型的概念圖，通過加入不同的超參數(shù)，放寬原本每個數(shù)據(jù)集特有主題數(shù)一致的限制。該模型的后驗過程使用折疊Gibbs抽樣算法，它是馬爾科夫鏈蒙特卡洛方法（Markov Chain Monte Carlo）的一種特例，本文將對稱狄利克雷/貝塔分布先驗α0、αζ、β0、β1和γ分別設(shè)置為0.1、0.1、0.001、0.001和0.5，Gibbs采樣運(yùn)行1 000次，其中200次為老化期。

論文與專利的最佳主題數(shù)通過計算數(shù)據(jù)的困惑度確定[33]，因論文數(shù)據(jù)的數(shù)量約是專利數(shù)據(jù)的4倍，為使計算更簡潔方便，只計算專利數(shù)據(jù)的困惑度即可。運(yùn)用Python構(gòu)建困惑度求解模型，求解最優(yōu)主題數(shù)，困惑度越小主題數(shù)越優(yōu)，因此計算出的專利數(shù)據(jù)困惑度最小值對應(yīng)的主題數(shù)為30。根據(jù)困惑度計算結(jié)果得到專利數(shù)據(jù)和論文數(shù)據(jù)的最佳主題數(shù)分別為30個和120個，即模型中各個數(shù)據(jù)源的特有主題參數(shù)。CDTM模型中公共主題參數(shù)的確定，根據(jù)《北大金融評論》發(fā)布的“雙碳”目標(biāo)下的技術(shù)路線圖，可以分為煤炭領(lǐng)域、石油領(lǐng)域、天然氣領(lǐng)域、光伏領(lǐng)域、風(fēng)能領(lǐng)域、核能領(lǐng)域、水電領(lǐng)域、氫能領(lǐng)域、交通領(lǐng)域、建筑領(lǐng)域、制造業(yè)領(lǐng)域、農(nóng)業(yè)領(lǐng)域、碳捕集技術(shù)領(lǐng)域、碳利用技術(shù)領(lǐng)域和碳封存技術(shù)領(lǐng)域等15個公共主題。

通過CDTM模型的結(jié)果，可總結(jié)得到每個公共主題下前20位代表詞，如表2所示。

解讀每個公共主題下的前20位代表詞，總結(jié)得到每個公共主題代表領(lǐng)域的主題詞，如表3所示。

對CDTM模型公共主題識別結(jié)果，人工逐一判斷，得到以下幾個主題不是研究所需，將其作為垃圾主題舍棄。Topic 1的主題為綠色碳排放技術(shù)等政策對減碳的影響，本文不考慮政策以及經(jīng)濟(jì)方面對“雙碳”領(lǐng)域的影響，因此將該主題舍棄。Topic 4是對森林生態(tài)系統(tǒng)碳通量及全球氣候環(huán)境的綜述性介紹，與本文研究“雙碳”領(lǐng)域的技術(shù)無關(guān)，因此將其舍棄。Topic 11是生物炭與有機(jī)肥料結(jié)合使用對農(nóng)作物氮吸收和利用的影響，主要探索生物炭使用對土壤環(huán)境的改善，進(jìn)而增加糧食產(chǎn)量，在本文中不予考慮。Topic 13是對全球海洋生態(tài)系統(tǒng)碳匯和碳通量的綜述性文章，與本文研究“雙碳”領(lǐng)域的技術(shù)無關(guān)，因此將其舍棄。Topic 14是介紹工業(yè)實驗環(huán)境安全的教學(xué)指南，與本文研究主題不符，將其舍棄。最終剩余10個主題用于識別“雙碳”領(lǐng)域顛覆性技術(shù)。

4 “雙碳”領(lǐng)域顛覆性技術(shù)度量與識別

4.1 顛覆性技術(shù)度量

（1）增長率指標(biāo)。增長率指標(biāo)通過計算每一主題當(dāng)年與上一年的增長差異衡量技術(shù)增長情況。在CDTM模型中，特定于學(xué)術(shù)論文或?qū)＠鹠的研究主題k呈現(xiàn)出多項式概率分布m，根據(jù)此概率分布可以得到在一個時間段內(nèi)，學(xué)術(shù)論文或?qū)＠谥黝}k中出現(xiàn)的概率pk，t，進(jìn)而得到在t時期的增長率指標(biāo)growthk，t=pk，t-pk，t-1?？紤]到顛覆性技術(shù)新穎性的特點，本文將某一主題最近3年增長率的均值作為該主題的增長率指標(biāo)值。

每項技術(shù)增長率指標(biāo)的最終得分如表4所示。Topic 7主題的增長率最高，說明在這一時間段內(nèi)該主題受到學(xué)者們較多關(guān)注并展開研究。Topic 0、Topic 9和Topic 10這3個主題的增長率也排在相對靠前的位置。而Topic 3的增長水平比較平緩，該主題沒有被學(xué)者發(fā)現(xiàn)或認(rèn)為有研究價值，因此沒有繼續(xù)研究，成為被“拋棄”的主題?？傮w來看，每一個主題下的技術(shù)大多在前5年還未被研究人員發(fā)現(xiàn)和研究，有的技術(shù)在近兩年的研究中逐漸沒落，都不是一經(jīng)研究就受到關(guān)注和追捧的，有的主題會逐漸被“拋棄”，而有的主題會逐漸產(chǎn)生顛覆甚至推翻現(xiàn)有技術(shù)，成為新的主流技術(shù)。

（2）創(chuàng)新性指標(biāo)。技術(shù)的創(chuàng)新性指標(biāo)利用CIM模型判斷論文或?qū)＠麑η叭搜芯康睦^承和突破，該模型假定每篇施引論文或?qū)＠麅H受參考文獻(xiàn)列表中被引論文或?qū)＠挠绊?，也就是說，模型采用一階馬爾可夫假設(shè)。使用Gibbs采樣算法，將CIM模型的主題數(shù)固定為15，對稱狄利克雷/貝塔分布先驗α、δ和β、δ分別設(shè)置為0.5、0.01和0.5、0.01，Gibbs采樣過程運(yùn)行2 000次迭代。假設(shè)從CIM模型中獲得參考文獻(xiàn)或?qū)＠鹡對其施引文獻(xiàn)或?qū)＠鹠繼承或創(chuàng)新概率λm，0和λm，1，且λm，0+λm，1=1。然后，結(jié)合CDTM模型中每一篇施引文獻(xiàn)或?qū)＠鹠對主題k的多項式分布ζ，m，得到主題k下的施引文獻(xiàn)或?qū)＠鹠的創(chuàng)新性noveltym，k=λm，1×ζ，m，則整個主題的創(chuàng)新性Noveltyk=∑mm=1noveltym，k∑mm=1ζ，m。

創(chuàng)新性指標(biāo)Noveltyk的得分，如表5所示。同樣，Topic 9、Topic 7、Topic 0和Topic 10的創(chuàng)新性Noveltyk得分均排在前五位，說明這幾個主題沒有過多繼承之前發(fā)表的文獻(xiàn)或?qū)＠?，不同于其自身參考文獻(xiàn)或?qū)＠牟糠终几蟊戎亍opic 12主題則與之相反，文章的繼承性相比而言更強(qiáng)，是對原有研究的繼續(xù)深入挖掘，沒有提出跳脫于其參考文獻(xiàn)的思路或方法。

（3）社會影響力指標(biāo)。利用Google Trends數(shù)據(jù)，分析和統(tǒng)計某一關(guān)鍵詞某一時期在谷歌搜索引擎中展示的搜索頻率及其它相關(guān)統(tǒng)計數(shù)據(jù)，得到社會影響力指標(biāo)值。運(yùn)用CDTM模型獲得每一主題k下的主題詞m，在Google Trends網(wǎng)站檢索2005—2021年的數(shù)據(jù)結(jié)果，得到頻率pt，m，k，乘以共同主題中詞的多項分布Φm，K，得到每一主題下某一時期的影響力impactt，k=∑mm=1pt，m，k×Φm，K∑mm=1Φm，K，則基于Google Trends搜索引擎的社會影響力指標(biāo)Impactk即為每一時期影響力指標(biāo)impactt，k的均值。

影響力指標(biāo)Impactk綜合考慮技術(shù)顛覆性對社會和學(xué)界產(chǎn)生的影響，技術(shù)會受到社會各界人士以及學(xué)術(shù)領(lǐng)域?qū)＜液蜋?quán)威機(jī)構(gòu)的關(guān)注，該指標(biāo)反映技術(shù)受到全世界關(guān)注的水平。影響力指標(biāo)Impactk的得分如表6所示，Topic 6主題代表的技術(shù)影響力水平最高，得分為801.312 3，說明該主題在2005—2021年這個時間段受到全世界各國的關(guān)注最多，包括在Google瀏覽器的搜索以及Google Scholar中發(fā)布的文獻(xiàn)等。Topic 9、Topic 0、Topic 7和Topic 10也都排在比較靠前的位置。Topic 8主題代表的技術(shù)影響力水平最低，說明這一主題沒有受到學(xué)術(shù)界與社會各界的廣泛關(guān)注，在這一時間段內(nèi)缺乏發(fā)展?jié)摿Α?/p>

4.2 顛覆性技術(shù)識別

本文利用熵值法，對測度顛覆性技術(shù)的增長性指標(biāo)、創(chuàng)新性指標(biāo)和社會影響力指標(biāo)進(jìn)行客觀賦權(quán)，加總得到顛覆性指數(shù)的最終得分。按照得分從大到小的順序進(jìn)行排名，從每種技術(shù)主題中選取1～2個技術(shù)術(shù)語代表該顛覆性技術(shù)的主題。

對上文中3個指標(biāo)得分結(jié)果作熵值法分析，得到增長率指標(biāo)、創(chuàng)新性指標(biāo)、影響力指標(biāo)的權(quán)重分別是0.38、0.45和0.17，計算最終加權(quán)數(shù)值，可得每一主題的顛覆性指數(shù)得分，如表7所示。

縱觀所有技術(shù)顛覆性指數(shù)得分，可將顛覆性指數(shù)得分的閾值設(shè)置為0.5，故前4位技術(shù)Topic 7、Topic 9、Topic 0和Topic 10即為識別出的“雙碳”領(lǐng)域顛覆性技術(shù)。根據(jù)主題中前20個主題詞及相關(guān)文獻(xiàn)梳理總結(jié)發(fā)現(xiàn)，Topic 7是生物炭吸附技術(shù)，用于提取和吸附，將碳資源合理儲存以備其它用途，例如幫助農(nóng)作物吸附營養(yǎng)物質(zhì)等。Topic 9是關(guān)于有機(jī)農(nóng)業(yè)生物炭基肥料的制備技術(shù)，用于改善土壤肥沃程度、降低土壤污染。Topic 0代表的是生物質(zhì)裂解生物炭技術(shù)，通過產(chǎn)生生物炭的過程仿照大自然中煤炭、天然氣以及石油等多個能源的生產(chǎn)反應(yīng)，起到減碳的效果。Topic 10是生物質(zhì)熱解生物炭技術(shù)，通過礦化、化學(xué)等方式生成生物炭，能夠合理利用碳。

根據(jù)改進(jìn)后的CDTM模型抽取結(jié)果可知，上述4項顛覆性技術(shù)以論文和專利的形式出現(xiàn)的占比分別為52%和48%。其中，Topic 7和Topic 10更多以學(xué)術(shù)論文的形式呈現(xiàn)，在主題中分別占69.6%和73.4%；Topic 9和Topic 0則更多以專利數(shù)據(jù)的形式呈現(xiàn)，在主題中分別占71.2%和54.5%。獲取這4項顛覆性技術(shù)所在主題頻次排名前20的論文或?qū)＠麛?shù)據(jù)，統(tǒng)計其公開發(fā)表年份以及研究人員所屬國家，分析可知，“雙碳”領(lǐng)域的顛覆性技術(shù)數(shù)量在2015年前后出現(xiàn)一個小高潮，隨后有所回落，之后又在2019年崛起；從事相關(guān)領(lǐng)域研究的國家主要是中國和美國，分別是43項和14項，占所有顛覆性技術(shù)的71.3%，說明中美兩國在“雙碳”領(lǐng)域的研究占據(jù)優(yōu)勢地位。

4個“雙碳”領(lǐng)域顛覆性技術(shù)中前20位論文或?qū)＠婕暗闹饕夹g(shù)子領(lǐng)域以及每一子領(lǐng)域的數(shù)量如表8所示?？v觀各領(lǐng)域主題，“生物炭”這一詞匯頻繁出現(xiàn)在各個主題中，生物炭是由天然生物質(zhì)或農(nóng)業(yè)廢棄物在缺氧條件下經(jīng)熱化學(xué)轉(zhuǎn)化而成的一類多孔碳質(zhì)材料，生物炭的生產(chǎn)原料是各類廢物，制備成本較低，其盈虧平衡價格是活性炭的1/6，且制備過程可以視作廢棄物的一種資源化利用方式，因此，生物炭是一種極具前景的環(huán)境友好型CO2吸附材料[34]。識別出的幾項顛覆性技術(shù)討論研究了生物炭的生產(chǎn)制備、有效利用等，在使用肥料促進(jìn)農(nóng)業(yè)作物營養(yǎng)元素的吸收、提高糧食產(chǎn)量和減少煤炭等原始燃料使用等方面起到重要作用。

自聯(lián)合國歐洲經(jīng)濟(jì)委員會發(fā)布《碳捕獲、利用與封存（CCUS）》報告后，CCUS技術(shù)已成為全球多個國家碳中和行動計劃的重要組成部分。本文識別出的生物炭吸附技術(shù)和生物質(zhì)熱解生物炭技術(shù)，與CCUS技術(shù)中碳捕獲技術(shù)分支的點源CCUS技術(shù)對應(yīng)，將水泥和鋼鐵生產(chǎn)、化石燃料制氫、垃圾焚燒和發(fā)電等行業(yè)產(chǎn)生的CO2在排放到大氣之前就進(jìn)行捕獲，然后壓縮到超過100個大氣壓，注入到地下1 000m以下的多孔巖石層中，在不透水的巖石下，保存數(shù)萬年到數(shù)百萬年，使得產(chǎn)生的CO2在排放到大氣之前就被捕獲并封存。其中，有機(jī)生物炭基肥料制備技術(shù)對應(yīng)碳捕獲技術(shù)分支的生物質(zhì)能碳捕獲與封存技術(shù)，CO2由植被從大氣中提取出來，然后在生物質(zhì)燃燒時從燃燒產(chǎn)物中回收，或者通過化學(xué)反應(yīng)合成其它高價值的清潔能源，在理想狀態(tài)下加強(qiáng)土壤中的碳固存并最大限度減少工業(yè)化肥使用。生物質(zhì)裂解生物炭技術(shù)對應(yīng)碳捕獲技術(shù)分支的直接空氣碳捕獲與封存技術(shù)，CO2由植被從大氣中提取出來，直接從空氣中捕獲，該技術(shù)可以與地質(zhì)封存技術(shù)結(jié)合，實現(xiàn)相對永久性固碳。識別出的4項顛覆性技術(shù)均能與國際認(rèn)可的CCUS技術(shù)對應(yīng)，由此也驗證了本文方法和指標(biāo)設(shè)計的可行性。

5 結(jié)論與討論

5.1 研究結(jié)論與啟示

顛覆性技術(shù)的度量和識別研究，事關(guān)未來產(chǎn)業(yè)發(fā)展戰(zhàn)略部署和科研人員研究方向，在日益激烈的國際競爭中，為國家抓住發(fā)展機(jī)遇提供強(qiáng)有力支持。本文以多源數(shù)據(jù)融合的形式，從學(xué)術(shù)論文、專利以及基于Google Trends數(shù)據(jù)的社會媒體數(shù)據(jù)出發(fā)，構(gòu)建多源數(shù)據(jù)融合的顛覆性技術(shù)測度方法，進(jìn)而對“雙碳”領(lǐng)域的顛覆性技術(shù)進(jìn)行度量和識別。首先，利用改進(jìn)后的CDTM模型抽取公共主題，計算增長率指標(biāo)；其次，結(jié)合CIM模型判斷主題的繼承與創(chuàng)新，計算創(chuàng)新性指標(biāo)；最后，為彌補(bǔ)被引頻次數(shù)據(jù)的滯后性問題，采用Google Trends收集的數(shù)據(jù)獲取每一個主題的搜索量，計算社會影響力指標(biāo)。進(jìn)一步識別“雙碳”領(lǐng)域的顛覆性技術(shù)，針對CDTM模型抽取和篩選出的10個主題，使用熵值法綜合計算其顛覆性指數(shù)，認(rèn)定指數(shù)得分高于0.5的主題為顛覆性技術(shù)。具體研究結(jié)論和啟示如下：

（1）大數(shù)據(jù)時代的數(shù)據(jù)具有多樣性，充分利用多源數(shù)據(jù)可全面度量顛覆性技術(shù)。顛覆性技術(shù)具有突破性、發(fā)展不確定性等特征，而當(dāng)前研究僅限于學(xué)術(shù)界對科學(xué)數(shù)據(jù)集即學(xué)術(shù)論文數(shù)據(jù)和專利數(shù)據(jù)的引證研究，忽視了技術(shù)在促進(jìn)社會進(jìn)步、經(jīng)濟(jì)發(fā)展、教育水平提高等諸多領(lǐng)域的影響。本文所設(shè)計的顛覆性技術(shù)測度體系，采用的數(shù)據(jù)源更為豐富，包含論文數(shù)據(jù)、專利數(shù)據(jù)和替代計量學(xué)數(shù)據(jù)之一的Google Trends數(shù)據(jù)作為社會媒體數(shù)據(jù)的代表，既考慮了技術(shù)在學(xué)術(shù)界的影響，也兼顧了市場技術(shù)實用以及社會大眾的接受情況。

（2）目前常用的主題提取方法有LDA、DIM、DTM等模型，但這些方法只能提取單個數(shù)據(jù)源的主題，無法兼顧多個數(shù)據(jù)源公共主題的提取。CDTM模型能最大限度地利用多個語料庫之間的共享信息，不僅可以針對單數(shù)據(jù)源提取特有主題，還可以融合論文和專利數(shù)據(jù)獲取多源數(shù)據(jù)的公共主題。本文使用改進(jìn)后的CDTM模型，有效解決了“雙碳”領(lǐng)域多源數(shù)據(jù)公共主題提取的問題，并克服了原始CDTM模型只能揭示各種資源選取相同特有主題數(shù)量的缺陷，可以得到較好的識別效果。最終，識別出的4項技術(shù)均與“生物炭”研究相關(guān)且與國際認(rèn)可的CCUS技術(shù)相對應(yīng)，進(jìn)一步佐證了本文指標(biāo)設(shè)計和識別方法的合理性。

（3）本文識別出的“雙碳”領(lǐng)域顛覆性技術(shù)包括：生物炭吸附技術(shù)、有機(jī)生物炭基肥料制備技術(shù)、生物質(zhì)裂解生物炭技術(shù)和生物質(zhì)熱解生物炭技術(shù)。相關(guān)研究在2015和2019年前后出現(xiàn)小高潮，中國和美國對相關(guān)技術(shù)的研究占據(jù)優(yōu)勢地位。我國應(yīng)針對優(yōu)勢技術(shù)給予資源傾斜，繼續(xù)深化技術(shù)創(chuàng)新，健全知識產(chǎn)權(quán)保護(hù)，加大技術(shù)推廣力度，形成優(yōu)勢產(chǎn)業(yè)；針對“卡脖子”技術(shù)，需要對標(biāo)世界核心技術(shù)開啟趕超戰(zhàn)略，增加基礎(chǔ)學(xué)科研發(fā)投入，組建核心技術(shù)攻關(guān)團(tuán)隊，實現(xiàn)技術(shù)彎道超車，提高核心實力。

本研究有助于全面了解“雙碳”領(lǐng)域的科技創(chuàng)新前沿，為未來產(chǎn)業(yè)發(fā)展戰(zhàn)略部署、宏觀政策的科學(xué)精準(zhǔn)制定提供參考。針對識別出的4項“雙碳”領(lǐng)域顛覆性技術(shù)，政府有關(guān)部門和相關(guān)企業(yè)應(yīng)聚焦研發(fā)視角，合理配置資源，提高研發(fā)效率。在宏觀調(diào)控方面，應(yīng)健全多元化市場投入機(jī)制，鼓勵社會資本以市場化方式進(jìn)入顛覆性技術(shù)領(lǐng)域，設(shè)立基金為其提供資金支持；發(fā)揮稅收政策激勵作用，對顛覆性技術(shù)領(lǐng)域的企業(yè)實施稅收優(yōu)惠政策，減輕企業(yè)資金壓力，提供低息貸款，籌措更多科研經(jīng)費(fèi)，使企業(yè)將精力更多投入到研發(fā)中；啟動試點工作，通過以點帶面的政策示范效應(yīng)，充分調(diào)動各方創(chuàng)造性和積極性等；完善市場機(jī)制，采取降低或免征稅賦、加強(qiáng)信貸等財政措施，著力解決技術(shù)成本高昂的問題；通過拉動投資，吸引企業(yè)家加入該領(lǐng)域，以利基市場為導(dǎo)向，促進(jìn)新產(chǎn)業(yè)和新技術(shù)的出現(xiàn)。

5.2 研究局限與未來展望

本文構(gòu)建了基于多源數(shù)據(jù)融合的顛覆性技術(shù)測度指標(biāo)體系，充實了該領(lǐng)域理論研究，但關(guān)于影響力指標(biāo)的設(shè)計僅考慮了社會媒體的影響，存在一定局限性。未來研究可進(jìn)一步完善影響力指標(biāo)，一方面補(bǔ)充選取更多的替代計量指標(biāo)數(shù)據(jù)，減少社會媒體數(shù)據(jù)帶來的擾動；另一方面與被引頻次數(shù)據(jù)相結(jié)合，綜合衡量技術(shù)在科學(xué)、技術(shù)和社會方面的影響力。另外，未來研究可在更多領(lǐng)域驗證本文提出的多源數(shù)據(jù)融合的顛覆性技術(shù)度量和識別方法，針對面臨的不足和缺陷加以改進(jìn)，提高該方法的普適性。

參考文獻(xiàn)

參考文獻(xiàn)：

[1] CHEN ZHUFENG. Study on modern automotive electronic technology characteristics and development trend[C]. Proceedings of the 2016 5th International Conference on Environment， Materials， Chemistry and Power Electronics，2016.

[2] CHRISTENSEN C M.The innovator′s dilemma：when new technologies cause great firms to fail [M]. Boston：Harvard Business Review Press，1997.

[3] SCHUMPETER A J.The theory of economic development： an inquiry into profits， capital， credit， interest， and the business cycle [M]. Boston： Harvard University Press，1934.

[4] 王康，陳悅.技術(shù)融合視角下基于專利的顛覆性技術(shù)識別研究[J].情報雜志，2022，41（4）：29-36，134.

[5] DAHLIN K B， BEHRENS D M. When is an invention really radical？ defining and measuring technological radicalness[J]. Research Policy， 2005， 34（5）： 717-737.

[6] THOMOND P，LETTICE F.Disruptive innovation explored： 9th ipse international conference on concurrent engineering[J]. Research and Applications，2002，55（7）：27-31.

[7] KENAGYJW， CHRISTENSENC M. Disruptive innovation： a new diagnosis for healthcare's \"financial flu\"[J]. Healthcare Financial Management，2002，56（6）：62-66.

[8] 許佳琪，汪雪鋒，雷鳴，等.從突破性創(chuàng)新到顛覆性創(chuàng)新：內(nèi)涵、特征與演化[J].科研管理，2023，44（2）：1-13.

[9] ARTHUR W. The structure of invention[J]. Research Policy，2007，36（2）：274-287.

[10] VALLE S，D VAZQUEZ-BUSTELO.Concurrent engineering performance： incremental versus radical innovation [J]. International Journal of Production Economics， 2009， 119（1）：136-148.

[11] MANYIKA J， CHUI M， BUGHIN J. Disruptive technologies： advances that will transform life， business， and the global economy[R].China Beijing， McKinsey Global Institute，2013.

[12] 孫永福，王禮恒，孫棕檀，等.引發(fā)產(chǎn)業(yè)變革的顛覆性技術(shù)內(nèi)涵與遴選研究[J].中國工程科學(xué)， 2017， 19（5）：9-16.

[13] REINHARDT R， S GURTNER. The overlooked role of embeddedness in disruptive innovation theory[J]. Technological Forecasting and Social Change， 2018，132（2）： 268-283.

[14] 李欣， 黃魯成. 技術(shù)路線圖方法探索與實踐應(yīng)用研究——基于文獻(xiàn)計量和專利分析視角[J]. 科技進(jìn)步與對策，2016，33（5）：62-72.

[15] CARLSEN H， DREBORG K H， GODMAN M， et al. Assessing socially disruptive technological change[J]. Technology in Society，2010，32（3）：209-218.

[16] KLENNER P， HUSIG S， DOWLING M. Ex-ante evaluation of disruptive susceptibility in established value networks：when are markets ready for disruptive innovations[J]. Research Policy， 2013， 42 （4）：914-927.

[17] LIU X， WANG X， et al. Identifying disruptive technologies by integrating multi-source data[J]. Scientometrics，2022，127（2）：5325-5351.

[18] TUGRUL U DAIM， GUILLERMO RUEDA， HILARY MARTIN， et al. Forecasting emerging technologies： use of bibliometrics and patent analysis[J]. Technological Forecasting amp; Social Change，2006，73（8）：981-1012.

[19] FEFIE DOTSIKA，ANDREW WATKINS. Identifying potentially disruptive trends by means of keyword network analysis[J]. Technological Forecasting amp; Social Change，2017，119（6）：114-127.

[20] XU SHUO， HAO LIYUAN， AN XIN， et al. Emerging research topics detection with multiple machine learning models[J]. Journal of Informetrics，2019，13（4）：1-19.

[21] XU XUEMING， LI JICHAO， JIANG JIANG， et al. A disruptive technology identification method based on multisource data： take unmanned aerial vehicle systems as an example[C]. 7th International Conference on Big Data and Information Analytics （BigDIA）， 2021.

[22] XU S， LI L， AN X， et al. An approach for detecting the commonality and specialty between scientific publications and patents[J]. Scientometrics ，2021，126（7）：7445-7475.

[23] CHANGYONG LEE， OHJIN KWON， MYEONGJUNG KIM， et al.Early identification of emerging technologies： a machine learning approach using multiple patent indicators[J]. Technological Forecasting and Social Change，2018，127（2）：291-303.

[24] BUCHANAN B， CORKEN R. A toolkit for the systematic analysis of patent data to assess a potentially disruptive technology[R]. London： Intellectual Property Office，2010：2-16.

[25] CAROLIN MUND， PETER NEUHAUSLER. Towards an early-stage identification of emerging topics in science：the usability of bibliometric characteristics[J]. Journal of Informetrics， 2015，9（4）：" 1018-1033.

[26] 劉忠寶，康嘉琦，張靜.基于主題突變檢測的顛覆性技術(shù)識別——以無人機(jī)技術(shù)領(lǐng)域為例[J].科技導(dǎo)報，2020，38（20）：97-105.

[27] WANG QI. A bibliometric model for identifying emerging research topics[J]. Journal of the Association for Information Science and Technology， 2018，69（4）：290-304.

[28] DIETZ， LAURA， STEFFEN BICKEL，et al. Unsupervised prediction of citation influences[C]. International Conference on Machine Learning，2007.

[29] BLEI D M， NG A Y， JORDAN M I. Latent Dirichlet allocation[J]. Journal of Machine Learning Research， 2003， 3（1）： 993-1022.

[30] GERRISH S M， BLEI D M. A language-based approach to measuring scholarly impact[C]. Proceedings of the 27th International Conference on Machine Learning， 2010.

[31] BLEI D M， LAFFERTY J D. Dynamic topic models[C].Proceedings of the 23rd International Conference on Machine Learning， 2006.

[32] HUA T， LU C-T， CHOO J， et al. Probabilistic topic modeling for comparative analysis of document collections[J]. ACM Transactions on Knowledge Discovery from Data， 2020，14（24）：1-24.

[33] DAVID M BLEI， ANDREW Y NG， MICHAEL I JORDAN. Latent dirichlet allocation[J]. The Journal of Machine Learning Research，2003，3（3）：993-1022.

[34] 李經(jīng)寬，曲孟青，張圓圓，等.生物炭CO2吸附劑的制備和改性研究進(jìn)展[J].燃料化學(xué)學(xué)報，2023，15（7）：882-895.

責(zé)任編輯

（責(zé)任編輯：萬賢賢）

Measurement and Identification of Disruptive Technologies in the Field of \"Dual Carbon\" Base on the Method of Multi-Source Data Fusion

An Xin1， Liu Dihang1， Xu Shuo2

（1.School of Economics and Management， Beijing Forestry University， Beijing 100083， China;2.School of Economics and Management， Beijing University of Technology， Beijing 100124， China）

Abstract：Disruptive technology is the key to the development of national economy and the core combat effectiveness of great power game competition， and the cultivation and development of disruptive technology is of great significance and far-reaching influence. To achieve the goal of \"Carbon Peak and Carbon Neutralization\"， it is critical to strengthen green and low-carbon scientific and technological innovation， and closely track the international frontier's leading technologies. To this end， the measurement and identification of disruptive technologies in the field of \"dual carbon\" provide assistance to relevant government departments and enterprises for the strategic deployment of future industrial development， the scientific and accurate formulation of macro policies， the realization of technological overtaking， and the improvement of core competitiveness， and it has become a key issue to gain insight into the global \"dual carbon\" technology opportunities and seize the commanding heights of scientific and technological competition.

Following the essential characteristic theory of disruptive technology， this study makes disruptive technology measurement that integrates multi-source data， including growth rate indicators， innovation indicators and influence indicators， and comprehensively considers the impact of technology on the scientific community， technology community， and social economy community. Among them， the growth of technology is measured by the growth rate index to calculate the difference between the growth of each topic in the current year and the previous year; the CIM model is used in the innovation index to judge the inheritance and breakthrough of the previous research in the paper or patent; social impact indicators are used to analyze and count the frequency of searches and other relevant statistics for a certain keyword displayed in Google during a certain period of time.

In order to effectively identify disruptive technologies in the field of \"dual carbon\"， this paper collects 38 692 paper data and 9 532 patent data， and retrieves the search frequency data of public topic representative words from Google Trends to form a multi-source fusion dataset. In the process of method selection， this paper selects the improved CDTM（Common and Distinctive Topic Model） model for topic extraction from multiple data sources. This method maximizes the utilization of shared information among multiple corpora， allowing for not only the extraction of specific topics for a single data source， but also the integration of paper and patent data to obtain a common theme for multi-source data. By analyzing the results of CDTM model and manually judging them one by one， 10 topics are finally obtained for identifying disruptive technologies in the field of \"dual carbon\"， and then the disruption index score is calculated to measure the disruption of these topics.

Four disruptive technologies in the field of \"dual carbon\" are identified，namely biochar adsorption technology， organic biochar-based fertilizer preparation technology， biomass cracking biochar technology and biomass pyrolysis biochar technology. The analysis shows that all four technologies are related to internationally recognized “carbon capture， use and storage （CCUS） technologies”， and China and the United States occupy" overwhelmingly dominant positions in the field of \"dual carbon\" research. Hence， China should provide preferential resources， continue to deepen technological innovation， and improve intellectual property protection.

In regards to the technology bottlenecks， it is necessary to open the catch-up strategy for the world's core technology， increase the Ramp;D investment in basic disciplines， and achieve technical overtaking on the bend to improve the core competitiveness. In view of the four disruptive technologies identified in the field of \"dual carbon\"， it is suggested that the relevant departments of the government and enterprises focus on research and development， rationally allocate valuable and limited resources， and improve the efficiency of research and development. In terms of macro-government regulation， it is essential to improve the market diversification investment mechanism， encourage social capital to enter the field of disruptive technologies in a market-oriented way， and set up funds to provide financial support for them. In summary， the measurement and identification of disruptive technologies in the field of \"dual carbon\" based on the multi-source data fusion method helps to comprehensively understand the frontier of scientific and technological innovation in the field of \"dual carbon\"， and provides a new basis for the identification and research of disruptive technologies.

Key Words：Technology Identification; Disruptive Technology; Common and Distinctive Topic Model; \"Dual Carbon\" Field