基于SNA的生物與信息產業技術融合演化特征與路徑研究*

許佳婷，殷進進

（江蘇大學，江蘇 鎮江212013）

Rosenberg N[1]于1963年首次提出技術融合的概念，他認為技術融合是指不同產業依賴同一種技術進行生產的過程。之后許多學者對技術融合展開研究，但直到20世紀90年代技術融合才真正開始發展。專利共現是指通過考察不同專利的國際專利分類（International Patent Classification，IPC）號來測算技術之間的融合程度，兩種專利出現相同IPC號越多，代表它們之間的融合程度越高。

隨著科學技術水平的不斷提高，生物與信息技術產業之間的滲透逐步加深，融合形成的生物信息產業也逐漸成為我國拓展的七大新興產業之一。生物信息產業依靠生物芯片技術，主要研究人體的基因序列，用于治療癌癥、肝病、糖尿病等與基因有關的重大疾病。但由于我國初入生物與信息產業，對產業內技術的現狀特征與發展趨勢還未能清晰地認識與預測。因此，考察生物與信息產業技術的融合特征十分必要。

技術融合的分析一直是學術界的難點，現有的研究較少系統性地分析生物與信息產業的技術融合特征，因此科學客觀和系統地研究生物與信息產業技術融合已成為關注重點。社會網絡分析（Social Network Analysis，SNA）是一種基于“網絡”的社會組織形式，其研究核心在于將社會網絡作為研究對象進行結構分析，用于診斷、顯示和理解相關因素之間的某種特定關系，是將所研究的復雜問題量化處理后進行系統性的探索研究，因而能夠有效分析技術融合演化的動態特征。

1 生物與信息產業技術融合分析的理論基礎

1.1 社會網絡分析

社會網絡分析是社會學領域發展較為成熟的分析方法，是揭示知識網絡結構和演化的強有力工具，可利用圖論、矩陣代數等多種方法對社會網絡進行量化研究[2]。社會網絡可從多種角度分析網絡中的節點和邊的數量，利用網絡規模、密度和平均度數衡量網絡凝聚性。中心性是社會網絡分析的重點之一，中心度可用來衡量個體在網絡中處于怎樣的中心地位，用以反映該點在網絡中的重要程度。

1.2 中心—外圍分析

中心—外圍理論由經濟學家勞爾·普雷維什提出。中心與外圍間的結構性差異并非說明二者之間彼此獨立，相反，它們是以互為條件、相互聯系的兩者存在，構成統一和動態的經濟體系。中心—外圍分析主要應用于產業經濟發展領域，揭示區域經濟發展差異，如蘭秀娟等[3]基于中心—外圍分析視角，探究經濟集聚對中心—外圍區域經濟發展差異的影響。但也不排除一些學者在其他領域的有益探索，如梁濤[4]以國際貨幣變遷視角為基礎，探究美元霸權對中心—外圍博弈及其對中國經濟發展等方面帶來的影響。崔博等[5]應用中心—外圍理論，以民用航空網絡為研究對象，探索中國民用航空網絡的整體性結構。然而中心—外圍理論很少被用來分析技術融合網絡，這是一條新的思路和探索方向。

1.3 專利與技術融合

在學術界，常用專利數據來衡量技術創新程度。專利數據能夠為技術融合提供合理和直觀的依據，因此之前的研究大多采用專利來分析技術融合。如李樹剛基于專利數據，聚焦感知人工智能融合核心技術和人工智能技術融合情況[6]。專利引文和專利共類是兩種主要基于專利對技術融合的分析方法，通過引文數據尋求不同技術領域間的知識流動，揭示融合機制。例如，Park I和Yoon B[7]以USPTO專利引用為基礎，探索生物技術和信息技術之間的融合機會。在一定程度上，專利引用關系能很好地反映某件專利的技術科學基礎，體現技術間的前后繼承和累積關系[8]。然而，因新興技術的后項引用較少，專利引證分析不適用于新興技術的融合考察[9]。與專利引文法相比，專利共類數據的搜集雖較為簡單，但也能反映多種不同技術間的技術融合[10]。

2 研究設計

2.1 變量設定

IPC是國際通用的專利引文分類與文獻檢索工具。IPC號結合了功能與應用的原則，以功能性為主，應用性為輔。每一個IPC號代表一種技術或技術領域。依據經濟合作與發展組織對生物與信息技術的IPC號進行相關專利數據的搜集。

2.2 數據來源

IncoPat是我國首個將世界一流的發明創造深度整合并翻譯成中文的專利平臺。IncoPat收錄了世界上102個國家/組織/地區1億余件專利信息，數據字段相對完善，數據質量較高。全球專利信息每周更新3次，更新效率較高。因此，全球生物與信息產業融合的專利數據的搜集將基于IncoPat專利數據庫。具體的檢索表達式如下：（生物技術的IPC號）AND（信息技術的IPC號），時間跨度為1980—2018年。根據數據分布特征，并且考慮到專利數據信息公開以及數據入庫的時滯性，將時間跨度分為1980—1995年、1996—2005年和2006—2018年3個時間段。

2.3 研究方法

社會網絡是社會行動者和他們之間關系的集合。社會網絡分析是將繁雜的關系進行量化處理，提供反映行動者關系的信息，其以生物與信息技術所涉及的不同技術領域為節點，以技術領域間的共現關系為邊，構建生物與信息產業技術的融合網絡，然后從融合網絡的整體結構特征、個體中心性以及網絡中心—外圍結構3個維度切入分析，探究一定時間內生物與信息產業技術融合演化情況。

1）生物與信息產業技術融合網絡整體結構演化分析。根據搜索到的數據構建IPC共現矩陣，即技術融合矩陣。將構建好的矩陣導入Gephi軟件，計算各個時間段的生物與信息技術融合網絡的網絡規模、網絡邊數、網絡密度和平均路徑長度。網絡規模指網絡中涉及的全部行動者數目，文中指生物與信息技術融合網絡中不同領域技術融合的節點數量。網絡邊數衡量網絡中行動者之間的連接總數，這里指融合網絡中生物與信息領域技術的總共出現次數。網絡密度指測量網絡中節點聯系的密切程度，反映該融合網絡中生物與信息技術融合的密切程度。平均路徑長度是網絡中的重要特征度量，是網絡中所有節點對之間的平均最短距離，用于衡量網絡的傳輸性能與效率。

2）生物與信息產業技術融合網絡個體中心性演化分析。中心度是對網絡中個體權利的量化分析，用來衡量節點在網絡中的重要性。中心度指標主要有接近中心度、中介中心度和特征向量中心度，這3個指標分別從距離、位置以及質量維度衡量節點的重要程度。接近中心度衡量一個節點到其他節點的平均最短距離，接近中心度值越小，該節點距離其他節點距離越近。中介中心度指節點作為其他兩個節點之間最短路徑的橋梁次數，次數越多，該節點的中介中心度越高，這里指某一生物（信息）技術領域充當另外兩項不同領域技術融合的橋梁的次數。一個節點的重要性不僅取決于其鄰居節點的數量，還取決于其鄰居節點的重要性，特征向量中心度越高表示生物（信息）某一技術領域不僅與信息（生物）領域中較多的其他技術有融合，且與它融合的技術領域本身也具有較高的中心度。

3）生物與信息產業技術融合網絡結構演化分析。將3個時間段的融合矩陣導入社會網絡分析軟件Ucinet，并借助其中的可視化軟件Netdraw繪制3個時間段的生物與信息技術融合網絡圖。將前面繪制的技術融合二模網絡轉化為一模網絡，從橫向和縱向層面分別對3個時間段中構成該技術融合網絡的生物與信息技術領域的結構展開分析，尋找中心—外圍類成員群組。

2.4 結果和分析

1）生物與信息產業技術融合網絡整體結構演化分析。第28頁表1中，生物與信息產業技術融合的網絡規模和網絡邊數均在第2個時間段達到最高值，且網絡邊數與其他兩個時間段拉開較大差距。可見，在第2個時間段，越來越多的生物與信息領域實現了技術融合。3個時間段的網絡密度和平均路徑長度相差不大。各個時間段的網絡密度整體都處于較低的水平，在0.161~0.183之間。這表明在這38年中生物與信息產業技術融合關系稀疏并且技術融合網絡的整體凝聚力偏低。3個時間段的平均路徑長度位于1.967 3~2.021 7之間，說明該融合網絡中各技術領域節點通過較短的路徑就能夠和另一領域技術實現融合，可見該融合網絡蘊含著較大的融合潛力，即生物與信息產業技術存在著較大的融合潛力，具有光明的發展前景。

表1 3個時間段生物與信息產業技術融合網絡整體結構指標

2）生物與信息產業技術融合網絡個體中心性演化分析。分析主要依據3種中心度指標具體展開。表2和表3分別顯示了3個時間段融合網絡中生物與信息技術領域的中介中心度、特征向量中心度以及接近中心度3個指標排名相對靠前的技術領域。通過比較和總結發現，無論是信息技術還是生物技術，3個時間段中3種中心度指標值較高的技術領域基本一致。

表2 3個時間段生物與信息技術融合網絡中信息技術中心度指標排名前四的技術領域

表3 3個時間段生物與信息技術融合網絡中生物技術中心度指標排名前三的技術領域

表2 中，IPC號G06在所劃分的3個時間段中中介中心度、特征向量中心度和接近中心度指標均位于第一，表明該信息技術領域在這3個時間段的技術融合網絡中占領絕對的核心位置，對于生物與信息技術融合能夠作出極大貢獻。在第1個時間段，G02B6，G11B以及H01L的中心度指標保持在前四，均處于較為穩定的靠前位置。在第2個時間段，IPC號G05B的中介中心度和接近中心度都位于第二。H01J的3種中心度指標均位于前三的位置，處于生物與信息技術融合網絡中較為穩定的次核心位置。G01R，H01L和B41J的特征向量中心度和接近中心度位于前四。而G11B，H04N，G02F，G07，G09G以及G11C等在第2個時間段中接近中心度位于第四，這些技術領域在生物與信息技術融合中具備一定的融合潛力。在第3個時間段，IPC號H04L的3種中心度指標均位于前三。H04M，G01F，G01R和H01L的特征向量中心度和接近中心度均位于第二。G09B，H01Q，H04Q以及G02F等接近中心度的排名較前的信息技術領域仍然具有可觀的融合潛力。

綜合3個時間段來看，除去G06在3個時間段的中心度指標均穩居榜首外，只有G01R的特征向量中心度和接近中心度的排名逐步升高，表明G01R的地位在生物與信息技術融合網絡中穩步升高，其成為實現技術融合的重要節點。

表3 中，IPC號G01N33在3個時間段中中介中心度、特征向量中心度和接近中心度指標均居首位，表明G01N33在這3個時間段的技術融合網絡中占有絕對的核心地位。IPC號C07K在第1個時間段中3種指標均位于第二，但是在后兩個時間段被C12N和C12Q所替代，且退出了前三的重要位置。在1996—2005年和2006—2018這兩個時間段中，C12N和C12Q一直緊隨G01N33之后，處于次核心地位，是較為穩定的重要技術領域。可見，IPC號G01N33，C12N和C12Q所代表的生物技術領域在生物與信息技術融合中發揮著十分重要的作用，在推進生物與信息技術融合產業的前進與發展中扮演著重要角色。

3）生物與信息產業技術融合網絡結構演化分析。為了更清楚地展現3個時間段的生物與信息產業技術融合網絡整體結構的變化，將生物與信息產業技術融合二模網絡進一步轉化為一模網絡，進而分析一模網絡中技術融合的中心—外圍結構。

在這3個時間段中，C12Q和G01N33所代表的生物技術領域一直處于核心位置，其他處于邊緣位置。核心組的顯著特征是高密度、高強度和核心組內的大量協作。在信息技術中，第1個時間段有6個核心領域，分別是G06，G01B，G01F，G01J，G01M和G01R。第2個時間段G01B，G01F，G01J和G01M所代表的信息技術領域退出了核心地位，此時核心位置并未有新的技術領域加入。第3個時間段G01R變為邊緣位置，此時G06仍處于核心位置，并且新增加了G01D。

3 結論

運用社會網絡分析方法，從網絡的整體結構特征、個體中心度和融合網絡的中心—外圍結構3個維度分析探討生物與信息產業技術融合演化特征，探究1980—2018年中3個時間段的生物與信息技術融合網絡的結構、流動性以及促進網絡技術融合的關鍵性因素。研究結果表明：3個時間段中，生物與信息產業技術融合網絡蘊含著一定的融合潛力，融合網絡中各技術領域節點通過較短的路徑便能和另一領域的技術實現一定程度的融合。從個體而言，通過測算3種中心度指標，不難發現，IPC號G06和H01J所代表的信息技術領域以及G01N33，C12N和C12Q所代表的生物技術領域在這一時間段的融合網絡中占據核心位置，能夠對生物與信息技術融合作出較大貢獻，在推進生物與信息技術融合產業的演進與發展中扮演著重要的角色。另外，仍有相當一部分的技術領域在生物與信息技術融合中具備一定的融合潛力，如G11B，H04N，G02F等。最后，通過分析生物與信息產業技術融合網絡結構可知，在3個時間段中均位于核心位置的是生物技術領域的G01N33，C12Q以及信息技術領域的G06。

由于目前對技術融合演化的研究較少用社會網絡的特征指標具體分析，相應的產業技術融合演化發展路徑還需做出更加科學的選擇。通過分析生物與信息產業技術融合演化特征，識別生物與信息技術融合產業未來可能的技術機會，抓住促進其融合的關鍵性、核心性技術領域，幫助相應企業及時調整戰略，以更加高效的方式投入產品的研發。同時，也為政府制定生物與信息技術融合產業的發展政策提供支撐。