基于智能情報挖掘的技術甄別發展現狀及趨勢預測研究

褚曉泉 劉德兵 仇瑜 郭雙瑞 曹建飛

摘 要：科技評估是識別前瞻性技術、合理規劃知識創造活動和促進科技創新的有效途徑，對于輔助配置研發資源，提升國家現代化水平和綜合國力具有戰略意義。鑒于此，本文首先對科技評估任務中技術甄別相關的關鍵概念進行了辨析，梳理各國、各領域重點關注的熱點技術、新興技術、前沿技術和顛覆性技術的含義、特征、差異，總結具有代表性的研究成果;然后，以文獻計量方法為基礎，借助共詞分析技術相關研究在數量、共詞等方面的變化趨勢，計算CDt指數識別其中的顛覆性成果;最后，通過生命周期曲線擬合方法對領域當前發展現狀和未來變化趨勢進行預測。本文對科技評估中技術甄別相關的概念歸納、采用的分析方法和相關結論能夠為情報分析人員開辟新思路，對于不同領域開展科技評估和技術甄別工作提供參考。

關鍵詞：科技評估;技術甄別;情報挖掘;文獻計量;人工智能

中圖分類號：G301文獻標識碼：A文章編號：2097-0145（2022）03-0007-08doi：10.11847/fj.41.3.7

Research on Development Status and Trend Predict of Technology Identification

Based on Intelligent Information Mining

CHU Xiao-quan1， LIU De-bing2， QIU Yu2， GUO Shuang-rui3， CAO Jian-fei4

（1.Department of Computer Science and Technology， Tsinghua University， Beijing 100084， China; 2.Beijing Knowledge Atlas Technology Co.， Ltd， Beijing 100084， China; 3.School of Computer Science and Technology， Anhui University， Hefei 230601， China; 4.Center for Strategic Studies， Chinese Academy of Engineering， Beijing 100088， China）

Abstract：Science and technology evaluation are effective approaches to detect forward-looking technologies and reasonably make creation activities plan to promote scientific and technological innovation， and have strategic significance for assisting the allocation of R&D resources and improving the level of national modernization and comprehensive national strength. In view of this， this study firstly discriminates the core concepts related to technology identification in science and technology foresight tasks. We sort out the scientific connotation， characteristics and differences of the most watched hot technologies， emerging technologies， frontier technologies and disruptive technologies， and summarize the representative researches. Secondly， based on the bibliometric， we adopt the co-words analysis the changing trend of related research in terms of quantity method and co-word analysis， and the widely used CDt index is calculated to identify the disruptive achievements. Finally， the current development status and future maturity of each theme are estimated using life cycle curve fitting method by us. The induction of key technology concepts， adopted analysis methods and relevant conclusions in this study could open up new ideas for information analysts. Furthermore， that would also provide reference for science and technology evaluation and technology identification task in different fields.

Key words：science and technology evaluation; technology identification; information mining; bibliometrics; artificial intelligence

1 引言

當今世界正經歷百年未有之大變局，國際力量之間的較量正在經歷歷史性變革，在此背景下，科技創新在國家發展全局中的戰略地位日益凸顯。在民生、國防、市場等多方需求的大力推動下，全球各國政府先后部署科技創新相關的戰略計劃，促進本國技術革新。美國是最早開始科技研發部署的國家，國防預先研究計劃局（DARPA）在重點領域率先開展顛覆性技術預測和發展管理工作[1，2]。中國科學院自2011年開始實施“創新2020”工程，為我國創新型國家發展提供支撐[3]。日本成立“科學技術創新戰略本部”，強化政府在科技創新層面對政策推進的職能。可見，加強科技管理，促進科技創新，對于提升國家綜合實力具有戰略意義，已經受到全球各國重點關注。“堅持創新在我國現代化建設全局中的核心地位，把科技自立自強作為國家發展的戰略支撐”已經成為我國科技發展的重要指導。

科技評估是開展科技評估工作、規劃知識創造活動和促進科技創新的有效途徑，技術甄別的目標是識別前瞻性技術，對包含在科技出版物中的技術點進行分析，是科技評估中的一項重要內容。從國家科技發展需求來看，及時把握領跑技術所在領域的全球變化趨勢，有助于實施動態調整，確保先進技術的領先地位;對于技術短板與薄弱領域，開展技術甄別工作有助于及時挖掘技術缺口，縮小發展差距，為指導下一步科技發展指明方向。因此，必須掌握科技評估方法，把握技術甄別、預測的關鍵方法，為優化科研資源配置與國家發展戰略部署提供決策支撐。

近年來，國內外的情報研究人員利用科技情報分析實現科技評估，已經積累了德爾菲法、層次分析法、情景分析法等多元化科技分析方法，借助領域專家經驗和統計分析實現研判，取得了顯著成效。然而，全球科學、技術和創新系統是一個復雜的適應系統，具有高度的非線性和不可預測性[4]，加之科技資源爆炸增長、海量噪聲涌入使得科技情報挖掘已經發展成為全新的交叉學科難題，傳統的專家研判和統計分析方法無法滿足新時期的新要求。

當前，隨著科學學的迅速興起和文獻計量學的發展，加之人工智能和大數據時代的到來，智能分析方法在技術甄別工作中逐漸嶄露頭角，成為輔助手段與補充工具。依托科技情報，運用智能情報挖掘方法來實現前沿動態分析、專利預測、科研競爭力與科技實力評測等已經成為可能，并逐漸拓展到經濟和社會信息領域。

基于該現狀，本文針對科技評估中技術甄別相關研究展開分析，主要內容如下：首先，對技術甄別相關概念進行辨析，總結領域典型解決方案;然后，采用文獻計量方法、可視化軟件進行領域現狀剖析，挖掘技術演化規律，計算CDt指數評估顛覆性成果;最后，通過擬合技術生命周期曲線預測領域發展態勢，對前景進行展望。本研究的創新之處在于，針對當前技術甄別熱點話題進行系統的總結與辨析，有針對性地挖掘細分方向中的研究主題演化規律;將科技評估指標、技術生命周期曲線擬合等智能科技情報挖掘方法用于科技評估發展現狀分析，推動國內情報分析工作智能化發展。研究成果能夠為科技情報分析提供方法論層面的啟示，同時為更加科學、有序地開展技術甄別工作提供參考。

2 概念辨析

科學學研究的問題本質涉及到幾乎所有的科學學科[5]，目標是理解、量化和預測科學研究及其結果。近年來，科學學應用于科技評估已經得到了不同背景學者的廣泛關注。截至目前，全球情報人員已經研發了適用于多場景的評估方法，內容包括：（1）對科技成果學術影響力的評價[6];（2）對研究人員、機構的研發實力的評價[7];（3）從海量科技數據中挖掘高價值技術[8];（4）通過文獻計量對領域發展前景進行預測[9]等。技術甄別是科學學中不可忽視的重要內容，對加快科技創新、提升國防現代化水平和改善人民生活質量具有重大意義。依托于科技數據開展技術甄別工作已經成為全球各國、各領域重點關注的戰略性問題。

2012年，Alexander等[4]建議通過研究同行評議的期刊文章、授予的專利等文獻，探索隱含在科技發表物中的信息。在過去的10年里，各學科數以百計的期刊誕生了，每天都有上千篇科技成果物在全球范圍內發表;科技出版物檢索與共享平臺，如Web of Science、中國知網、AMiner[10]等面向全球科研人員提供服務，為深度挖掘現代科技發展特征與規律創造了條件。但是，不斷增加的信息量也為情報分析任務帶來了全新的挑戰。美國情報理論學者MacDonald和明尼蘇達大學研究團隊先后指出，出版物的增加不僅使得研究人員難以聚焦[11]，更使情報分析機構遭受信息超載的困擾[12]。充分利用數據優勢，理解科技情報深層概念，制定科學的分析策略，才能應對新時期的情報分析需求。

對技術的甄別、分析和預測是科技評估的重中之重。典型的技術類型可以歸納為熱點技術（Hot Technologies）、新興技術（Emerging Technologies）、前沿技術（Frontier Technologies）和顛覆性技術（Disruptive Technologies）。在以往的研究中，針對不同類型技術的概念尚未有明確的區分，本研究基于領域現狀，從技術潛力和時間維度兩個角度對不同類型技術的含義進行區分（如圖1），同類型技術從科技計量角度來看往往表現出相似的特征。

熱點技術可以理解為某一領域從歷史延續至今的研究熱點，其積累優勢明顯[13]，討論度高，易于發現，在每個特定時期可以通過主題挖掘或詞頻共現分析而得。對于學術和輿論廣泛討論的熱點，需要技術的迭代和應用驗證其技術價值，因此，熱點技術的涵蓋范圍較廣，其中技術的發展潛力和前景有待挖掘和考證。

新興技術是近年來受到突出關注的主題，美國情報高級研究項目活動組織IARPA建立FUSE計劃，主要目的之一就是提名新興技術[14]。Alexander等[4]較早地對技術“新興”的場景進行了辨析，作者團隊認為“當一個概念引起特定社區的興趣，研究人員和發明者將投入時間、資源和精力探索該概念對科學和技術產生持久影響的潛力時，就實現了技術上的興起”，為大眾理解“新興”概念奠定了基礎。2015年，Rotolo等[15]對相關文獻進行梳理，總結出了新興技術的5個特征屬性：新穎性、成長性、一致性、影響力和不確定性，將新興技術定義為科學研究過程中產生的短時間內能夠聚集大量資源且成長速度較快，具有影響未來經濟和社會發展潛力的創新技術。在學術領域，Porter等[16]結合文本挖掘提出了“新興得分”，從科技出版物的摘要中挖掘新興技術。Small等[14]建立共引模型和直接應用模型，探索從引文數據庫中挖掘新興技術的方法。周源等[17]提出了數據挖掘與專家小組決策相結合的框架來識別新興技術，并在具體項目中驗證了方法的有效性。可以看出，相比于熱點技術，新興技術更強調新穎性，對于行業或國家發展具有更顯著的影響力，已經初步實現了“人工智能+專家研判”融合的新興技術識別框架。

前沿技術（或研究前沿）通常被視為“最具發展潛力的新興研究領域或研究主題”[18]，科睿唯安（Clarivate）對研究前沿做出如下定義“研究前沿由一組共同引用的核心論文以及引用一篇或多篇這些核心論文的當前來源論文組組成。”近年來，面向領域技術前沿的分析與挖掘引起廣泛關注。中國工程院聯合中國科學院、科睿唯安等組織單位聯合發布的《研究前沿》，聚焦前沿技術，為各領域把握技術前沿提供參考。除傳統的專家判斷法外，共被引分析和文獻耦合分析是常見的前沿技術甄別方法[14]，Fajardo-ortiz等[19]針對HIV/AIDS專題進行了論文核心子網絡的構建，結合文本挖掘實現領域研究前沿的識別。相比熱點技術和新興技術，前沿技術突出該技術在領域中的發展潛力，關注技術點能夠發展并延續到未來的突出價值。當前，聚焦前沿技術識別的研究較少，在數量上遠少于熱點技術和新興技術。

1998年，Andersen[20]闡明了顛覆性技術的概念，指出DTs具備破壞原有技術軌道的潛力，能夠使原本的技術生命周期斷裂，形成新的技術軌道。Funk和Owen-smith[21]在研究中提出：“顛覆性技術相關發表物在引文網絡中具有鞏固型和突破型——兩種不同類型的表現形式”，該團隊提出了CDt指數，從科技成果物中辨識顛覆性技術。該指標自提出以來，已經成為公認的顛覆性技術有效識別方法之一[11，22]，被應用于不同場景下的科技評估工作中。在國家戰略層面，顛覆性技術引領武器裝備發展，在未來戰爭中創造顛覆效果，美國DARPA和日本政府先后推行了面向顛覆性技術的創新管理計劃，主要聚焦國防重點領域[20，23]。與新興技術相似，顛覆性技術關注技術“革新”對“實踐”帶來的效果，但是，顛覆性技術對創新程度的要求更高，在衡量技術對經濟社會影響的同時，更關注其改變原有技術軌道的特性，強調在技術發展過程中的變革性地位。

鑒于不同類型技術在科技發展中的角色和地位，依據其特征、屬性構建智能、有效的技術甄別流程，實現有針對性的辨識和預測，是研發和應用領域共同關注的重要議題。

3 科技評估技術研究現狀分析

本文從技術甄別這一主題出發，通過文獻計量的方法對熱點技術、新興技術、前沿技術和顛覆性技術評估的研究成果進行檢索、分類統計和分析。選取Web of Science為檢索平臺，檢索技術甄別方法相關的高質量成果，具體的檢索規則、通過人工篩選的相關文獻數量如表1所示，檢索日期為2022年5月3日。

根據檢索結果的年份分布繪制了趨勢圖（如圖2所示）。可以看出，自2000年以來，面向熱點技術、新興技術、前沿技術和顛覆性技術的研究均呈現不同程度的增長態勢。其中新興技術識別受到的關注最為顯著，熱點技術緊隨其后;面向前沿技術和顛覆性技術的研究數量明顯低于上述兩種技術。統觀現有的研究成果，中科院學者羅瑞等[13]針對前沿技術相關研究進行了綜述，總結了相關研究的類型、采用方法的特點，主要以定性分析和梳理總結為主，缺乏深層信息挖掘;2022年，伊朗、土耳其等多國學者聯合發表的新興技術識別現狀分析研究[24]通過文獻計量的方式對科技成果、期刊等進行了定量分析，但缺乏面向科技評估較為全面的辨析。因此，本研究基于文獻檢索結果，對其研究主題進行聚類分析，并應用CDt指數開展顛覆性成果評價分析。

3.1 研究主題分析

近年來，VOSviewer已經發展成為國內外情報分析的有力工具[19]，考慮到該軟件在聚類圖譜可視化方面的突出優勢，本研究應用Overlay map功能進行文獻計量地圖分析，分析范圍包含文獻的標題、摘要和關鍵詞，針對熱點、新興、前沿和顛覆性技術的分析結果統計如表2。

通過對分析結果進行總結可以得出，熱點技術的研究中心較為突出，集中于對熱點話題的討論，基于數據集的算法研究是該領域關注的重點。新興技術相關的研究主題較為豐富，高頻主題涉及領域較多，這充分印證了Xu等[2]提出的新興技術所具備的快速增長和不確定性;隨著時間的演變，面向新興技術的研究和討論焦點逐漸從“特定領域的分析”向“融合科技數據和產業數據的綜合研究”

演變，“人工智能”“算法”等關鍵詞開始出現在相關研究中。前沿技術研究的“模型”“系統”等在2015年就已經受到了廣泛關注，近年來，學者們的研究焦點從最初的“技術效果”“性能”等方面的討論逐漸演變為聚焦特定“國家”“話題”的討論，文獻計量分析在2019年左右成為該領域較為典型的工具。有關顛覆性技術的研究呈現總體較為集中的分布特征，近年來涌現的新一代技術，如“人工智能”“區塊鏈”“云”等逐漸顯示出作用;與Bower和Christensen[25]在闡述顛覆性技術時所持觀點相呼應，技術在工業、市場中的實際作用是開展顛覆性技術識別中不可忽視的重要話題。

通過對比不同技術類型相關研究的分析結果，可以看出無論對于哪種類型的技術甄別工作，文獻計量、人工智能等定量分析方法均不同程度地出現并影響著該領域研究主題的演變。相比前沿和顛覆性技術，熱點技術和新興技術的相關成果較多，研究內容涉及領域更加豐富，相關學者更加注重在特定的學科或領域進行甄別和驗證試驗，而鑒于前沿技術和顛覆性技術高價值、影響力重大等突出特征，難以在具體的案例中進行驗證，研究主題更多地聚焦于技術特性和方法設計層面。

3.2 顛覆性研究分析

2021年，明尼蘇達大學的研究人員[11]在顛覆性技術分析的研究中發現，盡管大數據技術的發展為科技情報共享創造了條件，科學成果在過去的一個世紀中飛速增長，但是，對現有知識體系產生突破性影響的創新型技術正在減少。為了精確甄別科技評估相關的突破性研究成果，本研究采用CDt指數對檢索結果進行定量評估。

按照Funk和Owen-smith[21]的定義，CDt指數用于度量后來出現的技術點如何利用技術前輩，核心思想是：當一項顛覆性的技術以文獻形式出現，其施引文獻對于相關領域先前研究（技術前輩）的引用將會減少。相反地，當某項技術以鞏固性技術形式出現，其施引文獻在引用該文獻的同時通常會對相關領域技術前輩進行引用，用于對比與分析。CDt具體計算方式如下

CDt=1n∑nn=i-2fitbit+fit（1）

其中fit和bit用于描述研究目標文獻的被引用情況，i表示任意文獻，t表示時間，本研究設置t=5。若文獻引用當前目標的同時也對其技術前輩相關的文獻進行了引用，則定義為b型，若僅對當前目標進行引用而沒有引用其技術前輩，則定義為f型，具體計算方式如下

fit=1，若i僅對當前文獻進行引用

0，其它（2）

bit=1，若i對當前文獻進行引用的同時也引用其技術前輩

0，其它（3）

CDt指數計算結果的數值范圍為[-1，1]。結果越接近于1，表明該技術突破型顛覆性越強。圖3（A）、（B）、（C）分別展示了CDt計算結果為1，0，-1的特殊情況，分別代表該技術具有典型突破型顛覆性、無顯著顛覆性和鞏固型顛覆性的情景。

本研究利用Python語言進行編程實現CDt指數計算，針對檢索結果中的熱點技術、新興技術、前沿技術和顛覆性技術研究進行顛覆性評估。表3總結了顛覆性評價結果的示例，評估結果可以甄別和揭示現有研究成果中具有突破型顛覆性的科技成果，為情報分析人員提供參考。通過顛覆性分析結果可以看出，檢索結果中的突破型成果的顛覆性指數數值較小，缺乏具有領域影響力的顛覆性技術研究成果。在突出的研究成果中，美國學者占比較大。

4 科技評估技術發展趨勢預測分析

早在20世紀末就已經有研究者通過行業歷史數據的擬合和分析，發現Logistic模型（生命周期曲線）是技術進步及個人和集體行為預測的有效工具[34]，該曲線一開始呈指數增長，然后增長率趨緩，最終逐步接近最大值，整體呈“s”型，因此也稱s型曲線，曲線表達式如下

M（t）=L1+c·er·（t-t0）（4）

其中M為技術成熟度，是時間t的函數，L代表了領域的承載力，L，c，r是待求參數。加州大學的Mathews[35]在1992年提出的s型曲線擬合方法清晰地提供了逐步計算方法，目前，將目標領域與生命周期曲線相結合的方法已被廣泛應用于文獻增長規律研究[36]等方面的分析。為衡量領域發展現狀，本研究引入技術成熟度評估模型來定量評估面向熱點、新興、前沿和顛覆性技術科學研究的發展態勢。

因此，本研究通過Python編程語言，按照Mathews所述方法，使用最小平方法求解最小化問題，對熱點、新興、前沿和顛覆性技術識別相關的研究歷史數據進行參數求解和曲線擬合，并對擬合結果進行可視化。對2022年領域科學研究成熟度所在位點進行標注，計算2025年該領域成熟度，實現預測，可視化結果如圖4。

圖4（A）展示了熱點技術發現識別相關研究的發展狀況，可以看出，當前有關熱點技術識別的技術成熟度正處于高速發展階段，增長速度將在2022～2025年間達到峰值。新興技術識別相關研究的數量明顯高于其他三類技術，但是，從歷史數據的變化情況來看，有關新興技術的甄別技術仍待進一步探索，未來提升空間巨大。在新興技術引起各界關注的初期，大多研究聚焦于技術特征的辨析，近年來，基于自然語言處理等新一代信息技術的新興技術甄別方法才剛剛起步，將文獻計量與人工智能相結合的嘗試為新興技術預測開辟了新道路[17]，針對新興技術的復雜特征開展甄別工作仍待探索。有關前沿技術識別的方法在2022年左右已經實現了爆發式增長，該結果與前沿技術近年來受到廣泛關注從而成果數量大幅增長有關。顛覆性技術識別的成熟度明顯低于前沿技術。當前，公認的、經過研究驗證的顛覆性評估方法較少，一方面技術識別的方法論仍待進一步創新和突破，另一方面，顛覆性技術特有的對社會乃至國家的影響力也成為學者開展預測工作的阻礙。

通過文獻歷史數據對技術識別的成熟度進行分析，結果顯示不同類型的技術其甄別方法從起步發展至今已經實現了技術積累，在科學研究方面均有顯著的發展空間。從技術創新層面來說，加強對科技評估相關技術的創新和發展，能夠提升科技評估的準確率，從而進一步促進全領域研發資源配置和發展規劃，加快科技創新。

5 結論與展望

5.1 科技評估發展前景展望

本研究通過文獻綜述的方法梳理了科技評估和技術甄別相關的核心概念和關鍵問題，通過文獻計量軟件和計算機編程工具實現了研究主題挖掘、典型研究識別和領域發展趨勢定量分析，應用統計學習方法為傳統的文獻綜述研究框架提供深度信息。通過對研究結果進行分析可以看出，面向熱點、新興、前沿和顛覆性技術的識別技術近年來經歷技術變革，從傳統的定性分析逐步向以文獻計量和人工智能為代表的定量和智能分析演化;當前，具有顯著顛覆性的科技評估成果仍待探索，不同類型技術甄別的方法成熟度有較大的提升空間。

針對該現狀，我們對于科技評估研究未來的發展提出以下建議：（1）科技評估事關領域創新和國家發展，匯集各領域、學科，國內學者對于關鍵概念辨析、智能甄別和人工智能輔助專家研判等方面的探索仍處于起步階段，有待進一步開展創新性的科技評估方法研究，研發符合國情和國家發展戰略的科技評估方法、策略，盡快構建權威、高效的科技評估智能分析系統，為常規化開展技術挖掘工作提供平臺。（2）對于領域發展而言，國內外學者已經針對技術甄別開始了智能化方法的研究，但是，統觀領域成果，尚未有權威的數據集作為研發人員進行實驗、驗證的依據，部分研究采用諾貝爾獎、頂尖學術期刊高引文獻等作為方法驗證的依據，但是這樣的驗證方式無法保證構建的方法能夠從海量數據中精準地甄別出潛在的高價值技術。因此，急需領域學者的共同努力，合作構建公開、權威的技術評估數據集作為該科技評估方法研發的依據。

5.2 研究結論與局限性

從數據依據來看，本研究以Web of Science為分析來源，對核心論文的主題、數量和未來變化趨勢進行了討論。在未來的研究中，一方面可以進一步結合國際論文的國家分布和高水平中文刊物來挖掘科技評估發展的地區差異情況;另一方面，應從論文和專利兩種研究路徑分別入手，挖掘以學術論文為代表的科學研究水平和以專利為代表的技術轉化與應用程度信息，更加深入、具體地研究科技評估研發情況。

參 考 文 獻：

[1]劉安蓉，李莉，曹曉陽，等.顛覆性技術概念的戰略內涵及政策啟示[J].中國工程科學，2018，20（6）：7-13.

[2]Xu H， Winnink J， Yue Z， et al.. Multidimensional scientometric indicators for the detection of emerging research topics[J]. Technological Forecasting and Social Change， 2021， 163： 120490.

[3]白如江，冷伏海，廖君華.科學研究前沿探測主要方法比較與發展趨勢研究[J].情報理論與實踐，2017，40（5）：33-38.

[4]Alexander J， Chase J， Newman N， et al.. Emergence as a conceptual framework for understanding scientific and technological progress[A]. Proceedings of PICMET'12： Technology Management for Emerging Technologies[C]. IEEE， 2012. 1286-1292.

[5]Zeng A， Shen Z， Zhou J， et al.. The science of science： from the perspective of complex systems[J]. Physics Reports， 2017， 714： 1-73.

[6]Shah N， Song Y. S-index： towards better metrics for quantifying research impact[J]. arXiv： 1507.03650， 2015.

[7]Bornmann L， Daniel H D. What do we know about the h index[J]. Journal of the American Society for Information Science and Technology， 2007， 58（9）： 1381-1385.

[8]李乾瑞，郭俊芳，黃穎，等.基于專利計量的顛覆性技術識別方法研究[J].科學學研究，2021，39（7）：1166-1175.

[9]Lezama-Nicolás R， Rodríguez-Salvador M， Río-belver R， et al.. A bibliometric method for assessing technological maturity： the case of additive manufacturing[J]. Scientometrics， 2018， 117（3）： 1425-1452.

[10]Tang J， Zhang J， Yao L， et al.. Arnetminer： extraction and mining of academic social networks[A]. Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining[C]. New York： ACM， 2008. 990-998.

[11]Park M， Leahey E， Funk R. The decline of disruptive science and technology[J]. arXiv： 2106.11184， 2021.

[12]李廣建，羅立群.走向知識融合——大數據環境下情報學的發展趨勢[J].中國圖書館學報，2020，46（6）：27-41.

[13]羅瑞，許海云，董坤.領域前沿識別方法綜述[J].圖書情報工作，2018，62（23）：119-131.

[14]Small H， Boyack K W， Klavans R. Identifying emerging topics in science and technology[J]. Research Policy， 2014， 43（8）： 1450-1467.

[15]Rotolo D， Hicks D， Martin B R. What is an emerging technology[J]. Research Policy， 2015， 44（10）： 1827-1843.

[16]Porter A L， Garner J， Carley S F， et al.. Emergence scoring to identify frontier R&D topics and key players[J]. Technological Forecasting and Social Change， 2019， 146： 628-643.

[17]周源，劉宇飛，薛瀾.一種基于機器學習的新興技術識別方法：以機器人技術為例[J].情報學報，2018，37（9）：939-955.

[18]張迪，冷伏海.基于施引論文的研究前沿追蹤方法與實證研究[J].情報科學，2020，39（4）：62-69.

[19]Fajardo-ortiz D， Lopez-cervantes M， Duran L， et al.. The emergence and evolution of the research fronts in HIV/AIDS research[J]. PLoS One， 2017， 12（5）： e0178293.

[20]Andersen B. The evolution of technological trajectories 1890-1990[J]. Structural Change and Economic Dynamics， 1998， 9（1）： 5-34.

[21]Funk R J， Owen-smith J. A dynamic network measure of technological change[J]. Management Science， 2017， 63（3）： 791-817.

[22]Wu L， Wang D， Evans J A. Large teams develop and small teams disrupt science and technology[J]. Nature， 2019， 566（7744）： 378-382.

[23]彭春燕.日本設立顛覆性技術創新計劃探索科技計劃管理改革[J].中國科技論壇，2015，（4）：141-147.

[24]Zamani M， Yalcin H， Naeini A B， et al.. Developing metrics for emerging technologies： identification and assessment[J]. Technological Forecasting and Social Change， 2022， 176： 121456.

[25]Bower J L， Christensen C M. Disruptive technologies： catching the wave[J]. The Journal of Product Innovation Management， 1996， 1（13）： 75-76.

[26]Brunt L， Lerner J， Nicholas T. Inducement prizes and innovation[J]. The Journal of Industrial Economics， 2012， 60（4）： 657-696.

[27]Ning H， Hu S. Technology classification， industry， and education for future Internet of things[J]. International Journal of Communication Systems， 2012， 25（9）： 1230-1241.

[28]Bose R. Advanced analytics： opportunities and challenges[J]. Industrial Management & Data Systems， 2009， 109（2）： 155-172.

[29]Cozzens S， Gatchair S， Kang J， et al.. Emerging technologies： quantitative identification and measurement[J]. Technology Analysis & Strategic Management， 2010， 22（3）： 361-376.

[30]Ibez J， Brevik E C， Cerd A. Geodiversity and geoheritage： detecting scientific and geographic biases and gaps through a bibliometric study[J]. Science of the Total Environment， 2019， 659： 1032-1044.

[31]Jovanovic B. The technology cycle and inequality[J]. The Review of Economic Studies， 2009， 76（2）： 707-729.

[32]Dotsika F， Watkins A. Identifying potentially disruptive trends by means of keyword network analysis[J]. Technological Forecasting and Social Change， 2017， 119： 114-127.

[33]Vojak B A， Chambers F A. Roadmapping disruptive technical threats and opportunities in complex， technology-based subsystems： the SAILS methodology[J]. Technological Forecasting and Social Change， 2004， 71（1-2）： 121-139.

[34]何然，李鋼.國外技術預測理論與實踐進展[J].沈陽工業大學學報，2015，8（2）：97-108.

[35]Mathews J H. Bounded population growth： a curve fitting lesson[J]. Mathematics and Computer Education， 1992， 26（2）： 169-176.

[36]蘭月新.基于動態logistic模型的文獻增長規律研究[J].情報科學，2014，32（3）：86-89.