基于 ＳＡＯ 的全景技術演化路徑識別及其創新類型分析

摘 要： ［目的／ 意義］ 開展目標領域技術演化路徑識別及創新類型分析， 可為企業制定前瞻性技術創新策略提供實現方法支持。 ［方法／ 過程］ 首先， 本文采用 ＳＡＯ 語義分析方法準確識別了技術節點， 并以多維技術創新地圖的創新維度導航， 借助樸素貝葉斯分類器實現技術節點的自動歸維； 其次， 根據技術節點間的語義相似度及其涉及的創新法則， 構建了全景技術演化路徑； 最后， 利用技術鄰近度指標與創新周期指標， 研判了技術演化路徑的創新類型。 ［結果／ 結論］ 以石墨負極材料制備技術為例， 剖析了該技術的技術演化路徑及其創新類型，驗證了本文所提方法的可行性。

關鍵詞： 技術演化路徑； 識別； 創新類型； ＳＡＯ 語義分析； 樸素貝葉斯； 多維技術創新地圖

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０７．００６

〔中圖分類號〕 Ｇ２５０.２ 〔文獻標識碼〕 Ａ 〔文章編號〕 １００８－０８２１ （２０２５） ０７－００６４－１５

隨著科學知識體系的日益龐大與精細， 加之不同學科領域的交叉融合， 給技術創新帶來了前所未有的挑戰［１］。 而技術演化路徑作為梳理技術創新發展脈絡的重要工具， 能夠在甄別技術創新發展方向的同時， 高效推動核心技術的研發［２］。 因此， 如何借助技術演化路徑進行技術演化規律的探究及技術創新機會的預測， 日益成為技術情報分析領域的熱點議題。 對此， 眾多學者采用文獻計量方法、 社會網絡分析方法及文本挖掘等方法， 圍繞精準識別技術演化路徑開展了大量研究［３］。

已有研究基于文獻計量的方法， 主要通過計量指標、 共現及共引分析等工具， 對技術演化過程進行剖析。 如 Ｇａｏ Ｌ Ｄ 等［４］建立了一個根據多種專利相關指標計算目標技術生命周期的模型； Ｌｉｕ Ｈ Ｌ等［５］提出了共被引分析的概念， 并通過文獻引用進行技術演化分析。 基于社會網絡分析的方法， 主要通過挖掘論文或專利文本間的引用關系， 形成了引文網絡以梳理技術發展脈絡。 如 Ｌｉｕ Ｈ Ｌ 等［５］ 在構建人工智能領域技術引文網絡基礎上， 結合主題模型識別了人機交互技術演化主路徑； Ｋｉｍ Ｊ 等［６］ 利用主路徑分析法識別了高壓直流輸電技術的主要技術路徑。 基于文本挖掘的方法， 主要通過關鍵詞或主題模型挖掘專利、 論文等文獻的文本語義信息，以了解目標技術領域的發展態勢。 如 Ｚｈａｎｇ Ｙ 等［７］利用詞頻—逆文檔頻率 （ Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ － ＩｎｖｅｒｓｅＤｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ， ＴＦ－ＩＤＦ） 方法通過聚類相關術語和短語提取了技術主題， 進而預測了科學技術的發展趨勢； Ｘｕ Ｈ Ｙ 等［８］采用 ＬＤＡ 主題挖掘、 關鍵詞分析及文獻計量指標計算方式， 探究了基于科技主題聯動的創新路徑識別方法。 綜上所述， 現有技術演化路徑識別方法為本文提供了參考思路， 但仍存在以下不足： 首先， 在技術節點歸維方面， 已有文獻大多依賴人工進行識別， 雖然能在一定程度上確保準確性， 但耗時較長且易受主觀因素的影響；其次， 在技術演化路徑構建方面， 已有文獻雖基于技術節點間的語義相似度探尋了技術節點之間的聯系， 但較少對技術節點間演化關系的內在邏輯進行細粒度剖析， 導致構建的技術演化路徑難以為技術預測提供深度詮釋與前瞻性指導； 最后， 在技術演化路徑拓展應用方面， 已有文獻大多停留在對技術演化路徑的簡單預測層面， 較少結合不同創新類型特點對路徑進行細致區分， 忽略了不同類型技術演化路徑創新策略之間的差異性， 難以為企業針對不同類型的技術創新提供具體指導。

為彌補現有研究的不足， 本文運用了樸素貝葉斯算法實現技術節點的自動歸維， 基于多維技術創新地圖剖析技術節點間的具體演化關系， 并建立相應的創新類型指標體系， 旨在實現具象領域技術演化路徑及其創新類型的準確識別。 同時， 本文以石墨負極材料制備技術為例開展了應用研究， 驗證了本文所提方法的可行性。

１ 文獻綜述

１.１ ＳＡＯ 語義分析方法

ＳＡＯ（Ｓｕｂｊｅｃｔ－Ａｃｔｉｏｎ －Ｏｂｊｅｃｔ） 結構是從文本語料庫中提取的三元組， 其中， 主語 Ｓ（Ｓｕｂｊｅｃｔ）和賓語 Ｏ（Ｏｂｊｅｃｔ）均為名詞， Ａ（Ａｃｔｉｏｎ）通常用于描述主語和賓語之間的動作或關系［９］。 ＳＡＯ 語義分析方法通過對上述三要素的準確識別和關聯， 形成句子的語義結構， 進而深化對文本的理解。 目前， ＳＡＯ 語義分析方法被廣泛應用于技術機會識別、 技術演化路徑識別以及語義相似度計算等領域。 如 Ｌｉ Ｘ 等［１０］以論文和專利為數據源， 結合 ＳＡＯ 語義分析方法和離群點檢測方法構建了技術機會識別研究框架。Ｍｉａｏ Ｈ 等［１１］通過從專利文本中提取 ＳＡＯ 結構并構建技術路線圖， 識別了老年智能穿戴技術領域技術創新的演變趨勢。 Ｗａｎｇ Ｘ Ｆ 等［１２］ 引入 ＤＷＳＡＯ 指標（表示 ＳＡＯ 結構作為該專利中技術特征代表的重要程度）量化機器人領域專利文本的 ＳＡＯ 結構權重并據此評估了專利之間的相似性。

鑒于此， 本文運用 ＳＡＯ 語義分析方法對目標領域的熱點技術開展了技術演化路徑識別， 從相關專利標題、 摘要及權利要求書中提取 ＳＡＯ 結構并進行篩選， 以挖掘目標技術領域專利中的技術信息和關聯關系， 進而為后續生成全景技術演化路徑提供數據支持。

１.２ 多維技術創新地圖

多維技術創新地圖是一種以 ９ 類創新維度為導航， 探尋具體技術領域的創新要素或其表現形態，然后與 ９ 種創新法則進行耦合， 形成一系列創新路徑的技術創新方法［１３］。 其中， ９ 類創新維度的含義及其二級子維如表 １ 所示。