一种用于技术融合与演化路径探测的新方法:技术群相似度时序分析法
陈悦1 , 王康1 , 宋超1 , 左佳1 , 潘云涛2 , 高继平2
1.大连理工大学科学学与科技管理研究所暨WISE实验室,大连 116024 2.中国科学技术信息研究所,北京 100038
Technology Convergence and Evolution Path Detection: Technology Group Similarity Method Based on Time Series Analysis
Chen Yue1 , Wang Kang1 , Song Chao1 , Zuo Jia1 , Pan Yuntao2 , Gao Jiping2
1.Institution of Science of Science and S&T Management & WISE Lab, Dalian University of Technology, Dalian 116024 2.Institute of Scientific and Technical Information of China, Beijing 100038
摘要 本文提出了一种用于技术融合与演化路径探测的新方法,即技术群相似度时序分析法,并将其应用于增材制造领域的技术发展路径分析。首先,以增材制造技术专利数据为分析对象,从专利文献记录层面、技术层面和技术域层面,依次对该技术领域整体变化趋势进行测度;再次,基于IPC(International Patent Classification)分类号共现原理,利用社区探测算法识别技术群,并通过余弦相似度关联相邻时间区间的技术群;最后,通过可视化技术展示不同时间区间内技术群之间的融合和扩散演化关系。研究结果表明,增材制造技术处于快速发展期,技术融合能力与继承性逐渐增强,日益成为相对独立的技术领域。增材制造技术融合与扩散演化路径明确,主要包含增材制造材料和工艺、计算机辅助设计和增材制造应用三大主路径。近年来,金属增材制造和电弧增材制造成为技术热点,生物医疗领域、建筑领域和食品领域成为技术重点应用领域。技术群相似度时序分析法是传统IPC共现方法的有益补充,从动态视角展示技术演化路径,为全面探测技术演化路径提供新的视角和技术手段。
关键词 :
技术融合 ,
技术群 ,
技术相似度 ,
演化路径
收稿日期: 2020-05-30
基金资助: 国家重点研发计划项目“颠覆性技术识别理论、方法与专家预判系统”(2019YFA0707201);中央高校基本科研业务费资助项目“技术供给侧的人工智能技术颠覆性轨迹及其发展规律研究”(DUT20RW202)。
作者简介 : 陈悦,女,1975年生,博士后,教授,博士生导师,主要研究方向为科学计量学、创新管理、技术管理,E-mail:chenyuedlut@163.com;王康,男,1992年生,博士研究生,主要研究方向为科学计量学、技术管理;宋超,男,1990年生,博士研究生,主要研究方向为科学计量学、科技管理等;左佳,女,1996年生,硕士研究生,主要研究方向为科学计量学;潘云涛,女,1967年生,研究员,主要研究方向为科学计量学、科技评价;高继平,男,1983年生,博士,副研究员,主要研究方向为科学计量学、科技管;
引用本文:
陈悦, 王康, 宋超, 左佳, 潘云涛, 高继平. 一种用于技术融合与演化路径探测的新方法:技术群相似度时序分析法[J]. 情报学报, 2021, 40(6): 565-574.
Chen Yue, Wang Kang, Song Chao, Zuo Jia, Pan Yuntao, Gao Jiping. Technology Convergence and Evolution Path Detection: Technology Group Similarity Method Based on Time Series Analysis. 情报学报, 2021, 40(6): 565-574.
链接本文:
https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.06.002 或 https://qbxb.istic.ac.cn/CN/Y2021/V40/I6/565
1 Latour B. Science in action: how to follow scientists and engineers through society[M]. Boston: Harvard Univeristy Press, 1987. 2 Jari K O, Lauraeus T. Analysis of 2017 Gartner's three megatrends to thrive the disruptive business, technology trends 2008-2016, dynamic capabilities of VUCA and foresight leadership tools[J]. Advances in Technology Innovation, 2019, 4(2): 105-115. 3 Verspagen B. Mapping technological trajectories as patent citation networks: a study on the history of fuel cell research[J]. Advances in Complex Systems, 2007, 10(1): 93-115. 4 许冠南, 谢梦娇, 潘美娟, 等. 3D打印产业技术的演变与预测研究——基于专利主路径分析[J]. 北京邮电大学学报(社会科学版), 2016, 18(4): 77-85. 5 刘怀兰, 廖岭, 周源. 基于知识流动视角的工程技术预测——以谐波减速器为例[J]. 中国机械工程, 2016, 27(24): 3317-3325. 6 张丰, 刘啦, 缪小明. 燃料电池研发的热点领域与关键技术: 基于专利数据的实证研究[J]. 情报杂志, 2017, 36(1): 54-58. 7 闫杰, 缪小明, 闫斌. 特斯拉纯电动汽车核心和非核心技术演化研究[J]. 世界科技研究与发展, 2017, 39(3): 291-302. 8 孙冰, 徐晓菲, 苏晓. 技术扩散主路径及核心企业的识别研究——以手机芯片专利引文网络为例[J]. 情报学报, 2019, 38(2): 201-208. 9 韩毅, 金碧辉. 基于连通性的引文网络结构分析新视角: 主路径分析[J]. 科学学研究, 2012, 30(11): 1634-1640. 10 娄岩, 杨嘉林, 黄鲁成, 等. 基于专利共类的技术融合分析框架研究——以老年福祉技术与信息技术的融合为例[J]. 现代情报, 2019, 39(9): 41-53. 11 周磊, 杨威. 基于加权关联规则的技术融合探测[J]. 情报杂志, 2019, 38(1): 67-72, 60. 12 翟东升, 蔡力伟, 张杰, 等. 基于专利的技术融合创新轨道识别模型研究——以云计算技术为例[J]. 情报学报, 2015, 34(4): 352-360. 13 翟东升, 张京先. 基于专利技术共现网络的无人驾驶汽车技术融合演化研究[J]. 情报杂志, 2020, 39(4): 60-66, 19. 14 Suzuki J, Kodama F. Technological diversity of persistent innovators in Japan two case studies of large Japanese firms[J]. Research Policy, 2004, 33(3): 531-549. 15 Palla G, Barabási A L, Vicsek T. Quantifying social group evolution[J]. Nature, 2007, 446(7136): 664-667. 16 吴斌, 王柏, 杨胜琦. 基于事件的社会网络演化分析框架[J]. 软件学报, 2011, 22(7): 1488-1502. 17 钱铁云, 李青, 许承瑜. 面向科技主题发展分段的社区核心圈技术[J]. 计算机科学与探索, 2010, 4(2): 170-179. 18 邓丽荣, 王晓刚, 陆树河, 等. 增材制造原材料发展现状[J]. 科技资讯, 2016, 14(24): 47-50. 19 闵玉勤, 王浩仁, 黄伟, 等. 适应3D打印技术的聚合物材料研究进展[J]. 粘接, 2016, 37(1): 36-41. 20 宋丽莉. 快速原型技术的研究现状及存在的问题[J]. 科技创新导报, 2013, 10(1): 53-54.