技术形态迭代视角下技术演化路径识别及创新机会预测

doi:10.3772/j.issn.1000-0135.2026.05.007

情报学报

2026, Vol. 45

Issue (5): 707-723 DOI: 10.3772/j.issn.1000-0135.2026.05.007

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

技术形态迭代视角下技术演化路径识别及创新机会预测

张珂^1,2,3, 王聪翔⁴, 王金凤⁵, 周炜⁶, 冯奕程⁷

1.郑州大学信息管理学院，郑州 450001
2.河南省“双一流”建设研究中心，郑州 450001
3.河南省数据治理研究中心，郑州 450001
4.郑州大学管理学院，郑州 450001
5.上海海事大学中国（上海）自贸区供应链研究院，上海 201306
6.武汉大学信息管理学院，武汉 430072
7.北京大学工学院，北京 100871

Identifying Technological Evolution Paths and Predicting Innovation Opportunities from the Perspective of Technological Form Iteration

Zhang Ke^1,2,3, Wang Congxiang⁴, Wang Jinfeng⁵, Zhou Wei⁶, Feng Yicheng⁷

1.School of Information Management, Zhengzhou University, Zhengzhou 450001
2.Research Center for “Double World-Class Project” of Henan Province, Zhengzhou 450001
3.Data Governance Research Center of Henan Province, Zhengzhou 450001
4.School of Management, Zhengzhou University, Zhengzhou 450001
5.China Institute of FTZ Supply Chain, Shanghai Maritime University, Shanghai 201306
6.School of Information Management, Wuhan University, Wuhan 430072
7.College of Engineering, Peking University, Beijing 100871

摘要
图/表
参考文献
相关文章 (2)

全文: PDF (7239 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要技术演化路径对技术创新具有重要意义，但现有研究通常无法兼顾演化主题的细粒度与演化关系的多层次性，难以全面剖析演化规律，导致技术创新效率及创新水平受限。本文基于技术形态迭代视角，提出一种技术演化路径识别及创新机会预测方法。首先，构建专利引文网络并使用分层算法对其分层后，采用高知识持续性贡献度专利遍历算法，确定专利演化主路径；其次，提取专利中的技术形态，并基于KCK（keyword-citation-keyword）原理构建初始技术形态演化网络，继而提出语义相似性、属性一致性与时序顺承性三重关系筛除标准，对该网络进行关系筛除；最后，使用SPC（search path count）算法识别筛除后网络的技术演化主路径，并依托多维技术创新地图的维-法耦合原理，对各主路径的最新技术形态进行迭代创新，从而预测可行的技术创新机会。本文以聚丙烯改性技术为例进行研究，验证了所提路径的可行性，为细粒度揭示技术演化路径，并高效、精准地识别技术创新机会提供了可资借鉴的参考思路。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	张珂
	王聪翔
	王金凤
	周炜
	冯奕程

关键词 ：技术演化路径, 技术形态演化网络, 技术创新机会预测, 知识持续性贡献度, 三重标准关系筛除, 多维技术创新地图

收稿日期: 2025-09-19

基金资助:国家自然科学基金青年科学基金项目“数据与知识融合驱动的智能产品服务创新需求全景识别及创新方案优化研究”（72401262）；国家自然科学基金面上项目“多维度-多法则耦合的关键核心技术创新区域识别与创新路径选择研究”（72371155）；2024年度国家资助博士后研究人员计划C档资助项目（GZC20241539）；2025年度河南省软科学一般项目“河南先进装备制造业关键核心技术突破赋能新质生产力发展的引领机制、实现路径及效能研究”（252400410042）。

作者简介: 张珂，1994年生，博士，副研究员，主要研究方向为竞争情报与创新方法；王聪翔，通信作者，2000年生，硕士研究生，主要研究方向为技术创新，E-mail：3175731693@qq.com；王金凤，1963年生，博士，教授，博士生导师，主要研究方向为工业工程与创新方法；周炜，1998年生，博士研究生，主要研究方向为技术创新；冯奕程，1992年生，博士研究生，主要研究方向为创新管理；

引用本文:

张珂, 王聪翔, 王金凤, 周炜, 冯奕程. 技术形态迭代视角下技术演化路径识别及创新机会预测[J]. 情报学报, 2026, 45(5): 707-723.
Zhang Ke, Wang Congxiang, Wang Jinfeng, Zhou Wei, Feng Yicheng. Identifying Technological Evolution Paths and Predicting Innovation Opportunities from the Perspective of Technological Form Iteration. 情报学报, 2026, 45(5): 707-723.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2026.05.007 或 https://qbxb.istic.ac.cn/CN/Y2026/V45/I5/707

1 王安宁, 吴琳静, 任刚. 基于SAO-QFD模型的新兴产业技术演化路径构建——以锂离子电池为例[J]. 情报理论与实践, 2025, 48(8): 149-157.
2 黄颖, 叶冬梅, 丁凤, 等. 技术演化路径识别: 内涵释义与研究进展[J]. 图书情报工作, 2022, 66(22): 142-154.
3 Yoon B, Park Y. A systematic approach for identifying technology opportunities: keyword-based morphology analysis[J]. Technological Forecasting and Social Change, 2005, 72(2): 145-160.
4 Yoon B, Phaal R, Probert D. Morphology analysis for technology roadmapping: application of text mining[J]. R&D Management, 2008, 38(1): 51-68.
5 Yoon B. On the development of a technology intelligence tool for identifying technology opportunity[J]. Expert Systems with Applications, 2008, 35(1/2): 124-135.
6 韦景竹, 祝培培, 马芷晴. 因果关联驱动下技术演化路径及其事件间影响力研究[J]. 图书情报工作, 2025, 69(8): 57-68.
7 王宏宇, 石锴文, 王晓光, 等. 基于词向量网络的科研主题演化分析: 语义漂移过程的揭示[J]. 情报学报, 2025, 44(10): 1287-1299.
8 逯万辉. 基于专利引文网络挖掘的技术研发路径识别与颠覆性创新信号探测研究[J]. 情报学报, 2024, 43(9): 1059-1069.
9 冯立杰, 周炜, 刘鹏, 等. 基于引文网络和语义分析的技术演化路径识别及拓展研究[J]. 情报理论与实践, 2023, 46(1): 90-99, 131.
10 Bhatt P C, Lai K K, Drave V A, et al. Patent analysis based technology innovation assessment with the lens of disruptive innovation theory: a case of blockchain technological trajectories[J]. Technological Forecasting and Social Change, 2023, 196: 122864.
11 冯立杰, 周炜, 王金凤, 等. 基于SAO语义分析的多维技术演化路径与技术创新机会识别研究[J]. 情报学报, 2022, 41(11): 1149-1160.
12 程秀峰, 邹晶晶, 叶光辉, 等. 融合Word2Vec的半积累引用共词网络的领域主题演化研究[J]. 情报学报, 2023, 42(7): 801-815.
13 Zhang Z Y, Feng L J, Wang J F, et al. Identification of technology innovation path based on multi-feature vector fusion: the case of flywheel energy storage technology[J]. Technological Forecasting and Social Change, 2025, 212: 123966.
14 吴柯烨, 孙建军, 张力, 等. 弱链接突变视角下的技术机会识别研究[J]. 图书情报工作, 2024, 68(10): 81-96.
15 Louen C, H?ing N, B?hnen C, et al. Scenario planning as an approach to structure the development of transport planning alternatives[J]. Case Studies on Transport Policy, 2023, 14: 101089.
16 Leypoldt L, Dienhart C, Caferoglu H, et al. The hydrogen field in 2035: a Delphi study forecasting dominant technology bundles[J]. Technological Forecasting and Social Change, 2024, 207: 123593.
17 王金凤, 吴敏, 岳俊举, 等. 创新过程的技术机会识别路径研究——基于专利挖掘和形态分析[J]. 情报理论与实践, 2017, 40(8): 82-86.
18 李欣, 黄鲁成. 技术路线图方法探索与实践应用研究——基于文献计量和专利分析视角[J]. 科技进步与对策, 2016, 33(5): 62-72.
19 王京安, 汤月, 王坤. 基于CiteSpace的技术机会发现研究——以物联网技术发展为例[J]. 现代情报, 2018, 38(2): 130-137, 170.
20 伊惠芳, 刘细文, 陆婕, 等. 基于问题—解决方案(P-S)的技术机会发现研究[J]. 图书情报工作, 2023, 67(17): 102-117.
21 Wang X F, Zhang S, Liu Y Q. ITGInsight-discovering and visualizing research fronts in the scientific literature[J]. Scientometrics, 2022, 127(11): 6509-6531.
22 李一铭, 徐绪堪. 应用视角下基于异常检测的颠覆性技术爆发机会识别[J]. 情报杂志, 2024, 43(9): 77-83.
23 吴柯烨, 孙建军, 谢紫悦. 基于专利文本挖掘的细粒度技术机会分析[J]. 情报学报, 2023, 42(10): 1199-1212.
24 Wang Z L, Guo W, Shao H Y, et al. From technology opportunities to solutions generation via patent analysis: application of machine learning-based link prediction[J]. Advanced Engineering Informatics, 2024, 62: 102944.
25 吴红, 张彪, 高道斌, 等. 产品改进需求引导的技术机会发现研究[J]. 情报理论与实践, 2023, 46(2): 156-164, 209.
26 Jang H, Park S, Yoon B. Exploring technology opportunities based on user needs: application of opinion mining and SAO analysis[J]. Engineering Management Journal, 2023, 35(3): 209-222.
27 滕婕, 贺荒兰, 胡广伟. 大语言模型驱动的网络问政文本细粒度情感分析: 一种多阶段优化方法[J]. 情报学报, 2025, 44(10): 1242-1258.
28 冯立杰. 元易创新方法——技术创新的九维九法[M]. 重庆: 重庆大学出版社, 2020: 23-25.
29 冯立杰, 尤鸿宇, 王金凤. 专利技术创新路径识别及其新颖性评价研究[J]. 情报学报, 2021, 40(5): 513-522.
30 冯立杰, 李子宇, 王金凤, 等. 面向特征考虑用户创新偏好的软件产品创新机会识别及优先级分析[J]. 计算机集成制造系统, 2021, 27(12): 3625-3638.
31 闫志俊, 丛一丹, 秦泽杨. 中间品进口与技术跨越式进步——以半导体行业为例[J]. 世界经济与政治论坛, 2025(2): 110-135.
32 Liu S P, Shen J H, Zhang J. An integrated model combining BERT and tree-augmented naive Bayes for analyzing risk factors of construction accident[J]. Kybernetes, 2025, 54(10): 5651-5675.
33 Kang G S, Wang Y, Ren H S, et al. KS-GNN: keyword search via graph neural network for web API recommendation[J]. IEEE Transactions on Network and Service Management, 2024, 21(5): 5464-5474.
34 程齐凯, 王佳敏, 陆伟. 基于引用共词网络的领域基础词汇发现研究[J]. 数据分析与知识发现, 2019, 3(6): 57-65.
35 朱齐宇, 李白杨, 张心源, 等. 不确定环境下我国人工智能产业政策的演化形成研究[J]. 现代情报, 2025, 45(2): 72-86.
36 张娴, 方曙. 专利引用网络主路径方法研究述评与展望[J]. 图书情报工作, 2016, 60(20): 140-148.
37 王重阳, 王艳, 曹帅, 等. 面向3D打印应用的PP/PET共混线材制备和性能[J]. 材料工程, 2024, 52(4): 218-224.
38 Chen P J, Zheng B W, Tu D Y, et al. Fabrication and characterization of high filled tea oil camellia shells/polypropylene composites: effect of high filler and maleic anhydride grafted polypropylene[J]. Polymer Composites, 2025, 46(14): 13563-13575.
39 魏丽霞, 黄润鹏, 赖辛长, 等. 汽车外饰聚丙烯材料发白条纹产生的机理及影响因素[J]. 工程塑料应用, 2025, 53(3): 146-152.
40 Vai?iukynien? D, Kantautas A, Nizevi?ien? D, et al. Utilization of polypropylene waste and zeolitic by-product in composite materials[J]. Materials Letters, 2024, 367: 136563.
41 Li X K, Wang J Q, Yi G S, et al. From waste plastic to artificial lotus leaf: upcycling waste polypropylene to superhydrophobic spheres with hierarchical micro/nanostructure[J]. Applied Catalysis B: Environmental, 2024, 342: 123378.
42 Subramaniam D, Natesan R, Shanmugavel B P, et al. Performance evaluation of Meliadubia/Polypropylene composite crates for tomatoes packaging under simulated vibration[J]. Food Packaging and Shelf Life, 2024, 43: 101308.
43 冯顺利. 长玻纤增强聚丙烯汽车前端框架注塑成型方案优化分析[J]. 塑料科技, 2023, 51(11): 94-98.