基于投融资事件的技术主题识别研究

doi:10.3772/j.issn.1000-0135.2025.02.009

情报学报

2025, Vol. 44

Issue (2): 234-245 DOI: 10.3772/j.issn.1000-0135.2025.02.009

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

基于投融资事件的技术主题识别研究

王益成^1,2, 蒋星宇¹, 秦晴², 刘雨农², 郑彦宁²

1.安徽财经大学管理科学与工程学院，蚌埠 233030
2.中国科学技术信息研究所，北京 100038

Research on Technology Theme Identification Based on Investment and Financing Events —Using Biotechnology as an Example

Wang Yicheng^1,2, Jiang Xingyu¹, Qin Qing², Liu Yunong², Zheng Yanning²

1.School of Management Science and Engineering, Anhui University of Finance and Economics, Bengbu 233030
2.Institute of Scientific and Technical Information of China, Beijing 100038

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (2317 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要通过投融资事件识别领域技术主题并分析其演化趋势，对于科技界、金融界和企业界进行投融资规划与技术创新具有重要意义。首先，使用BERTopic静态主题模型抽取特征词，通过HDBSCAN算法生成主题簇；其次，使用c-TF-IDF算法从主题簇中提取主题特征词，结合生物技术专业知识及融资企业官网技术细节描述命名技术主题；再其次，利用可视化技术构建技术主题演化路径可视化图谱，通过可视化图谱分析技术主题演化趋势；最后，通过生物技术领域投融资事件语料分析，比较不同技术主题在资本市场中的热度，拓展技术主题识别方法研究及实践应用。

	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
	王益成
	蒋星宇
	秦晴
	刘雨农
	郑彦宁

关键词 ：投融资, 技术主题, 主题识别, 主题演化, 语义挖掘

收稿日期: 2024-10-29

基金资助:安徽省教育厅人文科学研究项目“面向科技循证决策的智慧情报服务方案研究”（2022AH050557）；国家重点研发计划课题“全球创新主体创新感知系统”（2019YFA0707203）。

作者简介: 王益成，男，1990年生，博士，副教授，硕士生导师，主要从事文本语义挖掘与分析方法研究、科技管理研究；蒋星宇，女，1999年生，硕士研究生，主要从事智慧情报服务研究；秦晴，女，1991年生，博士，助理研究员，主要从事生物技术情报研究；刘雨农，男，1991年生，博士，助理研究员，主要从事产业情报研究；郑彦宁，通信作者，男，1965年生，博士，研究馆员，博士生导师，主要从事情报学理论方法与科技管理研究，E-mail：ynzheng@istic.ac.cn；

引用本文:

王益成, 蒋星宇, 秦晴, 刘雨农, 郑彦宁. 基于投融资事件的技术主题识别研究[J]. 情报学报, 2025, 44(2): 234-245.
Wang Yicheng, Jiang Xingyu, Qin Qing, Liu Yunong, Zheng Yanning. Research on Technology Theme Identification Based on Investment and Financing Events —Using Biotechnology as an Example. 情报学报, 2025, 44(2): 234-245.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.02.009 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I2/234

1 国家市场监督管理总局, 国家标准化管理委员会. 科学技术研究项目评价通则: GB/T 22900—2022[S]. 北京: 中国标准出版社, 2022: 4.
2 王桂芳, 何涛, 马廷灿, 等. 基于科技文献的生物核磁领域技术机会识别[J]. 科技管理研究, 2016, 36(10): 142-147.
3 Farea A, Tripathi S, Glazko G, et al. Investigating the optimal number of topics by advanced text-mining techniques: sustainable energy research[J]. Engineering Applications of Artificial Intelligence, 2024, 136: 108877.
4 Ma M, Mao J, Li G. Discovering weak signals of emerging topics with a triple-dimensional framework[J]. Information Processing & Management, 2024, 61(5): 103793.
5 Yu D J, Xiang B. Discovering topics and trends in the field of artificial intelligence: using LDA topic modeling[J]. Expert Systems with Applications, 2023, 225: 120114.
6 杨恒, 王曰芬, 张露. 基于核心专利技术主题识别与演化分析的技术预测[J]. 情报杂志, 2022, 41(7): 49-56.
7 吕鲲, 项旻昊, 靖继鹏. 基于LDA2Vec和DTM模型的颠覆性技术主题识别研究——以能源科技领域为例[J]. 图书情报工作, 2023, 67(12): 89-102.
8 宋凯, 陈悦. 技术主题动态演化分析的一种新方法: DPL-BMM模型[J]. 情报学报, 2024, 43(1): 25-33.
9 Momeni A, Rost K. Identification and monitoring of possible disruptive technologies by patent-development paths and topic modeling[J]. Technological Forecasting and Social Change, 2016, 104: 16-29.
10 靳嘉林, 王曰芬, 巴志超, 等. 基金项目研究的主题挖掘与动态演化分析——以美国NSF数据中AI领域为例[J]. 情报学报, 2022, 41(9): 967-979.
11 邓启平, 柯佳秀. 基于基金项目数据的新兴交叉主题识别——以量子技术为例[J]. 图书情报工作, 2023, 67(20): 130-141.
12 Ye G H, Wang C C, Wu C, et al. Research frontier detection and analysis based on research grants information: a case study on health informatics in the US[J]. Journal of Informetrics, 2023, 17(3): 101421.
13 冉从敬, 田文芳. 融合SVM-LDA与加权相似度的潜在新兴技术识别研究——以人工智能领域为例[J]. 情报学报, 2024, 43(5): 563-574.
14 任佳妮, 张薇, 杨阳, 等. “人工智能+医疗”新兴技术识别研究——以医疗机器人为例[J]. 情报杂志, 2021, 40(12): 45-50.
15 张维冲, 王芳, 赵洪. 多源信息融合用于新兴技术发展趋势识别——以区块链为例[J]. 情报学报, 2019, 38(11): 1166-1176.
16 谭晓, 西桂权, 苏娜, 等. 科学-技术-项目联动视角下颠覆性技术识别研究[J]. 情报杂志, 2023, 42(2): 82-91.
17 Xu H Y, Winnink J, Yue Z H, et al. Topic-linked innovation paths in science and technology[J]. Journal of Informetrics, 2020, 14(2): 101014.
18 刘婕, 余艳. 高科技初创企业融资成功关键因素分析[M]// 信息系统学报. 北京: 科学出版社, 2020, 22: 107-121.
19 胡海峰, 赵加良. 促进专精特新企业发展壮大的体制机制研究[J]. 经济问题, 2024(12): 1-10.
20 郭鑫, 邓麦村, 宋琪, 等. 基于投资数据的硬科技企业科技成果转化研究[J]. 图书情报工作, 2023, 67(15): 129-137.
21 温军, 李凌霄, 杨竞豪, 等. 公司风险投资、母公司异质性与技术创新[J]. 经济管理, 2024, 46(6): 60-80.
22 刘督, 万迪昉, 庄梦周, 等. 天使投资改善了中小企业创新活动吗?[J]. 科学学与科学技术管理, 2016, 37(5): 96-104.
23 蒙大斌, 李杨. 专利信号、风险资本融资与创业企业成长——基于178家创业企业微观调查数据的研究[J]. 中国经济问题, 2019(2): 43-55.
24 费艳颖, 凌莉. 美国国家创新生态系统构建特征及对我国的启示[J]. 科学管理研究, 2019, 37(2): 161-165.
25 靳军宝, 郑玉荣, 白光祖, 等. 中美颠覆性技术创新机制比较以及对我国的启示——以基因编辑技术为例[J]. 科技管理研究, 2023, 43(10): 30-35.
26 李曼迪, 苏成, 崔怡雯, 等. 面向颠覆性技术情报采集的网络信息源研究[J]. 情报学报, 2021, 40(12): 1294-1300.
27 蒲毅, 房四海. 技术创新影响下的创业企业最优组合规模[J]. 技术经济, 2015, 34(12): 76-82.
28 Devlin J, Chang M W, Lee K, et al. BERT: pre-training of deep bidirectional transformers for language understanding[C]// Proceedings of the Conference on the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Stroudsburg: Association for Computational Linguistics, 2019: 4171-4186.
29 张东鑫, 张敏. 图情领域LDA主题模型应用研究进展述评[J]. 图书情报知识, 2022, 39(6): 143-157.
30 Blei D M, Ng A Y, Jordan M I. Latent Dirichlet allocation[J]. Journal of Machine Learning Research, 2003, 3(4-5): 993-1022.
31 周云泽, 闵超. 基于LDA模型与共享语义空间的新兴技术识别——以自动驾驶汽车为例[J]. 数据分析与知识发现, 2022, 6(2-3): 55-66.
32 白如江, 刘博文, 冷伏海. 基于多维指标的未来新兴科学研究前沿识别研究[J]. 情报学报, 2020, 39(7): 747-760.
33 Stevens K, Kegelmeyer P, Andrzejewski D, et al. Exploring topic coherence over many models and many topics[C]// Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning. Stroudsburg: Association for Computational Linguistics, 2012: 952-961.
34 Wang W H, Bao H B, Huang S H, et al. MiniLMv2: multi-head self-attention relation distillation for compressing pretrained transformers[C]// Proceedings of the 11th International Joint Conference on Natural Language Processing. Stroudsburg: Association for Computational Linguistics, 2021: 2140-2151.
35 胡凯茜, 李欣, 王龙腾. 基于BERTopic模型的网络暴力事件衍生舆情探测[J]. 情报杂志, 2024, 43(7): 146-153.
36 Lou W, Meng J. The diversity of canonical and ubiquitous progress in computer vision: a dynamic topic modeling approach[J]. Information Processing & Management, 2023, 60(3): 103238.
37 Yu D J, Fang A R, Xu Z S. Topic research in fuzzy domain: based on LDA topic modelling[J]. Information Sciences, 2023, 648: 119600.
38 曹树金, 曹茹烨. 基于研究主题和引文分析的信息资源管理学科发展探究[J]. 信息资源管理学报, 2023, 13(2): 12-29.
39 杨思洛, 吴丽娟. 基于BERTopic模型的国外信息资源管理研究进展分析[J]. 情报理论与实践, 2024, 47(2): 189-197.