技术预测网络主题评筛下的维-法耦合创新机会识别：基于技术知识元间的三重复杂关系

doi:10.3772/j.issn.1000-0135.2026.04.010

情报学报

2026, Vol. 45

Issue (4): 596-616 DOI: 10.3772/j.issn.1000-0135.2026.04.010

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

技术预测网络主题评筛下的维-法耦合创新机会识别：基于技术知识元间的三重复杂关系

王金凤^1,2, 王聪翔², 张珂^3,4,5, 冯立杰⁶, 冯奕程⁷, 毋志爽²

1.上海海事大学中国（上海）自贸区供应链研究院，上海 201306
2.郑州大学管理学院，郑州 450001
3.郑州大学信息管理学院，郑州 450001
4.河南省“双一流”建设研究中心，郑州 450001
5.河南省数据治理研究中心，郑州 450001
6.上海海事大学物流工程学院，上海 201306
7.北京大学先进制造与机器人学院，北京 100871

Identification of Innovation Opportunities by Coupling Dimensions and Laws Under the Topics Evaluation and Screening of Technological Prediction Network: Based on the Triple Complex Relationships Between Technological Knowledge Elements

Wang Jinfeng^1,2, Wang Congxiang², Zhang Ke^3,4,5, Feng Lijie⁶, Feng Yicheng⁷, Wu Zhishuang²

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

摘要
图/表
参考文献
相关文章 (2)

全文: PDF (8756 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要通过深入探索技术知识元间的复杂关系开展技术创新，不仅有助于企业经由不同技术知识元间的融合机会精准高效预测相关技术发展走向，而且有助于企业快速响应市场需求以提前布局实现可持续发展。然而，现有技术创新机会识别研究对技术知识元间复杂关系的挖掘及融合不够充分，且主要依赖于上游任务成果结合领域知识开展，导致技术创新存在一定程度的盲目性与无序性，削弱了技术研发的效率与质量。对此，本文提出一种基于技术知识元间三重复杂关系挖掘的技术预测网络主题评筛下的维-法耦合创新机会识别路径。首先，通过挖掘技术知识元间的直接语义共现关系、耦合共现关系以及引用关系，利用权重寻优算法，构建一个融合上述三重复杂关系的技术预测网络；其次，利用三维战略坐标模型，评筛出技术预测网络中的核心未成熟热门主题，在抽取核心未成熟热门主题的子网基础上，运用多维技术创新地图实现维-法耦合视角下的技术创新机会识别；最后，以3D打印技术为例进行应用研究，验证了本文方法的可行性。本文为精准预测技术知识元间关联关系并高效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
	王金凤
	王聪翔
	张珂
	冯立杰
	冯奕程
	毋志爽

关键词 ：技术预测网络, 主题评筛, 创新机会识别, 三维战略坐标模型, 多维技术创新地图

收稿日期: 2025-04-07

基金资助: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）；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）。

作者简介: 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；王聪翔，2000年生，硕士研究生，主要研究方向为技术创新；张珂，通信作者，1994年生，博士，副研究员，主要研究方向为技术创新，E-mail：kezhang@zzu.edu.cn；冯立杰，1966年生，博士，教授，博士生导师，主要研究方向为技术创新与管理；冯奕程，1992年生，博士研究生，主要研究方向为创新管理；毋志爽，2002年生，硕士研究生，主要研究方向为技术创新；

引用本文:

王金凤, 王聪翔, 张珂, 冯立杰, 冯奕程, 毋志爽. 技术预测网络主题评筛下的维-法耦合创新机会识别：基于技术知识元间的三重复杂关系[J]. 情报学报, 2026, 45(4): 596-616.
Wang Jinfeng, Wang Congxiang, Zhang Ke, Feng Lijie, Feng Yicheng, Wu Zhishuang. Identification of Innovation Opportunities by Coupling Dimensions and Laws Under the Topics Evaluation and Screening of Technological Prediction Network: Based on the Triple Complex Relationships Between Technological Knowledge Elements. 情报学报, 2026, 45(4): 596-616.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2026.04.010 或 https://qbxb.istic.ac.cn/CN/Y2026/V45/I4/596

1 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.
2 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.
3 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.
4 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.
5 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.
6 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.
7 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.
8 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.
9 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.
10 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.
11 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.
12 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.
13 王金凤, 吴启凡, 冯奕程, 等. 市场需求—企业技术能力双重视域下的技术机会识别[J]. 计算机集成制造系统, 2025, 31(2): 647-660.
14 桂美增, 许学国. 基于深度学习的技术机会预测研究——以新能源汽车为例[J]. 图书情报工作, 2021, 65(19): 130-141.
15 Kim J, Lee S. Forecasting and identifying multi-technology convergence based on patent data: the case of IT and BT industries in 2020[J]. Scientometrics, 2017, 111(1): 47-65.
16 Kipf T N, Welling M. Variational graph auto-encoders[PP/OL]. V1. arXiv (2016-11-21). https://arxiv.org/pdf/1611.07308.
17 林馥, 李明康, 罗学雄, 等. 基于异常感知的变分图自编码器的图级异常检测算法[J]. 计算机研究与发展, 2024, 61(8): 1968-1981.
18 李忠, 靳小龙, 王亚杰, 等. 属性网络中基于变分图自编码器的异常节点检测方法[J]. 模式识别与人工智能, 2022, 35(1): 17-25.
19 刘鹏, 桂亮, 刘惠宇. 基于变分图自编码器的社区发现方法研究[J]. 系统科学与数学, 2022, 42(6): 1402-1410.
20 朱渊, 何瑞瑞, 刘源, 等. DeepCKI: 一个基于变分图自编码器预测细胞-细胞因子相互作用的生物信息学模型[J]. 中国生物化学与分子生物学报, 2022, 38(8): 1033-1042.
21 唐果媛. 基于共词分析法的学科主题演化研究方法的构建[J]. 图书情报工作, 2017, 61(23): 100-107.
22 Law J, Bauin S, Courtial J P, et al. Policy and the mapping of scientific change: a co-word analysis of research into environmental acidification[J]. Scientometrics, 1988, 14(3/4): 251-264.
23 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.
24 Neff M W, Corley E A. 35 years and 160,000 articles: a bibliometric exploration of the evolution of ecology[J]. Scientometrics, 2009, 80(3): 657-682.
25 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.
26 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.
27 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.
28 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.
29 王敏. 新兴技术“三要素多层次”共生演化机制研究[D]. 成都: 电子科技大学, 2010.
30 李芳. 产品技术共生演化研究[D]. 济南: 山东师范大学, 2016.
31 任海英, 李真. 基于输入输出型SAO网络的核心技术链识别方法研究——以量子计算领域为例[J]. 图书情报工作, 2021, 65(19): 117-129.
32 窦永香, 开庆, 王佳敏. 一种基于图表示学习的潜在颠覆性技术识别方法[J]. 情报学报, 2023, 42(6): 637-648.
33 王卫军, 姚畅, 乔子越, 等. 基于词嵌入的国家自然科学基金学科交叉知识发现方法——以“人工智能”与“信息管理”为例[J]. 情报学报, 2021, 40(8): 831-845.
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 Bonacich P. Some unique properties of eigenvector centrality[J]. Social Networks, 2007, 29(4): 555-564.
36 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.
37 Traag V A, Waltman L, van Eck N J. From Louvain to Leiden: guaranteeing well-connected communities[J]. Scientific Reports, 2019, 9: Article No.5233.
38 杨练, 冯海洋, 许苑晶. 3D打印医疗应用及中心建设现状[J]. 中国组织工程研究, 2023, 27(13): 2110-2115.
39 Mamo H B, Adamiak M, Kunwar A. 3D printed biomedical devices and their applications: a review on state-of-the-art technologies, existing challenges, and future perspectives[J]. Journal of the Mechanical Behavior of Biomedical Materials, 2023, 143: 105930.
40 Nizam M, Purohit R, Taufik M. 3D printing in healthcare: a review on drug printing, challenges and future perspectives[J]. Materials Today Communications, 2024, 40: 110199.
41 Wawryniuk Z, Brancewicz-Steinmetz E, Sawicki J. Revolutionizing transportation: an overview of 3D printing in aviation, automotive, and space industries[J]. The International Journal of Advanced Manufacturing Technology, 2024, 134: 3083-3105.
42 Boretti A. A techno-economic perspective on 3D printing for aerospace propulsion[J]. Journal of Manufacturing Processes, 2024, 109: 607-614.
43 Ponsuriyaprakash S, Udhayakumar P, Hemalatha A, et al. Additive manufacturing of customized automotive components using novel cellulose fiber reinforced abs polymer filament[J]. International Journal on Interactive Design and Manufacturing, 2023, 17(4): 1869-1880.
44 章瑾, 叶杨, 冯平, 等. 汽车用零部件产品设计及3D打印加工工艺的应用研究[J]. 内燃机工程, 2024, 45(4): 111.
45 冯立杰, 秦浩, 张珂, 等. 基于离群专利和多维技术创新地图的技术机会识别路径研究[J]. 情报理论与实践, 2023, 46(9): 79-86.
46 Li J, Yang J H, Wang P R, et al. Laser-activated metallization-based hybrid additive manufacturing technology for 3D flexible electronics[J]. ACS Applied Polymer Materials, 2025, 7(3): 1969-1978.
47 Chen C C, Fu Y H, Liu Y, et al. Next-generation health monitoring: the role of nanomaterials in 3D-printed wearable devices[J]. Materials Today, 2025, 86: 317-339.
48 Vashishtha G, Chauhan S, Yadav N, et al. Shaping the future: latest developments in 3D printing stimuli-responsive soft polymers[J]. The International Journal of Advanced Manufacturing Technology, 2025, 136(10): 4215-4237.
49 Di Cosmo L, Pellicanò F, Choueiri J E, et al. Meta-analyses of the surgical outcomes using personalized 3D-printed titanium and PEEK vs. standard implants in cranial reconstruction in patients undergoing craniectomy[J]. Neurosurgical Review, 2025, 48: Article No.312.
50 Eftekhari S, Davari A R, Pazooki F. A new aspect of the ground effect: the two-way interactions between an airplane flying in the vicinity of sea water and the free surface waves[J]. Journal of Applied Fluid Mechanics, 2025, 18(9): 2268-2281.
51 Peng C Y, Li H, Colombo P. Effect of sol types on the mechanical properties of 3D printed silica ceramics[J]. Journal of Materials Science, 2025, 60(21): 8689-8706.
52 Sun W W, Zhao N. Vertical take-off and landing unmanned aerial vehicle design based on foam 3D printing technology[J]. IEEE Access, 2024, 12: 184560-184582.