融合“科学-技术”知识关联的高颠覆性专利预测方法

doi:10.3772/j.issn.1000-0135.2023.06.002

情报学报

2023, Vol. 42

Issue (6): 649-662 DOI: 10.3772/j.issn.1000-0135.2023.06.002

专题

本期目录 | 过刊浏览 | 高级检索

融合“科学-技术”知识关联的高颠覆性专利预测方法

梁镇涛^1,2, 毛进^1,2, 李纲^1,2

1.武汉大学信息资源研究中心，武汉 430072
2.武汉大学信息管理学院，武汉 430072

Integrating Science-Technology Knowledge Linkage to Predict Disruptive Patents

Liang Zhentao^1,2, Mao Jin^1,2, Li Gang^1,2

1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
2.School of Information Management, Wuhan University, Wuhan 430072

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (1283 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要颠覆性技术的识别与预测研究在服务国家重大科技战略发展需求、保障国家科技产业安全等方面具有重要意义。本文将专利家族视为技术单元，从对技术知识空间的改变视角定义高颠覆性专利，基于世界专利统计数据库（Worldwide Patent Statistical Database，PATSTAT）和微软学术论文（Microsoft Academic Graph，MAG）数据库，对专利的颠覆性、技术特征及“科学-技术”知识关联特征进行测度分析，并在此基础上提出了融合“科学-技术”知识关联的高颠覆性专利预测方法。本文将高颠覆性专利预测问题转化为监督式二分类任务，给定专利在其公开当年的“科学-技术”知识关联和其他技术特征，以其5年后的颠覆性指标值高低作为预测目标，训练机器学习模型。研究结果表明，①高颠覆性专利具有前置知识少且非主流、技术团队实力强、商业价值被低估、长期影响力大的特点；②专利的“科学-技术”知识关联属性是对其颠覆性进行预测的重要特征；③LightGBM（light gradient boosting machine）模型在综合性能与训练效率上取得了最佳表现，在半导体器件与电数字数据处理领域的实证结果验证了模型的有效性。但颠覆性技术的预测仍是一个困难的任务，后续研究可尝试从专利语义特征与结合多源数据等角度进一步提升性能表现。

	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
	梁镇涛
	毛进
	李纲

关键词 ：颠覆性技术, 预测研究, 科技关联, 专利分析, 机器学习

收稿日期: 2022-07-28

基金资助:国家自然科学基金创新群体项目“信息资源管理”（71921002）；国家自然科学基金面上项目“基于‘问题-方法’关联识别的科学知识创新探测与协同演化分析”（72174154）。

作者简介: 梁镇涛，男，1996年生，博士研究生，研究方向为信息组织、信息分析；毛进，男，1988年生，副教授，硕士生导师，研究方向为信息组织、大数据分析；李纲，男，1966年生，教授，博士生导师，研究方向为信息资源管理、竞争情报，E-mail：imiswhu@aliyun.com；

引用本文:

梁镇涛, 毛进, 李纲. 融合“科学-技术”知识关联的高颠覆性专利预测方法[J]. 情报学报, 2023, 42(6): 649-662.
Liang Zhentao, Mao Jin, Li Gang. Integrating Science-Technology Knowledge Linkage to Predict Disruptive Patents. 情报学报, 2023, 42(6): 649-662.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2023.06.002 或 https://qbxb.istic.ac.cn/CN/Y2023/V42/I6/649

1 Bower J L, Christensen C M. Disruptive technologies: catching the wave[J]. Harvard Business Review, 1995, 73(1): 43-53.
2 苏成, 赵志耘, 赵筱媛, 等. 颠覆性技术新阐释: 概念、内涵及特征[J]. 情报学报, 2021, 40(12): 1253-1262.
3 Kostoff R N, Boylan R, Simons G R. Disruptive technology roadmaps[J]. Technological Forecasting and Social Change, 2004, 71(1/2): 141-159.
4 李乾瑞, 郭俊芳, 黄颖, 等. 基于突变-融合视角的颠覆性技术主题演化研究[J]. 科学学研究, 2021, 39(12): 2129-2139.
5 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.
6 赵志耘, 潘云涛, 苏成, 等. 颠覆性技术感知响应系统框架研究[J]. 情报学报, 2021, 40(12): 1245-1252.
7 Capponi G, Martinelli A, Nuvolari A. Breakthrough innovations and where to find them[J]. Research Policy, 2022, 51(1): 104376.
8 Funk R J, Owen-Smith J. A dynamic network measure of technological change[J]. Management Science, 2017, 63(3): 791-817.
9 李乾瑞, 郭俊芳, 黄颖, 等. 基于专利计量的颠覆性技术识别方法研究[J]. 科学学研究, 2021, 39(7): 1166-1175.
10 黄鲁成, 成雨, 吴菲菲, 等. 关于颠覆性技术识别框架的探索[J]. 科学学研究, 2015, 33(5): 654-664.
11 White G R T. Future applications of blockchain in business and management: a Delphi study[J]. Strategic Change, 2017, 26(5): 439-451.
12 李晓龙, 鲁平, 李存斌. 基于Delphi和DEMATEL法影响国网的颠覆性创新技术影响因素综合排序分析[J]. 科技管理研究, 2017, 37(6): 127-133.
13 刘志辉, 张均胜, 林毅, 等. 基于隐性知识的潜在颠覆性技术评估方法研究[J]. 情报学报, 2021, 40(12): 1271-1278.
14 Phaal R, Farrukh C J P, Probert D R. Technology roadmapping—a planning framework for evolution and revolution[J]. Technological Forecasting and Social Change, 2004, 71(1/2): 5-26.
15 Vojak B A, Chambers F A. Roadmapping disruptive technical threats and opportunities in complex, technology-based subsystems: the SAILS methodology[J]. Technological Forecasting and Social Change, 2004, 71(1/2): 121-139.
16 张金柱, 王秋月, 仇蒙蒙. 颠覆性技术识别研究进展综述[J]. 数据分析与知识发现, 2022, 6(7): 12-31.
17 Rafii F, Kampas P J. How to identify your enemies before they destroy you[J]. Harvard Business Review, 2002, 80(11): 115-123, 134.
18 Nagy D, Schuessler J, Dubinsky A. Defining and identifying disruptive innovations[J]. Industrial Marketing Management, 2016, 57: 119-126.
19 苏敬勤, 刘建华, 王智琦, 等. 颠覆性技术的演化轨迹及早期识别——以智能手机等技术为例[J]. 科研管理, 2016, 37(3): 13-20.
20 周洋, 张庆普. 高端颠覆性创新的技术演进轨迹和市场扩散路径[J]. 研究与发展管理, 2017, 29(6): 99-108.
21 王康, 陈悦, 王玉奇, 等. 基于专利引用变化的颠覆性技术识别研究[J]. 情报杂志, 2022, 41(1): 74-80, 169.
22 程如烟, 孙浩林. 主要经济体支持颠覆性技术创新的政策措施研究[J]. 情报学报, 2021, 40(12): 1263-1270.
23 曹晓阳, 魏永静, 李莉, 等. DARPA的颠覆性技术创新及其启示[J]. 中国工程科学, 2018, 20(6): 122-128.
24 石慧, 潘云涛, 苏成. 颠覆性技术及其识别预测方法研究综述[J]. 情报工程, 2019, 5(3): 33-48.
25 Schoenmakers W, Duysters G. The technological origins of radical inventions[J]. Research Policy, 2010, 39(8): 1051-1059.
26 王康, 陈悦. 技术融合视角下基于专利的颠覆性技术识别研究[J]. 情报杂志, 2022, 41(4): 29-36, 134.
27 Narin F, Hamilton K S, Olivastro D. The increasing linkage between U.S. technology and public science[J]. Research Policy, 1997, 26(3): 317-330.
28 Huang M H, Yang H W, Chen D Z. Increasing science and technology linkage in fuel cells: a cross citation analysis of papers and patents[J]. Journal of Informetrics, 2015, 9(2): 237-249.
29 刘自强, 许海云, 罗瑞, 等. 基于主题关联分析的科技互动模式识别方法研究[J]. 情报学报, 2019, 38(10): 997-1011.
30 Ba Z C, Liang Z T. A novel approach to measuring science-technology linkage: from the perspective of knowledge network coupling[J]. Journal of Informetrics, 2021, 15(3): 101167.
31 Harhoff D, Scherer F M, Vopel K. Citations, family size, opposition and the value of patent rights[J]. Research Policy, 2003, 32(8): 1343-1363.
32 Ahmadpoor M, Jones B F. The dual frontier: patented inventions and prior scientific advance[J]. Science, 2017, 357(6351): 583-587.
33 Wu L F, Wang D S, Evans J A. Large teams develop and small teams disrupt science and technology[J]. Nature, 2019, 566(7744): 378-382.
34 Bornmann L, Tekles A. Convergent validity of several indicators measuring disruptiveness with milestone assignments to physics papers by experts[J]. Journal of Informetrics, 2021, 15(3): 101159.
35 Bornmann L, Devarakonda S, Tekles A, et al. Are disruption index indicators convergently valid? The comparison of several indicator variants with assessments by peers[J]. Quantitative Science Studies, 2020, 1(3): 1242-1259.
36 刘小慧, 廖宇, 朱曼曼. 颠覆性指数用于科研评价初探[J]. 情报理论与实践, 2021, 44(12): 34-40.
37 罗素平, 寇翠翠, 金金, 等. 基于离群专利的颠覆性技术预测——以中药专利为例[J]. 情报理论与实践, 2019, 42(7): 165-170.
38 孔德婧, 董放, 陈子婧, 等. 离群专利视角下的新兴技术预测——基于BERT模型和深度神经网络[J]. 图书情报工作, 2021, 65(17): 131-141.
39 Marx M, Fuegi A. Reliance on science: worldwide front-page patent citations to scientific articles[J]. Strategic Management Journal, 2020, 41(9): 1572-1594.
40 Bessen J. The value of U.S. patents by owner and patent characteristics[J]. Research Policy, 2008, 37(5): 932-945.
41 Kayal A A, Waters R C. An empirical evaluation of the technology cycle time indicator as a measure of the pace of technological progress in superconductor technology[J]. IEEE Transactions on Engineering Management, 1999, 46(2): 127-131.
42 Marco A C, Sarnoff J D, DeGrazia C A W. Patent claims and patent scope[J]. Research Policy, 2019, 48(9): 103790.
43 张静, 杨冠灿, 刘会景. 全球专利统计数据库(PATSTAT)研究述评[J]. 数字图书馆论坛, 2015(12): 62-68.
44 Sinha A, Shen Z, Song Y, et al. An overview of Microsoft academic service (mas) and applications[C]// Proceedings of the 24th International Conference on World Wide Web. 2015: 243-246. New York: ACM Press, 2015: 243-246. 责任编辑魏瑞斌）