基于弱信号的颠覆性技术早期识别研究

doi:10.3772/j.issn.1000-0135.2023.12.001

情报学报

2023, Vol. 42

Issue (12): 1395-1411 DOI: 10.3772/j.issn.1000-0135.2023.12.001

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于弱信号的颠覆性技术早期识别研究

刘俊婉, 庞博, 徐硕

北京工业大学经济与管理学院，北京 100124

Early Identification of Disruptive Technology Using Weak Signals

Liu Junwan, Pang Bo, Xu Shuo

College of Economics and Management, Beijing University of Technology, Beijing 100124

摘要
图/表
参考文献
相关文章 (14)

全文: PDF (2285 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要基于专利的弱信号探测模型与技术颠覆性潜力测度体系相结合的方法，开展颠覆性技术早期识别，为颠覆性技术的早期识别提供一套有效的方法和思路。利用专利信息进行领域弱信号探测，利用LDA（latent Dirichlet allocation）主题模型从领域专利内容中抽取主题，基于弱函数对主题进行过滤得到包含弱信号的主题集合，进一步通过预兆函数对弱信号主题包含的术语进行过滤，得到该研究领域弱信号术语集合及其对应的专利集合。基于技术颠覆性潜力测度指标体系，对包含弱信号术语的专利进行颠覆性潜力测度，最终得到目标领域具有颠覆性潜力的技术，为该领域颠覆性技术的早期识别提供参考。以incoPat专利数据库中2008—2019年基因编辑领域的专利数据作为研究对象，结合弱信号探测模型与技术颠覆性潜力测度体系，对该领域具有颠覆性潜力的技术进行早期识别，通过与基于关键词识别的弱信号结果对比，并利用CRISPR/Cas9技术对上述颠覆性技术识别结果进行验证，证明了本文方法的可行性和有效性。

	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
	刘俊婉
	庞博
	徐硕

关键词 ：颠覆性技术, 早期识别, 弱信号探测, 专利计量

收稿日期: 2022-09-19

基金资助:国家自然科学基金面上项目“基于多样性、关系链接和知识依赖的跨学科科研团队合作网络结构与演化研究”（72174016），“科技关联视角下新兴技术弱信号扫描预判方法研究”（72074014）。

作者简介: 刘俊婉，女，1978年生，博士，教授，博士生导师，主要研究领域为科学计量和数据挖掘；庞博，女，2000年生，学士，主要研究领域为信息计量与数据分析；徐硕，通信作者，男，1979年生，博士，教授，博士生导师，主要研究领域为技术预见、科学计量和数据挖掘，E-mail：xushuo@bjut.edu.cn；

引用本文:

刘俊婉, 庞博, 徐硕. 基于弱信号的颠覆性技术早期识别研究[J]. 情报学报, 2023, 42(12): 1395-1411.
Liu Junwan, Pang Bo, Xu Shuo. Early Identification of Disruptive Technology Using Weak Signals. 情报学报, 2023, 42(12): 1395-1411.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2023.12.001 或 https://qbxb.istic.ac.cn/CN/Y2023/V42/I12/1395

1 张欣. 颠覆性技术识别方法述评[J]. 图书情报工作, 2020, 64(17): 145-152.
2 开庆, 窦永香. 颠覆性技术识别研究综述[J]. 情报杂志, 2021, 40(11): 31-38.
3 徐硕, 王聪聪, 安欣. 新兴技术弱信号扫描预判述评[J]. 情报杂志, 2023, 42(3): 117-122.
4 董尹, 刘千里, 宋继伟, 等. 弱信号研究综述: 概念、方法和工具[J]. 情报理论与实践, 2018, 41(10): 147-154.
5 刘千里. 情报学语境下的信号研究综述[J]. 情报杂志, 2011, 30(1): 13-18.
6 刘亚辉, 许海云. 突破性创新早期识别与弱信号分析综述[J]. 图书情报工作, 2021, 65(4): 89-101.
7 Xu S, Wang C C, An X, et al. A novel developmental trajectory discovery approach by integrating main path analysis and intermediacy[J/OL]. Journal of Information Science, (2022-06-29). https://doi.org/10.1177/01655515221101835.
8 党倩娜. 新兴技术弱信号研究的基本进展与问题[J]. 竞争情报, 2018, 14(4): 58-64.
9 Yoon J. Detecting weak signals for long-term business opportunities using text mining of Web news[J]. Expert Systems with Applications, 2012, 39(16): 12543-12550.
10 Pépin L, Kuntz P, Blanchard J, et al. Visual analytics for exploring topic long-term evolution and detecting weak signals in company targeted tweets[J]. Computers & Industrial Engineering, 2017, 112: 450-458.
11 Gutsche T. Automatic weak signal detection and forecasting[D]. Enschede: University of Twente, 2018.
12 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.
13 邵云飞, 詹坤, 吴言波. 突破性技术创新: 理论综述与研究展望[J]. 技术经济, 2017, 36(4): 30-37.
14 卢超, 侯海燕, DingYing, 等. 国外新兴研究话题发现研究综述[J]. 情报学报, 2019, 38(1): 97-110.
15 邓胜利, 林艳青, 王野. 企业竞争弱信号的特征提取与定量识别研究[J]. 图书情报工作, 2016, 60(10): 67-75.
16 Weissenberger-Eibl M A, Speith S. An integrative approach to disruptive technology forecasting in companies[M]// Management of Technology Innovation and Value Creation: Selected Papers from the 16th International Conference on Management of Technology. Singapore: World Scientific, 2008: 401-414.
17 刘忠宝, 康嘉琦, 张静. 基于主题突变检测的颠覆性技术识别——以无人机技术领域为例[J]. 科技导报, 2020, 38(20): 97-105.
18 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.
19 马荣康, 王艺棠. 基于专利相似度的突破性技术发明识别研究——以纳米技术为例[J]. 科研管理, 2021, 42(5): 153-160.
20 刘玉梅, 温馨, 孟翔飞. 基于技术轨道跃迁的突破性技术预测方法及应用研究[J]. 情报杂志, 2021, 40(11): 39-45, 15.
21 侯广辉, 廖桂铭, 王刚. 基于突变级数的颠覆性技术识别模型构建及实证研究[J]. 情报杂志, 2021, 40(10): 7-14.
22 Chen X L, Han T. Disruptive technology forecasting based on gartner hype cycle[C]// Proceedings of the 2019 IEEE Technology & Engineering Management Conference. Piscataway: IEEE, 2019: 1-6.
23 Blei D M, Ng A Y, Jordan M I. Latent Dirichlet allocation[J]. Journal of Machine Learning Research, 2003, 3: 993-1022.
24 关鹏, 王曰芬. 科技情报分析中LDA主题模型最优主题数确定方法研究[J]. 现代图书情报技术, 2016(9): 42-50.
25 Lin J. Divergence measures based on the Shannon entropy[J]. IEEE Transactions on Information Theory, 1991, 37(1): 145-151.
26 El Akrouchi M, Benbrahim H, Kassou I. End-to-end LDA-based automatic weak signal detection in Web news[J]. Knowledge-Based Systems, 2021, 212: 106650.
27 王山, 谭宗颖. 技术生命周期判断方法研究综述[J]. 现代情报, 2020, 40(11): 144-153.
28 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.
29 高继平, 丁堃. 专利计量指标研究述评[J]. 图书情报工作, 2011, 55(20): 40-43.
30 张金柱, 张晓林. 基于被引科学知识主题突变的突破性创新识别[J]. 现代图书情报技术, 2016(Z1): 42-50.
31 陈育新, 李健, 韩毅. 核心—边缘理论视角下的颠覆性技术识别研究[J]. 情报理论与实践, 2022, 45(8): 121-129.
32 仲兆满, 管燕, 李存华, 等. 微博网络地域Top-k突发事件检测[J]. 计算机学报, 2018, 41(7): 1504-1516.
33 李永洁, 杨俊涛, 杜建. 医学科技颠覆性技术展望[J]. 中国工程科学, 2018, 20(6): 64-68.
34 Hiltunen E. The future sign and its three dimensions[J]. Futures, 2008, 40(3): 247-260.
35 张强, 顾明亮. 基因编辑技术及其临床应用[J]. 生命的化学, 2022, 42(1): 41-55.
36 谭磊, 陈明月, 沈彬. 基因编辑研究进展与展望[J]. 南京医科大学学报(自然科学版), 2021, 41(11): 1689-1694.