基于机器学习的潜在颠覆性技术识别方法研究

作     者：马晓迪 

作者单位：北京工业大学 

学位级别：硕士

导师姓名：李欣

授予年度：2023年

学科分类：12[管理学] 120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 0202[经济学-应用经济学] 02[经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：潜在颠覆性技术 机器学习 突破性研究 早期识别 睡美人文献 

摘      要：新一轮科技创新与产业变革浪潮正在席卷全球,推动全球经济社会的多元化发展。为顺应全球化经济潮流,迈向高质量发展,我国正积极优化和完善新时代科技创新体系,前瞻部署潜在颠覆性技术,开展颠覆性技术创新,开辟创新发展新途径。如何尽早寻找和识别潜在颠覆性技术,对于企业科技创新布局和研发资源优化配置、政府研发和创新政策制定等具有重要意义。已有研究表明,科学原理的重大突破以及重大科学发现是颠覆性技术产生的来源之一。而突破性研究是具有开创性和变革性的科学研究,可以拓展至新的研究领域,甚至引发科学范式的重大变化。作为推动科技创新的重要动力,突破性研究为潜在颠覆性技术的识别提供了关键线索。其中,高被引与睡美人论文作为突破性研究的重要载体,其从引文概况上对科学研究的影响力与颠覆潜力做出了定量描述,可视为潜在颠覆性技术的重要来源。然而现有研究中很少有学者尝试从突破性论文中挖掘潜在颠覆性技术“种子,并进而识别潜在颠覆性技术。因此,本文以反映技术知识、产生机理等特征信息的突破性论文为研究对象,利用机器学习与文本挖掘方法从中寻找潜在颠覆性技术“种子;之后采用专利分析与集成决策方法对其监测和评估分析,并识别出潜在颠覆性技术,以期为颠覆性技术识别研究提供新的视角。本文以论文和专利为数据源,构建了基于机器学习的潜在颠覆性技术识别模型。该模型主要从突破性论文即突破性研究的重要代理入手挖掘潜在颠覆性技术“种子,再基于时间序列对“种子指向的技术专利进行监测和评估,以从论文蕴含的科学知识—技术主题中识别潜在颠覆性技术。首先,以论文为数据源,利用机器学习方法,构建基于机器学习的突破性论文识别模型;然后,基于突破性论文中的关键词权重挖掘潜在颠覆性技术“种子;其次,以潜在颠覆性技术“种子为研究对象,采用自然语言处理与主题挖掘方法提取“候选潜在颠覆性技术主题;再次,对“候选潜在颠覆性技术主题的专利数据进行分析,在不同时间窗口下监测技术主题自身变化趋势与市场影响力;最后,围绕“候选潜在颠覆性技术主题,开展基于熵权-TOPSIS法的技术综合颠覆潜力评估,进而识别潜在颠覆性技术。本研究面向化学领域开展实证分析,验证了本研究所提方法的可行性与有效性。案例分析结果表明,本研究所构建的方法能够实现潜在颠覆性技术识别,为潜在颠覆性技术识别研究提供了新视角,也为企业与政府的研发创新战略决策与技术创新管理提供了方法支撑。