李 昌，杨中楷，董 坤

（1.大连理工大学科学学与科技管理研究所，大连 116024；2.山东理工大学信息管理研究院，淄博 255049）

1 引 言

当前新一轮科技革命风起云涌，尤其是新兴技术可能会改变已有产业的发展形态，创造出新兴行业，并催生出一系列新的发展模式，对加强科技战略规划、占领科技制高点、支撑科研前瞻布局等具有重要作用。但随着技术演变速度和复杂性不断提升、技术之间交叉性与相互依赖性不断增强[1]，新兴技术识别越来越难，因而如何在复杂繁多又彼此交织的技术中识别出新兴技术就显得尤为迫切。

当前新兴技术识别主要包括定性研究和定量研究。定性研究主要利用德尔菲法、专家头脑风暴法等进行人工识别，正确率较高，但信息的爆发式增长，使人工识别难度越来越高。随着计算机技术的不断发展，利用机器学习识别新兴技术的方法得到快速发展。定量研究主要包括技术主题识别和识别指标构建两个步骤。其中技术主题识别主要包括网络关系识别和文本挖掘识别，前者是利用引文关系识别相似内容[2]，后者是利用能表征文本含义的特征词进行聚类/分类识别[3]。其中LDA（latent Dirich‐let allocation）主题模型[4]因能在语义层面上解释及分析主题分布，被广泛应用，并在后期得到了诸多改善。例如，考虑SAO（subject-action-object）结构词[5]和考虑技术背景[6]的WI-LDA（word IPC-LDA）等。识别指标构建主要针对新兴技术主题的新颖性和增长性特征[7]，新颖性主要利用主题中文献[8]或单词[9]出现时间来表征，增长性主要利用主题内文献的数量[10]、（结构）词[11]、作者（专利权人）、权利要求等数量变化表示，或利用网络中一些关系指标如中介中心度、PageRank[12]、聚类系数[13]等表征。……