知识图谱方法在未来导向技术分析领域的应用

张珊珊，侯海燕，胡志刚

（大连理工大学 WISE实验室，大连 116024）

知识图谱方法在未来导向技术分析领域的应用

张珊珊，侯海燕，胡志刚

（大连理工大学 WISE实验室，大连 116024）

未来导向技术分析作为对技术未来发展的预测和评估的方法，在科技政策制定中发挥着重要作用。知识图谱方法作为借助计算机技术和图形技术可视化地展示知识结构及其演化进程的一种定量研究方法，已在未来导向技术分析领域有所应用。本文面向未来导向技术分析，详细介绍知识图谱方法已解决的未来导向技术分析的关键问题研究，从数据来源、研究对象、研究方法和软件工具等方面系统梳理了知识图谱方法在未来导向技术分析领域应用研究的情况。

知识图谱；未来导向技术分析；专利分析；技术前沿

编者按：本专栏这一期刊发两篇文章。张珊珊和侯海燕教授等人的《知识图谱方法在未来导向技术分析领域的应用》一文，面向未来导向技术分析，详细介绍知识图谱方法已解决的未来导向技术分析的关键问题研究，从数据来源、研究对象、研究方法和软件工具等方面系统梳理了知识图谱方法在未来导向技术分析领域应用研究的情况。

另一篇文稿是陈悦副教授等人的《中国创新管理研究者及其合作网络研究》一文，运用数理统计法和社会网络分析法等文献计量方法，对中国创新管理研究者的发文量、H指数及其网络中心性进行了深入的分析，并对高产作者合著网络结构进行了量化分析，揭示了中国创新管理领域的高影响力研究者、高产作者合作特点以及主要的学术研究团体，对我国创新管理领域未来的发展方向及科研合作政策的制定提供了有益的启示。

1　引言

未来导向技术分析的概念来源于技术未来分析。美国佐治亚理工学院的Alan L.Porter团队在2004年率先提出了技术未来分析（TFA-Technology Future Analysis）的概念，其最早的来源则可以追溯到19世纪70年代的企业界。从20世纪末期开始，技术未来分析逐渐受到理论界的重视，于是，针对未来技术发展的研究从只着眼于技术自身，逐渐拓展到关注技术与经济、社会的协同发展。研究未来技术的科学共同体也越来越多，如技术预测共同体、技术评估共同体，技术预见共同体等，且它们之间具有很大的相似性，基于此，Alan L.Porter将各自为政的技术情报、技术预测、技术路线图、技术评估和技术预见等方法都归于技术未来分析的大框架内（Change S.Technology futures analysis：Toward integration of the field and new methods［J］.Technological Forecasting & Social Change，2004，71：287-303.）。2004年，欧盟联合研究中心前瞻性技术研究所（JRC-IPTS）组织技术未来分析领域的各个研究共同体展开讨论，最终将技术未来分析的概念改为未来导向技术分析（FTA-Future-oriented Technology Analysis）［1］。

由于未来导向技术分析包含多个方面，分析方法也多种多样，既有定性方法，如德尔菲法、头脑风暴法和情景分析法等；也有定量方法，如传统的专利分析法、文献计量分析法等。但是，传统的方法在进行未来导向技术分析的时候，要么主观性太强，要么过于简单，无法处理当今庞大且错综复杂的科学技术信息。知识图谱方法作为近年兴起的、国际前沿的定量研究方法，大连理工大学刘则渊教授将其定义为可视化地描述人类随时间拥有的知识资源及其载体，绘制、挖掘、分析和显示科学技术知识以及它们之间的相互关系，在组织内创造知识共享的环境以促进科学技术研究的合作和深入［2］。知识图谱方法可以通过海量科技文献及专利信息的计量分析与可视化，客观、清晰地展现科技领域的前沿状况和发展趋势，充分弥补了传统单一数量分析方法的不足，同时其可视化的技术也为技术未来发展研究提供了一种形象清晰的结果表达方式，已成为分析科技前沿发展态势的有力工具。

由于未来导向技术分析目前还处在一个探索阶段，尤其是如何利用知识图谱方法进行相关关键问题研究，国内外学者在这方面都没有形成一个明确的规范。在本文中，我们对知识图谱方法如何应用于未来导向技术分析中进行了文献调研和综述。具体包括：解决什么样的具体问题需要何种数据？采用何种知识图谱方法？应使用何种软件工具？在下面的章节中，我们将从数据来源、研究方法、软件工具等方面详细介绍知识图谱方法在未来导向技术分析领域应用研究的情况，以期帮助科研人员有针对性地、规范地使用知识图谱方法进行未来导向技术分析，对深化和丰富知识图谱方法的应用领域做出贡献。

2　未来导向技术分析常用的数据来源与研究对象

未来导向技术分析的常用来源主要包括专利数据和文献数据。其中，专利数据集科学、技术、法律和经济情报于一体，又具有易得、完整、准确这3个特点，是首选的技术分析数据来源［3］。目前主要采用的专利数据库包括美国专利商标局数据库（USPTO）的专利数据库和德温特专利数据库（Derwent Innovations Index）。尤其是德温特数据库，因其收录范围较广、更新较快、检索方便、代码分类清晰，且其数据格式已有现成的分析工具可直接处理，而在未来导向技术分析领域中被普遍采用［4］［5］。未来导向技术分析研究中，主要对专利分类代码、专利引文、申请日、公开日、发明人、分类号、标题和摘要等信息进行分析［6］。

虽然大多数技术分析都使用专利数据，但是由于技术发展离不开科学的支撑，而科学文献作为科学研究的主要产物，在技术分析也起到了重要补充作用。在未来导向技术分析领域，常用的科学文献数据库包括Web of Science和 CNKI。在对科学文献的分析中，标题、摘要、关键词、作者、期刊和参考文献等都是常见的分析对象，尤其是关键词或主题词（来自标题或摘要）、作者、参考文献是被涉及最多的三个分析角度。

3　未来导向技术分析应用的知识图谱关键方法与工具

3.1未来导向技术分析中应用的知识图谱关键方法

利用知识图谱方法进行未来导向技术分析，按照研究的角度，可以分为以下4类：专利分类代码共现分析、词频分析与共词分析、引文分析和共被引分析、作者分析与合作分析。

（1）专利分类代码共现分析。专利代码是专利属性身份的一种表征。从专利代码中，可以知道该专利所属的技术领域或者所代表的技术，因此专利代码常用来进行专利分析。利用专利分类代码的共现分析，可以进行技术前沿与热点研究［7］、关键与核心技术研究［8］、技术机会分析［9］。

（2）词频分析与共词分析。词频分析中分析的是表达文献核心内容的关键词或主题词，通过统计它们在某一研究领域文献中出现的频次高低，来确定该领域研究热点和发展动向的文献计量学方法［10］。共词分析是在统计关键词共现频次的基础上，构建共词网络进行分析的一种方法［11］。对于专利数据或文献数据，通过提取标题或摘要中的主题词，找出其中的高频词汇，然后进行共现，是进行技术前沿与热点研究［12］，关键与核心技术研究［13］、技术机会分析［14］、技术应用演化研究［15］时常用的一种方法。

（3）引文分析和共被引分析。引文分析是利用数学或统计学的方法，对科学期刊、论文、作者等各分析对象的引用与被引用情况进行分析的一种文献计量方法［16］。引文分析方法主要包括文献耦合分析和共被引分析。其中前者是1963年由Kessler［17］提出的；后者是1973年由Small［18］提出。使用引文分析法可以进行技术轨道研究［21］，运用共被引分析法进行关键与核心技术研究［22］和技术机会分析［23］。文献耦合分析也被扩展成专利耦合分析，并应用于技术前沿与热点研究［19］、关键与核心技术研究［20］中。

（4）作者分析与合作分析。作者分析主要包括两类：作者共被引分析和作者合著分析。White等［24］在1981年提出了作者共引分析这一概念。当某位作者在他的文章中同时引用其他两位作者的文章时，这两位作者之间就构成了作者共引关系。1991年Peters H和Van Raan A［25］使用作者合著分析方法来识别某一领域有影响力的科学家，提出了“关键人物”和“桥梁人物”的概念。在未来导向技术分析领域，一般使用此方法来分析合作情况寻找技术机会［23］［26］。

上述各类知识图谱方法通常会和社会网络分析方法一起使用。社会网络分析方法将社会看作由行动者和其相互关系组成的网络，分析网络结构的属性及其对群体内和群体间的影响，分析的角度包括中心性分析、凝聚子群分析、核心-边缘结构分析等［27］。近来，有学者将此方法引入到关键与核心技术研究中，并以低压变频技术［28］、第三代移动通信技术［29］为例做了实证研究。

3.2未来导向技术分析常用的知识图谱软件工具

知识图谱的绘制需要借助相应的软件和工具。随着计算机技术和可视化技术的发展，绘制知识图谱的工具越来越丰富，包括HistCite、BibExcel、VOS viewer、Sci2、CiteSpace、VantagePoint、Pajek和Ucinet等。其中VantagePoint和CiteSpace是目前用的最多的两种可视化软件。VantagePoint软件是美国搜索技术公司开发的一款文本挖掘与可视化的软件，可以构建共现矩阵，进行作者、机构、国家合作分析等。尤其重要的是，VantagePoint可以通过同义词构建、模糊匹配、数据融合和自然语言处理等算法来清洗数据，从而消除数据冗余等问题。CiteSpace是由美国德雷赛尔大学的华人学者陈超美开发的一款文献计量和可视化软件，可以用来识别和展现科学领域的研究热点和研究趋势，重要科学家的科学产出和学术影响，高产机构的科学贡献及学术影响，直观的展示科学知识领域的信息全景，识别某一科学领域中的关键文献、热点研究和前沿方向。

其他已经在未来导向技术分析领域得到一定的应用的工具还有瑞典科学计量学家OllePersson开发的Bibexcel。它可以与社会网络分析软件Pajek或SPSS相结合，探测新兴技术前沿热点或用于挖掘关键与核心技术。此外，在挖掘关键技术时，也有学者使用美国计量学家Steven A.Morris博士研发的数据库信息可视化和分析系统——DIVA。在进行技术未来分析时，我们可以在综合考虑数据格式、研究方法、研究内容、研究目标等方面的基础上，选择合适的软件工具，这样不仅可以提供工作效率，还能提高结果的准确性。

4　知识图谱方法可以解决的未来导向技术分析中的关键问题

未来导向技术分析代表了对新兴技术特点、发展路径以及对未来技术潜在效应的系统分析过程［30］。黄鲁成将未来导向技术分析的研究内容归结为两个方面：技术自身发展规律和新兴技术应用与效应［31］。其中，技术自身发展规律的研究又被分为6个方向：①技术轨道及阶段性研究；②新兴技术前沿热点研究；③关键与核心技术研究；④技术成熟度研究；⑤技术机会分析；新兴技术应用转移与效应研究被分为4个方向：①新兴技术应用演化研究；②新兴技术商业化潜力评估研究；③新兴技术效应研究；④新兴技术应用对策研究。

基于黄鲁成的分类，我们从未来导向怎样更好地预测与评估技术未来发展趋势及其所带来的影响的角度，将知识图谱方法目前可以解决的未来导向技术分析领域的关键问题归为如下四个方向：（1）探测技术前沿与热点、（2）寻找关键与核心技术、（3）发现技术机会和（4）探究技术演化规律。

表1　未来导向技术分析关键问题——知识图谱方法矩阵

针对四个方向，结合上述所列出的未来导向技术分析常用的数据来源与软件工具，以及研究中所用的关键指标，构建未来导向技术分析关键问题——知识图谱方法矩阵（表1）。在四个研究方向上，共词分析可用于每种研究，专利分类代码共现分析可用于探测技术前沿与热点、寻找关键与核心技术和技术机会分析，这两种方法是未来导向技术分析中常用的方法。从表中我们也可以看到聚类分析、主成分分析等统计分析方法也可以用于未来导向技术分析。专利数据来源除USPTO和Derwent Innovations Index之外，也有如PCT 国际申请阶段的公开文本的专利文献。从相关研究所用的关键指标来看，并没有统一的指标体系，研究者不同所用的指标也不同，但可以看到的是在关键词频次和共现频次等指标上达到了一致。未来导向技术分析所用的分析工具中，CiteSpace用于每个方向，VantagePoint在寻找关键与核心技术和技术机会分析中有广泛的应用。结合表1，下面分别描述在每个研究方向上知识图谱方法、数据来源、关键指标和工具的应用。

4.1探测技术前沿与热点

技术前沿代表了一个时期最新的技术发展趋势，技术热点包含了当前人们关注最多、研究最热的技术信息。因此，技术前沿与热点一直是政府和企业关心的问题，也是学者们的研究焦点。Morris等在2003年依据文献耦合方法［17］绘制了研究前沿的时间线可视图，将研究前沿定义为引用一组固定的、与时间无关的基础文献的文献聚类［32］。而后，有学者将此方法用来识别技术前沿，如唐小利等［19］利用USPTO中的DVD激光头技术领域的专利文献进行专利耦合分析，识别出了此领域的技术前沿。

在技术热点的研究方面，黄鲁成等［12］基于Derwent Innovations Index数据库中的家用空调专利，利用CiteSpace绘制了此领域专利的关键词共现图谱（图1），认为出现频次较多的关键词能代表家用空调的技术热点领域，并利用CiteSpace提供的突现词探测（burst detection）技术，识别出突现词（burst term），从而确定技术前沿领域。栾春娟［7］运用德温特手工代码共现分析，对波音公司专利申请的热点领域进行了探测，并利用专利文献篇名中的主题词对波音公司的专利申请进行共现分析，从中识别出波音公司专利技术研发前沿主要集中的领域。

此外，吴菲菲等［33］在对北京研发产业的申请专利进行统计分析的基础上，基于SCI中的科学文献数据，对提取出的关键词进行词频分析和共词分析，并利用SPSS对其进行聚类，从而识别出北京研发产业的热点领域。

图1　家用空调领域专利关键词共现图谱

4.2寻找关键与核心技术

关键与核心技术领域在所有技术领域中处于最重要的地位，可以对行业发展产生决定性的作用。一方面，我国科技发展规划中提出，要大力培育和发展战略性新兴产业，推进重点领域核心关键技术突破［34］；另一方面，战略性新兴产业的发展在很大程度上取决于关键与核心技术的应用，因此关键与核心技术是未来导向技术分析领域的重点研究内容。

利用引文分析来挖掘关键与核心技术是常用的方法。李春发等［22］基于文献共被引方法，运用CiteSpace软件绘制了战略性新兴光伏产业技术领域的科学网络图谱，从而对光伏产业关键技术进行分析；王健美等［35］利用专利文献共被引分析、聚类分析、多维尺度分析等方法对纯电动汽车产业的专利进行研究，揭示了不同时期纯电动汽车产业的关键技术分布及其演进；孙涛涛等［20］以USPTO中DVD激光头的专利数据为基础，运用专利文献耦合方法和聚类分析方法挖掘DVD激光头技术中的关键技术。

而自从社会网络分析方法引入到知识图谱中以后，许多学者开始将此方法用于关键与核心技术的识别。运用专利分类代码共现分析方法，Alan L.Porter［8］运用VantagePoint软件绘制了燃料电池的专利代码共现图谱，找出了其中的关键与核心技术（图2）；沈君等［29］以德温特专利数据库中1994-2009年的第三代移动通信技术专利为数据基础，利用频数、中介中心性、激增指数和∑指数四个指标识别出第三代移动通信技术领域的关键技术；张杰等［28］则在绘制德温特手工代码共现网络的基础上，将社会网络分析中的“m-核”分析方法引入共现网络，从而识别出低压变频技术的核心技术领域。针对科学文献，黄鲁成等［13］基于SCI中的数据，利用Bibexcel找出文献中出现的高频词汇，然后对其进行共词分析，绘制出共词网络图谱，利用中心性分析的方法得出太阳能电池产业化过程中的关键技术。

图2　基于分类代码的燃料电池图谱

4.3发现技术机会

技术机会分析是指通过对某领域内已有技术在横向和纵向的发展趋势及相互关系的挖掘，推断该领域未来可能出现的技术形态或技术发展点［26］。在社会发展日新月异的今天，企业的生存与发展就在于抓住机会实现技术创新，占领科技制高点，因此如何发现这些机会就成了企业管理部门非常关心的问题。

Douglas K.R.Robinson等［23］以SCI中的纳米增强生物传感器文献为数据来源，运用共引分析、共作者分析、主成分分析等方法绘制了学科共现图谱、机构合作图谱等，得到了纳米增强生物传感器主要涉及的领域（学科）和合作情况，从而以此案例解释了他们所提出的预测新兴技术创新路径的框架。Alan L.Porter等［36］［37］通过将知识图谱方法融入到数据挖掘中，从“人物、时间、地点、事件”等多个方面来挖掘技术机会，为管理决策部门提供企业技术情报。图3描述的是与三星有合作关系的部分图谱。图中，一个节点对应着一个机构，节点越大，意味着它参与的活动越多；两个节点越接近、连线越粗，意味着这两个机构之间的关系越紧密。潘东华等［14］以CNKI中的期刊文献为数据来源，以共词分析方法为研究手段，建立了包含关键技术分析、技术前沿分析和技术未来趋势分析三个视角的技术机会分析框架，并以铝电解领域为例进行了实证研究。

图3　染料敏化太阳能电池研究合作（SCI）：集中于三星共作者合作的部分

专利是企业创新能力的一种重要表现形式，因此，在技术机会分析研究中，有学者提出了基于专利的技术机会分析框架，他们所采用的方法或为专利分类代码共现分析方法［9］［38］，或以关键词共现分析方法为主［39］，还有将专利文献题录中的各个信息构建成共现对用来分析的方法［40］。除此之外，技术监测［41］［42］［43］也是分析技术机会的重要手段。

4.4探究技术演化规律

技术演化规律包括技术自身演化规律和技术应用领域演化规律。王敏等［44］认为技术的概念具有多层，所以技术演化的概念也随之不同。她从“S曲线”、技术系统观点、技术社会学观点和新兴技术演化等方面，对技术演化的内涵进行了探讨。通常，学者们利用技术轨道的研究来探索技术自身演化的规律研究，通过技术在不同领域的应用来研究技术应用领域演化研究。

技术轨道是技术演化研究的重要组成部分。1982年，多西提出了技术轨道的理论，他认为，技术轨道是由技术范式中所隐含的对技术变化方向做出明确取舍所决定的技术演化路径，或一组可能的技术方向［45］［46］。随后，其他一些学者在此基础上对技术轨道的概念进行了延伸。黄鲁成等［47］将“S曲线”方法用于技术轨道研究，并从专利逐年递增数量分析、技术更新速度分析、利益相关者分析三个角度，探讨了笔记本电脑电池领域技术轨道问题。杨中楷等［21］运用专利引文分析方法，利用Pajek软件绘制了太阳能光伏电池板的引文网络，以搜寻路径节点对数（ Search path node pair，简称SPNP）为衡量指标筛选出此技术领域的关键路径，划分技术发展的阶段；黄鲁成等［48］则先对所下载的专利进行年申请量变化分析，划分出技术发展的不同阶段，再运用专利引文分析方法，借助Netdraw和Pajek软件分别使用这几个阶段的专利以及全部专利绘制技术轨道图谱（图4）。

技术演化研究不仅包括技术本身的发展演变研究，还包括技术应用领域的转变研究。目前，国内研究新兴技术应用领域演化的文献还不多，主要代表是北京工业大学的黄鲁成团队。他们提出了几种研究技术应用领域演化的方法，如基于SAO（Subject-Action-Object，主谓宾）结构识别技术应用的领域［49］；沿着专利权人数量及所属产业领域的变化轨迹去发现新兴技术应用领域变化［50］；基于集合论和学科——领域的对应关系，研究技术应用领域转移［51］。2012年，黄鲁成团队发表了一篇题为《基于学科变化的技术应用领域变迁分析》的文章，文中以文献所属学科代表技术应用领域，以文献所属学科随时间的变化代表技术应用领域变迁，运用学科共现分析、关键词共现分析等方法进行了技术应用领域演化研究［15］。

图4　太阳能电池技术轨道（1967-2010）

5　　结论与展望

本文针对未来导向技术分析所要解决的关键问题，详细介绍了在进行未来导向技术分析时所使用的数据来源、研究对象、研究方法、软件工具等，系统梳理了知识图谱方法在未来导向技术分析领域中的应用。我们发现目前国内外知识图谱方法在未来导向技术分析中的应用状况比较混乱，方法、指标和工具的使用不规范，也缺乏针对性，各自为政、未形成体系。

我们对知识图谱方法在解决未来导向技术分析领域关键问题上的应用领域进行了综述，主要包括识别技术前沿与热点、挖掘关键与核心技术、找寻技术机会、探究技术演化过程等。这对于我们针对不同的未来导向技术分析中的关键问题，分析、验证各种数据及来源数据库，选择合适的可视化工具提供了参考，从而可以更加有针对性地、更加科学客观地满足未来导向技术分析的需求。

［1］Cagnin C，Keenan M.Positioning future-oriented technology analysis［M］.Springer Berlin Heidelberg，2008.

［2］刘则渊，陈悦，侯海燕 等著.科学知识图谱：方法与应用［M］.人民出版社，2008.

［3］孙涛涛，唐小利.专利文献中的技术热点监测方法及其应用研究［J］.医学信息学杂志，2011，（10）：40-44.

［4］陆萍.专利数据库USPTO、esp@cenet、DII的比较分析［J］.情报科学，2006，（9）：1348-1351.

［5］德温特手工代码与IPC国际专利分类号的分类比较：以燃料电池为例.http：//www.istis.sh.cn/list/list.aspx？id=5229 2014.12.16.

［6］周胜生.关键词在专利文献检索中的应用［J］.情报理论与实践，2010，（5）：67-70.

［7］栾春娟.基于专利计量与可视化手段的技术前沿探测——以波音公司为例［J］.情报理论与实践，2009，（8）：68-71.

［8］Porter A L，Cunningham S W.Tech mining［J］.Competitive Intelligence Magazine，2005，8（1）：30-36.

［9］吕一博，康宇航，王淑娟.基于共现分析的技术机会发现与可视化识别［J］.科研管理，2012，（4）：80-85.

［10］汤建民.2006年国内科学学研究的词频分析与计量研究［J］.科学学研究，2007，（S2）：518-522.

［11］冯璐，冷伏海.共词分析方法理论进展［J］.中国图书馆学报，2006，（2）：88-92.

［12］黄鲁成，王凯，王亢抗.基于CiteSpace的家用空调技术热点、前沿识别及趋势分析［J］.情报杂志，2014，（2）：40-43.

［13］黄鲁成，李剑.基于组合评价的太阳能电池产业化过程中关键技术的研究［J］.现代管理科学，2009，（9）：9-10+53.

［14］潘东华，徐珂珂.基于共词分析的技术机会分析［J］.科研管理，2014，（4）：10-17.

［15］吴菲菲，黄鲁成.基于学科变化的技术应用领域变迁分析［J］.科学学研究，2012，（4）：503-511.

［16］邱均平.文献信息引证规律和引文分析法［J］.情报理论与实践，2001，（3）：236-240.

［17］M.Kessler M.Bibliographic coupling between scientific papers［J］.American Documentation，1963，14：10-25.

［18］Henry Small.Co-citation in the scientific literature：A new measure of the relationship between two documents［J］.Journal of the American Society for Information Science，1973，24（4）：265-269.

［19］唐小利，孙涛涛.运用专利引证开展技术热点监测的实证研究［J］.图书情报工作，2011，（20）：77-81.

［20］孙涛涛，金碧辉.关键技术挖掘与企业技术竞争情报--以DVD激光头技术为例［J］.图书情报工作，2008，（5）：129-132.

［21］杨中楷，刘佳.基于专利引文网络的技术轨道识别研究--以太阳能光伏电池板领域为例［J］.科学学研究，2011，（9）：1311-1317.

［22］李春发，孙婷婷.基于科学知识图谱的战略性新兴光伏产业关键技术研究［J］.工业技术经济，2014，（5）：14-23.

［23］Robinson D K R，Huang L，Guo Y，et al.Forecasting Innovation Pathways （FIP） for new and emerging science and technologies［J］.Technological Forecasting and Social Change，2013，80（2）：267-285.

［24］White H D，Griffith B C.Author cocitation：A literature measure of intellectual structure［J］.Journal of the American Society for information Science，1981，32（3）：163-171.

［25］P.F.Peters H，F.J.Van Raan A.Structuring scientific activities by co-author analysis［J］.Scientometrics，1991，（20）：235-255.

［26］李阳，许培扬.国内外技术机会研究现状分析［J］.情报探索，2013，（1）：7-11.

［27］朱庆华，李亮.社会网络分析法及其在情报学中的应用［J］.情报理论与实践，2008，（2）：179-183+174.

［28］张杰，刘粉香，翟东升，黄鲁成.基于共现网络的核心技术领域识别研究［J］.情报杂志，2012，（11）：35-39.

［29］沈君，王续琨，高继平，滕立，林德明.基于文献计量指标的关键技术的探寻——以第三代移动通信技术为例［J］.情报杂志，2011，（9）：34-39+28.

［30］Change S.Technology futures analysis：Toward integration of the field and new methods［J］.Technological Forecasting & Social Change，2004，（71）：287-303.

［31］黄鲁成，吴菲菲，李欣.未来导向技术分析现状与思考［J］.中国软科学，2010，（12）：50-58+69.

［32］Morris S A，Yen G，Wu Z，et al.Time line visualization of research fronts［J］.Journal of the American Society for Information Science and Technology，2003，（54）：413-422.

［33］吴菲菲，汤牡丹，黄鲁成.研发产业热点领域与趋势分析方法研究［J］.科研管理，2012，（8）：63-71.

［34］国家“十二五”科学和技术发展规划［N］.科技日报，2011-07-14005.

［35］王健美，刘志芳，戴爱兵.纯电动汽车产业关键技术演进分析—专利引文分析视角［J］.图书情报工作，2014，（14）：21-27.

［36］Porter A L.How" tech mining" can enhance R&D management［J］.Engineering Management Review，IEEE，2008，36（3）：72-72.

［37］Porter A L，Guo Y，Chiavatta D.Tech mining：Text mining and visualization tools，as applied to nanoenhanced solar cells［J］.Wiley Interdisciplinary Reviews：Data Mining and Knowledge Discovery，2011，1（2）：172-181.

［38］黄鲁成，蔡爽.基于专利的判断技术机会的方法及实证研究［J］.科学学研究，2010，（2）：215-220.

［39］马婷婷，汪雪锋，朱东华，刘胜奇.基于专利的技术机会分析方法研究［J］.科学学研究，2014，（3）：334-342+383.

［40］李阳，许培扬.基于专利分析的技术机会识别流程研究［J］.情报理论与实践，2014，（5）：61-63.

［41］Coates V，Farooque M，Klavans R，et al.On the future of technological forecasting［J］.Technological Forecasting and Social Change，2001，67（1）：1-17.

［42］张诚，朱东华，徐志军.监测分析在高新技术产业技术创新中的应用研究［J］.现代图书情报技术，2008，（6）：56-60.

［43］朱东华，袁军鹏，李石柱.面向科研立项评估的技术监测和技术机会分析研究［J］.科研管理，2003，（2）：9-15.

［44］王敏，银路.技术演化的集成研究及新兴技术演化［J］.科学学研究，2008，（3）：466-471.

［45］Dosi G.Technological paradigms and technological trajectories：A suggested interpretation of the determinants and directions of technical change［J］.Research Policy，1982，11（3）：147-162

［46］熊鸿儒，王毅，林敏，吴贵生.技术轨道研究：述评与展望［J］.科学学与科学技术管理，2012，（7）：21-28.

［47］黄鲁成，蔡爽.基于专利的技术轨道实证研究［J］.科学学研究，2009，（3）：363-367.

［48］黄鲁成，石媛嫄，吴菲菲.基于专利引用的技术轨道动态分析—以太阳能电池为例［J］.科学学研究，2013，（3）：358-367.

［49］吴菲菲，李倩，黄鲁成.基于专利SAO结构的技术应用领域识别方法研究［J］.科研管理，2014，（6）：1-7.

［50］吴菲菲，黄鲁成，石媛嫄.基于产业专利权人的新兴技术应用领域变化研究［J］.研究与发展管理，2013，（4）：96-103.

［51］吴菲菲，彭巧语，黄鲁成.基于集合论的技术应用领域转移研究［J］.科学学研究，2014，（3）：327-333.

（责任编辑：张萌）

The Application of Knowledge Mapping Method in Future-oriented Technology Analysis

ZHANG Shanshan，HOU Haiyan，HU Zhigang
（WISE Lab，Dalian University of Technology，Dalian 116024）

Future-oriented Technology Analysis （FTA） as a method of forecasting and evaluating the development of technology in the future，plays an important role in science and technology policy.Knowledge mapping method as a quantitative research method with computer technology and graphic technology visually displays the knowledge structure and evolution process.And it has applied in FTA.This paper introducedthe key problems of Future-oriented Technology Analysisthat knowledge mapping method has solved.And then we systematically summarizethe applied research status of the application of knowledge mapping method in future-oriented technology analysis from data source，research object，research methods and software tools.

Knowledge mapping； Future-oriented Technology Analysis； Patent analysis； Technology fronts

G31

A

10.3969/j.issn.1003-8256.2015.06.005

国家社科基金项目（14BTQ030）

张珊珊（1990-），女，河北唐山人，硕士研究生，研究方向为科学计量学与科学知识图谱；侯海燕（1971-），女，黑龙江牡丹江人，博士，教授，博士生导师，研究方向为科学计量学与科学知识图谱；（通讯作者）胡志刚（1984-），男，山东济宁人，博士，大连理工大学讲师，研究方向为科学计量学、科学学等。