基于专利的技术融合测度方法

娄岩+杨培培+黄鲁成

〔摘 要〕 现代科技的发展使得信息与其它技术组成的技术群落及各技术群落之间相互联系、渗透不断加强，出现了各种技术的交叉融合。如果能及早发现这些技术领域间目前的融合状态及其融合趋势，将会对我国在相关技术方面的优先研发制定发展战略产生重大意义。为解决这个问题提出了一个定量测量技术融合的框架，该框架以专利数据为依据，通过对技术融合的宏观和微观相结合来确定融合的现状，其中微观分析中主要针对技术融合所形成网络的节点以及链路进行测度。最后以德温特数据库中纯电动汽车技术和信息技术的融合为实例对其进行验证。针对实例研究，结果表明G06F（电数字数据处理）、B60L（电动车辆的电力装备或动力装置）、H02J（电能存储系统）等技术与其它技术比较容易发生融合且融合能力较强。G06F-B60W，G05F-H02M等技术对的融合在技术融合中起到了较重要的作用，且其融合强度质量均较高。

〔关键词〕 专利；技术融合；测度方法；宏观分析；微观分析；信息技术；电动汽车技术

DOI：10.3969/j.issn.1008-0821.2017.08.021

〔中图分类号〕G255.53；G306 〔文献标识码〕A 〔文章编号〕1008-0821（2017）08-0142-12

〔Abstract〕 The development of modern science and technology makes technical communities compose by information technology and other technologies，and various technical communities continue to strengthen the contact and penetration，so appears a variety of technologies cross-convergence. If these technological fields current convergence state and the trend of convergence were detected earlier，it will have a major significance on our countrys priority development and strategies making. To solve this problem，this article proposed a framework based on patent data to measure the technology convergence，and through combining macro and micro study of technology convergence，it could determine the state of convergence. And at the same time the data of electric vehicle technology and information technologys convergence from Derwent databases was used as an example to verify it. The results showed that G06F （electric digital data processing），B60L（power equipment or power plant of electric vehicle），H02J （electric energy storage system） and other technologies were more prone to converge with other technologies and its convergence ability was strong. The convergence of G06F-B60W and G05F-H02M played a more important role in the technology convergence，and their convergence strength and quality was higher too.

〔Key words〕 patent；technology convergence；measuring method；microscopic analysis；macro analysis；information technology；electric vehicle technology

20世紀以来，科技发展日新月异，不同学科、科学与技术、科技与经济和社会发展之间呈现出相互影响、渗透、交叉和融合的发展态势。且当前各学科间的交叉联系不断加强，一个领域内问题的解决、技术的突破往往需要多学科知识的综合运用和其他领域技术的进步，会聚技术就是各学科协同发展趋势的产物[1]。此外，随着全球化进程的加速，以及技术的不断发展，更多的企业都在试图发现新兴产业增强其竞争力。在这种情况下，技术融合和相关产品的战略决策会影响着企业和国家的竞争力[2]。故科学客观的分析技术融合对于引导新兴产业形成和发展具有重要意义。对技术融合进行综合定量研究以及预测未来的发展趋势对各个产业的发展有着极大的推动作用。

事实上，很多发达国家的政府已经意识到了不同领域的技术融合带来的机遇，也采取了很多措施来推动私人企业，大学和政府研究机构对技术融合进行研究。Guild Paul[3]等提出用专家知识（expert knowledge）预测未来可能出现的会聚后的新技术，即将来自不同技术领域的专家集合在一起，依靠他们的知识直觉来预测会聚技术领域可能出现的新技术。Hyoung-joo Lee等[4]提出应用隐马尔科夫模型和聚类分析分析专利数据以此来识别技术发展趋势，并应用该方法对 ICT 进行了分析；汤文仙[5]提出了技术融合的实质过程是技术在不同产业间扩散的结果，并应用传染病模型和改进的动态模型分析技术融合下的技术创新扩散曲线；Yuko Yasunaga等[6]提出可采用技术路线图方法制定促进技术会聚的创新决策，把技术路线图方法的应用范围从传统的R&D管理领域扩展到制定技术会聚策略。

上述研究的主要問题是关注点都在技术本身，对其探索比较成熟，而技术融合最终形成的是一个错综复杂的网络，网络由节点和链路组成，而上述只是研究了节点，对链路没有详细的探索。本文在微观分析部分主要针对节点以及链路进行分析，对技术融合所形成的网络进行全面的探究。旨在识别出技术融合网络中具有较强的融合度的节点以及具有较强的链路，最后将两者综合分析得出融合度较高的技术对以及在融合中比较有优势的单项技术。最后相关企业以及研究机构可以根据最后结论制定其发展战略，最大程度上改善其现有技术或者研发新技术。

1 技术融合的概念和测量方法

1.1 概念

N.Rosenberg 首次提出技术融合（ Technological convergence） 这个概念，他认为技术融合指出技术会聚是各类不同行业在合作解决他们的技术障碍时，产生的技术创新现象，在合作过程中这些技术领域具有共同的目标。在这以后关于技术融合的定义一直在被讨论，Kodama[7]指出技术融合是通过重组现存的技术来获得创新，这种融合后的技术突破了原有技术的发展障碍同时也丧失了原有技术的特性。而融合有时用来指不同知识系统之间概念的融合，有时则用来指先前不同领域的统一，而有时却用来指研究方向不同的领域为了共同的目标而走到一起的现象[8]。我国学者也对技术融合的内涵进行了研究，汤文仙[9]提出了技术融合的实质过程是技术在不同产业间扩散的结果，并分析了技术融合条件下的技术生命周期。其次关于融合类型，现有文献对会聚技术类型的划分主要是依据融合程度、核心技术等。汤文仙[5]根据技术融合的结构与程度、融合的效果将融合定义为完全融合、部分融合。也有学者把技术融合定义为：不同技术轨道的整合所导致的不同技术元素的整合的过程[9-10]。

本文提出对技术融合的界定，技术融合是指两个或两个以上的不相关的技术出现技术交叉的现象，可以以一种新技术的形式出现，也可以是一项技术应用到另一项技术的形式出现，是技术创新的一种重要形式。技术融合的出现往往伴随着相关领域技术的替代或重叠，并可以以多种形式出现。

1.2 技术融合的测量

专利是技术创新的指示器，以往的很多研究都是将专利作为宏观分析的工具[11]。从客观性研究方面来说，专利数据已广泛运用于许多技术领域的研究。目前许多国家和企业正不断加强对上述专利分析的理论研究并利用专利数据中隐含的信息评估技术发展动态，研究技术竞争力，从而为国家或企业制定技术发展战略提供支持[1]。而将专利应用到技术融合的测量的研究则相对较少，对专利文本信息的挖掘，有利于企业尽早获悉潜在的可能发生的技术融合，掌握技术的研发动态，及时做出研发战略的调整[12]。

基于专利对技术融合进行分析方法大致分为两种：专利引文分析法和专利共现分析法。专利引文反映专利对技术创新和技术信息流的影响[13]。通过引文数据识别技术知识的流向[14]，从而进行技术融合趋势的分析[15]； 国际专利分类号（ IPC） 由专利局的审查员根据严格的指导原则分配到每一件发明和实用新型专利，所以，专利共现信息也可以用来确定技术之间的关系[16]。专利引文数据的获取受限于少数几个专利数据库，而且专利引文数据并没有提供更多的不同技术之间的信息，因为施引的专利和被引的专利常常是同一个技术主题下的专利[17]，因此专利引文数据反映技术之间的融合并不全面[18]。与专利引文数据相比，专利共现数据较易获取而且能够反映较多不同技术主题里的技术融合。专利共现分析常用于不同学科交叉结构[19]、技术多样性[20]、技术预测[21]等相关研究。不同类别的技术在同一个专利中共同出现，这反映了技术的相关性。正是这种相关性反映了不同产业间的技术融合，因此可以通过测算其相关性来衡量产业间的技术融合程度。

因此，鉴于上述分析与相关文献的综述，本文以专利信息作为有效的数据来源，以共同分类为基础进行分析，从形成融合网络的节点和链路对两项技术的融合进行测度，并对方法进行实例验证。

2 研究体系

2.1 数据获取

首先确定数据源，德温特专利数据库（ DII） 是世界上最全面的国际专利信息数据库，收录来自全球 40 多个专利机构（涵盖100多个国家） 的 1000 多万条基本发明专利，故本文的专利数据主要从德温特数据库获得。

2.2 宏观分析

UCINET网络分析集成软件包括一维与二维数据分析的NetDraw，该软件包有很强的矩阵分析功能，如矩阵代数和多元统计分析。它是目前较流行的社会网络分析软件。故利用UCINET软件对每个阶段的专利进行分析，从整体上了解各个阶段的相关技术的融合态势，并对融合的趋势进行研究。

2.3 微观分析

在微观分析中，分别从技术融合构成网络的节点和链路进行测量，其中节点引入熵、包容性、强度等指标，链路分析中引入交叉影响、相关系数、平均梯度等指标来测量。

2.3.1 节点

1）熵

熵开始是热力学中表征物质状态的参量之一，是一个系统中“无秩序”的程度，也表征生命活动过程质量的一种度量。在本文中，将熵的概念引入到技术融合中，用来测量某项技术在技术融合中的“质量”，即在技术融合中起到的作用，熵值越大表明该项技术在技术融合中起到的作用越大，熵值越小起到的作用越小。技术融合中熵的测量可以为相关企业的研发重点提供参考，企业可以重视熵值较高的以及受到高度关注的相关技术。熵的定义如（1）所示：

其中，技术i、技术j分别由其技术内涵和技术边界构成。二者交集的大小表示技术 i和技术j融合的程度，即技术i和技术j之间的链路数量，二者并集的大小表示技术i和技术j在某一阶段总的专利数量，即从技术i和技术j发出的链路数量。

2）交叉影响

Changwoo等[25]提出了基于专利的交叉影响法，该方法将技术 i 和技术 j的影响Impact（i，j）定义为一个条件概率n（j/i），影响值为技术i和技术j共同包含的专利数与技术i包含的专利数的比值。根据交叉影响值将链路分组将有助于进一步分析技术间的关系。在本研究中，我们首先设定影响关系阈值，根据阈值将链路分为三种类型：双向箭头（链路连接的两项技术为双向影响）、单向箭头（链路连接的两项技术为单向影响）和无箭头（链路连接的两项技术彼此无影响）。如果技术 i 对 j 的交叉影响值——Impact（i，j）大于阈值，技术j对i的交叉影响值——Impact（j，i）也大于阈值，那么技术i和技术j间相互影响，这个链路的类型为双向箭头。如果 Impact（i，j）和 Impact（j，i）中只有一个交叉影响值大于阈值，那么这个链路类型为单向箭头。如果技术对的交叉影响值Impact（i，j）和 Impact（j，i）都小于阈值，那么这个链路的类型为无箭头。

Changwoo Choi 应用基于专利的交叉影响法对信息通信技术领域内各子技术间的影响关系进行了研究，并将影响关系阈值取为 0.15，本文以此为依据结合具体情况将影响关系阈值取为0.1。公式如下所示：

3）相关系数

相关系数是用以反映变量之间相关关系密切程度的统计指标。本文引入相关系数这一指标来测量链路的强度，相关系数越大说明链路的强度越大，公式为[26]：

4）平均梯度

平均梯度通常指图像的边界或影线两侧附近灰度有明显差异，即灰度变化率大，这种变化率的大小可用来表示图像清晰度，本文引入平均梯度对链路进行测度，平均梯度越大表明链路两侧的技术融合质量越好，意味着更好的融合的水平[27]。计算公式如下：

其中M、N代表每项技术的阶段数，I（i，j）代表技术i和j在某一阶段融合的专利数量。I（i，j+1）代表技术i和下一个阶段的技术j发生融合的数量，I（i+1，j）代表技术j和下一个阶段的技术i发生融合的数量，因技术融合不具有方向性，故I（i，j+1）和I（i+1，j）在数值上是相同的。

3 数据分析——以信息技术与电动汽车技术的融合为例

3.1 数据获取

随着我国汽车产业的发展，2012年我国发布了《节能与新能源汽车产业发展规划（2012-2020）》，2015年发布了《中国制造2025》，正式提出制造强国战略，并将节能与新能源汽车列为重点发展的十大领域之一，总体上指明了节能汽车、新能源汽车和智能网联汽车技术的发展方向和路径，故本研究主要针对纯电动汽车的智能网联技术与信息技术的融合来进行探讨，并以德温特数据库为数据源对专利数据进行检索。

在检索有关电动汽车专利时，用主题词进行检索，检索表达式如下：TS=（“blade electric”or“battery electric”or“hybrid electric” or“fuel cell”）and（“auto*”or“car”or“vehicle”）检索时将两者用“and”合并，由于专利的滞后性，将时间段分为2004—2007年、2008—2011年、2012—2014年，其中2004—2007年共检索出233个专利族，2008—2011年共检索出684个专利族，2012—2014年共检索出782个专利族，检索时间为2016年5月20日。对本文涉及到的主要IPC分类号解释如下：

3.2 宏观分析——技术共现图

作为一个宏观层面的分析，我们用技术共现图总体分析2004—2014年期间的技术融合态势，并将其划分为三个时期。以下为各个时期的技术共现图，左侧代表电动汽车技术，右侧代表信息技术，结点的大小表示专利数量的多少，结点越大说明此项技术的专利申请数量越多。线条的粗细代表两项技术之间联系的强度，线条越粗代表两项技术之间的联系越多。从图中可以看出信息技术领域和电动汽车技术领域之间融合最多的为：G06F-B60L，G06F-H02J，H04L-H02J，G06Q-H02J，H04B-H02J，G08C-G01R，H03K-H02M，H04N-B60R，G06K-B60R，H04R-B60R，H04M-H02J，H04Q-H02J。

3.2.1 2004—2007年技术融合

图3显示了2004—2007年期间的IPC共现情况，可以看出，2004—2007年期间具有最强关系的为G06F（电数字数据处理）和H02J（电能存储系统），H03K（脉冲技术）和H02M（电源或供电系统设备），H04N（图像通信）和B60R（车辆配件或车辆部件）。

3.2.2 2008—2011年技术融合

图4显示了2008—2011年期间的IPC共现，可以看出2008—2011年期间具有最强关系的为G06F（电数字数据处理）和H02J（电能存储系统），H04N（图像通信）和B60R（车辆配件或车辆部件），G08C（测量值、控制信号或类似信号的传输系統）和G01R（测量电变量，测量磁变量）。与上一时期相比，有更多的信息技术领域和电动汽车领域在发生融合，虽然融合强度较低，但是类型增多，说明这一时期的技术正在发生多样化变化。

3.2.3 2012—2014年技术融合

2012—2014年期间具有最强关系的为G06F（电数字数据处理）和H02J（电能存储系统），H04N（图像通信）和B60R（车辆配件或车辆部件），H04B （传输）和 H02J（电能存储系统）.与2008—2011年期间相比两个技术领域的融合种类也在增多。

3.2.4 技术融合趋势图

图6中每个技术对应的3条柱状线条从左到右依次为技术对在2004—2007年、2008—2011年、2012—2014年的融合次数，可以看出，G06F-B60L、G06F-B60W、G06F-B60K在近几年发生融合的次数不断增多，说明人们逐渐意识到了信息技术与电动汽车技术融合的重要性。此外，G06Q-H02J、G06Q-B60L整体来说融合次数较少，但是也呈现逐渐增长的趋势，发展势头良好，说明这两些技术的融合有较好的发展潜力。相关企业和研发机构可以加强对上述这些技术的融合研究。

3.3 微观分析——技术融合的测量

3.3.1 节点

1）熵值

本文选取了每个阶段融合数量排名前五的技术组合进行熵值分析，结果如表3-5所示：

由表3-5结果可以看出，在2004—2007年期间在技术融合中起到重要作用的為H02J（电能存储系统），在2008—2011年和2012—2014年期间起到最重要作用的为G06G（模拟计算机），说明转变说明在近些年信息技术在技术融合中起到了较重要的作用，也从侧面反映了在近些年电动汽车在智能网联技术方面的正在不断地发展。近些年熵值逐渐增大的技术有B60W（专门适用于混合动力车辆的控制系统）、H03K（脉冲技术），说明这两项技术在技术融合中的作用正在逐渐上升。

2）包容值

将表6转换为柱状图（技术对应的3条柱状线依次为2004—2007年、2008—2011年、2012—2014年的包容值）可以综合看出，3个阶段中包容性最强的为G06F，其次为H01M，B60L；H02J，G01R包容性在近几年逐渐增强，说明G06F与其它技术发生技术融合的能力最强，融合的程度较好；相关技术的包容性逐渐增强说明这些技术在相关研究机构和研发人员加强研究时包容性逐渐显露出来。

3）节点强度

表7-9可以看出，在2004—2007年之间在技术融合中强度值较大的技术为G06F、G01R、B60L、B60K；在2008—2011年之间强度值较大的为G06F、B60L、B60W、H02J；在2012—2014年之间强度值较大的为B60L、G06F、H02J、B60W。综合分析，随着技术的不断发展B60L在技术融合中的强度值越来越大，即此项技术在技术融合中融合的强度越来越大，近几年，B60L、G06F、H02J、B60W的强度值一直位列前茅，说明其它技术与这四项技术形成的技术融合网络比较稳定。

3.3.2 链路

1）Jaccard系数

从表7中可以看出2004—2007年之间链路权重较大的为G05F-H02M，G06F-B60W，H03K-H02M；2008—2011年之间链路权重较大的为G06F-B60L，G05F-H02M，G06F-B60W，G06F-B60K；2012—2014年之间链路权重较大的为G06F-B60L，G06F-B60W，G05F-H02M，H03K-H02M。链路权重较大说明链路在链路网络中起到的作用较大，即技术对在技术融合中起到的作用较大，相关研发人员可以通过加强对这些技术的研究来推动技术融合的发展。

2）交叉影响值

将表11数据体现在散点图中如图8-10：

根据图8、9、10和表11，可以识别并定量的比较各链路的类型。2004—2007年之间存在双向箭头的链路有G05F-H02M；2008—2011年之间存在双向箭头的链路有G06F-B60W，G05F-H02J，G06Q-H02J，H04B-H02J；2012—2014年之间存在双向箭头的链路有G06F-B60L，G06F-B60W，G06F-B60K，G05F-H01M，G05F-H02M，H03K-H02M。这些技术对中两项技术间具有密切的关系，任意一个技术都可以影响另一个技术的发展。比如说2012—2014年间技术对G06F- B60L是一个双向影响技术对，技术G06F 包括电数字数据处理所涉及的技术，技术 B60L包括电动车辆动力装置所涉及的技术。那么可以预测技术 G06F 的发展将会极大地促进技术 B60L的发展进步，反之亦然。

2004—2007年之间存在单向箭头的链路有G06F-B60L，G06F-B60W，G06F-B60K，G05F-H01M，G05F-H02J，G06Q-H02J，H03K-H02M，H03K-B60L；2008—2011年之间存在单向箭头的链路有G06F-B60L，G06F-B60K，G05F-H02M，G06Q-B60L，H03K-H02M；2012—2014年之间存在单向箭头的链路有G05F-H02J，G06G-B60L，G06Q-H02J，G06Q-B60L，H04B-H02J，H04B-B60L。存在单向箭头的链路中的一个技术可以影响另一个技术，但是反之却不存在影响关系。例如技术对G05F-H02J间存在单向影响关系，技术 G05F包括调节电变量或磁变量的系统所涉及的技术，技术H02J 是有关供电或配电的电路装置或系统、电能存储系统的技术。技术 G05F 的发展将会影响技术 H02J，而技术 H02J却不能影响技术 G05F的发展。

剩余的链路被归为无箭头类型，这些链路两侧的两项技术间的交叉影响值较小，它们间的联系较弱。与单向箭头和双向箭头的链路相比，无箭头的链路对在技术融合中的重要性相对较低。技术融合研发人员应制定双向箭头和单向箭头的链路的优先研发策略[1]。

3）技术相关系数

本文选取了融合数量较多的技术对进行分析，结果如图11所示：

从图11中可以看出，G06F-B60L、G06Q-H02J、G06Q-B60L相关系数接近1，说明连接两项技术之间的链路强度较大， 说明这些技术对在技术融合所形成的融合网络中被紧密的衔接。

4）平均梯度

从图12中可以看出G06F-B60W的平均梯度值最大， G06F-B60K 和G06F-B60L次之，说明这三个技术对的融合水平以及融合质量较高。相关企业及研究机构可以着重研究梯度较大的技术组合，较容易获得融合水平和质量较高的改善现有技术的新方法。

3.4 相关指标组合分析

通过对相关指标的组合分析，可以从多个角度对技术融合进行分析，特别是在对技术择优方面，可以考虑各种因素对技术融合的影响，这可以从整体上对技术融合做出判断并增加选择的客观性。在本文中列举了两个组合，分别是包容性和技术强度组合以及链路权值和相关系数组合，相关研发人员可以对更多的组合进行研究来确定未来的研究方向。

3.4.1 包容性和技术强度组合图

从图13-15可以看出（其中虚线为包容值，实线为技术强度值），3个阶段中包容性以及技术强度较大的技术为G06F、B60L，说明这两项技术与其他技术较容易发生技术融合，且在技术融合中形成的新技术或者改善的技术较为稳定，相关企业可以着重关注此技术。包容性较强但技术强度较小的有H01M、B60R，说明这两项技术较容易与其他技术发生技术融合，但是在技术融合中形成的新技术或者改善的技术稳定性较差。强度较大但包容性较差的有H02M、B60W，说明这两项技术不易于发生技术融合，但是一旦发生融合，形成的新技术或者改善的技术较为稳定。相关研究机构可以对形成的新技术或者改善的技术较稳定且易发生技术融合的技术进行研究，对于稳定但不易于发生融合和不稳定易于发生融合的技术应结合自己的研发实力进行选择性研究。

3.4.2 链路权值和相关系数组合图

由图16-18可以看出，在第一象限的技术组合具有高相关性且权重值较高，相关企业及研究机构可以着重发展技术组合中的占优势的某一项技术，因为具有高相关性，故在发展一项技术的同时可以凭借此项技术的优势获得另一项技术的优势，且两项技术权值较高，在技术融合中起到的作用也很大。处在第二象限的技术组合具有较高的关联性但是权值较低，相关研究人员可以对其进行研究，比较容易产生融合成果，但是影响力相对较低。处在第三象限的技术组合具有较低的关联性且权重值较低，整体来说对技术融合的发展具有较小的影响。处在第四象限的技术组合具有相对较低的关联性但是权值较高，相关研究人员必须同时对技术组合中的两项技术进行研究，才能研究出具有重要作用的新技术。以上分析可以为技术发展策略及技术发展战略的制定提供重要参考。

从图16-18可以看出，G06F-B60W，G05F-H02M在3个阶段均处在第一象限，故相关企业可以着重发展企业具有优势的某一项技术来获得另一项技术具有的优势，并且融合结果将会在推动技术融合发展方面起到较好的作用。G06Q-B60L，G05F-H02J，H03K-B60L，H04B-H02J在3个阶段均处在第二象限，这些技术具有较高的相关系数但是权值较小，相关人员可以对其中某项技术进行研究，较容易得出融合成果。G05F-H01M，G06G-B60W，G06G-B60L，G06Q-G01R处在第三象限，这些技术组合相关性较低，权值较低，其发展对技术融合的影响较小。

4 结论及建议

本文采用宏观微观相结合的方法针对信息技术与电动汽车技术的融合进行了测量，宏观分析中给出了技术融合的整体发展态势，微观分析中分别从节点以及链路的角度对技术融合进行了测量。可以得出以下结论和建议：

1）从整体趋势上看，信息技术与电动汽车技术的融合逐渐上升，目前正处于快速发展时期。因此，我国需要紧紧抓住融合的趋势，加大对技术融合的研发力度，为智能制造工程的实施建立坚实的技术基础。

2）从节点的角度来看，在技术融合中G06G（模拟计算机）、B60W（专门适用于混合動力车辆的控制系统）、H03K（脉冲技术）起到的作用越来越大；从包容性以及技术强度较强的技术有G06F（电数字数据处理）、B60L（电动车辆的电力装备或动力装置）、H02J（电能存储系统），说明这几项技术与其它技术比较容易发生融合且融合能力较强。

3）从链路的角度看，G06F-B60W，G05F-H02M在3个阶段中链路权重一直处于较高的水平，说明这些链路在技术融合网络的形成中起到了较重要的作用。近几年链路为双向箭头的有G06F-B60L、G06F-B60W、G06F-B60K、G05F-H01M、G05F-H02M、H03K-H02M，企业可以选择链路两侧的技术中有优势的一项技术来带动另一项技术的发展。综合相关系数以及平均梯度来看，G06F-B60L不仅高度正相关且其融合的质量较好，可以重点研发。

4）从相关指标组合图来看，包容值及链路强度值都较大的技术容易发生融合且组成的链路较稳定，相关企业可以着重研究，对这些技术的投入将会获得较好的产出。对于相关性较高且链路权重较大的技术组合，相关企业可以着重发展某一项具有优势的技术来带动另一项技术的发展，这样可以以最少的人力和物力获得最大的效益。

本文的不足之处在于由于本文提出的方法需要依据专利信息，因此，申请专利的背景知识提供的完整性和真实性对结果有一定的影响。此外，在对节点和链路进行探究时，相应的指标不仅仅局限于本文所提出，故还可进一步进行研究。

参 考 文 献

[ 1 ]秦立芳.基于专利交叉影响法的NBI会聚趋势研究.[D].北京：北京工业大学，2013.

[ 2 ] CS Curran，J Leker.Patent Indicators for Monitoring Convergence-Examples from NFF and ICT[J].Technological Forecasting and Social Change，2011，78（2）：256-273.

[ 3 ] Guild Paul. Using Expert Knowledge to Envision Future Converging Technologies[C]. Conference of the Portland International Center for Management of Engineering and Technology. Portland，2007.

[ 4 ] Hyoung-joo Lee，Sungjoo Lee，Byungun Yoon. Technology Clustering Based on Evolutionary Patterns：The Case of Information and Communications Technologies[J]. Technological Forecasting & Social Change，2011，78（6）：953-967.

[ 5 ]汤文仙.技术融合的理论内涵研究[J].科学管理研究，2006，24（4）：31-34.

[ 6 ] Yuko Yasunaga，Masayoshi Watanabe，Motoki Korenaga. Application of Technology Roadmaps to Governmental Innovation Policy for Promoting Technology Convergence[J]. Technological Forecasting & Social Change，2009，76（1）：61-79.

[ 7 ] Kodama，F. Emerging Patterns of Innovation：Source of JapanTechnological Edge [M]. Harvard Business School Press，1995：213.

[ 8 ] 裴鋼，熊燕，高柳滨. NBIC会聚技术：中国的新机遇？[J]. 中国医药生物技术，2007，2 （1）：46-50.

[ 9 ] Karvonen M，Lehtovaara M，Kssi T.Build-up of Understanding of Technological Convergence：Evidence from Printed Intelligence Industry[J]. International Journal of Innovation and Technology Management，2012，9（3）：1094-1107.

[ 10 ] Adner R，Levinthal D. Technology Speciation and the Path of Emerging Technologies[J]. Wharton on Managing Emerging Technologies，2000：55-74.

[ 11 ] I Rafols，AL Porter，L Leydesdorff. Science Overlay Maps：A New Tool for Research Policy and Library Management[J].Journal of the American Society for Information Science and Technology，2010，61（9）：1871-1887.

[1 2 ] Shibata N，Kajikawa Y，Takeda Y，et al.Detecting Emerging Research Fronts in Regenerative Medicine by the Citation Network Analysis of Scientific Publications[J].Technological Forecasting and social Change，2011，78（2）：274-282.

[ 13 ] Engelsman E C，Van Raan A F J.A Patent-based Cartography of Technology[J].Research Policy，1994，23（1）：1-26.

[ 14 ] De Solla Price D. On Mapping The Subject Categories of Physics Abstracts[J].New Haven：Yale University，1989.

[ 15 ] Kim MS，Kim C. On A Patent Analysis Method for Technological Convergence[J].Procedia-social and Behavioral Sciences，2012，40：657-663.

[ 16 ] Mcnamee RC.Cant See The Forest for The Leaves：Similarity and Distance Measures for Hierarchical Taxonomies With A Patent Classification Example[J].Research Policy，2013，42（4）：855-873.

[ 17 ] Breschi S，Lissoni F，Malerba F. Knowledge-relatedness In Firm Technological Diversification[J]. Research Policy，2003，32（1）：69-87.

[ 18 ] Leydesdorff L. Patent Classifications as Indicators of Intellectual Organization[J]. Journal of The American Society for Information Science and Technology，2008，59（10）：1582-1597.

[ 19 ] Tijssen RJ W.A quantitative Assessment of Interdisciplinary Structures in Science and Technology：Co-classification Analysis of Energy Research[J].Research Policy，1992，21（1）：27-44.

[ 20 ] Suzuki J，Kodama F. Technological Diversity of Persistent Innovators in Japan：Two Case Studies of Large Japanese firms[J]. Research Policy，2004，33 （3） ：531-549.

[ 21 ]乔杨.专利计量方法在技术预见中的应用——以国内冶金领域为例[J].情报杂志，2013，32（4）：34-37.

[ 22 ] Y Geum，C Kim，S Lee，MS Kim. Technology Convergence of IT and BT：Evidence from Patent Analysis[J].ETRI Journal，2012，34（3）：439-449.

[ 23 ]Wasserman，Faust. K. Social Network Analysis：Methods and Applications[M]. Cambridge：Cambridge University Press.1994.

[ 24 ] Akademiai Kiado Budapest，Hungary. Technology Convergence：What Developmental Stage are we in？[J]. Scientometrics，2015，104（3）：841-871.

[ 25 ]CHANGWOO GHOI，SEUNGKYUM KIM，YONGTAE PARK. A patent-based Cross Impact Analysis for Quantitative Estimation of Technological Impact：the Case of Information and Communication Technology[J]. Technological Forecasting & Social Change，2007（74）：1296-1314.

[ 26 ] Limin Dong，High Quality Multispectral and Panchromatic Image Fusion Technologies Based on Curvelet Transform[J]. Neurocomputing. 2015，159：268-274.

[ 27 ] G. Aubert，L. Vese，A variational Method in Image Recovery[J]. SIAM J. Numer.Anal.1997，34 （5）：1948-1979.

[ 28 ] OECD.OECD Work On Patent Statistics[EB/OL].http：//www.oecd.org /sti/inno/40807441. pdf.

（本文責任编辑：郭沫含）