基于专利共类的技术融合分析框架研究

娄岩 杨嘉林 黄鲁成 苗红 杨培培

摘 要：[目的/意义]技术融合是技术创新的重要手段，分析技术融合对于企业洞察技术机会和规划研发活动具有重要意义。[方法/过程]基于专利共类信息，从整体和局部视角出发构建技术融合的分析框架。整体层面对技术融合形成的网络进行网络指标分析。局部层面对筛选出的关键技术进行节点和链路分析，其中节点分析包括关联度、均匀性和吸引力分析，链路分析包括凝聚子群、紧密度和差异性分析。最后以老年福祉技术与信息技术的融合为例进行实证研究。[结果/结论]所提出的分析框架有助于把握整体技术融合发展态势和研发热点，能够有效识别核心技术节点和链路。

关键词：专利;技术融合;老年福祉技术;信息技术

DOI：10.3969/j.issn.1008-0821.2019.09.005

〔中图分类号〕G304 〔文献标识码〕A 〔文章编号〕1008-0821（2019）09-0041-13

Abstract：[Purpose/Significance]Technogical convergence is an important means of technological innovation.Analysis of technogical convergence is of great significance for enterprises to gain insight into technology opportunities and plan R&D activities.[Method/Process]Based on patent co-classification，the analysis framework of technogical convergence was constructed from the overall and local perspectives.At the overall level，the network indicators were analyzed for the network formed by technogical convergence.At the local level，node and link analysis were carried out for the selected key technologies，among which node analysis included correlation degree，uniformity and gravitation analysis，and link analysis included cohesion subgroup，tightness and difference analysis.Finally，an empirical study was conducted on the convergence of elderly gerontechnology and information technology.[Result/Conclusion]The proposed analysis framework was helpful to grasp the overall trend of technogical convergence and R&D hotspots，and could effectively identify the core technology nodes and links.

Key words：patent;technogical convergence;elderly gerontechnology;information technology

近年来随着科学技术的飞速发展，学科间交叉渗透不断加强，技术联系愈发紧密，产业交融机会增多。日益复杂的社会经济和技术问题的解决，通常需要不同学科间技术知识的整合[1];一个领域的技术进步，往往依赖于其他领域的技术渗入[2]。技术融合已经成为技术创新发展的重要来源[3]。

作为技术创新领域技术发展的倾向和本质[4]，技术融合不仅创造了开发新技术和知识的机会，成为科技发展新的增长点[5]，还成为改变企业定位新市场的重要驱动力[6]。因此，分析技术融合发展态势，识别关键技术节点和链路在技术融合中的地位和作用，对于洞察未来机会、规划研发活动具有重要的现实意义，对于推动技术创新、引導新兴产业的形成与发展具有极大的促进作用。

鉴于技术融合的重要性，许多国家的政府机构已经建立了各种支持计划以促进技术融合。如美国的NBIC技术融合研究计划、欧盟委员会的技术融合政策，以及韩国的“国家技术融合发展的基本原则”。21世纪以来，学术界对技术融合的研究也呈现出快速增长的趋势。Hacklin F等[7]强调技术融合使企业能够主导下一代的技术创新，Kim B等[8]指出可以通过边缘异常值的计算在不同技术领域的融合中识别技术机会。不同学者开发了专利指标用于技术融合度的测算，例如Sung K等[3]通过专利引用分析，开发了相对融合度指数，从微观层面衡量了云计算领域的技术融合程度。Geum Y等[9]开发了强度和覆盖度指标以及投资组合矩阵，分析了BT和IT领域的技术融合。此外，还有学者将熵指数[10]、Rao-Stirling指数[11]、赫芬达尔指数[12]等用于技术融合的测度。也有学者对促进技术融合的关键技术和融合网络进行了研究，例如Cho Y等[13]应用熵和引力的概念测量了印刷电子领域各技术在融合中的不同作用，Kim E等[14]通过网络分析确定了在技术融合中发挥核心作用的关键技术。Lee S等[15]通过基于移动行业的专利引用分析衡量企业之间的技术知识流，实证检验了移动生态系统的网络结构。此外，还包括对技术融合的结构[16]、效果[11]以及驱动因素[17-19]的相关研究。

不同领域具体技术间的融合分析对于企业研发策略的选择更具针对性和指导意义。上述研究多从宏观层面进行融合的整体跨领域研究，而从微观层面即具体技术视角研究技术融合的文献较为鲜见，这为本文提供了新的研究空间。此外，现有研究对于融合测度指标的选取较为单一，分析角度较为片面，缺乏系统全面的技术融合分析框架。为此，本文基于专利共类信息，从技术视角出发构建技术融合的分析框架：在把握技术融合整体态势的基础上，应用多维度指标对筛选出的关键技术节点和链路进行全方位分析，并以老年福祉技术与信息技术的融合为例对所提出的框架进行验证。

1 理论基础

1.1 技术融合概念

美国学者Rosenberg N[2]通过对美国机械工具产业早期演变的研究最早发现了技术融合现象，他认为技术融合是指不同产业的生产过程逐渐依赖相同生产技术的过程。之后不同学者根据各自的研究内容给出了技术融合的不同定义。例如Nelson R R等[20]将技术融合视为解决超出特定技术范围解决方案的问题的过程。Karvonen M等[21]认为技术融合是指两种或多种不同技术协同组合成一种新的技术形式，产生现有技术中缺乏的新功能。Curran C S和沈蕾等[22-23]将技术融合定义为科技创新在不同科学、技术、市场或产业间扩散，从而使得不相交领域间边界逐渐模糊甚至消失的现象。

本文将技术融合定义为：不同领域间技术出现的技术交叉现象，可以以一种新技术的形式出现，也可以以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。

在此基础上，两个领域间的技术融合可由图1表示：如果i项A领域技术与j项B领域技术同时出现在一项发明创造或技术方案中，那么这i项技术与j项技术之间就发生了技术融合，即在这一项发明创造中共包含ij种融合关系（A1-B1、A1-B2……Ai-Bj），而A领域内部技术之间（A1-A2……Ai-1-Ai）、以及B领域内部技术之间（B1-B2……Bj-1-Bj）的融合不考虑在内。

1.2 基于专利的技术融合研究

作为技术信息最有效的载体，专利信息记载了

技术的创新发展历程[24]，能够准确地反映迅速演化的技术进步，具有编撰严谨、表述清晰、时间序列长、新颖程度高、易于获取等特点，成为识别技术融合创新的重要数据源[25]，为分析技术融合发展态势提供了有用的信息[26]。

基于专利的技术融合分析方法主要可分为3类：专利引文分析法、专利共类分析法和文本挖掘方法，也有研究將多种方法相结合分析技术融合。其中以专利引文分析和专利共类分析方法最为常用。专利引文反映专利对技术创新和技术信息流的影响[27]，通过专利间以及专利与非专利间的引文数据来识别不同技术知识之间的流动，并从中揭示融合机制[4]。已有研究利用引用信息开发技术融合测度指标，例如Shim W等[11]基于专利间的引用关系开发多样性和持续性指标，比较了美国和韩国三大技术领域融合能力的差异和动态模式。苗红等[28]基于专利引用信息构建知识流动网络，并根据网络的静态和动态评价指标分析了技术融合的发展趋势。翟东升等[29]根据专利IPC信息表及专利引用表构建知识流矩阵，识别了技术融合创新的轨道和强度。但专利引文数据的获取受限于少数几个专利数据库[30]，且专利的引用通常表现为同一技术主题下技术间的传承和或技术链的上下游技术，而非平行领域间的技术关联和融合，因此有学者认为专利引文分析不适于度量技术间的相互融合[1]。

专利共类分析被认为是识别技术接近度和技术融合的重要手段[31]。该方法依据两个技术领域中共现专利的数量来分析多个技术领域间的技术融合[32]，具有涵盖技术领域较为完整、易于获取、不受时间老化和技术差异影响等特点。Leydesdorff L[33]曾明确提出共类关系是技术间联系的潜在标志，并已被广泛接受为技术融合的衡量标准。例如Caviggioli F[18]利用WIPO的专利共类信息，分析了技术融合的驱动因素。Jeong S等[1]利用专利共类信息揭示了技术领域层面技术融合的程度及其随时间的状态变化，并通过网络分析识别了技术领域间的技术融合。李丫丫等[34]通过专利共类分析提出技术融合分析的方法框架，分析了生物芯片产业的融合现状。黄鲁成等[35]基于专利共类信息，运用数据挖掘的关联分析方法研究了信息与生物技术的融合趋势。

鉴于以上分析，本文以专利信息作为数据源，运用共类分析方法，从整体和局部两个层面构建技术融合的分析框架，一方面通过分析领域间技术融合现状判断未来融合潜力;另一方面通过识别促进技术融合的关键技术节点和链路，为企业研发策略的选择提供理论依据。最后以老年福祉技术和信息技术的融合为例进行实证分析。

2 研究体系

本文构建的技术融合分析框架如图2所示。

2.1 整体分析

整体网络分析有助于描述技术融合网络的整体结构，揭示技术融合发展现状。本文通过计算网络规模、网络关系数、网络连接频次、网络密度、网络中心势、基于距离的凝聚力指数、节点平均度数中心度和平均路径长度指标，剖析技术融合网络整体特征，从而对技术领域间的融合态势进行宏观层面的整体把握。

网络规模是指网络中包含的全部节点的数目，即参与技术融合的技术类别数量。网络规模越大，融合涉及的技术类别越多。网络关系数是技术间发生共现的关系数量，即二值网络中的链路数量。网络关系数越大，意味着更多的技术对间发生了技术融合。网络连接频次指技术间共现的次数总和，即多值网络中的链路总数。该指标越大，表明技术间的相互融合越强，融合程度越深。网络平均度数中心度是网络中各节点度数中心度的平均值，即平均每个节点直接连接的节点数量，该指标越大表明平均每个节点融合的范围越广，技术间发生融合的可能性越大。网络中心势指标衡量了网络内资源集中程度，体现了网络中各节点度数中心度的差异大小。网络中点的度数中心度差异越大，该网络的度数中心势越强[36]。平均路径长度是指网络中任意两节点间能够达到彼此的最短路径的平均值，衡量了网络中节点间信息传递的效率，平均路径长度越短，技术间联系越容易，越易发生技术融合。网络密度是网络中所有节点实际存在的关系数与理论上最多可能存在的关系数的比值，从整体角度测量了网络中各节点间联系的紧密程度[37]，网络密度越大，节点间联系越紧密。在本文研究的网络中，网络密度由式（1）计算：

其中L为图中实际存在的边的数目。i为A领域包含的节点数量，j为B领域包含的节点数量。

2.2 局部分析

2.2.1 关键技术确定

由于参与融合的技术较多，形成的融合网络相对复杂，同时部分技术融合程度较低，为了避免偶然及不重要的融合，首先需要筛选出促进技术融合的关键技术。已有研究多采用专利数量作为筛选标准，虽然专利数量反映了技术研发活动的强弱，能够间接表明技术的重要程度，但忽视了对融合程度和融合网络中作用的考察。基于专利的交叉影响法测量了一项技术对另一项技术的影响程度，可用于判断技术对间是否发生会聚[38]。因此，本文选择专利数量和交叉影响作为关键技术的筛选标准，一方面按照融合专利数量对技术排序，根据帕累托法则选出融合专利数量之和占融合专利总数80%的技术;另一方面，选择交叉影响值大于设定融合度阈值的技术，作为当前融合较为频繁的技术领域。综合考虑研发活动强度和技术融合程度确定关键技术，并从节点和链路两个角度进行深入分析。

2.2.2 节点分析

对参与融合的关键技术节点的分析和考察，主要从技术关联度、融合均匀性和技术吸引力3个维度进行。具体指标解释如下：

1）关联度

通过吸收其他领域技术知识来解决超出本领域的问题，这是融合技术的重要特征，也是其与非融合技术的本质区别[11]。本文开发了关联度指标来衡量某领域技术将跨领域的技术知识整合到现有创新的能力。该指标构建受到相对度中心性概念的启发，可通过式（2）和式（3）计算。技术关联度越高，表明其与其他技术的联系范围越广，联系能力越强。

2）均匀性

香农威纳指数是生物学中测量群落多样性的常用指标，可用于分析技术融合的均匀性程度[34，39]。均匀性显示了各融合技术在全部融合技术中所占的比重，不同技术占比越接近，即与一项技术发生融合的各技术类别数量分布越均匀，表明该技术与不同技术间交流共享的程度越均衡，技术融合程度也就越强。计算公式见式（4），均匀性值越趋于0，表明技术融合的多样化和均匀性程度越高。

源于物理学领域的万有引力概念测量了物体之间的相互吸引力。将此概念引入本文的研究，用来衡量每项技术与其他技术之间相互吸引的程度。质量可用技术规模代表，数值上等于技术所拥有的融合专利的数量。紧密中心性是描述网络中节点与另一节点紧密连接的指标，概念上被定义为中心节点到其他所有节点测地距离和的倒数。紧密中心性越高，表明技术间越接近，技术间的距离越短。因此，紧密中心性可以作为技术间距离的代理变量。吸引力指标可由式（5）计算[13]：

其中，Gi（j）是技术i（j）的吸引力，Ci（j）是技术i（j）的紧密中心性，Mi（j）是技术i（j）对应的融合专利数量，Ni（j）是与技术i（j）相连的技术数量。

2.2.3 链路分析

对关键技术节点所形成的链路关系的考察，主要从凝聚子群、紧密度和差异性3个维度进行。具体指标解释如下：

1）凝聚子群

凝聚子群源自社会网络分析，是由集合中具有相对较强、直接、紧密、经常或积极关系的行动者构成的子集合[36]。通过凝聚子群分析，可以简化复杂的共现网络结构，识别蕴涵在网络中的子结构及其互动模式。块模型分析是研究子群关系的重要方法，通過将节点间关系转化为子群内外部关系，揭示关键技术共现网络的内部结构特征，以及各技术节点在共现网络中的位置和作用[36]。因此，本文利用块模型方法对关键技术节点进行分区，并根据块密度矩阵，分析凝聚子群间的关联关系。

2）紧密度

紧密度是指系统中的元素彼此相关，形成一个有意义群簇的程度。最初用于衡量不同城市间交通联系的紧密程度[40]，可通过式（6）计算[41]：

本文引入紧密度指标对技术间联系的密切程度进行测度，两项技术的联系越密切、交流共享越积极，反映出技术间的相互融合越频繁。由于本文的技术融合网络是无向网络，Oij与Oji数值上相等，因此公式可简化为式（7）：

其中Hij表示技术i与技术j之间联系交流的紧密程度;Oij表示技术i与技术j之间的融合次数，Oi、Oj分别表示技术i和技术j包含的融合专利数量。

3）差异性

有研究表明，相似性高的技术之间有更大的融合机会，有利于渐进式创新，但差异性高的技术间融合更有可能产生突破性创新[34]。为此，本文运用技术相关性计算方法，用相似性间接表征差异性，寻找具有颠覆性创新潜力的技术组合。差异性计算公式为式（8）：

其中Dij为技术i与技术j的差异性指数，Sij为技术i与技术j的余弦相似性指数，k代表融合网络所包含的技术类别数量，Cik（Cjk）代表技术融合矩阵中的值。

3 数据分析——以老年福祉技术与信息技术融合为例

老年福祉技术是一门综合老年学与现代科技手段而成的跨领域应用性技术，包括与老年人的行动、运输、认知、通讯、信息处理、住房环境和居家健康照护等技术。信息技术主要包括传感、计算机与智能、通信和控制技术，已被用于在多领域设计、开发和实施信息系统及应用软件。《“十三五”国家老龄事业发展和养老体系建设规划》中明确提出支持社区、组织和企业利用物联网、互联网、云计算、大数据等信息技术，提升健康养老服务质量和效率。未来老年福祉技术与信息技术融合发展潜力巨大，具有重要的研究价值。因此本文主要探讨老年福祉技术与信息技术的融合。

3.2 整体分析

根据提取出的老年福祉技术与信息技术融合专利数据，运用Python语言和Excel软件构建技术融合关系矩阵。在不同的融合分析级别中，选择IPC小类可以对技术进行合理且充分的表征。因此以IPC小类表示技术类别，通过Ucinet软件绘制以技术类别为节点、不同领域技术间融合关系为边的技术融合网络，并计算得到整体网络的各统计特性如表1所示。

技术融合网络共包含221个节点，表明有221项技术参与了老年福祉技术与信息技术的融合，其中老年福祉技术180项，信息技术41项。网络关系数为807，连接频次为3 897。测得网络密度为0.109，表明老年福祉技术与信息技术间的联系交流较为稀疏，还未形成紧密规模的融合模式。平均度数中心度为7.303，平均路径长度为2.276，表明网络中平均每项技术与7～8项另一领域的技术发生融合，两项技术间要建立联系平均需经过2～3项技术。说明技术的平均融合范围较广，信息传递效率较高，较易发生技术融合。基于距离的凝聚力指数为0.477，说明融合网络的凝聚力较强。整体网络中心势为45.27%，表明网络中存在着关键技术，它们对老年福祉技术与信息技术之间的交叉渗透、协同整合具有较强的控制能力。

3.3 局部分析

3.3.1 关键技术确定

技术对应的融合专利数量如图3所示，融合专利数量较多的技术主要有G08B、G06F、H04M、G06Q、H04N，说明研究人员更重视对这些技术的融合研究。计算技术间交叉影响，设置融合度阈值为0.2，部分结果在图4显示。可以看出，H04M-G08B、G01C-G08G、A61B-G06F等技术对间双向交叉影响值均大于设定阈值，属于融合程度较深的双向融合;G09B-G06F、H04Q-G08B、H04Q-H04M等技术间单向交叉影响值很大，属于融合程度较深的单向融合。综合考虑技术所包含的融合专利数量和技术融合程度，得到老年福祉技术与信息技术融合的关键技术，整理如表2所示。

3.3.2 节点分析

对关键技术节点进行关联度、均匀性和吸引力指标计算，结果如表3所示。就技术关联度而言，G08B、G06F、A61B等技术进行知识交流和共享的技术范围更广泛，表明它们的跨领域吸收和整合能力更强，在老年福祉技术与信息技术的融合中发挥了重要作用。H04M、H04L、G07C等技术的均匀性值更趋于0，意味着这些技术与另一领域的技术进行了更深层次的知识交叉和渗透，融合的均衡程度更高。从吸引力指标计算结果来看，吸引力较强的技术主要有G06F、G08B、H04M等，这些技术与其他技术间的相互连接和交互作用更为紧密，它们的发展会带动其他技术的发展，并在未来显示出更大的融合可能性。对关键技术进行三维度的综合分析，并将结果显示在图5的气泡图中。横坐标代表关联度，纵坐标代表均匀性，气泡大小代表技术吸引力，按照各指标的中位数将关键技术划分为8种类型。可以看出：

第一象限的H04M、G06Q两项信息技术与老年福祉技术的关联程度更高，融合层次更深，同时具有更大的吸引力，在老年福祉技术与信息技术的融合中处于核心地位，具有独特的竞争优势。A61G和G08G两项老年福祉技术与信息技术的关联度较高、融合程度较均匀，但对其他技术的吸引力较小，意味着这两项技术在过去的融合中发挥了较为重要的作用，但未来其发展对技术融合的贡献较为有限。

第二象限中，H04L、H04Q、H04N和H04B四项信息技术的融合程度较为均衡，对其他技术的吸引力也较大，但技术关联程度较低，说明这些技术仅与少量的老年福祉技术进行了深度融合，未来若能拓展其融合范围，与更多技术产生联系和知识共享，将极大地推动老年福祉技术与信息技术的融合。G07C和G10L两项技术的关联度和对其他技术的吸引程度都较低，发展空间相对较小，但由于其与少量老年福祉技术间的深度融合，很可能使它们成为对某一子领域发展而言相对成熟和必要的關键技术。

在第三象限中，G06K的吸引力较强，但技术关联度和融合均匀程度不甚理想，未来应充分发挥吸引力优势，与更多技术进行更深层次地融合。G06T、G08C和G01S 3项技术的关联度、融合均匀性和吸引力程度均不够合理，过去与之发生融合的技术相对较少，与不同技术的融合程度差异较大，同时吸引力不够，未来的融合潜力较小。

第四象限中，G01C、G09B和H04W 3项技术关联度较大，但融合均匀性和吸引力不足，融合能力较差。G08B、A61B和G06F 3项技术的关联度最大，对其他技术的吸引力也很强，但融合均匀性较差。若能与现有技术进行更深层次的融合，将对技术融合的发展产生重要影响。

3.3.3 链路分析

1）凝聚子群

运用Ucinet软件构建关键技术节点共现网络，采用CONCOR程序，根据结构对等性原则对技术间关联关系进行块模型分析，得到图6的子群分布图。20项关键技术被分为8个区块，其中1～4块为老年福祉技术，5～8块为信息技术。块1由呼叫、报警等信号装置及无线通信技术组成;块2主要包括测量测试、交通控制系统等可用于跟踪、定位和引导的技术;诊断鉴定、移动运输等技术处于块3中;G09B（教育或演示用具，用于教学或与盲人、聋人或哑人通信的用具，模型、天象仪、地球仪、地图、图表）单独组成块4，说明该技术在网络中占据了独有的地位。块5主要由电通信技术、核算、信号传输等技术组成;定向导航、传输等技术出现在块6中;块7中包含图像、语音、电数字等数据处理技术;块8则由数据识别和传输等技术组成。

老年福祉技术与信息技术联系的紧密程度由区块密度值反映，密度值越大，联系越紧密，反之越生疏。表4的区块密度矩阵结果显示了8个子群之间的相互联系（由于本研究为多值网络，因此密度值大于1）。密度矩阵中对角线值表示子群内技术融合强度，非对角线值表示不同子群间技术的融合强度。由于本文研究的是老年福祉技术与信息技术之间的融合，未考虑领域内部技术间融合，因此各子群内部密度值及1～4块、5～8块间的密度值均为0，不存在相互融合。运算结果具体如表4所示。可以发现，1～4块与5～8块之间的密度值均较高，两领域技术子群间知识共享流畅，交流沟通联系紧密。其中块1（呼叫、报警等信号装置）与块5（电通信和信号传输技术）、块2（跟踪定位、引导技术）与块6（定向导航、传输技术）、块3（诊断鉴定技术）与块7（数据处理技术）、块4（盲（聋、哑）人通信用具）与块7（数据处理技术）、块5（电通信和信号传输技术）、块6（定向导航和传输技术）、块8（数据识别和传输技术）与块1（呼叫报警等信号装置）间的密度值最大，表明这些技术间的融合程度更高。

2）紧密度和差异性

紧密度和差异性计算结果如表5和表6所示。G08B-H04M、G08B-H04Q、G09B-G06F等技术对间的彼此联系更为密切，在老年福祉技术和信息技术的融合中发挥的作用更大。G08B-H04M、G08B-G07C、G09B-H04Q等技术对间的差异性较大，充分挖掘这些技术对间的潜在联系并加强相互融合，更有可能促成突破性创新，应引起研发人员的高度重视。

综合分析紧密度和差异性指标，发现有6项技术对的紧密度和差异性排名均位于前列。将这些技术显示在图7所示的散点图中，可以看到，G08B与H04M技术间差异性最大，同时相互联系十分紧密，表明这两项技术在过去已经进行了高度融合，其突破性创新成果很可能已得到广泛应用。查询包含这两项技术的融合专利发现，最早通过融合G08B（信号装置或呼叫装置、指令发信装置、报警装置）和H04M（电话通信）技术，开发了供体弱者或老年人召唤远方他人帮助的个人援助信号系统，发展至今已被广泛应用于医院、家庭、养老院等场所紧急响应系统的构建。G08B-G07C、G08B-G06T等技术对间同样技术差异明显，但技术间联系仍有待进一步加强，针对这些技术对的融合研究将有利于老年福祉技術和信息技术突破性创新的发展。

4 结论与建议

本文基于专利共类信息，从整体和局部两个层面构建了技术融合的分析框架，整体层面主要针对技术融合网络进行研究，通过整体网络指标分析，了解技术融合的整体态势并评估未来融合潜力。局部层面，根据专利数量和交叉影响指标筛选出关键技术，并对关键技术和技术对组成的链路进行多维度、全方位的测度，识别各项技术和技术组合在融合中的地位和作用。基于该框架，对老年福祉技术和信息技术的融合进行了应用研究，并得出如下结论和建议：

1）整体层面：老年福祉技术和信息技术之间的融合仍处于发展阶段，还未形成紧密规模的融合模式，但已有技术和技术组合显现出明显优于其他技术的融合能力，对这些技术和技术组合进行重点研发，将极大地促进老年福祉技术和信息技术的融合发展。因此，相关企业应抓住发展机遇，把握技术融合态势和重点方向，推动老年福祉技术与信息技术融合成果的创新进展和广泛应用。

2）局部层面：关键技术的节点和链路分析结果表明，H04M、G06Q等技术的技术关联程度、融合均匀性和吸引力程度均较为合理，处于融合的核心地位，在技术融合中发挥了重要作用。风险承受能力较小、追求平稳发展的企业可以加大对这些技术的研发力度，有助于研发成果的快速市场化。对于某方面发展不够合理的技术，企业可以结合自身发展目标和实际研发条件，有针对性地进行改进以激发其融合潜力。G08B与H04M技术间差异显著，同时联系紧密，融合水平相对成熟，研发风险较小，对于研发实力欠缺的企业来说是较为理想的研发选择。G08B-G07C、G08B-G01S等技术融合有望产生突破性创新，但技术间联系有待加强，研发实力较强和风险偏好型企业可以加大对这些技术的研发投入，有利于形成独特的竞争优势。

参考文献

[1]Jeong S，Kim J C，Choi J Y.Technology Convergence：What Developmental Stage Are We In？[J].Scientometrics，2015，104（3）：841-871.

[2]Rosenberg N.Technological Change in the Machine Tool Industry，1840-1910[J].The Journal of Economic History，1963，23（4）：414-443.

[3]Sung K，Kong H K，Kim T.Convergence Indicator：The Case of Cloud Computing[J].Journal of Supercomputing，2013，65（1）：27-37.

[4]Kim J，Lee S.Forecasting and Identifying Multi-technology Convergence Based on Patent Data：The Case of IT and BT Industries in 2020[J].Scientometrics，2017，111（1）：47-65.

[5]张勇，骆付婷，贾芳.知识创造视角下军民融合深度发展技术融合模式及选择研究[J].科技进步与对策，2016，33（14）：111-117.

[6]Choi J Y，Jeong S，Kim K.A Study on Diffusion Pattern of Technology Convergence：Patent Analysis for Korea[J].Sustainability，2015，7（9）：11546-11569.

[7]Hacklin F，Wallin M W.Convergence and Interdisciplinarity in Innovation Management：A Review，Critique，and Future Directions[J].Service Industries Journal，2013，33（7-8）：774-788.

[8]Kim B，Gazzola G，Yang J，et al.Two-phase Edge Outlier Detection Method for Technology Opportunity Discovery[J].Scientometrics，2017，113（4）：1-16.

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

[10]Gauch S，Blind K.Technological Convergence and the Absorptive Capacity of Standardisation[J].Technological Forecasting and Social Change，2015，91：236-249.

[11]Shim W，Kwon O J，Moon Y H，et al.Understanding the Dynamic Convergence Phenomenon from the Perspective of Diversity and Persistence：A Cross-Sector Comparative Analysis Between the United States and South Korea[J].PLOS ONE，2016，11（7）：e0159249.

[12]李璐.信息资源产业与文化产业融合的实证分析——基于中国上市公司1997-2012年数据[J].情报科学，2016，34（3）：122-126.

[13]Cho Y，Kim M.Entropy and Gravity Concepts as New Methodological Indexes to Investigate Technological Convergence：Patent Network-Based Approach[J].PLOS ONE，2014，9（6）：e98009.

[14]Kim E，Cho Y，Kim W.Dynamic Patterns of Technological Convergence in Printed Electronics Technologies：Patent Citation Network[J].Scientometrics，2014，98（2）：975-998.

[15]Lee S，Kim W.The Knowledge Network Dynamics in a Mobile Ecosystem：A Patent Citation Analysis[J].Scientometrics，2017，111（2）：717-742.

[16]邱均平，楊强.技术融合的计量分析——以4种新兴信息技术为例[J].图书情报工作，2014，58（14）：90-97.

[17]Lee W J，Lee W K，Sohn S Y.Patent Network Analysis and Quadratic Assignment Procedures to Identify the Convergence of Robot Technologies[J].PLOS ONE，2016，11（10）：e0165091.

[18]Caviggioli F.Technology Fusion：Identification and Analysis of the Drivers of Technology Convergence Using Patent data[J].Technovation，2016，http：//dx.doi.org/10.1016/j.technovation.2016.04.003.

[19]宋昱晓，苗红.基于专利的技术融合趋势的驱动因素研究[J].情报杂志，2017，36（12）：98-105.

[20]Nelson R R，Wright G.The Rise and Fall of American Technological Leadership：The Postwar Era in Historical Perspective.[J].Journal of Economic Literature，1992，30（4）：1931-1964.

[21]Karvonen M，Tuomo Kssi.Patent Analysis for Analysing Technological Convergence[J].Foresight，2011，13（5）：34-50.

[22]Curran C S.The Anticipation of Converging Industries：A Concept Applied to Nutraceuticals and Functional Foods[J].London，UK：Springer-Verlag，2013.

[23]沈蕾，靳礼伟.我国科技服务业与制造业技术融合对产业结构升级的影响[J].科技进步与对策，2015，32（8）：67-70.

[24]陈悦，谭建国，王智琦，等.专利视角下工业机器人领域的技术机会分析[J].科研管理，2018，39（4）：144-156.

[25]Curran C S，Brring S，Leker J.Anticipating Converging Industries Using Publicly Available Data[J].Technological Forecasting & Social Change，2010，77（3）：385-395.

[26]Cho Y，Kim E，Kim W.Strategy Transformation Under Technological Convergence：Evidence from the Printed Electronics Industry[J].International Journal of Technology Management，2015，674（67）：106-131.

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

[28]苗紅，宋昱晓，黄鲁成.基于知识流动网络评价的技术融合趋势研究[J].科技进步与对策，2018，35（6）：131-139.

[29]翟东升，蔡力伟，张杰，等.基于专利的技术融合创新轨道识别模型研究——以云计算技术为例[J].情报学报，2015，34（4）：352-360.

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

[31]Tijssen R J 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.

[32]陈亮，张志强，尚玮姣.技术融合研究进展分析[J].情报杂志，2013，32（10）：99-105.

[33]Leydesdorff L.Patent Classifications as Indicators of Intellectual Organization[J].Journal of the American Society for Information Science & Technology，2010，59（10）：1582-1597.

[34]李丫丫，赵玉林.基于专利的技术融合分析方法及其应用[J].科学学研究，2016，34（2）：203-211.

[35]黄鲁成，黄斌，吴菲菲，等.基于专利共类的信息与生物技术融合趋势分析[J].情报杂志，2014，33（8）：59-63.

[36]刘军.整体网分析讲义：UCINET软件实用指南[M].上海：格致出版社，2009.

[37]梁艳琪，彭博，高劲松.基于JASIST的科研合著网络可视化研究[J].情报杂志，2015，34（8）：87-91.

[38]苗红，秦立芳，黄鲁成，等.基于专利交叉影响法的NBIC会聚趋势研究[J].科技进步与对策，2013，30（20）：94-98.

[39]Stirling A.A General Framework for Analysing Diversity in Science，Technology and Society[J].Journal of the Royal Society Interface，2007，4（15）：707-719.

[40]周一星，胡智勇.从航空运输看中国城市体系的空间网络结构[J].地理研究，2002，21（3）：276-286.

[41]张文尝，金凤君.空间运输联系——理论研究、实证分析、预测方法[M].北京：中国铁道出版社，1992.

（责任编辑：陈 媛）