产业用纺织品跨领域技术融合演化分析

李凌宇　虎陈霞　徐茜

摘要： 技术融合为产业技术升级提供了新思路，然而对于技术融合的研究往往忽略了产业用纺织品领域。文章基于“重点产业专利信息服务平台”的专利数据，结合社会网络与链路预测方法，对产业用纺织品领域的技术融合现状、未来发展热点与趋势进行深入研究。结果表明：跨领域技术融合在产业用纺织品领域内的应用日益广泛，并主要集中在作业与运输、纺织与造纸及固定建筑物三大领域，其中分离、制作化学长丝、线、纤维、鬃或带子的机械方法或设备等技术在技术融合过程中扮演重要角色;纤维材料在航空航天等领域的应用与高品质非织造布、土木建筑用纺织品的应用是未来值得关注的方向。

关键词： 技术融合;产业用纺织品;社会网络;链路预测;重点产业专利信息服务平台;结构洞

中图分类号： F407.81 文献标志码：  A

文章编号： 10017003（2023）080028－10

引用页码： 081104 DOI： 10.3969/j.issn.1001-7003.2023.08.004

产业会聚与技术融合现已成为技术更新换代的重要推动力量，重大技术创新不再是只诞生于传统的单一领域，而是变为跨领域存在［1］。技术融合的概念最初是由Rosenberg［2］在他的机器工具产业领域变革的文章中提及的，他认为不同产业在制造过程中以同一知识为基础的过程可以被定义为技术融合。而Hacklin［3］则是从知识融合这一视角来解释技术融合，他提出技术融合主要发生在知识与学科融合、技术融合、市场/应用融合与产业融合4个不同层面。Curran等［4］提出技术的融合是技术在之前的位置发生延伸、离散等变化或运动至不同于先前的另一位置，并对其他技术产生影响。

目前，国内外学者已对技术融合展开了多角度分析，主要包括技术融合测度、技术融合演变趋势与现状分析等。如冯科等［5］以20多年的中国汽车产业专利和标准数据为研究对象，验证了在新型技术融合和强化型技术融合中，两个测度指标（技术标准集中度、协作网络结构嵌入性）所产生的影响和作用机制;娄岩等［6］以专利为依据，从聚合性、耦合性、均衡性三个方面展开研究，为测度技术融合提供了新的研究框架，并以信息技术与纯电动汽车技术的相互融合来验证其研究框架的有效性。同时，数据挖掘、主题模型等也被广泛应用于跨领域技术融合研究中，如慎金花等［7］运用了隐含狄利克雷分布（Latent Dirichlet Allocation，LDA）主题模型，并结合数据挖掘中的Louvain聚类算法和Apriori算法来发掘各聚类的技术主题，并运用这些技术主题识别未来的技术发展趋势。王宏起等［8］采用Katz指标（链路预测全局路径中的一种测度指標）分析得出，中国电动汽车产业在未来的技术融合将以网络化和智能化为主要发展方向。虽然当前对于技术融合的理论研究日渐丰富，但是实证研究相对不足，并且实证研究领域主要集中于如芯片、新能源汽车等的高新领域，较少关注纺织这一传统领域;而产业用纺织品领域的研究虽然开始得比较早，但是发展缓慢，大多关注点都在单一纺织品特性与制造技术上，缺乏对不同领域间技术融合的认识和测度［9-10］。随着产业用纺织品的使用空间不断扩大，发展方向不断增多，众多产业用纺织品企业将会遇到技术创新这一难题。在现有背景下，本文将结构洞、中介人分析与链路预测相结合，以探究产业用纺织品跨领域技术融合的演化与发展趋势，借以验证现有的技术融合分析方法能否扩展到其他非高新领域，同时把握产业用纺织品的发展规律和未来发展趋势，预测未来突破性创新的主攻方向。

家纺、服装及产业用纺织品是纺织品产业的三大主要组成部分。中国纺织产业“十四五”发展纲要明确提出：产业用纺织品要提高纤维新材料应用和智能制造水平，大幅提升差异化、高端化产业用纺织品的比重，满足新材料、新能源、医疗健康和国防军工对先进纺织材料的需求［11］。产业用纺织品作为技术密集型产业，具有多学科交叉的产业链特征，使得科学技术创新成为其参与国际竞争的核心因素［12］。因此，本文基于产业用纺织品专利数据，绘制不同阶段专利共现网络，结合网络密度、网络中心势、网络聚类系数三个宏观测度指标和结构洞、中介人两个微观测度指标，分析了产业用纺织品跨领域技术融合中存在的关键技术;并借助链路预测中的相似性指标来识别技术融合中不同阶段的潜在融合关系，进而分析不同技术间融合关系的演化趋势，以期为产业用纺织行业的技术创新提供参考依据。

1 研究方法

1.1 社会网络分析法

社会网络分析法的主要研究对象是网络中节点与节点之间的关系，刻画不同节点间的关系模型，最终得出关系模型的结构特征及其对网络中各个节点乃至关系网络整体的作用与影响［13-14］。本文借助网络密度、网络中心势、网络聚类系数和结构洞、中介人五个测度指标来对产业用纺织品专利共现网络进行量化分析。

1.2 链路预测

网络中的链路预测是指如何通过已知的网络节点及网络结构等信息，预测网络中尚未产生连边的两个节点之间产生连接的可能性。这种预测包含对未知链接和未来链接两方面的预测。基于相似性的链路预测算法尤其是局部相似性指标，因其可解释性强、运算时间低等特性而被广泛应用［15］。本文选取了Common Neighbour（CN）、Adamic-Adar（AA）、Resource Allocation（RA）、Preferential Attachment（PA）这4个相似性指标对产业用纺织品专利数据进行链路预测研究。

2 技术融合测度指标设计与数据收集

本文的测度指标主要包括宏观、微观测度指标和相似性指标三部分，其中宏观与微观测度指标主要依据测度对象的不同来进行划分。宏观测度指标是专利共现网络的整体指标，综合考虑了网络中节点与链接情况，是对产业用纺织品领域技术融合总体态势和特征的综合评价;微观测度指标的主要研究对象是网络的内部节点，能够识别关键技术，具体分析技术交叉融合的实现路径;相似度指标主要是基于相似度来预测网络中的潜在链接。

2.1 宏观测度指标

网络密度主要用来描述网络的聚集程度［16］，专利共现网络的网络密度能衡量不同技术间的关系紧密程度，其值介于［0，1］，值越大表明不同技术间的关系越密切。其计算如下式所示：

式中：l为专利共现网络中存在的边数，n为网络的节点总数。

网络中心势指专利共现网络的度数中心势，一个共现网络整体的中心性主要通过网络中心势来表示。网络中心势与共现网络整体的中心性成正比，如下式所示：

式中：n為网络中所拥有的节点总数，Cmax是网络中中心度最大的值，Ci是网络中其他节点的中心度。

网络聚类系数可以测度与描述网络的局部网络结构，本文运用平均局部密度来衡量整个网络的聚类系数，如下式所示：

式中：n为网络节点数，αi为节点聚类系数，CCαi为网络中所有节点αi的平均值。

2.2 微观测度指标

2.2.1 结构洞分析

结构洞理论最先由Burt［16］提出，他认为“一个结构洞是两个行动者之间的非冗余联系”［17］，结构洞所处位置主要具有信息优势与控制优势两方面的优势［18］，如果一个节点处在结构洞的位置，则更易了解和掌握新知识与新技术，并对技术创新所需资源的流动方向具有决定作用［13］。本文运用有效规模和限制度两个指标来对网络结构洞进行具体测度。

节点i的有效规模等于该节点的个体网络减去网络的冗余度，即有效规模等于网络中的非冗余因素，节点i的有效规模如下式所示：

式中：j代表了与节点i相连的所有节点，q代表了节点i和节点j之外的第三个节点;PiqMjq表示节点i和节点j两者间存在的冗余度。Piq代表了在节点i的所有连接中，有关q的连接占总连接数的比例；Mjq代表了节点j与节点q之间连接的边际强度，等于两节点间连接的取值与节点j与其他点的连接中的最大值之间的比值。

限制度是网络中的节点受限制的程度，代表此节点在网络中所拥有的运用结构洞的能力。其计算如下式所示：

式中：Cij为网络图中节点i受到节点j的限制度;Pij为在节点i的所有连接中，有关j的连接占总连接数的比例。限制度Cij的最小取值为P2ij，即节点j与网络图中的其他点均不连通;最大取值为1，即节点j是节点i唯一连通的节点。

结构洞有效规模和限制度两个指标对于结构洞出现的可能性表现出相反的作用，一个节点的有效规模越大，节点个体网络中包含的非冗余因素越少，信息流动和影响力传播的效率较高，则拥有结构洞的可能性越大。与之相反，限制度越大，表明节点所处网络越趋于闭合，冗余连接较多，则存在结构洞的可能性越小。

2.2.2 中介人分析

Burt［16］将中介人的作用解释为能从一个群体中获取资源与信息并传递给另外一个群体，即能够对信息进行收集和交换。在一个包含节点A、B、C的关系中，根据中介节点B所发挥的作用，可以将中介人分为协调人、顾问、守门人、代理人、联络人中介5类，如图1所示。协调人中介指节点A、B、C属于相同的技术领域，节点A、C通过中介节点B联系;顾问中介指节点A、C属于相同的技术领域，中介节点B联系节点A、C并属于另一个技术领域;守门人中介指节点A独处于一个领域中，而中介节点B与节点C同属于一个技术领域;代理人中介指中介节点B与节点A同处于一个技术领域，而节点C独自处于另一个技术领域;联络人中介指节点A、C与中介节点B分散于三个各不相同的技术领域。

2.3 相似性指标

本文选取了CN、AA、RA、PA这4个相似性指标用于链路预测，具体含义与公式如表1所示。依据节点局部信息来衡量网络中节点的相似性，相似性越高则节点间具有的共同特征越多，所处的网络环境越相似。通过已构建的专利共现网络，借助相似性指标来预测网络中潜在的链接，即预测产业用纺织品领域未来出现技术融合的主要方向及其可能性。对网络所有未观察到的链接根据其相似度得分进行排名，其中连接更多相似节点的链接在网络中的存在可能性更高。

本文将曲线下面积（Area Under Curve，AUC）作为衡量链路预测精确度的指标，可以将AUC理解为在测试集中随机选择一条边的分数值比随机选择的一条不存在的边的分数值高的概率。也就是说，每次随机从测试集中选取一条边，再从不存在的边中随机选择一条，如果测试集中的边分数值大于不存在的边的分数，那么就加1分;如果两个分数值相等就加0.5分。AUC越大，说明模型的精确度越高。其计算如下式所示：

式中：n*表示得分为1的次数，n**表示得分为0.5的次数，n表示独立比较的总次数。

2.4 数据收集与阶段划分

专利共现分析法，是指在同一项专利信息中如果同时涉及到两个及两个以上不同的国际专利分类（International Patent Classification，IPC）号，那么即发生了专利共现。众多学者认为专利共现的发生代表在一项专利发明中分属于不同技术领域的技术元素被同时加以使用，即技术领域之间发生了技术融合［19-20］。而IPC分类号依等级分为部、大类、小类、大组、小组五个部分，IPC四位分类码（简称IPC4）是指分类至小类这一层级的IPC分类号，借助其可实现对专利的技术领域属性的分析［20-21］。本文基于IPC4，运用专利共现分析法，对产业用纺织品领域中存在的跨领域技术融合进行测度和分析。

本文所有专利数据均取自“国家重点产业专利信息服务平台”，主要选取的是纺织产业中产业用纺织品的中文专利，其中涵盖了发明专利、实用新型专利、外观设计专利、发明授权专利四大类，由于“外观设计专利的专利分类号所应用的分类体系与其他三类专利不同”［22］，与此同时发明授权并不能直接表示技术融合，故在数据整理时剔除了这两类专利。

在国家重点产业专利信息服务平台上通过“纺织品行业—产业用纺织品—中文专利”这一行业筛选，最初收集了申请年从1985—2019年的所有产业用纺织品专利数据中的发明专利和实用新型专利数据。但由于2019年实用新型专利数据缺失，所以仅保留申请年为1985—2018年的数据，共得到7 558条专利数据，并根据其分布趋势，将数据分为三个阶段。第一阶段为1985—1995年，此阶段专利年度申请数量较少，增长速度缓慢，属于起步阶段;第二阶段为1996—2007年，在此阶段专利申请数量呈现逐步增加的趋势，但增速仍

然较缓，属于稳步发展阶段;第三阶段为2008—2018年，此阶段专利申请数相比于第二阶段来说，数量明显增加，增速也更快，属于快速发展阶段。在划分三个阶段后，进入平台所属的分析平台，分别重新下载三个阶段的发明专利和实用新型专利数据之间的专利关联性数据，并对两类数据进行合并、清洗与处理，共得到6 561条专利数据（图2）。

3 产业用纺织品专利共现网络整体特征分析

对划分阶段的专利数据进行预处理后，借助UCINET绘制专利共现网络，其中IPC4为网络的节点，节点的大小代表了专利在整个共现网络中的中心度大小;两专利之间的共现关系则通过两个不同节点之间相连的边来表示，边的粗细表明了不同专利之间共现频次的多少。三阶段专利共现网络如图3—图5所示。

由IPC4个数及其关联关系获得网络节点数与边数，结合式（1～3），获得各阶段网络整体指标，如表2所示。在三个阶段中专利共现网络的网络密度分别为0.124、0.076、0.054，網络密度不断减小，说明产业用纺织品中虽然技术创新所涉及的技术种类越来越多，技术间联系种类也越来越多，但是不同技术间联系的紧密程度却在降低，总体上呈现一种减弱的趋势。三阶段专利共现网络的中心势分别为15.80%、4.53%、2.48%，当专利共现网络规模随着时间扩大时，整个网络的中心势呈现一种快速下降趋势。这是因为参与产业用纺织品领域技术创新中的技术越来越多，使得领域内技术分布趋于分散，原有的核心技术，如B10D（分离）和E04B（一般建筑物构造；墙，如间壁墙；屋顶；楼板；顶棚；建筑物的隔绝或其他防护（墙、楼板或顶棚上的开口的边沿构造入E06B1/00））等，在发展过程中其控制力因其他技术的出现而不断被削弱。网络密度和网络中心势的减弱趋势表明，中国产业用纺织品的发展越来越趋向于多元化，应用领域不断拓宽，不再局限于传统领域，而是更加向生活化与个性化方面靠近。

与此同时，整个专利共现网络的聚类系数呈现出先增大后减小的趋势。聚类系数增大表明共现网络中所包含的节点与其周围节点之间的关系越来越紧密，反之则表明共现网络中所包含的节点与其周围节点间关系的紧密程度有所下降。虽然聚类系数呈现此种趋势，但三个阶段的聚类系数都在0.7以上，即表现出较大的聚类系数。由此表明，产业用纺织品的技术融合表现出了较为明显的聚落特征，技术融合的总体整合程度较高，产业技术发展呈现群落化的特点。在整个纺织品产业中，企业是最主要的技术创新主体，因此这种趋势可能与中国纺织品产业中企业的地区集聚分布存在一定的内在联系，当前中国纺织产业主要集中分布在东部沿海地区，并有向内陆延伸的趋势，其中浙江、山东、广东等地是分布最为集中的地区。纺织企业的集聚分布能够产生一种明显的协同效应，从而使得技术融合拥有群落特征，并且随着中国产业用纺织品发展规模和空间格局的调整，专利共现网络的聚类系数在未来可能会持续降低。

4 产业用纺织品发展热点与趋势研究

4.1 结构洞分析

在专利共现网络中，当一个IPC4处于较多的结构洞位置，则说明它所拥有的信息优势和控制优势较为明显。首先根据事先构建的专利数据矩阵，借助UCINET的结构洞分析识别处于结构洞位置的IPC4，然后依据式（4～5）分别计算各阶段结构洞的有效规模和限制度。各阶段处于前十位的IPC4如表3所示。

各阶段结构洞分析结果表明，位于结构洞的关键技术，其演变趋势大致可以分为三种类型：第一类为核心技术，这些技术在各阶段均处于结构洞位置，它们的结构洞地位虽然会随着时间的推移产生波动，但各阶段排名均保持在前十位，如B01D（分离）、D21H（浆料或纸浆组合物，不包括在小类D21C、D21D中的纸浆组合物的制备；纸的浸渍或涂布，不包括在大类B31或小类D21G中的成品纸的加工；其他类不包括的纸）、B32B（层状产品，即由扁平的或非扁平的薄层，例如泡沫状的、蜂窝状的薄层构成的产品）等，结合已有研究能够发现，结构洞地位的稳定性表明技术的发展是一个循序渐进的过程，即技术演化存在渐进性［23］。第二类为新兴技术，这些技术在第一阶段所处的排名较为靠后，但随着产业用纺织品领域技术创新的不断发展，D06M（对纤维、纱、线、织物、羽毛或由这些材料制成的纤维制品进行D06类内其他类目所不包括的处理）、E04F（建筑物的装修工程，如楼梯、楼面（窗、门入E06B））等占据的结构洞开始发挥越来越重要的作用，即在表3中所处的排名在不断地上升。第三类为边缘化技术，这些技术在前期所占据的结构洞地位较为重要，但随着进入产业用纺织品领域的新技术不断增加，结构洞地位逐步被削弱，进而被其他技术所取代，失去了关键技术的地位，如E01C（道路、体育场或类似工程的修建或其铺面;修建和修复用的机械及附属工具，即用夯实或平整冰雪的方法筑成道路或类似铺面入E01H）、E04B（一般建筑物构造；墙，如间壁墙；屋顶；楼板；顶棚；建筑物的隔绝或其他防护（墙、楼板或顶棚上的开口的边沿构造入E06B1/00））、C08L（高分子化合物的组合物（基于可聚合单体的组成成分入C08F、C08G;人造丝或纤维入D01F;织物处理的配方入D06）〔2〕）等。

从占据结构洞的技术所处的部来看，大部分的专利都处于B部（作业；运输）、C部（化学；冶金）、D部（纺织；造纸）、E部（固定建筑物），较少部分处于A部（人类生活必需品）和H部（电学）。这表明产业用纺织品的跨领域技术融合，主要发生在这几个领域之中，D部是传统的纺织大类，而C部是化学相关领域，涉及化纤的研发技术。出现这种现象的原因是产业用纺织品的技术创新主要涉及纺织品制作工艺和物理特性的创新，同时与当前中国产业用纺织品的主要应用领域

有关，所以其技术创新也主要集中在相应的应用领域中，而较少涉及其他不相关的领域。航空航天、交通运输与土木建筑是当前中国产业用纺织品重点专注的领域，因此在未来分属于B部与E部的技术势必会成为产业技术创新的关键点。在以往对于中国纺织高校的技术融合研究中，其技术融合主要集中在A部（人类生活必需品）、B部、C部中［24］。而在智能纺织品领域，数字计算机、家用电器、可穿戴设备等是主要方面［25］，纺织品的创新主体和应用领域的不同，使得技术融合发生的领域也略有不同。

4.2 中介人分析

技术中介使得没有直接连通的两个领域之间相互关联，这给研究产业用纺织品的跨领域技术融合与演化发展提供了不可替代的实用载体［19］。在已构建的专利数据矩阵和专利共现网络基础上，依据五种中介人的定义，借助UCINET的中介人分析，得出各阶段技术中介充当不同中介人的角色的次数。各阶段中总排名前十的技术中介如表4所示。

在三个阶段中中介人的五种角色均存在，且从总体上看专利共现网络中节点充当中介人的数量随着时间的推移在不断地增加，且充当顾问、联络人中介的次数远高于充当技术、协调人、守门人中介的次数。根据中介人角色的定义可以推断出，在产业用纺织品领域中跨领域技术融合对于推动技术创新起着十分重要的作用。

在第一阶段（1985—1995年），在35个节点中仅有10个节点充当了技术中介，数量相对较少，且技术分属于B部（作业;运输）、D部（纺织;造纸）、E部（固定建筑物）三大技术领域，体现了在第一阶段不同领域间就出现了一定的技术融合，只不过融合数量较少。大部分技术创新仍以D部（纺织;造纸）的技术为主，并以D21H、E01C、B01D作为行业发展过程中的关键技术。在第二阶段（1996—2007年），在165个节点中有73个节点充當了技术中介，技术中介数量明显增多，其中B01D（分离）仅作为顾问中介的次数增加。E04B（一般建筑物构造；墙；屋顶；楼板；顶棚；建筑物的隔绝或其他防护（墙、楼板或顶棚上的开口的边沿构造入E06B1/00））、B32B（层状产品）取代了第一阶段的D21H、E01C成为了此阶段的关键技术，三者分属于B部（作业;运输）和E部（固定建筑物）。在第三阶段（2008—2018年），在285个节点中有113个节点充当了技术中介，充当中介的节点数增加了，但是在总节点数所占的比例，却相比第二阶段有所下降。

4.3 相似性指标

基于本文选取的4项相似性指标，依据式（6～9）分别计算三个阶段网络节点间的相似度，并依据式（10）计算AUC指标以评估4项指标的精确度。然后选取精确度最高的相似性指标进行后续分析，结果如表5所示。

由表5结果可知，各阶段4个相似性指标的AUC值都较高，其中PA指标的AUC值明显低于其他3项指标，而AA指标和RA指标各阶段精度近似，但RA指标三阶段平均精度略高于AA指标，所以本文选择RA指标进行更深入的分析。选取各阶段RA值排名前十位的技术对作为每个阶段主要的潜在技术融合关系，结果如表6所示。

由表6结果可知，仅有B01D-D01F、B01D-D21H两组潜在技术对在三个阶段中均排名前十，其中前者的排名随着产业的发展不断下降，而后者的排名呈现出先下降后上升的趋势。由此可知，从第一阶段发展到第二阶段，产业用纺织品领域对于B01D-D01F、B01D-D21H的关注度不断下降，到达第三阶段B01D-D21H的关注度仍保持下降趋势，而B01D-D01F一跃成为产业内最为热门的潜在技术融合对。在第一阶段中，除前面提到的两组潜在技术对和B01D-D01D之外，其余的潜在技术对均只在第一阶段排名较高，说明此阶段的技术融合缺乏明显的连续性。随着产业的发展，企业在技术创新方向上进行了快速调整与布局，这可能是因为此阶段为产业用纺织品发展初期，市场需求还不明确，大部分企业仍处于探索时期。随着市场需求的不断明确，企业不可避免产生了技术调整，在后期的发展中，企业无须投入过多精力来关注此类技术间可能产生的技术创新。

在第二、三阶段排名前十的潜在技术对中，有七组为相同的技术对，分别为D21H-E04F、B01D-D21C、B01D-D06M、B01D-B01J、B01D-D06F、B01D-D01F、B01D-D21H，这七组技术对从1996—2018年一直拥有较高的相似度。在二、三阶段内可能产生了大量的技术融合，具有良好的发展前景，主要涉及到B部与D部的融合，代表分离技术与纤维素的提取、生产的融合及分离技术与碳纤维生产设备方面的技术融合，这些稳定技术对的出现，表明纤维材料在整个产业发展中的重要地位。进入21世纪，高性能化学纤维进入特种材料领域，并成为材料科学的重要组成部分，使得其研发得以加强［24］。投资此类技术创新时企业所需承担的风险相对较小，企业可以在这些融合关系中加强投资，争取在纤维应用领域获得领先优势。

而在第二阶段新增了潜在技术对B32B-E04F、B32B-D21H、B32B-E04B，所有新增潜在技术对都与B32B有关，这与前文的结构洞、中介人分析相对应，B32B在第二阶段的重要性突然上升，一度成为了行业中的热点技术。表明层状产品与建筑领域的技术融合，此类层状产品，既可以用于建筑物的装饰，也可以用于加强普通建筑物与特殊建筑物的防水、防火，增强建筑物的安全性、耐用性及功能性。虽然这些潜在技术对在第三阶段中排名并未进入前十，但在当前人们对于建筑美观性与功能性的诉求不断增多，产业用纺织品在建筑领域的应用将会迎来广阔的发展空间。企业在选择此方向进行研发时，也要承担较高的风险性与不确定性，与其他应用领域不同，应用到建筑领域的纺织品使用年限相对较长，也难以进行更换或调整［26］，对其安全性和耐用性具有更高的要求。

在第三阶段新增了潜在技术对B01D-D04H、D06F-E04H、B01D作为行业中长期的热点技术，其新潜在融合对的产生，说明了融合范围仍有拓展的可能，与此技术相关的技术创新仍然值得企业探索，其作为行业中的关键技术。在废水处理环节可以被广泛应用，极大地降低了废水的排放量，从而降低了企业的污水处理费用，间接提升了企业的经济效益。D04H（制造纺织品，如用纤维或长丝原料;通过此类工艺或设备制造的织物，如毛毡、非织造布、棉絮、衬垫）与B01D的可能融合，也在一定程度上印证了当前纤维材料和非织造布在产业用纺织品领域的广泛应用。天然纤维、特种化学纤维、无机纤维等产业用纤维，利用针织、非织造、机织等技术，可以改善纺织品防渗、强度等多方面的性能，增强功能性，使其能够被应用到航空航天、土木建筑等特殊领域;而非织造布作为产业用纺织品中的重要组成部分，加工制作中涉及到的复合、涂层、层压等加工技术，在未来可能产生技术突破。而D06F（纺织品的洗涤、干燥、熨烫、压平或打折）虽然充当了重要的中介角色，但却没有占据重要的结构洞位置，与其他技术的融合，虽然充满了可能性，但同时也面临着极高的风险。此项技术并没有涉及到纺织品的制作工艺，不是当前中国产业用纺织品行业发展的重点关注方向，企业在投资此类技术创新时，要充分考虑自身的技术创新能力和抵御风险能力，以及行业的总体态势。

從总体来说，产业用纺织品发展过程中，主要的潜在融合技术对集中分布于B部、C部、E部内，因此这三个部门是未来需要持续关注的方向。当前产业用纺织品的重点提升领域包括高品质非织造布、安全防护与应急救援用纺织品、航空航天高性能纺织品、医疗健康用纺织品等八大领域［27］，纺织产业也在向着智能化与绿色化的方向快速发展，尤其是在E部，固定建筑物领域，随着土木纺织品已替代国家基础建设中木材的地位，成为三大建筑材料之一［26］，其领域内的技术融合将会更为频繁地发生。

5 结 论

本文基于1985—2018年的产业用纺织品的专利数据（实用新型专利与发明创造专利），根据4位IPC专利分类号构建专利共现网络并对多项指标进行测度，从宏观与微观两个维度，对纺织产业跨领域技术融合演化趋势进行研究分析。

1） 总体来看，伴随产业用纺织品的高速发展，产业内的技术融合表现出融合数量不断增多、整体中心性快速下降、技术核心作用减弱、聚类程度较高的特征等特征，不同技术领域之间的联系日益紧密，且不同领域之间的技术同早期相比，更易发生融合。

2） 第三阶段测度指标表明，在当前这一时期，技术融合主要集中在B部（作业；运输）、D部（纺织；造纸）、E部（固定建筑物），较少涉及其他部类，这也与产业用纺织品目前最主要的应用领域一致。

3） B01D、D04H、D01D等技术始终处于专利共现网络中结构洞的位置，D21C、B32B、B01J等技术所处的结构洞位置，在纺织产业发展中发挥着越来越重要的作用。C02F、D21J、B29C等所代表的技术所占据的结构洞逐渐失去关键地位，被其他技术所取代。B01D、D01D、E04F、D06F等技术在纺织产业跨领域技术融合中发挥着重要的中介作用，在技术融合中发挥着不可替代的作用，也是纺织产业在未来的发展中需要持续与重点关注的技术。

4） D21H-E04F、B01D-D21C、B01D-D06M、B01D-B01J、B01D-D06F、B01D-D01F、B01D-D21H这七组技术对是产业用纺织品领域发展过程中较为稳定的潜在技术对，表明纤维材料在航空航天等领域的应用在未来具有良好的发展前景。B01D-D04H、D06F-E04H作为新出现的潜在融合技术对，企业在进行相应的技术创新时，存在一定的风险。与B01D有关的技术融合，是目前产业技术发展的趋势所在，其融合范围和领域存在不断拓展的可能性。同时高品质非织造布、土木建筑用纺织品的应用也需要给予持续的关注。

参考文献：

［1］NEMET G F， JOHNSON E. Do important inventions benefit from knowledge originating in other technological domains？［J］. Research Policy， 2012， 41（1）： 190-200.

［2］ROSENBERG N. Technological change in the machine tool industry， 1840-1910［J］. The Journal of Economic History， 1963， 23（4）： 414-443.

［3］HACKLIN F. Management of Convergence in Innovation： Strategies and Capabilities for Value Creation Beyond Blurring Industry Boundaries［M］. Heidelberg： Physica Heidelberg， 2010.

［4］CURRAN C S， LEKER J. Patent indicators for monitoring convergence-examples from NFF and ICT［J］. Technological Forecasting and Social Change， 2011， 78（2）： 256-273.

［5］冯科， 曾德明. 协作研发网络结构嵌入性， 技术标准集中度与技术融合［J］. 系统工程， 2018， 36（6）： 1-12.

FENG Ke， ZENG Deming. Structural embeddedness of R&D networks， concentration of technical standards， and technology convergence［J］. Systems Engineering， 2018， 36（6）： 1-12.

［6］娄岩， 杨培培， 黄鲁成. 基于专利的技术融合测度方法及实证研究［J］. 科研管理， 2019， 40（11）： 134-145.

LOU Yan， YANG Peipei， HUANG Lucheng. Method of measurement and an empirical research of technology convergence based on patents［J］. Science Research Management， 2019， 40（11）： 134-145.

［7］慎金花， 闫倩倩， 孙乔宣， 等. 基于专利数据挖掘的技术融合识别与技术机会预测研究： 以电动汽车产业为例［J］. 图书馆杂志， 2019， 38（10）： 95-106.

SHEN Jinhua， YAN Qianqian， SUN Qiaoxuan， et al. Research on technology fusion recognition and technology opportunity prediction based on patent data mining： Taking the electric vehicle industry as an example［J］. Library Journal， 2019， 38（10）： 95-106.

［8］王宏起， 夏凡， 王珊珊. 新兴产业技术融合方向预测： 方法及实证［J］. 科学学研究， 2020， 38（6）： 1009-1017.

WANG Hongqi， XIA Fan， WANG Shanshan. Forecast on technological fusion direction of emerging industries： Method and empirical research［J］. Studies in Science of Science， 2022， 38（6）： 1009-1017.

［9］李姝影， 方曙. 测度技术融合与趋势的数据分析方法研究进展［J］. 数据分析与知识发现， 2017， 1（7）： 2-12.

LI Shuying， FANG Shu. Review of data analysis methods in measuring technology fusion and trend［J］. Data Analysis and Knowledge Discovery， 2017， 1（7）： 2-12.

［10］王鹏飞， 程华. 基于知识图谱的国内智能纺织品技术融合动态演化及创新前沿［J］. 现代纺织技术， 2022， 30（6）： 16-27.

WANG Pengfei， CHENG Hua. Research on the dynamic evolution and innovation frontier of domestic smart textile technology integration based on knowledge graph［J］. Advanced Textile Technology， 2022， 30（6）： 16-27.

［11］中国纺织工业联合会. 纺织行业“十四五”发展纲要［J］. 纺织科学研究， 2021（7）： 40-49.

China National Textile and Apparel Council. Development outline of textile industry during the “Fourteenth Five Year Plan”［J］. Textile Science Research， 2021（7）： 40-49.

［12］佚名. 产业用纺织品行业进入快速发展窗口期［J］. 纺织检测与标准， 2021， 7（2）： 50-52.

Anon. Industrial textile industry has entered a window period of rapid development［J］. Textile Testing and Standard， 2021， 7（2）： 50-52.

［13］翟东升， 张京先. 基于专利技术共现网络的无人驾驶汽车技术融合演化研究［J］. 情报杂志， 2020， 39（4）： 60-66.

ZHAI Dongsheng， ZHANG Jingxian. Research on technology convergence evolution of unmanned vehicle based on patent technology co-occurrence network［J］. Journal of Intelligence， 2020， 39（4）： 60-66.

［14］KRAFFT J， QUATRARO F， SAVIOTTI P P. The knowledge-base evolution in biotechnology： A social network analysis［J］. Economics of Innovation and New Technology， 2011， 20（5）： 445-475.

［15］李艳丽， 周涛. 链路预测中的局部相似性指标［J］. 电子科技大学学报， 2021， 50（3）： 422-427.

LI Yanli， ZHOU Tao. Local similarity indices in link prediction［J］. Journal of University of Electronic Science and Technology of China， 2021， 50（3）： 422-427.

［16］BURT R S. Structural Holes： The Social Structure of Competition［M］. Cambridge： Harvard University Press， 1995.

［17］苗红， 赵润博， 黄鲁成. 老年可穿戴技术融合演化特征研究［J］. 情报杂志， 2019， 38（6）： 64-71.

MIAO Hong， ZHAO Runbo， HUANG Lucheng. Research on the convergence evolution characteristics of the elderly wearable technology［J］. Journal of Intelligence， 2019， 38（6）： 64-71.

［18］郭秋萍， 趙静， 郭祥. 基于结构洞的人际情报网络分析［J］. 情报理论与实践， 2016， 39（3）： 26-31.

GUO Qiuping， ZHAO Jing， GUO Xiang. Analysis of human intelligence network based on structural holes［J］. Information Studies： Theory & Application， 2016， 39（3）： 26-31.

［19］KIM E， CHO Y， KIM W. Dynamic patterns of technological convergence in printed electronics technologies： Patent citation network［J］. Scientometrics， 2014， 98： 975-998.

［20］LEE W S， HAN E J， SOHN S Y. Predicting the pattern of technology convergence using big-data technology on large-scale triadic patents［J］. Technological Forecasting and Social Change， 2015， 100： 317-329.

［21］CAVIGGIOLI F. Technology fusion： Identification and analysis of the drivers of technology convergence using patent data［J］. Technovation， 2016， 55： 22-32.

［22］馮科， 曾德明， 周昕. 技术融合的动态演化路径［J］. 科学学研究， 2019， 37（6）： 986-995.

FENG Ke， ZENG Deming， ZHOU Xin. Evolutionary patterns of technology convergence［J］. Studies in Science of Science， 2019， 37（6）： 986-995.

［23］杨奎浪， 徐茜. 基于专利计量的智能纺织品技术创新前沿研究［J］. 丝绸， 2021， 58（6）： 48-55.

YANG Kuilang， XU Qian. Research on the innovation frontier of global intelligent textile technology based on patentometrics［J］. Journal of Silk， 2021， 58（6）： 48-55.

［24］徐茜， 程华. 中国纺织高校技术融合动态演化模式及其对创新绩效的影响［J］. 丝绸， 2021， 58（2）： 85-92.

XU Qian， CHENG Hua. The dynamic evolution mode of technology fusion in Chinese textile universities and its impact on innovation performance［J］. Journal of Silk， 2021， 58（2）： 85-92.

［25］郑巧巧， 虎陈霞， 徐茜. 基于链路预测的智能纺织品技术融合趋势研究［J］. 丝绸， 2022， 59（6）： 10-16.

ZHENG Qiaoqiao， HU Chenxia， XU Qian. Research on the trend of technology convergence for mart textile based on link prediction［J］. Journal of Silk， 2022， 59（6）： 10-16.

［26］李盈， 刘志涛， 陈治申， 等. 产业用纺织品的应用及其与传统纺织品的区别［J］. 化纤与纺织技术， 2022， 51（1）： 31-33.

LI Ying， LIU Zhitao， CHEN Zhishen， et al. Application of industrial textiles and their differences from traditional textiles［J］. Chemical Fiber & Textile Technology， 2022， 51（1）： 31-33.

［27］工业和信息化部国家发展改革委员会. 关于产业用纺织品行业高质量发展的指导意见［J］. 纺织科学研究， 2022（增1）： 29-31.

National Development and Reform Commission， Ministry of Industry and Information Technology of the People’s Republic of China. Guiding opinions on high quality development of industrial textile industry［J］. Textile Science Research， 2022（S1）： 29-31.

Analysis of the evolution of cross-field technology convergence in technical textiles

ZHANG Chi， WANG Xiangrong

LI Lingyu， HU Chenxia， XU Qian

（College of Economics & Management， China Jiliang University， Hangzhou 310018， China）

Abstract： With the advent of Industry 4.0， exchanges and cooperation between different technologies have become more frequent. The emergence of new technologies such as artificial intelligence and virtual reality has brought opportunities and challenges to traditional industries. The textile industry， as a pillar industry in China， has been restricted in its development due to increasing labor costs and intensifying market competition. Industrial textiles， as an important part of China’s textile industry， currently focus on improving eight major areas including high-quality nonwovens， safety and emergency rescue textiles， high-performance aerospace textiles， and medical and health textiles. Their excellent structure and diverse functions can meet the demand for advanced textile materials in new materials and new energy. At the same time， the textile industry as a whole is rapidly developing toward functionalization， intelligence， and greening. By exploring the evolution and development trend of cross-field technology convergence in industrial textiles， we can grasp the main development directions in this field and identify areas where breakthrough innovations may be generated in the future.

We obtained a total of 6 561 valid patent data from 1985 to 2019 based on the “Key Industry Patent Information Service Platform”. The data were divided into three stages according to the growth rate and distribution trend. By using UCINET and the social network analysis method， co-occurrence networks of industrial textile patents were constructed at three different stages. The IPC patent number was used as the node of the network and the co-occurrence relationship between the two patents was used as the edge of the network. The specific shape and distribution of the network were graphically shown. Based on the constructed patent co-existence network， three macro-measurement indicators： network density， network central potential， and network clustering coefficient were calculated to explore the overall situation and characteristics of the network. Two micro-measurement indicators： structure hole and intermediary were also calculated to identify key technologies and cross-field technology convergence paths. Finally， four similarity indicators： Common Neighbour， Adamic-Adar， Resource Allocation， and Preferential Attachment were used in link prediction to calculate similarity and predict potential links in the network. Based on these potential links， the main directions of technological convergence in the field of technical textiles and their likelihood can be obtained. This also enables the analysis of evolutionary trends of convergence relationships between different technologies and the prediction of future breakthrough technological convergence in the field.

The study shows that with the rapid development of technical textiles， technological convergence within the industry has increased in number， with a rapid decline in overall centrality and a weakening of the central role of technology. There is also a higher degree of clustering. These results indicate that different technological fields within technical textiles are increasingly closely linked and that technologies between different fields are more likely to converge than in the past. Technological integration has also shown more obvious clustering characteristics. The current focus of technological convergence is on innovations in textile production processes and physical properties. The study also shows that convergence mainly occurs in three main areas： work and transport， textile and paper， and fixed buildings. These areas are related to the current main applications of technical textiles in China. Technologies such as mechanical methods or equipment for separating and making chemical filaments， threads， fibers， manes， or tapes play an important role in technological convergence. The use of fiber materials in aerospace and the application of high-quality nonwoven textiles for civil engineering and construction are future areas of interest. Companies can invest more in these areas. While technologies such as washing， drying， ironing， flattening， or folding textiles play a significant role in technological convergence， innovations for such technologies are subject to high risks. When attempting new convergence between two technological fields， enterprises will face unknown R&D and market risks. Enterprises should comprehensively consider their own economic strength and risk resistance capabilities to make the best decision. In the digital economy， rapid changes in market demand and a deep understanding of industry trends can enable companies to reduce their R&D risks and investments and improve their market competitiveness. It is hoped that the results of this study will provide reference for technological innovation in textile enterprises and a basis for the transformation and upgrading of the industrial textile industry.

Key words： technology convergence; technical textiles; social network; link prediction; Key Industry Patent Information Service Platform; structural hole

收稿日期： 20221112;

修回日期： 20230620

基金項目： 作者简介： 李凌宇（2000），女，硕士研究生，研究方向为纺织产业技术创新。通信作者：虎陈霞，副教授，hcx115@163.com。