基于智能情报挖掘的技术甄别发展现状及趋势预测研究

褚晓泉 刘德兵 仇瑜 郭双瑞 曹建飞

摘 要：科技評估是识别前瞻性技术、合理规划知识创造活动和促进科技创新的有效途径，对于辅助配置研发资源，提升国家现代化水平和综合国力具有战略意义。鉴于此，本文首先对科技评估任务中技术甄别相关的关键概念进行了辨析，梳理各国、各领域重点关注的热点技术、新兴技术、前沿技术和颠覆性技术的含义、特征、差异，总结具有代表性的研究成果;然后，以文献计量方法为基础，借助共词分析技术相关研究在数量、共词等方面的变化趋势，计算CDt指数识别其中的颠覆性成果;最后，通过生命周期曲线拟合方法对领域当前发展现状和未来变化趋势进行预测。本文对科技评估中技术甄别相关的概念归纳、采用的分析方法和相关结论能够为情报分析人员开辟新思路，对于不同领域开展科技评估和技术甄别工作提供参考。

关键词：科技评估;技术甄别;情报挖掘;文献计量;人工智能

中图分类号：G301文献标识码：A文章编号：2097-0145（2022）03-0007-08doi：10.11847/fj.41.3.7

Research on Development Status and Trend Predict of Technology Identification

Based on Intelligent Information Mining

CHU Xiao-quan1， LIU De-bing2， QIU Yu2， GUO Shuang-rui3， CAO Jian-fei4

（1.Department of Computer Science and Technology， Tsinghua University， Beijing 100084， China; 2.Beijing Knowledge Atlas Technology Co.， Ltd， Beijing 100084， China; 3.School of Computer Science and Technology， Anhui University， Hefei 230601， China; 4.Center for Strategic Studies， Chinese Academy of Engineering， Beijing 100088， China）

Abstract：Science and technology evaluation are effective approaches to detect forward-looking technologies and reasonably make creation activities plan to promote scientific and technological innovation， and have strategic significance for assisting the allocation of R&D resources and improving the level of national modernization and comprehensive national strength. In view of this， this study firstly discriminates the core concepts related to technology identification in science and technology foresight tasks. We sort out the scientific connotation， characteristics and differences of the most watched hot technologies， emerging technologies， frontier technologies and disruptive technologies， and summarize the representative researches. Secondly， based on the bibliometric， we adopt the co-words analysis the changing trend of related research in terms of quantity method and co-word analysis， and the widely used CDt index is calculated to identify the disruptive achievements. Finally， the current development status and future maturity of each theme are estimated using life cycle curve fitting method by us. The induction of key technology concepts， adopted analysis methods and relevant conclusions in this study could open up new ideas for information analysts. Furthermore， that would also provide reference for science and technology evaluation and technology identification task in different fields.

Key words：science and technology evaluation; technology identification; information mining; bibliometrics; artificial intelligence

1 引言

当今世界正经历百年未有之大变局，国际力量之间的较量正在经历历史性变革，在此背景下，科技创新在国家发展全局中的战略地位日益凸显。在民生、国防、市场等多方需求的大力推动下，全球各国政府先后部署科技创新相关的战略计划，促进本国技术革新。美国是最早开始科技研发部署的国家，国防预先研究计划局（DARPA）在重点领域率先开展颠覆性技术预测和发展管理工作[1，2]。中国科学院自2011年开始实施“创新2020”工程，为我国创新型国家发展提供支撑[3]。日本成立“科学技术创新战略本部”，强化政府在科技创新层面对政策推进的职能。可见，加强科技管理，促进科技创新，对于提升国家综合实力具有战略意义，已经受到全球各国重点关注。“坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑”已经成为我国科技发展的重要指导。

科技评估是开展科技评估工作、规划知识创造活动和促进科技创新的有效途径，技术甄别的目标是识别前瞻性技术，对包含在科技出版物中的技术点进行分析，是科技评估中的一项重要内容。从国家科技發展需求来看，及时把握领跑技术所在领域的全球变化趋势，有助于实施动态调整，确保先进技术的领先地位;对于技术短板与薄弱领域，开展技术甄别工作有助于及时挖掘技术缺口，缩小发展差距，为指导下一步科技发展指明方向。因此，必须掌握科技评估方法，把握技术甄别、预测的关键方法，为优化科研资源配置与国家发展战略部署提供决策支撑。

近年来，国内外的情报研究人员利用科技情报分析实现科技评估，已经积累了德尔菲法、层次分析法、情景分析法等多元化科技分析方法，借助领域专家经验和统计分析实现研判，取得了显著成效。然而，全球科学、技术和创新系统是一个复杂的适应系统，具有高度的非线性和不可预测性[4]，加之科技资源爆炸增长、海量噪声涌入使得科技情报挖掘已经发展成为全新的交叉学科难题，传统的专家研判和统计分析方法无法满足新时期的新要求。

当前，随着科学学的迅速兴起和文献计量学的发展，加之人工智能和大数据时代的到来，智能分析方法在技术甄别工作中逐渐崭露头角，成为辅助手段与补充工具。依托科技情报，运用智能情报挖掘方法来实现前沿动态分析、专利预测、科研竞争力与科技实力评测等已经成为可能，并逐渐拓展到经济和社会信息领域。

基于该现状，本文针对科技评估中技术甄别相关研究展开分析，主要内容如下：首先，对技术甄别相关概念进行辨析，总结领域典型解决方案;然后，采用文献计量方法、可视化软件进行领域现状剖析，挖掘技术演化规律，计算CDt指数评估颠覆性成果;最后，通过拟合技术生命周期曲线预测领域发展态势，对前景进行展望。本研究的创新之处在于，针对当前技术甄别热点话题进行系统的总结与辨析，有针对性地挖掘细分方向中的研究主题演化规律;将科技评估指标、技术生命周期曲线拟合等智能科技情报挖掘方法用于科技评估发展现状分析，推动国内情报分析工作智能化发展。研究成果能够为科技情报分析提供方法论层面的启示，同时为更加科学、有序地开展技术甄别工作提供参考。

2 概念辨析

科学学研究的问题本质涉及到几乎所有的科学学科[5]，目标是理解、量化和预测科学研究及其结果。近年来，科学学应用于科技评估已经得到了不同背景学者的广泛关注。截至目前，全球情报人员已经研发了适用于多场景的评估方法，内容包括：（1）对科技成果学术影响力的评价[6];（2）对研究人员、机构的研发实力的评价[7];（3）从海量科技数据中挖掘高价值技术[8];（4）通过文献计量对领域发展前景进行预测[9]等。技术甄别是科学学中不可忽视的重要内容，对加快科技创新、提升国防现代化水平和改善人民生活质量具有重大意义。依托于科技数据开展技术甄别工作已经成为全球各国、各领域重点关注的战略性问题。

2012年，Alexander等[4]建议通过研究同行评议的期刊文章、授予的专利等文献，探索隐含在科技发表物中的信息。在过去的10年里，各学科数以百计的期刊诞生了，每天都有上千篇科技成果物在全球范围内发表;科技出版物检索与共享平台，如Web of Science、中国知网、AMiner[10]等面向全球科研人员提供服务，为深度挖掘现代科技发展特征与规律创造了条件。但是，不断增加的信息量也为情报分析任务带来了全新的挑战。美国情报理论学者MacDonald和明尼苏达大学研究团队先后指出，出版物的增加不仅使得研究人员难以聚焦[11]，更使情报分析机构遭受信息超载的困扰[12]。充分利用数据优势，理解科技情报深层概念，制定科学的分析策略，才能应对新时期的情报分析需求。

对技术的甄别、分析和预测是科技评估的重中之重。典型的技术类型可以归纳为热点技术（Hot Technologies）、新兴技术（Emerging Technologies）、前沿技术（Frontier Technologies）和颠覆性技术（Disruptive Technologies）。在以往的研究中，针对不同类型技术的概念尚未有明确的区分，本研究基于领域现状，从技术潜力和时间维度两个角度对不同类型技术的含义进行区分（如图1），同类型技术从科技计量角度来看往往表现出相似的特征。

热点技术可以理解为某一领域从历史延续至今的研究热点，其积累优势明显[13]，讨论度高，易于发现，在每个特定时期可以通过主题挖掘或词频共现分析而得。对于学术和舆论广泛讨论的热点，需要技术的迭代和应用验证其技术价值，因此，热点技术的涵盖范围较广，其中技术的发展潜力和前景有待挖掘和考证。

新兴技术是近年来受到突出关注的主题，美国情报高级研究项目活动组织IARPA建立FUSE计划，主要目的之一就是提名新兴技术[14]。Alexander等[4]较早地对技术“新兴”的场景进行了辨析，作者团队认为“当一个概念引起特定社区的兴趣，研究人员和发明者将投入时间、资源和精力探索该概念对科学和技术产生持久影响的潜力时，就实现了技术上的兴起”，为大众理解“新兴”概念奠定了基础。2015年，Rotolo等[15]对相关文献进行梳理，总结出了新兴技术的5个特征属性：新颖性、成长性、一致性、影响力和不确定性，将新兴技术定义为科学研究过程中产生的短时间内能够聚集大量资源且成长速度较快，具有影响未来经济和社会发展潜力的创新技术。在学术领域，Porter等[16]结合文本挖掘提出了“新兴得分”，从科技出版物的摘要中挖掘新兴技术。Small等[14]建立共引模型和直接应用模型，探索从引文数据库中挖掘新兴技术的方法。周源等[17]提出了数据挖掘与专家小组决策相结合的框架来识别新兴技术，并在具体项目中验证了方法的有效性。可以看出，相比于热点技术，新兴技术更强调新颖性，对于行业或国家发展具有更显著的影响力，已经初步实现了“人工智能+专家研判”融合的新兴技术识别框架。

前沿技术（或研究前沿）通常被视为“最具发展潜力的新兴研究领域或研究主题”[18]，科睿唯安（Clarivate）对研究前沿做出如下定义“研究前沿由一组共同引用的核心论文以及引用一篇或多篇这些核心论文的当前来源论文组组成。”近年来，面向领域技术前沿的分析与挖掘引起广泛关注。中国工程院联合中国科学院、科睿唯安等组织单位联合发布的《研究前沿》，聚焦前沿技术，为各领域把握技术前沿提供参考。除传统的专家判断法外，共被引分析和文献耦合分析是常见的前沿技术甄别方法[14]，Fajardo-ortiz等[19]针对HIV/AIDS专题进行了论文核心子网络的构建，结合文本挖掘实现领域研究前沿的识别。相比热点技术和新兴技术，前沿技术突出该技术在领域中的发展潜力，关注技术点能够发展并延续到未来的突出价值。当前，聚焦前沿技术识别的研究较少，在数量上远少于热点技术和新兴技术。

1998年，Andersen[20]阐明了颠覆性技术的概念，指出DTs具备破壞原有技术轨道的潜力，能够使原本的技术生命周期断裂，形成新的技术轨道。Funk和Owen-smith[21]在研究中提出：“颠覆性技术相关发表物在引文网络中具有巩固型和突破型——两种不同类型的表现形式”，该团队提出了CDt指数，从科技成果物中辨识颠覆性技术。该指标自提出以来，已经成为公认的颠覆性技术有效识别方法之一[11，22]，被应用于不同场景下的科技评估工作中。在国家战略层面，颠覆性技术引领武器装备发展，在未来战争中创造颠覆效果，美国DARPA和日本政府先后推行了面向颠覆性技术的创新管理计划，主要聚焦国防重点领域[20，23]。与新兴技术相似，颠覆性技术关注技术“革新”对“实践”带来的效果，但是，颠覆性技术对创新程度的要求更高，在衡量技术对经济社会影响的同时，更关注其改变原有技术轨道的特性，强调在技术发展过程中的变革性地位。

鉴于不同类型技术在科技发展中的角色和地位，依据其特征、属性构建智能、有效的技术甄别流程，实现有针对性的辨识和预测，是研发和应用领域共同关注的重要议题。

3 科技评估技术研究现状分析

本文从技术甄别这一主题出发，通过文献计量的方法对热点技术、新兴技术、前沿技术和颠覆性技术评估的研究成果进行检索、分类统计和分析。选取Web of Science为检索平台，检索技术甄别方法相关的高质量成果，具体的检索规则、通过人工筛选的相关文献数量如表1所示，检索日期为2022年5月3日。

根据检索结果的年份分布绘制了趋势图（如图2所示）。可以看出，自2000年以来，面向热点技术、新兴技术、前沿技术和颠覆性技术的研究均呈现不同程度的增长态势。其中新兴技术识别受到的关注最为显著，热点技术紧随其后;面向前沿技术和颠覆性技术的研究数量明显低于上述两种技术。统观现有的研究成果，中科院学者罗瑞等[13]针对前沿技术相关研究进行了综述，总结了相关研究的类型、采用方法的特点，主要以定性分析和梳理总结为主，缺乏深层信息挖掘;2022年，伊朗、土耳其等多国学者联合发表的新兴技术识别现状分析研究[24]通过文献计量的方式对科技成果、期刊等进行了定量分析，但缺乏面向科技评估较为全面的辨析。因此，本研究基于文献检索结果，对其研究主题进行聚类分析，并应用CDt指数开展颠覆性成果评价分析。

3.1 研究主题分析

近年来，VOSviewer已经发展成为国内外情报分析的有力工具[19]，考虑到该软件在聚类图谱可视化方面的突出优势，本研究应用Overlay map功能进行文献计量地图分析，分析范围包含文献的标题、摘要和关键词，针对热点、新兴、前沿和颠覆性技术的分析结果统计如表2。

通过对分析结果进行总结可以得出，热点技术的研究中心较为突出，集中于对热点话题的讨论，基于数据集的算法研究是该领域关注的重点。新兴技术相关的研究主题较为丰富，高频主题涉及领域较多，这充分印证了Xu等[2]提出的新兴技术所具备的快速增长和不确定性;随着时间的演变，面向新兴技术的研究和讨论焦点逐渐从“特定领域的分析”向“融合科技数据和产业数据的综合研究”

演变，“人工智能”“算法”等关键词开始出现在相关研究中。前沿技术研究的“模型”“系统”等在2015年就已经受到了广泛关注，近年来，学者们的研究焦点从最初的“技术效果”“性能”等方面的讨论逐渐演变为聚焦特定“国家”“话题”的讨论，文献计量分析在2019年左右成为该领域较为典型的工具。有关颠覆性技术的研究呈现总体较为集中的分布特征，近年来涌现的新一代技术，如“人工智能”“区块链”“云”等逐渐显示出作用;与Bower和Christensen[25]在阐述颠覆性技术时所持观点相呼应，技术在工业、市场中的实际作用是开展颠覆性技术识别中不可忽视的重要话题。

通过对比不同技术类型相关研究的分析结果，可以看出无论对于哪种类型的技术甄别工作，文献计量、人工智能等定量分析方法均不同程度地出现并影响着该领域研究主题的演变。相比前沿和颠覆性技术，热点技术和新兴技术的相关成果较多，研究内容涉及领域更加丰富，相关学者更加注重在特定的学科或领域进行甄别和验证试验，而鉴于前沿技术和颠覆性技术高价值、影响力重大等突出特征，难以在具体的案例中进行验证，研究主题更多地聚焦于技术特性和方法设计层面。

3.2 颠覆性研究分析

2021年，明尼苏达大学的研究人员[11]在颠覆性技术分析的研究中发现，尽管大数据技术的发展为科技情报共享创造了条件，科学成果在过去的一个世纪中飞速增长，但是，对现有知识体系产生突破性影响的创新型技术正在减少。为了精确甄别科技评估相关的突破性研究成果，本研究采用CDt指数对检索结果进行定量评估。

按照Funk和Owen-smith[21]的定义，CDt指数用于度量后来出现的技术点如何利用技术前辈，核心思想是：当一项颠覆性的技术以文献形式出现，其施引文献对于相关领域先前研究（技术前辈）的引用将会减少。相反地，当某项技术以巩固性技术形式出现，其施引文献在引用该文献的同时通常会对相关领域技术前辈进行引用，用于对比与分析。CDt具体计算方式如下

CDt=1n∑nn=i-2fitbit+fit（1）

其中fit和bit用于描述研究目標文献的被引用情况，i表示任意文献，t表示时间，本研究设置t=5。若文献引用当前目标的同时也对其技术前辈相关的文献进行了引用，则定义为b型，若仅对当前目标进行引用而没有引用其技术前辈，则定义为f型，具体计算方式如下

fit=1，若i仅对当前文献进行引用

0，其它（2）

bit=1，若i对当前文献进行引用的同时也引用其技术前辈

0，其它（3）

CDt指数计算结果的数值范围为[-1，1]。结果越接近于1，表明该技术突破型颠覆性越强。图3（A）、（B）、（C）分别展示了CDt计算结果为1，0，-1的特殊情况，分别代表该技术具有典型突破型颠覆性、无显著颠覆性和巩固型颠覆性的情景。

本研究利用Python语言进行编程实现CDt指数计算，针对检索结果中的热点技术、新兴技术、前沿技术和颠覆性技术研究进行颠覆性评估。表3总结了颠覆性评价结果的示例，评估结果可以甄别和揭示现有研究成果中具有突破型颠覆性的科技成果，为情报分析人员提供参考。通过颠覆性分析结果可以看出，检索结果中的突破型成果的颠覆性指数数值较小，缺乏具有领域影响力的颠覆性技术研究成果。在突出的研究成果中，美国学者占比较大。

4 科技评估技术发展趋势预测分析

早在20世纪末就已经有研究者通过行业历史数据的拟合和分析，发现Logistic模型（生命周期曲线）是技术进步及个人和集体行为预测的有效工具[34]，该曲线一开始呈指数增长，然后增长率趋缓，最终逐步接近最大值，整体呈“s”型，因此也称s型曲线，曲线表达式如下

M（t）=L1+c·er·（t-t0）（4）

其中M为技术成熟度，是时间t的函数，L代表了领域的承载力，L，c，r是待求参数。加州大学的Mathews[35]在1992年提出的s型曲线拟合方法清晰地提供了逐步计算方法，目前，将目标领域与生命周期曲线相结合的方法已被广泛应用于文献增长规律研究[36]等方面的分析。为衡量领域发展现状，本研究引入技术成熟度评估模型来定量评估面向热点、新兴、前沿和颠覆性技术科学研究的发展态势。

因此，本研究通过Python编程语言，按照Mathews所述方法，使用最小平方法求解最小化问题，对热点、新兴、前沿和颠覆性技术识别相关的研究历史数据进行参数求解和曲线拟合，并对拟合结果进行可视化。对2022年领域科学研究成熟度所在位点进行标注，计算2025年该领域成熟度，实现预测，可视化结果如图4。

图4（A）展示了热点技术发现识别相关研究的发展状况，可以看出，当前有关热点技术识别的技术成熟度正处于高速发展阶段，增长速度将在2022～2025年间达到峰值。新兴技术识别相关研究的数量明显高于其他三类技术，但是，从历史数据的变化情况来看，有关新兴技术的甄别技术仍待进一步探索，未来提升空间巨大。在新兴技术引起各界关注的初期，大多研究聚焦于技术特征的辨析，近年来，基于自然语言处理等新一代信息技术的新兴技术甄别方法才刚刚起步，将文献计量与人工智能相结合的尝试为新兴技术预测开辟了新道路[17]，针对新兴技术的复杂特征开展甄别工作仍待探索。有关前沿技术识别的方法在2022年左右已经实现了爆发式增长，该结果与前沿技术近年来受到广泛关注从而成果数量大幅增长有关。颠覆性技术识别的成熟度明显低于前沿技术。当前，公认的、经过研究验证的颠覆性评估方法较少，一方面技术识别的方法论仍待进一步创新和突破，另一方面，颠覆性技术特有的对社会乃至国家的影响力也成为学者开展预测工作的阻碍。

通过文献历史数据对技术识别的成熟度进行分析，结果显示不同类型的技术其甄别方法从起步发展至今已经实现了技术积累，在科学研究方面均有显著的发展空间。从技术创新层面来说，加强对科技评估相关技术的创新和发展，能够提升科技评估的准确率，从而进一步促进全领域研发资源配置和发展规划，加快科技创新。

5 结论与展望

5.1 科技评估发展前景展望

本研究通过文献综述的方法梳理了科技评估和技术甄别相关的核心概念和关键问题，通过文献计量软件和计算机编程工具实现了研究主题挖掘、典型研究识别和领域发展趋势定量分析，应用统计学习方法为传统的文献综述研究框架提供深度信息。通过对研究结果进行分析可以看出，面向热点、新兴、前沿和颠覆性技术的识别技术近年来经历技术变革，从传统的定性分析逐步向以文献计量和人工智能为代表的定量和智能分析演化;当前，具有显著颠覆性的科技评估成果仍待探索，不同类型技术甄别的方法成熟度有较大的提升空间。

针对该现状，我们对于科技评估研究未来的发展提出以下建议：（1）科技评估事关领域创新和国家发展，汇集各领域、学科，国内学者对于关键概念辨析、智能甄别和人工智能辅助专家研判等方面的探索仍处于起步阶段，有待进一步开展创新性的科技评估方法研究，研发符合国情和国家发展战略的科技评估方法、策略，尽快构建权威、高效的科技评估智能分析系统，为常规化开展技术挖掘工作提供平台。（2）对于领域发展而言，国内外学者已经针对技术甄别开始了智能化方法的研究，但是，统观领域成果，尚未有权威的数据集作为研发人员进行实验、验证的依据，部分研究采用诺贝尔奖、顶尖学术期刊高引文献等作为方法验证的依据，但是这样的验证方式无法保证构建的方法能够从海量数据中精准地甄别出潜在的高价值技术。因此，急需领域学者的共同努力，合作构建公开、权威的技术评估数据集作为该科技评估方法研发的依据。

5.2 研究结论与局限性

从数据依据来看，本研究以Web of Science为分析来源，对核心论文的主题、数量和未来变化趋势进行了讨论。在未来的研究中，一方面可以进一步结合国际论文的国家分布和高水平中文刊物来挖掘科技评估发展的地区差异情况;另一方面，应从论文和专利两种研究路径分别入手，挖掘以学术论文为代表的科学研究水平和以专利为代表的技术转化与应用程度信息，更加深入、具体地研究科技评估研发情况。

參 考 文 献：

[1]刘安蓉，李莉，曹晓阳，等.颠覆性技术概念的战略内涵及政策启示[J].中国工程科学，2018，20（6）：7-13.

[2]Xu H， Winnink J， Yue Z， et al.. Multidimensional scientometric indicators for the detection of emerging research topics[J]. Technological Forecasting and Social Change， 2021， 163： 120490.

[3]白如江，冷伏海，廖君华.科学研究前沿探测主要方法比较与发展趋势研究[J].情报理论与实践，2017，40（5）：33-38.

[4]Alexander J， Chase J， Newman N， et al.. Emergence as a conceptual framework for understanding scientific and technological progress[A]. Proceedings of PICMET'12： Technology Management for Emerging Technologies[C]. IEEE， 2012. 1286-1292.

[5]Zeng A， Shen Z， Zhou J， et al.. The science of science： from the perspective of complex systems[J]. Physics Reports， 2017， 714： 1-73.

[6]Shah N， Song Y. S-index： towards better metrics for quantifying research impact[J]. arXiv： 1507.03650， 2015.

[7]Bornmann L， Daniel H D. What do we know about the h index[J]. Journal of the American Society for Information Science and Technology， 2007， 58（9）： 1381-1385.

[8]李乾瑞，郭俊芳，黄颖，等.基于专利计量的颠覆性技术识别方法研究[J].科学学研究，2021，39（7）：1166-1175.

[9]Lezama-Nicolás R， Rodríguez-Salvador M， Río-belver R， et al.. A bibliometric method for assessing technological maturity： the case of additive manufacturing[J]. Scientometrics， 2018， 117（3）： 1425-1452.

[10]Tang J， Zhang J， Yao L， et al.. Arnetminer： extraction and mining of academic social networks[A]. Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining[C]. New York： ACM， 2008. 990-998.

[11]Park M， Leahey E， Funk R. The decline of disruptive science and technology[J]. arXiv： 2106.11184， 2021.

[12]李广建，罗立群.走向知识融合——大数据环境下情报学的发展趋势[J].中国图书馆学报，2020，46（6）：27-41.

[13]罗瑞，许海云，董坤.领域前沿识别方法综述[J].图书情报工作，2018，62（23）：119-131.

[14]Small H， Boyack K W， Klavans R. Identifying emerging topics in science and technology[J]. Research Policy， 2014， 43（8）： 1450-1467.

[15]Rotolo D， Hicks D， Martin B R. What is an emerging technology[J]. Research Policy， 2015， 44（10）： 1827-1843.

[16]Porter A L， Garner J， Carley S F， et al.. Emergence scoring to identify frontier R&D topics and key players[J]. Technological Forecasting and Social Change， 2019， 146： 628-643.

[17]周源，刘宇飞，薛澜.一种基于机器学习的新兴技术识别方法：以机器人技术为例[J].情报学报，2018，37（9）：939-955.

[18]张迪，冷伏海.基于施引论文的研究前沿追踪方法与实证研究[J].情报科学，2020，39（4）：62-69.

[19]Fajardo-ortiz D， Lopez-cervantes M， Duran L， et al.. The emergence and evolution of the research fronts in HIV/AIDS research[J]. PLoS One， 2017， 12（5）： e0178293.

[20]Andersen B. The evolution of technological trajectories 1890-1990[J]. Structural Change and Economic Dynamics， 1998， 9（1）： 5-34.

[21]Funk R J， Owen-smith J. A dynamic network measure of technological change[J]. Management Science， 2017， 63（3）： 791-817.

[22]Wu L， Wang D， Evans J A. Large teams develop and small teams disrupt science and technology[J]. Nature， 2019， 566（7744）： 378-382.

[23]彭春燕.日本设立颠覆性技术创新计划探索科技计划管理改革[J].中国科技论坛，2015，（4）：141-147.

[24]Zamani M， Yalcin H， Naeini A B， et al.. Developing metrics for emerging technologies： identification and assessment[J]. Technological Forecasting and Social Change， 2022， 176： 121456.

[25]Bower J L， Christensen C M. Disruptive technologies： catching the wave[J]. The Journal of Product Innovation Management， 1996， 1（13）： 75-76.

[26]Brunt L， Lerner J， Nicholas T. Inducement prizes and innovation[J]. The Journal of Industrial Economics， 2012， 60（4）： 657-696.

[27]Ning H， Hu S. Technology classification， industry， and education for future Internet of things[J]. International Journal of Communication Systems， 2012， 25（9）： 1230-1241.

[28]Bose R. Advanced analytics： opportunities and challenges[J]. Industrial Management & Data Systems， 2009， 109（2）： 155-172.

[29]Cozzens S， Gatchair S， Kang J， et al.. Emerging technologies： quantitative identification and measurement[J]. Technology Analysis & Strategic Management， 2010， 22（3）： 361-376.

[30]Ibez J， Brevik E C， Cerd A. Geodiversity and geoheritage： detecting scientific and geographic biases and gaps through a bibliometric study[J]. Science of the Total Environment， 2019， 659： 1032-1044.

[31]Jovanovic B. The technology cycle and inequality[J]. The Review of Economic Studies， 2009， 76（2）： 707-729.

[32]Dotsika F， Watkins A. Identifying potentially disruptive trends by means of keyword network analysis[J]. Technological Forecasting and Social Change， 2017， 119： 114-127.

[33]Vojak B A， Chambers F A. Roadmapping disruptive technical threats and opportunities in complex， technology-based subsystems： the SAILS methodology[J]. Technological Forecasting and Social Change， 2004， 71（1-2）： 121-139.

[34]何然，李鋼.国外技术预测理论与实践进展[J].沈阳工业大学学报，2015，8（2）：97-108.

[35]Mathews J H. Bounded population growth： a curve fitting lesson[J]. Mathematics and Computer Education， 1992， 26（2）： 169-176.

[36]兰月新.基于动态logistic模型的文献增长规律研究[J].情报科学，2014，32（3）：86-89.