一、前言

《“十三五”国家战略性新兴产业发展规划》提出，要将战略性新兴产业摆在经济社会发展更加突出的位置，大力构建现代产业新体系，推动经济社会持续健康发展。把握产业发展规律、研判产业发展方向，对于推动战略性新兴产业健康发展具有重要意义 [1]。新兴技术是指处于技术发展前期阶段、经济效益潜在价值突出的技术，与战略性新兴产业有着密切关联。新兴技术具有多种产生方式，技术融合作为重要途径获得广泛关注 [2,3]。战略性新兴产业中，存在着由技术融合而形成的新兴技术，如生物质能产业的核心技术即源于生物和能源两个不同领域的技术融合。

技术融合的前提之一是知识融合 [4,5]，表现为两个或多个不同学科领域之间相互交流而产生知识外溢的演化过程。随着知识流动程度的不断加深，知识外溢会带来新的研究模式、不同于原有科学领域的新知识，最终带来技术融合 [6～8]。有学者从技术路径角度研究技术融合 [9～11]，用来解释技术动态变化和创新进化的过程 [12]。不同路径间的知识交叉渗透形成新范式，从而带来技术创新，这是新兴技术范式的起源，有利于催生新兴产业。一般认为，从知识融合路径的角度分析新兴技术发展，是一种捕捉新兴产业早期动向、理解产业发展过程的有效方法。这类研究方法也可在战略性新兴产业发展方面发挥积极作用。

技术融合和知识融合的研究方法主要分为定性方法和定量方法，目前以后者为主流。定量方法以论文、专利、新闻等为基础数据开展研究 [13～15]。在以科技文献的引用信息为主要分析数据方面，苗红等 [16]基于专利引用信息和国际专利分类号（IPC）构建知识流动网络，完成技术融合趋势分析；No等 [17]提出了基于专利引用网络的技术融合程度指标。在对文本数据进行分析方面，邱均平等 [18]以论文关键词为主要数据，使用词频分析和共现分析方法研究技术融合的发展趋势；Kim等 [19]使用新闻数据中的不同领域企业的共现信息来判断产业融合的程度。在运用科技文献中的引用信息和文本信息方面，Kim等 [20]使用引文分析法和潜在语义分析法，完成了专利引用、标题、摘要和权利声明的分析研究。

知识融合过程体现了跨学科知识的流动，论文作为科学知识的重要载体，因其蕴含着丰富的文本信息和引用信息而成为研究知识融合的数据源。技术融合和知识融合的现有研究中，较多只是单独涉及科技文献的文本信息或引用网络；少量研究同时利用两种信息，但仅主要体现在流程层面，未能细化深入到算法层面，由此导致分析结果可能存在一定的偏差性。针对于此，本文同时采用引用网络和文本信息来开展知识融合路径分析研究，使用图神经网络（GNN） 模型[21～23]同时将论文的引用网络、标题和摘要信息编码成向量用于聚类处理，力求使研究结果更为全面合理。

分析技术融合过程，有助于理解战略性新兴产业的产生过程、发展规律和发展方向。本文针对我国战略性新兴产业中的高端装备制造、新一代信息技术、新医药、新能源4个技术领域进行多案例研究，研判相关行业的融合发展趋势，以期为我国产业政策研究提供理论支持。

二、研究方法

图1 基于引用网络和文本信息的知识融合路径分析框架

文中综合应用引用网络和文本信息来构建知识融合路径分析方法的研究框架（见图1），包括引用网络构建、论文聚类、融合路径识别3个主要步骤，涉及引用网络可视化、图神经网络模型、K-means聚类算法、相似度计算、主题模型等方法。对于按照时间累积的论文数据，采用上述研究框架开展聚类和关联，进而识别出知识融合的路径。

（一）引用网络构建与可视化

论文数据来自美国科睿唯安公司Web of Science数据库中的核心合集。根据选定领域的专业知识和分析需求，确定检索式以获取检索论文，提取检索论文的标题、摘要、发表时间、参考文献等信息，作为后续分析的输入数据。对于参考文献数据，使用 Citation-Network Data Analyzer（CDA）软件 [9]开展引用网络构建和可视化处理。

（二）基于图神经网络的论文聚类

1. 图自动编码器

图是由节点和边组成的数据结构，其中节点往往含有特征。对于论文引用网络，节点代表论文，边代表引用关系，节点特征包括论文文本、发表时间、刊载期刊等。为便于分析计算，通过图嵌入方式将图的节点表示为低维稠密向量。传统的图嵌入算法由于尽可能保留图的结构信息而忽略了节点本身的信息 [24]。作为深度学习模型，GNN能够同时对图的结构信息和节点信息进行计算，因而在图嵌入算法应用方面具有优势 [25]。

文章来源：《中国战略新兴产业》 网址: http://www.zgzlxxcy.cn/qikandaodu/2021/0326/941.html