支持技术预见的多源异构大数据融合与时序文本预测方法研究

In recent years, the concept of the third industrial revolution is receiving more and more attention, when disruptive innovations appears to emerge in a much higher frequency. Amid the global innovation race, both developed and developing economies strive to better understand these future technology pathways with high uncertainties, in order to take a better position when facing rising competitions. Technology foresight, as a major measure to analyze the future technology, needs to be improved accordingly to better recognize these future path-independent technologies. .This study, therefore, attempt to bring big-data methods into technology foresight when aiming to improve the methodology. Machine learning, natural language processing, human-computer interaction methods will be integrated to the foresight process. Based on this, this project will firstly explore the “human-in-the-loop” interactive mechanisms that efficiently utilize the big data to support experts’ decisions, and then establish the process framework of identifying and prioritizing future critical technologies. The panorama analysis will be applied when synthesizing the multi-source heterogeneous data, including web news, patents, papers, etc. In addition, time-related sequential text prediction method will be revised and adopted to forecast the emergence of future critical technologies and identifying the possible emergence of future disruptive technologies. This study will apply the revised foresight methodology to three in-depth industrial cases, including high-end numerical control system, 3D printing, and robotics. From these empirical analyses, this study will test and generalize the big-data based foresight methodological framework. This research will contribute to the foresight literature and the big-data methodology studies, and will support the policy-making of China’s science and technology strategy and planning.

随着技术与产业范式产生重大变革，具有颠覆式特征的新兴技术不断涌现。如何在技术预见中捕捉未来需求变化与颠覆性技术出现的端倪至关重要，而这是现有技术预见方法的薄弱之处。. 本项目拟引入机器学习、自然语言处理、人机交互等大数据分析方法，从机制流程、数据方法等方面改进技术预见方法学。首先，本项目将探索交互式大数据支持技术预见决策的机制，建立关键技术识别与排序的大数据分析与预测流程框架。其次，在此基础上将网络、专利、论文等多源异构数据进行关联与融合，实现关键技术的全景式分析。然后，将时序文本预测方法融入到技术预见流程中，以更有效预测核心技术发展趋势以及颠覆性技术的出现。最后，将上述理论与方法应用到若干典型产业领域，归纳总结关键技术识别与排序的实用流程与工具方法。本研究有助于拓展技术预见基础理论体系，优化数据来源与处理，改进预测分析方法，为我国科技战略与规划提供决策支持。

随着技术与产业范式产生重大变革，具有颠覆式特征的新兴技术不断涌现，对于在技术预见中有效识别新兴技术及动态技术路径这一问题，本项目引入机器学习、自然语言处理、人机交互等大数据分析方法，结合创新管理、知识管理、文献计量等学科理论，探索大数据支持技术预见决策的机制与流程框架，创新多源异构数据融合与时序文本预测方法，从机制流程、数据方法等方面改进技术预见方法学。本项目进行了如下的研究：.（1）建立了面向技术预见的交互式大数据支持机制与流程框架。针对传统技术预见核心环节“关键技术识别与专家排序”中涉及专家数目庞大、流程周期长、效率低等问题，本项目融合信息科学、管理决策与创新管理等多个学科理论，构建了面向技术预见的交互式大数据支持机制与流程框架。该框架探索了技术预见与科技战略规划中大数据分析与专家研判的交互式流程，成功应用并支撑数项重大中国工程科技战略规划研究，取得了时任国务院领导的批示，并已整合放入中国工程科技知识中心下的智能支持系统（Intelligent Support System, ISS）平台。.（2）在上述流程基础上，探索了支持技术预见的多源异构数据的融合方法，从而实现关键技术的全景式预测。本项目将网络、专利、论文等多源异构数据进行关联与融合，并引入技术预见方法流程中，更有效的分析需求、市场、技术等维度对关键新兴技术发展的影响，在技术预见理论和方法学上取得重要研究成果。其成果还支持支撑“制造强国2025”、“工程科技前沿”等中国工程科技重大咨询项目，获得中国工程院感谢信，取得重要应用成果。.（3）深入研究了基于时序文本预测方法的技术发展路径识别及预见方法。本项目开发了基于论文时序数据的技术发展路径可视化工具1个，主题聚类工具1个，并分别获得了软件著作权，这些软件与工具有力地支撑了中国工程院“中国工程科技中长期发展战略2035”、“制造强国2025”等重大咨询研究项目的开展，并取得了重要成果。.（4）本项目的上述发现为后续学者的研究提供了基础理论及方法支撑。在这些具体研究的基础上，本项目出版《创新与战略路线图——理论、方法及应用》等三部著作，系统梳理了技术预见路线图的理论、方法和工具，以及大数据时代下的路线图方法创新，为本项目“面向技术预见的机制与流程”研究提供了丰富的理论知识，有效地促进了专家意见与大数据分析的交互机制的形成。