基于多源异构数据的产业内与跨产业的研发合作研究

Research and Development （R&D）cooperation has already been an important strategic issues. However, how to estimate the direction of R&D cooperation accurately and scientifically improve the identification and evaluation options of R&D partner have become the new challenges, as the growth of technological innovation’s main body, the complexity of technological innovation activities and the rapid growth and diversity of sources of scientific and technological information. Therefore, this project will research on the R&D cooperation with technological innovation and establish standards aims by developing or applying relevant data and information analysis methods (correlation analysis, text mining, LDA model, etc.) based on the multi-source heterogeneous data (patents and literature, statistics, network information, etc.) which contains multiple information of technological innovation. Based on the research of the relationship between technology and industry association, this project will present the methods of identifying the R&D cooperation direction and partner to make research on the R&D cooperation in intra-industry aim to realize technological innovation and establish standards, and the R&D cooperation issues in cross-industry, in accordance with the logical framework of converting multi-source heterogeneous demand information into R&D demand-identification of R&D cooperation- evaluation and choice of R&D partners. The results of this project is expected to provide a methodology basis for improving the success rate, persistence and validity in R&D cooperation.

研发合作早已成为技术创新的重要战略选择。但在技术创新主体日益增长、创新活动日趋复杂、科技信息迅猛增长且来源日益多元化条件下，如何准确判断研发合作方向、提高研发合作伙伴识别与评价选择的科学性，成为新环境下的新挑战。基于此，本项目将以包含技术创新多重信息的多源异构数据（专利与文献、统计数据、网络信息等）为资源，开发或采用相关数据信息分析方法（关联分析、文本挖掘、主题模型等），以研究“技术与产业关联”关系为基础，提出从产业内和跨产业两方面，按照将多源异构需求信息转化为研发需求——识别研发合作方向——评价选择研发合作伙伴的逻辑框架，研究以技术创新为目标和以技术标准为目标的产业内研发合作，以及跨产业的研发合作等问题，提出研发合作方向判别和合作伙伴识别选择的科学方法，力求通过提高研发合作的成功率、持久性、有效性，应对技术创新面临的新挑战。

无论是对于提升研发能力，还是促进知识共享，研发合作都是创新主体的重要战略选择。面对产业内新兴技术层出不穷，跨产业技术溢出屡见不鲜，创新主体难以靠经验识别研发合作方向并选择合作伙伴。为此，本项目从产业内和跨产业视角界定问题，利用文献、专利、标准、商标、社交媒体信息、新闻等多源异构数据，首先，阐述了技术与产业的关联，提出跨产业技术溢出测度方法。其次，围绕产业内以技术创新为目标的研发合作方向确定，提出了基于多源数据的企业研发方向识别与评估模型；分析了产业链视角下研发合作网络特征；提出了TRT与技术路线图集成方法。第三，针对产业内以技术标准为目标的研发合作方向判断，阐述了基于技术标准的企业多主体竞合关系；提出了以技术标准为导向的企业研发方向识别与评估方法。第四，围绕跨产业的研发合作，构建了跨产业研发合作伙伴识别与选择模型。此外，为了更有效地识别合作需求和技术供给，提出了利用微信公众平台嵌入社会感知的技术热点主题识别与趋势分析模型。为促使研发合作更好地获得市场回报，提出了基于商标和专利数据的潜在研发商业化机会识别模型。研发合作发生在创新主体间，但合作行为会落实到具体的研发人员。为此，本项目以机器学习领域为案例，利用专利和社交媒体信息数据，进行了明星发明人识别与角色分析。上述研究发现，无论是产业内还是跨产业的研发合作，未来都将存在于创新生态系统中，社会公众将成为关键的创新主体和合作对象。为此，从创新四螺旋视角出发，提出了创新生态系统有机性的评价模型，并阐述了创新驱动要素的作用机制。面对高度不确定性的环境，高质量创新发展战略实施，将引发技术研发合作行为前移至基础研究阶段，基础研究成果转化的有效评估，有助于合作的开展和激励措施的制定。为此，研究构建了中国重点技术领域基础研究成果转化效率评估模型，并根据技术研发与基础研究的关联，预测了该领域的前沿主题，为开展基础研究阶段的研发合作指明方向。