基于复杂网络的全球创新研发主体组合识别与评估方法研究

Identifying and evaluating multi-dimensional complementary R&D clusters from global science, technology, & innovation (ST&I) resources to support extensive ST&I have become crucial for the strategy of innovation-driven development. How to construct a systematic methodology to achieve this goal challenges government, high-tech industry, and institution. Based on complex network analysis and bibliometrics, this project seeks to construct R&D cluster-based and technology-based global innovation networks by using technological similarity. A R&D cluster identification model is developed by integrating a request-driven technological complementarity analytic algorithm and a random walk algorithm. A R&D cluster evaluation model is designed within a framework of fuzzy decision and fuzzy game. Econometrics-based indicators are introduced for evaluating the potential of technological innovation, and complex network analysis (e.g., community detection and link prediction) and machine learning techniques are then used to apply the indicators to evaluate R&D clusters. This project will provide quantitative results and decision support for science policy, R&D and strategy management, and entrepreneurship.

科技全球化背景下，利用全球创新资源、寻求技术优势互补的多元研发主体组合是弥补我国高端创新资源匮乏、实施创新驱动发展战略的重要手段。构建面向既定研发需求的全球创新研发主体组合识别与评估方法体系已成为我国科研管理部门、科研机构及高技术企业愈发关注的核心问题。本项目拟基于海量科技文献数据，以复杂网络分析与文献计量学方法为核心，分别构建基于技术相似度的全球创新研发主体网络和全球创新技术网络。在此基础上，结合需求导向的多元技术互补度计算模型、复杂网络拓扑结构分析和随机游走算法，探索面向技术互补型全球创新研发主体组合的识别分析方法；建立基于复杂网络分析（如社区发现与链路预测等）和机器学习方法的技术创新潜力预测模型，并引入模糊决策与对策和计量经济学等方法，探索面向全球创新研发主体组合的技术创新能力评估方法。本项目研究将为科技政策与管理、研发战略管理以及企业创新管理等领域提供重要的定量支撑与决策支持。

利用全球创新资源、寻求技术优势互补的多元研发主体组合是弥补我国高端创新资源匮乏、实施创新驱动发展战略的重要手段。本项目基于海量科技文献数据，以复杂网络分析与文献计量学方法为核心，围绕特色网络构建开展了一系列深入探索，大大提升了网络的动态性、主体间内在语义关联的精准性和全面性。例如，基于Word2Vec 模型和加权共词网络构建了用于预测新兴技术发展的动态语义网络；引入二模/双层网络建立了作者-关键词加权网络，深度挖掘了研究者与研究内容之间的连接关系。在此基础上，本项目结合需求导向的多元技术互补度计算模型、复杂网络拓扑结构分析和随机游走算法，探索了全球创新研发主体组合的识别分析方法；同时，建立了基于复杂网络分析（如社区发现与链路预测等）和机器学习方法的技术创新潜力预测模型，搭建了面向全球创新研发主体组合的技术创新能力评估方法。本项目提出的研究方法已被用于大量实证分析中，包括科研合作者识别、新兴技术识别、共性技术识别、技术主题演化路径识别、技术重组创新等，应用效果良好，未来将在科技政策与管理、研发战略管理以及企业创新管理等领域有更广泛的应用前景。研究工作按照计划圆满完成，以第一或通讯作者公开发表论文15篇（其中SCI/SSCI检索7篇，CSSCI检索4篇，EI检索4篇），录用SSCI论文1篇；培养硕士研究生9人，获评北京理工大学优秀硕士学位论文3篇；依托本项目，成功获批国家留学基金委2020年“中法蔡元培交流合作项目”。