跨越“死亡之谷”：产学研合作多层复杂网络测度方法与演化预测研究

Surviving the Valley of Death, and further promoting the transformation of scientific and technological achievements, have become crucial for the strategy of innovation-driven development. In the context of open environment and complex data, the roles of the innovation stakeholders have been changed, thus the research about surviving the Valley of Death should extend beyond theoretical exploration. Taking advantage of the big data science to explore the potential structural dimension and evolution mechanism of Industry–University–Research Institute Cooperation has become one of the most important research issues in related area. In this study, we apply the approaches of bibliometrics and multi-layer complex networks to construct a multi-layer complex network of Industry– University–Research Institute Cooperation aiming to survive the Valley of Death. Based on this multi-layer complex network and Triple Helix, we measure the structural characteristics to explore the reasons and the effect of surviving the Valley of Death. By employing Link Prediction, Community Detection, and Machine Learning, we endeavor to trace and predict the multi-layer complex network; furthermore, combining Future Innovation Pathway, we analyze the mechanism and trend of Industry–University–Research Institute Cooperation. This project will provide quantitative results and decision support for science policy, R&D and strategy management, and entrepreneurship.

跨越“死亡之谷”，将科技成果转化与创新驱动战略相结合，提高科技成果的经济效益和社会效益，是目前我国创新发展亟待解决的问题。在开放环境与复杂数据的背景下，各类创新主体的职能均在变化，跨越“死亡之谷”的研究不再仅仅是模式上的探索，寻求整合数据科学的巨大优势，探究“死亡之谷”中产学研合作关系的潜在维度与演化机制，成为学界重要的研究问题。本研究运用文献计量学与复杂网络的相关理论和方法，构建面向跨越“死亡之谷”的产学研合作多层复杂网络；基于三螺旋模型及该多层复杂网络，构建跨越“死亡之谷”的双向影响机制测度模型；基于链路预测与社区发现等复杂网络分析方法，引入机器学习模型，追踪并构建该多层复杂网络演化预测模型，并结合未来创新路径研究框架，剖析产学研合作的内在机理与发展趋势。本项目将为科技成果跨越“死亡之谷”的实现，为我国相关政策的制定，为研发管理及企业创新管理等领域的研究，提供重要理论支撑和参考依据。

推动产学研合作过程是大力推动科技成果转化为现实生产力的前提，也是解决我国技术和经济“两张皮”问题和跨越“死亡之谷”的重要手段。本项目团队基于海量科技文献和专利数据，围绕产学研合作多层复杂网络构建开展了一系列深入探索，提高了识别技术特征的准确性和主体间语义关联的精准性，例如，基于word2vec模型与LDA主题模型的技术主题识别模型使得从“词粒度”层面对技术主题进行精细的语义建模成为可能。在此基础上，本项目团队对基于三螺旋模型的产学研合作多层复杂网络展开测度研究，并引入计量经济学方法开展跨越“死亡之谷”的要素与影响研究，例如提出了技术主体的五维技术属性；构建了基于指数随机图模型（ERGM）的技术转移主体技术属性对其科技成果转化影响分析模型；构建了中国科学院与企业或大学合作形成的产研、学研和产学研三种不同类型的合作网络，并开展加权度中心度和结构洞对科技成果转化的影响的研究。此后，本项目团队引入复杂网络分析与机器学习方法，刻画产学研合作关系的演化机制以预测其未来趋势，例如构建了基于网络表示学习和链路预测方法的未来合作关系预测模型。本项目提出的研究方法已被用于大量相关实证分析中，包括公共领域的技术转让、企业的技术创新绩效、绿色生物制药行业战略联盟伙伴评估、技术生命周期、专利引文网络、技术演进路径等，应用效果良好，未来将在科技政策与管理、产学研合作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12篇（其中包括FT50期刊论文在内的SCI/SSCI检索7篇，CSSCI检索5篇），培养年轻教师3人，硕博士学生10人。