大數據分析方法在戰略性新興產業技術預見中的應用

劉宇飛，周源，廖嶺

（1. 華中科技大學生命科學與技術學院，武漢430074；2. 清華大學公共管理學院，北京100084；3. 華中科技大學機械科學與工程學院，武漢430074）

大數據分析方法在戰略性新興產業技術預見中的應用

劉宇飛1，周源2，廖嶺3

（1. 華中科技大學生命科學與技術學院，武漢430074；2. 清華大學公共管理學院，北京100084；3. 華中科技大學機械科學與工程學院，武漢430074）

作為創新戰略管理工具，技術預見受到越來越多的重視。學術界對技術預見方法及其應用進行了大量的相關研究，但是對不同路徑的新興產業進行技術預見，尤其針對發展中國家的追趕型產業創新進行技術預見，仍是亟待深入探討的理論難題。另外，大多數技術預見仍然以德爾菲法專家分析法為主，其制定過程主要還是依賴專家的知識經驗，而缺乏客觀的大數據支撐，在分析研究上往往偏向主觀而缺乏信度和效度。本文將探索專利、文獻等大數據應用于支撐我國新興產業技術預見的理論和方法研究。

技術預見；文獻計量；專利分析；大數據分析；新興產業

DOI 10.15302/J-SSCAE-2016.04.018

一、大數據分析在戰略性新興產業技術預見中的重要性

（一）戰略性新興產業在國民經濟發展中處于重要地位

進入21世紀，科技創新能力已經成為國家綜合國力的一項重要衡量指標，成為國際競爭的焦點[1]。世界范圍內新一輪科技革命和產業變革與我國轉變經濟發展方式實現歷史性交匯，新一輪工業革命正在興起，全球科技進入新的創新密集期[2]。發展戰略性新興產業，是著眼于國際經濟格局，立足于國內未來可持續發展的重要戰略決策。戰略性新興產業將成為我國未來經濟增長、產業轉型升級、創新驅動發展的重要著力點。培育發展戰略性新興產業，高起點構建現代產業體系，加快形成新的經濟增長點，搶占未來經濟和科技制高點，對我國經濟社會真正走上創新驅動、內生增長、持續發展的軌道具有重大的戰略意義。黨的十八大報告明確指出，推進經濟結構戰略性調整，加快傳統產業轉型升級，優化產業結構，促進經濟持續健康發展的一個重要舉措就是積極推動戰略性新興產業的發展。認識戰略性新興產業的發展規律，找準發展方向，對于加快戰略性新興產業培育與發展至關重要。

在培育與發展戰略性新興產業方面，自主創新能力的提升既要滿足國家經濟發展的需要，又要面向新一輪科技革命帶來的產業升級，還要把握產業核心技術未來的發展趨勢。對技術發展有規劃的進行預見工作，其必要性與重要性越來越得到各國的認可[3-7]。美英日德韓等國，通過國家級的科技發展監測，對未來10至20年的技術態勢進行預見，制定科技發展規劃和行動計劃，從而提高資源配置效率，已經取得了顯著成效。例如，技術對外依存度這一指標，美英日德韓等國僅為5 %。

（二）技術預見在戰略性新興產業發展中扮演重要角色

技術預見已經受到越來越多國家的重視，成為一種新的科技戰略管理工具，但其結合科學、技術、經濟、管理等多學科交叉的特點，又增加了準確進行技術預見工作的難度。技術預見的主要目的是：探索國家未來的技術需要，識別未來重點研究領域，制定科學有效的發展規劃。為更好地提升我國自主創新能力，通過持續開展技術預見，形成一種研究機制與管理模式，不斷完善對國家未來技術需要的判斷，提高預測技術發展趨勢的能力[8]。

針對戰略性新興產業發展的技術預見越來越受到研究人員的關注[9]，同時也存在著理論及方法方面的重要難題。一方面，近年來研究認為，新興產業的形成與發展有不同的路徑，主要有以下4種[10]：產業新生、產業分化、產業派生和產業融合。這些路徑的不同導致我們需要差異化的技術預見理論和方法。另外，中國等發展中國家在產業技術創新上處于跟隨國際前沿的轉變時期，在新興產業技術的發展上與世界水平還存在需要追趕的創新差距。將創新差距的追趕納入到我國的技術預見理論及方法中，將是一個新的挑戰。因此，針對不同路徑的新興產業進行技術預見，尤其是要考慮發展中國家的創新追趕，將是技術預見亟待深入探討的理論難題。

（三）大數據分析在技術預見中將發揮重要作用

隨著信息爆發式增長，在宏觀產業發展戰略和技術預見中，完全依靠專家們自身有限的領域知識做出方向性的判斷，已經越來越受到爭議。而有效地使用大數據方法幫助專家完成信息的收集與篩選，數據的整理與分析，將信息與數據指標化、圖表化，幫助專家們解決信息的收集與分析問題，以便將更多精力投入到對技術預見和戰略問題的判斷與建議上，是技術預見的發展方向。需要注意的是，大數據方法的使用是為了支持而不是取代決策者，這些方法是為了讓專家們可以將更多的時間與精力用在他們所擅長的工作中——判斷與建議，從而最終提高戰略咨詢服務的質量。將這些客觀數據通過大數據分析的方法嵌入到戰略性新興產業的技術預見流程中，為專家提供數據支持，更科學地發揮專家專業知識與豐富經驗，降低主觀偏誤性，進而提高技術預見的信度與效度，是亟待解決的應用難題。

專利和文獻的大數據分析方法是以戰略性新興產業的論文、專利為數據，采用文獻計量學、數據挖掘、數據分析等方法，研究論文、專利數據中所包含的相關信息，從而分析相關技術的熱點和前沿、發展趨勢、國家對比、企業競爭力研究 等[11–15]。國內外的一些學者也將數據分析應用于技術預見工作，但更多的是將數據分析作為技術預見的背景資料的一部分提供給領域專家[16-20]，鮮有將數據分析與專家經驗相結合，在技術預見的整個流

程中產生互動，以研究未來技術的發展趨勢與戰略規劃[21-29]。同時，關于數據與專家交互的研究也積累了一定成果[30-33]，但是將數據分析方法大規模的投入到實際的咨詢工作中仍然有所欠缺。在國家正在進行的中長期科學和技術發展規劃研究和制定這一宏觀背景下，研究技術預見、關鍵技術選擇等方法，對我國宏觀發展戰略制定具有較好的科學意義和現實意義。

因此，本文希望在理論設計和深度案例應用研究的基礎上，建立基于專利文獻等大數據的“新興產業技術預見”的分析框架及流程，提高數據搜索與使用能力，加強數據分析能力，將專利文獻數據分析流程化系統化，同時增強易用性，降低使用門檻。本項目將使用客觀分析方法，如文獻計量、專利分析、技術路線圖等方法改進現有的咨詢流程，對現有研究項目的背景情況、技術發展等進行篩選，整理與分析，提供相關技術研究的發展路線、國內外研究熱點，預測技術走向，生成分析報告供專家學者參考，從而建立一套針對大數據時代下的新興產業技術預見的適用性、有效性更高的戰略咨詢流程與分析框架。實現以專家決策為中心，充分利用大數據理念和方法作支撐，實現科學、系統的工程科技發展戰略中的新興產業技術預見的理論深化、流程凝練及工具應用。

二、大數據分析方法支持技術預見之初探

為更好地發揮數據對戰略咨詢的支持作用，需要系統地對咨詢流程與框架進行標準化設計，對數據分析方法與工具進行深入研究與開發，對重大戰略性新興產業項目進行調研分析，生成針對性更高的數據分析報告，更好地滿足院士專家以及廣大科研人員對數據的需求，為重大戰略咨詢提供強有力的知識支撐，更充分發揮院士專家在戰略性新興產業領域的決策支持的核心作用。

本文將大數據方法以功能模塊方式嵌入到咨詢流程中，加強戰略性新興產業研究過程中的數據收集處理能力，擴展數據挖掘功能，增強不同數據間關聯性分析能力，并在重點咨詢項目中推廣試運行，為院士專家做好知識支撐工作，提高咨詢服務質量，最終建立一個適用性廣、易用性強、上手難度低的面向院士專家、咨詢服務工作人員及廣大戰略性新興產業研究人員的支持平臺。

因此，大數據分析方法支持技術預見將從戰略性新興產業戰略咨詢的流程設計、戰略性新興產業戰略咨詢研究數據分析模塊開發、戰略咨詢方法應用案例研究三個方面開展。

（一）戰略性新興產業戰略咨詢的流程設計

調研國內外戰略咨詢的現狀和發展趨勢，針對戰略咨詢研究特點，對咨詢流程進行標準化設計，將大數據分析方法從流程階段就結合到咨詢服務中。根據已完成的咨詢項目積累的經驗，對于不同的咨詢項目，進行分類，針對咨詢項目各自的特點，使用不同的數據分析方法對項目中涉及的數據進行整理與分析，可將其分為三類：

1. 戰略規劃演進分析類

對該項目領域學術論文、專利成果、產業發展報告進行綜合分析，明確該領域研究成果轉化到產業過程的時間，利用數據發現產業重點，為專家判斷提供支撐。

2. 技術預見類

對該項目領域內過往的數據進行挖掘與分析，總結其發展趨勢、技術路線、相關成果分布，預測候選熱點技術供專家參考。

3. 評估類項目

主要通過該項目產生的相關成果及項目立項前后該領域內的成果變化趨勢對該項目進行評估。

根據目前咨詢項目進行的戰略咨詢項目工作流程設計見圖1。

將不同項目的流程進行總結、梳理，形成流程庫，以供未來的咨詢項目開展時調取。

（二）戰略性新興產業戰略咨詢研究數據分析模塊開發

數據分析模塊開發將以數據庫、方法庫、指標庫為基礎功能模塊進行框架設計。

1. 數據庫

結合中國工程院和清華大學的資源，對學術文獻、專利文件、商業報告、新聞報道、會議紀要等數據，針對每一個具體項目構建一個多維度數據庫，用來進行后續的數據挖掘與數據分析工作。初步可使用的數據有中國知網的中文論文數據、Web of Science的英文論文數據、Thomson Innovation的專

利數據、Gartner的商務報告、Factiva的新聞報道等。

2. 方法庫

建設平臺過程中使用的數據挖掘與數據分析主要目的是對數據庫中的數據根據項目需要進行清洗，以及對不同類型數據進行相關性分析。數據源的質量是決定分析結果質量的最重要因素，所以在整合過程中，將使用文獻計量學、文本挖掘、專利分析和文本數據預處理的結構化主謂賓結構識別（SAO）分析等方法對數據進行清洗，獲得最符合需求的清潔數據源。然后，使用各類別數據庫相關分析軟件對清潔數據源的數據進行分析，對得到的軟件結果進一步使用主路徑分析、技術路線圖等方法對結果進行評估、篩選、優化，以得到更符合戰略性新興產業戰略咨詢要求的分析結果，最后利用關聯規則、聚類、分類、預測等數據挖掘方法對不同類別的數據進行綜合分析，并生成分析報告供院士專家參考。

目前已有多個數據分析軟件可以應用于戰略性新興產業戰略咨詢研究工作，如：Thomson Data Analyzer （TDA）文本挖掘軟件、NVivo質性分析（Qualitative Data Analysis）軟件、UCINET網絡分析軟件、Pajek大型復雜網絡分析工具等。

雖然已經有很多研究機構在使用其中的數據并利用相關軟件與數據挖掘方法進行分析，但是很少有研究機構在分析問題時同時使用多種數據庫，并將不同類別的數據進行關聯分析。該平臺采用集成創新的方式，利用多種數據庫中的信息與分析軟件，對各個類別的數據進行選擇、集成和優化，形成優勢互補的有機數據鏈，從而得到某一領域不同類別數據的相關關系。

3. 指標庫

目前，專利分析指標和論文分析指標已經積累了一定的研究成果，主要研究指標見表1和表2。

圖1 咨詢項目工作流程圖

（三）戰略咨詢方法應用案例研究

新興產業在我國主要有三種表現形式：①整體落后，持續追趕；②理論同步，應用落后；③整體先進，制造領先。針對不同類型的新興產業，需要展開的主要預見工作也有所不同，因此，項目擬針對這三種表現形式的典型新興產業，包括機器人產業、3D打印產業、新能源與節能產業，進行技術預見的具體化研究。

1.機器人產業

我國機器人產業的理論、技術與市場應用整體

落后，處于追趕世界先進技術的地位。對這類新興產業進行技術預見時，首先，需要厘清我國機器人技術與世界先進水平在哪些方面存在差距；其次，需要分析造成這些差距的原因；最后，尋找追趕差距的技術點，指導產業發展。主要研究內容如下：基于文獻計量、專利分析方法識別機器人領域科學、技術、產業應用及其之間轉移過程的差距；結合歷史數據與專家知識，識別機器人領域造成創新差距的未來政策、市場、產業等宏觀因素；繪制機器人

產業技術路線圖，指導產業發展。

表1 專利分析指標

2. 3D打印產業

我國3D打印產業技術的理論研究同步于世界先進水平，但市場應用則相對落后。在對這類新興產業進行技術預見時，第一，需要按世界發展先進水平進行技術預見；第二，需要特別考慮基礎研發到產業技術的協調轉化。因此，有必要持續保持對技術研究熱點、技術空白點、技術發展趨勢等方面的前沿研究和深入探索，保持我國理論研究的整體

先進性、綜合實力與競爭力。研究將主要圍繞新興技術的識別、科學基礎、影響力等方面展開實證研究，主要研究內容如下：基于專利數據的新興技術發現分析；基于論文和專利數據的新興技術科學基礎分析；基于網絡信息數據的新興技術潛在影響力分析。

3. 新能源與節能產業

我國新能源與節能技術的研究整體處于世界先進水平，所以在針對這類新興產業進行技術預見時，首先考慮到，這類產業發展相對成熟，我國具有突出的制造優勢，因此預見可以以產業技術的發展為主線；其次可根據上述產業特征，進行全主題的技術發展及預見。主要研究內容如下：結合文獻計量、專利分析、網絡分析法與技術路線圖研討，識別新能源與節能技術的技術發展階段；使用文獻計量識別科學到技術的演進過程，使用專利分析識別技術到應用的轉化過程，使用技術路線圖研討識別應用到市場的推廣。

表2 論文分析指標

三、 戰略性新興產業戰略咨詢研究支持平臺原型

本研究系統地對技術預見的分析框架進行標準化設計，更好地滿足技術預見中專家對專利、文獻等數據的需求，為新興產業發展戰略提供強有力的知識支撐，更科學地發揮專家在新興產業技術預見及戰略規劃的決策支持作用。擬設計數據庫、方法與工具庫、指標庫、流程庫四個模塊，更好地完成數據收集、數據挖掘、數據分析工作，以這些模塊為基礎，構建基于大數據分析的技術預見理論框架。

最終建立一個集全面優質數據源、先進的分析方法、全面的分析指標、有效的咨詢流程、豐富的咨詢案例為一體的綜合戰略咨詢支持平臺原型，見圖2。

在平臺的建立過程中，深入解析了國內外技術預見的理論及應用難題，探索客觀大數據、技術路線圖等方法與專家知識的內在聯系，構建大數據分析、技術路線圖嵌入技術預見的分析框架與流程，優化專家為核心的決策支持過程。

為了探索研究上述嵌入式的技術預見分析框架和流程，此平臺一方面將研究大數據分析、技術路線圖等方法與技術預見的契合點，另一方面將針對契合點進行具體方法和工具上的創新、開發與應用。

此平臺將大數據概念方法和技術預見概念框架應用于機器人、3D打印、新能源與節能三類不同發展路徑的新興產業實際案例研究,進行指標構建研究，探尋具體產業技術領域內的新興技術、新興技術未來發展路徑、影響新興技術未來發展的因素以及這些因素之間的變化關系，為新興技術及產業發展提供科學依據與決策支撐。

[1] Miles I. The development of technology foresight: A review [J]. Technological Forecasting and Social Change, 2010, 77(9): 1448–1456.

[2] Blind K, Cuhls K, Grupp H. Current foresight activities in Central Europe [J]. Technological Forecasting and Social Change, 1999, 60(1): 15–35.

[3] Georghiou L. The UK technology foresight programme [J]. Futures, 1996, 28(4): 359–377.

[4] MartinB R, Johnston R. Technology foresight for wiring up the national innovation system: experiences in Britain, Australia, and New Zealand [J]. Technological Forecasting and Social Change, 1999, 60(1): 37–54.

[5] Kuwahara T. Technology forecasting activities in Japan [J]. Technological Forecasting and Social Change, 1999, 60(1): 5–14.

[6] Lee S K, Mogi G, Kim J W. Energy technology roadmap for the

next 10 years: The case of Korea [J]. Energy Policy, 2009, 37(2): 588–596.

[7] Choi M, Choi H L, Yang H Y, et al. Characteristics of 4th Korean technology foresight[C]//Institute of Electrical and Electronics Engineers. 2012 Proceedings of PICMET'12: Technology management for emerging technologies (PICMET) July29-Aug 2, 2012, Vancouver, BC. New York: IEEE, 2012: 1330–1354.

[8] 郭衛東. 技術預見理論方法及關鍵技術創新模式研究[D]. 北京: 北京郵電大學, 2007. Guo W D. Technology foresight theory method and key technology innovation model research [D]. Beijng: Beijing University of Posts and Telecommunications, 2007.

[9] 薛瀾, 周源, 李應博, 等.戰略性新興產業創新規律與產業政策研究(白皮書)[M]. 北京: 科學出版社, 2015. Xue L, Zhou Y, Li Y B, et al. Strategic emerging industries and industrial policy research on innovation (white paper) [M]. Beijing: Science Press, 2015.

[10] Lee S, Seol H. Using patent information for designing new product and technology: Keyword based technology roadmapping [J]. R&D Management, 2008, 38(2): 169–188.

[11] Phaal R, O'Sullivan E, Routley M, et al. A framework for mapping industrial emergence [J]. Technological Forecasting and Social Change, 2011, 78(2): 217–230.

[12] Daim T U, Rueda G, Martin H, et al. Forecasting emerging technologies: Use of bibliometrics and patent analysis [J]. Technological Forecasting and Social Change, 2006, 73(8): 981–1012.

圖2 戰略性新興產業戰略咨詢研究支持平臺原型

[13] 李欣, 黃魯成. 基于文獻計量的染料敏化太陽能光伏技術可視化分析[J]. 情報雜志, 2013, 32(12): 98–103. Li X, Huang L C. Visualization analysis of dye-sensitized solar cells technology based on bibliometric [J]. Journal of Intelligence Journal, 2013, 32(12): 98–103.

[14] Jun S, Lee S J. Emerging technology forecasting using new patent information analysis [J]. International Journal of Software Engineering and Its Applications, 2012, 6(3): 107–114.

[15] Kim Y G, Suh J H, Park S C. Visualization of patent analysis for emerging technology [J]. Expert Systems with Applications, 2008, 34(3): 1804–1812.

[16] 張嶷, 汪雪峰, 郭穎, 等. 基于文獻計量學方法的技術路線圖構建模型研究[J]. 科學學研究, 2012, 30(4): 495–502. Zhang, Y, Wang X F, Guo Y, et al.Technology roadmap to construct model based on the method of literature metrology research [J]. Studies in Science of Science, 2012, 30 (4) : 495–502.

[17] 郭穎, 汪雪峰, 朱東華, 等. “自頂向下”的科技規劃—基于專利數據和技術路線圖的新方法[J]. 科學學研究, 2012, 30(3): 349–358. Guo Y, Wang X F, Zhu D H, et al. “LIP-to-down” science and technology planning: A new approach based on patent data and

technology roadmapping [J]. Studies in Science of Science, 2012, 30(3) : 349–358.

[18] Robinson D K R, Huang L, Guo Y, et al. Forecasting innovation pathways (FIP) for new and emerging science and technologies [J]. Technological Forecasting and Social Change, 2013, 80(2): 267–285.

[19] 李欣, 黃魯成. 基于技術路線圖的新興產業形成路徑研究[J]. 科技進步與對策, 2014, 31(1): 44–49. Li X, Huang L C. Emerging industry based on the technology roadmap forming path research [J]. Science and Technology Progress and Countermeasures, 2014, 31(1) : 44–49.

[20] Li X, Zhou Y, Xue L, et al. Integrating bibliometrics and roadmapping methods: A case of dye-sensitized solar cell technology-based industry in China [J]. Technological Forecasting and Social Change, 2015, 97: 205–222.

[21] 喬楊. 專利計量方法在技術預見中的應用——以國內冶金領域為例[J]. 情報雜志, 2013, 32(4): 34–37. Qiao Y. Application of patent bibliometrics methods in technology foresight—Take the subsection of metallurgy as an example [J]. Journal of Intelligence, 2013, 32(4): 34–37.

[22] 王金鵬. 基于科學計量的技術預見方法優化研究(碩士學位論文) [D]. 武漢:華中師范大學, 2011. Wang J P. Technology forecast method based on the scientific measurement optimization research (Master's thesis) [D]. Wuhan: Central China Normal University, 2011.

[23] 崔志明, 萬勁波, 浦根祥, 等. 技術預見與國家關鍵技術選擇應遵循的基本原則[J]. 科學學與科學技術管理, 2002, 23(12): 9–12. Cui Z M, Wan J P, Pu G Y, et al. The basic principles of technology foresight and national key—technology choice in China [J]. Science of Science and Management of S&T, 2002, 23 (12): 9–12.

[24] 王旭超, 吳騰楓, 江小蓉, 等. 面向技術預測的專利情報分析實證研究[J]. 情報科學, 2014, 32(7): 139–144. Wang X C, Wu T F, Jiang X R, et al. Empirical research on patent intelligence analysis oriented to technology forecast [J]. Information Science, 2014, 32(7): 139–144.

[25] 穆榮平, 任中保, 袁思達, 等. 中國未來20年技術預見德爾菲調查方法研究[J]. 科研管理, 2006, 27(1): 1–7. Mu R P, Ren Z B, Yuan S D, et al. The study on methodology of delphi survey of technology foresight of China towards 2020 [J]. Journal of Scientific Research Management, 2006, 27(1): 1–7.

[26] 孫靜芬, 袁建華, 趙滟, 等. 國外航天未來發展技術預見實施研究[J]. 中國航天, 2015(10): 37–41. Sun J F, Yuan J H, Zhao Y, et al. Technology foreign aerospace technology to foresee the future development research [J]. Aerospace Chinese, 2015(10) : 37–41.

[27] Zhang Y, Zhang G Q, Chen H S, et al. Topic analysis and forecasting for science, technology and innovation: Methodology with a case study focusing on big data research [J]. Technological Forecasting and Social Change, 2016.

[28] Wang X F, Qiu P J, Zhu D H, et al. Identification of technology development trends based on subject–action–object analysis: The case of dye-sensitized solar cells [J]. Technological Forecasting and Social Change, 2015, 98: 24–46.

[29] Nassirtoussi A K, Aghabozorgi S, Wah T Y, et al. Text mining of news-headlines for FOREX market prediction: A Multi-layer dimension reduction algorithm with semantics and sentiment[J]. Expert Systems with Applications, 2015, 42(1): 306–324.

[30] Keppell M. Principles at the heart of an instructional designer: Subject matter expert interaction [C]// Sims R, O' Reilley M, Sawkins S, et al. Learning to choose—Choosing to learn. Proceedings of the 17thAnnual Conference of the Australasion Society for Computers in Learning in Tertiary Education, 2000, Coffs Harbour, NSW. Australia: ASCILITE, 2000: 317–326.

[31] Quiamzade A, Mugny G, Cléopas A D, et al. Interaction styles and expert social influence [J]. European Journal of Psychology of Education, 2003, 18(4): 389–404.

[32] Lee M F, Mehlenbacher B. Technical writer/subject-matter expert interaction: The writer's perspective, the organizational challenge [J]. Technical Communication, 2000, 47(4): 544–552.

[33] Kenny P G, Parsons T D, Gratch J, et al. Evaluation of novice and expert interpersonal interaction skills with a virtual patient [J]. Lecture Notes in Computer Science, 2009, 5773: 511–512.

Application of Big Data Analysis Method in Technology Foresight for Strategic Emerging Industries

Liu Yufei1, Zhou Yuan2, Liao Ling3
(1. College of Life Science &Technology, Huazhong University of Science and Technology, Wuhan 430074, China; 2. School of Public Policy and Management, Tsinghua University, Beijing 100084, China; 3. School of Mechanical Science & Engineering, Huazhong University of Science and Technology, Wuhan 430074, China)

As an innovative strategic management tool, technology foresight has received increasing interest. There is a large number of related scholarship on technology foresight and its application. The theoretical difficulty is how to conduct technology foresight for different kinds of emerging industries, especially for targeted types of industry innovation in a developing country. Delphi expert analysis is currently the most popular method for technology foresight. This method is undermined by a lack of reliabe and valid big data to support expert experience. The authors propose a new method for patent and technical document analysis for the use of technology foresight for China's emerging industries.

technology foresight; bibliometric; patent analysis; big data analysis; emerging industry

TP3

A

2016-05-25；

2016-06-26

劉宇飛，華中科技大學生命科學與技術學院，博士，主要研究方向為大數據分析方法支持工程科技戰略咨詢； E-mail: liuyufei0418@qq.com

中國工程院重大咨詢項目“‘十三五’戰略性新興產業培育與發展規劃研究”(2014-ZD-7)；中國工程院知識中心項目（20155660158）；國家自然科學基金項目 (L1524015，71203117，71233005)；清華大學綠色經濟與可持續發展研究中心研究子項目（20153000181）

本刊網址：www.enginsci.cn