基于專利的技術融合測度方法

婁巖+楊培培+黃魯成

〔摘 要〕 現代科技的發展使得信息與其它技術組成的技術群落及各技術群落之間相互聯系、滲透不斷加強，出現了各種技術的交叉融合。如果能及早發現這些技術領域間目前的融合狀態及其融合趨勢，將會對我國在相關技術方面的優先研發制定發展戰略產生重大意義。為解決這個問題提出了一個定量測量技術融合的框架，該框架以專利數據為依據，通過對技術融合的宏觀和微觀相結合來確定融合的現狀，其中微觀分析中主要針對技術融合所形成網絡的節點以及鏈路進行測度。最后以德溫特數據庫中純電動汽車技術和信息技術的融合為實例對其進行驗證。針對實例研究，結果表明G06F（電數字數據處理）、B60L（電動車輛的電力裝備或動力裝置）、H02J（電能存儲系統）等技術與其它技術比較容易發生融合且融合能力較強。G06F-B60W，G05F-H02M等技術對的融合在技術融合中起到了較重要的作用，且其融合強度質量均較高。

〔關鍵詞〕 專利；技術融合；測度方法；宏觀分析；微觀分析；信息技術；電動汽車技術

DOI：10.3969/j.issn.1008-0821.2017.08.021

〔中圖分類號〕G255.53；G306 〔文獻標識碼〕A 〔文章編號〕1008-0821（2017）08-0142-12

〔Abstract〕 The development of modern science and technology makes technical communities compose by information technology and other technologies，and various technical communities continue to strengthen the contact and penetration，so appears a variety of technologies cross-convergence. If these technological fields current convergence state and the trend of convergence were detected earlier，it will have a major significance on our countrys priority development and strategies making. To solve this problem，this article proposed a framework based on patent data to measure the technology convergence，and through combining macro and micro study of technology convergence，it could determine the state of convergence. And at the same time the data of electric vehicle technology and information technologys convergence from Derwent databases was used as an example to verify it. The results showed that G06F （electric digital data processing），B60L（power equipment or power plant of electric vehicle），H02J （electric energy storage system） and other technologies were more prone to converge with other technologies and its convergence ability was strong. The convergence of G06F-B60W and G05F-H02M played a more important role in the technology convergence，and their convergence strength and quality was higher too.

〔Key words〕 patent；technology convergence；measuring method；microscopic analysis；macro analysis；information technology；electric vehicle technology

20世紀以來，科技發展日新月異，不同學科、科學與技術、科技與經濟和社會發展之間呈現出相互影響、滲透、交叉和融合的發展態勢。且當前各學科間的交叉聯系不斷加強，一個領域內問題的解決、技術的突破往往需要多學科知識的綜合運用和其他領域技術的進步，會聚技術就是各學科協同發展趨勢的產物[1]。此外，隨著全球化進程的加速，以及技術的不斷發展，更多的企業都在試圖發現新興產業增強其競爭力。在這種情況下，技術融合和相關產品的戰略決策會影響著企業和國家的競爭力[2]。故科學客觀的分析技術融合對于引導新興產業形成和發展具有重要意義。對技術融合進行綜合定量研究以及預測未來的發展趨勢對各個產業的發展有著極大的推動作用。

事實上，很多發達國家的政府已經意識到了不同領域的技術融合帶來的機遇，也采取了很多措施來推動私人企業，大學和政府研究機構對技術融合進行研究。Guild Paul[3]等提出用專家知識（expert knowledge）預測未來可能出現的會聚后的新技術，即將來自不同技術領域的專家集合在一起，依靠他們的知識直覺來預測會聚技術領域可能出現的新技術。Hyoung-joo Lee等[4]提出應用隱馬爾科夫模型和聚類分析分析專利數據以此來識別技術發展趨勢，并應用該方法對 ICT 進行了分析；湯文仙[5]提出了技術融合的實質過程是技術在不同產業間擴散的結果，并應用傳染病模型和改進的動態模型分析技術融合下的技術創新擴散曲線；Yuko Yasunaga等[6]提出可采用技術路線圖方法制定促進技術會聚的創新決策，把技術路線圖方法的應用范圍從傳統的R&D管理領域擴展到制定技術會聚策略。

上述研究的主要問題是關注點都在技術本身，對其探索比較成熟，而技術融合最終形成的是一個錯綜復雜的網絡，網絡由節點和鏈路組成，而上述只是研究了節點，對鏈路沒有詳細的探索。本文在微觀分析部分主要針對節點以及鏈路進行分析，對技術融合所形成的網絡進行全面的探究。旨在識別出技術融合網絡中具有較強的融合度的節點以及具有較強的鏈路，最后將兩者綜合分析得出融合度較高的技術對以及在融合中比較有優勢的單項技術。最后相關企業以及研究機構可以根據最后結論制定其發展戰略，最大程度上改善其現有技術或者研發新技術。

1 技術融合的概念和測量方法

1.1 概念

N.Rosenberg 首次提出技術融合（ Technological convergence） 這個概念，他認為技術融合指出技術會聚是各類不同行業在合作解決他們的技術障礙時，產生的技術創新現象，在合作過程中這些技術領域具有共同的目標。在這以后關于技術融合的定義一直在被討論，Kodama[7]指出技術融合是通過重組現存的技術來獲得創新，這種融合后的技術突破了原有技術的發展障礙同時也喪失了原有技術的特性。而融合有時用來指不同知識系統之間概念的融合，有時則用來指先前不同領域的統一，而有時卻用來指研究方向不同的領域為了共同的目標而走到一起的現象[8]。我國學者也對技術融合的內涵進行了研究，湯文仙[9]提出了技術融合的實質過程是技術在不同產業間擴散的結果，并分析了技術融合條件下的技術生命周期。其次關于融合類型，現有文獻對會聚技術類型的劃分主要是依據融合程度、核心技術等。湯文仙[5]根據技術融合的結構與程度、融合的效果將融合定義為完全融合、部分融合。也有學者把技術融合定義為：不同技術軌道的整合所導致的不同技術元素的整合的過程[9-10]。

本文提出對技術融合的界定，技術融合是指兩個或兩個以上的不相關的技術出現技術交叉的現象，可以以一種新技術的形式出現，也可以是一項技術應用到另一項技術的形式出現，是技術創新的一種重要形式。技術融合的出現往往伴隨著相關領域技術的替代或重疊，并可以以多種形式出現。

1.2 技術融合的測量

專利是技術創新的指示器，以往的很多研究都是將專利作為宏觀分析的工具[11]。從客觀性研究方面來說，專利數據已廣泛運用于許多技術領域的研究。目前許多國家和企業正不斷加強對上述專利分析的理論研究并利用專利數據中隱含的信息評估技術發展動態，研究技術競爭力，從而為國家或企業制定技術發展戰略提供支持[1]。而將專利應用到技術融合的測量的研究則相對較少，對專利文本信息的挖掘，有利于企業盡早獲悉潛在的可能發生的技術融合，掌握技術的研發動態，及時做出研發戰略的調整[12]。

基于專利對技術融合進行分析方法大致分為兩種：專利引文分析法和專利共現分析法。專利引文反映專利對技術創新和技術信息流的影響[13]。通過引文數據識別技術知識的流向[14]，從而進行技術融合趨勢的分析[15]； 國際專利分類號（ IPC） 由專利局的審查員根據嚴格的指導原則分配到每一件發明和實用新型專利，所以，專利共現信息也可以用來確定技術之間的關系[16]。專利引文數據的獲取受限于少數幾個專利數據庫，而且專利引文數據并沒有提供更多的不同技術之間的信息，因為施引的專利和被引的專利常常是同一個技術主題下的專利[17]，因此專利引文數據反映技術之間的融合并不全面[18]。與專利引文數據相比，專利共現數據較易獲取而且能夠反映較多不同技術主題里的技術融合。專利共現分析常用于不同學科交叉結構[19]、技術多樣性[20]、技術預測[21]等相關研究。不同類別的技術在同一個專利中共同出現，這反映了技術的相關性。正是這種相關性反映了不同產業間的技術融合，因此可以通過測算其相關性來衡量產業間的技術融合程度。

因此，鑒于上述分析與相關文獻的綜述，本文以專利信息作為有效的數據來源，以共同分類為基礎進行分析，從形成融合網絡的節點和鏈路對兩項技術的融合進行測度，并對方法進行實例驗證。

2 研究體系

2.1 數據獲取

首先確定數據源，德溫特專利數據庫（ DII） 是世界上最全面的國際專利信息數據庫，收錄來自全球 40 多個專利機構（涵蓋100多個國家） 的 1000 多萬條基本發明專利，故本文的專利數據主要從德溫特數據庫獲得。

2.2 宏觀分析

UCINET網絡分析集成軟件包括一維與二維數據分析的NetDraw，該軟件包有很強的矩陣分析功能，如矩陣代數和多元統計分析。它是目前較流行的社會網絡分析軟件。故利用UCINET軟件對每個階段的專利進行分析，從整體上了解各個階段的相關技術的融合態勢，并對融合的趨勢進行研究。

2.3 微觀分析

在微觀分析中，分別從技術融合構成網絡的節點和鏈路進行測量，其中節點引入熵、包容性、強度等指標，鏈路分析中引入交叉影響、相關系數、平均梯度等指標來測量。

2.3.1 節點

1）熵

熵開始是熱力學中表征物質狀態的參量之一，是一個系統中“無秩序”的程度，也表征生命活動過程質量的一種度量。在本文中，將熵的概念引入到技術融合中，用來測量某項技術在技術融合中的“質量”，即在技術融合中起到的作用，熵值越大表明該項技術在技術融合中起到的作用越大，熵值越小起到的作用越小。技術融合中熵的測量可以為相關企業的研發重點提供參考，企業可以重視熵值較高的以及受到高度關注的相關技術。熵的定義如（1）所示：

其中，技術i、技術j分別由其技術內涵和技術邊界構成。二者交集的大小表示技術 i和技術j融合的程度，即技術i和技術j之間的鏈路數量，二者并集的大小表示技術i和技術j在某一階段總的專利數量，即從技術i和技術j發出的鏈路數量。

2）交叉影響

Changwoo等[25]提出了基于專利的交叉影響法，該方法將技術 i 和技術 j的影響Impact（i，j）定義為一個條件概率n（j/i），影響值為技術i和技術j共同包含的專利數與技術i包含的專利數的比值。根據交叉影響值將鏈路分組將有助于進一步分析技術間的關系。在本研究中，我們首先設定影響關系閾值，根據閾值將鏈路分為三種類型：雙向箭頭（鏈路連接的兩項技術為雙向影響）、單向箭頭（鏈路連接的兩項技術為單向影響）和無箭頭（鏈路連接的兩項技術彼此無影響）。如果技術 i 對 j 的交叉影響值——Impact（i，j）大于閾值，技術j對i的交叉影響值——Impact（j，i）也大于閾值，那么技術i和技術j間相互影響，這個鏈路的類型為雙向箭頭。如果 Impact（i，j）和 Impact（j，i）中只有一個交叉影響值大于閾值，那么這個鏈路類型為單向箭頭。如果技術對的交叉影響值Impact（i，j）和 Impact（j，i）都小于閾值，那么這個鏈路的類型為無箭頭。

Changwoo Choi 應用基于專利的交叉影響法對信息通信技術領域內各子技術間的影響關系進行了研究，并將影響關系閾值取為 0.15，本文以此為依據結合具體情況將影響關系閾值取為0.1。公式如下所示：

3）相關系數

相關系數是用以反映變量之間相關關系密切程度的統計指標。本文引入相關系數這一指標來測量鏈路的強度，相關系數越大說明鏈路的強度越大，公式為[26]：

4）平均梯度

平均梯度通常指圖像的邊界或影線兩側附近灰度有明顯差異，即灰度變化率大，這種變化率的大小可用來表示圖像清晰度，本文引入平均梯度對鏈路進行測度，平均梯度越大表明鏈路兩側的技術融合質量越好，意味著更好的融合的水平[27]。計算公式如下：

其中M、N代表每項技術的階段數，I（i，j）代表技術i和j在某一階段融合的專利數量。I（i，j+1）代表技術i和下一個階段的技術j發生融合的數量，I（i+1，j）代表技術j和下一個階段的技術i發生融合的數量，因技術融合不具有方向性，故I（i，j+1）和I（i+1，j）在數值上是相同的。

3 數據分析——以信息技術與電動汽車技術的融合為例

3.1 數據獲取

隨著我國汽車產業的發展，2012年我國發布了《節能與新能源汽車產業發展規劃（2012-2020）》，2015年發布了《中國制造2025》，正式提出制造強國戰略，并將節能與新能源汽車列為重點發展的十大領域之一，總體上指明了節能汽車、新能源汽車和智能網聯汽車技術的發展方向和路徑，故本研究主要針對純電動汽車的智能網聯技術與信息技術的融合來進行探討，并以德溫特數據庫為數據源對專利數據進行檢索。

在檢索有關電動汽車專利時，用主題詞進行檢索，檢索表達式如下：TS=（“blade electric”or“battery electric”or“hybrid electric” or“fuel cell”）and（“auto*”or“car”or“vehicle”）檢索時將兩者用“and”合并，由于專利的滯后性，將時間段分為2004—2007年、2008—2011年、2012—2014年，其中2004—2007年共檢索出233個專利族，2008—2011年共檢索出684個專利族，2012—2014年共檢索出782個專利族，檢索時間為2016年5月20日。對本文涉及到的主要IPC分類號解釋如下：

3.2 宏觀分析——技術共現圖

作為一個宏觀層面的分析，我們用技術共現圖總體分析2004—2014年期間的技術融合態勢，并將其劃分為三個時期。以下為各個時期的技術共現圖，左側代表電動汽車技術，右側代表信息技術，結點的大小表示專利數量的多少，結點越大說明此項技術的專利申請數量越多。線條的粗細代表兩項技術之間聯系的強度，線條越粗代表兩項技術之間的聯系越多。從圖中可以看出信息技術領域和電動汽車技術領域之間融合最多的為：G06F-B60L，G06F-H02J，H04L-H02J，G06Q-H02J，H04B-H02J，G08C-G01R，H03K-H02M，H04N-B60R，G06K-B60R，H04R-B60R，H04M-H02J，H04Q-H02J。

3.2.1 2004—2007年技術融合

圖3顯示了2004—2007年期間的IPC共現情況，可以看出，2004—2007年期間具有最強關系的為G06F（電數字數據處理）和H02J（電能存儲系統），H03K（脈沖技術）和H02M（電源或供電系統設備），H04N（圖像通信）和B60R（車輛配件或車輛部件）。

3.2.2 2008—2011年技術融合

圖4顯示了2008—2011年期間的IPC共現，可以看出2008—2011年期間具有最強關系的為G06F（電數字數據處理）和H02J（電能存儲系統），H04N（圖像通信）和B60R（車輛配件或車輛部件），G08C（測量值、控制信號或類似信號的傳輸系統）和G01R（測量電變量，測量磁變量）。與上一時期相比，有更多的信息技術領域和電動汽車領域在發生融合，雖然融合強度較低，但是類型增多，說明這一時期的技術正在發生多樣化變化。

3.2.3 2012—2014年技術融合

2012—2014年期間具有最強關系的為G06F（電數字數據處理）和H02J（電能存儲系統），H04N（圖像通信）和B60R（車輛配件或車輛部件），H04B （傳輸）和 H02J（電能存儲系統）.與2008—2011年期間相比兩個技術領域的融合種類也在增多。

3.2.4 技術融合趨勢圖

圖6中每個技術對應的3條柱狀線條從左到右依次為技術對在2004—2007年、2008—2011年、2012—2014年的融合次數，可以看出，G06F-B60L、G06F-B60W、G06F-B60K在近幾年發生融合的次數不斷增多，說明人們逐漸意識到了信息技術與電動汽車技術融合的重要性。此外，G06Q-H02J、G06Q-B60L整體來說融合次數較少，但是也呈現逐漸增長的趨勢，發展勢頭良好，說明這兩些技術的融合有較好的發展潛力。相關企業和研發機構可以加強對上述這些技術的融合研究。

3.3 微觀分析——技術融合的測量

3.3.1 節點

1）熵值

本文選取了每個階段融合數量排名前五的技術組合進行熵值分析，結果如表3-5所示：

由表3-5結果可以看出，在2004—2007年期間在技術融合中起到重要作用的為H02J（電能存儲系統），在2008—2011年和2012—2014年期間起到最重要作用的為G06G（模擬計算機），說明轉變說明在近些年信息技術在技術融合中起到了較重要的作用，也從側面反映了在近些年電動汽車在智能網聯技術方面的正在不斷地發展。近些年熵值逐漸增大的技術有B60W（專門適用于混合動力車輛的控制系統）、H03K（脈沖技術），說明這兩項技術在技術融合中的作用正在逐漸上升。

2）包容值

將表6轉換為柱狀圖（技術對應的3條柱狀線依次為2004—2007年、2008—2011年、2012—2014年的包容值）可以綜合看出，3個階段中包容性最強的為G06F，其次為H01M，B60L；H02J，G01R包容性在近幾年逐漸增強，說明G06F與其它技術發生技術融合的能力最強，融合的程度較好；相關技術的包容性逐漸增強說明這些技術在相關研究機構和研發人員加強研究時包容性逐漸顯露出來。

3）節點強度

表7-9可以看出，在2004—2007年之間在技術融合中強度值較大的技術為G06F、G01R、B60L、B60K；在2008—2011年之間強度值較大的為G06F、B60L、B60W、H02J；在2012—2014年之間強度值較大的為B60L、G06F、H02J、B60W。綜合分析，隨著技術的不斷發展B60L在技術融合中的強度值越來越大，即此項技術在技術融合中融合的強度越來越大，近幾年，B60L、G06F、H02J、B60W的強度值一直位列前茅，說明其它技術與這四項技術形成的技術融合網絡比較穩定。

3.3.2 鏈路

1）Jaccard系數

從表7中可以看出2004—2007年之間鏈路權重較大的為G05F-H02M，G06F-B60W，H03K-H02M；2008—2011年之間鏈路權重較大的為G06F-B60L，G05F-H02M，G06F-B60W，G06F-B60K；2012—2014年之間鏈路權重較大的為G06F-B60L，G06F-B60W，G05F-H02M，H03K-H02M。鏈路權重較大說明鏈路在鏈路網絡中起到的作用較大，即技術對在技術融合中起到的作用較大，相關研發人員可以通過加強對這些技術的研究來推動技術融合的發展。

2）交叉影響值

將表11數據體現在散點圖中如圖8-10：

根據圖8、9、10和表11，可以識別并定量的比較各鏈路的類型。2004—2007年之間存在雙向箭頭的鏈路有G05F-H02M；2008—2011年之間存在雙向箭頭的鏈路有G06F-B60W，G05F-H02J，G06Q-H02J，H04B-H02J；2012—2014年之間存在雙向箭頭的鏈路有G06F-B60L，G06F-B60W，G06F-B60K，G05F-H01M，G05F-H02M，H03K-H02M。這些技術對中兩項技術間具有密切的關系，任意一個技術都可以影響另一個技術的發展。比如說2012—2014年間技術對G06F- B60L是一個雙向影響技術對，技術G06F 包括電數字數據處理所涉及的技術，技術 B60L包括電動車輛動力裝置所涉及的技術。那么可以預測技術 G06F 的發展將會極大地促進技術 B60L的發展進步，反之亦然。

2004—2007年之間存在單向箭頭的鏈路有G06F-B60L，G06F-B60W，G06F-B60K，G05F-H01M，G05F-H02J，G06Q-H02J，H03K-H02M，H03K-B60L；2008—2011年之間存在單向箭頭的鏈路有G06F-B60L，G06F-B60K，G05F-H02M，G06Q-B60L，H03K-H02M；2012—2014年之間存在單向箭頭的鏈路有G05F-H02J，G06G-B60L，G06Q-H02J，G06Q-B60L，H04B-H02J，H04B-B60L。存在單向箭頭的鏈路中的一個技術可以影響另一個技術，但是反之卻不存在影響關系。例如技術對G05F-H02J間存在單向影響關系，技術 G05F包括調節電變量或磁變量的系統所涉及的技術，技術H02J 是有關供電或配電的電路裝置或系統、電能存儲系統的技術。技術 G05F 的發展將會影響技術 H02J，而技術 H02J卻不能影響技術 G05F的發展。

剩余的鏈路被歸為無箭頭類型，這些鏈路兩側的兩項技術間的交叉影響值較小，它們間的聯系較弱。與單向箭頭和雙向箭頭的鏈路相比，無箭頭的鏈路對在技術融合中的重要性相對較低。技術融合研發人員應制定雙向箭頭和單向箭頭的鏈路的優先研發策略[1]。

3）技術相關系數

本文選取了融合數量較多的技術對進行分析，結果如圖11所示：

從圖11中可以看出，G06F-B60L、G06Q-H02J、G06Q-B60L相關系數接近1，說明連接兩項技術之間的鏈路強度較大， 說明這些技術對在技術融合所形成的融合網絡中被緊密的銜接。

4）平均梯度

從圖12中可以看出G06F-B60W的平均梯度值最大， G06F-B60K 和G06F-B60L次之，說明這三個技術對的融合水平以及融合質量較高。相關企業及研究機構可以著重研究梯度較大的技術組合，較容易獲得融合水平和質量較高的改善現有技術的新方法。

3.4 相關指標組合分析

通過對相關指標的組合分析，可以從多個角度對技術融合進行分析，特別是在對技術擇優方面，可以考慮各種因素對技術融合的影響，這可以從整體上對技術融合做出判斷并增加選擇的客觀性。在本文中列舉了兩個組合，分別是包容性和技術強度組合以及鏈路權值和相關系數組合，相關研發人員可以對更多的組合進行研究來確定未來的研究方向。

3.4.1 包容性和技術強度組合圖

從圖13-15可以看出（其中虛線為包容值，實線為技術強度值），3個階段中包容性以及技術強度較大的技術為G06F、B60L，說明這兩項技術與其他技術較容易發生技術融合，且在技術融合中形成的新技術或者改善的技術較為穩定，相關企業可以著重關注此技術。包容性較強但技術強度較小的有H01M、B60R，說明這兩項技術較容易與其他技術發生技術融合，但是在技術融合中形成的新技術或者改善的技術穩定性較差。強度較大但包容性較差的有H02M、B60W，說明這兩項技術不易于發生技術融合，但是一旦發生融合，形成的新技術或者改善的技術較為穩定。相關研究機構可以對形成的新技術或者改善的技術較穩定且易發生技術融合的技術進行研究，對于穩定但不易于發生融合和不穩定易于發生融合的技術應結合自己的研發實力進行選擇性研究。

3.4.2 鏈路權值和相關系數組合圖

由圖16-18可以看出，在第一象限的技術組合具有高相關性且權重值較高，相關企業及研究機構可以著重發展技術組合中的占優勢的某一項技術，因為具有高相關性，故在發展一項技術的同時可以憑借此項技術的優勢獲得另一項技術的優勢，且兩項技術權值較高，在技術融合中起到的作用也很大。處在第二象限的技術組合具有較高的關聯性但是權值較低，相關研究人員可以對其進行研究，比較容易產生融合成果，但是影響力相對較低。處在第三象限的技術組合具有較低的關聯性且權重值較低，整體來說對技術融合的發展具有較小的影響。處在第四象限的技術組合具有相對較低的關聯性但是權值較高，相關研究人員必須同時對技術組合中的兩項技術進行研究，才能研究出具有重要作用的新技術。以上分析可以為技術發展策略及技術發展戰略的制定提供重要參考。

從圖16-18可以看出，G06F-B60W，G05F-H02M在3個階段均處在第一象限，故相關企業可以著重發展企業具有優勢的某一項技術來獲得另一項技術具有的優勢，并且融合結果將會在推動技術融合發展方面起到較好的作用。G06Q-B60L，G05F-H02J，H03K-B60L，H04B-H02J在3個階段均處在第二象限，這些技術具有較高的相關系數但是權值較小，相關人員可以對其中某項技術進行研究，較容易得出融合成果。G05F-H01M，G06G-B60W，G06G-B60L，G06Q-G01R處在第三象限，這些技術組合相關性較低，權值較低，其發展對技術融合的影響較小。

4 結論及建議

本文采用宏觀微觀相結合的方法針對信息技術與電動汽車技術的融合進行了測量，宏觀分析中給出了技術融合的整體發展態勢，微觀分析中分別從節點以及鏈路的角度對技術融合進行了測量。可以得出以下結論和建議：

1）從整體趨勢上看，信息技術與電動汽車技術的融合逐漸上升，目前正處于快速發展時期。因此，我國需要緊緊抓住融合的趨勢，加大對技術融合的研發力度，為智能制造工程的實施建立堅實的技術基礎。

2）從節點的角度來看，在技術融合中G06G（模擬計算機）、B60W（專門適用于混合動力車輛的控制系統）、H03K（脈沖技術）起到的作用越來越大；從包容性以及技術強度較強的技術有G06F（電數字數據處理）、B60L（電動車輛的電力裝備或動力裝置）、H02J（電能存儲系統），說明這幾項技術與其它技術比較容易發生融合且融合能力較強。

3）從鏈路的角度看，G06F-B60W，G05F-H02M在3個階段中鏈路權重一直處于較高的水平，說明這些鏈路在技術融合網絡的形成中起到了較重要的作用。近幾年鏈路為雙向箭頭的有G06F-B60L、G06F-B60W、G06F-B60K、G05F-H01M、G05F-H02M、H03K-H02M，企業可以選擇鏈路兩側的技術中有優勢的一項技術來帶動另一項技術的發展。綜合相關系數以及平均梯度來看，G06F-B60L不僅高度正相關且其融合的質量較好，可以重點研發。

4）從相關指標組合圖來看，包容值及鏈路強度值都較大的技術容易發生融合且組成的鏈路較穩定，相關企業可以著重研究，對這些技術的投入將會獲得較好的產出。對于相關性較高且鏈路權重較大的技術組合，相關企業可以著重發展某一項具有優勢的技術來帶動另一項技術的發展，這樣可以以最少的人力和物力獲得最大的效益。

本文的不足之處在于由于本文提出的方法需要依據專利信息，因此，申請專利的背景知識提供的完整性和真實性對結果有一定的影響。此外，在對節點和鏈路進行探究時，相應的指標不僅僅局限于本文所提出，故還可進一步進行研究。

參 考 文 獻

[ 1 ]秦立芳.基于專利交叉影響法的NBI會聚趨勢研究.[D].北京：北京工業大學，2013.

[ 2 ] CS Curran，J Leker.Patent Indicators for Monitoring Convergence-Examples from NFF and ICT[J].Technological Forecasting and Social Change，2011，78（2）：256-273.

[ 3 ] Guild Paul. Using Expert Knowledge to Envision Future Converging Technologies[C]. Conference of the Portland International Center for Management of Engineering and Technology. Portland，2007.

[ 4 ] Hyoung-joo Lee，Sungjoo Lee，Byungun Yoon. Technology Clustering Based on Evolutionary Patterns：The Case of Information and Communications Technologies[J]. Technological Forecasting & Social Change，2011，78（6）：953-967.

[ 5 ]湯文仙.技術融合的理論內涵研究[J].科學管理研究，2006，24（4）：31-34.

[ 6 ] Yuko Yasunaga，Masayoshi Watanabe，Motoki Korenaga. Application of Technology Roadmaps to Governmental Innovation Policy for Promoting Technology Convergence[J]. Technological Forecasting & Social Change，2009，76（1）：61-79.

[ 7 ] Kodama，F. Emerging Patterns of Innovation：Source of JapanTechnological Edge [M]. Harvard Business School Press，1995：213.

[ 8 ] 裴鋼，熊燕，高柳濱. NBIC會聚技術：中國的新機遇？[J]. 中國醫藥生物技術，2007，2 （1）：46-50.

[ 9 ] Karvonen M，Lehtovaara M，Kssi T.Build-up of Understanding of Technological Convergence：Evidence from Printed Intelligence Industry[J]. International Journal of Innovation and Technology Management，2012，9（3）：1094-1107.

[ 10 ] Adner R，Levinthal D. Technology Speciation and the Path of Emerging Technologies[J]. Wharton on Managing Emerging Technologies，2000：55-74.

[ 11 ] I Rafols，AL Porter，L Leydesdorff. Science Overlay Maps：A New Tool for Research Policy and Library Management[J].Journal of the American Society for Information Science and Technology，2010，61（9）：1871-1887.

[1 2 ] Shibata N，Kajikawa Y，Takeda Y，et al.Detecting Emerging Research Fronts in Regenerative Medicine by the Citation Network Analysis of Scientific Publications[J].Technological Forecasting and social Change，2011，78（2）：274-282.

[ 13 ] Engelsman E C，Van Raan A F J.A Patent-based Cartography of Technology[J].Research Policy，1994，23（1）：1-26.

[ 14 ] De Solla Price D. On Mapping The Subject Categories of Physics Abstracts[J].New Haven：Yale University，1989.

[ 15 ] Kim MS，Kim C. On A Patent Analysis Method for Technological Convergence[J].Procedia-social and Behavioral Sciences，2012，40：657-663.

[ 16 ] Mcnamee RC.Cant See The Forest for The Leaves：Similarity and Distance Measures for Hierarchical Taxonomies With A Patent Classification Example[J].Research Policy，2013，42（4）：855-873.

[ 17 ] Breschi S，Lissoni F，Malerba F. Knowledge-relatedness In Firm Technological Diversification[J]. Research Policy，2003，32（1）：69-87.

[ 18 ] Leydesdorff L. Patent Classifications as Indicators of Intellectual Organization[J]. Journal of The American Society for Information Science and Technology，2008，59（10）：1582-1597.

[ 19 ] Tijssen RJ W.A quantitative Assessment of Interdisciplinary Structures in Science and Technology：Co-classification Analysis of Energy Research[J].Research Policy，1992，21（1）：27-44.

[ 20 ] Suzuki J，Kodama F. Technological Diversity of Persistent Innovators in Japan：Two Case Studies of Large Japanese firms[J]. Research Policy，2004，33 （3） ：531-549.

[ 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.

[ 22 ] Y Geum，C Kim，S Lee，MS Kim. Technology Convergence of IT and BT：Evidence from Patent Analysis[J].ETRI Journal，2012，34（3）：439-449.

[ 23 ]Wasserman，Faust. K. Social Network Analysis：Methods and Applications[M]. Cambridge：Cambridge University Press.1994.

[ 24 ] Akademiai Kiado Budapest，Hungary. Technology Convergence：What Developmental Stage are we in？[J]. Scientometrics，2015，104（3）：841-871.

[ 25 ]CHANGWOO GHOI，SEUNGKYUM KIM，YONGTAE PARK. A patent-based Cross Impact Analysis for Quantitative Estimation of Technological Impact：the Case of Information and Communication Technology[J]. Technological Forecasting & Social Change，2007（74）：1296-1314.

[ 26 ] Limin Dong，High Quality Multispectral and Panchromatic Image Fusion Technologies Based on Curvelet Transform[J]. Neurocomputing. 2015，159：268-274.

[ 27 ] G. Aubert，L. Vese，A variational Method in Image Recovery[J]. SIAM J. Numer.Anal.1997，34 （5）：1948-1979.

[ 28 ] OECD.OECD Work On Patent Statistics[EB/OL].http：//www.oecd.org /sti/inno/40807441. pdf.

（本文責任編輯：郭沫含）