農機“卡脖子”技術識別：綜述與展望

張宗毅

摘 要：農業機械是發展現代農業的物質基礎，是農業現代化的重要支撐，在WTO多邊貿易規則作用逐漸削弱、技術封鎖行為變得頻繁的背景下，農機裝備領域是否存在“卡脖子”技術？如何進行識別？本文對相關文獻進行了系統梳理，提出了通過關鍵技術識別、技術差距評估、壟斷程度判斷三個維度進行“卡脖子”技術識別的技術方案。

關鍵詞：卡脖子;農業機械;技術識別

一、問題提出

農業機械化是轉變農業發展方式、提高農村生產力的重要基礎，是實施鄉村振興戰略的重要支撐。而農業機械是農業機械化的物質基礎，沒有質量可靠、性能優越的農業機械就沒有高水平的農業機械化。農業機械不僅能彌補農業勞動力轉移導致的農業綜合生產能力空缺，還能作為水肥藥等資源節約型技術、保護性耕作等環境友好技術、3S和ICT通信及智能化技術的載體，對現代農業的發展至關重要。有研究甚至表明，農業機械化是資本深化實現農業生產率進步的完全中介，也即唯一路徑[1]。

因此，黨和政府也高度重視農業機械化和農機裝備的發展。2004年以來歷年中央一號文件均對農業機械化發展提出具體要求，2022年中央一號文件更是明確提出“全面梳理短板弱項，加強農機裝備工程化協同攻關，加快大馬力機械、丘陵山區和設施園藝小型機械、高端智能機械研發制造并納入國家重點研發計劃予以長期穩定支持”。2004年開始，國家進行了已經持續長達18年的農機購置補貼政策，累計補貼資金超過2000億元。2010年、2018年還由國務院分別發布了專項針對農機裝備的指導意見《關于促進農業機械化和農機工業又好又快發展的意見》和《關于加快推進農業機械化和農機裝備產業轉型升級的指導意見》。

2018年3月份中美貿易戰以來，美國實施的種種技術封鎖讓我們感受到核心技術“卡脖子”的種種被動，全社會都深刻認識到關鍵技術對產業鏈發展的重要性。重點領域之一的農機裝備，該領域是否存在“卡脖子”問題同樣受到廣泛關注。

然而目前對農機裝備短板弱項缺乏系統梳理。最新的《農業機械分類》（NY/T 1640—2021）標準，共有32大類100小類504個品目（包含各類其他機械）。而從事具體技術研發的專家，大多僅能從自己所在領域提出短板技術。2021年農業農村部農業機械化管理司組織國內農機相關科研院所、主要農機龍頭企業對農機裝備短板技術進行了梳理，形成了《主要農作物機械化生產技術裝備薄弱環節目錄》《丘陵山區機械化生產技術裝備需求目錄》《我國農機裝備重要零部件國外依賴情況目錄》等清單，但這種梳理同樣是基于各個渠道專家和龍頭企業的意見匯總，對提供上來的繁雜清單如何進行甄別、排序？哪些是真的卡脖子？哪些是錯誤信息？目前尚缺乏有效方法和手段解決這些問題。這就導致，很多不重要的技術需求被錯誤列入清單內。比如：清單內列入了“再生稻移栽和收獲裝備”的需求，再生稻本身就是上一茬水稻的基節上的側芽萌發分蘗產生的，本就不需要移栽，同時再生稻的收獲與非再生稻的收獲并無本質區別，廣西、廣東等地的再生稻目前基本是機械收獲，不能將“國外再生稻鮮有種植，尚沒有相關產品”作為重要技術需求提出的理由。還有大量類似的無效技術需求被提出來。如何排除被調研專家出于個人利益訴求，提出所謂關鍵核心技術需求，是業務主管部門亟須解決的問題。要解決這一問題，就不能僅僅依靠單一數據來源進行決策，而是要多渠道的數據進行交叉印證。

并不是所有關鍵核心技術都存在不可逾越的技術差距，因此識別出關鍵核心技術后，還需要進一步判斷國內與國際是否存在較大的技術差距。在此基礎上，還需要進一步判斷，存在較大技術差距的核心技術是否存在個別知識產權所有人技術壟斷或者個別國家技術壟斷的情況，如果核心技術知識產權所有人沒有那么相對集中則難以達成技術封鎖同盟。識別出存在較大技術差距且有嚴重壟斷情形的關鍵核心技術后，還需要從價值鏈上判斷這些技術“卡脖子”后帶來的后果。因此，這些技術主要涉及哪些具體零部件，這些涉及“卡脖子”關鍵技術的零部件占相關農機整機的價值份額多大？相關整機國產化率情況如何？這些問題也需要進一步實證挖掘研究。

二、“卡脖子”技術概念內涵

目前我國產業發展面臨著諸多問題，特別是在一些重要產業創新能力較弱，存在“卡脖子”技術風險[2， 3]。在CNKI里以“卡脖子”為篇關摘檢索詞匯進行檢索，結果見圖1。以2018年為時間節點，2018年以前發文量每年不超過100篇，在2018年中美貿易戰開始后，相關文獻數量急劇攀升，在2021年達到900篇。

對于什么是“卡脖子”技術，國內部分文獻展開了辨析[4-8]。歸納起來，“卡脖子”技術至少應具備以下三方面的特征：首先，必須是領域內的核心關鍵技術，只有核心關鍵技術才能被“卡”。其次，創新能力必須與競爭對手存在較大的技術差距，追趕起來存在較大難度。再次，是否存在技術壟斷，如果核心關鍵技術分散在多個國家或掌握在多個知識產權所有人手中，那么這些知識產權所有人達成一致意見的難度相對較大，技術封鎖的概率不高，但如果關鍵核心技術掌握在少數知識產權所有人手中，則存在較大“卡脖子”風險。

三、核心關鍵技術識別

那么，如何識別核心關鍵技術呢？多數研究通常基于專利分析核心關鍵技術，這是因為專利信息量大，是技術創新和自主知識產權的體現，利用統計方法或技術手段可以獲得全面信息或提供趨勢預測[7， 9-12]。那么，又如何從海量專利大數據中提取出有用信息，識別出關鍵技術呢？目前識別核心專利的方法大致可分為四大類：第一，基于專家智慧的識別方法;第二，基于指標評估的識別方法;第三，基于引文網絡分析的識別方法;第四，基于文本分析的非結構化數據的識別方法。

基于專家智慧篩選核心技術的識別方法。它是目前各級技術主管部門慣用的方法，通過開會咨詢即可得到結果，方便快捷而且有一定的效果。盡管對于重要技術的篩選依據專家豐富的經驗和成熟的業務能力有其合理性，但是這種方法僅適用于專利較少的領域，難以批量處理專利數據，并且易受個人主觀意見的影響[7， 13]。為了既充分利用專家知識，又盡量客觀，技術功效模型在實踐中被大量使用，該模型從技術視角和功效視角對專利進行分析[4-17]，在專家確定技術維度主題和功能維度指標后，對檢索出來的專利在“技術—功效”矩陣中進行逐一判別并統計數量指標或其他信息維度指標，進而雷達似的掃描矩陣所有分區中存在的技術空白或風險[18]。

基于指標評估篩選核心技術的識別方法。其包括采用單一指標或建立指標體系進行專利價值評估，評估價值高的專利即核心技術[19]。單一指標主要包括專利被引頻次（被后續專利引用的次數越多，價值可能越高），同族專利數量（數量越多，價值越高，成為核心技術的可能性越大），專利權利要求數量（數量越多，保護范圍越大，經濟價值越高，越可能成為核心專利技術）[13， 20-22]。指標體系評價則是將一些常見的單一指標進行組合，試圖提高組合整體的全面性[13， 23-28]。

基于引文網絡分析的識別方法。基于指標評估篩選核心技術的識別方法，僅對專利自身進行價值評估，無法展示專利的網絡關系和知識的流動特性，評價結果具有較大的局限性。因此，對專利引文網狀關系和主題相關性進行分析的引文網絡分析法是專利分析并識別核心技術的重要手段之一。社會網絡分析是常見的引文網絡分析方法，可以幫助情報分析、創新決策以及核心專利技術識別[17， 29-31]。社會網絡分析的主要做法是基于IPC共現網絡，通過衡量中心度、密度等網絡結構指標，尋找技術體系中的關鍵核心技術[7， 12， 32-34]。

基于文本分析的非結構化數據的識別方法。基于指標或指標體系的關鍵技術識別方法和基于引文網絡分析的識別方法，都是結構化數據的分析方法，結構化數據存在時間滯后問題、引文動機問題。比如一項專利從申請到發布再到被引用，需要較長一段時間，申請人為了規避相同或者相似的在先技術，會對在先專利回避而不進行引用，這些都會導致基于結構化的引文數據分析方法失效。由于結構化數據分析的潛在問題，使得許多學者將目光聚焦于專利自身的文本內容，通過關鍵詞檢索，查找到相關范圍的專利文本。將不同時間段專利文本內容的聚類分析，可以獲取到專利文獻中的高頻關鍵詞的變化情況，從而識別出關鍵專利技術。常用的文本分析方法有關鍵詞文本簡單聚類[35， 36]、SAO語義結構[37-45]、LDA主題模型[46-55]、BERT分類模型等[56-60]。也有學者將多種模型相結合，如將SAO結構同LDA模型相結合，提高了模型的主題辨識度與語義消歧功能[61];或將BERT分類模型與LDA主題模型相結合，用于文本的主題提取，使其可以準確識別上下文語義與語序，提取出的主題更加精準有效[62， 63]。

四、技術差距與技術壟斷識別

關于技術差距的測算，不同領域的文章采用的方法不同。如經濟學相關研究的論文，多從產業的宏觀角度，采用投入產出相關技術效率指標、勞動生產率指標或全要素生產率指標測算不同產業或國家技術差距[64-67]。顯然，該方法不適用于較為微觀的“卡脖子”技術差距分析。情報學領域較為微觀和聚焦，一般是直接進行技術有無和參數對比。如唐恒等將技術差距強度定義為某個技術領域內中國專利數與專利數量top1的國家專利數差值與top1的國家專利數的比值[68]。郭世杰等將技術差距定義為“人有我無”和“人強我弱”兩個等級，在某技術領域我國沒有相關專利而競爭對手有即“人有我無”體現為技術空白，競爭對手和我國都擁有某種技術裝備，但在裝備的性能水平上落后于對手，這體現為“技術水平差距”，該文獻采用了文獻檢索與歸納方法、基于自然語言處理的信息抽取方法[69]。

目前關于技術壟斷如何評估的文獻較少，但運用社會網絡分析法對專利權人競爭合作關系分析較多。通過構建不同專利權人之間的關聯網絡，可以了解特定領域內區域、產業、行業內專利權人的關系演化，方便進行競爭對手和合作伙伴的識別及評價、技術布局的戰略選擇。通常來說，這種關系網絡可以通過專利權人之間的引用關系和技術合作情況、專利權人共同關注的技術主題三種形式表征。

引用關系體現了知識、技術在引用網絡之間的流動，因此專利權人引用網絡既能體現專利權人的影響力又能體現競爭合作關系。按引用對象類型分類，引用關系可以分為專利文獻及非專利文獻兩種。對非專利文獻的引用反映的是知識向技術的轉化過程，寧子晨以學術型發明人為節點構建技術主題和非專利文獻關鍵詞共現矩陣體現不同時間段下專利權人技術主題關聯關系的演化[70];對專利文獻的引用反映了技術的溢出，Wang構建共被引矩陣通過被引頻次識別以jaccard系數劃分的技術領域內最具有影響力的企業[71];李睿從生態視角用專利引用關系表征標準必要專利權人間的關系，將實力相當的企業之間的引用關系描述為競爭共生和互利共生關系[72]。專利引用網絡類型還可以按照引用網絡是有向無向網絡，有權無權網絡分類。相比較來說，有向網絡更能表征知識技術的流動，有權網絡更能衡量節點之間聯系的強度。Ji等、Cho等、Lo、Xiang等根據專利權人的引用關系分別用直接引用、間接引用和引用耦合關系，表征專利權人之間的競爭與合作關系[73-76]。

技術合作是專利權人提升核心競爭力的重要途徑，專利合作是技術合作的重要內容。專利權人合作網絡構建方法可以分為基于特定領域、特定專利權人、特定區域或自我中心構建。Li等、Tsay和Liu 、Zhou和Zhang考慮專利權人合作網絡構建方法、描述專利權人區域合作特征、合作演化特征[77-79]。王黎螢等構建中小企業合作發明網絡，從合作廣度和合作深度的角度探討最優效果的合作網絡模式[80]。Ahuja等探討了技術合作的自我中心網絡與創新產出之間的關系[81]，毛薦其等探討焦點企業的自我中心網絡穩定性怎樣影響創新產出[82]。

主題關聯網絡通常基于分類號共現及相似性分析、主題詞共現分析。常用的分類號類型有IPC、CPC、DPC、USPC等。IPC分類號對應35個技術子領域，不同專利權人在技術領域上的相似性，意味著專利權人之間競爭或合作機會。黃曉斌、梁辰通過映射IPC分類號到相應的技術領域，構建技術領域與專利權人共現網絡，計算向量空間余弦相似度和平方歐式距離評價企業技術組合相似度以識別行業內主要競爭對手[83]。曹祺等、向姝璇和李睿等基于Jaccard、Doc2Vec模型、余弦相似度、歐式距離、Pearson相關系數等度量相似性[84-85]。基于專利主題詞的專利權人共現分析，則通過選取合適的主題詞提取方式提取恰當的主題詞，構建向量空間，再對專利權人與相關主題詞之間的關系進行分析。

五、文獻評述

已有研究對什么是“卡脖子”技術進行了辨析，對核心關鍵技術如何識別、技術差距如何測度、知識產權人關系如何分析等展開了研究，但還存在以下不足。

首先，已有關于“卡脖子”技術識別的研究，側重于關鍵技術識別，較少從“關鍵技術識別—技術差距評估—壟斷程度判斷”等多維度展開評估。對于農機這一國家重大戰略產業的“卡脖子”技術多維度識別更是缺乏相關研究。目前全球主要農機裝備的核心關鍵技術是什么？熱點技術是什么？在這些核心關鍵和熱點技術上，我國與頭部國家是否存在技術差距？這些技術是否存在技術壟斷？這些問題均有待深入研究，個別文獻提到具體某些技術差距也僅是泛泛而談，缺乏確切方法和定量證據[86]。有文獻分析全球農機專利概況，但僅限于幾個簡單指標在有限時間段內進行粗略分析[87]。

其次，已有基于知識產權的關鍵技術識別相關研究，主要基于專利數據庫展開分析，少量文獻結合了論文數據庫和專利數據庫，但對于具體產業的研究還需要結合產業自身特有數據庫展開研究才能更加深入精準。特別是，這些研究大多僅對關鍵技術進行識別，識別出來的關鍵技術在中國相關應用產業的價值鏈中占多大份額？相關應用產業外資和本土企業市場份額劃分情況如何？已有文獻未結合產業具體情況對這些問題展開深入研究。

針對以上問題、結合國家重大戰略需求，文獻計量學、農業經濟學相關學者應基于多源數據（產學研企業調研數據、專利數據、論文數據、全國農機購置補貼輔助系統數據）融合，按照“關鍵技術識別—技術差距評估—壟斷程度判斷”的分析框架，識別出存在較大“卡脖子”風險的主要農機關鍵技術，并對關鍵技術在產業鏈中的價值地位進行進一步評判。

參考文獻

[1] 徐建國，張勛.農業生產率進步、勞動力轉移與工農業聯動發展[J].管理世界. 2016（07）： 76-87.

[2] ZHANG M， GUO W， LEI Z. Patent Analysis of Shale Gas Technology in China and Implications for its Exploitation[J]. Energy Technology， 2014，2（12）：1040-1045.

[3] 任文華.錢學森技術科學觀視域下關鍵核心技術“卡脖子”問題研究[J].科學管理研究，2021，39（03）：33-38.

[4] 陳勁，陽鎮，朱子欽.“十四五”時期“卡脖子”技術的破解：識別框架、戰略轉向與突破路徑[J].改革，2020（12）：5-15.

[5] 張治河，苗欣苑.“卡脖子”關鍵核心技術的甄選機制研究[J].陜西師范大學學報（哲學社會科學版），2020，49（06）：5-15.

[6] 夏清華，樂毅.“卡脖子”技術究竟屬于基礎研究還是應用研究？[J].科技中國，2020，（10）：15-19.

[7] 董坤，白如江，許海云.省域視角下產業潛在“卡脖子”技術識別與分析研究——以山東省區塊鏈產業為例[J].情報理論與實踐，2021，44（11）：197-203.

[8] 湯志偉，李昱璇，張龍鵬.中美貿易摩擦背景下“卡脖子”技術識別方法與突破路徑——以電子信息產業為例[J].科技進步與對策，2021，38（01）：1-9.

[9] 陳蔚麗.基于Innography的固體廢棄物綜合利用技術的專利情報分析[J].現代情報，2014，34（08）：100-104+111.

[10] CHO T， SHIH H. Patent citation network analysis of core and emerging technologies in Taiwan： 1997-2008[J]. Scientometrics， 2011，89（03）：795-811.

[11] LIU Y. Food Packaging Printing Technology Trend Analysis： A Patent Analysis Approach[J]. Applied Mechanics and Materials， 2013， 469（469）： 387-395.

[12] KIM E， CHO Y， KIM W. Dynamic Patterns of Technological Convergence in Printed Electronics Technologies： Patent Citation Network[J]. SSRN Electronic Journal， 2014，98（02）： 975-998.

[13] 楊大飛，楊武，田雪姣，等.基于專利數據的核心技術識別模型構建及實證研究[J].情報雜志，2021，40（02）：47-54.

[14] 陳穎，張曉林.專利技術功效矩陣構建詞匯模型研究[J].情報科學，2012，30（11）：1704-1708+1719.

[15] 翟東升，蔡力偉，張杰，等.基于專利數據倉庫的技術功效圖挖掘方法研究——以3D打印技術為例[J].現代圖書情報技術，2015（Z1）：131-138.

[16] PALIZBAN O， KAUHANIEMI K. Energy storage systems in modern grids—Matrix of technologies and applications[J]. Journal of Energy Storage， 2016（6）： 248-259.

[17] JIN Y， LIU J， WANG X， LI P， WANG J. Technology Recommendations for an Innovative Agricultural Robot Design Based on Technology Knowledge Graphs[J]. Processes， 2021， 9（11）： 1905.

[18] 王學昭，趙萍，趙亞娟，等.“技術-功效”視角下的專利布局形勢揭示與風險判定[J].圖書情報工作，2021，65（16）：73-80.

[19] 李姝影，張鑫，許軼，等.核心專利集篩選及專利技術主題識別影響[J].情報學報，2019，38（01）：13-20.

[20] 孫濤濤，金碧輝.關鍵技術挖掘與企業技術競爭情報——以DVD激光頭技術為例[J].圖書情報工作，2008，（05）：129-132.

[21] SCHETTINO F， STERLACCHINI A， VENTURINI F. Inventive productivity and patent quality： Evidence from Italian Inventors. Journal of Policy Modeling， 2013， 35（06）， 1043-1056.

[22] TONG X， FRAME J. Measuring national technological performance with patent claims data[J]. Research Policy， 1994， 23（02）， 133-141.

[23] 胡小君，陳勁.基于專利結構化數據的專利價值評估指標研究[J].科學學研究，2014，32（03）：343-351.

[24] 呂曉蓉.專利價值評估指標體系與專利技術質量評價實證研究[J].科技進步與對策，2014，31（20）：113-116.

[25] ZHANG Y， QIAN Y， HUANG Y， GUO Y， ZHANG G， LU J. An entropy-based indicator system for measuring the potential of patents in technological innovation： rejecting moderation[J]. Scientometrics， 2017， 111（03）： 1925-1946.

[26] 楊思思，戴磊，郝屹.專利經濟價值度通用評估方法研究[J].情報學報，2018，37（01）：52-60.

[27] DU W， WANG Y， XU W， MA J. A personalized recommendation system for high-quality patent trading by leveraging hybrid patent analysis[J]. Scientometrics， 2021， 126（12）： 9369-9391.

[28] 羅天雨.核心專利判別方法及其在風力發電產業中的應用[J].圖書情報工作，2012，56（24）：96-101.

[29] SHIN J， PARK Y. Evolutionary optimization of a technological knowledge network[J]. Technovation， 2010， 30（11-12）： 612-626.

[30] 李蓓，陳向東.海峽兩岸核心及新興技術比較——基于專利引文網絡的分析[J].科研管理，2015，36（02）：96-106.

[31] YAN B， LUO J. Measuring technological distance for patent mapping[J]. Journal of the Association for Information Science and Technology， 2016， 68（02）： 423-437.

[32] SUN H， GENG Y， HU L， SHI L， XU T. Measuring Chinas new energy vehicle patents： A social network analysis approach[J]. Energy， 2018（153）：685-693.

[33] 劉桂鋒，盧章平，劉瓊，等.基于社會網絡分析的江蘇省高校產學研專利合作研究[J].情報雜志，2015，34（01）：122-126+155.

[34] 解志韜，孔繁翀，謝楠.長三角“雙一流”高校協同創新時空演進——基于合作授權專利的社會網絡分析[J].研究與發展管理，2021，33（05）：149-160.

[35] KAYAKOKU A， AKAY D. Patent Mining[J]. Journal of Polytechnic-Politeknik Dergisi， 2021， 24（02）： 745-753.

[36] JUN S-H. Patent Mining using Beta Regression and R Text Mining[J]. Journal of Korean Institute of Intelligent Systems， 2018， 28（04）： 383-387.

[37] BLASCHKE C， ANDRADE M A， OUZOUNIS C， VALENCIA A. Automatic extraction of biological information from scientific text： protein-protein interactions[J]. Proceedings. International Conference on Intelligent Systems for Molecular Biology， 1999，（7）：60-67.

[38] SEKIMIZU T， PARK H S， TSUJII J I. Identifying the Interaction between Genes and Gene Products Based on Frequently Seen Verbs in Medline Abstracts[J]. Genome informatics. Workshop on Genome Informatics， 1998（9）： 62-71.

[39] 汪雪鋒，邱鵬君，付蕓.一種新型技術路線圖構建研究——基于SAO結構信息[J]. 科學學研究， 2015， 33（08）： 1134-1140.

[40] 郭俊芳，汪雪鋒，李乾瑞，朱東華.一種新型的技術形態識別方法——基于SAO語義挖掘方法[J]. 科學學研究， 2016， 34（01）：13-21.

[41] 李欣，王靜靜，楊梓，等.基于SAO結構語義分析的新興技術識別研究[J]. 情報雜志， 2016， 35（03）：80-84.

[42] 譚曉，張志強.圖情領域中專利分析主題的研究進展——基于WOS的文獻分析[J]. 圖書情報工作， 2012， 56（20）：85-91.

[43] CHOI S， YOON J， KIM K， LEE J Y， KIM C-H. SAO network analysis of patents for technology trends identification： a case study of polymer electrolyte membrane technology in proton exchange membrane fuel cells[J]. Scientometrics， 2011， 88（03）： 863-883.

[44] YANG C， ZHU D H， WANG X F et al. Requirement-oriented core technological components' identification based on SAO analysis[J]. Scientometrics， 2017， 112（03）： 1229-1248.

[45] WANG X， MA P， HUANG Y et al. Combining SAO semantic analysis and morphology analysis to identify technology opportunities[J]. Scientometrics， 2017， 111（01）： 3-24.

[46] SALTON G， WONG A， YANG C S. A vector space model for automatic indexing[J]. Communications of the ACM， 1975， 18（11）： 613-620.

[47] DEERWESTER S， DUMAIS S T， FURNAS G W， LANDAUER T K， HARSHMAN R. Indexing by latent semantic analysis[J]. Journal of the American Society for Information Science， 1990， 41（06）： 391-407.

[48] XIA T， CHAI Y. An improvement to TF-IDF： Term Distribution based Term Weight Algorithm[J]. Journal of Software， 2011， 6（03）： 413-420.

[49] HOFMANN T. Probabilistic Latent Semantic Indexing[J]. ACM SIGIR Forum， 2017， 51（02）： 211-218.

[50] BLEI D M， NG A Y， JORDAN M I. LATENT dirichlet allocation[J]. Journal of Machine Learning Research， 2003， 3（4/5）： 993-1022.

[51] 邱均平，沈超.基于LDA模型的國內大數據研究熱點主題分析[J]. 現代情報， 2021， 41（09）： 22-31.

[52] 林麗麗，馬秀峰.基于LDA模型的國內圖書情報學研究主題發現及演化分析[J].情報科學，2019， 37（12）：87-92.

[53] 廖列法，勒孚剛.基于LDA模型和分類號的專利技術演化研究[J].現代情報， 2017， 37（05）：13-18.

[54] KIM G J， PARK S S， JANG D S. Technology Forecasting using Topic-Based Patent Analysis[J]. Journal of Scientific & Industrial Research， 2015， 74（05）： 265-270.

[55] PAN X， ZHONG B， WANG X， XIANG R. Text Mining-based Patent Analysis of Bim Application in Construction[J]. Journal of Civil Engineering and Management， 2021， 27（05）： 303-315.

[56] 趙月華，朱思成，蘇新寧.面向網絡虛假醫療信息的識別模型構建研究——一種基于預訓練的BERT模型[J].情報科學， 2021， 39（12）： 165-173.

[57] 林德萍，汪紅娟.基于BERT和RNN的新聞文本分類對比[J]. 北京印刷學院學報， 2021， 29（11）：156-162.

[58] 張海豐，曾誠，潘列，等. 結合BERT和特征投影網絡的新聞主題文本分類方法[J].計算機應用，2022（3）： 1-10.

[59] 曾蘭蘭，王以松，陳攀峰.基于BERT和聯合學習的裁判文書命名實體識別[J]. 計算機應用，2022（3）：1-7.

[60] 汪蘇琪，王明文，曾雪強.面向規范性文件的基于BERT的文本糾錯模型[J]. 山西大學學報（自然科學版），2022，45（2）：498-504.

[61] 楊超，朱東華，汪雪鋒，等.專利技術主題分析：基于SAO結構的LDA主題模型方法[J].圖書情報工作，2017，61（03）：86-96.

[62] XIE Q， ZHANG X， DING Y， SONG M. Monolingual and multilingual topic analysis using LDA and BERT embeddings[J]. Journal of Informetrics， 2020， 14（03）：1-16.

[63] 王秀紅，高敏.基于BERT-LDA的關鍵技術識別方法及其實證研究——以農業機器人為例[J].圖書情報工作，2021，65（22）：114-125.

[64] 林毅夫，劉明興.中國的經濟增長收斂與收入分配[J].世界經濟，2003（08）：3-14+80.

[65] 傅曉霞，吳利學.技術效率、資本深化與地區差異——基于隨機前沿模型的中國地區收斂分析[J].經濟研究，2006（10）：52-61.

[66] 章祥蓀，貴斌威.中國全要素生產率分析：Malmquist指數法評述與應用[J].數量經濟技術經濟研究，2008（06）：111-122.

[67] 鄭江淮，荊晶.技術差距與中國工業技術進步方向的變遷[J].經濟研究，2021，56（07）：24-40.

[68] 唐恒，邵澤宇，蔡興兵，等.專利視角下“卡脖子”技術短板甄選研究[J].中國發明與專利，2021，18（01）：54-59.

[69] 郭世杰，陳芳，韓濤，等.基于文本挖掘的中美技術差距分析——以空間技術領域為例[J].情報學報，2021，40（08）：806-816.

[70] 寧子晨，魏來.專利主體視角下專利文獻與學術論文關聯關系發現研究——以“數據挖掘”主題為例[J]. 圖書情報工作，2020（12）：106-117.

[71] WANG X， ZHANG X， XU S. Patent co-citation networks of Fortune 500 companies[J]. Scientometrics， 2011， 88（03）： 761-770.

[72] 李睿，周維，王雪.引文生態視角下標準必要專利的引文特征研究.情報學報2018，（09）：882-889.

[73] JI J J， BARNETT G A， CHU J X. Global networks of genetically modified crops technology： a patent citation network analysis[J]. Scientometrics， 2019， 118（03）： 737-62.

[74] CHO R L T， LIU J S， HO M H C. The development of autonomous driving technology： perspectives from patent citation analysis[J]. Transport Reviews， 2021： 685-711.

[75] LO S C. Patent coupling analysis of primary organizations in genetic engineering research[J]. Scientometrics， 2008，74（01）： 143-151.

[76] XIANG X Y， CAI H， LAM S， PEI Y L. International knowledge spillover through co-inventors： An empirical study using Chinese assigneespatent data[J]. Technological Forecasting and Social Change， 2013， 80（01）： 161-174.

[77] LI FANGYE， LIU WEIWEI， BI KEXIN. Exploring and visualizing spatial-temporal evolution of patent collaboration networks： A case of Chinas intelligent manufacturing equipment industry[J]. Technology in Society， 2020（64）： 101483.

[78] TSAY M Y， Liu Z W. Analysis of the patent cooperation network in global artificial intelligence technologies based on the assignees[J]. World Patent Information， 2020，63：102000.

[79] ZHOU F， ZHANG B. Detecting and Visualizing the Communities of Innovation in Beijing-Tianjin-Hebei Urban Agglomeration Based on the Patent Cooperation Network[J]. COMPLEXITY， 2021， 1：1-14.

[80] 王黎螢，吳瑛，朱子欽，等.專利合作網絡影響科技型中小企業創新績效的機理研究[J]. 科研管理，2021，42（01）：57-66.

[81] AHUJA G， SODA G， ZAHEER A. Introduction to the special issue： The genesis and dynamics of organizational networks[J]， Erratum，2012，23（04）：1211.

[82] 毛薦其，嵇金星，劉娜，等.發明者網絡嵌入、穩定性與創新績效的關系研究[J].科學決策，2021（03）：1-17.

[83] 黃曉斌，梁辰.專利技術的關聯網絡分析——以4G通信技術領域為例[J].情報學報，2015，34（01）：92-104.

[84] 曹祺，趙偉，張英杰，等.基于Doc2Vec的專利文件相似度檢測方法的對比研究[J]. 圖書情報工作，2018，62（13）：74-81.

[85] 向姝璇，李睿.基于專利文獻整體相似度計算的競爭對手發現——以5G領域為例[J]. 情報理論與實踐，2021（05）：100-105.

[86] 陳志，羅錫文，王鋒德，等.從零基礎到農機大國的發展之路──中國農機工業百年發展歷程回顧[J].農學學報，2018，8（01）：150-154.

[87] 劉勤.全球農機裝備專利技術信息分析及啟示[J].華中農業大學學報（社會科學版），2020（02）：153-160+170.

（中文校對：李陽）

Identification of “Neck-Jamming” Agricultural Machinery Technologies： An Summary

ZHANG Zongyi

（China Research Institute for Agricultural Equipment Industry Development， Jiangsu University， Zhenjiang， Jiangsu 212013）

Abstract： Agricultural machinery is the material basis for the development of modern agriculture. Under the background of the gradual weakening of the role of WTO multilateral trade rules and the frequent technical blockade， is there any “neck-jamming” technology in the field of agricultural machinery and equipment？ How to identify that？ After systematically combed the relevant literature， the author propose an analysis framework of “key technology identification - technology gap assessment - monopoly degree judgment ” ， evaluates the “neck-jamming”technologies from three dimensions of literature and technology.

Keywords： neck-jamming; agricultural machinery; key technology identification

（英文校譯：翟世賢）