基于SAO 語義分析與多維技術創新地圖的技術創新機會識別研究

馮立杰，王清華，王金鳳，3，張 珂，張世斌

（1.鄭州大學管理學院，河南鄭州 450001；2.上海海事大學物流工程學院，上海 201306；3.上海海事大學中國（上海）自貿區供應鏈研究院，上海 201306；4.華北水利水電大學機械學院，河南鄭州 450045）

1 研究背景

技術創新是提高社會生產力和綜合國力的戰略支撐，而技術創新機會作為技術創新的起點，是企業、產業和國家層面實現創新的關鍵，對制定創新決策及提高核心競爭力至關重要。技術創新機會作為一個復雜巨系統，可視為創新環節中諸多要素的潛在組合［1］。傳統的技術創新機會識別方法大多側重于基于專家經驗開展定性分析。然而，伴隨著相關情報數量的幾何級遞增及技術創新領域劃分的日益細化，專家的知識及專長越來越難以滿足目標創新系統的具象需求，對此，定性與定量分析相結合識別技術創新機會的方法越來越受到企業的青睞［2］。其中，基于關鍵詞分析和SAO（subject-action-object）語義分析的相關研究尤為廣泛［3］。

關鍵詞分析方法主要借助高頻詞或關鍵詞表述創新主題的特征，在探究主題詞之間關聯度的基礎上研判技術創新機會。如Yoon 等［4］通過從專利文獻中抽取關鍵詞，利用生成式拓撲映射法構建可視化專利地圖，并利用鏈路預測算法評價指標界定了有價值的技術創新機會；Shen 等［5］通過構建向量空間模型從科技論文及專利文獻中抽取關鍵詞，并基于Orclus clustering algorithm對關鍵詞進行主題聚類，利用主題間的語義相似度界定了技術創新機會；潘東華等［6］通過從期刊文獻中提取關鍵詞并構建共詞圖譜，利用時序圖譜對關鍵詞聚類，以聚類的動態屬性界定了技術創新機會。

而SAO 語義分析方法則主要借助技術組件的關鍵概念和結構表述創新主題的特征，在剖析其中包含的語義關系基礎上研判技術創新機會。如Yoon等［7］利用SAO 結構相似性進行了專利聚類，以“離群性”指標實現了對離群專利的界定和評價；黃魯成等［8］分別從專利文獻和期刊文獻中抽取了SAO 結構并進行了相似性計算，在采用多維尺度剖析聚類結果后，將論文中存在而專利中不存在的主題界定為技術創新機會；李乾瑞等［9］利用SAO 結構構建了技術形態矩陣，并以技術價值、社會經濟效用、產業可行化和中國產業化作為評價指標，采用模糊一致矩陣法識別了技術創新機會；賴朝安等［10］對SAO 結構進行關聯分析以實現對專利文本的特征表示，并將專利地圖上的空白點界定為技術創新機會。

顯然，國內外學者眾多的技術創新機會識別方法為本文提供了重要的參考。然而，現有研究仍存在以下不足：首先，在創新要素挖掘方面，基于關鍵詞的系列方法難以系統考量主題特征詞在領域內的表征能力［11］，由此可能導致對創新要素的理解產生偏差，繼而影響技術創新機會識別的準確性；而基于SAO 語義的系列方法則會囿于領域主題相關性識別所限［12］，可能導致部分創新要素的丟失，繼而影響技術創新機會識別的全面性。其次，在技術創新機會識別方面，現有文獻多采用單一規則（如離群性閾值篩選或鏈路預測）遴選技術創新機會，將不符合該規則的創新機會予以排除，由此可能錯失有價值的技術創新機會［13］。此外，部分文獻借助技術形態矩陣對創新要素進行了直觀呈現或組合表達［14］，但較少考慮對創新要素采用特定法則進行迭代變換，由此可能會使技術創新機會識別存在一定的盲目性和無序性。

有鑒于此，本文將集關鍵詞分析和SAO 語義分析兩種方法之所長，進行關鍵創新要素的深度挖掘及層級關系梳理，以多維技術創新地圖導航并作為切入點進行概念化和具象化雙層技術創新機會識別，在為企業有效降低技術創新風險的同時，精準、前瞻性預判具象技術的創新先機，進而不斷提升企業的核心競爭力。

2 理論基礎

2.1 SAO 語義分析

SAO 結構是基于主體-行為-客體，從文本語料中抽取的三元組結構Subject-Action-Object［15］，其中的主體S（Subject）和客體O（Object）為名詞元素，行為A（Action）為主客體之間的動作或關系［16］。顯然，基于S/O 元素可開展實體分析，如通過提取SAO結構，可對S或O名詞元素的出現頻率進行分析，以識別具象領域的核心技術組件［17］。同時，也可基于A 元素開展主客體間的關系分析，如通過對A元素的識別，可將SAO 結構劃分為Partitive SAOs 和Attribute SAOs，以識別關鍵概念之間的關系及特定問題的解決方案［18］；也可利用SAO 結構中具有“包含”關系（如：has，comprise）的A 元素，將多個SAO 結構進行串并聯構建SAO 語義鏈，以識別多個關鍵詞間的關系，進而輔助構建產品或技術形態結構［19］，從而有效實現對技術變革方向和技術及創新機會的預測［20］。

進一步地，基于關鍵詞挖掘和SAO 語義層級識別構建的SAO 語義鏈可從語義視角深度挖掘相關專利的核心信息，厘清關鍵詞之間的層級關系，以提升專利分析的準確性和全面性。

由此，本文將在構建SAO 語義鏈基礎上，拓寬對表示“是”關系的A 元素識別區域，以獲得細粒度技術關鍵詞的表征，實現對目標技術創新系統較為精準的關鍵創新要素甄別，為后續研判技術創新機會奠定基礎。

2.2 多維技術創新地圖

多維技術創新地圖融合了TRIZ、SIT、核檢表法和專利功效矩陣等創新理論［21］，將創新的實質歸納為創新維度（包括機理維、材料維、環境維、空間維、結構維、功能維、動力體系維、時序維和人機關系維）和創新法則（包括分解與去除、組合與集成、局部優化、替代、動態化、自服務、友好化、柔性化和智慧化）耦合的過程［22］。該方法主要針對目標技術創新系統，首先以創新維度導航，搜尋影響技術創新的基本要素，繼而借助創新法則對創新要素變換重組識別技術機會，最后根據反饋不斷改進完善，輸出系列技術創新機會［21］。

多維技術創新地圖目前已廣泛應用于3D 打印［23］、煤層氣開采、軟件產品和智能手機研發等領域的具象創新機會識別［24］。結果表明，在提取目標創新系統關鍵創新要素基礎上，利用創新法則進行維法耦合以挖掘系列技術創新機會，能夠為企業高效開展技術創新提供科學的決策參考依據。

3 研究框架

基于SAO 語義分析與多維技術創新地圖，本文構建了技術創新機會識別框架，如圖1 所示。首先，以專利文獻作為數據源，利用關鍵詞共現分析篩選相關專利；其次，利用過濾后的SAO 結構搭建SAO語義鏈，獲得關鍵詞之間的語義層級關系，實現關鍵創新要素甄別；再次，結合專家經驗和多維技術創新地圖對維度的界定，對創新要素進行維度劃分；最后，選取創新法則，對不同層級的創新維度進行迭代變換構建多維技術創新地圖，實現雙層技術創新機會的識別。

圖1 基于SAO 語義分析與多維技術創新地圖的技術創新機會識別框架

3.1 專利數據搜集

該過程需要以目標創新系統的關鍵詞作為檢索詞，通過檢索特定數據庫以界定創新的邊界。具體包括：一是明晰目標創新系統亟待解決的具象技術創新問題；二是科學合理選擇檢索平臺；三是基于相關文獻及專家經驗，確定檢索表達式并下載專利文本；四是采用特征詞初始篩選和手動標記相結合的方式來篩選專利。通過咨詢專家確定2～3 個領域特征詞，繼而使用Python 將摘要文本數據與特征詞匹配，剔除不含特征詞的數據，并在閱讀標題和摘要的基礎上，采用背靠背數據標記方法消除噪聲文本，得到與目標創新系統高度相關的專利數據庫。

3.2 基于SAO 語義鏈的關鍵創新要素提取

3.2.1 基于關鍵詞的文本挖掘

該過程需要采用關鍵詞文本挖掘方法開展共現分析，進一步篩選專利數據庫，獲得含有關鍵詞的專利數據集。具體包括：

一是高頻詞提取。通過去除停用詞、標注詞性、抽取特征詞，以抽取專利數據庫的高頻詞。在剔除無實義詞和功效詞后，將抽取的高頻詞作為關鍵詞，進而得到目標創新系統的關鍵詞集。

二是關鍵詞共現分析。基于上述關鍵詞集開展共現分析，還需剔除未包含共現關系的專利，繼而得到包含關鍵詞的專利數據集。因明晰關鍵詞之間的層級關系所需，還應剔除不含或僅含一個關鍵詞的專利文本，為后續SAO 結構抽取減少數據量。需要補充說明的是，該數據集同時為后續創新法則的選取提供了數據支持。

3.2.2 基于SAO 結構的層級識別

該過程需要采用SAO 語義分析方法，對數據集進行SAO 結構抽取并篩選通過構建語義鏈識別目標創新系統的關鍵詞語義層級結構。具體包括：

一是SAO 結構抽取。首先，對數據集進行單句切分及分詞；其次，根據訓練語料庫構建詞性標注器，對分詞結果進行標注并進行依存關系分析；最后，利用Stanford Parser 抽取SAO 結構。

二是SAO 結構篩選。首先，基于A 元素語義篩選表征“包含”關系（如：comprise，involve，is，include）的SAO 結構；其次，基于S/O 元素，剔除不含或僅含有一個關鍵詞的SAO 結構，進而得到多個表征目標創新系統中關鍵詞之間層級關系的SAO結構。

三是SAO 語義鏈構建及關鍵詞語義層級關系識別。首先，對上述SAO 結構中的S/O 元素進行模糊匹配，得到多個相似的SAO 結構；其次，根據SAO結構中A 的語義，判別S/O 元素的層級關系，通過串并聯SAO 結構形成語義鏈，識別關鍵概念間的語義關系；最后，合并整理語義鏈，可得到目標創新系統技術關鍵詞的層級關系結構圖，進而關鍵實現關鍵創新要素的提取［19］。

3.3 基于維法耦合的雙層技術創新機會識別

3.3.1 創新維度的劃分

該過程需要在明晰技術關鍵詞語義層級關系基礎上，結合專家經驗，以多維技術創新地圖中的九大創新維度導航，對前述關鍵創新要素進行維度劃分。具體包括：

一是以目標創新系統關鍵詞語義層級關系為基礎，確定維度劃分的層級。

二是根據多維技術創新地圖中九大創新維度的定義，對關鍵創新要素進行逐一歸類。

三是整理維度劃分結果并繪制目標創新系統的創新維度表。

3.3.2 創新法則的選取

該過程需要以前述共現分析的專利數據集作為對象，對技術創新機會進行“維”“法”耦合，即剖析創新要素的構成規律并選取創新法則。此過程一方面需要提取目標創新系統適用的創新法則，為后續創新法則選取提供指導；另一方面還需對上述劃分的創新維度進行合理性驗證。

3.3.3 雙層技術創新機會的識別

該過程需要依托SAO 語義鏈識別的關鍵詞語義層級關系，結合多維技術創新地圖進行雙層技術創新機會識別。具體包括：

一是第一層概念化技術創新機會預判。該過程一般在維度和子維中進行，基于影響技術創新的單一或多個維度，與創新法則進行迭代變換，可衍生出多個概念化技術創新機會。一般而言，該層技術創新機會的粒度較為宏觀，可為目標創新系統中具體技術創新機會的生成減少大量無意義的方案組合，同時預判有價值的研發方向，但該層較難產生映射具象技術細節的創新方案。

二是第二層具象化技術創新機會識別。該過程一般在目標創新系統的具體技術形態中進行，需要在前述概念化技術創新機會引導下，結合具體技術形態，生成系列粒度較細的、可行而具體的技術創新方案。

4 案例分析

海綿鈦因提煉成本高、對批次的穩定性和質量要求高、而我國的相關冶煉技術落后，長期以來制備原料主要依賴進口，嚴重掣肘了我國未來的“空間站計劃”“大飛機計劃”以及“艦船建造計劃”等項目的實施進程［25］。進一步的，富鈦料作為海綿鈦生產的重要原料，其制備技術對鈦工業的發展尤為重要。因此，本文將以富鈦料制備技術為例，進行基于SAO 語義分析與多維技術創新地圖的技術創新機會識別研究，以期為極大地改善我國富鈦料制備技術落后局面，以滿足航空航天、船舶和海洋工程等中高端技術領域對鈦材不斷增加的需求，同時形成富有競爭力的鈦工業產業技術提供創新方法支持。

4.1 富鈦料制備技術專利信息檢索

有鑒于德溫特數據庫（Derwent Innovations Index,DII）覆蓋領域主要包括化學、電氣和工程等3 大領域［26］，由此能夠較好地與富鈦料的制備領域屬性相匹配。因此，本文以德溫特專利數據庫作為檢索平臺檢索相關專利。具體包括：

首先，對該領域的專家進行訪談以確定檢索表達式（見表1）；其次，通過檢索表達式進行富鈦料制備技術專利信息檢索，共計獲得598 條相關文獻；再次，選定 titanium 和rutile 為特征詞與摘要文本進行匹配，并采用背靠背數據標注方式對專利進行識別，最終得到392 份與富鈦料制備技術高度相關的專利。

表1 富鈦料制備技術專利檢索表達式

4.2 基于SAO 語義鏈的富鈦料制備技術關鍵創新要素提取

4.2.1 基于關鍵詞的富鈦料制備技術文本挖掘

一是高頻詞提取。首先可采用NLTK 自然語言處理工具包，利用Python 語言編程對得到的392 條專利數據摘要及權利要求書等文本進行自然語言處理，實現去停用詞、詞性標注、特征詞抽取和高頻詞統計；然后取前500 個特征詞作為關鍵詞，通過剔除無實義詞、功效詞等，最終可得到與富鈦料制備技術創新相關的178 個主要關鍵詞。

二是關鍵詞共現分析。為確定富鈦料制備技術領域的關鍵技術形態，還需對前述178 個關鍵詞進行共現分析，由此可得到領域內178×178 關鍵詞共現矩陣。在剔除未包含共現關系的64 條專利后，可得到后續進行SAO 結構抽取和創新法則選取的系列數據。

4.2.2 基于SAO 結構的富鈦料制備層級識別

一是SAO 結構抽取及篩選。首先，采用自然語言處理工具Stanford Parser 和Spacy 工具包，利用Python 語言編程，對上述數據集的摘要及權利說明書等文本進行SAO 結構抽取；其次，剔除未含有層級關系的SAO 結構；再次，保留包含兩個或兩個以上關鍵詞的SAO 結構，最終可得到276 條SAO 結構（部分結構見表2）。

表2 有效SAO 結構表（10/276）

二是SAO 語義鏈構建及關鍵詞語義層級關系識別。首先，依托上述SAO 結構對SAO 結構中的S/O 元素進行相似性匹配，如：在The preparation of synthetic rutile（S1）involves（A1）pretreating ilmenite ore（O1）結構和The pre-treating of the ilmenite（S2）comprises（A1）milling by a dry ball mill to obtain the ilmenite particles（O2）結構中，O1元素和S2元素可進行模糊匹配；其次，構建SAO 語義鏈（部分結構見表3）；最后，合并整理語義鏈，進而構建富鈦料制備技術領域的關鍵詞層級關系結構圖。如圖2所示。

圖2 富鈦料領域關鍵詞層級關系結構

表3 基于SAO 的富鈦料制備技術領域層級關系結構（10/57）

4.3 基于維法耦合的富鈦料制備技術雙層創新機會識別

4.3.1 富鈦料制備技術的創新維度劃分

結合多維技術創新地圖對創新維度的定義、富鈦料制備技術領域專家知識及SAO 語義分析識別出的關鍵詞層級關系，可將前述關鍵創新要素逐一分別歸入機理維、材料維及環境維度。具體見表4。

表4 富鈦料制備技術創新維度

表4 （續）

其中，機理維是富鈦料制備技術涉及的物理、化學等基本原理，主要包括富鈦料制備的各種具體技術（如氧化焙燒、助劑改性還原和煅燒等）；材料維是富鈦料制備技術所涉及的各種材料（如氧氣、鹽酸和氫氧化鈉等）；環境維是富鈦料制備技術所涉及的環境參數，包括富鈦料制備過程中的溫度、壓力及時間等（如氧化焙燒溫度、還原溫度、高溫煅燒和還原時間等）。

4.3.2 富鈦料制備技術的創新法則選取

在維度劃分基礎上，結合多維技術創新地圖對創新法則的定義，可對共現分析后的數據集進行再次查閱，進而選取20 個技術創新機會進行“維”“法”耦合分析，以提取富鈦料制備技術領域常用的、在技術創新機會識別過程中優先考慮的創新法則，見表5。

表5 富鈦料制備技術已存在專利的“維”“法”分析（10/20）

由表5 可以看出，在富鈦料制備技術領域使用的主要創新法則有：局部優化、組合與集成、友好化、分解與去除。對相關創新法則進一步詮釋如下：

一是局部優化法則。在富鈦料制備過程中，某一機理的優化可直接提高富鈦料的品質或縮短工藝流程。如添加助劑可改變原有反應物結構并增加其活性，更有利于浸出后續的雜質；將某一過程置于高溫或高壓狀態可以增加反應速率。

二是組合與集成法則。該法則在富鈦料制備過程中既可表現為多種工藝流程的組合，也可表現為單一工藝的重復。如表5 中專利CN111979413A 采取的多級酸浸，不僅能夠提高產品中二氧化鈦的品位，同時能夠增加鹽酸利用率，繼而有效降低母液再生酸的成本。

三是友好化法則。現有富鈦料制備工藝流程易產生大量廢渣、廢氣及廢液，而且能耗較高，顯然，如何實現環境友好型生產是當前富鈦料制備技術研究的熱點［27］。對此，可將回轉窯煅燒改為天然氣熱風爐閃干，或將傳統高溫還原工藝改為微波高溫還原以節能降耗，繼而達到降低成本的目的。

四是分解與去除法則。傳統的富鈦料制備工藝中，電爐鈦渣硅雜質組分的去除主要以堿浸為主，由此會產生大量的廢堿。因此，聚焦于脫硅研究以去除堿浸脫硅工序，不僅能夠有效降低生產成本，而且能夠減少對環境的污染。

4.3.3 富鈦料制備技術的雙層技術創新機會識別

依托于上述三級創新維度的劃分，優先考慮將局部優化、組合與集成、友好化及分解與去除等創新法則作用于不同層級的創新維度，可構建多維技術創新地圖（部分方案如圖3 所示），從而識別出多個富態料制備技術的雙層創新機會。

圖3 富鈦料制備技術多維技術創新地圖

第一層是概念化技術創新機會的預判。該層主要依托維度和子維度生成的概念化技術創新機會，預判富鈦料制備技術領域有價值的研發方向。

如在機理維中，可選擇多個子維進行變換實現對風化程度不同、品位不同鈦鐵礦的升級處理以提升除雜效率；在機理維和材料維組合中，可在氧化焙燒過程添加特殊改性劑促使雜質組分更易溶解；在機理維、材料維和環境維組合中可加入特殊介質，并通過相應溫度及壓力變化，優化富鈦料制備技術工藝。預判的概念化技術創新機會見表6。

表6 第一層富鈦料制備技術概念化技術創新機會預判

第二層是具體技術創新機會的識別。該層將依托第一層研判的概念化技術創新機會，運用創新法則對選取的技術形態進行迭代變換，進而識別出富態料制備技術的具體創新機會。包括：首先選定機理維中影響富鈦料制備技術的機理，然后確定實現機理所需的環境條件，最后選取相應的材料作為輔助工具以支持技術創新過程。對應表6 識別的富鈦料制備技術創新機會見表7 至表9。

表7 基于機理維的富鈦料制備技術創新機會識別

表8 基于機理維和材料維的富鈦料制備技術創新機會識別

表9 基于機理維、材料維和環境維的富鈦料制備技術創新機會識別

由于上述所識別出的富鈦料制備工藝技術機會源自作者團隊與龍蟒佰利聯集團股份有限公司的產學研合作研究課題，后續團隊在實驗室進行了系統實驗，驗證了上述技術創新機會的合理性和可行性。以方案3 為例，相關實驗結果表明：（1）在回轉窯中的鈦鐵礦經高溫氧化焙燒，其物相結構被破壞，鈦渣得以富集，產品細料率顯著降低；（2）換熱器收集氧化焙燒階段的溫度以用于后續銹蝕液的加熱，一定程度上降低了熱能耗；（3）銹蝕階段的催化劑加快了反應速度，并得到了鈦品位較高的人造金紅石。經該企業技術人員和有關專家確認，方案3 可提高生產效率，降低“三廢”排放量，且具有能耗小、污染低的特點，可為企業清潔高效生產提供新思路。綜上，本文所提技術機會識別路徑具有一定的先進性和實用性，可為相關企業突破技術創新瓶頸提供有效支撐。

5 結論與展望

本文融合SAO 語義分析和多維空間技術創新地圖構建了技術創新機會識別方法，并以富鈦料制備領域的技術創新為例驗證了該方法的有效性。本文的研究貢獻主要體現在3 個方面：首先，以往采用單一關鍵詞或SAO 語義方法挖掘創新要素的研究存在要素主題表征較弱且內在聯系模糊的局限性，本文從功能互補角度將兩者融合深度挖掘影響技術創新的要素，并對關鍵創新要素進行層級關系梳理，進而形成層次分明的技術形態，有利于清晰、準確地甄別創新要素。其次，以往利用單一規則或構建形態矩陣進行技術創新機會識別的研究技術創新機會數量有限且存在一定的盲目性和無序性，本文以多維技術創新地圖導航對關鍵創新要素進行維度、子維及技術形態等三級創新維度劃分，并與創新法則耦合，實現了概念化和具象化兩層技術創新機會的識別，既對企業選擇技術標桿和研發方向具有指引作用，也可為企業具體研發實踐活動提供方案指導。最后，現有技術創新機會識別的相關文獻大多集中在機械制造領域，較少涉足化工領域，本文以富態料制備技術為目標創新系統，借由上述方法生成的兩層共9種富態料制備技術創新方案切實可行，對推動我國富鈦料制備技術的快速發展，乃至于對破除嚴重掣肘我國未來的“空間站計劃”“大飛機計劃”和“艦船建造”等計劃的鈦工業產業發展藩籬，具有重要的現實意義。

本文仍存在一定局限性有待于進一步加以改進。首先是本文構建的技術關鍵詞層級結構圖主要依賴于自然語言的挖掘，難以囊括技術領域全部特征詞，未來可從語義理解角度進行信息抽取，借助領域專家構建用戶詞典，以獲取更為完善的領域特征詞表。此外，本文從技術角度對創新機會進行識別的研究，缺乏針對技術創新方案的系統性和綜合性評價，有可能導致與研發主體的能力不相匹配，未來還需深入創新主體研發實踐過程強化對技術創新機會進行系統評估。