基于專利挖掘的綠色發展技術主題分析與趨勢研究

摘要：[目的/意義]旨在明確綠色發展關鍵技術領域，預測技術演變趨勢，為技術創新、政策制定及可持續發展提供科學依據。[方法/過程]以patsnap專利數據庫中的相關數據為樣本來源，運用TF-IDF、LDA主題模型及困惑度分析探索主題詞分布并提取主題，同時進行語義網絡主題聚類，實現技術關聯分析，綜合分析其現狀與趨勢。[結果/結論]研究表明，綠色發展技術目前處于成熟初期；專利主題可歸納為綠色生產技術、綠色建筑施工技術、電機驅動技術等7類；發展方向將從單一技術向系統集成、從資源高效利用向循環經濟、從傳統能源向可再生能源，以及從單一環境治理向綜合生態管理全面轉型。從系統的角度分析綠色發展技術的現狀，并探究其發展趨勢，為該領域相關技術的發展提供借鑒。

關鍵詞：綠色發展；專利挖掘；LDA主題模型；未來前景

分類號：G250.2；X38

CSTR： 32306.14.CN11-6036.2025.005

DOI： 10.13266/j.issn.2095-5472.2025.005

引用格式：向尚， 劉思思. 基于專利挖掘的綠色發展技術主題分析與趨勢研究[J/OL]. 知識管理論壇， 2025， 10（1）： 64-78 [引用日期]. http：//www.kmf.ac.cn/p/449/. （Citation： Xiang Shang， Liu Sisi. Research on Topic Analysis and Trends of Green Development Technologies Based on Patent Mining[J/OL]. Knowledge Management Forum， 2025， 10（1）： 64-78 [cite date]. http：//www.kmf.ac.cn/p/449/.）

1" 引言/ Introduction

綠色發展作為解決全球變暖問題的最終可行策略，已成為生態現代化發展的主流趨勢，是實現可持續、高質量發展的重要實踐路徑。“十四五”規劃指出，堅持生態優先、綠色發展，要實施綠色技術創新攻關行動，大力發展綠色經濟[1]。以節能減排、產業轉型為導向的技術推廣為綠色發展提供源動力，污染防治、清潔能源生產、重點行業綠色化改造等均需要綠色技術的支撐。總體上，綠色發展技術主要特征是環保性、節能性、循環性等，這些特征共同構成了綠色發展技術的核心競爭力和社會價值。然而，綠色發展作為國家發展戰略，涉及交叉融合產業的轉型與優化，相關專利技術多樣冗雜且創新趨勢并不明晰，不利于科技部門及企業的研發投入規劃。專利數據能夠覆蓋全球90%以上的科學技術信息[2]，是掌握綠色發展領域科技競爭情報的有力渠道，是衡量綠色發展領域科技發展的重要指標。基于此，本文旨在通過深入分析綠色發展技術領域的專利數據，從專利計量分析、技術主題提煉以及技術關聯探索這3個維度，梳理當前綠色發展技術現狀及發展趨勢，從而為政府制定相關戰略政策、企業推進技術創新與轉型升級提供有益參考。

2" 研究回顧/ Research review

2.1" 綠色發展技術

在理論研究方面，國務院新聞辦公室于2023年1月19日發布的《新時代的中國綠色發展》白皮書全面闡述中國綠色發展理念、實踐與成效，強調加快新興技術與傳統產業深度融合，從而構建綠色低碳循環發展的經濟體系[3]。學界也對先進科技助力綠色發展進行了深入探討。劉朝提出，數智化技術通過促進產業綠色化，使企業實現全生命周期綠色化[4]。劉伊曼等從生態倫理的視角對綠色發展技術進行理論分析，指出技術創新為綠色發展提供了持續動力[5]。周杰琦等探究發現，人工智能主要通過技術賦能和產業結構優化實現其綠色發展效應[6]。孫越等基于技術視角對綠色發展內涵、作用、特質等進行闡述，為中國特色“五位一體”建設提供理論支撐[7]。李悅昭等將綠色發展技術分為清潔生產、節能減排、環境科技、生態補償4大類別，指出其具有污染少、效率高、速度快等特點[8]。

在實踐應用方面，學者們重點關注先進技術對產業和區域綠色發展的影響。例如，有研究通過不同類型專利數據衡量實質性和策略性創新類型，發現不同創新類型對制造企業環境和能源績效具有異質影響[9]；另有研究考察了黃河流域技術進步對資源型城市綠色發展的非線性關系[10]；還有學者以長江經濟帶三大城市群為研究對象，探討技術創新及合作對其綠色發展的空間聯動效應[11]和非線性作用[12]。同時，部分學者聚焦重點產業技術創新的突破工作。例如，石油和化學工業使用高電流密度自然循環復極式離子膜電解槽技術，在節約電力資源的同時避免了汞和石棉對環境的污染，通過提高資源利用效率，減少資源消耗，賦能工業經濟綠色發展[13]。新時代水產遺傳育種生物技術的革新，如全基因組選擇育種和基因組編輯等精準設計育種，推動了水產養殖綠色發展[14]。此外，通過開展非高爐煉鐵、直接軋制等技術研究，推動焦化、燒結、煉鐵、煉鋼和軋鋼五大重點工序的智能化革新，助力鋼鐵行業綠色化發展[15]。

2.2" 專利挖掘技術

專利挖掘技術最早由根里奇·阿奇舒勒在1946年提出[16]，是指在技術研發或產品開發過程中，對所取得的成果從技術和法律層面進行剖析、整理、拆分和篩選，從而識別具有專利申請和保護價值的技術創新點和技術方案。專利技術作為科技創新的直接體現，其重要性不言而喻。目前，專利挖掘技術主要包括文本挖掘法、引用分析法、機器學習法和社會網絡分析法等[17]。其中，1997年B. Lent等基于文本挖掘技術，提出了通過序列分析某時段專利文獻內容來預測發展趨勢的方法[18]；諶志群等提出了UCT-MF統一中文挖掘模型，為中文文本挖掘系統提供了基本體系框架[19]；王元波等結合LDA算法，通過分析專利主題強度及主題內容演變構建了專利技術相關進化圖[20]；馮立杰等提出了融合專利引文網絡和SAO語義分析的技術演化路徑識別與拓展方法[21]；向希堯等提出了結合專利引用與發明人合作網絡的專利引用分析方法；李欣等提出一種基于機器學習的專利可轉讓性評估方法[22]。王金鳳等提出了基于知識圖譜和專利分析的技術基因提取路徑模型[23]。現有研究通過對專利數據挖掘技術的應用，主要對醫療[24]、生物育種[25]、化工[26]、汽車[27]、移動通信[28]、高技術產業[29]等領域的技術趨勢進行識別，為科技創新戰略布局提供了重要參考。

綜上所述，綠色發展技術在理論研究與實踐應用中均展現出顯著的重要性與活力。現有的以“綠色發展技術”為核心的文獻數量較少，過往的理論研究一部分從宏觀角度來探究如何構建理論體系，以及科技創新如何賦能綠色發展；另一部分則從微觀視角剖析特定行業內綠色發展技術的具體應用成效，并缺乏對綠色發展技術的系統性研究，尤其在綠色技術的深度挖掘方面存在明顯不足，關鍵技術特征的識別與提煉尚存在空白。本文通過挖掘綠色發展的相關專利數據，在專利計量的基礎上構建LDA模型對綠色發展專利技術進行主題聚類，并運用語義網絡揭示技術間的內在聯系，從系統的角度梳理當前綠色發展技術的現狀，并探究其發展趨勢，為該領域相關技術的發展提供借鑒。

3" 研究設計與方法/ Research design and methodology

3.1" 研究策略

本文以智慧芽patsnap專利數據庫中綠色發展相關專利數據為研究對象，通過對申請時間、申請類型、申請人類型、申請機構、地理位置、申請生命周期、申請摘要等內容進行專利計量分析，掌握綠色發展相關技術的發展現狀；采用LDA主題模型識別技術主題，對專利技術進行系統的分類，并探究各類主題專利技術的特征；以ROSTCM6軟件與K核分析為基準，對專利摘要中的核心詞匯進行分門別類的聚類處理，深入解析各技術主題之間的內在聯系。研究以定量分析為主，提高技術識別客觀性，從而更準確地分析綠色發展技術及發展趨勢，研究思路如圖1所示：

3.2" 數據來源

綠色發展是以效率、和諧與可持續為目標的經濟增長和社會發展方式。以patsanp專利數據庫為源，設定受理局包括中國，專利類型包括發明申請、授權發明、實用新型、外觀設計，結合《綠色技術專利分類體系》[30]與綠色發展的理念，設定的檢索式見表1。檢索時間范圍設定為2004—2024年，共導出數據7 762組（簡單同族專利數），通過對無關項、重復項篩選之后，得到數據7 681組。

3.3" "研究方法

（1）文本處理。利用Python中的jieba分詞包，結合哈爾濱工業大學推出的停用詞表，同時補充針對本數據集無意義的詞語（如企業、發明、實用新型領域等），形成新的停用詞表對專利文本進行分詞。隨后，采用TF-IDF（Term Frequency–Inverse Document Frequency，詞頻—逆向文件頻率）方法對字詞的重要性進行向量化分析，以量化詞匯在文檔中的重要性。

（2）主題提取。LDA主題模型由D. M. Blei等于2003年提出[31]，它利用LDA反復迭代識別文本中隱藏的主題信息，并通過困惑度與一致性的圖像確定最佳主題數，實現主題聚類或文本分類。

4" 綠色發展技術專利計量/ Patent metrology of green development technologies

4.1" 專利申請技術生命周期

根據專利申請的時間順序，對綠色發展相關技術專利數量進行統計，繪制專利分布時序圖，見圖2，并將其發展分為嬰兒期、發展期、成熟初期3個階段。①嬰兒期（2004—2010年），此階段綠色發展關聯專利開始出現，但數量少且年均增長率低，2010年全國人大十一屆三次會議上，“低碳經濟”“綠色經濟”成為最熱門的關鍵詞，政府促進環境保護技術的創新，發展綠色經濟和低碳經濟，此階段為嬰兒期。②發展期（2011—2018年），這一階段綠色發展關聯技術穩定增長。2015年中共十八屆五中全會通過《中共中央關于制定國民經濟和社會發展第十三個五年規劃的建議》，其中提出綠色、創新、協調、開放、共享構成的五大發展理念，專利申請數量增長率高。③成熟初期（2018年至今），該階段專利申請數量基數大，雖有波動，但整體數量較前一階段穩健增長。2018年發布的《中共中央國務院關于全面加強生態環境保護 堅決打好污染防治攻堅戰的意見》[33]，強調打贏藍天、碧水、凈土三大保衛戰，同時全國生態環境保護大會的召開與生態環境部的正式掛牌，這些因素共同刺激推動了綠色發展專利申請量的增長。2020年9月中國在第七十五屆聯合國大會上提出力爭在2030年實現碳達峰、2060年實現碳中和的目標，之后專利申請數量大幅度增長，各類綠色發展相關產業產品如雨后春筍般涌現，綠色產業發展邁上了新臺階，綠色發展產業專利申請開啟新征程。該發展階段為綠色發展產業技術領域的成熟初期。

4.2" 專利申請分布特征

（1）專利申請類型。在專利申請中，各類型數量由高到低依次為實用新型3 901項，發明專利3 771項，外觀設計9項，見圖3。在綠色發展關聯專利中實用新型與發明專利產品數量相當，外觀設計專利數量占比最少。專利覆蓋了從A到H的多個IPC大類，表明綠色發展的相關技術涉及多個領域，其中發明類專利主要集中在E04（建筑物）、B01（物理或化學的裝置或方法）、F24（供熱）、C04（水泥）、C02（污水）、H02（電器元件）；實用新型主要集中在E04（建筑物）、F24（供熱）、B01（物理或化學的裝置或方法）、C02（污水）、H02（電器元件）、A01（農業、林業、畜牧業）、F21（照明）。綜上所述，綠色發展專利技術主要集中在建筑、農業、制造業上。

（2）專利申請人類型。如圖4所示，按類型對專利申請人進行統計，企業占據過半席位，高達64.37%，而院校及個人占比依次為15.94%、16.57%，組織占比率最少，僅有3.12%。從申請人類型的時序演變來看，2004—2010年期間，個人申請專利的數量占主導地位，自2010年大力發展低碳經濟、綠色經濟以來，各類申請人的專利申請數量均開始增加，其中企業類型的申請人響應國家號召大幅增長。院校類型的申請人在2011年之后呈現緩慢增長態勢，這表明各院校開始鼓勵在校師生合作共贏，推動自主創新，掀起了中國研究專利的新氣象。相比之下，組織類型的申請人數量一直較少且增長率保持較低水平。

（3）地理空間分布（不含港澳臺地區）。如圖5所示，東部地區的江蘇、廣東、山東、浙江、上海、北京等地專利分布較為密集。江蘇、廣東、上海等地區經濟發達擁有更多的科研資源和資金支持，能夠吸引更多的科研人才和企業入駐，從而推動綠色專利申請數量的增加。山東、安徽等地區作為中國重要的工業基地，冶金、化工、輕工、建材等行業發達，但這些行業面臨著環境污染和能耗過高的問題，需要加快新舊動能轉換，推動行業綠色轉型。而西北、西南、東北等地區的專利數量則較少，這些地區經濟較為落后，信息閉塞且交通不便，研發環境相對不佳，難以吸引優秀人才，因此專利申請數量相對較少。

5" 技術主題分析/ Technical theme analysis

5.1" 基于LDA模型的主題挖掘

構建LDA模型進行主題聚類前，需確定最優主題數。本文采用困惑度曲線和主題一致性得分來綜合評價LDA模型的最優主題數。首先，在LDA模型中困惑度越低說明不確定性越小，聚類的結果越好。如圖6所示，在主題數為7、8時，困惑度最低。其次，本文通過計算主題的一致性得分來進一步評估，一般情況下，主題的一致性越高，連貫性越好，可解釋性也更高。如圖7所示，當主題數超過2后，LDA模型在主題數為7時一致性得分最高。因此，最終確定最優主題數K=7。

確定主題數之后，運用pyLDAvis對LDA模型進行可視化分析，見圖8。圖中左側的每個圓圈代表一個主題，圓圈之間的距離代表不同主題之間的相似性，圓圈的大小代表主題出現的頻率，并且按順序標號。主題數為7時，各個象限均有圓圈，且其重合程度較低，表明LDA建模后主題之間相互對斥，說明綠色發展專利覆蓋領域較廣[34]。

圖8右側顯示主題特征詞的貢獻度變化，藍色條表示該詞語在整個文檔中出現的頻率，紅色條表示該主題中此關鍵詞的詞頻，有助于直觀了解關鍵詞在主題中的分布情況。將鼠標懸浮在左邊的主題圓圈上，可以具體查看主題一的前30個關鍵詞，通過調節右上角的λ值查看詞語與主題的相關性，當其為1時，右側顯示的詞語與主題相關，當其接近0時，右側顯示的則為該主題下獨特的詞。

利用最優主題數重新訓練LDA模型，得到每個文檔的主題分布和每個主題下的詞分布。隨后根據詞分布，識別出各個主題的核心內容。針對得到的7個主題，選擇出現頻率高、代表性強的詞語作為關鍵詞，最終提取出7個關鍵詞，見表2。

基于主題的高頻詞，將7類綠色發展專利主題命名為：1-綠色生產技術，2-綠色建筑施工技術，3-電機驅動技術，4-工業熱循環技術，5-綠色儲能與智能供電技術，6-綠色雨水基礎設施建設，7-室內空氣凈化技術。

（1）綠色生產技術。該技術以節約能源、降低耗材為生產目標，以先進技術及管理方法為手段，達到節約能源，節省材料等要求。它強調在生產過程中盡量減少對環境的負面影響，同時提高資源利用效率和產品質量。例如，在農業領域，利用有機肥、綠肥等替代部分化肥，提高土壤有機質含量，改善土壤結構；將農作物秸稈進行資源化利用，增加土壤肥力。在工業領域，中國石化石油化工科學研究院開發出的己內酰胺綠色生產技術，將新催化材料、新反應工程和新反應途徑集成創新，廣泛應用于紡織、汽車電子等行業，提高了原料利用率，產生了重大的社會經濟效益[35]。

（2）綠色建筑施工技術。該技術強調在施工過程中，通過科學的管理和技術手段，最大限度地節約資源（如水、能源、土地和材料），減少環境污染，同時確保施工質量和安全。這種技術不僅關注建筑物的建造過程，還注重其對周圍環境的影響，力求實現建筑與自然環境的和諧共生。在建筑行業中，積極發展專用水泥、加快發展和推廣高性能混凝土和預拌砂漿等方案[36]，以滿足不同領域、不同環境下的特殊需求。同時，通過在外墻保溫隔熱設計中應用保溫新型墻體，推廣節能門窗，加強屋面的設計，從而減少陽光輻射，利用太陽能技術等實現保溫和隔熱效果，延長建筑物的使用壽命[37]。這些技術的廣泛應用，可以有效提高建筑行業的節能減排水平，推動建筑業的綠色發展。

（3）電機驅動技術。電機作為將電能轉換為機械能的重要設備，在工業生產中發揮著至關重要的作用。隨著科技的不斷發展，各行各業都在探索更高效率的電機驅動技術，提高能源轉化率，以適應各種復雜的應用場景和不斷提高的生產需求。例如，在工業自動化領域，電機驅動技術被廣泛應用于機器人、數控機床、輸送系統等設備中，優化其響應速度、控制精度等。同時，其在新能源汽車領域也發揮著重要作用，通過高效的電機、先進的電池技術和智能化的控制系統，新能源汽車能夠大幅降低能耗和排放。

（4）工業熱循環技術。隨著環境保護意識的增強，減少溫室氣體排放和其他有害物質的產生成為迫切需求。該技術通過一系列精密設計的設備和工藝，能夠高效地將生產過程中的廢熱或余熱進行回收，并通過換熱器、熱泵等關鍵設備，將這些熱能轉換為可再利用的能源形式。例如，在石油化工生產過程中會產生大量的余熱，如蒸汽、高溫煙氣等，通過熱循環技術，這些余熱可以被回收并用于預熱原料、發電或供暖等，從而實現能源的再利用。

（5）綠色儲能與智能供電技術。該技術線包括蓄電池、控制器與智能管理系統等關鍵要素。其中蓄電池是綠色儲能技術的核心，包括鋰離子電池、固態電池等，用于儲存可再生能源產生的電能。控制器負責監測和控制儲能設備的運行，確保能源的穩定供應和高效利用。智能管理系統通過收集和分析數據，優化能源分配和調度，實現能源的智能化管理。這些組件協同作用，構建了一個風能、太陽能等可再生能源的高效儲存、轉換和智能供電的技術體系，有效提升可再生能源的利用率，并減少碳排放量。

（6）綠色雨水基礎設施建設。在水資源污染浪費日益嚴重的今天，許多城市水資源短缺，水體污染嚴重。綠色雨水、綠色屋頂基礎設施的建設和應用成為管理城市水資源的重要途徑。利用雨水花園等基礎設施建造海綿城市，對雨水進行地方過濾和吸收，減少雨水徑流，降低城市洪水風險，同時也有助于改善城市地區的空氣質量和降低熱島效應[38]。使用高效節能的水泵系統和綠色給排水管道施工技術，優化建筑給排水系統，進而提升水資源利用效率。這些基礎設施的建設旨在通過一系列技術和實踐來實現雨水資源的高效管理。

（7）室內空氣凈化技術。在綠色發展相關技術中，空氣凈化技術是基于室內空氣污染整治的技術，旨在提高室內空氣質量，改善居住、辦公等環境，符合健康與環保的需要。空氣凈化器是利用內置過濾、吸附、催化裝置等，通過風機送風或吸風，將室內空氣吸入凈化器內部進行處理，再排出清潔的空氣。同時某些類型的植物除了作為觀賞裝飾品外，還可以凈化空氣、除塵、殺菌。通過空氣凈化技術，可以有效減少室內裝修材料、家具等釋放的甲醛、苯等有害氣體，以及烹飪、吸煙等產生的油煙和異味，從而減輕對室外環境的污染，有助于維護大氣環境的生態平衡。

5.2" 綠色發展技術關聯分析

本文使用ROSTCM6社會計算平臺軟件，以“K核分析”為類別劃分標準，按類別對專利摘要詞語進行了語義網絡主題聚類，按照主題中心度劃分了6類語義網絡，見圖9。

第一圈層作為中心圈層，是綠色發展技術的核心理念和基石。它強調環保、節能、綠色、清潔的重要性。同時，系統和能源的概念貫穿整個綠色發展技術，強調整體性和能源的高效利用。

第二圈層以提高“電能”利用效率、優化“電機”性能、利用“光伏”技術發電、改進“驅動”系統和“供電”方式等手段，實現能源的節約和環境的保護。

第三圈層關注綠色技術的安全性和“性能”，“裝置”“控制”“功能”和“性能”則決定了技術的實用性和可靠性，這些要素共同構成了綠色技術的完整體系，確保了技術的有效實施和穩定運行。

第四圈層是通過“污染”“治理”、減少“排放”、“收集”和處理廢棄物、“回收”資源等手段，實現污染控制與資源循環利用。

第五圈層以“材料”“制備”為核心，側重選擇環保、可再生的原料，采用高效的制備工藝和材料，降低生產成本。

第六圈層以“保溫”“空氣”“調節”等詞語為核心，揭示綠色發展技術在建筑節能、保溫以及改善空氣質量等方面的作用，為人們創造更加舒適、健康的生活環境。

各圈層之間緊密相連，共同構成了綠色發展技術的完整體系。中心圈層提供了核心理念和基石，為其他圈層提供了指導和方向。第二至第六圈層則分別從不同角度和層面出發，實現了綠色技術的具體應用和實施。這些圈層相互支撐、相互促進，共同推動綠色發展技術的不斷發展和完善。

6" 綠色發展技術演進趨勢/ Evolution trends of green development technologies

6.1" 多技術融合驅動，系統綜合集成

專利主題提取結果發現，綠色發展技術涵蓋生產、施工、交通、農業等多個方面。在綠色發展技術的早期階段，各技術領域相對獨立，例如2004年申請的“新型清潔能源甲醇汽油燃料”專利，專為汽車設計，實現節能減排。2011年的“高層建筑中水勢能回收與水體回用集成系統”專利，則通過綠色雨水基礎設施與膜分離工藝的結合，有效回收利用建筑中的水資源。然而，隨著技術的不斷進步，部分領域開始出現技術交叉融合的現象。2024年申請的“一種綠色建筑用室內通風裝置”專利是這一現象的生動體現，該專利結合綠色建筑施工技術以及綠色雨水基礎設施建設，在有效保證通風效果的同時，利用雨水清洗通風裝置，實現資源的有效利用。此外，技術語義網絡第三圈層中“裝置”“控制”“功能”和“性能”等要素共同構成了綠色技術系統的基石，也體現了綠色發展技術的融合驅動與系統集成。裝置作為功能實現的基礎，通過跨領域技術的巧妙融合，形成高效環保的技術組合；控制則確保這些裝置精準運行，實現預期功能；而性能評估則成為衡量裝置與控制效果的關鍵標尺，強調系統整體的協同效率和環保效益。但在綠色發展技術的成熟初期，各領域技術交叉融合的現象尚不普遍，因此，綠色發展技術需要更加注重技術的交叉融合與系統集成。

6.2" 多資源循環利用，構建循環經濟

根據5.2節的分析結果，技術語義網絡中第四圈層側重污染治理、收集和處理廢棄物、回收資源，這一系列活動共同構成了資源循環利用的核心框架。在綠色發展技術的萌芽與初期發展階段，主要關注點在于提升資源的利用效率，力求通過技術創新減少能耗和廢棄物的產生。然而，隨著環境保護意識的日益增強和可持續發展理念在全球范圍內的廣泛傳播，循環經濟作為一種全新的發展模式應運而生。在這一模式下，技術主題提取中的熱循環技術、廢棄物資源化利用等手段得到了廣泛應用。例如，“城市垃圾無害化處理方法”專利便是一種典型的多資源循環利用技術，它通過一系列精細的步驟，將垃圾進行分類處理，濕質韌性垃圾用于制備有機發酵肥，而剛性垃圾和脆性垃圾則被燒制成建筑用磚。這一方法不僅實現了垃圾的無害化處理，全過程對環境不會造成污染，還構建了可持續的循環系統，促進資源的循環利用和經濟的可持續發展。未來，隨著技術創新、政策引導、市場需求和國際合作等多方面因素的共同作用，循環經濟有望迎來新的拐點，實現更加快速和可持續的發展。

6.3" 多能源技術革新，產業綠色轉型

多能源技術革新正引領產業走向綠色轉型。技術主題中電機驅動技術的不斷精進，不僅顯著提升了能源利用效率，還使其能夠靈活適應多樣化的應用場景，為風能、太陽能等可再生能源的普及應用奠定了堅實的技術基礎。以“一種太陽能光熱和天然氣冷能聯合動力機發電系統”專利為例，該專利提出了一種多結構系統，通過科學合理的熱能利用和轉換，實現清潔能源和冷能、壓差能的綜合能源高效利用，為產業綠色轉型注入新的活力。與此同時，綠色儲能與智能供電技術的飛速發展，更是為可再生能源的高效利用提供了有力保障。該技術通過實現可再生能源的高效儲存、靈活轉換以及智能化管理，極大地提高了其在實際應用中的可靠性和經濟性。例如，國家電網有限公司申請的“分布式風光儲一體化微電網智能控制系統”專利，旨在通過集成分布式發電、儲能以及先進的控制與網絡通訊技術，高效利用風能、太陽能等可再生能源，實現對微電網系統的智能監控與優化調度。這些專利技術的應用在一定程度上加速了能源結構從依賴化石能源向以可再生能源為主體的綠色轉型的進程。

6.4" 多方面協同作用，城市和諧共生

結合5.1節中的綠色雨水基礎設施與5.2節中的第六圈層，綠色發展技術逐漸從單一環境治理向綜合生態管理轉變，這一轉變不僅體現在理念上的升級，更在實際應用中展現出了強大的協同效應。以綠色雨水基礎設施為例，透水鋪裝、雨水花園、生態滯留池等技術手段已成為構建海綿城市不可或缺的一部分。這些設施不僅能夠高效地吸納、儲存和滲透雨水，有效減少雨水徑流量，緩解城市內澇問題，還極大地改善了城市的生態環境，提升了城市的自然恢復力。如“海綿城市雨水收集凈化系統”專利，通過集成多種綠色雨水基礎設施，實現了雨水的智能收集、處理和再利用，為城市水資源管理提供了創新方案。室內空氣凈化技術則通過提高室內空氣質量，減輕對室外環境的污染，有助于維護大氣環境的生態平衡。同時技術語義網絡的第六圈層中的“保溫”“空氣”“調節”等詞語，表明綠色發展技術通過改善空氣質量、優化通風系統、提高墻體保溫性能、調節室內溫度和濕度等手段，為人們創造更加舒適、健康的生活環境。目前，這些綠色發展技術正處于成熟初期，其應用范圍和效果仍有待進一步拓展和提升。未來，通過多方面的協同作用以及綜合生態管理，綠色發展技術將為實現人與自然和諧共生、推動城市綠色發展貢獻更大的力量。

7" 結論及展望/ Conclusions and prospects

本文通過綜合運用專利計量分析、TF-IDF算法、LDA主題挖掘以及語義網絡多種方法工具，對綠色發展技術的專利數據進行了深入細致的剖析，探究綠色發展技術的當前現狀、技術關聯以及未來的發展趨勢。經過系統的研究與分析，得出了以下重要結論：

首先，從4.1節專利申請技術生命周期看出，當前中國綠色發展技術正處于成熟初期階段。4.2節專利申請分布特征結果表明綠色發展技術專利類型主要集中在農業、建筑以及制造業等領域。在專利申請人方面，企業及院校占據主導地位，而個人與組織類型的申請人相對較少。在地域分布上，江蘇、廣東等經濟發達地區與安徽、山東等工業快速發展地區是綠色發展技術的主要聚集地，而經濟相對落后的西北地區則較少。

其次，基于主題提取結果，綠色發展技術的主要研究方向集中為綠色生產技術、綠色建筑施工技術、電機驅動技術、工業熱循環技術、綠色儲能與智能供電技術、綠色雨水基礎設施建設和室內空氣凈化技術七大類。

綠色發展技術隨時間的推移，將從單一技術向系統集成、從資源高效利用向循環經濟、從傳統能源向可再生能源以及從單一環境治理向綜合生態管理全面轉型，為構建生態文明社會貢獻力量。

在本研究中，筆者采用了LDA主題模型，并結合pyLDAvis進行可視化分析，深入挖掘了綠色發展技術的相關主題，為推動綠色發展技術創新提供了有價值的見解。盡管已有一些關于綠色發展、綠色技術方面的研究，但從系統角度整合綠色發展技術國內專利進行深度主題挖掘的工作尚不多見，本研究填補了這一領域的空白。然而，本文也存在一定的局限性：由于數據來源限制為國內，未能全面覆蓋國際范圍內的相關專利。為了更全面地把握綠色發展技術的全球發展脈絡與趨勢，后續研究將會拓展數據來源，納入國內外學術論文及國際專利數據，以全球視野深化對綠色發展技術的探索與分析。

參考文獻/References：

[1] 國務院辦公廳.中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要[EB/OL]. [2025-01-13]. https：//www.gov.cn/xinwen/2021-03/13/content_5592681.htm. （General Office of the State Council of the People's Republic of China. The 14th Five-year Plan for National Economic and Social Development of the People's Republic of China and the Long-Range Objectives Through the year 2035[EB/OL]. [2025-01-13]. https：//www.gov.cn/xinwen/2021-03/13/content_5592681.htm.）

[2] 趙麗娟， 董瑜， 朱相麗. 專利分析及其在情報研究中的應用[J]. 圖書情報工作， 2006， 50（5）： 19-22. （ZHAO L J， DONG Y， ZHU X L. Patent analysis and its application in information research[J]. Library and information service， 2006， 50（5）： 19-22.）

[3] 國務院辦公廳. 新時代的中國綠色發展[EB/OL]. [2025-01-16]. https：//www.gov.cn/zhengce/2023-01/19/content_5737923.htm. （General Office of the State Council of the People's Republic of China. Green development in China in the new era[EB/OL]. [2025-01-16]. https：//www.gov.cn/zhengce/2023-01/19/content_5737923.htm.）

[4] 劉朝. 數智化技術助力制造業綠色發展[J]. 人民論壇， 2023（11）： 80-83. （LIU Z. Intelligent and digitalized technologies boosting green development in manufacturing industry[J]. People's tribune， 2023（11）： 80-83.）

[5] 劉伊曼. 技術創新支撐綠色發展研究[D]. 長沙： 長沙理工大學， 2020. （LIU Y M. Science and technology innovation supports green development research [D]. Changsha： Changsha University of Science amp; Technology， 2020.）

[6] 周杰琦， 陳達， 夏南新. 人工智能的綠色發展效應： 技術賦能和結構優化[J]. 當代經濟科學， 2023， 45（5）： 30-45. （ZHOU J Q， CHEN D， XIA N X. Green development effects of artificial intelligence： technological empowerment and structural optimization[J]. Modern economic science， 2023， 45（5）： 30-45.）

[7] 孫越， 曾華鋒. 綠色發展視角下的“技術格式塔”研究[J]. 自然辯證法研究， 2019， 35（2）： 42-47. （SUN Y， ZENG H F. Analysis on technology gestalt based on green development[J]. Studies in dialectics of nature， 2019， 35（2）： 42-47.）

[8] 李悅昭， 陳海洋， 王紅瑞， 等. 綠色發展與生態優先的組織技術與理論模式[J]. 西北大學學報（自然科學版）， 2020， 50（5）： 771-778. （LI Y Z， CHEN H Y， WANG H R， et al. Organizational technology and theoretical model of green development and ecology first[J]. Journal of Northwest University （natural science edition）， 2020， 50（5）： 771-778.）

[9] 袁寶龍. 制度與技術雙“解鎖”是否驅動了中國制造業綠色發展？[J]. 中國人口·資源與環境， 2018， 28（3）： 117-127. （YUAN B L. Does the ‘unlock' of the institution and technology drive the green development of manufacturing？ [J]. China population， resources and environment， 2018， 28（3）： 117-127.）

[10] 岳立， 閆慧貞. 黃河流域技術進步對資源型城市綠色發展影響[J]. 科學學研究， 2023， 41（9）： 1615-1637. （YUE L， YAN H Z. Impact of technological progress on green development of resource-based cities in the Yellow River Basin[J]. Studies in science of science， 2023， 41（9）： 1615-1637.）

[11] 馬海濤， 王珂文. 城市技術創新與合作對綠色發展的影響研究——以長江經濟帶三大城市群為例 [J]. 地理研究， 2022， 41（12）： 3287-3304. （MA H T， WANG K W. The effect of urban technological innovation and cooperation on green development： a case study on the three urban agglomerations in the Yangtze River Economic Belt[J]. Geographical research， 2022， 41（12）： 3287-3304.）

[12] 馬雙， 海俊嬌. 技術關聯、環境政策與區域綠色發展[J]. 科學學研究， 2023， 41（7）： 1211-1222. （MA S， HAI J J. Technological relatedness， environmental policy and regional green development[J]. Studies in science of science， 2023， 41（7）： 1211-1222.）

[13] 欒晏. 石油和化學工業循環經濟綠色發展路徑探析——評《重點行業循環經濟支撐技術： 石油和化學工業》[J]. 化學工程， 2021， 49（11）： 6. （LUAN Y. Analysis on the green development path of circular economy in petroleum and chemical industry： a review of “key industry circular economy supporting technologies： petroleum and chemical industry”[J]. Chemical engineering（China）， 2021， 49（11）： 6.）

[14] 張曉娟， 周莉， 桂建芳. 遺傳育種生物技術創新與水產養殖綠色發展[J]. 中國科學： 生命科學， 2019， 49（11）： 1409-1429. （ZHANG X J， ZHOU L， GUI J F. Biotechnological innovation in genetic breeding and sustainable green development in Chinese aquaculture[J]. Scientia sinica（Vitae）， 2019， 49（11）： 1409-1429.）

[15] 王新東， 田京雷， 宋程遠. 大型鋼鐵企業綠色制造創新實踐與展望[J]. 鋼鐵， 2018， 53（2）： 1-9. （WANG X D， TIAN J L， SONG C Y. Innovative practice technology and outlook in large iron and steel enterprise green manufacturing[J]. Iron amp; steel， 2018， 53（2）： 1-9.）

[16] ALTSHULLER G S， SHAPIRO R B. Psychology of inventive creativity[J]. Issues of psychology， 1956， 6： 37-49.

[17] 丁照琪， 張建輝， 許辰輝. 需求驅動的跨領域專利技術挖掘方法構建[J]. 科技管理研究， 2024， 44（14）： 154-163. （DING Z Q， ZHANG J H， XU C H. The construction of demand-driven cross-disciplinary patent technology mining method[J]. Science and technology management research， 2024， 44（14）： 154-163.）

[18] LENT B， AGRAWAL R， SRIKANT R. Discovering trends in text databases[C]//Proceedings of the third International conference on knowledge discovery and data mining. Newport Beach： AAAI， 1997： 227-230.

[19] 諶志群， 張國煊. 文本挖掘與中文文本挖掘模型研究[J]. 情報科學， 2007（7）： 1046-1051. （CHEN Z Q， ZHANG G X. Study on the text mining and Chinese text mining framework[J]. Information science， 2007（7）： 1046-1051.）

[20] 王元波， 駱浩楠， 汪崢. 文本挖掘在主題發現和相關性評估中的應用——以人工智能和機器人領域的專利為例[J]. 工業控制計算機， 2020， 33（2）： 102-103， 106. （WANG Y B， LUO H N， WANG Z. Application of text mining in topic discovery and relevance assessment： a case study on patents of AI and robotics[J]. Industrial control computer， 2020， 33（2）： 102-103， 106.）

[21] 馮立杰， 周煒， 劉鵬， 等. 基于引文網絡和語義分析的技術演化路徑識別及拓展研究[J]. 情報理論與實踐， 2023， 46（1）： 90-99， 131. （FENG L J， ZHOU W， LIU P， et al. Research on technology evolution pathways identification and expansion based on citation network and semantic analysis[J]. Information studies： theory amp; application， 2023， 46（1）： 90-99， 131.）

[22] 向希堯， 蔡虹.跨國技術溢出網絡結構分析與路徑識別——基于專利引用的實證分析[J]. 科學學研究， 2009， 27（9）： 1348-1354. （XIANG X Y， CAI H. International technology spillover network analysis and path identification： an empirical study based on patent citation[J]. Studies in science of science， 2009， 27（9）： 1348-1354.）

[23] 王金鳳， 吳漢爭， 馮立杰， 等. 基于知識圖譜和專利分析的技術基因提取路徑研究[J]. 情報理論與實踐， 2016， 39（10）： 128-133. （WANG J F， WU H Z， FENG L J， et al. Research on the extraction path of technology-DNA based on knowledge mapping and patent analysis[J]. Information studies： theory amp; application， 2016， 39（10）： 128-133.）

[24] 賴朝安， 錢嬌. 基于專利挖掘的移動醫療產業技術預見[J]. 科研管理， 2018， 39（10）： 138-147. （LAI C A， QIAN Jiao. Technology foresight for the mobile health industry based on patent mining[J]. Science research management， 2018， 39（10）： 138-147.）

[25] 崔遵康， 李丹陽， 徐小婷， 等. 糧食作物生物育種技術全球創新布局與競爭態勢研究——基于核心專利數據挖掘的視角[J]. 中國農業科技導報， 2022， 24（5）： 1-14. （CUI Z K， LI D Y， XU X T， et al. Research on the global innovation layout and competition situation of food crop bio-breeding technology： based on the perspective of core patent data mining[J]. Journal of agricultural science and technology， 2022， 24（5）： 1-14.）

[26] 王江， 郭鑫彬. 企業戰略性知識輪廓： 化工專利數據挖掘與分析 [J]. 情報雜志， 2021， 40（8）： 53-61. （WANG J， GUO X B. Firms' strategic knowledge profiles： chemical technology patent data mining and analysis[J]. Journal of intelligence， 2021， 40（8）： 53-61.）

[27] 慎金花， 閆倩倩， 孫喬宣， 等. 基于專利數據挖掘的技術融合識別與技術機會預測研究——以電動汽車產業為例[J]. 圖書館雜志， 2019， 38（10）： 95-106. （SHEN J H， YAN Q Q， SUN Q X， et al. Research on technology fusion recognition and technology opportunity prediction based on patent data mining[J]. Library journal， 2019， 38（10）： 95-106.）

[28] 楊武， 楊大飛. 基于專利數據的產業核心技術識別研究——以5G移動通信產業為例 [J]. 情報雜志， 2019， 38（3）： 39-45， 52. （YANG W， YANG D F. Research on identification of industrial core technology based on patent data： taking the field of fifth generation mobile communication industry as an example[J]. Journal of intelligence， 2019， 38（3）： 39-45， 52.）

[29] 鄭婉婷. 基于專利數據挖掘的高技術產業聚類分析[J]. 工業技術經濟， 2011， 30（6）： 10-16. （ZHENG W T. Cluster analysis of high-tech industries based on patent data mining[J]. Journal of industrial technology and economy， 2011， 30（6）： 10-16.）

[30] 國家知識產權局辦公室. 國家知識產權局辦公室關于印發《綠色技術專利分類體系》的通知[EB/OL]. [2025-01-16]. https：//www.gov.cn/zhengce/zhengceku/202308/content_6901253.htm. （Office of the National Intellectual Property Administration. Notice on the Issuance of the Classification System for Green Technology Patents by the Office of the National Intellectual Property Administration[EB/OL]. [2025-01-16]. https：//www.gov.cn/zhengce/zhengceku/202308/content_6901253.htm）

[31] BLEI D M， NG A Y， JORDAN M I. Latent Dirichlet allocation[J]. Journal of machine learning research， 2003， 3： 993-1022.

[32] NG K W， TIAN G L， TANG M L. Dirichlet and related distributions： theory， methods and applications[M]. Hoboken： John Wiley amp; Sons， 2011： 37-95， 97-98， 247.

[33] 國務院辦公廳. 《關于全面加強生態環境保護 堅決打好污染防治攻堅戰的意見》[EB/OL]. [2025-01-23]. https：//www.gov.cn/zhengce/2018-06/24/content_5300953.htm. （General Office of the State Council of the People's Republic of China. Opinions on comprehensively strengthening ecological and environmental protection and resolutely winning the pollution prevention and control campaign[EB/OL]. [2025-01-23]. https：//www.gov.cn/zhengce/2018-06/24/content_5300953.htm.）

[34] 陳美， 孫瑞乾. 政策工具視域下我國省級數字經濟政策文本的量化分析——基于LDA的主題社會網絡分析[J]. 情報雜志， 2023， 42（11）： 174-182. （CHEN M， SUN R Q. Quantitative analysis of China's provincial digital economy policies from the perspective of policy tools： based on lda topic social network analysis[J]. Journal of intelligence， 2023， 42（11）： 174-182.）

[35] 孫斌， 孟祥堃， 宗保寧. 己內酰胺綠色生產技術[J]. 化學通報， 2011， 74 （11）： 999-1003. （SUN B， MENG X K， ZONG B N. Green production technology for caprolactam[J]. Scientia sinica（chimica）， 2011， 74（11）： 999-1003.）

[36] 中國建筑材料聯合會.關于推進綠色建材發展與應用的實施方案[J]. 墻材革新與建筑節能， 2016（10）： 23-27. （China Building Materials Federation. Implementation plan for promoting the development and application of green building materials[J]. Wall materials renovation and building energy efficiency， 2016（10）： 23-27.）

[37] 鄭溢峰. 基于“碳達峰、碳中和”目標下的綠色建筑發展與建筑節能[J]. 大眾標準化， 2023（1）： 4-6. （ZHENG Y F. Green Building development and building energy conservation based on the goals of “Carbon Peak and Carbon Neutrality”[J]. Popular standardization， 2023（1）： 4-6.）

[38] 張亞洲， 廖偉彪， 李彬. 西北地區基于低影響開發理念的城市雨水花園設計[J]. 草原與草坪， 2017， 37（5）： 53-58. （ZHANG Y Z， LIAO W B， LI B. Low impact development design of urban rain garden in northwestern China[J]. Grassland and turf， 2017， 37（5）： 53-58.）

作者貢獻說明/Author contributions：

向" 尚：擬定論文選題和大綱，提供修改意見。

劉思思：收集資料，分析數據，撰寫及修改論文。

Research on Topic Analysis and Trends of Green Development Technologies Based on Patent Mining

Xiang Shang Liu Sisi

School of Public Administration， Xiangtan University， Xiangtan 411105

Abstract： [Purpose/Significance] To identify key technological areas for green development， predict technology evolution trends， and provide a scientific basis for technological innovation， policy formulation， and sustainable development. [Method/Process] Data from the patsnap patent database was used as the sample source. Techniques such as TF-IDF， LDA topic modeling， and perplexity were applied to explore the distribution of topic terms and extract key themes. Additionally， semantic network topic clustering was conducted to achieve technological association analysis， comprehensively analyzing the current status and trends within the patent data. [Results/Conclusion] The research reveals that green development technology is in the early stages of maturity. Patent topics can be classified into seven categories： green production technology， green building construction technology， motor drive technology， etc. The development direction involves a comprehensive transformation from single technologies to system integration， from resource-efficient utilization to circular economy， from traditional energy to renewable energy， and from single environmental governance to integrated ecological management. By analyzing the current status of green development technology from a systematic perspective and exploring its development trends， this article provides valuable insights for the advancement of related technologies in this field.

Keywords： green development; patent mining; Latent Dirichlet Allocation（LDA） topic model; future prospect

Author（s）： Xiang Shang， lecturer， PhD; Liu Sisi， undergraduate student， corresponding author， E-mail： 3033799742@qq.com.

Received： 2025-01-17" " Published： 2025-02-26