基于“論文一專利”的主題關聯與互動演化研究

DO1：10.6049/kjjbydc.D2024100164中圖分類號：G250.2 文獻標識碼：A開放科學（資源服務）標識碼（OSID）：文章編號：1001-7348（2025）13-0149-12

0 引言

科技創新是發展新質生產力的核心要素。正如約瑟夫·熊彼特在其著作《經濟發展理論》中所闡述的，通過引入新的生產方法，重新對生產要素進行組合，可以提升生產效率，促進經濟發展。這些新的生產方法通常源于科學知識探索與應用技術突破，在科技創新價值鏈中，科學研究為新技術研發奠定理論基礎，以專利為代表的技術則是將科技成果轉化為實際應用的關鍵形式。科學論文代表前沿知識創造與積累，代表基礎研究的最新成果，專利技術則體現知識向實際應用的轉化能力。科學論文和專利技術在推動科學研究與技術進步方面發揮重要作用，它們之間的互動與轉化并非簡單的線性關系。探究科學論文與專利技術之間的主題關聯及互動演化規律，有助于深入理解知識從理論到實踐的轉化過程，對于預測技術趨勢和加快技術創新具有重要意義。尤其是在科技快速發展背景下，厘清這一規律尤為重要。

學術界在揭示科學論文與專利技術關聯性方面取得一些進展，但現有研究大多停留在基于共引關系或引文網絡分析方法上，側重于靜態視角下固定關聯模式分析，未充分揭示科學與技術之間的動態演化機制。隨著人工智能和自然語言處理技術的發展，可以基于文本內容開展動態分析。結合BERTopic主題建模、語義相似度和演化機制分析，可以深入研究科學論文與專利技術關聯機制及其演化過程，進一步揭示科學知識向技術應用轉化的內在邏輯，并為技術創新管理提供理論支持。

1文獻綜述

1.1論文一專利主題關聯研究

知識創造和知識流動的有效性在高級經濟體中已成為重要競爭因素[1]。當前，學界在論文與專利主題關聯研究方面已取得一定進展，研究方法大致分為基于引用關系、基于文本內容以及基于映射關系3類。

（1）基于引用關系的研究方法通過分析論文與專利之間的引用或耦合關系，揭示科學與技術之間的聯系。例如，Ahmadpoor等提出一種基于引用距離的度量方法，揭示科學研究與技術發明之間的關聯性；Chen等[3]基于共被引關系進一步衡量科學研究與技術知識之間的互動；寧子晨等[4探討“數據挖掘”主題下專利主體與技術主題以及文獻關鍵詞的耦合關系及其演化規律。

（2）基于文本內容的研究方法通過語義分析或主題建模，挖掘論文與專利文本相似性或關聯性。例如，Chen等[5]通過向量空間模型（VSM）和WF-IDF加權法測量專利引文間的文本相似性，檢驗其能否指示知識關聯；張凱等結合Termolator算法與GPT提示學習方法，創新性地對技術術語進行抽取和聚類分析，以識別新興技術。

（3）基于映射關系的研究方法通過學科與技術領域的映射，研究論文與專利之間的知識流動及相互影響。例如，唐露源等基于維基百科分類樹構建知識本體，將論文與專利映射到該本體中，通過配對樣本T檢驗，驗證論文與專利在知識演化方面的時間滯后性與知識流動特征;Ferreira等[8]構建科學研究與技術應用成果之間的映射關系，揭示基礎科學對技術轉化的影響。

上述3類研究方法各有優劣?；谝藐P系的研究方法能從宏觀層面揭示論文與專利間的結構性聯系，但難以克服數據時滯性問題，且未深入挖掘文本內容，導致結果細粒度不足?；谖谋緝热莸难芯糠椒軓奈⒂^層面分析論文與專利內容，提供更精細的研究結果，但易受樣本類型、模型質量和參數設置的影響，從而對實驗結果的穩定性與可靠性提出較高要求?；谟成潢P系的研究方法在跨學科或跨技術領域研究中由于學科分類標準不同，難以建立有效的對應關系，會限制其應用效果。為克服這些局限性，混合研究方法為主題關聯分析提供了新的解決思路。冉從敬等[9]結合社會網絡分析方法、科學知識圖譜與“BERT + Ke-mans + LDA\"模型，提出一種新的分析框架，為科學與技術互動研究提供了理論與實踐創新。

1.2 互動演化研究

互動演化研究旨在系統分析和追蹤特定領域內主題、概念或關鍵詞隨時間變化的過程，以揭示其發展趨勢、相互關系及演變機制。傳統研究方法包括由領域專家主導的定性分析方法、基于計算機技術的定量分析方法以及二者相結合的混合分析方法[10]。Glaseramp;Strauss[11]的扎根理論通過系統定性研究，從數據中生成理論，被廣泛應用于社會科學研究領域。Krippen-dorff[12]的內容分析法通過對文本或媒體內容進行編碼與分類，識別潛在模式和主題。然而，這些定性分析方法由于過度依賴領域專家，逐漸顯現出主觀性較強、效率較低、人力成本較高等不足，限制了其應用的廣泛性。

隨著計算機技術的進步，Salton等[13]發展向量空間模型（VSM，為主題自動化識別與相似性計算提供技術支持。此后，Blei等[14]提出潛在狄利克雷分配模型（LDA），極大程度上促進計算機輔助主題識別。此后，學者們逐漸運用計算機技術開展主題演化研究，如Zhang等[15]通過融合LDA主題模型、生命周期理論與文本相似度，評估特定技術演化路徑；寇園園等[16]從IPC專利分類視角，運用馬爾可夫鏈和顯性技術比較優勢指數識別技術演進特征與演變結果。此外，胡澤文等[]提出基于LDA2Vec—BERT的主題識別與演化模型，用以識別區塊鏈技術演化趨勢與特征。

總體而言，主題演化研究經歷了從定性分析到定量分析再到混合分析的演變趨勢。隨著計算機技術和數據分析方法的進步，混合分析方法在提高研究效率和深度上展現出巨大潛力。BERTopic等新興模型為主題演化研究提供了靈活工具，能較好地捕捉主題的細微變化和動態演變，逐漸成為當前主流研究趨勢。

2 研究思路與研究方法

2.1 研究思路

本研究以智能化數據處理為核心方法，研究主線遵循“確定研究范圍 $$ BERTopic主題建模 $$ 主題關聯與互動演化分析”，針對特定領域進行深入分析。具體而言，研究流程分為以下幾個步驟：首先，選定研究主題，確定時間范圍，制定檢索策略，從IncoPat數據庫中提取專利數據單元，從WebofScience數據庫中提取論文數據單元，并對提取的文本進行預處理。其次，應用BERTopic主題建模，對論文與專利摘要數據集進行文檔嵌入、UMAP降維、HDBSCAN聚類及C-TF-IDF主題表示，提取主題聚類結果。最后，從以下兩個維度展開分析：一是通過余弦相似度評估論文與專利之間的主題關聯關系，二是基于主題對間的關聯度分析互動演化過程與趨勢。本研究構建“論文一專利”主題關聯與互動演化分析框架，如圖1所示。

2.2 研究方法

2.2.1BERTopic主題建模研究方法

本研究采用BERTopic模型對論文與專利摘要數據集進行主題建模。相較于傳統LDA模型，該方法克服了忽視文本上下文語義關聯的局限[18]，通過預訓練語言模型生成文檔嵌入，結合UMAP降維與HDB-SCAN聚類實現主題劃分，并利用C-TF-IDF進行主題表示，在復雜文本主題挖掘與語義分析中表現出較強的適用性。

文檔嵌入是將文本轉換為向量表示的一種技術，通常通過預訓練語言模型生成。本研究使用微軟開發的輕量級預訓練語言模型“all-MiniLM-L6-v2”。該模型基于BERT架構，包含6層Transformer，每層有384個隱藏單元，具備高效處理大規模文本數據的能力。文檔嵌入過程分為以下幾步：首先，對輸人文本進行分詞，將文本分解為詞匯或子詞單元。對于每個詞匯，模型會查找其對應的預訓練嵌入表示，如假設詞匯 w_i 對應的嵌入為 e_i 。其次，通過在模型中加入位置編碼，保留詞語在文本中的位置信息。假設位置嵌入為 ?_Pi ，則將最終的輸入嵌人表示為詞嵌入 e_i 與位置嵌入 ?_Pi 之和。最后，在Transformer編碼器部分，模型采用多層結構，每層包含自注意力機制和前饋神經網絡。通過自注意力機制計算序列中每個詞語間與其它詞語的依賴關系。

式（1）中， Q 表示查詢向量， K 表示鍵向量， V 表示值向量， d_k 表示鍵向量的維度。通過softmax函數將點積結果轉換為注意力權重，用以衡量詞語間的相關性。softmax的輸出與值向量 V 相乘，得到加權求和后的注意力輸出 Attention（Q，K，V） 。該輸出被送入前饋神經網絡，每個詞的嵌人過程經過一層線性變換、ReLU激活函數和第二層線性變換處理，計算公式如下：

h=max（0，xW₁+b₁）

y=hW_?+b₂

式（2）（3）中， W₁ ， W₂ 分別表示前饋神經網絡中第一層和第二層的權重矩陣， b₁、b₂ 為偏置向量，ReLU激活函數定義為 max（0，x） 。提取對應CLS標記的輸出向量，將其作為整個文檔的嵌入表示。

UMAP是一種非線性降維技術，旨在保留高維數據的局部結構和全局結構，將高維數據嵌入低維空間，其降維過程分為兩步：首先，使用 k-NN 算法找到每個數據點的 k 個最近鄰居；其次，將這些高維距離轉換為概率，表示數據點之間的連接強度。相似度計算公式如下：

式（4）中， ）表示數據點 i 與 j 之間的距離，ρ_i 為點 i 到其最近鄰居的最小距離， σ_i 表示用于控制局部鄰域大小的參數。UMAP通過最小化高維空間與低維空間相似度的差異來優化降維效果，其損失函數（交叉熵）如下：

式（5）中， s（i，j ）表示點 i 與點 j 在高維空間的相似度， s_low（i，j） ）表示點 i 與點 j 在低維空間的相似度，集合edges表示基于 k-NN 算法生成的鄰近點對。UMAP通過最小化高維與低維空間相似度的差異來優化降維效果。降維后，使用HDBSCAN算法進行聚類分析，該算法通過識別數據點的密度差異和噪聲點來提高聚類的準確性及細粒度。主題表示采用C-TF-IDF方法，其通過增強類別內的詞頻差異來突出主題，公式如下：

式（6）中， tf_t，c 表示詞語 Φ_t 在類別 c 中的詞頻， f_t 表示詞語 Ψ_t 在所有類別中的總出現次數， N 表示每個類別的平均詞數， W_t，c 表示詞語 χ_t 在類別 c 中的權重。根據權重排序，選取詞語作為類別的主題表示。

2.2.2主題關聯與互動演化研究方法

為揭示科學論文與專利技術之間的主題關聯，本研究采用基于語義相似度的關聯分析方法。計算論文和專利主題嵌入向量之間的余弦相似度，用以衡量它們在語義空間的接近程度。余弦相似度作為一種常見的相似性度量方法，通過計算兩個向量夾角的余弦值來評估它們的方向相似性，具體計算公式如下：

式（7）中， A?B 表示向量 A 與向量 B 的點積，計算方法見公式（8）。 |A|×|B| 表示向量 A 與向量 B 的模的乘積，計算方法見公式（9）。

為確保研究結果的準確性，按照兩年為單位劃分時間切片，并計算不同時間段內論文和專利主題的語義相似度。參考劉春麗等[19]的研究方法，將相似度閾值設為0.8。當相鄰時間切片的主題相似度大于0.8時，表明主題關聯度較高，反映出科學或技術主題在演化過程中存在向下一個主題轉移的趨勢。另外，桑基圖在呈現復雜信息流動過程中具有直觀性和準確性，其被廣泛應用于學術研究領域[20-22]。因此，為系統分析論文與專利主題在時間維度上的互動演化路徑，本研究基于主題聚類結果與主題相似度構建主題演化網絡，節點代表特定時間段的主題，邊則表示主題間的相似度關系，通過桑基圖對該網絡進行可視化分析，進一步結合創新理論，深入探索其內在演化機制。

3“論文一專利”主題關聯與互動演化實證分析

3.1 階段一：研究范圍確定

節能降碳是實現“雙碳”目標的核心舉措，也是實現美麗中國建設和推動經濟社會綠色轉型的關鍵舉措。氫能源憑借清潔、低碳和可再生優勢，成為能源轉型的重點方向之一。我國在《氫能產業發展中長期規劃（2021—2035年）》中明確提出氫能在未來國家能源體系中的重要地位，強調其在終端能源使用中的綠色低碳轉型作用，并將其視為未來發展的戰略性新興產業。作為氫能應用的重要領域之一，氫燃料電池汽車不僅能減少碳排放，還將在全球交通系統中帶來深遠變革。氫燃料電池汽車的廣泛推廣不僅有利于有效應對全球氣候變化、促進能源清潔化，還有助于提升國家能源安全，減少對化石燃料的依賴，助力實現人與自然和諧共生。因此，深入開展氫燃料電池汽車領域科學與技術研究，對于加快該領域產業化進程具有重要意義。

本研究選取氫燃料電池汽車領域進行研究，專利技術數據來源于IncoPat專利數據庫，科學論文數據來源于WebofScience數據庫，檢索全球氫燃料電池汽車領域相關專利和論文。根據國家知識產權局發布的《氫能產業技術分類與國際專利分類IPC對照及檢索應用》，結合已有研究[23-24]，將檢索策略表達式確定為（ （（IPC-LOW=H01M4/86） OR IPC=H01M8* ）ORTIABC L= （\"hydrogen fuel cell vehicle\" OR HFCV OR \"fuel cell vehicle\" OR \" proton exchange membrane fuelcellvehicle\" ORPEMFCV OR\"solid oxide fuel cell ve-hicle\" OR SOFCV OR \"solid polymer fuel cell vehicle\"ORSPFCVOR \"alkalinefuelcell vehicle\" OR AFCVOR\"phosphoric acid fuel cell vehicle\" ORPAFCV OR\"molten carbonate fuel cell vehicle\" OR MCFCV OR \"polymer electrolyte fuel cell vehicle\" OR PEFCV））AND（TIABC （氫燃料OR氫能OR氫氣ORH2OR液氫OR固體氫ORhydrogen））ORTIABC （氫OR質子交換膜OR堿性OR磷酸OR熔融碳酸鹽OR固體高分子型OR固體氧化物OR氫燃料電池OR燃料電池電動汽車OR氫動力汽車）（2N）（燃料電池OR汽車））AD [20120101TO 20211231]，檢索日期為2024年9月2日，檢索范圍為2012年1月1日一2021年12月31日，經擴展同族合并后得到專利數據單元（包含IPC分類號、摘要、優先權申請等信息）共計32874條。論文數據單元（包含共引頻次、發表時間、摘要等信息）共計4108條，將其作為研究數據集。編寫Python代碼，對文本數據進行篩選與剔除空值、去停用詞等預處理操作，為主題建模分析奠定基礎。

3.2階段二：BERTopic主題建模

對預處理后的論文和專利摘要進行主題建模。在實驗設置階段，首先利用all-MiniLM-L6-v2模型生成文檔嵌人，并基于公式（4）（5）進行UMAP降維。其次，利用HDBSCAN算法進行聚類分析。最后，通過公式（6）計算C-TF-IDF值，以完成主題表示。由于篇幅受限，本文僅抽取部分主題建模結果進行展示。表1列出用于計算2012—2013年專利摘要BERTopic主題模型的關鍵參數設置。參數值基于已有研究成果[25]，并經過多次實驗調試和優化得出。

基于上述預設參數的主題模型，挖掘2012—2013年氫燃料電池汽車領域的41個專利研究主題（TopicO—Topic4O）。專利文檔主題分布情況如圖2所示，各主題所屬文檔呈現出顯著聚類趨勢。此外，特征詞權重變化趨勢分析顯示，當特征詞數量超過6個后，大多數主題的特征詞權重趨于穩定，表明額外的特征詞對主題區分的貢獻度較小。權重變化趨勢結果如圖3所示。設定主題特征詞的提取數量為6，用topic_mod-el.visualize_barchat（函數生成的部分專利主題特征詞結果如圖4所示。

用topic_model.visualize_hierarchy（函數生成2012——2013年專利主題層次聚類結果，如圖5所示。結合層次聚類分析與專利主題特征詞，將該時期的41個專利研究主題歸納為五大研究主題：膜技術與電解質材料應用、固體氧化物燃料電池材料與結構設計、燃料供應與能源轉化管理技術、氫能生產與存儲優化、電極材料創新與高效應用技術。

3.3 階段三：主題關聯與互動演化分析

3.3.1主題關聯分析

基于BERTopic主題建模結果，對各時間切片主題進行關聯性分析。首先，根據層次聚類結果，依次確定其它時期的論文與專利研究主題，如表2所示。其次，基于公式（7）—（9），分別計算表2中論文與專利主題在相同及不同時間切片的語義相似度，并根據計算結果確定關聯強度。最后，將余弦相似度的數值以區間形式呈現，從而清晰揭示論文與專利研究主題之間的關聯程度，如表3所示。

通過分析表3中的余弦相似值發現，共有17對論文與專利主題的關聯度較高（相似度大于0.8）。其中，2014—2015年專利技術研究主題Patent#5與多個時期的科學論文研究主題表現出顯著關聯性。具體而言，Patent#5與 2012—2013年的Paper#1（0.85）和Paper#5（0.82），2014—2015年的Paper#2（0.86）和Paper#4（0.86），2016—2017年的Paper#1（0.86）和Paper#4（0.82），2018—2019年的Paper#2（0.86）和Paper#4（0.83），以及2020—2021年的Paper#3（0.85）、Paper#4（0.81）和Paper#6（0.83）之間均存在緊密聯系。這種關聯性凸顯了氫燃料電池汽車技術跨領域整合趨勢，即Patent#5（新能源與混合動力汽車技術集成）并非孤立發展，而是與氫燃料電池汽車能效提升和排放控制、高壓儲氫和溫度調控、可再生能源和氫能系統集成優化等多個領域緊密協同。通過整合多領域創新成果，氫燃料電池汽車技術不斷優化系統效率和安全性，實現整體技術的持續提升。此外，Patent#5與不同時期論文研究主題的關聯性揭示氫燃料電池汽車技術的累積性演化特征，即每段時期研究基于前一階段成果，通過不斷解決實際問題并優化系統，逐步推動技術進步。同時，這種高度關聯性還反映出氫燃料電池汽車領域研究熱點的長期持續性。無論是早期的排放控制、能效提升，還是后期的氫氣存儲與安全管理等核心問題，各階段研究均圍繞這些關鍵挑戰展開，顯示出這些問題具有持久研究價值和現實挑戰性。

進一步分析表3發現，論文研究主題與專利研究主題之間的關聯度呈逐步下降趨勢。數據顯示，2012—2015年，論文與專利關聯度較高，但隨著時間推移逐漸降低，這一趨勢揭示氫燃料電池汽車技術從基礎研究向應用開發和產業化演進的自然過程。在技術發展早期階段，科學論文對專利創新具有較強的推動作用，專利與論文的關聯度較高；隨著技術逐漸成熟，產業化需求開始主導技術創新，專利更依賴于現有技術的優化與整合，科學論文的影響力相應減弱。這一現象反映出在氫燃料電池汽車技術演化過程中，應用創新逐漸占據主導地位，進一步揭示基礎研究與應用開發之間復雜、動態的互動關系。

3.3.2 主題互動演化分析

基于上文中的互動演化研究方法，通過繪制論文與專利主題的互動演化趨勢（如圖6所示），揭示主題隨時間變化過程的分裂、吸收與消亡等演化規律。在圖6中，“Paper\"和“Patent\"分別代表論文與專利，括號中第一個數字表示時間切片，第二個數字表示主題序號。例如，Patent（1，1）表示2012—2013年第一個專利主題Patent#1。通過分析各時間切片論文與專利的主題數量及其在演化過程中的吸收、分裂、衰滅和新興規律，揭示“論文一專利\"互動演化的主要類型。

（1）吸收式演化。吸收式演化模式如圖7所示。在此種演化模式下，論文與專利研究主題從多個研究方向逐漸聚集吸收演變為新的研究主題，通過整合與優化前期科技成果，從而實現主題的完善與提升。例如，氫氣儲存與加注技術互動演化研究涉及9個研究主題，展現出吸收式演化特征，通過整合前期研究逐步聚焦于更具綜合性的創新領域。2012—2013年，氫燃料電池汽車科學研究主要集中在能效提升、排放控制、高壓儲氫和溫度調控等關鍵技術環節，同時對氫燃料供應、能源轉化管理、氫能源生產和存儲優化等問題進行廣泛探索，尤其是350bar與700bar高壓儲氫技術及燃料電池堆熱管理成為提升氫燃料電池性能的核心研究方向。2014—2015年，科學研究與技術開發的關聯度顯著增強，氫能生產、存儲與系統集成優化、高壓儲氫與安全管理技術以及新能源與混合動力汽車技術集成廣泛吸收與應用前期科研成果。2016—2017年，新能源與燃料電池在交通和無人系統中的應用技術繼續從前一階段研究成果中獲益。2018—2019年，氫氣存儲與加注技術經過前期研究積累與技術演進逐漸成熟，標志著氫燃料電池汽車產業化進程進入新階段。尤其是700bar高壓儲氫瓶和快速加注站技術的突破，大幅度提升了氫燃料電池汽車的實用性和經濟性，豐田Mirai和現代Nexo等車型的推出，標志著氫燃料電池汽車商業化進程邁出重要一步。

（2）存續式演化。存續式演化模式如圖8所示。在此模式下，某一科學或技術研究主題在發展過程中保持核心框架的穩定性，并基于此框架逐步改進與優化。科學論文或專利技術主題通常表現出較強的獨立性與穩定性，反映出主題演化路徑的延續性和遞進性。例如，燃料電池核心材料與結構優化研究涉及的9個主題均為專利主題，顯示出該領域的存續式演化特點，即技術創新在核心框架內穩步推進。在技術研究早期階段（2012—2013年），研發人員主要聚焦于電化學儲能系統中的膜技術與電解質材料應用，尤其是在膜交換、電解質和催化劑層等方面的創新性材料和技術開發。該階段的主要目標是提升這些核心組件的性能和效率。2014—2015年，相關研究重心逐漸轉向電化學材料與燃料電池技術創新，尤其是在質子交換膜、催化劑和電極材料的改進上，旨在提高燃料電池整體性能和耐久性。同時，固體氧化物燃料電池材料創新和結構設計日漸受到重視，標志著該領域技術的持續發展。2016—2017年，燃料電池雙極板設計與電解質膜技術取得顯著進展，推動氫燃料電池汽車發展。與此同時，新型催化劑材料研發成為研究熱點，尤其是在減少對鉑等貴金屬催化劑依賴的背景下，碳基催化劑與石墨烯復合材料等新材料應用探索成為關鍵方向。2018—2019年，研發進一步聚焦于提升燃料電池關鍵材料性能與儲能。相比于此前階段，這一時期的研發尤其關注聚合物電解質膜技術的改進，尤其是在提升膜的導電性、耐化學性及其高溫環境下的穩定性方面，以確保燃料電池的可靠性和性能的長期運行。2020一2021年，技術進步不僅體現在材料層面的持續優化上，還反映出行業對可持續性和經濟性需求的深刻認知。通過減少貴金屬（尤其是鉑）的使用，燃料電池的制造成本得以顯著降低，為氫燃料電池汽車的廣泛市場應用奠定了基礎。同時，雙極板設計創新和電解質膜材料改進為燃料電池在高效性、可靠性和使用壽命方面提供了堅實的技術基礎。這些技術進展不僅推動氫燃料電池汽車產業可持續發展，還為促進能源結構轉型和低碳未來發展提供了關鍵的技術基礎。

（3）創設式演化。創設式演化模式如圖9所示。這種演化模式以創新和分化為核心，推動新的研究主題不斷涌現，進而促進科學與技術的多元化發展。新主題不僅繼承了現有研究基礎，還通過創新拓展了科學和技術前沿。例如，氫燃料電池汽車能源效率與排放控制研究涵蓋23個主題，突顯了通過持續創新和分化拓展研究領域的創設式演化特征。2012—2013年，科學研究的重點集中在提升氫燃料電池汽車能源效率與排放控制上，尤其是通過改進燃料電池系統能效來減少碳排放。2014—2015年，低排放新能源車輛研究、氫氣存儲與加注技術成為學術界研究熱點，尤其是在高壓儲氫技術和加注系統優化方面取得顯著進展。此外，新能源與混合動力汽車技術逐漸融合，研究人員開始探討太陽能、甲醇重整和電動模塊與燃料電池混合動力汽車整合，以提升整體系統的可持續性。2016—2017年，科學研究的重心轉向減少車輛碳排放及提高氫燃料電池利用效率。高壓存氫技術及燃料管理的優化，尤其是在不同溫度和壓力條件下的調控成為這一階段的核心課題。與此同時，燃料電池在新型交通工具及無人系統中的應用日益增多，研究領域進一步擴展至氫氣生成、微生物電解反應及燃料氣體發電等方面，尤其是潛艇等特殊領域應用開始受到更多關注。2018—2019年，科學研究的重點轉向混合動力系統能源優化與控制，以進一步降低氫燃料電池汽車排放并優化成本。質子交換膜燃料電池性能提升和耐久性優化成為這一階段的關鍵研究方向，尤其是在高壓氫氣儲存和溫度管理技術方面取得顯著進展。同時，技術研究還聚焦于氫能與可再生能源系統集成優化、氫氣儲存與加注技術改進以及燃料電池控制與檢測系統開發等方面。2020—2021年，質子交換膜燃料電池性能優化、智能控制與能源管理以及氫燃料電池汽車能效提升與排放控制成為研究重點。高壓氫氣儲存安全性與溫控問題依然備受關注，混合動力系統能源管理成為研究焦點。技術研究進一步深化了新能源與化學轉化技術集成，尤其是在燃料電池熱管理及與可再生能源系統協同應用方面取得顯著進展。通過這些階段性發展，氫燃料電池技術在能效、儲能安全性以及與可再生能源整合方面取得顯著成果，推動清潔交通技術的快速發展。

3.3.3主題關聯與互動演化機制解析

論文與專利作為科學研究與技術開發的重要載體，其主題關聯與互動演化揭示知識流動與技術創新的復雜機制?？萍紕撔峦ǔ３尸F兩種演化模式：漸進式創新與顛覆式創新[26]。其中，漸進式創新依托知識積累與經驗整合，推動技術持續優化與完善。Grili-ches[27]指出，科技進步依賴于早期研究積累，通過整合已有知識與經驗，持續促進創新。顛覆式創新則通過引入全新的科學技術打破現有格局，實現跨越式發展，并重新定義科技演進路徑。Christensen[28]指出，新興科技通常起源于邊緣市場，隨著成熟度提升，最終有可能顛覆現有市場格局。本文基于上述創新理論視角，進一步剖析“論文一專利”在科技創新中的驅動作用，具體分析如下：

（1）吸收式演化通過整合前期研究成果與知識外溢效應，推動技術持續改進，呈現出漸進式創新的典型特征。其核心在于論文與專利的雙向互動，論文為專利開發提供理論支撐，專利實踐反哺基礎研究。例如，氫氣儲存與加注技術從350bar提升至700bar的突破，正是論文揭示材料特性與專利實踐相結合的成果。這一機制不僅推動單領域技術改進，還通過跨領域知識整合提升技術創新效率。吸收式演化在知識積累與流動中形成漸進性改進，為多學科協同與技術整合提供理論支持，體現了漸進式創新從細化知識到優化路徑的內在邏輯。

（2）存續式演化聚焦于現有科學或技術框架的局部優化，體現了漸進式創新的延續形式。通過論文揭示細節問題或通過專利提出解決方案，有利于提升技術市場競爭力與可行性。例如，燃料電池催化劑與電極材料的持續優化顯著提升了燃料電池效率與耐久性，同時還增強了技術的穩定性與經濟性。存續式演化在核心框架穩定的基礎上不斷優化細節，為實驗室技術向產業化轉化提供了堅實支撐，展現了漸進式創新從細節優化到規模化應用的路徑邏輯。

（3）創設式演化通過探索全新的科學技術路徑，為巔覆式創新提供動力。與吸收式和存續式演化不同，創設式演化注重從根本上突破現有技術框架。例如，在燃料電池能源效率與排放控制領域，通過論文可構建新型燃料電池架構理論模型，通過專利多元化技術實踐則能分化并催生出新的研究主題。這一演化模式重塑了技術路徑，不僅推動技術跨越式發展，還拓展了行業邊界，為未來技術創新注人新動能。

4結語

4.1 研究結論

本文圍繞氫燃料電池汽車領域“論文—專利”主題關聯與互動演化規律展開研究，得出以下研究結論：

（1）通過分析不同時間切片間“論文與專利”主題的語義相似度，發現17對強關聯性主題，表明科學與技術協同推動技術領域累積與演化。

（2）“論文與專利\"關聯度隨時間推移逐漸減弱，反映出氫燃料電池汽車從基礎研究向技術應用的轉型過程，研究重心逐步由理論探索轉向實踐開發，其中應用創新成為主要驅動力。

（3）論文與專利主題在橫向時間切片上的關聯度變化揭示吸收式、存續式和創設式演化3種互動演化機制。

（4）從科學技術創新視角剖析主題關聯與互動演化機制，加深了對技術演化多樣性及創新驅動因素的理解。

4.2 理論貢獻

本文選取特定技術領域，運用BERTopic主題建模和語義相似度分析等方法，構建以“研究領域選定 $$ 主題模型設計 $$ 實證研究分析”為主線的系統分析框架，理論責獻主要體現在以下幾個方面：

（1）該框架能夠高效識別不同知識來源之間的內在關聯，揭示科學研究與技術應用之間的互動邏輯，為相關領域的深人探索提供堅實的理論支撐。

（2）通過系統分析主題演變過程中的動態變化，該框架不僅能為學術界提供科學的研究支撐，也能為新興技術檢測、評估與發展規劃提供理論依據和實踐指導，并為產業界技術決策與創新發展提供切實可行的參考，助力推動技術應用的持續創新和優化。

（3）通過模塊化設計增強框架的通用性與遷移價值。該框架不僅適用于單一技術領域，還可廣泛應用于其它行業及跨學科交叉領域研究。其靈活性和普遍適用性為未來研究提供了系統化、標準化的分析方法，能夠有效推動技術創新與應用研究的深入發展，并為其它領域研究提供借鑒。

4.3 啟示

吸收式、存續式和創設式演化機制在氫燃料電池汽車技術進步過程中起關鍵作用，推動從局部優化到全面突破的多層次技術演化。這一演化過程不僅揭示了論文與專利之間的互動關系，也為跨領域技術融合與創新戰略優化提供了重要啟示。本研究對于科技管理策略的制定具有以下幾點啟示：

（1）吸收式演化通過整合前期研究成果與知識外溢效應，推動技術持續改進。這表明，科技管理應注重知識流動與機制整合。具體而言，應強化科研機構與企業之間的合作，推動技術深度開發和成果轉化。政府與行業管理者應積極鼓勵和支持這種跨界合作，以加速技術從理論研究到實際應用的轉化。同時，還應推動科研成果跨學科整合和多元化應用。為此，應著力建設開放創新平臺，促進各類創新主體之間有效協同，推動科技成果快速落地與應用。

（2）存續式演化強調技術框架的穩定性和局部優化，提示科技管理策略應關注技術發展的延續性與遞進性。在技術長期發展過程中，應保持對關鍵技術的持續投入，并制定明確的長期規劃。管理者應確保技術框架的穩定性，避免技術方向的頻繁調整與碎片化，同時推動技術逐步優化與完善。此外，標準化的推進不僅有助于提升技術適用性和市場競爭力，還能促進產業鏈上下游協同發展。通過加強行業標準的制定與推廣，可提升整體技術水平與產業國際競爭力。

（3）創設式演化以創新與分化為核心，推動新主題的涌現，強調顛覆性創新對技術進步的關鍵作用。這一機制提示科技管理者應加大對前沿技術和顛覆性創新的支持力度。具體而言，政府和相關管理機構應設立專項基金，資助前沿領域研究項目。此外，跨學科合作與知識融合應成為科技管理的重要方向，管理者應推動不同學科之間的協同與融合，促進知識跨界整合，進而形成新的技術路徑。進一步地，通過加強技術預測和潛在技術識別，決策者能夠在技術發展早期階段進行預見性布局，為新興技術的迅速崛起提供科學依據和資金支持，從而有效引導和加速顛覆性技術的創新與應用。

4.4 不足與展望

本研究存在如下不足： ① 分析方法主要側重于氫燃料電池汽車領域，結果精度依賴于模型質量，不同行業技術特性對參數設置提出較高要求； ② BERTopic主題建模的無監督特性限制了傳統可靠性檢驗方法的適用性。未來應進一步優化算法細節，提升框架的跨領域遷移效果，并結合定量與定性研究，系統探討如何通過政策激勵、資源配置等方式協調吸收式演化、存續式演化和創設式演化3種互動演化機制，以期為科技成果轉化提供多元化路徑。

參考文獻：

[1]MOED H F，GLANZEL W，SCHMOCH U. Handbook ofquantitative science and technology research： the use ofpublications and patent statistics in studies of Samp;T systems[M].Dordrecht：Kluwer Academic Publisher，2004.

[2]AHMADPOOR M，JONES B F. The dual frontier： paten-ted inventions and prior scientific advance[J]. Science，2017，357（6351）：583-587.

[3]CHEN X，MAO J，LI G. A co-citation approach to the a-nalysis on the interaction between scientific and technologi-cal knowledge[J].Journal of Informetrics，2024，18（3）：101548.

[4]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，2020，64（12）：106-117.

[5]CHEN L X. Do patent citations indicate knowledge linkage？the evidence from text similarities between patents and theircitations[J].Journal of Informetrics，2017，11（1）：63-79.

[6]張凱，呂璐成，韓濤，等．“論文—專利”關聯視角下的新興技術識別研究[J].情報理論與實踐，2024，47（9）：183-191.

[7]唐露源，謝士堯，徐源．知識演化視角下論文與專利的熱點技術方法對比分析——以人工智能自然語言處理領域為例[J]．科技管理研究，2024，44（10）：153-160.

[8]FERREIRA R B，PARREIRA M R，NABOUT JC.Is thereconcordance between science and technology in natural sci-ence？ mapping the relationship among number of papers andpatents from research on Cerrado plants[J]. World PatentInformation，2022，69：102108.

[9]冉從敬，田文芳，賈志軒．基于混合方法的“科學論文—專利技術\"關聯關系模型構建——以生物醫藥領域為例[J].情報科學，2024，42（6）：132-143.

[10]PORA U，GERDSRI N，THAWESAENGKULTHAI N，et al.Data-driven roadmapping （DDRM）：approach andcase demonstration[J]. IEEE Transactions on EngineeringManagement，2020，69（1）：209-227.

[11]GLASER B， STRAUSS A. Discovery of grounded theory：strategies for qualitative research[M]. New York： Rout-ledge，2017.

[12]KRIPPENDORFF K. Content analysis： an introduction toitsmethodology[M].California：SAGE Publications，2018.

[13]SALTON G，WONG A，YANG C S.A vector space modelfor automatic indexing[J]. Communications of the ACM，1910，10（11/：010-0ZV.

[14]BLEIDM，NGAY，JORDANMI.LatentDirichlet al-location[J]. Journal of Machine Learning Research，2003，3：993-1022.

[15]ZHANG H，DAIM T，ZHANG Y P. Integrating patent a-nalysis into technology roadmapping： a latent Dirichlet al-location based technology assessment and roadmappinginthe field of Blockchain[J]. Technological Forecasting andSocial Change，2021，167：120729.

[16]寇園園，陳會英，徐華杰，等．海外跨國公司在華人工智能專利布局及競爭態勢研究[J].情報雜志，2022，41（9）：48-54.

[17]胡澤文，王夢雅，韓雅蓉．基于LDA2Vec-BERT的新興技術主題多維指標識別與演化分析研究——以顛覆性技術領域：區塊鏈為例[J].現代情報，2024，44（9）：42-58.

[18]席笑文，郭穎，宋欣娜，等．基于word2vec與LDA主題模型的技術相似性可視化研究[J]．情報學報，2021，40（9）：974-983.

[19]劉春麗，臧東宇，陳爽．科學—技術—產業關聯測度與主題演化規律研究——以生物醫藥領域為例[J]．圖書情報工作，2024，68（14）：95-116.

[20]張玲，惲誠濤，尹思力，等．我國科研誠信政策與文獻主題演化對比分析[J]．現代情報，2023，43（6）：108-120.

[21]蘇婉，于森，糕傳陽，我國數據要素政策主題演化與識別分析[J].圖書情報工作，2024，68（16）：90-103.

[22]馬海群，崔文波，張濤．我國數據安全政策文本主題挖掘及其演化分析[J]．現代情報，2024，44（8）：28-38.

[23]慎金花，王薇，張更平，等．基于動態主題網絡的新興技術主題識別——以氫燃料電池領域為例[J]．情報雜志，2024，43（9）：92-100.

[24]李昌，吳紅，伊惠芳，等．基于改進LDA主題模型的中日美氫能產業鏈技術布局研究[J]．情報雜志，2019，38（7）：78-84，110.

[25]楊思洛，于永浩．基于BERTopic模型的國內信息資源管理研究主題挖掘與演化分析[J].情報科學，2024，42（8）：12-21.

[26]李玉花，李丹丹．企業數字化程度促進雙元創新了嗎—基于知識多樣性視角分析[J]．商業研究，2024，67（3）：125-133.

[27]GRILICHES Z. The search forRamp;D spillovers[J].TheScandinavian Journal of Economics，1992，94：29-47.

[28]CHRISTENSEN C M. The innovator's dilemma： whennew technologies cause great firms to fail[M]. Boston：Harvard BusinessReviewPress，2015.

（責任編輯：王敬敏）

The Thematic Correlation and Interactive Evolution of Papers-Patents ： A Case Study of Hydrogen Fuel Cell Vehicles

Zhang Junrong，Qiao Jianzhi （School of Law，South-Central Minzu University，Wuhan 43oo74，China）

Abstract：Technological innovation is acore elementin thedevelopment of productive forces.While scientific papers and patenttechnologies both play significantroles in advancing scientific researchand technological progress，their interaction andconversionare not merelyasimplelinearrelationship.Revealing the thematic associations andtheevolutionof interactions between scientific papers and patent technologies is essential for understanding the processof knowledge transfer fromtheoryto practice.Thisisof particular importance for predicting technological trends and accelerating inovation. This issue is especially critical in the context of rapid technological development.

This study focuses on thefieldof hydrogen fuel cellvehicles，extracting relevant paper and patent data units from the Web of Science and IncoPat databases.By employing methods such as BERTopic modeling and semantic similarity analysis，thestudyexplores the thematic trendsof papersand patentsacrossdiferent timeslices，analyzingtheassociationsand interaction dynamics between papers and patents. A systematic analytical framework is developed，structured around the main line of \"research field selection $$ topic model design $$ empirical research analysis\". This framework facilitates the rapid identificationof interconnections between diferentknowledge sources，reveals the interactivelogic betweenscientific researchand technological applications，and provides theoretical and practical support for monitoring，evaluating，and planing the developmentof emerging technologies.Moreover，the modular designenhances thegeneralizabilityand transferabilityoftheframework，offering significantreference pathways for similarresearch inother industriesand interdisciplinary fields.

The main findings and conclusionsof this study areas follows：（1）Byanalyzing the semantic similaritybetween paper and patenttopics across diffrent timeslices，17 pairsof stronglycorelated topics wereidentified，indicatingthatthecollaboration between science and technologyhasfacilitated thecumulative evolutionof the technologicalfield.（2）The aociation between papers and patents weakens over time，reflecting the transitionof hydrogen fuelcellvehicles from basic research to technologicalapplication.This trend suggests thattheresearch focus has graduallshifted from theoretical explorationto practical development，with applied innovation becoming theprimary driving force inthis field.（3）The changes in theassociation between paper and patent topics across horizontal time slices reveal thre interactive evolutionary mechanisms：absorptive，sustaining，and creating evolution.（4）Analyzing the thematic associations and interaction mechanisms from theperspectiveof scientific and technological innovation deepens theunderstandingof technological diversity and the driving factors behind innovation.

Thefindings of this study offer the folowing insights for the formulation of technology management strategies： （1）Absorptive evolution，which integrates early-stage outcomes to optimize themes，suggests that management should enhance knowledge flowand mechanism integration，such as promotingcollboration between research institutions and enterprises to supportin-depth technologicaldevelopment.（2）Sustaining evolutionemphasizes the stabilityand gradualoptimization of technological frameworks，highlighting the need for management to ensure thecontinuityand progresionof technological development.Thiscould involvecreatinglong-termplans toensurecontinuous investment in key technologiesandimproving theirapplicabilityandcompetitivenessthrough standardization.（3）Creating evolution，centered on innovationand differentiation，drives theemergenceofnewthemes，indicatingthat management should increase support for disruptiv innovation.This includes settingupspecial funds to supportfrontierresearch，promoting interdisciplinarycollaborationand knowledge fusion，enhancing technology forecastingand the identificationof potentialtechnologies，and providing scientific evidence and financial support for the formation of new technological paths.

However，this studyhas certain limitations.The analytical methods are primarilyapplied to thehydrogen fuel cellvehiclefield，andtheacuracyoftheresultsdependsonthequalityofthe model.Thetechnicalcharacteristicsofdiferentindustries may impose higher requirements on parameter settings. Aditionally，，the unsupervised nature of BERTopic limits the applicabilityof traditionalreliabilitytesting methods.This studysuggests thatfutureresearchcouldrefinealgorithmic parameters and enhance cross-domain adaptabilityof the framework，while employing mixed-methods approaches to systematicallyinvestigate thesynergisticeffectsof policy incentivesandresource allcationstrategies incoordinating thetri partiteiteraction mechanisms，thereby establishing diversifiedpathways for facilitating transformation of scientific and technological achievements.

Key Words：Scientific Paper;Patent Technology;Thematic Correlation;BERTopic Model;Hydrogen Fuel CellVehicles