一种基于机器学习的新兴技术识别方法_以机器人技术为例_周源1

【基于机器学习的新兴技术识别方法】 随着科技的飞速发展，新兴技术的识别成为科研和技术预见领域的重要任务。传统的文献计量学虽然在一定程度上帮助了我们理解和追踪技术发展趋势，但其存在一些局限性，例如处理数据量有限，无法深入挖掘文献的语义信息，以及难以有效地结合专家的专业知识和判断。因此，研究者开始探索新的方法来弥补这些不足，其中，基于机器学习的新兴技术识别方法是一个重要的发展方向。 本文提出的是一种基于机器学习主题模型的新兴技术识别方法。这种方法首先利用大规模的论文和专利数据，通过高通量处理技术对数据进行融合分析，目的是挖掘文献和专利中的深层次语义信息。这样做可以显著提高技术识别的全面性和一致性，使分析结果更加精细和准确。 在数据挖掘的基础上，该方法将技术预见专家的领域知识和判断融入到机器学习过程中。这有助于提升机器学习算法的准确性，增强其识别新兴技术的能力。通过这种方式，可以更有效地捕获技术发展的新趋势，特别是那些可能带来颠覆性影响的技术和跨领域技术融合的现象。 论文以机器人技术为例，从Web of Science（WoS）论文数据库和Thomson Innovation（TI）专利数据库中抽取了十余万条全领域数据，通过上述方法识别出机器人领域的新兴技术簇群。研究还进一步分析了两种新兴技术出现模式：全新技术颠覆和跨领域技术融合驱动。这种深入的分析为预测新兴技术的发展轨迹提供了有力的支持。 关键词：主题模型；机器学习；新兴技术；机器人技术 通过这种方法，研究者不仅能够捕捉到技术的快速发展，还能预测未来可能的技术路径，这对于政策制定、企业决策和科研规划具有重要意义。机器学习在处理大量复杂数据时的优势，结合专家的专业洞见，使得新兴技术的识别变得更加精准和及时，从而为科技创新提供有力的支撑。这种方法的推广和应用，将有望改变技术预见的传统模式，提高科技预测的效率和质量。