基于鏈路預(yù)測(cè)的智能紡織品技術(shù)融合趨勢(shì)研究

1、PAGE 5 -基于鏈路預(yù)測(cè)的智能紡織品技術(shù)融合趨勢(shì)研究摘要：技術(shù)融合是傳統(tǒng)產(chǎn)業(yè)實(shí)現(xiàn)技術(shù)升級(jí)的重要手段。本文基于德溫特專利數(shù)據(jù)庫中的15125項(xiàng)智能紡織品發(fā)明專利，運(yùn)用技術(shù)生命周期、社會(huì)網(wǎng)絡(luò)、鏈路預(yù)測(cè)等方法，從技術(shù)領(lǐng)域發(fā)展前景、技術(shù)融合應(yīng)用現(xiàn)狀、融合機(jī)會(huì)預(yù)測(cè)三個(gè)方面，對(duì)跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的發(fā)展現(xiàn)狀和趨勢(shì)進(jìn)行了深入研究。結(jié)果表明：智能紡織領(lǐng)域正處于技術(shù)發(fā)展成熟期，該領(lǐng)域發(fā)明專利預(yù)計(jì)將達(dá)21667項(xiàng)，發(fā)展前景良好;跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的應(yīng)用日益廣泛，其中數(shù)字計(jì)算機(jī)是智能紡織領(lǐng)域開展跨領(lǐng)域技術(shù)融合的重點(diǎn)，已與家用電器等技術(shù)領(lǐng)域建立穩(wěn)定的融合關(guān)系;分層產(chǎn)品、電話和數(shù)據(jù)傳輸系統(tǒng)等技術(shù)領(lǐng)

2、域在后續(xù)的技術(shù)創(chuàng)新活動(dòng)中將扮演重要角色。關(guān)鍵詞：技術(shù)融合;智能紡織品;鏈路預(yù)測(cè);技術(shù)生命周期;社會(huì)網(wǎng)絡(luò);德溫特專利數(shù)據(jù)庫中圖分類號(hào)：F407.81文獻(xiàn)標(biāo)志碼：A文章編號(hào)：10017003（2022）06001007引用頁碼：061102DOI：10.3969/j.issn.1001-7003.2022.06.002（篇序）基金項(xiàng)目：作者簡(jiǎn)介：鄭巧巧（1998），女，碩士研究生，研究方向?yàn)榧夹g(shù)創(chuàng)新與環(huán)境管理。通信作者：虎陳霞，副教授，。隨著領(lǐng)域間技術(shù)交流的持續(xù)推進(jìn)，技術(shù)創(chuàng)新逐漸朝著多元化、復(fù)合化方向發(fā)展，技術(shù)融合作為一種能實(shí)現(xiàn)多領(lǐng)域技術(shù)合作與交流的技術(shù)創(chuàng)新方法，其應(yīng)用的廣度與深度正不斷加強(qiáng)，為產(chǎn)

3、業(yè)技術(shù)升級(jí)提供了新思路。技術(shù)融合這一概念最早由Rosenberg1于20世紀(jì)60年代提出，他認(rèn)為技術(shù)融合是指相似的技術(shù)和生產(chǎn)流程在不同產(chǎn)業(yè)中的應(yīng)用。在接下來的幾十年間，許多學(xué)者對(duì)技術(shù)融合提出了新的見解2-4。后來，技術(shù)融合作為一種重要的技術(shù)創(chuàng)新手段，在許多產(chǎn)業(yè)中得以應(yīng)用，逐漸成為學(xué)者們開展產(chǎn)業(yè)技術(shù)研究的重點(diǎn)。Gambardella等5曾對(duì)電子產(chǎn)業(yè)開展研究，得出了技術(shù)融合有利于提升產(chǎn)業(yè)績(jī)效的結(jié)論;Song等6對(duì)工業(yè)安全領(lǐng)域的技術(shù)融合情況進(jìn)行分析，證實(shí)了技術(shù)融合是實(shí)現(xiàn)工業(yè)安全的有效途徑;羅愷等7將LatentDirichletAllocation（LDA）主題模型與社會(huì)網(wǎng)絡(luò)理論相結(jié)合，用以分析關(guān)節(jié)

4、機(jī)器人領(lǐng)域的技術(shù)發(fā)展現(xiàn)狀，最終得出該領(lǐng)域的宏觀、微觀技術(shù)融合特征。由此可見，技術(shù)融合的相關(guān)研究對(duì)產(chǎn)業(yè)技術(shù)創(chuàng)新決策具有重要意義。面對(duì)瞬息萬變的市場(chǎng)需求，敏銳地感知市場(chǎng)動(dòng)向是企業(yè)獲利的關(guān)鍵。而掌握技術(shù)融合的發(fā)展趨勢(shì)恰能幫助企業(yè)捕捉技術(shù)熱點(diǎn)并預(yù)測(cè)潛在的技術(shù)融合機(jī)會(huì)，從而制定出可靠的創(chuàng)新戰(zhàn)略。當(dāng)前主流的定量技術(shù)預(yù)測(cè)方法有兩類：一是基于知識(shí)單元重組的預(yù)測(cè)方法;二是基于鏈路預(yù)測(cè)和機(jī)器學(xué)習(xí)的方法8。其中鏈路預(yù)測(cè)方法的適用范圍很廣，許多學(xué)者都曾將鏈路預(yù)測(cè)應(yīng)用到不同領(lǐng)域的研究中，如劉俊婉等9和雷鳴等10分別將鏈路預(yù)測(cè)應(yīng)用到了深度學(xué)習(xí)領(lǐng)域和醫(yī)學(xué)領(lǐng)域。而在鏈路預(yù)測(cè)算法中，基于相似性的鏈路預(yù)測(cè)算法的應(yīng)用領(lǐng)域是最為廣泛

5、的11。隨著第四次工業(yè)革命的興起，傳統(tǒng)產(chǎn)業(yè)正面臨產(chǎn)業(yè)升級(jí)與技術(shù)創(chuàng)新的挑戰(zhàn)，亟需相關(guān)研究為其指引技術(shù)發(fā)展方向。紡織業(yè)是其中極具代表性的產(chǎn)業(yè)。長(zhǎng)期以來，中國紡織業(yè)憑借產(chǎn)品種類齊全、人工成本較低的優(yōu)勢(shì)占據(jù)著國際紡織市場(chǎng)的競(jìng)爭(zhēng)高地，但近年來，由于人口紅利消失、制造成本上升等原因，競(jìng)爭(zhēng)優(yōu)勢(shì)逐漸弱化。同時(shí)，隨著傳統(tǒng)紡織品的競(jìng)爭(zhēng)空間日益縮小，以智能化為導(dǎo)向的智能紡織品備受追捧，使許多紡織企業(yè)遇到了技術(shù)升級(jí)的難關(guān)。因此，本研究以紡織業(yè)為例，基于智能紡織品專利數(shù)據(jù)，應(yīng)用技術(shù)生命周期和社會(huì)網(wǎng)絡(luò)理論探究智能紡織領(lǐng)域所處的技術(shù)發(fā)展階段及跨領(lǐng)域技術(shù)融合的應(yīng)用現(xiàn)狀，進(jìn)而預(yù)測(cè)該領(lǐng)域的技術(shù)發(fā)展前景，最后運(yùn)用鏈路預(yù)測(cè)算法預(yù)測(cè)智

6、能紡織領(lǐng)域的潛在融合關(guān)系，以期為紡織企業(yè)的創(chuàng)新決策提供建議。1方案設(shè)計(jì)1.1研究思路首先，應(yīng)用技術(shù)生命周期理論分析專利總量的周期性規(guī)律，并判斷智能紡織領(lǐng)域所處的技術(shù)發(fā)展階段;其次，按照技術(shù)生命周期的特點(diǎn)劃分?jǐn)?shù)據(jù)集，取出各數(shù)據(jù)集中實(shí)現(xiàn)跨領(lǐng)域技術(shù)融合的專利的德溫特分類代碼，并據(jù)此繪制共現(xiàn)網(wǎng)絡(luò)，隨后計(jì)算各網(wǎng)絡(luò)的網(wǎng)絡(luò)整體指標(biāo)，依據(jù)網(wǎng)絡(luò)整體指標(biāo)的變化趨勢(shì)判斷跨領(lǐng)域技術(shù)融合在智能紡織領(lǐng)域的應(yīng)用前景;然后，以AreaUnderCurve（AUC）為標(biāo)準(zhǔn)確定各階段的最佳相似性指標(biāo)，并取各階段中相似度最大的15對(duì)技術(shù)領(lǐng)域作為該階段的主要融合關(guān)系，通過不同階段間主要融合關(guān)系的差異，判斷技術(shù)熱點(diǎn)的變化;最后，基于最

7、后一階段的網(wǎng)絡(luò)信息預(yù)測(cè)下一階段可能出現(xiàn)的融合關(guān)系。技術(shù)路線如圖1所示。1.2研究方法1.2.1技術(shù)生命周期技術(shù)生命周期表達(dá)了技術(shù)發(fā)展的周期性特征，包含導(dǎo)入期、成長(zhǎng)期、成熟期、衰退期四個(gè)階段12。當(dāng)前基于專利信息判斷技術(shù)生命周期的方法有很多，李春燕12將其歸納為五類：專利指標(biāo)法、S曲線法、相對(duì)增長(zhǎng)率法、技術(shù)生命周期圖法、TCT計(jì)算法。其中，S曲線法和TCT計(jì)算法為定量研究方法，可以計(jì)算出生命周期中的具體數(shù)值，但TCT計(jì)算法主要用于研究單件專利的技術(shù)生命周期，計(jì)算技術(shù)領(lǐng)域的生命周期時(shí)常采用S曲線法。本研究采用S曲線法中的Logistic曲線模型13-14，模型方程為：4EAFA7D6-BE52-4

8、7B1-9919-0D0AAEDED6CDf（t）=k1+ae-rt（1）式中：f（t）為專利總量;t為時(shí)間序列;k、a、r為常數(shù)，k為容納量，表示能達(dá)到的最大專利總量;a為曲線的成長(zhǎng)率;r為瞬時(shí)增長(zhǎng)率。1.2.2社會(huì)網(wǎng)絡(luò)理論社會(huì)網(wǎng)絡(luò)理論起始于20世紀(jì)30年代，在此后的幾十年間，社會(huì)網(wǎng)絡(luò)理論在眾多領(lǐng)域得以發(fā)展，形成了一套系統(tǒng)的研究方法。社會(huì)網(wǎng)絡(luò)理論以網(wǎng)絡(luò)的節(jié)點(diǎn)及連邊為研究對(duì)象，能將抽象的關(guān)系轉(zhuǎn)化為直觀的網(wǎng)絡(luò)圖譜，使關(guān)系得以量化，是當(dāng)前重要的研究方法。本研究選取了平均度、網(wǎng)絡(luò)密度、平均聚集系數(shù)這三個(gè)網(wǎng)絡(luò)整體指標(biāo)，作為網(wǎng)絡(luò)宏觀分析的依據(jù)。1.2.3鏈路預(yù)測(cè)鏈路預(yù)測(cè)的目的是通過已知的節(jié)點(diǎn)和連邊信息預(yù)測(cè)潛在連邊形成的可能性。當(dāng)前研究鏈路預(yù)測(cè)的算法有很多，其中，基于局部相似性指標(biāo)的鏈路預(yù)測(cè)算法應(yīng)用最為廣泛且操作更為便捷11。但值得注意的是，局部相似性指標(biāo)并不唯一，且當(dāng)同一指標(biāo)應(yīng)用于不同數(shù)據(jù)集時(shí)，其精度可能存在差異。所以，為了獲得更佳的分析和預(yù)測(cè)結(jié)果，本研究選取了5項(xiàng)相似性指標(biāo)以供選擇，分別是AdamicAdar（AA）15、CommonNeighbors（CN）16、PreferentialAttachment（PA）17、ResourceAllocation（RA）18和TotalNeighbors（TN），具體公式如表1所示。本研究的精度評(píng)價(jià)指標(biāo)為AUC，表示預(yù)測(cè)為正的概率值比預(yù)測(cè)為