基于LDA2Vec和DTM模型的颠覆性技术主题识别研究——以能源科技领域为例

来源：图书情报工作杂志2023年第12期北京时间：

作者：吕鲲,项旻昊,靖继鹏

单位：1 宁波大学商学院 宁波 315211;2 吉林大学商学与管理学院 长春 130022

摘要：[目的/意义] 颠覆性技术关乎国家竞争力和国际地位，科学准确地识别出颠覆性技术主题，能够解决技术发展过程中主题不够明确、发展路径不够清晰等问题，以此有效把握技术发展动态，调整国家科技战略布局，更好地抢占国际竞争制高点。 [方法/过程] 以能源科技领域的专利文本数据为研究客体，构建基于 Word2Vec 词向量与 LDA（ Latent Dirichlet Allocation）主题向量的融合特征向量，并引入 K-means 算法优化主题聚类效果，最后结合颠覆性技术特征指标，识别颠覆性技术主题，利用 DTM（ Dynamic Topic Model）模型揭示该领域颠覆性技术主题的发展状况。 [结果/结论] 通过人工验证和模型结果对比可以发现，实证结果具有合理性，且模型的精准率、召回率、 F1 值均高于同类型的主题模型，证明该方法对颠覆性技术主题识别具有较好效果。

关键词：颠覆性技术,主题识别,文本挖掘,能源科技领域,

基金资助：本文系国家社会科学基金青年项目“‘双碳’目标下‘技术—经济—区域’信息融合的创新生态系统构建及其协同演化研究”（项目编号：22CTQ028）研究成果之一。