抢占先机！脑机接口、手势控制或成无人机领域颠覆性技术

2008年国际金融危机以来，世界主要国家对技术预见高度重视，颠覆性技术成为各国战略布局的重点。

在新形势新起点下，中国力争在更多战略性基础科学领域实现率先突破，在关键核心技术领域取得颠覆性创新，力求在新一轮产业变革中赢得竞争优势。

颠覆性技术的识别和预测一直是学界的重点和难点，探索颠覆性技术识别方法，识别该领域内可能存在的颠覆性技术，具有至关重要的意义。

颠覆性技术预测识别的主要方法有：专家评议法、技术演化法、模型分析法和基于专利、论文的分析法。

本文采纳第四种方法，以专利或科学论文作为数据源，按照一定的评判思想和指标，在尽可能早的时期从客观角度识别颠覆性技术。

以Web of Science（WoS）论文数据库与德温特（Derwent）专利数据库为数据来源，检索2005年1月1日—2019年12月31日期间资料，得到有效文献专利2812篇。

基于现有研究的基础上，提出“主题分类—突变检测—技术识别”的颠覆性技术识别框架：

（1）确定颠覆性技术研究领域，对该技术领域的论文及专利摘要数据进行检索、获取与特征提取，并划分训练集和测试集；

（2）使用主题模型分类算法对获取的数据摘要分类，选择分类准确率较高的分类器，进而得到各技术类别主题及所对应的关键词；

（3）选取技术主题构建共现网络实现主题突变监测与分析，进而得到某一领域内颠覆性技术。

采用机器学习分类算法，对论文专利摘要进行分类。

常用的传统机器学习分类算法均采用基于LDA（latent dirichlet allocation）主题模型的特征提取方法构建文本分类器，形成LDAKNN、LDA-SVM、LDA-CNN、LDA-LSTM分类器，对论文专利摘要数据集进行分类。

最终表明LDA-LSTM分类性能最好。

突变检测旨在关注低频但相对增长率突然增长的词，这类增长势头不断加强的词在揭示研究领域的发展上更具及时性和情报价值。

趋势上升的突变词能够帮助了解研究领域的新趋势和动态发展，所以科学图谱软件CiteSpace中包含了突变检测算法思想。

以收集2005—2019年论文专利数量共计2812篇为实验数据集，再随机不重复地选取分类数据与待分类数据。

得到分类数据704篇，按照3∶1分配训练集与测试集，其中训练集528篇，测试集176篇，用于验证分类模型的性能；待分类数据2108篇。

最终结果表明，LDA-LSTM模型分类的精确率、召回率及F1值（模型精确率和召回率的一种调和平均）均优于其他模型，该分类模型在保证分类质量的同时具有较好的稳定性。

采用LDA-LSTM模型对待分类数据进行分类，得到的分类结果包括技术主题类别及技术主题相对应的特征词。

经过分类得到5大类无人机技术主题类别：无人机动力技术、无人机导航技术、无人机交互技术、无人机通信技术和无人机集群技术。

基于CiteSpace的突变检测方法是通过可视化图谱呈现出论文专利数据中所隐含的相关领域研究动态及研究趋势。

针对无人机技术领域主题突变检测，将构成的基本数据库导入CiteSpace软件，从突变权重排序及突变时间段和突变共词聚类知识图谱角度进行分析。

将2005—2019年的突变词按突变权重由大到小排序，对其频次的增长趋势状况进行分析，检测它是否具有持续的增长速度。

每3年为1个时间段，列出突变权重排在前10位的高权重突变词。

根据突变性质、突变频次及持续时间，分为：

（1）上升型，在2005—2019年呈现上升趋势，频次较高，突变权重较大，属于高频焦点词，预示了也是当前热点研究主题；

（2）平稳型，波动较小，属于持续性研究热点主题；

（3）下降型，已是成熟热点或属于逐渐过时的主题，研究已经向新的方向转移；

（4）突现型，频次虽然不高，但是突变权重相对较大，具有重大意义，预示这将是领域内具有颠覆性意义的研究主题。

使用突现词共现网络，能够将数据全集清晰地展示出来。节点越大，说明该关键词词频越大，与主题的相关性越大。

通过对突变主题词进行共现分析以后建立的突变共词聚类知识图谱，能够全面直观地展示无人机技术领域主题在这一时间段内的研究热点、突变词之间的关系及重要程度。

从图谱可知，“brain-computer inter⁃face technology（脑机接口技术）”“gesture controltechnology（手势控制技术技术）”2个节点较大，说明这2个主题突变词的词频高，且与主题的相关性更大。

脑机接口和手势操纵开创了新的无人机交互方式，结合前文内容，主题突变词所对应的“无人机交互技术”在无人机技术领域内具有颠覆性，可能对已有的技术和市场带来革命性影响。

分别收集2019年1月1日至2019年12月31日及2020年1月1日至2020年4月30日无人机技术领域的论文专利589、262篇，采用LDA-LSTM模型进行分类，得到5类无人机技术主题，分析汇总每一类所对应的论文专利数量。

将颠覆性技术的未来发展分为3种情况：

（1）论文专利数量多，代表可能是无人机技术领域内持续性的研究热点，例如无人机动力技术；

（2）论文专利数量较多，发展较为平稳，具有一定的研究热度，例如无人机导航技术、无人机通讯技术、无人机集群技术；

（3）论文专利数量较少，但是该技术领域具有较大的研究空间，且具有一定程度的颠覆性，可作为中国研究发展的重点，集中资源形成技术突破，取得技术上的领先地位，例如无人机交互技术。

经过验证，对每一类主题的论文专利数量进行时间尺度上的纵向比较，无人机交互技术为无人机技术领域内的颠覆性技术，同时证明了本文颠覆性技术识别框架的有效性和准确性。

根据LDA-LSTM算法，有效地对无人机技术进行主题分类，利用CiteSpace的突变检测功能，尝试了从突变词的视角探测无人机技术领域的研究热点，直观地揭示了无人机技术领域中的颠覆性技术。

结合相关文献分析，发现以往的研究多集中在理论方面的策略研究及应对措施，缺乏对理论的实践论证。

作为实证研究，以2020年无人机技术领域相关论文专利数量分析，证明了本研究框架与方法的有效性和适应性，并得出该技术领域的颠覆性技术主题——无人机交互技术中脑机接口技术及手势控制技术。

因此，基于文本分类与主题突变检测的颠覆性技术识别，可在一定程度上为研究人员探索颠覆性技术提供有价值的参考。