好的，作为一名资深学术助手，我将根据您提供的论文数据，对最近12个月内（2025-2026年）专利信息处理与技术分析相关领域的研究动态进行系统分析。

I. 主题归纳

本期论文覆盖广泛，虽然部分论文仅为相关技术应用而非方法论研究，但整体反映了专利与技术分析研究的几个主要趋势：

1. 专利分类与文本挖掘：依然是核心领域，但方法已显著升级。研究焦点从传统模型转向预训练语言模型，特别是XLNet (如[2])、BERT/Sentence-BERT (如[28]， [30])的定制化应用，以提高对专利复杂结构和专业术语的理解。新兴的 “BERTopic” (如[22], [23])表明主题建模技术在专利趋势分析中的应用正在深化。

2. 专利与知识图谱：研究进入深度语义与推理阶段。代表性工作[19]将专利文本与DIKWP (数据、信息、知识、智慧、意图) 网络、人工意识理论结合，构建了用于专利侵权检测的语义推理框架。这表明知识图谱正从静态链接库向具备推理能力的智能分析系统演进。

3. 技术演化与预测：研究高度聚焦于绿色低碳转型。大量研究（如[31], [36], [70], [79]）利用专利数据分析低碳技术（如新能源、节能建筑、绿色交通）的时空演化、合作网络、影响因素（如数字贸易[74]、人工智能政策[25]）及未来趋势。专利数据成为衡量环境创新、绿色竞争力和可持续发展的关键量化指标。

4. 大模型（LLM）与专利分析：LLM正成为专利分析的新兴基础设施。应用体现在两个层面：一是作为底层NLP工具增强专利文本处理能力（如[5]提到的专利训练LLM用于翻译）；二是作为AI Agent（如[10]所述）的组成部分，未来可能实现更自主、复杂的专利情报分析任务。

5. 交叉应用研究：大量研究将专利作为创新代理变量，应用于经济学、管理学、公共政策等领域。例如，分析专利如何影响企业ESG表现[66]、数字化转型[72]、信贷风险[60]等。这体现了专利数据在交叉学科研究中的重要价值。

期刊发文统计与特点：

• 高发文量期刊群：以 《Sustainability》 (6篇)、《Humanities and Social Sciences Communications》 (5篇) 和 《MDPI》 旗下其他综合性期刊（如Energies, Systems, Electronics）为代表。这些期刊特点是主题覆盖面广、发表周期快、侧重应用研究，尤其欢迎将数据分析（含专利）与可持续发展、社会经济议题相结合的研究。
• 专业/方法论期刊：《Journal of Intelligent Information and Communication》 (2篇)、《Journal of Data and Information Science》 (1篇) 等更专注于信息处理技术本身。《npj Digital Medicine》、《Nature Communications》 等顶刊则发表了将AI/专利分析应用于特定前沿科技领域（如智能手术[7]、电池技术[12]）的高影响力工作。
• 特点：应用导向的研究占据主流，且多发表于开放获取期刊。纯方法论创新的论文相对较少，更多是现有先进NLP/KG方法在专利领域的针对性优化与落地。

新兴方法论：
本周期内，基于大型语言模型的语义搜索与专利关联分析成为一个显著的新兴方法。例如，论文[34] “AI Literature Surveillance System for Emerging Formulation Technologies Using Semantic Search and Patent Linkage” 直接体现了利用语义搜索技术（很可能基于BERT/LLM）桥接科技文献与专利文档，以实现对新兴技术的早期监测。这标志着专利分析从“事后统计”向“事前预警”和“跨源关联”的智能监测转变。

II. 发展趋势

1. 数据分析深度演进：从结构化信息（如IPC分类号、申请人）的统计分析，正快速迈向对专利全文的深度语义理解。研究[21]尝试从海量专利描述中挖掘技术人造物的语言学与结构基础，并构建知识图谱，这代表了利用全文数据进行基础性知识发现的雄心。同时，图文多模态分析虽在本次论文集中未直接体现于专利分析，但在相关技术领域（如智能手术[7]）已是趋势，预计将很快渗透至专利图像（如设计专利、示意图）的分析中。

2. 技术表征物演进：专利分析的目标已从泛泛的“技术创新”聚焦到具体的关键核心与卡脖子技术。关于宽禁带半导体（GaN/SiC）[1]、低/零碳技术（如水性电池[12]、阴离子交换膜电解[38]）、人工智能与数字技术本身[25, 28, 66]的专利综述与分析，都服务于国家与产业的战略技术评估需求。专利成为识别技术差距、跟踪颠覆性创新（如仿生假肢产业的演化[37]）的重要情报源。

3. 与新兴技术的交叉融合：

   • 与大模型：融合已超越简单使用BERT，进入定制化预训练（[2]的XLNet）、构建领域特定语义模型（[28]的SBERT用于识别数字技术专利），以及探索LLM在专利翻译、摘要、问答等任务中的潜力（[5]）。
   • 与知识图谱：从构建专利实体关系图谱，升级为支持目的性推理的语义网络（[19]的DIKWP），并尝试与模型驱动的系统工程（MBSE）结合以实现知识检索（[26]）。KG正成为可计算、可推理的专利知识基础设施。

III. 研究脉络中的推进情况

专利分析的核心脉络沿着“数据→信息→知识→智能/决策”的路径演进。

• 本期论文的位置：当前研究整体处于从“信息”层（通过先进NLP模型更精准地分类、提取关键词）向“知识”层（构建可推理的知识图谱、理解技术演化机制）跃迁的关键阶段，并开始触及“智能/决策”层（如用于侵权检测的推理框架[19]、用于技术监测的AI代理系统[34]）。
• 标志性方法突破或数据集贡献：
  • 方法突破：[19]提出的基于DIKWP网络和人工意识理论的专利侵权检测语义AI框架，在专利分析的推理范式上具有突破性意义，将法律逻辑与技术语义进行了深度整合。
  • 数据集/基准贡献：本期论文中直接贡献新数据集的不多，但[30]对专利-专利引用与专利-论文引用进行的多维度比较分析（引用频率、时滞、语义相似性、科学强度），提供了深化理解“知识流动”差异的重要方法论和实证基准，对后续研究设计具有重要参考价值。

IV. 研究空白、期刊特征、后续选题

• 研究空白：
  1. 专利多模态分析：绝大多数研究仍集中于文本模态，对专利中的图像、图表、化学式等多模态信息进行自动化理解与融合分析的研究几乎空白。

2. 动态知识图谱与实时分析：现有知识图谱多为静态快照。如何构建能够实时吸收新专利数据、自动演化技术关系、预测技术融合点的动态专利知识图谱，是重大挑战。

3. 基于专利的颠覆性技术早期预警的“可解释性”：虽然已有研究尝试预测，但模型往往黑箱。如何结合技术生命周期理论、科学原理，提供可解释的、基于证据链的早期预警，而非单纯统计预测，是关键空白。

4. 小语种/全球化专利分析：当前方法主要针对中英文专利。对全球其他语言（如日语、韩语、德语）专利的高质量分析工具和跨语言对齐研究不足。

• 期刊特征：如前所述，应用型、交叉型研究易发表于《Sustainability》等综合性OA期刊。而更硬核的方法论创新，或需瞄准《Journal of Informetrics》、《Scientometrics》、《World Patent Information》或计算机领域的顶会/期刊。

• 后续选题建议：

  1. （经济管理）：结合微观企业专利数据与宏观产业链数据，研究“供应链韧性”与“关键技术专利布局网络”的耦合关系，分析断链风险下的企业专利战略调整。

2. （公共政策）：构建基于多源数据（专利、论文、项目、产业报告）和知识图谱的产业政策评估与模拟平台，量化评估某项产业政策（如补贴、标准制定）对特定技术路径创新的促进或锁定效应。

3. （情报学）：研发专利“科学-技术关联”的细粒度、语义化度量指标，超越简单计数，深入揭示基础科学发现转化为核心技术的具体路径、时滞与瓶颈，服务于科研管理和技术预见。

V. 参考文献列表
[1] Nathaniel Viewegh et al. Wide Bandgap Semiconductors for Power Electronics: Comparative Properties, Applications, and Reliability of GaN and SiC Devices. 《Hardware》, 2026. https://www.mdpi.com/2813-6640/4/1/6/pdf?version=1773819850
[2] Filip Lis, Izabela Rutkowski. XLNet-based Self-supervised Pretraining Method for Patent Text Classification. 《Journal of Intelligent Information and Communication》, 2026. http://www.wpias.edu.pl/ojs/index.php/JIIC/article/download/139/165
[3] Yicheng Zhou, Wenjie Ouyang, Yan Xie. Unpacking the Impact of E-Commerce Development on Electricity Consumption: Evidence from Chinese Cities. 《Energies》, 2026. https://www.mdpi.com/1996-1073/19/6/1392/pdf?version=1773139003
[19] Zhendong Guo, Yucong Duan. A Purpose-Aware Semantic Reasoning Model for Patent Infringement Detection in the DIKWP Network. 《Electronics》, 2026. https://doi.org/10.3390/electronics15112449
[21] L. Siddharth, Jianxi Luo. Knowledge of technological artifacts: Toward linguistic and structural foundations from patent descriptions. 《Design Science》, 2026. https://doi.org/10.1017/dsj.2026.10064
[28] Hongcheng Ling, Huan Zhang, Jiawei Huang. Digital technology innovation and corporate pollution emissions? Evidence from SBERT-based patent identification in China. 《Humanities and Social Sciences Communications》, 2026. https://doi.org/10.1057/s41599-026-07828-2
[30] DeQing Zou, Jin Mao, Zhentao Liang, Xi Chen. Multi-Dimensional Comparative Analysis of Patent-to-Patent Citations and Patent-to-Paper Citations. 《Journal of Data and Information Science》, 2026. https://doi.org/10.1515/jdis-2025-0357
[34] Diego Morales et al. AI Literature Surveillance System for Emerging Formulation Technologies Using Semantic Search and Patent Linkage. 《Pharmacophore》, 2026. https://pharmacophorejournal.com/storage/files/article/b89bc4dc-3014-4249-92df-3d44a2d3eadb-lrBywWreaLr5L8y1/923Ejy1zcs9zJMt.pdf
[37] Seojin Kim, Rajshree Agarwal, Brent Goldfarb. Creating Radical Technologies and Competencies: Revisiting Interorganizational Dynamics in the Nascent Bionic Prosthetic Industry. 《Organization Science》, 2025. https://pubsonline.informs.org/doi/pdf/10.1287/orsc.2022.16915
[70] Dierk Herzer. The Effects of Domestic and Foreign Green Technology on Domestic CO2 Emissions and Domestic Total Factor Productivity. 《Journal of the Knowledge Economy》, 2025. https://link.springer.com/content/pdf/10.1007/s13132-025-02777-8.pdf