本报告回看2021年已收集的期刊研究、政策与技术资料，梳理相互关联的研究脉络。年度判断与研究提案为本次回溯整理形成。
一、年度判断
2021年的材料中，技术机会逐渐可以用具有语义的关系表达。跨功能搜索抽取情境和功能，子网络方法将技术词之间的句法联系组织为机会，主题与SAO关系结合则进一步进入技术如何作用于对象。研究对象由领域接近和词语聚集，扩展到功能、动作及实现条件之间的联系。123
新使用环境研究将服务要求、架构创新和知识轨迹联系起来，为这些方法提供了重要问题：新的功能需求怎样使已有技术获得不同用途，又如何引出新的知识和验证任务？年度方向可以围绕功能转用及技术机会的形成过程展开。4
二、贯穿全年的研究主线
（一）机会可以被表达为有技术含义的关系组合
跨功能研究从专利语义提取情境与功能，以矩阵和时间热图识别专用及共性技术空白。知识子网络研究则通过句法依赖建立技术词网络，以连通子网络组织候选。两者分别提供功能视角和组合结构，适合共同描述机会需要连接哪些技术要素。12
F-term研究利用全局及企业中心的共现网络寻找技术属性，空白映射研究通过逆映射及专家解释候选方向。这些方法各自提供不同粒度的候选，年度综合可以进一步研究它们如何对齐到同一功能问题，以及候选之间是否共享实现条件。56
主题与SAO研究将分类、词语位置、语义关系和专家判断结合。其启发是把机会写成可以被检验的技术命题：什么对象、通过什么作用、在何种条件下实现何种功能。这样的表达便于连接原始证据与后续验证。3
（二）新颖性、突破与涌现具有不同的时间结构
专利文本新颖性研究用自然语言处理测量新颖性和影响，并以多个样本验证、公开代码和数据。技术突破研究则将突破描述为初期新颖且后来逐渐与领域相关。前者提供文本测量工具，后者强调技术地位随时间形成。78
长期涌现研究追踪自动驾驶主题的持续性与周期性延续。与突破视角结合，可以研究某个功能问题反复出现时，技术内容是否发生变化，哪些新知识使旧问题获得新的解决条件。9
年度可将增长、重现和相关性变化对应到技术事件：新增作用关系、使用环境转换、验证方法成熟或接口稳定。事件层面的分析能够帮助解释时间信号背后的知识过程，并为方向判断提供可追溯的依据。
（三）新使用环境把需求变化转化为架构和知识变化
锂离子电池研究用专利族网络分析新使用环境与知识轨迹，讨论不同服务要求下的架构创新、技术不确定性和新主体。它将技术转用落实到使用条件及其带来的设计问题。4
科学与技术衔接研究通过语义相似性连接论文和专利，刻画新兴簇、专利轨道及知识比例。与使用环境相联系，可以研究新的服务要求怎样提出科学解释和工程方案之间的转换任务。10
碳达峰碳中和相关部署强调系统观念以及整体、局部和不同时间尺度的关系。年度技术分析可据此围绕具体功能需求比较路线，追踪各路线的适用条件、系统接口和验证任务，并识别共用的知识基础。11
（四）路线图与实际过程可以形成反馈关系
机会路线图研究以价值主张、技术方案和路线图连接回溯机会与前瞻需求。过程模块化研究则将研发活动表示为随执行变化的网络，比较实际过程与正式阶段。两者共同提供了计划和实施之间的连接方式。1213
年度可把路线图上的任务与实际出现的知识事件对齐，观察哪些依赖被确认、哪些任务因新条件而调整。这样形成的路线图既表达方向，也保存方向如何被证据修订的过程，适合持续支持研究选题。
三、方法与证据如何推进
可建立功能命题及其证据的数据层。每条命题记录作用对象、技术动作、使用条件、目标功能和来源段落，再通过时间关系连接论文、专利、测试及实际设计变化。候选机会可由关系补全生成，并由条件匹配转化为具体任务。
方法创新可以集中在跨来源语义对齐及动态证据更新。论文中的机制、专利中的方案和产品中的服务要求使用不同表达，需要依靠功能和条件建立联系。评价可比较关系抽取、任务映射及时间更新的准确性，并开展后续事件留出检验。
对于周期性出现的主题，可以单独追踪其功能命题的变化，研究技术内容的连续与重组。该分析有助于识别经历长期积累后获得新实现条件的方向。
四、值得集中推进的研究方向
（一）技术功能转用的知识转换机制：基于使用环境与语义关系的研究
1. 重大意义
功能转用是已有技术形成新用途的重要过程。识别使用条件引出的知识转换，有助于发现具有积累基础的新方向，并明确跨场景适配的关键问题。
2. 可能的研究缺口
功能搜索研究识别跨域空白，使用环境研究揭示服务要求与架构变化。进一步可问：哪些功能关系能够保留，哪些条件变化需要新的机制解释、接口和验证方法？14
3. 创新点
拟构建功能命题与使用条件的异构图，以角色对齐和条件差异识别知识转换任务，并比较不同环境下转用路径的共同结构。
4. 研究思路
整理跨用途技术族的论文、专利和测试资料，标注功能、环境及适配任务。对照主题相似度与关系条件模型，评价转用识别和任务补全，并以实际架构变化核对结果。
（二）技术涌现中的问题延续与解决条件重组：基于长期语义事件的研究
1. 重大意义
长期技术方向往往经历反复探索。解释问题延续及解决条件变化，有助于识别值得重新研究的技术问题，以及长期积累开始形成作用的关键节点。
2. 可能的研究缺口
突破研究强调新颖性与后续相关性，涌现研究刻画持续和周期性。进一步可问：反复出现的主题对应哪些持续问题，新知识如何改变其可实现条件？89
3. 创新点
拟以功能命题和验证条件组成时间事件序列，区分问题重现、方案重组及条件成熟，并用事件链解释技术地位的变化。
4. 研究思路
选择长期资料完整的技术领域，标注问题、方案和验证事件。比较词频、主题涌现及事件模型，开展历史分段与时间留出检验，评价关键转折识别及证据解释。
五、年末的研究取舍
年度优先建立功能命题数据，能够同时支撑转用和长期涌现研究。先围绕少量功能问题完成跨来源对齐，再沿时间和使用环境扩展，便于保证关系具有清晰技术含义。
与2020年报相衔接，知识连续性进一步进入语义事件层面。技术路线的调整可以由具体问题、作用关系和验证条件解释，从而形成更直接服务研究选题的材料组织方式。
六、参考文献与信息来源
[1] La-yin WANG; Dong ZHAO. Cross-domain function analysis and trend study in Chinese construction industry based on patent semantic analysis. Technological Forecasting and Social Change, 2021-01（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2020.120331.
[2] Haiying Ren; Yuhui Zhao. Technology opportunity discovery based on constructing, evaluating, and searching knowledge networks. Technovation, 2021-03（年度资料；出版商卷期月份）. DOI: 10.1016/j.technovation.2020.102196.
[3] Tingting Ma; Xiao Zhou; Jia Liu; Zhenkai Lou; Zhaoting Hua; Ruitao Wang. Combining topic modeling and SAO semantic analysis to identify technological opportunities of emerging technologies. Technological Forecasting and Social Change, 2021-12（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2021.121159.
[4] Abhishek Malhotra; Huiting Zhang; Martin Beuse; Tobias Schmidt. How do new use environments influence a technology’s knowledge trajectory? A patent citation network analysis of lithium-ion battery technology. Research Policy, 2021-11（年度资料；出版商卷期月份）. DOI: 10.1016/j.respol.2021.104318.
[5] Jiho Lee; Namuk Ko; Janghyeok Yoon; Changho Son. An approach for discovering firm-specific technology opportunities: Application of link prediction to F-term networks. Technological Forecasting and Social Change, 2021-07（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2021.120746.
[6] Fei Teng; Yuling Sun; Fang Chen; Aning Qin; Qi Zhang. Technology opportunity discovery of proton exchange membrane fuel cells based on generative topographic mapping. Technological Forecasting and Social Change, 2021-08（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2021.120859.
[7] Sam Arts; Jianan Hou; Juan Carlos Gomez. Natural language processing to identify the creation and impact of new technologies in patent text: Code, data, and new measures. Research Policy, 2021-03（年度资料；出版商卷期月份）. DOI: 10.1016/j.respol.2020.104144.
[8] Bixuan Sun; Sergey Kolesnikov; Anna Goldstein; Gabriel Chan. A dynamic approach for identifying technological breakthroughs with an application in solar photovoltaics. Technological Forecasting and Social Change, 2021-04（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2020.120534.
[9] Seokkyun Woo; Jan Youtie; Ingrid Ott; Fenja Scheu. Understanding the long-term emergence of autonomous vehicles technologies. Technological Forecasting and Social Change, 2021-09（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2021.120852.
[10] Carolin Block; Michael Wustmans; Natalie Laibach; Stefanie Bröring. Semantic bridging of patents and scientific publications – The case of an emerging sustainability-oriented technology. Technological Forecasting and Social Change, 2021-06（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2021.120689.
[11] 中共中央; 国务院. 中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见. 中国政府网, 2021-10-24（年度资料；官方公开日；文件成文日期2021-09-22）.
[12] Heeyong Noh; Kyuwoong Kim; Young-Keun Song; Sungjoo Lee. Opportunity-driven technology roadmapping: The case of 5G mobile services. Technological Forecasting and Social Change, 2021-02（年度资料；出版商卷期月份）. DOI: 10.1016/j.techfore.2020.120452.
[13] Pedro Parraguez; Sebastiano A. Piccolo; Marija Majda Perisic; Mario Storga; Anja M. Maier. Process Modularity Over Time: Modeling Process Execution as an Evolving Activity Network. IEEE Transactions on Engineering Management, 2021-12（年度资料；2021年12月卷期；作者机构库记录2019-09-05在线公开）. DOI: 10.1109/tem.2019.2935932.
