摘要
颠覆性技术是推动经济发展和科技创新的关键力量，准确识别颠覆性技术对制定政策、突破技术封锁具有重要意义。然而，当前颠覆性技术识别研究存在两点不足，一是，忽视了技术主题在专利数据中的活跃度与发展趋势，即“主题强度”的量化分析；二是，缺乏基于专利文本语义的深度挖掘分析与潜在颠覆性特征的有效识别。
本文提出一种组合方法，使用BERTopic 算法进行主题聚类，并计算主题强度，测度技术主题的突变性；使用DTM （dynamic topic model）得到各个主题在不同年份的分布情况，运用BERT （bidirectional encoder representations from transformers）大语言模型计算技术主题间相似度，结合Otsu 法和分位数法计算阈值，测度技术主题的新颖性。
最后，以集成电路产业为例，应用上述组合方法分析集成电路产业中的颠覆性技术，并结合Attention-based LSTM （long short-term memory）模型进行预测。对比实验结果表明，本文提出的方法因充分考虑了深度语义信息，能更有效地识别近期涌现的颠覆性技术，而且预测模型的准确性与适用性均有显著提升，可为相关领域的科技决策提供更为可靠的情报支持。
