好的，作为一名资深学术助手，我已对您提供的这80篇于2025-2026年间发表的论文信息进行了深入分析。这些论文虽然关键词多指向专利分析、大模型等技术领域，但其实际内容广泛分布于企业管理、环境政策、医学、信息技术等多个交叉领域，鲜有直接以专利数据为研究对象的“硬核”技术分析类文献。这种差异本身就构成了一种重要的学术观察：专利相关技术（如文本挖掘、知识图谱、大模型）正作为强大的方法论工具，被快速吸收并应用于更广泛的社会经济问题研究中。

以下是我的系统分析报告。

I. 主题归纳

本期论文主题高度分散，关键词的指示作用与实际研究内容存在显著偏差。根据论文的实际研究内容与所应用的核心技术方法，可将其归纳为以下三类主要研究方向：

1. 社会经济与组织管理的数字化转型研究（主流方向）： 这是本期论文最集中的领域。研究普遍采用专利文本挖掘、自然语言处理、机器学习等方法，从公司年报、社会责任报告、管理层讨论等非结构化文本中构建指标（如数字化程度、绿色创新、气候风险感知），进而分析其对企业绩效、创新、供应链韧性、ESG表现等的影响。这标志着专利分析方法论（以文本挖掘为代表）的“外溢”和普及。

2. 前沿技术与特定领域的交叉应用探索： 主要关注大模型（LLM）和知识图谱（KG） 在特定垂直领域的应用潜力与挑战。例如，在法律、教育、化学合成、显微镜学、国际贸易等领域，探讨这些技术如何重构工作流程、辅助决策或生成新知识。这些研究多为前瞻性视角或概念框架，实证研究相对较少。

3. 特定技术趋势分析与预测（零星分布）： 极少数论文直接以专利数据为分析对象，进行技术预测或进化分析。例如，有研究利用专利分析电化学储能关键技术，或通过行业-大学-研究合作专利分析新能源汽车产业创新网络。这些是更贴近传统专利情报分析的研究。

期刊情况统计与特点：

• 高发文量期刊群： MDPI旗下的 《Sustainability》（7篇）、《Systems》（5篇）、《Information》（1篇）等综合性开放获取期刊是本期论文的主要发表阵地。它们特点是 “广而快” ，主题包容性强，鼓励跨学科研究，尤其欢迎应用数据科学方法（如文本挖掘、机器学习）解决社会经济可持续性问题的稿件。
• 专业领域期刊： 如 《Strategic Management Journal》（2篇）、《Corporate Social Responsibility and Environmental Management》、《Business Strategy and the Environment》等管理学期刊，代表了相关研究在主流学术圈的认可。它们的特点是 “深而严” ，对理论贡献和实证严谨性要求高。
• 新兴技术应用期刊： 如 Frontiers 系列（医学、环境科学、物理学等）、《npj Digital Medicine》、《Communications Chemistry》等，体现了AI、KG等技术与生命科学、材料科学、环境科学等传统领域的前沿交叉。
• 区域性/专业会议期刊： 如《Advances in Economics Management and Political Sciences》、《International Journal of Advanced Computer Science and Applications》等，发表了大量应用性研究，特点是出版周期短，但学术严谨性参差不齐。

本周期新兴方法论：
最突出的新兴方法论是 “大模型（LLM）作为分析工具与增强组件的普及化探讨” 。尽管直接以专利数据训练或微调LLM的论文未在本次样本中出现，但多篇论文深入探讨了LLM在专业领域（法律、教育、化学、设计）中作为研究助手、内容生成器或与知识图谱结合的“语义增强引擎”的潜力、局限与伦理挑战（如[31, 32, 48, 50, 75]）。这表明，学术界正从“能否用”转向“如何用好、如何负责地用”LLM进行知识发现和创新辅助。

II. 发展趋势

1. 数据分析深度与对象的演进：从“专利”到“一切文本”，多模态初现端倪

   • 传统路径（样本中体现不充分）： 结构化信息（IPC分类号）→ 摘要 → 权利要求/全文。本期直接从事此类经典专利全文挖掘的研究极少。
   • 当前显著趋势（样本中主流）： 分析对象已从专利文本扩展到更广泛的企业与社会文本，如年报、MD&A、可持续发展报告、新闻、学术论文、政策文件等。研究深度体现在利用NLP技术从海量非结构化文本中抽取潜变量，构建高质量的量化指标。
   • 前沿方向（样本中有所体现）： 图文多模态分析开始受到关注。例如，[36]结合图像与光谱数据，[44]探讨LLM用于显微镜图像分析。虽然未直接涉及专利图纸，但这代表了技术分析向多模态发展的趋势。

2. 技术表征物研究的演进：从识别到影响机制

   • 传统专利分析侧重于识别关键技术、核心专利或技术轨道。
   • 本期论文展现的趋势是，将“技术”（如AI、数字技术、绿色技术）本身作为自变量或调节变量，研究其如何影响“创新”（尤其是绿色创新、颠覆性创新）、企业竞争力、供应链韧性乃至社会公平（如性别就业）。研究焦点从“技术是什么”转向 “技术如何产生经济社会影响” ，特别是应对“卡脖子”技术挑战（如[69]提及）和推动可持续发展的作用机制。

3. 与新技术的交叉融合：方法论的深度融合

   • 与大模型的融合： 不再是简单的工具使用，而是探讨LLM与现有工作流的深度整合（[20]）、LLM与知识图谱的协同（[31, 47]）、以及LLM带来的认识论挑战（[32]）。
   • 与知识图谱的融合： KG的应用从单纯的实体关系展示，升级为支持推理、预测和决策的动态系统。例如，与强化学习结合预测经济趋势（[10]），作为证据整合框架指导临床决策（[47]），或衡量企业智力资本的系统性（[4]）。
   • 与复杂网络/图神经网络的融合： 用于分析创新网络（[21]）、融合多源数据（[60]），揭示技术融合与扩散的结构性规律。

III. 研究脉络中的推进情况

1. 核心研究脉络：技术计量学 → 创新经济学 → 负责任创新与可持续发展

   • 早期（技术计量学）： 关注专利数据的统计学特征、引文网络、技术生命周期。
   • 发展期（创新经济学与管理学）： 将专利作为创新产出的代理变量，研究其与研发投入、企业战略、产业集群、经济增长的关系。
   • 本期论文的推进位置： 绝大多数论文处于 “负责任创新与可持续发展” 这一前沿脉络。它们将专利相关方法论（文本挖掘）与新兴技术实体（AI、数字技术）相结合，核心研究问题是：这些技术如何驱动（绿色）创新？如何影响企业（ESG）绩效和社会（包容性）发展？如何通过政策与管理手段引导其向善？例如，[5, 28, 41, 58, 66]等文均围绕此核心。

2. 标志性方法突破或数据集贡献：

   • 方法突破： 本期未见革命性的新算法。主要突破体现在方法论的“标准化”和“工程化”应用，即将成熟的NLP、机器学习、网络分析技术，系统性地应用于构建企业级、行业级甚至国家级的复杂指标（如数字化程度、气候风险指数、NQPF指数），并严谨地用于因果推断（如多期DID）。
   • 数据集贡献： 研究多依赖于公开的上市公司数据、统计年鉴和自爬取的文本数据。未出现大规模、高质量、开源的专利分析专用数据集的构建工作。这或许是一个被忽略的贡献点。少量研究（如[21, 43]）在特定领域（新能源汽车、储能）构建了专有的专利数据集，但未公开。

IV. 研究空白、期刊特征、后续选题

研究空白：

1. 专利多模态分析的深度缺失： 几乎所有涉及专利的研究都只利用了文本数据，专利图纸、图表、化学结构式等富信息载体被严重忽视。如何利用计算机视觉、图神经网络解析这些非文本信息，并与文本语义融合，是巨大的蓝海。

2. 大模型与专利分析的真实验合不足： 目前讨论多停留在LLM的通用潜力上。专门针对专利语言特点（法律性、技术性、前瞻性）进行预训练或微调的领域大模型（如“Patent-LLM”）研究，及其在专利质量评估、权利要求扩写、技术空当探测中的具体应用，非常稀缺。

3. 基于专利的颠覆性技术早期预测方法学薄弱： 现有研究多从事后视角分析颠覆性创新。如何利用专利文本的“非常规性”、“知识组合新颖性”等语义特征，结合引证网络的异常模式，构建可解释的早期预警模型，仍是挑战。

4. 全球南方视角与包容性创新图谱缺失： 专利数据和研究长期以美、欧、日、中为主导。针对非洲、拉美、东南亚等地区的本土创新、非正规创新、适应性创新如何被专利体系表征或遗漏，以及如何利用替代数据源进行补充分析，是重要的政策研究空白。

期刊特征（对投稿的启示）：

• 《Technological Forecasting & Social Change》： 是本次样本中[18]的发表地，是技术预测与创新管理领域的顶刊。青睐将扎实的定量方法（专利分析、文本挖掘、网络科学）与深刻的社会经济问题（技术融合、机会发现、政策影响）相结合的研究。
• 《Research Policy》： 虽未在样本中出现，但它是创新研究领域的绝对旗舰。偏好理论驱动、方法严谨、具有重大政策启示的实证研究。前述“研究空白”中的选题若能在理论构建和实证深度上达到要求，适合投往此刊。
• 《Journal of Informetrics》/《Scientometrics》： 信息计量学传统强刊。如果研究侧重于专利计量方法本身的创新（如新的指标、网络算法、可视化技术），或对大规模专利数据的宏观规律进行探索，这是合适的选择。
• 《Big Data & Society》/《MIS Quarterly》： 前者关注数字技术的社会层面，后者是信息系统的顶级期刊。如果研究深入探讨AI、大数据分析工具（如Patent BERT）在组织内部采纳、使用及其带来的管理变革、伦理冲突，可考虑这类期刊。

后续选题建议：

1. 【经济管理交叉】 “绿色迷雾”还是“绿色实干”？——基于专利与年报文本双视角的企业绿色创新真实性判别与市场反应研究。结合绿色专利数据和企业环境信息披露文本，构建“绿色创新言行一致性”指标，考察其对企业估值、融资成本的影响，并识别驱动因素。

2. 【公共政策交叉】 绘制“卡脖子”技术的国际依赖图谱：基于全球专利许可与诉讼数据的网络分析与风险预警。利用专利转移、许可、诉讼和引证数据，构建关键技术领域的全球供应-依赖网络，识别中国产业链的脆弱节点，并为“补链强链”政策提供靶向建议。

3. 【情报学方法创新】 Patent-GPT：面向化学与生物医药领域的多模态专利大模型构建与应用。训练能够同时理解专利文本、化学结构式（SMILES）和生物序列的领域大模型，用于自动生成实验方案摘要、预测专利可授权性、发现跨领域技术融合机会。

4. 【可持续发展交叉】 非正规创新与可持续发展目标（SDGs）：基于发展中国家传统知识、实用新型专利及替代数据的测绘研究。针对非洲等地区，利用非专利文献、项目报告、访谈文本等，结合NLP和知识图谱，分析本土创新如何解决当地的水资源、农业、健康等SDG相关挑战，及其与全球知识产权体系的互动。

V. 参考文献列表

[1] Hui Zhang. Specialized nursing improves clinical outcomes in pediatric AKI patients undergoing CRRT: a retrospective cohort study. 《American Journal of Translational Research》, 2026. https://doi.org/10.62347/wgqu7732
[2] Jingyu He, Qiyun Fang, Ping Wei. AI Technology Intensity, Gendered Labor Structure and Gender-Inclusive Sustainable Development: A Firm–Household Model and Panel Evidence from 58 Countries. 《Sustainability》, 2026. https://www.mdpi.com/2071-1050/18/2/1105/pdf?version=1769008096
[3] XU Xiangxian, LIU Li, GUO Shanfeng, MA Kun, WANG Youjin, SHAO Zefeng. Individualized interventional treatment strategy selection and efficacy analysis for visceral artery aneurysms. 《SHILAP Revista de lepidopterología》, 2026. https://doaj.org/article/cc19d3627c5f4c0e9bec4c5af15a0c09
[18] Guillermo Honores-Marín, Alireza Nemati, Maxwell Chipulu. From patents to predictive analytics: Leveraging R-GCNs for technological opportunity discovery in converging industries. 《Technological Forecasting and Social Change》, 2026. https://doi.org/10.1016/j.techfore.2026.124613
[21] Tao Ma, Luqing Shi, Xinxin Zhang. Structure and Influencing Factors of the Industry–University–Research Collaborative Innovation Network in China’s New Energy Vehicle Industry. 《World Electric Vehicle Journal》, 2026. https://www.mdpi.com/2032-6653/17/3/135/pdf?version=1772791226
[43] Quande Qin, Zhixin Cai, Zhibin Wen, Junting Zhang, Bi Fan. Bridging technology and market: A global patent-based framework for identifying key technologies in electrochemical energy storage. 《Journal of Energy Storage》, 2026. https://doi.org/10.1016/j.est.2026.121165
[46] Xirong Shen. How to grow new applications out of old research? Evidence from firm cumulative investments in deep learning. 《Strategic Management Journal》, 2026. https://onlinelibrary.wiley.com/doi/pdfdirect/10.1002/smj.70045
[70] Riccardo Crescenzi, Roberto Ganau. When the rain comes, don’t stay at home! Regional innovation and FDI in the aftermath of the Great Recession. 《Regional Studies》, 2025. https://doi.org/10.1080/00343404.2025.2503967
[73] Juan Bu, Aurora Genin. Pollution havens versus gates of hell: Environmental pollution and multinationals‘ foreign investment. 《Strategic Management Journal》, 2025. https://onlinelibrary.wiley.com/doi/pdfdirect/10.1002/smj.70039

（注：以上仅列出部分在分析中具有代表性的、且相对更贴近专利与技术分析核心领域的文献。完整的80篇列表已包含在输入数据中。）