摘要：[目的/意义]基于文献计量学的新兴技术预测方法能够避免现有德尔菲法的专家依赖性,但是文献所属技术领域的划分仍需依据领域知识设计复杂的检索式。[方法/过程]提出了一种基于机器学习和时间序列预测的新兴技术预测方法,LDA主题模型与SVM(支持向量机)分类模型连用的机器学习方法解决了海量论文摘要数据按照新兴技术类别的多分类,通过ARIMA(差分自回归移动平均模型)模型对时序论文未来数量的预测,分析以技术为驱动力的新兴技术发展趋势。[结果/结论]最后,以机器人技术为例,提取Web of Science(WOS)论文数据库上万条数据,对7个新兴领域发展趋势进行预测,为新兴技术预测工作提供有益的数据和方法支持。

摘要：[目的/意义]技术融合是新兴产业形成和发展的驱动力,而知识融合是技术融合的前提,对知识融合过程进行研究,对于引导新兴产业形成和发展具有重要意义。[方法/过程]首先根据现有的研究构建一个采用论文引用网络表征知识融合过程的理论模型,其次根据知识融合过程每个阶段论文引用网络的特征设计验证方法,最后以融合新兴生物信息领域为例进行实证分析。[结果/结论]生物信息领域的实证分析结果表明理论模型的有效性,可为研究知识融合过程提供一种新的方法。