当期荐读 2024年第3期 | 动态视域下基于生成式拓扑映射的潜在研发商业化机会识别研究

图源 | Internet

冯立杰^{1, 2}　李鹏月¹　王金凤³
张珂⁴　林国义⁵

1.郑州大学管理学院，郑州，450001；

2.上海海事大学物流工程学院，上海，201306；

3.上海海事大学中国（上海）自贸区供应链研究院，上海，201306；

4.郑州大学信息管理学院，郑州，450001；

5.桂林电子科技大学商学院，桂林，541004

　　创新驱动衍生的商业化活动不断涌现，深刻影响着国家的经济格局及市场活动^[1]。然而，在技术商业化过程中仍存在时弊^[2]。其中，由于技术成果转化过程中缺乏响应市场的变法之道，企业易陷入高研发投入低绩效产出的窘境。虽然专利作为研发投入的重要知识产出，在数量与质量上不断提升，是国家迈向高质量发展的关键推动力，但在实际转化中仍面临市场接受度低、竞争性强等困境。究其根本，技术成果转化需要考虑技术产品或服务进入市场的能力，即商业化潜力^[3]。

　　基于此，如何在复杂的市场环境中精准高效识别出兼具技术先进性与商业化潜力的技术，成为众多学者关注的焦点^[4]。部分学者通过考察用户^[5]或制造商需求^[6]从而建立评价指标与模型以筛选专利成果。事实上，虽然用户或制造商需求信息有助于反映客户实际需求，但难以解读领域内市场与商业布局。同时，部分学者注意到同为知识产权的商标，其文本等数据形式蕴含丰富信息，具有区别于其他商品与服务的作用。不仅如此，商标的数量与质量也是企业商业价值与核心竞争力的体现，在占据市场份额、提升企业竞争力方面发挥着重要作用，是企业开展商业与市场前瞻性布局的重要标识。由此，部分学者利用专利或商标数据结合多元化方法探讨了技术与市场创新之间的关系，但此类研究却较少关注时间与市场趋势变化等因素的影响，忽略了研发商业化过程中市场的动态发展变化，也较少对研发商业化机会进行细粒度的区分从而为企业提供更为精准的发展建议。

　　鉴于此，本研究在前人研究基础上，从动态视域出发，对潜在研发商业化机会进行识别研究，利用GTM模型对不同时段的商标文本数据进行商标空白识别，基于商标空白与专利的文本相似度研判具有潜在商业化价值的技术机会，并依据商标空白演化分析结论将研发商业化机会与企业发展规划相匹配，进而回应技术难以成果化、研发产出难以变现等问题，为企业提高研发商业化成功率进而提高技术创新绩效提供有益的借鉴。

　　研发商业化（Research and Business De-velopment，R&BD）是由Jeong等^[7]针对技术研发成果商业转化率低的痼疾提出的概念，旨在使技术研发与商业开发紧密结合并衍生新产品^[8]，着重解决在技术研发阶段仅考虑技术潜力而忽略对市场潜力进行评估，在技术商业化阶段仅考虑市场竞争与用户需求而忽略技术发展前沿把握等问题。

　　已有学者关注到此概念并展开了相关研究，主要集中在商业机会识别[^3,6-8]与新兴业务领域识别[9]等方面，主要研究工具有LDA模型^[6-7,10]、GTM模型^[3,6-7]、情景分析法^[3,10]、LOF模型^[9]等。然而现有研究大多基于专利或案例数据，对商标数据在研发商业化机会识别中的作用鲜有探讨。商标作为重要知识产权要素，不仅反映了企业的市场战略布局，也具有市场法律效力。有学者认为商标在企业与不同经济部门中的普遍使用可能会使其成为衡量创新活动的更普遍标准^[11]。Jeong等^[7]通过商标文本挖掘，结合专利数据与外观设计专利为企业探索新兴业务领域提供了有效建议。进一步，吴菲菲等^[3]利用情景分析法，实现了专利与商标空白点之间的不同映射情景的探索分析与策略制定。然而，前述研究大多止步于静态截面信息，忽视了商业环境、市场背景等动态因素的影响，尤其是较少关注市场空白与关联技术的动态变化趋势，少见在动态视域下开展研发商业化机会识别与适配问题的研究，由此或导致企业无法适应市场环境变化。

　　因此，本文利用动态视角下商标空白主题的演化分析来实现研发商业化机会与企业创新规划的匹配，旨在完善现有技术商业化研究，为实现企业高效靶向技术创新提供参考。

　　生成式拓扑映射（Generative Topographic Mapping，GTM）作为一种广泛用于分类、聚类及可视化的算法或潜在变量模型^[12-13]，由于其克服了主观识别与解释技术的不足，因此常被用于技术机会识别。具体原理是，将n维技术特征词导入GTM模型中，实现n维矢量至二维空间的降维，使得每项技术数据被映射至一个二维平面中。其中，生成地图中的特定点表示技术领域内已存在的技术，技术领域内的空白区域即被视为潜在技术机会^[14]。在此基础上，通过设置阈值将特征词向量转化为二进制形式，实现GTM的逆映射，进而实现对潜在技术机会的解读。

　　GTM算法已被广泛用于专利真空研发以及商业化区域的识别^[3,5-7]，旨在弥补侧重主观识别而客观性不足的识别方法缺陷。Yoon等^[13]、Teng等^[14]及桂美增和许学国^[15-16]将GTM模型分别与链路预测、自然语言处理或Bert-LSTM文本分类模型相融合，实现了前沿技术机会的识别与预测。然而，上述研究均基于文本关键词开展机会识别，分析粒度相对较粗，难以最大化情报分析的功能性与应用性。而商标文本通常由多项单词、短语组合构成，用以标识商品或服务的差异性并表明其商品或服务的来源^[9]。

　　因此，本文利用GTM模型基于商标文本数据特征，利用单词或短语文本形式的商标词段代替传统商标关键词以展开商标空白点的探究，有利于提高技术、功能的表达准确度并加强细粒度语义分析效果，进而提升研发商业化创新的精准性。

兼具技术创新性与商业化潜力的研发商业化方向被视为潜在的研发商业化机会。专利与商标作为知识产权的重要组成部分，前者包含技术研发活动的时间序列信息，后者则包含直接或间接进入市场活动的时间序列信息^[17]，并可反映企业的商业规划图景。由此，商标空白与专利之间的关联研究成为实现技术研发与商业化过程有机结合的关键。本文从动态视角出发，以时间序列为变量，基于GTM模型识别不同时期的商标空白点，利用商标空白点与现有专利之间的映射关系识别不同类型的潜在研发商业化机会。研究框架如图1所示，其中横向箭头表示不同的研究阶段，竖向箭头表示各阶段的方法和步骤。

　　专利是体现技术研发活动信息的重要数据来源，而商标文本数据能更好地捕捉创新活动，分析商标数据能够提供企业创新活动中更为完整的图景^[17]。由此，本文利用商标和专利双源数据开展研究，并分别从USPTO知识产权数据库与德温特（DII）专利数据库中获取两类数据，将抽取后的商标产品与服务文本、专利摘要文本作为后续分析的数据集。

　　在数据预处理方面，为保证数据集的可靠性及分析工作的顺利进行，筛除无关及重复的数据项。为跟踪和呈现商标空白的动态变化情况，将筛选后的商标和专利文本数据划分为n段等时间窗口。

该过程主要包括词篇矩阵建立、商标地图构建及商标空白点识别。

　　首先，构建商标词篇矩阵。本文依照商标文本数据的特征，将商标文本分解成描述每一项产品或服务的单词或短语得到若干条商标词段（如electric and electronic video surveillance installations），以实现细粒度表征企业所提供的产品或服务的业务要素，再统计商标词段出现的频率，并剔除与该领域相关度不高的商标词段，进而将筛选后的词段构建商标词篇矩阵，其中，“1”表示商标文本中包含该词段，“0”表示不包含该词段，该结果表征了企业对应的业务。

　　其次，构建商标地图。将建立的商标词篇矩阵导入MATLAB中的GTM模型，通过对参数调整以构建商标地图^[3]，如图2所示。其中，横纵轴代表二维潜变量空间的两个维度；“○”表示商标词段在此二维潜变量空间中的映射，代表着市场上已开展的相关业务要素；空白处则表示商标数据在潜变量空间中没有数据与之对应，即为商标空白点，反映了尚未投放新产品或服务的市场机会。

　　再次，通过图2中GTM模型的逆映射过程实现空白点与商标词段的对应，确定该商标空白点涉及产品或服务的内容与特性。Yoon等^[7]与许学国等^[16]的研究，生成的地图中三面已有相邻点的空白点很有可能发展成为与未来技术有关的产品或服务的发展方向。有鉴于此，本文选取三面均有相邻点的空白点进行逆映射。逆映射过程如图3所示。

　　在图3中，将筛选后的空白点转换为表示概率的向量形式，并设置阈值将商标空白向量转换为二进制数值，其中高于阈值的为“1”，低于阈值的则为“0”。根据得到的二进制矩阵可获得每个商标空白点对应的商标词段，即商标空白词段，进而明确该商标空白点所涉及产品或服务的内容与特性。

　　最后，基于获得的商标空白词段，将商标空白词段对应的产品或服务描述为商标空白主题词段，以表征该空白点涉及的内容及功能，为后续商标空白主题演化分析奠定基础。

　　经由目标领域的动态数据集合可探究主题内容的演化态势和发展规律^[18-20]，本文通过语义相似度计算确定商业空白主题演化路径，以词段在时期内出现频次为主题重要度指标，探究商标空白点在目标领域内某时期的重要度以及发展趋^[19-21]。

　　基于已有研究成果^[20-21]，本文将商标空白主题随不同时期演化的类型划分为消亡、分化、继承、融合与新生五类，具体含义见表1。

　　潜在研发商业化机会不仅应在技术上具有创新性，而且应在市场中具备商业化潜力。本文采用余弦相似度方法^[22]计算各时期内商标空白主题词段与现有专利之间的文本相似度，并依据商标空白的主题演化分析结果为企业匹配研发商业化机会，进而实现潜在研发商业化机会的精准识别。具体步骤如下：

　　首先，利用自然语言处理工具BERT模型将各时期内表征商业产品或服务的商标空白主题词段与专利文本转化为向量形式。相较于单向语言模型，使用双向训练的BERT模型对语境的理解更为深刻^[23]。

　　其次，利用余弦相似度公式来计算商标词段与专利之间的文本相似度：

式中，A表示商标词段向量，B表示专利文本向量，sim(A,B) 表示商标词段与专利文本间的余弦相似度，其取值范围在-1到1之间，计算结果越接近1，表示文本间相似度越高。

最后，综合前述相似度计算结果与领域专家意见，选取具备高商业价值的专利作为开展商业化的参考，进而抉择出潜在研发商业化机会。针对不同类型的研发商业化机会，本文结合企业实际确定发展方向的优先级，将市场演化趋势与企业创新规划进行匹配。

　　由此，除消亡类型的研发商业化机会外，本文为不同类型的研发商业化机会匹配不同的创新规划：

　　一是针对继承类型。该类机会所属主题在不同时期均具有一定程度的关联性，技术相对成熟且具有规模化市场需求，其演化特征通常表现为产品或服务功能不断升级并发生技术迭代，创新风险较低。因此，适合已具备较强技术优势及较完备市场渠道的企业开展中短期创新规划。

　　二是针对分化与融合类型。该类机会所属主题与不同时期的主题均存在一定相似性，具备一定的技术基础与市场关联度，其演化特征通常表现为产品或服务具有独立与整合的倾向，创新风险较低。因此，适合已具备一定技术基础与较强市场开拓能力的企业开展中短期创新规划。

　　三是针对新生类型。该类型的研发商业化机会是企业进行市场开发的重点。由于该类机会所属主题与前期主题关联性较低，大多存在技术支撑不足以及实现市场化难等问题，其演化特征通常表现为难以填补商标空白，且大多需要跨越市场技术壁垒并涉足新领域，要求企业必须具有良好的技术研发和市场开拓能力以及充足的资源，创新风险较高。因此，适合纳入企业的长期战略规划。

随着生活方式的改变，人们越来越注重舒适化、智能化和个性化的居家生活。加之物联网技术等支撑信息交互技术的飞速发展，智能家居打破了产业边界的差异化竞争模式，能够满足现代不同人群居家的多方面需求。由此可见，智能家居系统是具备发展潜力的蓝海市场，亟需通过对潜在商业化机会的精准挖掘，为企业获取商业竞争优势、抢占市场份额提供科学的参考依据。

由于2013—2021年间智能家居系统领域正处于发展上升期，本文将该时段作为检索范围，并将其划分为2013—2015，2016—2018，2019—2021三段时期。接着，以智能家居系统领域为检索范围，分别检索到相关在存商标3380项与有效专利3969项，在筛除无关及重复数据项后，得到可作为后续分析数据集的商标文本2970项、专利文本3186项；最后，将筛选后的商标和专利文本归至三段时期，详见表2。

首先，对商标文本进行预处理，分词后选取出现频次大于10的商标词段与商标文本建立商标词篇矩阵。

　　其次，将智能家居系统商标词篇矩阵输入到拓扑映射模型中，构建不同时期的商标地图。考虑到不同时段的数据量差异，本文参考以往研究，三段时期的商标数据依次选用30*30维、53*53维及55*55维的高斯函数为基函数，矩阵中每个函数的中心均分别位于30*30、53*53及55*55的网格中，基函数的宽度值为两个相邻函数最短距离的1.3倍，正则化参数设为0.005^[15]。依此生成智能家居系统三时期的商标地图^[3]，分别如图4-a、图4-b和图4-c所示。

　　由图4可以看出，动态视域下智能家居系统领域的空白点逐步被新商标所涉及的产品或服务填补。与此同时，随着智能家居系统领域覆盖范围的不断扩大，其产品或服务的划分也更为细致，进而产生了新的商标空白，即智能家居系统领域内整体呈现空白减少、不断细化的趋势。

　　最后，将三面均有相邻点的空白点进行逆映射，以得到智能家居系统的商标词段来表征各时期商标空白的主题。具体操作是将三段时期内的三面均有相邻点的商标空白点分别逆向映射至数据空间进行分析，得到商标空白对应商标词段向量的概率形式；然后在此基础上借鉴以往研究^[3]将阈值设置为0.3，将以概率形式表示的商标文本及商标词段转换为二进制矩阵，进而确定不同时期内商标空白点与商标词段之间的对应关系及主题表征，详见表3。

通过计算相邻时期商标空白内商标词段的语义关联度，确定商标空白主题演化路径并绘制商标空白主题演化过程图，如图5所示。

由图5可以看出，智能家居系统领域内的空白主题在三个时期产生了不同的演化路径，具体阐释如下：

　　一是消亡。在线支付、在线协作互动等商标空白主题在时期二内消亡，表明该商业空白被填补或被其他产品或服务所替代。其中，如演化路径T1-1代表的在线支付空白主题的消亡，可能是由于技术进步与用户需求变动，致使该商业空白逐渐被填补。

　　二是分化。由演化路径T_1-4-T_2-11-T_3-8、T_3-10可知，时期一内的远程控制空白主题在时期三内分化为智能监控、远程控制与管理两个商标空白主题，表明在技术发展、市场导向及消费者需求变动下该主题分解成为两个独立的空白主题。显然，智能家居在技术发展中逐渐趋向网络化、平台化、数字化、协同化和智能化，由早期的独立运作发展到功能模块化、集成系统的协调控制，从而为用户创造更便捷高效的家居环境。

　　三是继承。环境监测、数据传输与交换等商标空白主题在三个时期内均存在，表明该类商标空白主题为关键主题，始终存在亟待填补的商业空白。其中，如演化路径T_1-7-T_2-1-T_3-12所示的家庭网络电子安防主题在三个时期内的重要度逐年提升。伴随着信息网络和无线电等相关支持技术的发展，加之人们对安全家居的愈发重视，家庭智能安防系统的重要性日渐提升，并呈现出市场需求大于供给的特征。

　　四是融合。由演化路径T_1-12、T_1-15-T_2-12-T_3-13可知，电传感器与电力监测、能源管理两个商标空白主题在时期二内融合为能源监测与管理空白主题，尽管重要度也在提升，但尚未引起市场重视。显然，伴随着家电产品朝着网络化、信息化和智能化方向的发展，能源检测与管理也将逐渐成为消费者的关注点，体现了智能家居系统的集成化、综合化、系统化与节能化发展趋势。

　　五是新生。物联网服务、虚拟现实等商标空白主题在发展中新生，表明在消费者的需求日益多样化以及相关技术的支持下，产品或服务响应客户需求必然不断催生出新的类型与功能，此类空白主题起初未必会引起企业的重视，但在市场开拓中却极具商业潜力。其中，如演化路径T_2-14-T_3-9中新生了物联网服务空白主题，是由于智能家居系统在向集成化和信息化方向发展过程中，物联网服务能够提供一站式智能物联网支撑，具备数据采集、数据解析与计算等能力，实现终端与云端的双向通信，这是智能家居发展的大势所趋。

基于上述商标空白主题的演化分析结果，本文筛选出了与各商标空白主题词段相似度较高的专利作为识别潜在研发商业化机会的参考依据，进而将识别出的18个具有高商业化潜力的发展方向作为智能家居系统领域内的研发商业化机会，详见表4。可以看出，智能家居系统的潜在研发商业化机会主要集中在虚拟现实、家用能源的智能监测与管理等主题，覆盖了消费者的安全、办公、生活等多方面需求，针对上述需求加大研发力度，有利于企业在激烈的智能家居市场竞争中占据优势地位。

　　此外，针对智能家居系统企业所拥有的技术基础、市场开拓能力和抗风险能力等的不同，可分别选择继承、分化或融合、新生演化类型的商标空白主题开展创新规划。

　　一是当企业具备较强的技术优势及较完备的市场渠道时，可选择继承类型的研发商业化机会。利用已有领域优势，深入挖掘声音识别、再现、传输等领域的商标空白主题，以语音智能处理、识别等相关技术为支撑提升动态指令的精准性，进而优化用户与智能家居之间的交互性、服务与情感质量，实现经济收益的增长。

　　二是当企业具备一定的技术基础与市场开拓能力时，可选择分化或融合类型的研发商业化机会开展创新。以家用能源的智能监测与管理空白主题为例，其所覆盖的家用能源使用量监测技术、能源自适应调整技术、能源数据储存、计算及智能优化节约技术等，可以实现智能与数据驱动下的节能目的。

　　三是当企业自身实力与抗风险能力较强且资源充足时，可考虑选择新生类型的研发商业化机会进行突破性创新。以虚拟现实主题为例，通过空间定位与建图、光学显示、远程访问控制、人机识别交互等高新技术的融合，不仅能为普通用户提供优质的视觉影像与居住体验，也能通过动作捕捉、视觉提取等技术助力残疾人及特殊家庭提高生活质量。然而，实现虚拟现实的商业化发展需要企业长期战略规划和全方位资源投入。

　　《2023年中国智能家居（AIoH）发展白皮书》^[24]明确了智能家居云平台作为未来链接智能家居系统的中间枢纽，其运行基于设备的传感交互实现数据收集与互联，利用信息数据库调用与存储电子数据，借用AI算法软件实现数据的智能利用与行为学习，最后根据智能决策结果向设备自主分发指令，助力实现家居终端的统筹调度与自主智能决策。报告还指出，智能家居服务未来将进一步扩大感知范围与信息数量，利用计算机视觉、声音处理等关键感知技术，结合时间、环境空间等数据发展趋势，实现全面智能服务价值的最大化。《2025中国高端智能家居生活场景白皮书》^[25]同样也强调人工智能、数据管理、体感交互等关键技术的充分整合应用，同时还预测，智能家居行业或将通过虚拟现实技术打破界面限制实现消费者与产品的全方位感知与交互，成为智能家居系统的发展新趋势。上述报告的研究结果为本文识别智能家居系统研发商业化机会提供了有力支撑，验证了本文研究方法的可行性与有效性。

　　本文基于动态视域提出了一种综合运用商标及专利文本数据，以市场为导向识别潜在研发商业化机会的方法，同时结合对商业方向的演化分析，为不同企业提出了针对性的创新规划。研究贡献主要体现在以下两个层面：

　　一是针对商标空白的主题演化分析。研究从动态视角出发，围绕目标行业领域的商标空白进行了演化路径分析，实现了企业对行业发展趋势以及外部环境的有效把控与高效追踪，为企业实现技术商业化提供了纵向的、完整的决策理论依据。二是针对潜在研发商业化机会的识别。通过融入商标空白的演化分析结果，实现了创新机会与不同企业创新规划之间的靶向选择与精准匹配，为企业科学合理地选择商业化方向，妥善降低技术商业化失败率，进而提升创新绩效提供了有益借鉴。

制版编辑 | 周凡倩

审核 | 于   媛

长按识别二维码关注我们