Knowledge Management Forum >

2025 , Vol. 10 >Issue 1: 64 - 78

DOI: https://doi.org/10.13266/j.issn.2095-5472.2025.005

Research on Topic Analysis and Trends of Green Development Technologies Based on Patent Mining

  • Xiang Shang ,
  • Liu Sisi
Expand
  • School of Public Administration, Xiangtan University Xiangtan 411105

Xiang Shang, lecturer, PhD;

Liu Sisi, undergraduate student, corresponding author, E-mail: .

Received date: 2025-01-17

  Online published: 2025-04-28

Fold

Abstract

[Purpose/Significance] To identify key technological areas for green development, predict technology evolution trends, and provide a scientific basis for technological innovation, policy formulation, and sustainable development. [Method/Process] Data from the patsnap patent database was used as the sample source. Techniques such as TF-IDF, LDA topic modeling, and perplexity were applied to explore the distribution of topic terms and extract key themes. Additionally, semantic network topic clustering was conducted to achieve technological association analysis, comprehensively analyzing the current status and trends within the patent data. [Results/Conclusion] The research reveals that green development technology is in the early stages of maturity. Patent topics can be classified into seven categories: green production technology, green building construction technology, motor drive technology, etc. The development direction involves a comprehensive transformation from single technologies to system integration, from resource-efficient utilization to circular economy, from traditional energy to renewable energy, and from single environmental governance to integrated ecological management. By analyzing the current status of green development technology from a systematic perspective and exploring its development trends, this article provides valuable insights for the advancement of related technologies in this field.

Key words： green development; patent mining; Latent Dirichlet Allocation(LDA) topic model; future prospect

Cite this article

Xiang Shang , Liu Sisi . Research on Topic Analysis and Trends of Green Development Technologies Based on Patent Mining[J]. Knowledge Management Forum, 2025 , 10(1) : 64 -78 . DOI: 10.13266/j.issn.2095-5472.2025.005

1 引言/ Introduction

绿色发展作为解决全球变暖问题的最终可行策略，已成为生态现代化发展的主流趋势，是实现可持续、高质量发展的重要实践路径。“十四五”规划指出，坚持生态优先、绿色发展，要实施绿色技术创新攻关行动，大力发展绿色经济[1]。以节能减排、产业转型为导向的技术推广为绿色发展提供源动力，污染防治、清洁能源生产、重点行业绿色化改造等均需要绿色技术的支撑。总体上，绿色发展技术主要特征是环保性、节能性、循环性等，这些特征共同构成了绿色发展技术的核心竞争力和社会价值。然而，绿色发展作为国家发展战略，涉及交叉融合产业的转型与优化，相关专利技术多样冗杂且创新趋势并不明晰，不利于科技部门及企业的研发投入规划。专利数据能够覆盖全球90%以上的科学技术信息[2]，是掌握绿色发展领域科技竞争情报的有力渠道，是衡量绿色发展领域科技发展的重要指标。基于此，本文旨在通过深入分析绿色发展技术领域的专利数据，从专利计量分析、技术主题提炼以及技术关联探索这3个维度，梳理当前绿色发展技术现状及发展趋势，从而为政府制定相关战略政策、企业推进技术创新与转型升级提供有益参考。

2 研究回顾/ Research review

2.1 绿色发展技术

在理论研究方面，国务院新闻办公室于2023年1月19日发布的《新时代的中国绿色发展》白皮书全面阐述中国绿色发展理念、实践与成效，强调加快新兴技术与传统产业深度融合，从而构建绿色低碳循环发展的经济体系[3]。学界也对先进科技助力绿色发展进行了深入探讨。刘朝提出，数智化技术通过促进产业绿色化，使企业实现全生命周期绿色化[4]。刘伊曼等从生态伦理的视角对绿色发展技术进行理论分析，指出技术创新为绿色发展提供了持续动力[5]。周杰琦等探究发现，人工智能主要通过技术赋能和产业结构优化实现其绿色发展效应[6]。孙越等基于技术视角对绿色发展内涵、作用、特质等进行阐述，为中国特色“五位一体”建设提供理论支撑[7]。李悦昭等将绿色发展技术分为清洁生产、节能减排、环境科技、生态补偿4大类别，指出其具有污染少、效率高、速度快等特点[8]。
在实践应用方面，学者们重点关注先进技术对产业和区域绿色发展的影响。例如，有研究通过不同类型专利数据衡量实质性和策略性创新类型，发现不同创新类型对制造企业环境和能源绩效具有异质影响[9]；另有研究考察了黄河流域技术进步对资源型城市绿色发展的非线性关系[10]；还有学者以长江经济带三大城市群为研究对象，探讨技术创新及合作对其绿色发展的空间联动效应[11]和非线性作用[12]。同时，部分学者聚焦重点产业技术创新的突破工作。例如，石油和化学工业使用高电流密度自然循环复极式离子膜电解槽技术，在节约电力资源的同时避免了汞和石棉对环境的污染，通过提高资源利用效率，减少资源消耗，赋能工业经济绿色发展[13]。新时代水产遗传育种生物技术的革新，如全基因组选择育种和基因组编辑等精准设计育种，推动了水产养殖绿色发展[14]。此外，通过开展非高炉炼铁、直接轧制等技术研究，推动焦化、烧结、炼铁、炼钢和轧钢五大重点工序的智能化革新，助力钢铁行业绿色化发展[15]。

2.2 专利挖掘技术

专利挖掘技术最早由根里奇·阿奇舒勒在1946年提出[16]，是指在技术研发或产品开发过程中，对所取得的成果从技术和法律层面进行剖析、整理、拆分和筛选，从而识别具有专利申请和保护价值的技术创新点和技术方案。专利技术作为科技创新的直接体现，其重要性不言而喻。目前，专利挖掘技术主要包括文本挖掘法、引用分析法、机器学习法和社会网络分析法等[17]。其中，1997年B. Lent等基于文本挖掘技术，提出了通过序列分析某时段专利文献内容来预测发展趋势的方法[18]；谌志群等提出了UCT-MF统一中文挖掘模型，为中文文本挖掘系统提供了基本体系框架[19]；王元波等结合LDA算法，通过分析专利主题强度及主题内容演变构建了专利技术相关进化图[20]；冯立杰等提出了融合专利引文网络和SAO语义分析的技术演化路径识别与拓展方法[21]；向希尧等提出了结合专利引用与发明人合作网络的专利引用分析方法；李欣等提出一种基于机器学习的专利可转让性评估方法[22]。王金凤等提出了基于知识图谱和专利分析的技术基因提取路径模型[23]。现有研究通过对专利数据挖掘技术的应用，主要对医疗[24]、生物育种[25]、化工[26]、汽车[27]、移动通信[28]、高技术产业[29]等领域的技术趋势进行识别，为科技创新战略布局提供了重要参考。
综上所述，绿色发展技术在理论研究与实践应用中均展现出显著的重要性与活力。现有的以“绿色发展技术”为核心的文献数量较少，过往的理论研究一部分从宏观角度来探究如何构建理论体系，以及科技创新如何赋能绿色发展；另一部分则从微观视角剖析特定行业内绿色发展技术的具体应用成效，并缺乏对绿色发展技术的系统性研究，尤其在绿色技术的深度挖掘方面存在明显不足，关键技术特征的识别与提炼尚存在空白。本文通过挖掘绿色发展的相关专利数据，在专利计量的基础上构建LDA模型对绿色发展专利技术进行主题聚类，并运用语义网络揭示技术间的内在联系，从系统的角度梳理当前绿色发展技术的现状，并探究其发展趋势，为该领域相关技术的发展提供借鉴。

3 研究设计与方法/ Research design and methodology

3.1 研究策略

本文以智慧芽patsnap专利数据库中绿色发展相关专利数据为研究对象，通过对申请时间、申请类型、申请人类型、申请机构、地理位置、申请生命周期、申请摘要等内容进行专利计量分析，掌握绿色发展相关技术的发展现状；采用LDA主题模型识别技术主题，对专利技术进行系统的分类，并探究各类主题专利技术的特征；以ROSTCM6软件与K核分析为基准，对专利摘要中的核心词汇进行分门别类的聚类处理，深入解析各技术主题之间的内在联系。研究以定量分析为主，提高技术识别客观性，从而更准确地分析绿色发展技术及发展趋势，研究思路如图1所示：
图1 研究技术路线

Figure 1 Technical roadmap

3.2 数据来源

绿色发展是以效率、和谐与可持续为目标的经济增长和社会发展方式。以patsanp专利数据库为源，设定受理局包括中国，专利类型包括发明申请、授权发明、实用新型、外观设计，结合《绿色技术专利分类体系》[30]与绿色发展的理念，设定的检索式见表1。检索时间范围设定为2004—2024年，共导出数据7 762组（简单同族专利数），通过对无关项、重复项筛选之后，得到数据7 681组。
表1 专利检索式

Table 1 Patent search queries

绿色发展技术 检索式 简单同族专利数 /组
循环利用 TA=(循环利用技术OR再利用技术)AND(环保OR可持续OR节能OR低碳) 454
污染控制与治理 TA=(污染治理OR污染控制)AND(环保OR可持续OR节能OR低碳) 987
清洁能源 TA=清洁能源AND(环保OR可持续OR节能OR低碳) 2 361
绿色农业 TA=绿色农业AND(环保OR可持续OR节能OR低碳) 108
绿色交通 TA=绿色交通AND(环保OR可持续OR节能OR 低碳) 39
绿色建筑 TA=绿色建筑AND(环保OR可持续OR节能OR 低碳) 2 830
绿色管理和设计 TA=(绿色管理OR绿色设计)AND(环保OR可持续OR节能OR低碳) 58
环保材料 TA=环保材料AND(可持续OR节能OR低碳) 553
化石能源降碳 TA=化石能源AND(环保OR可持续OR节能OR低碳) 372

3.3 研究方法

（1）文本处理。利用Python中的jieba分词包，结合哈尔滨工业大学推出的停用词表，同时补充针对本数据集无意义的词语（如企业、发明、实用新型领域等），形成新的停用词表对专利文本进行分词。随后，采用TF-IDF（Term Frequency–Inverse Document Frequency，词频—逆向文件频率）方法对字词的重要性进行向量化分析，以量化词汇在文档中的重要性。
（2）主题提取。LDA主题模型由D. M. Blei等于2003年提出[31]，它利用LDA反复迭代识别文本中隐藏的主题信息，并通过困惑度与一致性的图像确定最佳主题数，实现主题聚类或文本分类。

4 绿色发展技术专利计量/ Patent metrology of green development technologies

4.1 专利申请技术生命周期

根据专利申请的时间顺序，对绿色发展相关技术专利数量进行统计，绘制专利分布时序图，见图2，并将其发展分为婴儿期、发展期、成熟初期3个阶段。①婴儿期（2004—2010年），此阶段绿色发展关联专利开始出现，但数量少且年均增长率低，2010年全国人大十一届三次会议上，“低碳经济”“绿色经济”成为最热门的关键词，政府促进环境保护技术的创新，发展绿色经济和低碳经济，此阶段为婴儿期。②发展期（2011—2018年），这一阶段绿色发展关联技术稳定增长。2015年中共十八届五中全会通过《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》，其中提出绿色、创新、协调、开放、共享构成的五大发展理念，专利申请数量增长率高。③成熟初期（2018年至今），该阶段专利申请数量基数大，虽有波动，但整体数量较前一阶段稳健增长。2018年发布的《中共中央国务院关于全面加强生态环境保护 坚决打好污染防治攻坚战的意见》[33]，强调打赢蓝天、碧水、净土三大保卫战，同时全国生态环境保护大会的召开与生态环境部的正式挂牌，这些因素共同刺激推动了绿色发展专利申请量的增长。2020年9月中国在第七十五届联合国大会上提出力争在2030年实现碳达峰、2060年实现碳中和的目标，之后专利申请数量大幅度增长，各类绿色发展相关产业产品如雨后春笋般涌现，绿色产业发展迈上了新台阶，绿色发展产业专利申请开启新征程。该发展阶段为绿色发展产业技术领域的成熟初期。
图2 专利申请数量时间趋势

Figure 2 Time trend chart of patent application volume

4.2 专利申请分布特征

（1）专利申请类型。在专利申请中，各类型数量由高到低依次为实用新型3 901项，发明专利3 771项，外观设计9项，见图3。在绿色发展关联专利中实用新型与发明专利产品数量相当，外观设计专利数量占比最少。专利覆盖了从A到H的多个IPC大类，表明绿色发展的相关技术涉及多个领域，其中发明类专利主要集中在E04（建筑物）、B01（物理或化学的装置或方法）、F24（供热）、C04（水泥）、C02（污水）、H02（电器元件）；实用新型主要集中在E04（建筑物）、F24（供热）、B01（物理或化学的装置或方法）、C02（污水）、H02（电器元件）、A01（农业、林业、畜牧业）、F21（照明）。综上所述，绿色发展专利技术主要集中在建筑、农业、制造业上。
图3 专利申请类型及IPC大类分布

Figure 3 Distribution map of patent application types and IPC categories

（2）专利申请人类型。如图4所示，按类型对专利申请人进行统计，企业占据过半席位，高达64.37%，而院校及个人占比依次为15.94%、16.57%，组织占比率最少，仅有3.12%。从申请人类型的时序演变来看，2004—2010年期间，个人申请专利的数量占主导地位，自2010年大力发展低碳经济、绿色经济以来，各类申请人的专利申请数量均开始增加，其中企业类型的申请人响应国家号召大幅增长。院校类型的申请人在2011年之后呈现缓慢增长态势，这表明各院校开始鼓励在校师生合作共赢，推动自主创新，掀起了中国研究专利的新气象。相比之下，组织类型的申请人数量一直较少且增长率保持较低水平。
图4 专利申请人类型时间分布

Figure 4 Time distribution chart of patent applicant types

（3）地理空间分布（不含港澳台地区）。如图5所示，东部地区的江苏、广东、山东、浙江、上海、北京等地专利分布较为密集。江苏、广东、上海等地区经济发达拥有更多的科研资源和资金支持，能够吸引更多的科研人才和企业入驻，从而推动绿色专利申请数量的增加。山东、安徽等地区作为中国重要的工业基地，冶金、化工、轻工、建材等行业发达，但这些行业面临着环境污染和能耗过高的问题，需要加快新旧动能转换，推动行业绿色转型。而西北、西南、东北等地区的专利数量则较少，这些地区经济较为落后，信息闭塞且交通不便，研发环境相对不佳，难以吸引优秀人才，因此专利申请数量相对较少。
图5 地区申请专利数量分布

Figure 5 Distribution map of the number of regional patent applications

5 技术主题分析/ Technical theme analysis

5.1 基于LDA模型的主题挖掘

构建LDA模型进行主题聚类前，需确定最优主题数。本文采用困惑度曲线和主题一致性得分来综合评价LDA模型的最优主题数。首先，在LDA模型中困惑度越低说明不确定性越小，聚类的结果越好。如图6所示，在主题数为7、8时，困惑度最低。其次，本文通过计算主题的一致性得分来进一步评估，一般情况下，主题的一致性越高，连贯性越好，可解释性也更高。如图7所示，当主题数超过2后，LDA模型在主题数为7时一致性得分最高。因此，最终确定最优主题数K=7。
图6 困惑度得分

Figure 6 Preplexity score

图7 一致性得分

Figure 7 Coherence score

确定主题数之后，运用pyLDAvis对LDA模型进行可视化分析，见图8。图中左侧的每个圆圈代表一个主题，圆圈之间的距离代表不同主题之间的相似性，圆圈的大小代表主题出现的频率，并且按顺序标号。主题数为7时，各个象限均有圆圈，且其重合程度较低，表明LDA建模后主题之间相互对斥，说明绿色发展专利覆盖领域较广[34]。
图8右侧显示主题特征词的贡献度变化，蓝色条表示该词语在整个文档中出现的频率，红色条表示该主题中此关键词的词频，有助于直观了解关键词在主题中的分布情况。将鼠标悬浮在左边的主题圆圈上，可以具体查看主题一的前30个关键词，通过调节右上角的λ值查看词语与主题的相关性，当其为1时，右侧显示的词语与主题相关，当其接近0时，右侧显示的则为该主题下独特的词。
图8 LDA可视图

Figure 8 LDA visual view

利用最优主题数重新训练LDA模型，得到每个文档的主题分布和每个主题下的词分布。随后根据词分布，识别出各个主题的核心内容。针对得到的7个主题，选择出现频率高、代表性强的词语作为关键词，最终提取出7个关键词，如表2所示：
表2 技术主题词表

Table 2 Technical thesaurus

主题名称 关键词
绿色生产技术 生产 原料 混合 反应 工艺 生物 催化剂
绿色建筑施工技术 墙体 保温 主体 混凝土 施工 水平 框架
电机驱动技术 组件 本体 电机 驱动 调节 底座 滑动
工业热循环技术 单元 循环 供热 烟气 空气 换热器 蒸汽
绿色储能与智能供电技术 模块 蓄电池 电能 供电 控制器 储能 智能
绿色雨水基础设施建设 雨水 水箱 屋顶 垃圾 水管 保温层 水泵
室内空气净化技术 通风 箱体 空气 墙板 风机 净化 外壳
基于主题的高频词，将7类绿色发展专利主题命名为：1-绿色生产技术，2-绿色建筑施工技术，3-电机驱动技术，4-工业热循环技术，5-绿色储能与智能供电技术，6-绿色雨水基础设施建设，7-室内空气净化技术。
（1）绿色生产技术。该技术以节约能源、降低耗材为生产目标，以先进技术及管理方法为手段，达到节约能源，节省材料等要求。它强调在生产过程中尽量减少对环境的负面影响，同时提高资源利用效率和产品质量。例如，在农业领域，利用有机肥、绿肥等替代部分化肥，提高土壤有机质含量，改善土壤结构；将农作物秸秆进行资源化利用，增加土壤肥力。在工业领域，中国石化石油化工科学研究院开发出的己内酰胺绿色生产技术,将新催化材料、新反应工程和新反应途径集成创新,广泛应用于纺织、汽车电子等行业，提高了原料利用率，产生了重大的社会经济效益[35]。
（2）绿色建筑施工技术。该技术强调在施工过程中，通过科学的管理和技术手段，最大限度地节约资源（如水、能源、土地和材料），减少环境污染，同时确保施工质量和安全。这种技术不仅关注建筑物的建造过程，还注重其对周围环境的影响，力求实现建筑与自然环境的和谐共生。在建筑行业中，积极发展专用水泥、加快发展和推广高性能混凝土和预拌砂浆等方案[36]，以满足不同领域、不同环境下的特殊需求。同时，通过在外墙保温隔热设计中应用保温新型墙体，推广节能门窗，加强屋面的设计，从而减少阳光辐射，利用太阳能技术等实现保温和隔热效果，延长建筑物的使用寿命[37]。这些技术的广泛应用，可以有效提高建筑行业的节能减排水平，推动建筑业的绿色发展。
（3）电机驱动技术。电机作为将电能转换为机械能的重要设备，在工业生产中发挥着至关重要的作用。随着科技的不断发展，各行各业都在探索更高效率的电机驱动技术，提高能源转化率，以适应各种复杂的应用场景和不断提高的生产需求。例如，在工业自动化领域，电机驱动技术被广泛应用于机器人、数控机床、输送系统等设备中，优化其响应速度、控制精度等。同时，其在新能源汽车领域也发挥着重要作用，通过高效的电机、先进的电池技术和智能化的控制系统，新能源汽车能够大幅降低能耗和排放。
（4）工业热循环技术。随着环境保护意识的增强，减少温室气体排放和其他有害物质的产生成为迫切需求。该技术通过一系列精密设计的设备和工艺，能够高效地将生产过程中的废热或余热进行回收，并通过换热器、热泵等关键设备，将这些热能转换为可再利用的能源形式。例如，在石油化工生产过程中会产生大量的余热，如蒸汽、高温烟气等，通过热循环技术，这些余热可以被回收并用于预热原料、发电或供暖等，从而实现能源的再利用。
（5）绿色储能与智能供电技术。该技术线包括蓄电池、控制器与智能管理系统等关键要素。其中蓄电池是绿色储能技术的核心，包括锂离子电池、固态电池等，用于储存可再生能源产生的电能。控制器负责监测和控制储能设备的运行，确保能源的稳定供应和高效利用。智能管理系统通过收集和分析数据，优化能源分配和调度，实现能源的智能化管理。这些组件协同作用，构建了一个风能、太阳能等可再生能源的高效储存、转换和智能供电的技术体系，有效提升可再生能源的利用率，并减少碳排放量。
（6）绿色雨水基础设施建设。在水资源污染浪费日益严重的今天，许多城市水资源短缺，水体污染严重。绿色雨水、绿色屋顶基础设施的建设和应用成为管理城市水资源的重要途径。利用雨水花园等基础设施建造海绵城市，对雨水进行地方过滤和吸收，减少雨水径流，降低城市洪水风险，同时也有助于改善城市地区的空气质量和降低热岛效应[38]。使用高效节能的水泵系统和绿色给排水管道施工技术，优化建筑给排水系统，进而提升水资源利用效率。这些基础设施的建设旨在通过一系列技术和实践来实现雨水资源的高效管理。
（7）室内空气净化技术。在绿色发展相关技术中，空气净化技术是基于室内空气污染整治的技术，旨在提高室内空气质量，改善居住、办公等环境，符合健康与环保的需要。空气净化器是利用内置过滤、吸附、催化装置等，通过风机送风或吸风，将室内空气吸入净化器内部进行处理，再排出清洁的空气。同时某些类型的植物除了作为观赏装饰品外，还可以净化空气、除尘、杀菌。通过空气净化技术，可以有效减少室内装修材料、家具等释放的甲醛、苯等有害气体，以及烹饪、吸烟等产生的油烟和异味，从而减轻对室外环境的污染，有助于维护大气环境的生态平衡。

5.2 绿色发展技术关联分析

本文使用ROSTCM6社会计算平台软件，以“K核分析”为类别划分标准，按类别对专利摘要词语进行了语义网络主题聚类，按照主题中心度划分了6类语义网络，如图9所示：
图9 技术语义关联

Figure 9 Technical semantic association diagram

第一圈层作为中心圈层，是绿色发展技术的核心理念和基石。它强调环保、节能、绿色、清洁的重要性。同时，系统和能源的概念贯穿整个绿色发展技术，强调整体性和能源的高效利用。
第二圈层以提高“电能”利用效率、优化“电机”性能、利用“光伏”技术发电、改进“驱动”系统和“供电”方式等手段，实现能源的节约和环境的保护。
第三圈层关注绿色技术的安全性和“性能”，“装置”“控制”“功能”和“性能”则决定了技术的实用性和可靠性，这些要素共同构成了绿色技术的完整体系，确保了技术的有效实施和稳定运行。
第四圈层是通过“污染”“治理”、减少“排放”、“收集”和处理废弃物、“回收”资源等手段，实现污染控制与资源循环利用。
第五圈层以“材料”“制备”为核心，侧重选择环保、可再生的原料，采用高效的制备工艺和材料，降低生产成本。
第六圈层以“保温”“空气”“调节”等词语为核心，揭示绿色发展技术在建筑节能、保温以及改善空气质量等方面的作用，为人们创造更加舒适、健康的生活环境。
各圈层之间紧密相连，共同构成了绿色发展技术的完整体系。中心圈层提供了核心理念和基石，为其他圈层提供了指导和方向。第二至第六圈层则分别从不同角度和层面出发，实现了绿色技术的具体应用和实施。这些圈层相互支撑、相互促进，共同推动绿色发展技术的不断发展和完善。

6 绿色发展技术演进趋势/ Evolution trends of green development technologies

6.1 多技术融合驱动，系统综合集成

专利主题提取结果发现，绿色发展技术涵盖生产、施工、交通、农业等多个方面。在绿色发展技术的早期阶段，各技术领域相对独立，例如2004年申请的“新型清洁能源甲醇汽油燃料”专利，专为汽车设计，实现节能减排。2011年的“高层建筑中水势能回收与水体回用集成系统”专利，则通过绿色雨水基础设施与膜分离工艺的结合，有效回收利用建筑中的水资源。然而，随着技术的不断进步，部分领域开始出现技术交叉融合的现象。2024年申请的“一种绿色建筑用室内通风装置”专利是这一现象的生动体现，该专利结合绿色建筑施工技术以及绿色雨水基础设施建设，在有效保证通风效果的同时，利用雨水清洗通风装置，实现资源的有效利用。此外，技术语义网络第三圈层中“装置”“控制”“功能”和“性能”等要素共同构成了绿色技术系统的基石，也体现了绿色发展技术的融合驱动与系统集成。装置作为功能实现的基础，通过跨领域技术的巧妙融合，形成高效环保的技术组合；控制则确保这些装置精准运行，实现预期功能；而性能评估则成为衡量装置与控制效果的关键标尺，强调系统整体的协同效率和环保效益。但在绿色发展技术的成熟初期，各领域技术交叉融合的现象尚不普遍，因此，绿色发展技术需要更加注重技术的交叉融合与系统集成。

6.2 多资源循环利用，构建循环经济

根据5.2节的分析结果，技术语义网络中第四圈层侧重污染治理、收集和处理废弃物、回收资源，这一系列活动共同构成了资源循环利用的核心框架。在绿色发展技术的萌芽与初期发展阶段，主要关注点在于提升资源的利用效率，力求通过技术创新减少能耗和废弃物的产生。然而，随着环境保护意识的日益增强和可持续发展理念在全球范围内的广泛传播，循环经济作为一种全新的发展模式应运而生。在这一模式下，技术主题提取中的热循环技术、废弃物资源化利用等手段得到了广泛应用。例如，“城市垃圾无害化处理方法”专利便是一种典型的多资源循环利用技术，它通过一系列精细的步骤，将垃圾进行分类处理，湿质韧性垃圾用于制备有机发酵肥，而刚性垃圾和脆性垃圾则被烧制成建筑用砖。这一方法不仅实现了垃圾的无害化处理，全过程对环境不会造成污染，还构建了可持续的循环系统，促进资源的循环利用和经济的可持续发展。未来，随着技术创新、政策引导、市场需求和国际合作等多方面因素的共同作用，循环经济有望迎来新的拐点，实现更加快速和可持续的发展。

6.3 多能源技术革新，产业绿色转型

多能源技术革新正引领产业走向绿色转型。技术主题中电机驱动技术的不断精进，不仅显著提升了能源利用效率，还使其能够灵活适应多样化的应用场景，为风能、太阳能等可再生能源的普及应用奠定了坚实的技术基础。以“一种太阳能光热和天然气冷能联合动力机发电系统”专利为例，该专利提出了一种多结构系统，通过科学合理的热能利用和转换，实现清洁能源和冷能、压差能的综合能源高效利用，为产业绿色转型注入新的活力。与此同时，绿色储能与智能供电技术的飞速发展，更是为可再生能源的高效利用提供了有力保障。该技术通过实现可再生能源的高效储存、灵活转换以及智能化管理，极大地提高了其在实际应用中的可靠性和经济性。例如，国家电网有限公司申请的“分布式风光储一体化微电网智能控制系统”专利，旨在通过集成分布式发电、储能以及先进的控制与网络通讯技术，高效利用风能、太阳能等可再生能源，实现对微电网系统的智能监控与优化调度。这些专利技术的应用在一定程度上加速了能源结构从依赖化石能源向以可再生能源为主体的绿色转型的进程。

6.4 多方面协同作用，城市和谐共生

结合5.1节中的绿色雨水基础设施与5.2节中的第六圈层，绿色发展技术逐渐从单一环境治理向综合生态管理转变，这一转变不仅体现在理念上的升级，更在实际应用中展现出了强大的协同效应。以绿色雨水基础设施为例，透水铺装、雨水花园、生态滞留池等技术手段已成为构建海绵城市不可或缺的一部分。这些设施不仅能够高效地吸纳、储存和渗透雨水，有效减少雨水径流量，缓解城市内涝问题，还极大地改善了城市的生态环境，提升了城市的自然恢复力。如“海绵城市雨水收集净化系统”专利，通过集成多种绿色雨水基础设施，实现了雨水的智能收集、处理和再利用，为城市水资源管理提供了创新方案。室内空气净化技术则通过提高室内空气质量，减轻对室外环境的污染，有助于维护大气环境的生态平衡。同时技术语义网络的第六圈层中的“保温”“空气”“调节”等词语，表明绿色发展技术通过改善空气质量、优化通风系统、提高墙体保温性能、调节室内温度和湿度等手段，为人们创造更加舒适、健康的生活环境。目前，这些绿色发展技术正处于成熟初期，其应用范围和效果仍有待进一步拓展和提升。未来，通过多方面的协同作用以及综合生态管理，绿色发展技术将为实现人与自然和谐共生、推动城市绿色发展贡献更大的力量。

7 结论及展望/ Conclusions and prospects

本文通过综合运用专利计量分析、TF-IDF算法、LDA主题挖掘以及语义网络多种方法工具，对绿色发展技术的专利数据进行了深入细致的剖析，探究绿色发展技术的当前现状、技术关联以及未来的发展趋势。经过系统的研究与分析，得出了以下重要结论：
首先，从4.1节专利申请技术生命周期看出，当前中国绿色发展技术正处于成熟初期阶段。4.2节专利申请分布特征结果表明绿色发展技术专利类型主要集中在农业、建筑以及制造业等领域。在专利申请人方面，企业及院校占据主导地位，而个人与组织类型的申请人相对较少。在地域分布上，江苏、广东等经济发达地区与安徽、山东等工业快速发展地区是绿色发展技术的主要聚集地，而经济相对落后的西北地区则较少。
其次，基于主题提取结果，绿色发展技术的主要研究方向集中为绿色生产技术、绿色建筑施工技术、电机驱动技术、工业热循环技术、绿色储能与智能供电技术、绿色雨水基础设施建设和室内空气净化技术七大类。
绿色发展技术随时间的推移，将从单一技术向系统集成、从资源高效利用向循环经济、从传统能源向可再生能源以及从单一环境治理向综合生态管理全面转型，为构建生态文明社会贡献力量。
在本研究中，笔者采用了LDA主题模型，并结合pyLDAvis进行可视化分析，深入挖掘了绿色发展技术的相关主题，为推动绿色发展技术创新提供了有价值的见解。尽管已有一些关于绿色发展、绿色技术方面的研究，但从系统角度整合绿色发展技术国内专利进行深度主题挖掘的工作尚不多见，本研究填补了这一领域的空白。然而，本文也存在一定的局限性：由于数据来源限制为国内，未能全面覆盖国际范围内的相关专利。为了更全面地把握绿色发展技术的全球发展脉络与趋势，后续研究将会拓展数据来源，纳入国内外学术论文及国际专利数据，以全球视野深化对绿色发展技术的探索与分析。

向 尚：拟定论文选题和大纲，提供修改意见。

刘思思：收集资料，分析数据，撰写及修改论文。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国务院办公厅.中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL].[2025-01-13]. https://www.gov.cn/xinwen/2021-03/13/content_5592681.htm.（General Office of the State Council of the People's Republic of China. The 14th Five-year Plan for National Economic and Social Development of the People's Republic of China and the Long-Range Objectives Through the year 2035[EB/OL].[2025-01-13]. https://www.gov.cn/xinwen/2021-03/13/content_5592681.htm.）

[2]
赵丽娟, 董瑜, 朱相丽. 专利分析及其在情报研究中的应用[J]. 图书情报工作, 2006, 50(5): 19-22.（ZHAO L J, DONG Y, ZHU X L. Patent analysis and its application in information research[J]. Library and information service, 2006, 50(5): 19-22.）

[3]
国务院办公厅.新时代的中国绿色发展[EB/OL].[2025-01-16]. https://www.gov.cn/zhengce/2023-01/19/content_5737923.htm.（General Office of the State Council of the People's Republic of China. Green development in China in the new era[EB/OL].[2025-01-16]. https://www.gov.cn/zhengce/2023-01/19/content_5737923.htm.）

[4]
刘朝. 数智化技术助力制造业绿色发展[J]. 人民论坛, 2023(11): 80-83.（LIU Z. Intelligent and digitalized technologies boosting green development in manufacturing industry[J]. People's tribune, 2023(11): 80-83.）

[5]
刘伊曼. 技术创新支撑绿色发展研究[D]. 长沙：长沙理工大学, 2020.（LIU Y M. Science and technology innovation supports green development research [D]. Changsha: Changsha University of Science & Technology, 2020.）

[6]
周杰琦, 陈达, 夏南新. 人工智能的绿色发展效应：技术赋能和结构优化[J]. 当代经济科学, 2023,45(5):30-45.（ZHOU J Q, CHEN D, XIA N X. Green development effects of artificial intelligence: technological empowerment and structural optimization[J]. Modern economic science,2023,45(5):30-45.）

[7]
孙越, 曾华锋. 绿色发展视角下的“技术格式塔”研究[J]. 自然辩证法研究, 2019, 35(2): 42-47. （SUN Y, ZENG H F. Analysis on technology gestalt based on green development[J]. Studies in dialectics of nature, 2019, 35(2): 42-47.）

[8]
李悦昭, 陈海洋, 王红瑞, 等. 绿色发展与生态优先的组织技术与理论模式[J]. 西北大学学报(自然科学版), 2020, 50(5): 771-778. （LI Y Z, CHEN H Y, WANG H R, et al. Organizational technology and theoretical model of green development and ecology first[J]. Journal of Northwest University (natural science edition), 2020, 50(5): 771-778.）

[9]
袁宝龙. 制度与技术双“解锁”是否驱动了中国制造业绿色发展？[J]. 中国人口·资源与环境, 2018, 28(3): 117-127.（YUAN B L. Does the ‘unlock' of the institution and technology drive the green development of manufacturing? [J]. China population, resources and environment, 2018, 28(3): 117-127.）

[10]
岳立, 闫慧贞. 黄河流域技术进步对资源型城市绿色发展影响[J]. 科学学研究, 2023, 41(9): 1615-1637.（YUE L, YAN H Z. Impact of technological progress on green development of resource-based cities in the Yellow River Basin[J]. Studies in science of science, 2023, 41(9): 1615-1637.）

[11]
马海涛, 王珂文. 城市技术创新与合作对绿色发展的影响研究——以长江经济带三大城市群为例 [J]. 地理研究, 2022,41(12): 3287-3304. （MA H T, WANG K W. The effect of urban technological innovation and cooperation on green development: a case study on the three urban agglomerations in the Yangtze River Economic Belt[J]. Geographical research, 2022, 41(12): 3287-3304.）

[12]
马双, 海俊娇. 技术关联、环境政策与区域绿色发展[J]. 科学学研究, 2023, 41(7): 1211-1222. （MA S , HAI J J. Technological relatedness, environmental policy and regional green development[J]. Studies in science of science, 2023, 41(7): 1211-1222.）

[13]
栾晏. 石油和化学工业循环经济绿色发展路径探析——评《重点行业循环经济支撑技术：石油和化学工业》[J]. 化学工程, 2021, 49(11): 6. （LUAN Y. Analysis on the green development path of circular economy in petroleum and chemical industry: a review of “key industry circular economy supporting technologies: petroleum and chemical industry”[J]. Chemical engineering(China), 2021, 49(11): 6.）

[14]
张晓娟, 周莉, 桂建芳. 遗传育种生物技术创新与水产养殖绿色发展[J]. 中国科学: 生命科学, 2019, 49(11): 1409-1429.（ZHANG X J, ZHOU L, GUI J F. Biotechnological innovation in genetic breeding and sustainable green development in Chinese aquaculture[J]. Scientia sinica(Vitae), 2019, 49(11): 1409-1429.）

[15]
王新东, 田京雷, 宋程远. 大型钢铁企业绿色制造创新实践与展望[J]. 钢铁, 2018, 53(2): 1-9. （WANG X D, TIAN J L, SONG C Y. Innovative practice technology and outlook in large iron and steel enterprise green manufacturing[J]. Iron & steel, 2018, 53(2): 1-9.）

[16]
ALTSHULLER G S，SHAPIRO R B. Psychology of inventive creativity[J]. Issues of psychology，1956，6：37-49.

[17]
丁照琪,张建辉,许辰辉.需求驱动的跨领域专利技术挖掘方法构建[J].科技管理研究,2024,44(14):154-163.（DING Z Q, ZHANG J H, XU C H. The construction of demand-driven cross-disciplinary patent technology mining method[J]. Science and technology management research, 2024, 44(14): 154-163.）

[18]
LENT B, AGRAWAL R, SRIKANT R. Discovering trends in text databases[C]//Proceedings of the third International conference on knowledge discovery and data mining. Newport Beach: AAAI, 1997: 227-230.

[19]
谌志群,张国煊.文本挖掘与中文文本挖掘模型研究[J].情报科学,2007(7):1046-1051. （CHEN Z Q, ZHANG G X. Study on the text mining and Chinese text mining framework[J]. Information science, 2007(7): 1046-1051.）

[20]
王元波,骆浩楠,汪峥.文本挖掘在主题发现和相关性评估中的应用——以人工智能和机器人领域的专利为例[J].工业控制计算机,2020,33(2):102-103,106.（WANG Y B, LUO H N, WANG Z. Application of text mining in topic discovery and relevance assessment: a case study on patents of AI and robotics[J]. Industrial control computer, 2020, 33(2): 102-103,106.）

[21]
冯立杰,周炜,刘鹏,等.基于引文网络和语义分析的技术演化路径识别及拓展研究[J].情报理论与实践,2023,46(1):90-99,131.（FENG L J, ZHOU W, LIU P, et al. Research on technology evolution pathways identification and expansion based on citation network and semantic analysis[J]. Information studies: theory & application, 2023, 46(1): 90-99,131.）

[22]
向希尧,蔡虹.跨国技术溢出网络结构分析与路径识别——基于专利引用的实证分析[J].科学学研究,2009,27(9):1348-1354.（XIANG X Y, CAI H. International technology spillover network analysis and path identification: an empirical study based on patent citation[J]. Studies in science of science, 2009, 27(9): 1348-1354.）

[23]
王金凤,吴汉争,冯立杰,等.基于知识图谱和专利分析的技术基因提取路径研究[J].情报理论与实践,2016,39(10):128-133.（WANG J F, WU H Z, FENG L J, et al. Research on the extraction path of technology-DNA based on knowledge mapping and patent analysis[J]. Information studies: theory & application, 2016, 39(10): 128-133.）

[24]
赖朝安, 钱娇. 基于专利挖掘的移动医疗产业技术预见[J]. 科研管理, 2018, 39（10）: 138-147. （LAI C A, QIAN Jiao. Technology foresight for the mobile health industry based on patent mining[J]. Science research management, 2018, 39(10): 138-147.）

[25]
崔遵康, 李丹阳, 徐小婷,等. 粮食作物生物育种技术全球创新布局与竞争态势研究——基于核心专利数据挖掘的视角[J]. 中国农业科技导报, 2022, 24(5): 1-14.（CUI Z K, LI D Y, XU X T, et al. Research on the global innovation layout and competition situation of food crop bio-breeding technology: based on the perspective of core patent data mining[J]. Journal of agricultural science and technology, 2022, 24(5): 1-14.）

[26]
王江, 郭鑫彬. 企业战略性知识轮廓：化工专利数据挖掘与分析 [J]. 情报杂志, 2021, 40(8): 53-61. （WANG J, GUO X B. Firms' strategic knowledge profiles: chemical technology patent data mining and analysis[J]. Journal of intelligence, 2021, 40(8): 53-61.）

[27]
慎金花, 闫倩倩, 孙乔宣,等. 基于专利数据挖掘的技术融合识别与技术机会预测研究——以电动汽车产业为例[J]. 图书馆杂志, 2019, 38(10): 95-106. （SHEN J H, YAN Q Q, SUN Q X, et al. Research on technology fusion recognition and technology opportunity prediction based on patent data mining[J]. Library journal, 2019, 38(10): 95-106.）

[28]
杨武, 杨大飞. 基于专利数据的产业核心技术识别研究——以5G移动通信产业为例 [J]. 情报杂志, 2019, 38(3): 39-45,52.（YANG W, YANG D F. Research on identification of industrial core technology based on patent data: taking the field of fifth generation mobile communication industry as an example[J]. Journal of intelligence, 2019, 38(3): 39-45,52.）

[29]
郑婉婷. 基于专利数据挖掘的高技术产业聚类分析[J]. 工业技术经济, 2011, 30(6): 10-16.（ZHENG W T. Cluster analysis of high-tech industries based on patent data mining[J]. Journal of industrial technology and economy, 2011, 30(6): 10-16.）

[30]
国家知识产权局办公室. 国家知识产权局办公室关于印发《绿色技术专利分类体系》的通知[EB/OL]. [2025-01-16]. https://www.gov.cn/zhengce/zhengceku/202308/content_6901253.htm.（Office of the National Intellectual Property Administration. Notice on the Issuance of the Classification System for Green Technology Patents by the Office of the National Intellectual Property Administration[EB/OL].[2025-01-16]. https://www.gov.cn/zhengce/zhengceku/202308/content_6901253.htm）

[31]
BLEI D M, NG A Y, JORDAN M I. Latent Dirichlet allocation[J]. Journal of machine learning research,2003,3:993-1022.

[32]
NG K W, TIAN G L, TANG M L. Dirichlet and related distributions: theory, methods and applications[M]. Hoboken: John Wiley & Sons，2011:37-95,97-98,247.

[33]
国务院办公厅. 《关于全面加强生态环境保护 坚决打好污染防治攻坚战的意见》[EB/OL].[2025-01-23]. https://www.gov.cn/zhengce/2018-06/24/content_5300953.htm.（General Office of the State Council of the People's Republic of China. Opinions on comprehensively strengthening ecological and environmental protection and resolutely winning the pollution prevention and control campaign[EB/OL]. [2025-01-23]. https://www.gov.cn/zhengce/2018-06/24/content_5300953.htm.）

[34]
陈美, 孙瑞乾. 政策工具视域下我国省级数字经济政策文本的量化分析——基于LDA的主题社会网络分析[J]. 情报杂志, 2023,42(11):174-182.（CHEN M, SUN R Q. Quantitative analysis of China's provincial digital economy policies from the perspective of policy tools: based on lda topic social network analysis[J]. Journal of intelligence,2023,42(11):174-182.）

[35]
孙斌,孟祥堃,宗保宁. 己内酰胺绿色生产技术[J]. 化学通报, 2011, 74 (11): 999-1003.（SUN B, MENG X K, ZONG B N. Green production technology for caprolactam[J]. Scientia sinica(chimica), 2011, 74(11): 999-1003.）

[36]
中国建筑材料联合会.关于推进绿色建材发展与应用的实施方案[J]. 墙材革新与建筑节能, 2016(10):23-27. （China Building Materials Federation. Implementation plan for promoting the development and application of green building materials[J]. Wall materials renovation and building energy efficiency,2016(10): 23-27.）

[37]
郑溢峰. 基于“碳达峰、碳中和”目标下的绿色建筑发展与建筑节能[J]. 大众标准化,2023(1): 4-6.（ZHENG Y F. Green Building development and building energy conservation based on the goals of “Carbon Peak and Carbon Neutrality”[J]. Popular standardization, 2023(1): 4-6.）

[38]
张亚洲,廖伟彪,李彬. 西北地区基于低影响开发理念的城市雨水花园设计[J]. 草原与草坪, 2017, 37(5):53-58.（ZHANG Y Z, LIAO W B, LI B. Low impact development design of urban rain garden in northwestern China[J]. Grassland and turf, 2017, 37(5): 53-58.）

Options
Outlines

/

〈 〉