基于LDA模型的光电子信息核心技术主题识别及生命周期预测

摘要

光电子信息产业作为新一代信息技术的基础，是推动数字经济与实体经济深度融合的核心引擎，目前正面临关键技术被制约且长期依赖进口等问题。开展产业技术主题研究可以解构产业技术发展规律、锚定核心方向，完成核心技术自主可控，同时为“靶向攻坚”提供依据。本研究基于2010—2025年专利数据，结合LDA主题模型、技术映射与时间序列分析，构建了一个融合LDA主题模型、技术映射与时间序列分析的多维度整合框架，识别并分析了该产业的核心技术主题及其生命周期阶段。结果表明，湖北省光电子信息产业可归纳为七大核心技术主题，其中，显示面板技术不仅在技术活跃度和未来增长潜力上表现突出，而且其技术生命周期目前正处于成熟期，同时，其他六大主题的增长潜力虽不突出，但对光电子信息产业发展来说仍不可或缺。研究提出应强化显示面板技术的支柱作用，拓展其应用场景，并把握多领域深度融合趋势，推动产业协同创新与应用落地，助力各行业数字化转型升级。

关键词

LDA模型；光电子信息；聚类分析；主题识别；技术生命周期

Abstract

As the foundation of next-generation information technology, the optoelectronic information industry serves as a core engine driving the deep integration of digital and real economies. Currently facing challenges such as technological constraints and long-term reliance on imports, this sector requires targeted research to decode its development patterns, identify strategic priorities, achieve core technology autonomy, and provide evidence for “precision breakthroughs”. Based on patent data from 2010-2025, this study employs an integrated framework combining LDA topic modeling, technology mapping, and time series analysis to identify seven core technological themes in Hubei Province’s optoelectronic information industry. The analysis reveals that display panel technology stands out with high technical activity and growth potential, currently in its maturity phase. While the other six themes show limited growth potential, they remain indispensable for industry development. The study recommends strengthening display panel technology’s pivotal role, expanding its application scenarios, leveraging cross-domain integration trends, and promoting collaborative innovation to facilitate digital transformation across industries.

Keywords

LDA Model；Optoelectronic Information；Cluster Analysis；Topic Recognition；Technology Life Cycle

1 引言

光电子产业是以光电子技术为基础，涵盖光电子材料、器件、装备及其应用等环节的战略性新兴产业。随着信息技术与通信技术的快速演进，光电子产业已成为支撑数字经济发展、推动产业升级与社会进步的重要基础力量[1]。目前，我国光电子信息产业在全球竞争中已形成较强优势，产业规模位居世界前列[2]。但总体来看，该产业仍面临研发周期长、投入高、成果转化不畅等问题。同时，在全球产业格局重塑、国内需求结构升级与国际竞争加剧的背景下，产业发展正遭遇关键材料与核心器件受制、同质化竞争、协同创新不足等多重瓶颈制约[3]。在技术迭代加速、应用场景持续扩展与生态体系能级跃升的关键阶段，如何精准锚定核心技术方向、识别高增长潜力技术主题并科学研判技术演化趋势，已成为支撑政府战略决策、突破“卡点”瓶颈、提升自主可控能力的关键驱动因素。

目前关于光电子信息产业的研究多聚焦关键技术与产业发展问题：在技术层面，Tcypkin A N（2024）等[4]认为涵盖激光光学和光电技术的光子学在全球经济发展中扮演着关键角色；张肃（2026）等[5]基于多维测度指标对光电子信息产业的颠覆性技术主题及其演化态势进行识别与分析并提供了技术决策依据。在产业发展层面，骆友科、杨载南（2023）[6]对湖北光电子信息产业10家龙头与全国千户集团同行企业对比表明，产业发展需重点破解领域发展不均、人才外流、关键材料进口依赖及同质化竞争等问题；周铭（2025）等[7]从知识创造、知识共享与知识匹配3个维度揭示了光电子信息产业中不同企业类型和产业链环节在产研知识协同能力上的差异，可以看出，关于光电子信息产业技术主题识别和预测技术发展趋势的研究较少。

有关核心技术主题识别和预测技术发展趋势的研究主要分为定性与定量识别两大类方法体系，在定性识别方面，相关研究主要包括：运用情景分析法对企业及产业技术路线进行预测[8]；采用德尔菲法汇聚专家意见，聚焦关键技术与高价值专利的识别[9]；但该方法主观性较强，依赖专家经验，结果容易产生偏差，可重复性较差。在定量识别方面，目前较常用的方法是文本挖掘法，与定性识别相比，该方法能够有效降低主观偏差，更系统地把握技术主题结构与技术演进趋势[10]。近年来，相关方法不断成熟：Yan（2024）等[11]将LDA主题建模与TF-IDF向量化结合，实现无人船舶领域专利技术主题的系统识别；胡思思（2025）等[12]基于专利计量与BERTopic模型方法，对全球MicroLED技术开展专利分析，从多个维度，系统梳理了该领域的发展现状与趋势。

总体来看，尽管光电子信息产业关键技术与产业发展已较为丰富，但面向该产业的主题识别及技术趋势的研究仍相对不足，因此，有必要引入更契合产业特征的多维度整合框架，融合LDA主题模型、技术映射与时间演化分析，识别核心技术主题并开展生命周期判别与趋势研判。

湖北省作为光电子信息产业核心承载地，贡献了全国光电子信息产业近半数的产业体量，成为我国该产业发展的核心支柱[7]。为此，本文选取湖北省光电子信息产业为研究对象，基于2010—2025年光电子信息产业相关专利数据，采用无监督机器学习算法——LDA主题模型对专利数据进行深度挖掘，识别该产业内的核心技术主题，并结合利用对比数值和N-Gram算法识别出的区分性关键词和高频二元组解析技术主题的核心方向；最后，进一步评估各技术主题的成熟度与市场潜力以筛选出具有高增长潜力的子技术主题，并构建具有高增长潜力的子技术主题的技术生命周期，系统揭示具有高增长潜力技术的未来发展走向，并为产业未来发展方向提出针对性建议。

2 研究设计

2.1 多维度整合框架

本研究基于专利数据构建了一个融合了LDA主题模型、技术映射与时间序列分析的多维整合框架，如图1所示。

2.2 基于LDA模型的技术主题聚类

在专利挖掘研究中，LDA模型已被广泛用于提取专利数据中的知识要素。该模型基于狄利克雷分布对高维专利文本进行降维表征，能够自动识别技术主题及核心关键词，提高专利数据挖掘效率，并实现文档与词项的聚类分析[13][14]。相关研究也常借助LDA对专利数据进行主题建模，以获取多维技术洞见[15]。因此，本文同样采用LDA提取专利技术主题及其关键词。

在LDA用于专利主题分布分析时，主题数k的选择直接影响聚类质量。为确定最优k值，本文采用常用评估指标“困惑度（Perplexity）”进行判定[15]。具体流程为：首先利用LDA对专利数据建模，提取具有研究价值的关键词；随后计算主题内各关键词的出现概率，识别该主题的特征技术词。为更客观地解释LDA输出结果，进一步引入N-Gram分析[16]，提取包含这些关键词的组合词，以深化对技术主题的阐释。N-Gram统计语言模型利用相邻词的上下文关联筛选高概率词组，可实现自动分词，且具有语种无关、容错性强、适用于中英文及繁简体文本等特点，是中文信息处理中的经典方法[17]。

2.3 识别有前景的技术主题

本研究通过分析专利申请数量来预测发展趋势，采用定性（技术映射结合市场份额和复合年增长率）与定量（时间序列分析）相结合的方法。

2.3.1 技术映射分析

本研究通过分析按市场份额和复合增长率分类的技术主题来确定主导和潜在的增长领域。我们使用专利数据作为评估指标，通过将特定主题的专利数量除以光电子信息技术的总数量来计算市场份额。我们通过分析市场份额（SHARE）和复合年增长率（CAGR）来预测未来的技术趋势，将技术主题划分为主导、新兴、饱和、衰退四类，锁定高潜力领域[19]。我们使用主题的频率份额来表示其参与率，并用CAGR来衡量专利市场份额随时间的增长速度[19]。公式(1)计算特定主题的专利文献在给定时间段内的复合年增长率。

2.3.2 时间序列分析

时间序列分析是一种通过研究历史数据中随时间变化的规律来预测未来趋势的方法[20]。ARIMA是一种统计模型，通过分析数据中的波动和回归来预测未来的趋势，主要用于处理非平稳时间序列数据——即数据的均值、方差或自相关性随时间变化的场景。它通过“差分整合”将非平稳序列转化为平稳序列，再结合“自回归（AR）”与“移动平均（MA）”机制，捕捉数据的长期趋势与短期波动规律，最终实现对未来趋势的预测[21]。因此，本研究选取最优的ARIMA（p，d，q)模型，同时基于Box-Jenkins（2015）[23]的建模思想，通过信息准则对候选模型进行比较，并以BIC最小为准则确定最终的（p，d，q）组合，从而在拟合优度与模型复杂度之间取得平衡。

2.4 技术生命周期构建

识别出有前景的技术主题后，本研究为了揭示有前景的技术主题的技术发展轨迹和未来趋势，对技术主题进行技术生命周期分析。

技术生命周期将技术的发展划分为4个主要阶段：新兴阶段、成长阶段、成熟阶段和饱和阶段[24]。该理论通过描绘技术的周期性演化轨迹,界定技术在演进过程中所处的具体发展阶段,是反映技术发展趋势的重要表征。新兴阶段以基础研究和创新为主，在这个阶段内技术竞争力低、产品整合度低，专利申请量少。在成长阶段，技术的竞争力提升，专利数量快速增长，突破创新增多，大量新竞争者进入。成熟阶段以渐进式创新为主，技术转化为关键技术，全面整合到产品中，专利申请量趋于稳定。在饱和阶段，技术的竞争力下降，沦为基础技术，专利数量减少，容易被新技术替代。在生命周期的不同阶段,技术的发展速度、产品整合度及市场竞争力等特征存在显著差异，这些差异直接影响技术未来的发展趋势和市场应用前景[25]。

3 数据来源与处理

3.1 数据来源

本研究选取湖北省2010—2025年专利申请数据，通过多源数据融合构建完整专利数据集。借助DeepSeek大模型将学术文献前沿关键词转化为结构化检索策略，确定CPC代码H01L、G02B为核心技术范围，覆盖光电子器件、光学元件等领域，数据具有较强代表性与适用性。基于上述CPC代码与关键词组合构建检索式，在国家知识产权局及智慧芽数据库中检索2010—2025年光电子信息技术相关专利，筛选授权、实质审查及公开状态专利，并对多源数据进行整合去重，最终得到专利文献9790条。

3.2 数据处理

本研究首先提炼出摘要，建立摘要数据集,然后根据光电子信息领域的专业名词及相关文献资料来构建专业词典，以防止专业术语被机械分割；同时构建停用词表来剔除标点符号、语气词以及无意义的文本信息[26]，其次，利用Python的jieba中文分词工具对文本进行分词处理，并利用TF-IDF算法从每份专利文献对应的文本数据中提取适合构建精准文档-术语矩阵（DTM）的技术关键词[27]。TF-IDF算法如公式(2)所示。

式(2)中，D表示文本集合，di表示集合D中的文本；C表示关键词出现总次数集合，wi表示关键词，CWi表示关键词在文本集合D中出现的次数。

4 研究结果

4.1 核心技术主题识别结果

本研究从9790条专利中提取了具有高TF-IDF的关键词，我们预设阈值为64.89，有48个关键词的TF-IDF值超过阈值，是最具有代表性的技术关键词。表1给出了TF-IDF得分的描述性统计量。利用这些关键词我们构建了一个9790行（专利文献）和48列（技术关键词）的文档-术语矩阵，随后通过LDA主题建模方法识别这些专利文献与技术关键词之间的关联关系。表2完整列出了DTM构建过程中使用的全部关键词。

为精准筛选最优k值，本研究采用困惑度指标开展量化评估，在LDA模型训练过程中，随着主题数量k的增加，困惑度整体呈递减趋势；而如图2所示，当k=7时，困惑度曲线趋于平缓，说明继续增加k对模型性能的提升作用减弱。基于上述分析，本研究最终选定k=7作为最优主题数量。为保证主题数划分的科学性与可行性，本研究结合pyLDAvis分析图进行可视化主题数判别。如图3所示，各圆圈坐标位置分布较为均匀，互不重叠，说明主题之间相互排斥，辨别度较高，专利文本结果良好。

本研究基于LDA主题建模，通过关键词概率分布识别各技术主题核心关键词，采用N=2的N-gram分析，提取含核心关键词的高频二元词组，以明确对应技术领域。为客观解读关键词并衡量主题区分度，引入对比数值与技术关键词概率双指标，这两个指标可精确定位高区分度、高代表性关键词，为主题界定提供依据。七个技术主题的核心关键词、高区分度关键词及高频二元组汇总于表3。借助表4所展示的内容，我们可以确定七个主题对应的技术领域和核心方向，具体如下。

主题1聚焦OLED器件封装技术研究，研究方向主要围绕封装结构与材料的精细化设计与工艺优化，可以提升器件的阻隔能力与使用寿命，支撑柔性显示与高端显示应用。

主题2涉及三维存储技术，重点聚焦于突破存储密度瓶颈，深入研究沟道结构、栅极绝缘层及存储单元布局等几何参数，并以超高堆叠层数制备为核心目标，推动三维存储器向高密度与高稳定性发展。

主题3聚焦钙钛矿太阳能电池研究，研究方向包括钙钛矿薄膜制备方法、钙钛矿光伏电池与折射率等技术优化，旨在通过材料制备革新和性能协同优化提升电池的效率与稳定性，为产业化突破提供技术支撑。

主题4覆盖光电子显示领域的显示面板、像素电路及驱动技术，围绕显示面板设计、像素密度优化以及芯片巨量转移等关键技术，可为实现高性能、可柔性化与像素级的显示系统集成提供支撑。

主题5聚焦光通信领域中的光模块技术的创新，以光学系统设计、光模块封装及光收发模块集成为主线，核心方向侧重于优化光通信的信号传输与接入，以提升数据的传输速率。

主题6立足于半导体制造与光电子交叉领域，重点研究金属层沉积、金属互联层结构及导电性能提升等关键环节，旨在打造满足晶圆级制造的工艺与优化体系，为光电子器件提供“高集成、高导电”的硬件制造基础。

主题7聚焦光通信领域的光纤通信技术，其研究方向涵盖多芯光纤耦合、光纤通信模块以及激光刻蚀等微结构加工，并以光纤光栅器件设计为核心，实现光纤通信的高带宽与高精度特性。

4.2 技术主题潜力评估

本研究通过技术映射分析和时间序列分析进行定性和定量分析，以评估技术主题的发展潜力。首先，我们将专利文献与主题之间进行技术映射分析，随后根据各主题的专利申请数量，计算SHARE和CAGR，结果见表4，并将得到的数值标准化，以绘制技术领域分类可视化图，见图4。基于市场份额与复合年增长率双维度指标，技术领域可划分为四大象限：第一象限界定为主导技术领域，指市场份额高于行业平均水平且CAGR呈正向增长的领域，体现当前技术主导地位；第二象限为新兴技术领域，其市场份额虽低于平均水平，但CAGR保持正值，领域重要性持续提升，是未来重点发展方向；第三象限判定为衰退技术领域，该类领域市场份额低于平均水平且CAGR呈负向增长，因增长潜力受限，未来发展前景不被看好；第四象限定义为饱和技术领域，即市场份额高于平均水平但CAGR呈负向增长，表明领域发展已进入成熟饱和阶段。各技术主题所处的技术领域如表5所示。

其次，为了通过时间序列分析预测未来的专利申请趋势，我们通过定量分析将按技术主题划分的专利年度出现频率转换为时间序列数据。我们运用ARIMA模型来评估七个主题未来的发展趋势，由于专利申请需在提交后十八个月公开，所以我们提取了2010—2024年的各主题的专利申请数量作为时间序列数据进行分析。本研究预测了2025—2027年这三年专利申请数量的趋势，根据未来趋势，将结果分为冷门、活跃、热门三个领域，七个技术主题的具体领域分类详见表6。

本研究通过定量与定性分析相结合的方式，对各技术主题的技术成熟度进行综合评估并筛选具有发展前景的技术领域：将基于市场份额与复合年增长率（CAGR）识别的各技术主题领域分类，与基于时间序列分析得到的各技术主题发展水平进行交叉融合，进而开展技术成熟度评估与前景领域筛选，综合分析结果如表7所示。

图5呈现了2010—2024年七大技术主题的专利申请数量演变趋势。从数据特征来看，2010—2014年各技术主题专利申请量均处于极低水平，整体产业技术研发尚处萌芽阶段。其中，主题1（OLED 器件封装技术）专利申请量增长存在小幅波动；主题2（三维存储技术）的专利申请量呈现显著波动特征，于2018年、2020年两次出现申请峰值，而2019年、2023年则跌至低谷，这一数据特征表明该技术在此时间段内的研发进程遭遇阶段性瓶颈，技术迭代节奏出现明显阻滞。主题3（钙钛矿太阳能电池技术）与主题5（光模块技术）专利申请量整体规模较小，且前者发展趋势相对平稳。主题4（显示面板技术）的专利申请量自2012年起呈持续增长态势，于2019年达到专利申请峰值，数量达217项，虽在2020—2023年期间小幅回落，但2024年专利申请量已回升至峰值水平。主题6（半导体技术）的专利申请量整体呈持续攀升趋势，在2021年达到申请峰值，虽然在2023年受全球半导体市场阶段性调整的宏观因素影响，专利申请量出现小幅回落，但2024年便实现快速回升。主题7（光纤通信技术）专利申请量于2015年出现陡增，此后保持稳步攀升态势并在2023年达到峰值，2024年申请量则出现骤减，该现象大概率受检索时间范围与专利公开滞后期的客观因素限制。

4.3 高潜力技术生命周期分析

基于前期的定量与定性分析相结合的研究结果，我们筛选出主题4为有前景的技术主题，主题4主要聚焦于光电子显示领域，该领域的核心技术包括OLED显示面板设计、像素密度优化及芯片巨量转移等。为了识别出主题4中的技术增长潜力，我们利用专利年度申请频率和申请人数量来构建技术生命周期模型，筛选出主题4包含的专利文献1121篇，由于主题4在2010—2012年没有专利发表，所以我们计算2013—2024年的年度专利申请数量及每年发表相关专利的企业数量并将计算结果标准化，以便更清晰地对比不同年份的数据差异并识别技术所处的阶段。

从图6的专利数据特征可对光电子显示技术的技术生命周期展开精准判断：2010—2016年，该领域专利申请量较少，且专利申请人数量同步偏少，这表明光电子显示技术在此阶段尚处于技术萌芽阶段，技术研发还未形成规模，产业关注度与研发主体都比较有限。2017—2019年，专利申请量呈现快速攀升趋势，但专利申请人数量的增长幅度相对平缓，此阶段技术已迈入成长期，研发进程加速推进，不过技术研发主体仍集中于少数核心企业，还没有实现研发主体的大范围扩大。2020—2024年专利申请量小幅下降后便保持平稳态势，而申请人规模则快速增长，研发主体扩大，核心企业增多，上述数据特征印证了光电子显示技术自2017年后已逐步迈入技术成熟期，产业与技术前景整体向好。

5 结论与建议

5.1 主要结论

1）该多维度整合框架能非常好地适配光电子信息领域的技术主题识别和主题潜力评估，利用该框架共识别出湖北省光电子产业七大核心技术主题，主题1—7分别对应OLED器件封装技术、三维存储技术、钙钛矿太阳能电池技术、显示面板/像素电路及驱动技术、光模块技术、半导体制造技术与光纤通信技术等关键领域。在主题潜力评估方面，定性分析表明七大主题呈现明显分化：主题2、主题4与主题7占据主导位置，主题5属于新兴技术，主题6趋于饱和，而主题1与主题3则表现出相对衰退特征。进一步的定量结果显示，主题1与主题7较为热门，主题4、主题5与主题6稍显活跃，主题2与主题3相对冷门。综合定性与定量分析结果，主题4在技术活跃度与增长潜力上表现更为突出，具有较强的发展前景。

2）其他六大主题虽没有显示技术一样的高增长潜力，但对光电子信息产业发展来说仍不可或缺。OLED器件封装技术虽在湖北省光电子信息产业中呈衰退态势，但作为OLED器件研发的关键配套环节，仍具不可替代的产业支撑价值。三维存储领域已形成一定技术积累与产业基础，但从演进趋势看，未来可能向新型存储路线转移并推动研发方向转型。钙钛矿太阳能电池在省内不属核心赛道且偏衰退，但在全国层面凭借高效率与低成本优势，对绿色低碳转型意义突出，具备较大产业化拓展空间。光模块技术是省内新兴方向，研发与产业化推进快、产品迭代频繁，已受到产业链重点关注，市场潜力较强。半导体技术处于饱和阶段但应用适配性广，可为上下游技术创新提供关键硬件支撑，是区域产业升级的重要技术底座。光纤通信是省内主导领域，在5G/6G、AI、算力网络与数据中心需求驱动下持续迭代，将支撑千兆向万兆光网演进，前景广阔。

5.2 发展建议

1）聚焦核心优势，优化产业结构配置。强化显示面板技术的核心支柱作用，持续攻关超高清化、柔性化升级等新型技术赛道，拓展车载显示、AR/VR高端场景；同时联动鄂州华容区等配套园区，通过“芯光链”平台强化面板与芯片、模组的产业链协同，巩固全国最大中小尺寸显示研发生产基地地位。

2）推动技术融合，强化协同创新生态。立足湖北“光芯屏端网”产业集群，以核心技术为纽带搭建跨领域创新平台，促进显示面板技术与半导体制造技术深度耦合，强化显示面板与专用芯片的协同研发；推动光纤通信技术与算力网络、5G/6G技术融合，适配万兆光网与AI算力集群的高带宽需求。

3）完善全链条支撑，拓展应用场景。在研发阶段可以加强基础研究的投入，支持高校与科研机构开展前沿技术探索，为技术创新提供源头动力；在技术转化阶段可以搭建中试平台与技术转移中心，降低创新成果转化成本，加速技术向产品转化；在应用阶段政府可以鼓励企业与下游行业合作，拓展光电子技术在新能源、智能制造、医疗健康、智能交通等领域的应用场景，以市场需求牵引技术迭代。

5.3 未来研究展望

在数据来源方面，未来可利用多种数据源多方面、多角度地对技术主题识别进行更全面的研究，如可以加入学术论文、科技舆情、基金及科技报告等数据进行主题识别，或单独分析某一技术主题，以期带来更为准确、可信的研究结论。在研究领域方面，未来可拓展研究边界，将分析维度延伸至全国乃至全球光电子信息产业，也可将产业细化到芯片产业、半导体产业、集成电路产业等核心技术产业，全面探究其整体发展现状与未来发展趋势，从而获取更宏观、更具普适性的产业发展洞见，为国家突破技术“卡脖子”瓶颈提供针对性对策。

基金项目：国家社会科学面上项目数据驱动下技术创新网络自动构建与动态演化机制与方法研究（23BGL078)；武汉科技大学科教创新与人才开发研究院开放基金重点项目“区域创新网络整体效能的统计测度与提升策略研究”（2025A02）

作者信息

王芳 博士，省级品牌专业和教学团队主要参与人，智能仿真优化与调度专委会委员 武汉科技大学管理学院教授，硕士生导师

刘君茹 武汉科技大学管理学院管理科学与工程专业研究生，研究方向为技术创新

参考文献