弱信号识别研究综述：寻找微弱的未来信号.pdf

情报学报 2023 年 8 月 第 42 卷 第 8 期Journal of the China Society for Scientific and Technical Information,Aug.2023,42(8):996-1008弱信号识别研究综述：寻找微弱的未来信号韩盟，陈悦，王玉奇，宋凯，王康（大连理工大学科学学与科技管理研究所暨WISE实验室，大连 116000）摘要 作为提早预判未来而减弱不确定性的一种重要方式和手段，弱信号识别对于行为主体规避风险、把握战略主动具有重要的意义，现已受到学术界的广泛关注。对弱信号识别的相关文献进行综述，能够厘清研究现状、发现研究重点、认清研究方向，为相关科研人员提供参考。第一，梳理弱信号及相关概念的界定和发展脉络；第二，总结弱信号识别研究的相关理论；第三，解析弱信号识别的研究目标和数据来源；第四，梳理和讨论弱信号研究方法的适用性；第五，提出弱信号识别研究的发展方向。文献综述的结果表明，目前弱信号的定义尚未统一，识别理论尚未成熟，研究数据多源，研究类型丰富，研究方法较为多样，识别结果的评估和检验尚不充分，这为学界研究弱信号提供了方向。关键词 弱信号识别；行业发展；技术监测；危机预警；产业融合Searching for Weak Future Signals:A Review of Weak Signal IdentificationHan Meng,Chen Yue,Wang Yuqi,Song Kai and Wang Kang(The Institute of Science of Science and S&T Management&WISE Lab,Dalian University of Technology,Dalian 116000)Abstract：As an important prediction method that reduces uncertainty,weak signals identification is heipful for avoiding risk and grasping opportinity,and has been of interest to academics.This article aims to clarify the research status,determine the research focus,identify the research direction,and provide reference for relevant scientific researchers by summarizing the relevant research literature of weak signal recognition.First,the definition and development of weak signals and related concepts are determined.Second,relevant theories are summarized.Third,the research target and data source are analyzed.Additionally,the usability of the methods is clarified.Finally,the perspective direction focused on weak signal identification research is proposed.The literature review shows that weak signals and system identification theory lack universally accepted definitions,and although diversified methods have been used to identify weak signals from all types of data sources,the evaluation and test research remains insufficient.Keywords:weak signal identification;industry development;technical monitoring;crisis warning;industrial integration0引 言信息可以用来消除不确定性，但是随着捕获信息的能力快速提升，信息又导致了不确定性的增加，因而不确定性是当今信息时代的特征之一。为了能在变化中把握先机，信息识别、信息分析和信收稿日期：2022-10-30；修回日期：2022-12-04基金项目：国家重点研发计划项目“颠覆性技术识别理论、方法与专家预判系统”（2019YFA0707201）；辽宁省科技创新智库研究基地“未来技术与产业协同发展研究基地”项目（ZX20211063）；教育部哲学社会科学研究重大课题攻关项目“基础研究领域颠覆性科研成果识别与我国基础研究能力提升研究”（22JZD021）。作者简介：韩盟，男，1996年生，博士研究生，研究方向为科学计量、科技管理；陈悦，通信作者，女，1975年生，博士，教授，博士生导师，研究方向为科学计量学、科学学与科技创新管理，E-mail：；王玉奇，男，1994年生，博士研究生，研究方向为科学计量、科技管理；宋凯，女，1993年生，博士研究生，研究方向为科学计量学、机器学习、自然语言处理；王康，男，1992年生，博士研究生，研究方向为科学计量学、技术预见。DOI:10.3772/j.issn.1000-0135.2023.08.010第 8 期韩盟等：弱信号识别研究综述：寻找微弱的未来信号息解释日益受到学界关注。近年来，“黑天鹅”事件频频发生，事后溯源往往发现“苗头”早已存在，因此，通过探测与分析影响未来发展的弱信号识别研究意义重大。安索夫（Igor Ansoff）最早于 20 世纪 70 年代将“弱信号”的概念引入战略管理领域，识别这种“微弱的未来信号”立即引起学界关注，尤其激发了未来学、管理学、竞争情报等领域学者的研究热情1，新的成果不断涌现，相关理论和方法不断更新，研究目标和视角也逐渐丰富。2010 年，赵小康2从企业视角对弱信号的识别、探测和应对的相关研究做了综述。由于数据存储技术和数据分析方法的日益成熟，弱信号理论和定量测度的相关研究有了极大的发展。因此，为更好了解、把握弱信号识别的研究现状，探寻未来研究方向，有必要对国内外弱信号识别的相关理论和方法进行系的梳理和归纳，为后继研究和实践者提供参考。目前，在管理领域的弱信号识别研究主要集中于四个方面，即弱信号定义及相关概念、弱信号识别相关理论、弱信号识别类型和弱信号识别方法，但尚未形成清晰的弱信号识别理论与方法体系。1弱信号定义及相关概念1.1 弱信号的定义和特征关于弱信号（weak signal）的研究已持续近半个世纪，但尚未形成统一的定义，在众多定义和表述 中，安 索 夫、科 夫 曼（Coffman）和 希 尔 图 宁（Hiltunen）的研究影响较大。安索夫强调在优化企业战略管理实践背景下的“弱信号”定义。早在 1975 年他就指出，弱信号是一种来自组织内部或外部的威胁、事件或情况，具有发展过程不完整、影响效果难以估计、应对困难的特点3。面对快速变化的环境，任何公司都必须对战略管理实践中的“弱信号”给予更多的关注。1980 年，安索夫将弱信号明确为“具有重大影响的、不确定的早期征兆”4，其中蕴含着机会与挑战，其形式、过程和来源尚不明确。科夫曼从组织学习进化的视角丰富了弱信号的内涵，明确了弱信号的价值和危害。1997年，科夫曼基于安索夫“弱信号”研究指出，弱信号是影响商业或商业环境的想法和趋势，较难追踪，需要一段时间发展成强信号，而这正是学习成长与进化的机会5。他将弱信号分为两类：一类是可能会威胁体系平衡或提供优化改进的弱信号，该类信号发生时，并不需要对产品、流程、项目或组织等进行彻底的检修或维护；另一类是可能会带来巨大生产力飞跃或导致灾难性产能损失的弱信号，该类信号发生时，组织必须彻底改变原有的生产工艺或规范。希尔图宁在前人的研究基础上，进一步明确和规范了“弱信号”的特征。通过对芬兰未来学研究者们进行“弱信号”特征的德尔菲法式调研，希尔图宁总结出弱信号应具有以下四个显著特征6：变化的早期预警，通常因与其他信号结合而变得更强；其意义取决于接收者的目标，通常需要进行系统搜索才可识别和发现；需要有支撑、群聚效应、扩大影响空间以及一群先行者；通常并不是由公认的专家识别出来的，只能被先驱者或特定的群体识别。综上，弱信号的定义是模糊的，它具有诸多特征（表 1），其本质是一种预示着未来变化的某种现象、事件、机会或威胁，分析和识别弱信号有助于提前了解和增加未来发展的确定性。1.2 相关概念在已有研究中，与“弱信号”的内涵或特征相似的术语还有“百搭牌（wild cards）”“新兴议题（emerging issues）”“变革萌芽（seeds of change）”和“预警信号（early warning signals）”等。百搭表1相关研究的弱信号含义及特征含义特征 有预见性的、定性的、模糊的、零碎的、形式和来源多样的迹象符号。目前难以察觉的变化因素，但在未来将构成一种强大的趋势。通过对组织竞争环境中各种迹象的观察以及业内人员意见的分析，对未来的趋势波动做出的早期判断。是从一堆有联系的数据中创造性地推断出来的，意味着一种潜在的新兴思想。能被感知的弱信号较少，有效的信息难以被捕获，误导或虚假信号与有效信息并存，收集信号的成本和精力有限。与主流的意义建构范式相悖的反常或奇怪问题，是新奇的未来信号；在与未来有关的信息中，不仅罕见，而且与已有范式不相关。弱信号既关联现象，也关联结果；弱信号仅代表正在变化的现象；弱信号只是一个预示未来变化的征兆。具有结果不确定性、信息不完全性、解读复杂性，有前置期、可演化成趋势、可引导变化等特征。文献Blanco等7Uskali8沈固朝9Mendona等10单彬11Kim等12董尹等13发表年份1998200520092012201420172018997第 42 卷情 报 学 报牌，原本是指可以由庄家在发牌前命定的百搭牌，意指在某一趋势演变过程中可能构成转折点的突发的、独特的事件14，具有概率低、影响大的特点，如全球瘟疫。这一概念在提出之始，相较于“弱信号”而言，更强调环境的不确定性和事件的突发性。新兴议题，作为未来学领域的一个专业术语，为新出现的问题或最早的事件15，强调信息的确定性和必然性，更有事件发生的合理性含义。变革萌芽，意味着变化的源头16，包括最初的想法或发明、分水岭事件、表征新价值的社会异常等，是仅被极少数人注意到的趋势。预警信号，意为新出现的问题，或可能显著改变社会、经济和文化环境的事件17，侧重于信号的负面性。上述术语大多出现在弱信号研究的早期文献中，后逐渐统一为“弱信号”这一术语。此外，学术界还存在一类与“弱信号”很相似的学术用语，如“新兴话题（emerging topics）”18、“新兴研究趋势（emerging trend）”19、“新兴研究领域（emerging research field）”20或“新兴研究主题（emerging theme）”21等，这些学术用语更强调“一个热门研究话题在其整个生命周期中（从产生到消亡）涌现阶段”22的称谓，与上述弱信号概念中“微弱、模糊”的属性相比尚有差异。2弱信号识别相关理论2.1 安索夫三层过滤器理论1975 年，安索夫提出弱信号概念的同时，也提出了可用于弱信号识别的理论方法3。他指出，竞争环境中蕴含的弱信号会经历五个演变时期：感知弱信号；锚定信号来源；信号形式具体化；形成战略性应对依据；根据信号和应对措施预见结果。在 1984年，安索夫又进一步提出了信息接受者可以用来识别弱信号的三层过滤器理论23，即“观察器-认知器-决策器”三大层级结构的过滤机制，并按照各层级功能不同，将其更确切地描述为扫描层、分析层和决策层。观察过滤器（observation filter），也被称为扫描过滤器，定义了观察和收集数据的区域，包括信息获取的方法，是弱信号识别的扫描层。认知过滤器（cognitive filter），也被称为分析过滤器，定义了评估从第一阶段传递的与公司相关信息的区域，是弱信号识别的分析层。决策过滤器（power filter），也被称为权力过滤器，当组织的管理者、参与者或决策者聚集在一起，决定和分析前两个阶段传递的信息时，就会使用权力过滤器，是弱信号识别的决策层。安索夫的三层过滤器理论概述了识别弱信号的三大步骤，即确定信息来源、探索弱信号位置以及理解弱信号，适用于弱信号识别分析的全过程。该理论促进了弱信号在战略管理领域的发展，后继研究者们也大多基于这一理论框架开展弱信号的识别研究。但该理论框架中对于弱信号的描述、解释和监测仍是概念阐释，尚缺乏三层过滤器建构的具体步骤、定义和实例等6。2.2 科夫曼传感解码关联理论基于安索夫理论研究，美国学者科夫曼于 1997年进一步提出了弱信号识别的传感解码关联理论5。他指出，弱信号的识别和预测不能仅依靠数值分析，更需要构建具有角色、情节和场景互动的故事。寻找弱信号有两种方法，一是从信号的来源去探索，二是成为弱信号的发出者。科夫曼指出，最好是将这两种方法结合起来，如企业不仅要进行新点子的环境扫描，还要创建新点子，才能有效地寻找到弱信号；而对于识别弱信号，科夫曼提出需要输入传感器、解码器和关联器三者共同作用5。其中，输入传感器是组织的眼睛，不仅包括“看到”环境中信号的技术手段，而且还决定了可以看到什么。解码器则将信号转换为消息，可以通过阅读文字、翻译语言、识别图像、传输声音等形式将输入传感器中的信号正确解码出来。关联器则是组织的模型生成器，对所有消息进行排序，并根据存储在内存中的接受库将它们组合成不同模型，这些模型能够反映出该信号对于组织的价值或意义，并进一步影响组织行为，促进组织蓬勃发展。此外，科夫曼还强调，对于弱信号接收者而言，其几乎从来都不是弱信号的预期目标5。科夫曼在安索夫理论研究的基础上，着重强调了弱信号识别中解码工作的重要性和必要性。2.3 希尔图宁三元符号模型2008 年，芬兰学者希尔图宁在弱信号识别的研究6中引入了皮尔斯的三元符号模型理论。原有三元符号模型指出，符号（sign）是由符号代表项（representament）、符号对象（object）、符号解释项（interpretant）三项元素共同组成的24。其中，符号代表项，是指用来代表事物可被感知、被呈现出来998第 8 期韩盟等：弱信号识别研究综述：寻找微弱的未来信号的媒介对象；在希尔图宁的三元符号模型理论中，符号代表项被称为问题（issue），用来指代事件发生的情况。符号对象，是指被符号所代表的内在含义或事物，在希尔图宁的三元符号模型理论中，其被称为信号（signal），用来指代信号的数量或其他可见性。符号解释项，是反映“符号代表项”与“符号对象”之间的意指关系，对符号进行解释与说明，代表符号传达的价值和意义。从弱信号识别的角度，意指信号接受者对弱信号的理解；从组织的角度来看，这可能是该信号对组织的未来重要性。通过从以上三个方向分析和解码弱信号，希尔图宁在安索夫和科夫曼的基础上进一步明晰了弱信号识别的研究思路，丰富了弱信号识别的理论基础，为弱信号的定量识别和检测打下坚实铺垫。2.4 其他与弱信号识别相关的理论研究2.4.1 环境扫描环境扫描（environmental scanning），又称水平扫描，该概念最早由美国学者弗朗西斯阿吉拉（Francis Aguilar）于 1967 年提出，是指获取和利用外部环境中有关事件信息、趋势信息和关系信息的行为25。环境扫描是组织和组织中的个人了解和分析其环境的方式，既涉及被动观察，也涉及主动收集信息，并在组织的各层级进行，可以协助企业的高级管理层制订其未来行动的计划。环境扫描作为一种传统的预见方法，自弱信号提出之初，就被安索夫视为可以有效识别弱信号的重要理论和方法基础。在随后几十年发展期间，被许多学者应用和实践于弱信号讯息的扫描和获取阶段26-29，现已成为弱信号识别研究的重要理论之一。2.4.2 适应度地形适应度地形（fitness landscape）概念起源于理论生物学，由美国学者赖特（S.Wright）在 1932 年首次提出，其采用适应度地形描述基因型和生物生存能力的关系30。适应度地形的理论指出：生物进化的方向是指向一个局部的高峰，而不是全局的高峰。从局部高峰朝任何方向进化，都必须经过很长一片的低谷，才可能去攀登全局的高峰。原先在适应度地形的低谷处苟活的生物/个人/系统，因为在正确的时间处于正确的位置，有可能迅速攀升到全局高峰。全局高峰的概念不是静态的，由于外部环境的改变、技术参数的改变，会不断有新的全局高峰涌现出来。为防止陷入适应度地形的死胡同，需要不断地自我进化，适应新的环境。韩国学者 Yoo 等31在弱信号识别研究中，最早引入了适应度地形理论，并基于此论证了弱信号识别的重要性和必要性，指出必须不断地向外界探查和分析弱信号，才能更好地在市场竞争中不断进化，以避免进入适应度地形的死胡同，走向绝境。该理论主要应用于弱信号识别的论证和评价阶段，着重强调了弱信号识别的价值，为弱信号的合理评价提供了方向。2.4.3 信息觅食理论信 息 觅 食 理 论（information foraging theory，IFT）是在 20 世纪 90 年代末由彼得皮罗利（Peter Pirolli）和斯图尔特卡德（Stuart Card）类比动物觅食而研究提出的32。信息觅食实质上是研究人们如何在网络上导航以满足信息需求的基本理论。其核心思想是，为了提高信息搜寻的效率，个体会根据其信息需求，在成本许可的情况下，尽可能地优化信息搜寻的方法和策略。德国学者莱因霍尔德（Reinhold Decker）最早将信息觅食理论应用于弱信号的识别研究中，提出了一个基于信息觅食理论的自动化信息搜寻研究框架，并可以较好地确定搜寻文档的相关性，为后续研究中数据获取的优化提供了理论支撑29。2.4.4 意义建构理论意义建构理论（sense-making theory）最早由美国学者布伦达德尔文（Brenda Dervin）于 1983 年提出，主要由情境（situation）、鸿沟（gaps）、使用（uses）和桥梁（bridges）四个要素构成，其认为信息研究应由来源强调转向使用者强调的方向，并指出人们会基于不同的内部认知和外部情境来构建自己的行为33。该理论是信息科学领域认识范式的重要代表，它不仅强调了以用户为中心的行为构建视角，更是在不同情境中研究人们构建特定信息需求和行为的一套有效理论和方法33。2010年前后，弱信号识别领域的学者们在探索弱信号关键词含义解读中，引入了意义建构理论34-36。基于这一理论内涵，大多数学者均认同弱信号识别的解读基础是由信息接受方与环境共同组合而成的，弱信号的解读实质上是一种主观建构行为，人们只有通过观察才能理解弱信号的意义，并实现与他人的信息共享。对一个观察者而言，一个微弱的信号变化对另一个观察者来说可能并不意味着同样的变化；同时，一999第 42 卷情 报 学 报项有价值的弱信号的含义也可能不是确定的，并且会有着不同利益相关者的多种解读和争辩10。意义建构的过程要保持开放性和反思性。上述各弱信号识别理论的适用阶段、作用及特点如表2所示。除 上 述 理 论 外，技 术 预 见（technology foresight）1、未来技术分析（future-oriented technology analysis）37、联合分析（conjoint analysis）38、风险分 析（risk analysis）39、知 识 流 动（knowledge flows）40、交叉影响分析（cross impact analysis）41、关联分析和问题指引法2等概念和理论方法也被应用到弱信号识别的相关研究中，但涉及文献不多。3弱信号识别类型作为“图书馆情报与文献学”学科背景下的弱信号，其在本质上与物理领域（如声音、电流、光、振动、温度等）的“微弱信号”属性相同，是“信号的一种状态”42。而“信号”本身不能单独存在，其需要载体，即信号的对象3，也可以理解为应用领域。因此，在弱信号识别领域，根据信号对象的不同，可以将已有研究划分为行业发展弱信号、技术监测弱信号、危机预警弱信号和产业融合弱信号共四个类型。3.1 行业发展弱信号基于行业发展的弱信号识别研究，往往聚焦于某一行业领域。数据类型较为多样，数据形式多为非结构化文本，往往需要通过网站 API（application programming iterface）接口和爬虫程序才能获取，且需要自然语言处理加工后才能使用；少部分可通过数据库直接导出。相关的主要研究信息如表3所示。表2弱信号识别相关理论汇总理论三层过滤器传感解码关联三元符号模型环境扫描适应度地形信息觅食理论意义建构理论提出者或首次使用者安索夫科夫曼希尔图宁Francis AguilarSun Hi Yoo等Reinhold DeckerJanghyeok Yoon时间（年）1975199720081967201820182012适用阶段全过程全过程全过程数据获取阶段弱信号论证与评价阶段数据获取阶段弱信号论证与评价阶段作用及特点搭建识别框架，主要为概念模型，缺乏具体阐释实例3。在安索夫研究基础上强调了识别中解码工作的重要性5。在安索夫和科夫曼研究基础上明晰了识别思路，将识别研究具象化和数量化6。补充了弱信号识别中数据获取工作的基础方法理论25。着重强调弱信号识别的价值，提供了弱信号评价方向31。为数据获取的优化研究奠定基础29。指出弱信号解读的开放性和弱信号含义的多样性34。表3行业发展弱信号识别主要研究数据类型新闻数据新闻数据新闻数据网页数据网页数据互联网信息文献数据、新闻数据和互联网评论数据文献数据、新闻数据和互联网评论数据文献数据、新闻数据和互联网评论数据新闻数据新闻数据数据来源路透社芬兰商业日报KauppalehtiProQuest数据库谷歌搜索引擎谷歌搜索引擎美林证券、国家知识产权局、中国互联网络信息中心ScienceDirect、纽约时报、TwitterScienceDirect、纽约时报、TwitterScienceDirect、纽约时报、Twitter韩国新闻平台Naver News谷歌搜索引擎数据量50篇新闻文章87篇新闻报道28270篇网络新闻14792个文档5969个文档26个指标4.3 万篇科学论文、1820 篇纽约时报文章和约58000条推文38669篇科学论文、1234篇纽约时报文章和45191条推文4.3 万多篇科学论文、1800 篇纽约时报新闻文章和大约59000条推文273066篇文章16413篇新闻文章研究领域金融创新新闻太阳能电池医用氧气供应氢和电化学能源转换和储存技术智能手机人工智能太阳能电池板未来遥感技术核能智能电网研究目标为未来有利可图的资金投资提供有用的线索29。探查创新新闻中是否存在弱信号8。利用网络新闻检测商机的弱信号，以帮助专家识别潜在的业务项目34。利用互联网上的全文信息进行环境扫描和弱信号监测，为研发规划提供支持35。识别相关的弱信号发展方向，辅助组织在战略预警环境中做决策43。华为智能手机竞争弱信号的定量识别44。监测研究行业的微弱信号，以发现未来重大现象和突破性变化36。监测研究行业的微弱信号，以发现未来重大现象和突破性变化45。监测与未来先验变化相关的弱信号16。通过分析社会大数据，预测国家能源政策的变化46。考察智能电网行业发展趋势，探索未来信息，增强对未来信号关键字的解读47。1000第 8 期韩盟等：弱信号识别研究综述：寻找微弱的未来信号行业发展视角的弱信号识别研究中，数据类型主要为新闻、互联网网页及评论和文献类型数据，数据量从几十项至数十万项不等，数据来源包括权威新闻媒体（路透社、纽约时报、芬兰商业日报Kauppalehti、韩国新闻平台 Naver News、国家知识产权局网站、中国互联网络信息中心）、文献数据库（ProQuest、ScienceDirect）、搜索引擎（谷歌）和社交网络（Twitter），研究对象包括金融、能源、人工智能、遥感和核能等新兴或重要行业领域，研究目标通常是考察行业发展趋势，探索技术应用的弱信号，发现该行业的商业机会，为政府部门或相关企业提供行业发展的建议或意见。3.2 技术监测弱信号基于技术监测视角的弱信号识别研究，通常聚焦于某一技术领域。数据类型主要是结构化的科学论文或专利数据，大部分可以通过数据库直接导出所需数据的题录信息（标题、作者、摘要、关键词和发表年份等），少量数据需网络爬取。相关的主要研究信息如表4所示。技术监测视角的弱信号识别研究中，数据类型主要包括期刊和专利类型的文献数据，数据量从几十项至数十万项不等，数据来源主要包括 IEEE Xplore、SpringerLink、EBSCO、ScienceDirect、ACM Digital Library、Scopus、USPTO 等文献和专利数据库，以及国际权威信息网站；研究对象包括大数据、人工智能、纳米、AR 和土地管理等新兴或重要技术领域；研究目标主要是识别技术发展和科学研究中的未来信号或潜在问题，预测未来技术演化的方向，捕获技术创新方向变化的早期迹象，为研发部门或相关创新主体提供决策支撑。此外，基于这一研究视角，国内外学者还提出了颠覆性技术、破坏性技术、新兴技术、前沿 技 术 等 识 别 的 研 究 方 向52-53，但 这 类 研 究 与“弱信号识别”相比，更强调技术识别的突破性和必然性，较少涉及技术监测中“弱”和“不确定性”的含义。3.3 危机预警弱信号基于危机预警视角的弱信号识别研究，其研究内容往往聚焦于某一事件，以事后检验的方式开展研究。数据类型较为多样，数据形式主要是非结构化文本，往往需要通过网站 API 接口和爬虫程序才能获取，需要自然语言处理加工整理后才能使用。相关的主要研究信息如表5所示。危机预警视角的弱信号识别中，数据类型主要为网络公开数据和媒体新闻数据，可参考数据量往往较多，需结合危机事件范围和检测时间来获取合表4技术监测视角弱信号识别主要研究数据类型网络数据文献数据文献数据专利数据文献数据网络数据专利数据网络信息文献数据专利数据数据来源谷歌搜索引擎韩国陶瓷学会学报IEEE Xplore、ACM Digital Library、SpringerLink ScienceDirect、USPTO（United States Patent and Trademark Office）数据库EBSCO数据库AR（augmented reality）技术相关网站、USPTO数据库全球趋势简报（Global Trends Briefing，GTB）Scopus数据库德温特专利数据库（Derwent Innovations Index，DII）数据量40000个HTML页面50篇文章5800篇文献708篇文献499篇文档、4024份专利授权书15万篇GTB信息5311篇文献852个专利族研究领域MicroTiles应用纳米技术大数据人工智能伦理问题增强现实（AR）技术新兴技术土地管理隐形眼镜消毒研究目标从检索到的非结构化文本中提取弱信号信息25。探测科学和技术变化的微弱信号，预测与技术创新有关的事件31。在数据量庞大且非结构化的大数据环境中，捕捉环境变化的早期迹象；为未来感兴趣的研究人员在特定技术领域的数据语料库中识别弱信号提供样例48。识别技术发展中新出现的问题，并评估未来信号的强度26。拓展弱信号识别的信号源，提高弱信号识别的灵敏度12。建立一个补充信息系统，为未来技术的研究人员和决策者提供环境变化的信息，并提示未来研究和技术变化可能出现的微弱信号49。识别土地管理领域技术发展的未来信号，并使用主题模型来增强未来信号的解释50。识别技术领域弱信号，以辅助决策51。1001第 42 卷情 报 学 报适数据量，数据来源包括 纽约时报 等权威媒体平台，研究对象包括 1995 年东京沙林毒气事件、2005 年伦敦爆炸事件、2008 年金融危机和 2020 年COVID-19 疫情。研究目标主要是识别危机事件发生前的微弱信号，监测危机来源事件和人物，总结危机预警的特征或证实研究方法的有效性，以预测未来的机会和风险。3.4 产业融合弱信号基于产业融合视角的弱信号识别研究，其研究往往聚焦于某一产业“科学-技术-市场-产业”融合链条的最后一个阶段。以企业并购、企业投入产出和企业专利文献等信息为产业融合的研究数据，开展弱信号识别的研究设计。相关研究的具体情况如表6所示。产业融合视角的弱信号识别中，数据类型主要是以企业为主体的产品和服务数据、并购数据、投入产出数据和专利数据，具体数据量需结合研究领域范围大小和弱信号识别时间跨度来确定，数据来源包括全球并购交易分析库、德温特数据库和世界投入产出数据库（WIOD），研究对象涵盖高新技术产业、老年智能家居和人工智能等多个产业领域。研究目标主要是识别产业融合的微弱信号，把握新兴产业创新特征，预测产业融合趋势，协助企业制定技术发展战略，培育核心竞争力。4弱信号识别方法已有弱信号识别中，多数研究将关键词术语作为弱信号识别结果，并基于不同方法对弱信号术语进行解码，以实现信号的有效解读和传输；少数研究则是将弱信号理解为某一现象或事件，进行识别和分析。结合具体识别方法，可将已有研究划分为组合图法、文本挖掘法、机器学习法、指标评价法、专家评估法共五种类型，如表7所示。表5危机预警视角弱信号识别主要研究数据类型网络信息新闻数据新闻数据数据来源互联网公开信息纽约时报纽约时报数据量事故后报告和新闻19642条新闻报道2006年11月至2007年4月的网络新闻研究领域2005年伦敦爆炸事件和1995年东京沙林毒气事件COVID-19疫情金融危机相关研究目标理解攻击现象，以系统识别可能的微弱信号及其来源，预防恐怖袭击54。监测微弱信号，预测未来的机会和风险55。检测和跟踪微弱信号在一段时间内的演化，将微弱信号增强为预警信号，以揭示未来可能发生的重要事件56。表6产业融合视角弱信号识别主要研究数据类型上市公司的产品和服务信息企业并购数据、专利数据并购数据和投入产出数据数据来源全球企业数据库（ORBIS）全球并购交易分析库、德温特专利数据库BvD-Zephyr数据库和世界投入产出数据库（World Input-Output Database，WIOD）数据量全球16151家上市公司数据110 条并购交易数据和856项专利数据16091家企业数据研究领域韩国高新技术产业老年智能家居人工智能产业研究目标尝试采用基于知识结构的方法，对产业间的弱趋同信号进行研究57。识别产业融合的弱信号，预测产业融合趋势58。识别人工智能产业融合微弱信号，把握新兴产业创新特征，推动技术革命进程，协助企业制定技术发展战略，培育核心竞争力59。表7已有弱信号识别方法概况弱信号载体多个关键词术语某一现象或事件具体研究方法组合图法文本挖掘法机器学习法指标评价法专家评估法具体应用概况使用出现频率和变化率提取关键词术语，通过坐标系展示。使用自然语言处理对文献进行聚类、文本向量化计算获得关键词。模拟预测关键术语扩散，自动优化关键词聚类，提取关键词。理论模拟弱信号出现情况，并设定指标条件量化，获得弱信号。通过专家评估，判断代表弱信号的现象或事件。1002第 8 期韩盟等：弱信号识别研究综述：寻找微弱的未来信号4.1 组合图法组合图法是韩国学者 Yoon34于 2012 年提出的弱信号识别方法，后被学者们大量采用并优化，现已成为弱信号识别研究中的重要方法之一。Yoon34在研究中，将弱信号视为与关键词相关的新兴话题，提出了一个弱信号关键词应该具有的特征：该关键字的出现频率很低，同时，其增长速度较高。基于这两点，Yoon定义了指标DoV，用来计算术语的可见度，使用一定时间段内特定术语出现频次占所有术语频次的比值来表示，即DoVij=TFijNNj1-t(n-j)(1)并定义了指标 DoD，用来计算术语的扩散度，使用一定时间段内含有特定术语的文档数量占总量的比值来表示，即DoDij=DFijNNj1-t(n-j)(2)其中，TFij为在时间段 j 内术语 i 出现的总频次；DFij为时间段 j 内含有术语 i 的文档数量；NNj为时间段 j 内文档的总数量；t为时间权重，由专家组确定为 0.05；通过指标 DoV 和指标 DoD 来同时考察指标的出现频率和增长速度这两大特征。分别使用 DoV 和 DoD 的平均值为横坐标，DoV和 DoD 年平均变化率（time weigthed increasing rate）为纵坐标，构建关键字显现图 KEM（keyword emergence map）和 关 键 字 发 布 图 KIM（keyword issue map）；最后，选取 KEM 图和 KIM 图中各象限同时出现的关键词术语，确定第二象限关键词并集为弱信号关键词术语，如图1所示。Yoon34使用太阳能电池领域的新闻数据验证了组合图法识别弱信号的有效性。该方法受到了学界的广泛认可，Griol-Barres 等16,36,45、Roh 等46、Park等47、Lee 等26和 Krigsholm 等50在研究中均采用该方法开展弱信号识别研究，并结合不同研究类型扩展了研究适用的数据范围，提升了研究方法中对于关键词术语所代表弱信号含义的可解释性。组合图法自提出之始就受到学者们的一致认可，本质上是该研究方法设定的两大特征，即出现频率低和增长频率高，满足了学者们认同的弱信号本质属性，且提出的 DoV、DoD 指标较为合理，两个指标组合使用更为可信。然而，该方法仍然存在KEM 图与 KIM 图不重叠象限关键词术语的可解释性不足、识别出弱信号关键词术语含义不明确等缺点，有待进一步提升和改进。4.2 文本挖掘法文本挖掘方法是以数理统计学和计算语言学为理论基础，通过发现文字出现的规律以及文字与语义、语法间的联系，实现从非结构化文本信息中抽取潜在知识的一种分析方法。其语义分析的效果对于弱信号识别而言，具有十分显著的效果，被众多学者采用。Thorleuchter 等35在研究中考虑语义的上下文结构，使用潜在语义索引（latent semantic indexing，LSI）方法创建了文档矩阵和语义空间，来揭示文档间、文本间、文本与文档间的潜在语义关系，并将语义文本模式中的相关术语与给定假设中的相关术语进行比较，且通过奇异值分解维数来表示相关弱信号的最大数目，验证了“未来欧洲 PSA（pressure swing adsorption）用于现场生产医用氧气（纯度 93%）的使用将增加”这一假设弱信号，实现了弱信号的识别研究，并为一家医用氧气供应商的研发计划提供了支持。同时，Thorleuchter等43在后继研究中，将弱信号识别与时间序列相结合，按时段切分信号识别的数据来源，以显示微弱信号的增长、稳定或消失，提升了弱信号识别的有效性，降低了方法的复杂性，增加了结论的可解释性。El Akrouchi 等55-56使用 LDA（latent Dirichlet allocation）聚类算法对不同时间切片的新闻数据进行主题分析，并结合不同指标做主题过滤和术语过滤，再结合 word2vec 模型扩展主题词含义，成功地对 2008年金融危机早期弱信号和 2020 年年初 COVID-19 疫情的早期弱信号进行了识别和预测。Park 等47在研究中使用 GloVe（global vectors）模型训练全局信息的词向量，构建词共现矩阵，确认文档与单词间的相似性，提升弱信号关键词的可解