自动识别技术论文范文1
关键词：自然语言处理 语言翻译 人工智能
一、引言
近年来随着计算机技术和人工智能的快速发展，自然语言信息处理技术已取得了长足的发展。于此同时人们在快速信息检索、语言翻译、语音控制等方面的需求越来越迫切。如何将自然语言处理中取得的研究成果应用于文本、语音等方面已成为目前应用研究的一个关键。论文将从自然语言信息处理的基础出发，系统的论述它在语音和文本方面的广泛应用。
二、自然语言信息处理技术简介
自然语言信息处理技术产生于上个世纪40年代末期，它是通过采用计算机技术来对自然语言进行加工处理的一项技术。该技术主要是为了方便人与计算机之间的交流而产生的。由于计算机严密规范的逻辑特性与自然语言的灵活多变使得自然语言处理技术较复杂。通过多年的发展，该项技术已取得了巨大的进步。其处理过程可归纳为：语言形式化描述、处理算法设计、处理算法实现和评估。其中，语言形式化描述就是通过对自然语言自身规律进行研究，进而采用数学的方法将其描述出来，以便于计算机处理，也可认为是对自然语言进行数学建模。处理的算法设计就是将数学形式化描述的语言变换为计算机可操作、控制的对象。处理算法实现和评估就是通过程序设计语言（如C语言）将算法实现出来，并对其性能和功能进行评估。它主要涉及到计算机技术、数学（主要是建模）、统计学、语言学等多个方面。
三、智能应用
通过多年的研究，自然语言信息处理技术已经取得了巨大的进步，特别是在应用方面。它主要被应用于文本和语音两个方面。
（一）自然语言信息处理在文本方面的智能应用
在文本方面，自然语言处理技术主要应用在语言翻译、字符识别、文本信息过滤、信息检索与重组等方面。其中，语言自动翻译是一个十分重要并具有极大现实意义的项目。它涉及到计算机技术、数学建模技术、心理学以及语言学等多个方面的学科。通过近些年的努力已得到了一定的发展。自然语言处理技术已在多个方面提升了翻译的效率和准确性。如自然语言处理中的语言形态分析与歧义分析对翻译技术来说十分重要，可以很好的处理翻译中的多意现象和歧义问题，从而提高翻译的准确性。字符识别具有广泛的商业应用前景，它是模式识别的一个分支。字符识别的主要过程可分为预处理、识别以及后期处理。目前，字符识别已得到了广泛的应用，并且效果良好，但还存在识别不准确的问题，其主要问题就出在合理性上，其中后期处理就涉及到采用词义或语料库等对识别结果进行合理性验证，通过该技术就能很好的解决识别不准确的问题，当出现识别不准确、出现多个识别结果时可以通过合理性验证技术高效的过滤掉异常选项，从而实现快速、准确的识别。目前自然语言信息处理技术在文本方面应用最广的就是文本检索。通过采用自然语言信息处理技术，一方面能快速分析用户输入信息并进行准确理解为检索提供更加准确的关键词，并且可以扩展检索输入的范围，让其不仅仅局限在文本输入方面，如采用语音输入或基于图像的输入；另一方面，通过采用自然语言信息处理技术可以对搜索到的信息进行处理让用户获取的是更加有效、准确的信息而不是海量的信息源（如许多网页）。因为将自然语言处理技术与文本重组技术相结合就可以极大的提高检索的效果，缩小答案的范围，提高准确性。当然，还可以提高检索的效率。目前，在中文全文检索中已得到了广泛的应用，并且效果良好。
如果能进一步的研究自然语言信息处理技术，将能实现信息的自动获取与重组，这样将能实现自动摘要生成、智能文本生成、文件自动分类与自动整理。若能进一步结合人工智能技术，将能实现文学规律探索、自动程序设计、智能决策等诸多方面的应用。这样可以减轻人类的工作强度，让我们从繁琐的基础工作中走出来，拥有更多思考的时间，从而能更加有效的推动技术的进步。
（二）自然语言信息处理在语音方面的智能应用
在语音方面，自然语言处理技术主要应用在自动同声传译、机器人聊天系统、语音挖掘与多媒体挖掘以及特定人群智能辅助系统等方面。其中，自动同声传译主要涉及到语音建模、识别以及语言翻译等方面，采用自然语言处理技术可以对自动同声传
[1] [2]
译的每个方面都能得到提高，最直接的部分就是语言翻译部分，同时还可能涉及到语音与文本的转换。特别是在语音和文本的转换方面，目前在中文出来中出现的一个问题是音似问题，即音似字不同的情况，对这种情况如果能采用自然语言处理技术来对其进行校验，将能提高其转换的效果，从而提高转换的质量和准确性。机器人聊天系统涉及到更加广泛的内容，如自动回答系统。在机器人聊天系统中不可避免的涉及到语音与文本的转换、自动回答以及逻辑推理，通过自然语言处理技术将能在意义理解、逻辑推理和知识应用等方面得到明显提高，从而使得应答的速度和回复的针对性和准确性等方面都得到一定的提高，从而提高聊天系统的应用性。在语音挖掘与多媒体挖掘方面，自然语言处理技术的应用主要体现在增强意义理解和提高检索速度这两个方面。通过该技术一方面能根据准确的获取语音所包含的意义，从而为搜集信息提供基础。同时，由于采用该技术也有助于数据挖掘中的对相关信息的检索和归纳。
随着人工智能、计算机视觉等技术的快速发展、自然语言处理技术将能应用于诸如自动场景解说系统等。也就是自然语言处理技术再结合图像理解技术和逻辑推理技术，就能准确的描述当前场景发生了什么事情，如果能和上一个场景进行比较就能及时的描述场景的变化，并通过有效的组织就能实现对场景的自动描述。再进一步利用人工智能技术、知识库及语音生成技术就能实现场景的自动解说，甚至能实现如自动足球运动这样快速场景变换的解说。同时，还能对特定人群提供辅助，如为盲人提供辅助的系统，帮助盲人识别物体以及其他的一些帮助。也可以应用于语音控制，语音控制目前也具有广泛的需求，可以应用在很多方面，将自然语言处理技术、语音建模技术、计算机技术以及控制技术相结合就能实现语音控制，甚至能应用于工厂的智能控制和管理。
四、结论
自动识别技术论文范文2
关键词：语音识别技术；计算机辅助语言；应用；综述
中图分类号：TP391.6 文献标识码：A 文章编号：1674-7712 （2014） 12-0000-02
随着全球化的发展，越来越多的人想掌握一门外语，而传统的语言教学已不能满足人们的这一需求。计算机辅助语言学习（Computer Assisted Language Learning，缩写CALL）伴随着这一时代背景应运而生。CALL是在一定的语言学和心理学的理论基础之上，利用计算机技术和信息技术辅助、推进语言学习。目前，许多CALL学习软件大多是把各类资料集成在一起，基本上不能对学习者给出有效的反馈信息。语音识别技术的应用使得CALL系统可以具有发音评测的功能，能够帮助学习者及时发现和纠正错误发音，避免重复错误发音形成习惯，从而极大提高了学习者的学习效率。
一、计算机辅助语言学习（CALL）及其特点
（一）计算机辅助语言学习（CALL）简介
语言作为我们的日常交流工具，在经济全球化发展的今天，它的社会功能也越来越凸显。随着国际交流的日益频繁，越来越多的人想掌握一门第二语言，语言学习也成为了教育领域的一大热点。
语言学习的直接目的就是提高学生的交际能力，而这一能力最直接的体现就是口语表达。传统的师生教学是语言学习的主要方式，在这种教学方式下口语的教学主要是采用教师讲解发音方式和发音演示，学生跟读训练的方法。可以说这样的学习方式在口语学习中是至关重要且卓有成效的，但却是不够的。随着计算机技术和信息技术的迅猛发展，CALL已成为当今外语教学发展的一个新趋势。作为一种新的学习方式，它主要是在一定的语言学和心理学的理论基础之上，利用计算机和信息技术辅助和推进外语的教学。
CALL是外语学习的新趋势，它在中国的应用已经有近20年的历史，但直到多媒体技术的出现，它才真正进入外语教学的课堂。可以预见CALL作为一种教育技术在教学中的运用是外语学习发展的必然趋势。
（二）计算机辅助语言学习（CALL）的应用及其特点
CALL始于二十世纪五十年代的美国，在语言教学中的应用始于二十世纪六十年代。其发展大致经历了行为主义阶段、交际法阶段、综合法阶段[1]。
1.行为主义阶段（Behavioristic CALL）
60年代，当时的应用主要为CAI（Computer-Aided Instruction）课件（courseware）的开发与利用，课件以行为主义（behaviorism）为理论基础。按照该理论，斯金纳设计了便于及时强化的程序教学机器和便于进行程序教学的程序[2]。程序教学主张把教学目标和内容分解成很小的单元，按照严格的逻辑顺序编制程序，将教学信息转换成一系列问题与答案，电脑呈现一个问题（S），学生提供一个答案（R），答对给予奖励，答错给予惩罚，奖励或惩罚紧随反应之后，这样通过一步步地强化使学生掌握教学内容，最终达到预期的目标。
这时CALL软件的特点是：计算机仅作为提供素材和指令的工具，将各知识点以固定方式组织起来；允许学生根据自己的步调自定学习进度和速度，但学习过程完全由计算机程序控制；计算机向学生提供大量的练习，练习的答案往往是唯一的，学生的回答没有自主性和灵活性。
2.交际法阶段（Communicative CALL）
20世纪80年代，计算机的功能大大加强，微机（microcomputer，或称个人电脑 personal computer）开始应用于教育。CAI课件的设计原则转向以认知心理学为主导，强调学习者的心理特征和认知规律，遵循认知的信息加工理论，把学习看作是学习者根据自己的态度、兴趣、爱好和需要，利用原有的认知结构，对当前外部刺激所提供的信息做出主动、有选择的信息加工。这一时期CALL软件的代表是著名学者安德逊（Aderson）根据认知学习理论，研制出的”高中几何智能辅助教学系统”，它实现了对学生求解几何问题思维过程的自动跟踪和控制。
这一时期CALL软件的特点是：计算机能够根据学习者的需求和特点进行个别教学，但由于心理学对人类学习规律认识不全面和人工智能技术的发展不成熟，CALL软件离个别化教学还有一段距离。
3.综合法阶段（Integrative CALL）
80年代后期并持续至今，多媒体技术与网络技术取得突破性发展，尤其是因特网的出现及其迅猛发展不仅改变了传统的生产方式、生活方式和思维方式，也改变了人们的教育观念和学习方式，引起了一场教育革命。
同时期崛起的建构主义（constructivism）学习理论成为这场教育革命中革新传统教学的理论基础。建构主义学习理论与认知语言学、社会语言学、第二语言习得的理论等构成综合法的理论基础。其中社会语言学的影响尤为明显，它强调在语言学习中要为学生提供真实的社会交际，使他们能够掌握社会所需要的语言技能（Warshauer&Meskill，1998）。而实现这一目的的最好方法是使学生参与有意义的任务型学习（task-based learning）。通过专题学习（thematic learning）、项目型学习（project-based learning）、协作式学习（collaborative learning）、跨文化学习（cross-cultural learning）等多种方法，在兼学知识、文化的同时学习语言。
这一时期CALL软件的特点是：（1）计算机作为认知工具、情感交流及协作学习工具，起到导师、伙伴的作用；（2）提倡为外语学习创造真实的情境，开展有意义的、有创造性的语言交际活动；（3）提倡将语言的学习与计算机技能的学习及使用结合起来，培养学生具有21世纪网络时代所需要的外语交际能力（Warshauer，1996；Warshauer，Shetzer，&Meloni，2000）。
由此可以看出，CALL经历的三个阶段伴随着教育学、心理学、计算机技术和信息技术的发展而发展，CALL系统的设计也向着交互性、个性化、针对性和创造性的方向发展。
二、语音识别技术在CALL系统的应用
（一）语音识别技术简介
语音识别技术，也被称为自动语音识别技术（Automatic Speech Recognition，ASR），其目标是让机器也能够像人一样具有听觉功能，直接接受人的语言，能理解人的意图，并做出相应的反应。
最早的基于电子计算机的语音识别系统是50年代由AT&T贝尔实验室开发的Audrey语音识别系统，它能够识别10个英文数字[3]；60和70年代，线性预测编码（Linear Predictive Coding LPC）及动态时间规整（Dynamic Time Warp DTW）技术的提出有效的解决了语音信号的特征提取和不等长的匹配问题[4]，实现了特定人孤立词语音识别系统；80年代和90年代，隐马尔科夫（HMM）模型和人工神经元网络（ANN）的成功应用，使得语音识别系统的性能比以往更优异，实现了大词汇量、连续语音和非特定人的语音识别。随着多媒体时代的到来，语音识别技术逐渐从实验室走向应用，其代表有：Via Voice、Whisper、Voice Tone、Voice Action、Siri等。
21世纪，互联网和移动通信技术的发展给语音识别带来了新的契机，语音识别应用已经延伸到各个方面，如通讯领域、计算机语音检索系统、自动化控制等。语音识别技术已经成为一个具有竞争性的新兴高技术产业，是一门既有理论价值又有实际意义的重要学科。
（二）语音识别技术的基本原理
从技术上看，语音识别属于模式识别的范畴，其系统结构与模式识别具有相似之处。不同的语音识别系统在具体实现细节上有所不同，但所采用的原理基本是相似的。首先要对输入的语音信号进行预处理，并抽取所需的语音特征，在此基础上建立语音识别所需的语音模板。在识别过程中，将输入的语音信号的特征与己存在的语音模板进行比较，并根据一定的搜索，找出最优的与输入的语音相匹配的模板。最后，给出计算机的识别结果。其识别过程如图1：
图1
（三）语音识别技术在CALL中的应用
随着计算机技术和信息技术的发展，CALL已成为现代教育技术在教育领域一个重要应用。但最初的CALL主要应用在文字阅读和语言理解能力的训练，现存的CALL系统也大多侧重单词、语法的学习[5]，很少关注语言发音训练。语音技术的不断发展和成熟为学习者发音练习提供了可能，它在CALL中最直接的应用就是帮助用户更好地练习语言发音。
CALL中引入语音识别技术，改变了传统的语言学习方式，使得学习者能够对自己的发音做出客观的评价。基于语音识别技术的CALL已成为计算机辅助语言学习系统研究的热点，不少公司和科研机构也投入了大量的人力、物力、财力在研究开发相关的发音学习系统，并且出现了一些较为成熟的产品。如“Pronunciation”、“Tell Me More”等，这些系统采用提供语音信号波形图的方式让学习者进行模仿，这种方式只是给学习者技术上的冲击感，对改善他们的发音并没有实际的帮助。国内许多英语学习软件都是把各类英语资料（文本、图片、音频、视频）累积在一起，基本上不能对学习者给出有效的反馈信息，即便加入了语音识别功能，其功能类似于复读机，即只能给学习者提供发音演示、录音跟读的功能，如“说宝堂”、“e百分”等产品。由于很少有软件会对学习者的发音做出一个整体的评分，也不能准确定位和检测学习者的发音错误，更没有对学习者的错误发音做出一个反馈和矫正，加之学习者因为自身水平限制，很难完全发现错误、纠正不正确的发音。故此，软件发音错误矫正的功能显得尤为重要。基于语音识别技术的CALL系统对于语言学习者来说是一个有效的辅助语言学习的平台，为了有效的促进语言学习，它应该具备如图2所示的功能。
图2
通过分析我们可以发现，目前语音识别技术在CALL中的应用取得了一些进展，但是仍然有一些问题等待解决和克服。目前的一些困难和问题主要集中在产品设计理念和技术实现上两个方面。
在产品设计理念上我们需要考虑以下几个问题：（1）教育软件的设计和开发应该应考虑学习者的需求，以学习者为中心；（2）教育软件的设计应该考虑教育学和教育心理学的相关理论，避免书本知识的搬家；（3）考虑学习者认知的个体差异性，为学生提供多元化学习的认知工具。
在技术实现上我们需要考虑以下几个问题：（1）选择合适的识别基元以提高识别率；（2）对语音信号的端点更加精确的检测，即判断语音信号的开始和结尾以提高识别的准确率；（3）对给定的发音进行错误检测和纠正，寻找合理的评分机制，并对学习者的发音进行及时、客观的反馈；（4）提高预处理阶段语音信号的信噪比；（5）选择高效的识别算法以减少识别时的搜索范围，提高识别速度。
四、结束语
本文分别介绍了语音识别技术和CALL，然后对语音识别技术在CALL中的应用进行了综述，并探讨了设计基于语音识别技术的CALL系统时需要考虑的问题。语音识别技术作为一种逐渐成熟的技术，它是基于语音识别技术的CALL系统的基础与核心。基于语音识别技术的CALL是一种新的、有效的学习方式，它能够有效的促进学习者口语水平的提高，也是CALL系统的一个重要发展方向。
参考文献：
[1]杨芳，曹扬波.计算机辅助语言学习的发展与前景[J].中国科技信息，2011（02）.
[2]何克抗，李文光.教育技术学[M].北京：北京师范大学出版社，2009.
[3]詹新明，黄南山，杨灿.语音识别技术研究进展[J].现代计算机，2008（09）.
[4]马莉，党幼云.特定人孤立词语音识别系统的仿真与分析[J].西安工程科技学院学报，2007（06）.
自动识别技术论文范文3
关键词：技术创新；创新环境；互动演化
中图分类号：F270 文献标识码：A 文章编号：1009-2374（2014）01-0004-02
1 概述
进入21世纪，全球一体化的浪潮将我国企业进一步推向了世界市场，跨国公司的加入加剧了市场竞争，全球产业链的整合也促进了企业间的联系和合作，催生了新的创新形式，创新网络、合作创新等形式逐渐兴起。创新环境的变化对企业的技术创新产生了新的影响，企业的技术创新活动在受到环境影响的同时，也会对环境产生影响，例如产业规则的制定需要企业和政府共同完成。因此，我国转型环境的演化不仅需要企业的积极参与，也为企业主动发挥影响创造了条件，企业必须由被动应对环境转向积极主动地与环境共同演化，而当前研究对这种共演机制缺少分析，难以指导企业的创新活动。
根据共演理论，企业不只是被动地适应环境，也在主动地影响着环境。企业和环境是在互动演化的过程中共同发展的。关于企业技术创新与创新环境的互动演化，以往研究集中于创新能力的发挥受到环境的影响，企业调整自己的行为以适应外部环境，而企业主动影响外部环境、与环境共同演化的研究相对较少。本文分析了技术创新与创新环境的共演机制，为未来研究指明了方向。
2 技术创新与创新环境的共演机制分析
根据共演理论，企业不只是被动地适应、服从外部环境，而是与环境共同演进的。在与环境的互动演化中，企业可以更有效地识别并利用机会，充分发挥创新能力，提升创新绩效，同时促使外部环境向着有利于自己的方向发展。转型环境下制度的不完备性、资源的稀缺性、市场的动态性以及文化、认知因素的影响，对企业的创新能力提出了更高要求，但是也为企业主动改变环境提供了更大空间。企业可以通过自主创新、技术联盟等各种有效的创新战略，适应外部环境的变化，同时引导制度建立健全，改变资源和产业格局，促使外部环境符合自己的需求和优势。此外，不同类型的创新环境相互联系、相互影响，形成了外部环境的复杂性，企业需要针对创新环境的具体特征，选取不同类型的创新途径，提高创新能力，促进创新绩效的提升和竞争优势的建立。
不同的创新环境因素是相互联系的，转型环境下制度的不完备性、资源的稀缺性、市场的动态性相互影响，加上文化、认知的作用，共同构成了创新环境的复杂性。企业创新活动的开展、创新能力的发挥受到环境因素的制约，对创新绩效以及竞争优势产生影响；而企业的创新行为需要创新能力体系的支持，同时创新活动又会反过来促进创新能力的提升，并作用于创新环境的各个因素。
具体来讲，制度转型、经济的高速增长以及全球一体化为企业提供了大量机会，企业可以通过技术创新活动，促使外部环境向着更有利于自己的方向发展。例如，制造业经济、环保政策冲突时企业善于识别机会、利用机会进行创新，会促进政策法规的完善；信息产业的技术创新引导着相关法律的建立和健全。这些行为不仅有利于我国正式制度的发展和成熟，也使企业占据了主动地位，先于制度建立获取收益。与制度环境的共同演化，对企业的机会识别能力、学习能力、研发能力等创新能力提出了较高的要求。内部的学习、研发可以创造新知识，这种难以模仿的无形资源是创新的基础，也是竞争优势的来源，可以在企业内部产生新的资源，降低资源稀缺性的影响，改变资源环境的格局。
与转型环境下正式制度不完备、不稳定的情况相对应，非正式制度的盛行，社会网络的广泛存在可以帮助企业降低对特定资源的依赖性。例如，管理者关系（商业关系和政治关系）可以带来政府资金支持和充分的市场信息；整合资源、建立外部网络可以使企业受益于组织间知识、技术共享等惯例，有助于企业获取稀缺资源。特别是，在中国多元化主体明显、政府掌握关键资源的情况下，如果企业具有了较强的影响政府、影响行业的能力，就可以在获取资源的同时争取政策法规、行业规则制定方面的主动权。
市场环境的不确定性，往往蕴含着大量机会。通过有效的战略选择，企业可以改变竞争格局、开发新的技术领域或者引导消费者需求，在适应市场环境的同时使市场环境顺应自己的优势。机会识别、风险控制等能力较强的企业，善于发现、利用市场机会，不仅可以为顾客创造价值、使企业获取收益，还可以开发潜在的消费者需求、开辟新的市场，从而改变竞争格局，重构现存的产业模式。企业的技术创新不仅包括依靠内部组织学习、独立研发而开展的自主创新，也包括从外部获取技术知识、提高技术能力的途径，例如技术引进、建立技术联盟进行合作创新。特别是近年来兴起的研发网络，在更大范围内整合资源进行创新，对企业的整合能力、机会识别和风险控制能力、技术管理能力以及网络能力等提出了更高的要求。借助于完善的创新能力体系，企业可以更好地开展技术创新活动，建立竞争优势，同时与外部环境建立起良好的互动关系，在适应环境的同时进一步促进环境的发展。
可见，企业的创新行为在受到环境影响的同时，也促使了环境的发展和演进。而企业在开展技术创新活动的过程中，会受到管理者个人认知和情感的影响，其中国家文化又是形成个人认知的一个重要因素。随着其他环境因素的变化和企业技术创新的发展，文化环境也会发生相应的变迁，例如新产品、服务对个体价值标准、消费习惯、生活理念等的改变。
3 对以往研究的贡献
基于共演理论，本研究强调企业创新行为对创新环境的影响。在研发能力、管理者关系、整合能力等创新能力的支撑下，企业通过自主创新、构建创新网络等具体的创新行为，对资源格局、产业竞争、政策法规、行业标准、文化认知等创新环境因素产生影响，在适应环境的同时主动地改变环境。对创新行为影响创新环境的研究，可以更深入地揭示企业与环境互动演化的作用机理，为我国企业的创新活动提供指导，有助于创新理论体系的丰富和
完善。
4 结语
本文分析了技术创新与创新环境的共演机制。基于共演理论，本研究认为企业的技术创新会对创新环境产生影响，企业与环境是共同演进的。企业仅仅被动适应环境不利于技术创新，而积极参与环境的演化，主动影响创新环境，有利于提高创新能力和绩效。研究企业技术创新与创新环境的共演机制，有利于更全面地揭示企业与环境的互动关系，弥补资源理论、产业组织理论和制度理论等理论视角的不足，完善创新理论体系；同时，对企业与环境共演机制的深入剖析，可以为企业主动影响环境的实践提供理论参考，有效地指导企业的技术创新活动。
参考文献
[1] 赵晓庆，许庆瑞.技术能力评价：理论与方法[J].科
学学与科学技术管理，2001，（4）：64-67.
[2] 吴佩，陈继祥.自主创新模式下企业技术能力提升机
理研究[J].科学学与科学技术管理，2011，32
（4）：127-133.
[3] 吴伟伟，于渤，杨莹.企业技术管理能力提升路径研
究[J].科研管理，2011，32（3）：59-66.
自动识别技术论文范文4
论文摘要：自然语言信息处理是人机交互的关键技术，已得到高速的发展。论文首先简单的论述了该技术的起源以及发展，然后重点研究了该技术在文本和语音方面的广泛应用。可以预测随着计算机技术的进一步发展，自然语言信息处理技术将被应用到更加广泛的领域。
一、引言
近年来随着计算机技术和人工智能的快速发展，自然语言信息处理技术已取得了长足的发展。于此同时人们在快速信息检索、语言翻译、语音控制等方面的需求越来越迫切。如何将自然语言处理中取得的研究成果应用于文本、语音等方面已成为目前应用研究的一个关键。论文将从自然语言信息处理的基础出发，系统的论述它在语音和文本方面的广泛应用。
二、自然语言信息处理技术简介
自然语言信息处理技术产生于上个世纪40年代末期，它是通过采用计算机技术来对自然语言进行加工处理的一项技术。该技术主要是为了方便人与计算机之间的交流而产生的。由于计算机严密规范的逻辑特性与自然语言的灵活多变使得自然语言处理技术较复杂。通过多年的发展，该项技术已取得了巨大的进步。其处理过程可归纳为：语言形式化描述、处理算法设计、处理算法实现和评估。其中，语言形式化描述就是通过对自然语言自身规律进行研究，进而采用数学的方法将其描述出来，以便于计算机处理，也可认为是对自然语言进行数学建模。处理的算法设计就是将数学形式化描述的语言变换为计算机可操作、控制的对象。处理算法实现和评估就是通过程序设计语言（如c语言）将算法实现出来，并对其性能和功能进行评估。它主要涉及到计算机技术、数学（主要是建模）、统计学、语言学等多个方面。
三、智能应用
通过多年的研究，自然语言信息处理技术已经取得了巨大的进步，特别是在应用方面。它主要被应用于文本和语音两个方面。
（一）自然语言信息处理在文本方面的智能应用
在文本方面，自然语言处理技术主要应用在语言翻译、字符识别、文本信息过滤、信息检索与重组等方面。其中，语言自动翻译是一个十分重要并具有极大现实意义的项目。它涉及到计算机技术、数学建模技术、心理学以及语言学等多个方面的学科。通过近些年的努力已得到了一定的发展。自然语言处理技术已在多个方面提升了翻译的效率和准确性。如自然语言处理中的语言形态分析与歧义分析对翻译技术来说十分重要，可以很好的处理翻译中的多意现象和歧义问题，从而提高翻译的准确性。字符识别具有广泛的商业应用前景，它是模式识别的一个分支。字符识别的主要过程可分为预处理、识别以及后期处理。目前，字符识别已得到了广泛的应用，并且效果良好，但还存在识别不准确的问题，其主要问题就出在合理性上，其中后期处理就涉及到采用词义或语料库等对识别结果进行合理性验证，通过该技术就能很好的解决识别不准确的问题，当出现识别不准确、出现多个识别结果时可以通过合理性验证技术高效的过滤掉异常选项，从而实现快速、准确的识别。目前自然语言信息处理技术在文本方面应用最广的就是文本检索。通过采用自然语言信息处理技术，一方面能快速分析用户输入信息并进行准确理解为检索提供更加准确的关键词，并且可以扩展检索输入的范围，让其不仅仅局限在文本输入方面，如采用语音输入或基于图像的输入；另一方面，通过采用自然语言信息处理技术可以对搜索到的信息进行处理让用户获取的是更加有效、准确的信息而不是海量的信息源（如许多网页）。因为将自然语言处理技术与文本重组技术相结合就可以极大的提高检索的效果，缩小答案的范围，提高准确性。当然，还可以提高检索的效率。目前，在中文全文检索中已得到了广泛的应用，并且效果良好。
如果能进一步的研究自然语言信息处理技术，将能实现信息的自动获取与重组，这样将能实现自动摘要生成、智能文本生成、文件自动分类与自动若能进一步结合人工智能技术，将能实现文学规律探索、自动程序设计、智能决策等诸多方面的应用。这样可以减轻人类的工作强度，让我们从繁琐的基础工作中走出来，拥有更多思考的时间，从而能更加有效的推动技术的进步。
（二）自然语言信息处理在语音方面的智能应用
在语音方面，自然语言处理技术主要应用在自动同声传译、机器人聊天系统、语音挖掘与多媒体挖掘以及特定人群智能辅助系统等方面。其中，自动同声传译主要涉及到语音建模、识别以及语言翻译等方面，采用自然语言处理技术可以对自动同声传译的每个方面都能得到提高，最直接的部分就是语言翻译部分，同时还可能涉及到语音与文本的转换。特别是在语音和文本的转换方面，目前在中文出来中出现的一个问题是音似问题，即音似字不同的情况，对这种情况如果能采用自然语言处理技术来对其进行校验，将能提高其转换的效果，从而提高转换的质量和准确性。机器人聊天系统涉及到更加广泛的内容，如自动回答系统。在机器人聊天系统中不可避免的涉及到语音与文本的转换、自动回答以及逻辑推理，通过自然语言处理技术将能在意义理解、逻辑推理和知识应用等方面得到明显提高，从而使得应答的速度和回复的针对性和准确性等方面都得到一定的提高，从而提高聊天系统的应用性。在语音挖掘与多媒体挖掘方面，自然语言处理技术的应用主要体现在增强意义理解和提高检索速度这两个方面。通过该技术一方面能根据准确的获取语音所包含的意义，从而为搜集信息提供基础。同时，由于采用该技术也有助于数据挖掘中的对相关信息的检索和归纳。
随着人工智能、计算机视觉等技术的快速发展、自然语言处理技术将能应用于诸如自动场景解说系统等。也就是自然语言处理技术再结合图像理解技术和逻辑推理技术，就能准确的描述当前场景发生了什么事情，如果能和上一个场景进行比较就能及时的描述场景的变化，并通过有效的组织就能实现对场景的自动描述。再进一步利用人工智能技术、知识库及语音生成技术就能实现场景的自动解说，甚至能实现如自动足球运动这样快速场景变换的解说。同时，还能对特定人群提供辅助，如为盲人提供辅助的系统，帮助盲人识别物体以及其他的一些帮助。也可以应用于语音控制，语音控制目前也具有广泛的需求，可以应用在很多方面，将自然语言处理技术、语音建模技术、计算机技术以及控制技术相结合就能实现语音控制，甚至能应用于工厂的智能控制和管理。
四、结论
近年来自然语言处理获得了巨大的发展，其关键技术也获得了突破。该技术所开发的新技术能对文本处理与语音业务处理产生广泛而深远的影响。目前，可以肯定的是自然语言处理技术能对文本处理与语音处理在建模、识别、理解方面将产生极大的作用，甚至可以预测随着该技术的进一步发展，将对多媒体技术及应用起到重大的作用。如果经过进一步的开发，该技术将能对目前控制方式产生较大的影响。
参考文献：
[1]王丁,李向宏,王鑫.机器翻译转换生成研究[j].信息技术,2002,6:68-70
自动识别技术论文范文5
关键词：人工智能；教学内容；教学方法
中图分类号：G642 文献标识码：A
1 引言
人工智能(AI)是二十世纪五十年代后期兴起的利用计算机模拟人类智能活动去求解问题的学科，与空间技术、原子能技术一起被誉为二十世纪三大科学技术成就，目前广泛应用于专家系统、机器翻译、语音识别、文字识别、计算机视觉、机器人、电子游戏等方面，已经成为计算机技术发展以及许多高新技术产品中的核心技术。
为了适应人工智能技术日益广泛的需要，国内外高校普遍开设了“人工智能”方面的课程，特别是作为计算机方面专业的核心课程之一。我校自从1993年开始为自动化专业本科生开设“智能控制”选修课，1996年为自动化、计算机、机械等专业本科生开设“人工智能导论”、“人工智能及其应用”课程。目前，我校软件学院、信息学院、机电学院都开设了“人工智能导论”课程，已经成为计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其目的是使学生了解人工智能的基本概念和基本原理，初步学习和掌握人工智能的基本技术和前沿内容，拓宽知识面，启发思路，为学生提供最基本的人工智能技术和有关问题的入门性知识，提高学生应用开发软件的能力和水平，为今后在相关领域的研究和应用奠定更为坚实的基础。因此，建设好“人工智能导论”课程具有重要意义和很广的受益面。
由于人工智能是交叉学科，涉及面广、内容抽象、不易理解，学生往往有望而生畏的感觉，在教学过程中，老师教、学生学都比较吃力。为了更好地实现上述教学目标，提高本课程的教学质量，协调好教与学的双边关系，使学生由望而生畏的感觉，变为有用有趣的感觉，根据已有人工智能课程在教学与实践方面的经验和方法，结合“人工智能导论”课程的近几年教学实践，对课程的教学体系、教学内容、教学方法、教学手段、考核方式等方面进行了探索总结。
2 调整与优化教学体系和教学内容
“人工智能导论”是计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其研究领域及内容十分丰富，涉及的基础面广。因此如何选好教学内容，既能使学生了解本领域的概貌，又能适合学生的基础，便于他们在有限的时间完成学习任务，是一件重要而又困难的事情。
进入21世纪以来，人工智能学科又有了新的发展。为了及时反映人工智能研究和学科的最新进展，我们修订了“人工智能导论”的教学大纲，对教学内容进一步优化和更新，极大充实了各个系统的内容。我们确定的教学内容主要分为三部分：第1部分为概论，介绍人工智能的基本概念、基本内容、主要研究领域及发展过程；第2部分是知识表示，推理和搜索技术，讨论几种常用的知识表示方法、推理技术(包括确定性推理方法和不确定推理方法)和搜索求解策略；第3部分是人工智能应用研究领域，包括专家系统、自然语言理解、机器学习、人工神经网络、遗传算法等的基本概念和方法等。其中第2部分是基础理论，是人工智能的重要基础，应该循序学习。第3部分是人工智能的应用，由于每个研究内容都相对独立、自成体系且有其专门的学术著作研究、热点，因此针对高等院校的本专科生来说，不必循序学习，而且结合专业特点可以选择其中几个研究领域。例如对自动化专业的学生来说，可以选择专家系统、人工神经网络、遗传算法等，同时可增加在自动控制领域的应用，包括专家控制、神经网络控制和进化控制等热点：而对计算机科学与技术专业来说，可以选择专家系统、自然语言理解、机器学习等，并辅以动物识别系统、语音识别系统、智能机器人等实例。总之就是要把握课程性质和教学目的，调整本课程教学体系，优化教学内容，让学生以有限的时间学到人工智能的基础知识和基本方法。
另外，在选择和确定教学内容时必须兼顾基础知识和新兴技术，注意与相关课程(如离散数学、数据结构、概率论、自动控制原理、Matlab系统仿真、面向对象的编程技术等)的链接，密切理论与实际的关系，通过课堂讲授和课外训练，注意学生能力培养，提高他们的学习效果和整体素质。
3 加强课程立体化建设和系列教材研究
在课程的立体化建设中，教材充当了地基的角色，所有的课程内容安排，无不体现出以教材为基本，以教材为模板。所以本着基础、实用的原则，我们先后编著出版了《人工智能及其应用》课程教材导论部分概括性强，引人入胜；基础部分系统全面，叙述深入浅出，循序渐进；应用部分密切理论与实际关系，典型形象。其中第二版在第一版的基础上，增加了证据理论、模糊推理、神经网络等理论的一些典型应用，使学生能够更深入地理解和应用这些理论；另一方面，又新增了自然语言理解及其应用内容，以适应目前计算机翻译、人机自然语言交互等技术日益广泛应用的需要。系列教材适应了人工智能导论新课程开设的需要，反映了人工智能学科的发展，为人工智能课程确立了基本框架，发挥了重要作用。系列教材的问世不仅解决了本校“人工智能导论”课程教学用书的问题，而且也被各兄弟院校普遍采用，促进了该课程的普遍开设，推动人工智能学科的发展。
为了配合教材第二版的教学和自学，在已有教学经验和教学成果积累的基础上，制作了高质量的教学课件和完整的教学视频录像，并刻录成光盘随书供读者使用；同时又研究与开发了网络课程(http：//)，以更好地调动学生的学习兴趣和主动性，促进本课程的教学改革。
包括主教材、电子教案、教学视频录像、网络课程及教学资料库等在内的课程立体化建设符合二十一世纪高校教学的要求，支持教师提高教学手段现代化的水平，更贴合学生的学习需求。
4 改革与创新教学模式和教学方法
在“人工智能导论”课程教学的过程中，我们积极探索教学新路，经过数年辛勤试验，结合蔡自兴教授等对人工智能课程的建设经验，对课程的教学模式和教学方法进行了如下一些的改革与创新。
(1)通过多种途径激发学生的学习兴趣
“兴趣是最好的老师”，“人工智能导论”课程的学习效果，直接受到学生兴趣和参与意识的影响。由于这是一门导论性前沿课程，一般来说，学生开始学习兴趣很大。但是，当一些学生开始接触到抽象概念和算法时，往往感到不易接受。我们通过各种途径和方法，激发和培养学生的学习兴趣。例如，鼓励学生参与课堂讨 论、布置读书报告和课外实验、以问题为导向的启发式教学、专题讨论／辩论等形式。特别，我们精心组织和准备了模糊控制技术及其应用、智能机器人技术与应用、智能交通、BCI(脑机交互接口)等专题，以及智能调度软件、语音识别系统、动物识别系统、足球机器人比赛、机器人轨迹跟踪、倒立摆的智能控制等课内演示，使学生扩大了眼界，增加了感性知识，达到提高学生学习兴趣的目的与效果。
(2)面向问题的启发式教学
人工智能中的许多问题，有的似是而非，有的引人入胜。在教学中，有意识的提出相关问题，提请学生思考，鼓励学生提出自己的猜想和解决方案。然后逐步进入教材中的解决方案，启发学生求解这些问题，并进行分析和比较，从而强化了学生学习的主动意识和参与意识，提高了学生的学习积极性。例如，在讲到比较抽象的“遗传算法”时，提出“遗传算法如何用于优化计算?”这一问题。针对该问题，先从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用；然后通过一个简单的例子，从特殊到一般地启发学生思考“遗传”、“变异”和“选择”的实现，最终让学生与教师一起导出遗传算法用于优化计算的基本步骤。这样，学生不但从中学习了遗传算法，而且得到一次逻辑思维的训练，取得很好的教学效果。
(3)课堂辩论与交互式教学
组织课堂辩论，讨论的议题包括人工智能的应用前景和其他比较等有争议的问题。学生对这些问题展开了激烈的争论，激发了学习潜能，明确了学习目标。例如，为了加深学生对智能机器人内涵的理解，我们组织了“机器智能能否超过人类智能”的辩论会。会前正反双方结合本课程内容及其相关知识，认真进行准备；辩论会上正反双方唇枪舌战，激烈争辩，气氛热烈。辩论后，学生余意未尽，讨论热情不减。无论是哪一方获胜，都达到了预期的效果。教学中我们还注意采用了多种交互式策略，如课堂上教师提问可鼓励或指定学生提问，也可由学生自由地就某个知识点进行主题发言后老师点评等。
(4)个性化学习与因材施教
在本课程教学过程中注意对学生因材施教和个性化教学。例如，通过组织学生进行读书报告的形式，鼓励学生从多方面、多角度考虑问题，多提新颖思想，有意识地鼓励优秀学生探讨比较深层的内容，并辅导优秀学生将其成果以科技论文和发表文章的形式转化为成果。又如，在教学设计和实验设计中，注意要求学习有余力和兴趣的学生选作部分探索性、创新性的功课和实验(选学内容，如模糊控制器的设计、进化控制等)，从而引导学生发挥个性优势，达到因材施教的目的。同时注意分析学习较差的学生的具体困难，进行有针对性的指导。
(5)多媒体与网络教学的使用
本课程在PPT演示文稿和网络课程上，采用了大量的多媒体表现形式，如视频、动画、声音和图像等。目的在于使得人工智能抽象的知识形象化，便于学生理解。例如，课内让学生在线观看涂晓媛博士的计算机动画“人工鱼”的录像片段、人工生命Floy中生命智能体在环境中不断的适应进化构成演示等，有助于加深学生对所学知识的理解，促进教学水平的提高，激发了学生对课程的兴趣，使学生创新意识得到增强。此外，随教材附赠的教学光盘和开发的网络课程(http：//)提供了学生课外自学用的高质量的电子课件、完整的教学视频录像、丰富的实验和案例资料等，以更好地调动学生的学习兴趣和主动性。
(7)理论与实践结合
在教学内容安排上，注意理论联系实际，适时布置一些人工智能实验给学生进行课外练习。设计的课外实验包括产生式系统实验，归结反演实验，主观Bayes推理网络实验，A搜索实验，以及基于Maltab工具箱的模糊控制位置跟踪系统、两车追赶模糊控制系统、神经网络模式识别仿真、遗传算法优化计算等实验。通过实践和参与，保持学习兴趣，有助于学生对人工智能基本概念和难点的理解，掌握基本方法和技术，为从事智能系统应用开发打下基础，从而达到教学目的。例如，我们组织学生参观我们的研究生综合自动化实验室，观看机器人臂取物、倒立摆控制、语音识别软件、指纹识别软件、智能调度软件等演示，密切理论与实际的关系。
我们在教学改革实践中探索的这些教学方法，有利于充分激励学生的学习积极性和主动性，有利于鼓励学生发挥独立思考和创新思维，有利于多方位培养学生学习发现问题、分析问题和解决问题的能力。
5 运用多样化的教学手段和考核方式
5.1 多样化的教学手段
采用现代信息技术进行教学，构筑“人工智能导论”课程的现代教学模式，是本课程的主要特点之一。教学过程中采用了多媒体教学课件和网络课程相结合的方法，充分利用多媒体的丰富表现形式，利用网络课程的交互性、情景化等，进行教学。采用的方法包括：
(1)抽象知识内容的多媒体表示
通过动画和视频来演示抽象的概念、算法和过程，包括机器人轨迹跟踪、机器人臂取物、足球机器人比赛、倒立摆控制、“人工鱼”等录像片段，以及智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件演示。
(2)通过PPT撰写教案
精心编制PPT，组织好课件内容，做到图文并茂，提纲挈领，便于学生理解，便于教师讲授。
(3)开发与应用网络课程
“人工智能导论”网络课程较好的实现了交互性、在一定程度上实现了学习过程的情景化。在交互性方面，通过网络课程的课堂练习和章节练习，评价学生的学习情况，并给学生提出学习建议。在情景化方面，采用了在线答疑形式，使得学习过程丰富有趣。
(4)先进实验系统的观摩与演示
利用我们的研究成果等有利条件，有针对性地对学生进行成果演示(包括智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件)，使学生知道学了有用，而且很有用，很有趣，很有意义，从而进一步诱导学生的学习兴趣，巩固了课堂所学知识，提高了教学质量。
教学效果通过上述先进的现代信息技术的应用，不仅极大地提高了学生的学习兴趣和主动性，而且也取得很好的实际教学效果，提高教学质量。
5.2 作业、考试等教改举措
(1)改革作业方式与方法
改变过去那种单纯的书面习题作业，发展成为必须交给教师评阅的书面家庭作业、不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中上交作业通过网络进行，教师批阅后的作业也通过网络返回给学生，实现了作业呈交和返回的网络化。
(2)改革考试方式与方法
如何对本课程的考试方式进行改革一直是我们探索的问题。我们综合考虑课堂出勤情况(10％)、平时正式作业成绩(20％)和期末课程考试(70％)，进行综合评分。期末考试有时采用综合试题考试，出几个大题目让学生选择其中几个进行开卷笔试，当面交卷后评分；有时采用课外开卷论文结合或口试面试。最近，我们还对部分学生结合实验或实际问题提问等进行考核。我们正进一步改革、试验和探索，使考试成为衡量与培养创新能力，促进学生学习主动性和提高课程教学质量的重要环节。
自动识别技术论文范文6
关键词：技术机会识别 企业匹配度 探索性因子 分析
分类号：G250 F27
引用格式：江洪， 张晓丹， 杜妍洁. 技术机会识别中企业匹配度探索性因子分析[J/OL]. 知识管理论坛， 2017， 2（1）： 9-21[引用日期]. http：///p/1/89/.
1 引言
技术与技术机会作为一种客观存在，具有知识与资源的特性[1]。对企业来说，技术机会是一种稀缺资源，是影响企业生产创新活动的一个关键性因素。技术机会一方面可以增强企业资源的流动性以适应技术创新的变化，另一方面可以帮助企业制定和实现正确、科学的技术战略定位，拓展企业新的生存边界；此外还可以帮助企业寻找技术变化导致的新过程、新产品、新市场和新的组织方式，从而引导或发现可能产生的商业机会。
然而，由于企业自身对技术机会的警觉性、网络和信息把握能力、认知学习能力等主观条件的不同，企业对技术机会的认知存在差异性。提高企业自身对技术机会的认知能力、运用技术机会识别工具的能力，能帮助企业更清楚地认识和发现潜在、有价值的发展机遇。技术机会识别作为技术创新管理工具之一，是基于企业主体对技术机会的识别发现到认知再到利用的过程。
在技术机会从认知到利用的阶段，企业与技术机会的匹配度是至关重要的因素，影响着技术机会能否由认知环节进入利用环节。
2 企业匹配度概念分析
国内外学者对匹配理论研究主要集中在管理学的匹配理论、认知匹配理论、信息系统中的匹配理论及企业能力匹配理论4个领域，这4个领域既有各自研究的特点也相互交叉融合。J. A. Timmons等[2]提出的机会认知系统是一个由机会、资源和创业团队3个驱动因素相互匹配与平衡的过程，企业必须不断地维持各要素之间的平衡才能实现企业的高效运营。张翼、樊耘等[3]首次提出并论证了人与组织匹配的必要条件是个人与组织的价值观和目标一致，充分条件是双方价值观与目标一致、组织工作要求与个人能力、个人需求与组织供给3因素的匹配。周智颖、孟卫东[4]对传统价值链模型进行扩展后得出等动态波特价值链模型，导出的企业关键能力包括资源配置与协同能力、全面学习与创新能力、绩效管理能力、战略定位能力、生产资助能力和营销能力，这些能力之间相互联系与影响。陈勇星等[5]构建了用研究技术创新能力与技术创新模式匹配关系的九方格矩阵，并通过分析得出技术创新能力与技术创新模式具有协调型匹配关系时企业才能实现技术创新的最佳定位。何文章[6]认为企业匹配是企业拥有的一系列特定活动的资源、信息、知识和能力及其组织调控和配合。黄胜忠[7]提出了企业在不同的技术阶段对技术机会的匹配战略。姚明明[8]研究了商业模式设计与技术创新战略匹配对后发企业技术追赶的影响机制。刘贻新等[9]运用双边匹配的方法构建基于技术生态位结构特征的企业技术战略动态匹配模型。综合上述观点，本文认为企业资源与技术机会的匹配度实际上就是企业所拥有的资源条件和协同能力与创新活动及技术机会之间的契合程度，具体而言，是企业自身能力与当前企业所需进行的技术创新活动之间的匹配程度，这关系到企业能否有效利用技术机会。
3 技术机会识别中企业匹配度理论模型结构分析及验证
3.1 基于能力匹配理论的研究模型
从能力匹配理论来看，从认知到利用阶段，企业调整各种资源与能力，与外部环境因素以及技术本身因素保持合适匹配关系。就企业本身而言，技术机会识别中技术是否真正得到企业的利用更重要的原动力来源于企业技术资源和能力的动态匹配。匹配关系的形成一方面需要企业在不匹配的现状中调整内部和外部的资源，另一方面需要企业调整自身的组织能力，以追求突破各种障碍限制，获得匹配形势。特别需要调整的是与技术机会相关的企业创新能力、知识管理能力、知识分享能力。创新要素和企业能力之间的动态匹配关系可以使技术机会识别过程更简单、更清晰、更容易实现。这种匹配关系是否协调不仅可以反映出企业内部要素之间是否协同，而且通常也反映出企业内部与外部是否具有整体良好的协同状态。企业的整体匹配性越好就越能形成有的竞争优势，亩获得较好的收益，此时才形成了技术机会[10]。如果企业呈现少数要素匹配或整体匹配性不强的状态，企业相对技术优势无法展现，对于该企业来说技术就无法成为技术机会。
能力匹配的理论表明，外部环境与技术机会是客观存在的，企业的能力匹配不是由客观因素产生的，而是由企业组织主动选择调整的结果。从企业技术开发行为来说，首先该行为具有极强的目标性，是企业根据自己的发展目标而决定的行动；其次是该行动具有不断适应性，企业对内外部资源与能力的整合与调整是企业主动的行为。在技术开发过程中，企业会采取不断自主投入、技术创新甚至是改变影响外部环境等综合技术创新行为。
企业的技术创新行为可以划分为两个方面：①自主的技术研发行为，即企业通过调整内部技术研发力量，开展自主技术研发，以获得超前于外部技术的先进技术。研发技术的同时企业还会采取市场与技术推广的行为，来改变外部环境和需求，建立和完善有利于技术创新转化为产品的社会环境。就这一方面而言，企业自身的创新能力会影响到企业主动的技术开发行为，进而改变企业自身，实现与外部环境需求的匹配。②技术引进行为，即依照外部环境需求的变化，企业在协调内部资源的同时选取外部有利技术，并加以引进消化吸收改进提高，将外部技术融入到企业自身的生产活动中，使企业与外界的技术步调保持一致。从这一角度出发，企业的知识共享能力，包括知识转移、知识学习、知识创造能力则显得尤为重要。
综上所述，影响企业自身认知能力的因素都会造成企业对技术机会的匹配度的变化。企业的技术创新能力是有效改善自身能力，调整自身资源以适应环境变化，达到与技术机会相匹配的目标的重要因素[11]。同时根据知识共享理论，在企业实现创新要素匹配性调整的过程中，企业的知识共享能力也是一个十分重要的因素，更高的知识共享能力带来企业更好的匹配度。因此企业的创新能力与知识共享能力能有效维持企业技术资源和能力与外部环境需求的匹配，从而使技术创新达到预期目标。
3.2 基于企业能力匹配理论的研究模型
企业能力是企业战略决策的根本决定因素之一。企业能力是一种企业综合素质、综合资源和综合竞争力的体系，重点是企业对内外部环境的认知能力和调整适应能力。从组织演化的角度来说，企业能力是企业的系统性经验性知识组织以及资源协调配置协同能力、全面学习与创新能力、组织管理与战略发展能力等，可以概括为企业的认知、产出、组织管理能力。企业的能力可通过产品和产业转移，使得企业在不同的产品与产业中运用其能力来调整组织相关的资源，决定了企业在市场中的地位、发展路径及企业的核心竞争力。
企业能力理论中，企业能力是比较特殊的生产资源函数。楼永[12]构建了企业能力模型来研究企业多元化战略的动因与选择。能力投入产生的效率随着经营活动的不同而产生差异，不同的经营活动面临不同的生产函数，这就需要不同的能力，因此企业能力随着企业经营活动不断调整以寻找最优的能力匹配。企业可以通过某种能力投入带来能力变化，从而适应某一时期的经营活动。而认识这种匹配程度的方式是了解企业在某一时期的能力投入，并通过不断调整其能力配置最终确定匹配程度是否到达最优。一般来说，匹配过程就是一个不断优化的过程。
企业能力匹配理论对于技术机会识别来说，主要是企业能力与技术创新活动相匹配的过程。通过对现有技术创新能力进行优化和有效利用，可进一步寻求企业技术机会的最优模式。企业在发展新的技术机会时，需要对其企业能力做出判断，在企业能力与技术活动匹配不良时，通过一些新的技术机会来改善。而这时的技术机会数量可能不是很多，对技术机会的准确度要求更高。一个匹配度高的技术机会对企业能力的整合与扩张作用可以使得技术机会带来更好的结果。现有的企业能力与技术机会匹配情况研究能帮助企业更好地解决发展问题，同时也能增加企业对技术机会的利用能力。
3.3 基于团队焦点访谈的模型结构及验证
笔者通过焦点访谈对企业技术机会识别的匹配度影响因素进行初步调查，并基于焦点访谈的结果对上述理论模型结构进行初步验证。
本研究的访谈对象是中国科学院湖北产业技术创新与育成中心培育的企业，该中心是中国科学院在湖北省的科技成果转移转化与培育机构，已经建设了若干个产业技术研发平台，并形成一个辐射湖北全省的科技成果转移转化网络，培育了30多家产业创新技术和高新技术企业。共进行了两场团体焦点访谈，采取完全团体访谈的方式，每场访谈时间为40分钟至1小时，访谈地点在武汉市。邀请了相关的企业负责人来参加会议，两次参会人数分别是8人和11人。
访谈的内容包括企业认知与技术机会识别、企业生产创新及企业技术创新管理3个方面。具体问题有：对企业认知与技术机会识别联系程度的评定，技术机会识别中企业认知能力的描述，匹配因素对企业技术机会识别的影响，衡量影响匹配度的因素，影响企业技术创新能力的关键因素，企业如何进行新技术的吸收、消化、转化和应用，企业在技术创新过程中遇到的问题和困难，企业的高层管理人员的战略决策对企业技术创新的影响。
通过团体焦点访谈研究，本文得出企业关于技术机会识别及匹配度的3点结论：
（1）企业的匹配度对技术机会成功识别具有重要影。参与访谈的大部分成员认为技术机会是客观存在的。技术机会只有被企业认识和认可，同时与企业的发展战略、技术实力、市场能力等企业认知能力相匹配，才能被企业认识和利用。
（2）技术机会识别中企业识别能力可以用匹配度来描述。参与访谈者普遍表示技术机会识别中匹配度是用来反映技术机会识别中企业识别能力的重要因素之一。在企业最终完成技术机会识别的过程中需要评估企业对该技术的匹配度，不是所有的技术机会都可以被企业来利用，而这个过程就是看企业与技术的匹配程度，匹配度高的企业更具有识别和利用技术的能力，更容易让技术机会得到最终利用，从而实现其价值。
（3）技术机会识别中企业技术机会识别能力的匹配度可以从以下几个方面来衡量：企业可以投入的资源是不是跟技术机会相匹配，企业的现有知识管理水平是不是与技术机会相匹配。匹配度是技术机会识别过程能够完成的一个重要因素，企业自身的能力是利用技术机会的关键因素。在企业创新能力和知识组织都比较匹配的情况下，技术机会识别的过程才能更加顺畅，特别是技术机会的利用更加依赖于企业能力上的匹配。当提出用匹配度作为企业识别能力从认识到应用的关键因素时，大部分参与访谈者表示认可从企业的创新能力和知识组织两个方面来衡量，也有个别访谈者提出了需要考虑技术本身的匹配度。本文是将企业与技术机会的识别能力作为核心问题进行研究的，因此对于技术本身所需条件和社会环境所带来的匹配问题不进行讨论。
通过对识别过程的理论分析以及对实践者的经验总结来看，匹配度是反映技术机会识别中企业与技术机会的识别能力的核心要素之一。“企业的创新能力”与“企业知识共享能力”作为衡量企业匹配度的两大维度是可行的。
4 技术机会识别中企业匹配度的探索性因子分析
4.1 量表开发与数据采集
在进行大量的文献调研和实证调查后，本文归纳了企业技术机会识别匹配度测度量表两大维度的34个测度项目，如表1所示：
随后，采用问卷调查的方法收集数据，问卷采用里克特5点量表，用1-5表示“很不符合”到“很符合”。调查以中国科学院及其研究所所属企业为调查对象，采用发放网络问卷与邮件问卷两种形式来收集数据。为了提高问卷的回收率，确保数据回收的质量，本次对中国科学院及其研究所所属企业的调查，主要通过中国科学院院级的企业主管部门来发放调查问卷。本次问卷调查的基本情况见表2。
4.2 探索性因子分析
4.2.1 取样适应性检验和巴特利球形检验
本文依据问卷收集到的数据对影响企业技术机会识别匹配度的两个反映变量企业创新能力、知识共享能力进行因子分析。为了判断匹配度二阶测度项是否适合因子分析，首先对企业认知匹配度的两个因素进行取样适应性检验（KMO）和巴特利球形检验（Bartlett’s test of sphericity）。分别对企业匹配度的二阶变量企业创新能力下的20个变量及企业知识共享能力下的14个变量进行了第一次因子分析，巴特利球形检验结果显著，KMO值分别为0.816和0.774，检验的卡方值1 062.2和558.2，自由度为190和91，表明该量表适合做因子分析。
本文选择测度项荷载值以0.50为标准，萃取特征值（eigenvalue）大于1的因子，发现企业创新能力下有3个测度项（CA9、CA12、CA16）或因其载荷值较高或因与其他测度项有一定重合性而无法归入任何一个因子中。根据统计学理论，将这3个测度项删除从而得到最合理的量表。在剔除CA9、CA12、CA16这3个测度项后，对企业创新能力变量下的17个测度项做了第二次因子分析，经过方程最大化正交旋转，抽取得到了4个因子，其因子特征值超过1，其累计解释方差贡献率为61.9%，说明这4个因子基本涵盖了企业创新能力的测量要素。
同样选择测度项荷载值以0.50为标准，萃取特征值（eigenvalue）大于1的因子标准，分析后的结果显示企业知识共享能力下有两个测度项（KS2、KS7）表现较差，或其因子载荷值低于0.30，或其在对各因子上载荷值较高，而无法归入任何一个因子中。根据统计学理论，将两个测度项删除得到最合理的量表。在删除KS2、KS7后，对企业知识共享能力变量下的量表部分做了第二次因子分析，其KMO值为0.800，检验的卡方值439.98，自由度为66，表明该部分量表适合做因子分析。同时，累积解释总方差的贡献率也由53.7%提高至55.49%，也说明经由因子分析后提取的3个因子能够较好地表达企业知识共享能力。
4.2.2 主成分因子提取
为了进一步分析每个反映变量内部的因子结构，本文对两个反映变量的自变量进行了主成分分析，其结果如表3、表4所示。
（1）企业创新能力的因子结构分析。由表3可知，企业创新能力变量下形成了4个更高维度的因子。CA1-CA6这6个测度项都在因子1
上对应有较大的荷载值，荷载值在0.617到0.759之间；CA7-CA10则在因子4上对应有较大载荷值，载荷值在0.514到0.798之间；CA11-CA15在因子2上表现出了较高的载荷值；CA17-CA20则分布在因子3上。根据这17个测度项的来源文献以及测度项的内容进行分析，CA1-CA6用于测量企业R&D投入的数量、比率、从事R&D的技术人员、增长趋势以及R&D活动的侧重点。因此，本文将这一因子定义为企业的“R&D投入能力”。CA7-CA10则用于测量企业生产产品的技术水平、开发周期、经济效益，用企业的“创新产出能力”来表示这一因子。CA11-CA15测量了企业创新战略的制定、评估，创新活动的协调、创新资源的配置、创新项目的操作，用企业的“创新管理能力”来定义这5个测度项的更高维度。CA17-CA20则是调查企业产品的市场调研工作、销售渠道、售后服务，用企业的“创新营销能力”来定义该因子。综上所述，在企业创新能力变量下形成了“R&D投入能力”“创新产出能力”“创新管理能力”“创新营销能力”这4个更高的维度。
（2）企业知识共享能力的因子结构分析。由表4可知，企业知识共享能力变量下形成了3个更高维度的因子。经过正交旋转后KS1-KS14在3个因子上呈现出较大的载荷值。KS1-KS4（KS2被剔除）这3个测度项都在因子3上对应有较大的荷载值，荷载值在0.474到0.811之间。这3个测度项测量了企业建立项目团队分享项目经验、举办知识成果交流会、促进员工理解共享价值观的能力，可以用“知识转移”的能力来命名该因子；KS5-KS9（KS7被剔除）则在因子2上对应有较大载荷值，这4个测度项测量了企业与竞争者交流、向技术专家学习、与供应商沟通以及鼓励内部员工之间交流的能力，可将该因子命名为企业“知识学习”的能力；KS10-KS14这5个测度项在因子1上的载荷值最大，该5个测度项是用于测量企业为产品和服务编册、建立数据库的能力，以及建立知识库、用户数据库的能力，还有吸收融合员工建议并应用于实践的能力，本文用企业“知识创造”的能力来命名这一因子。即在企业知识共享能力变量下的12个测度项之上又形成了“知识转移”“知识学习”“知识创造”这3个更高的维度。
4.3 量表的信度检验
为了进一步检验量表测量的可靠性，本文对研究结果进行信度分析。主要采取计算修正后测度项总相关系数（CITC）和Cronbachα系数验证信息质量构成因子的信度[23]来分析测量结果的一致性或稳定性。G. A. Churchill[24]研究表明，CITC的值应该大于0.5，最小不能低于0.3，在0.3以下的测度项应该删除。不同学者对信度系数的界限值有不同的看法，一般认为，0.50-0.70为最小可接受值，0.70-0.80为相当好，0.80-0.90为非常好。由表5可见，技术机会识别中的企业认知能力匹配度的所有一阶因子的Cronbachα系数全部符合该最低标准要求，并有4个一阶因子的Cronbachα系数在相当好甚至非常好的范围内，这表明该一阶因子具有良好的信度。
5 研究结果讨论与对策建议
5.1 研究结果
基于上述分析过程以及企业匹配度因子结构，构成技术机会识别过程中企业认知能力的企业匹配度变量的二阶变量有两个，分别是企业创新能力以及企业的知识共享能力。这两个二阶变量中又包含7个一阶变量，即创新投入能力、创新产出能力、新管理能力及创新营销能力共同反映企业创新能力；知识转移、知识学习及知识创造共同反映企业知识分享能力。因此，本文构建了企业技术机会识别匹配度三阶模型，见图1。
5.2 对策建议
5.2.1 企业创新能力匹配衡量
从匹配的角度而言，企业的创新能力要与企业的技术创新活动相契合。重点是对企业自身的资源协调能力和组织能力的衡量。可以从创新投入、产出、管理和营销四种创新能力来映射企业资源协调与组织能力。
（1）创新投入能力。研发部门（R&D部门）是实现企业技术创新形成和实现的最基础和最核心的环节，从创新想法的出现到对想法进行产品化，在研发过程中会产生对生产管理等具有指导意义的技术知识，进而达成最终的技术创新效益[25]。因此，企业的R&D投入是推动技术创新、技术进步的前提和条件。在对企业创新投入的研究中，一些学者选择了企业R&D投入作为衡量企业创新投入能力的指标，如吴延兵[26]利用制造企业数据构建两种不同的生产函数模型，发现R&D对生产率有明显的正向影响，同时R&D投入量与技术创新的强度、规模和水平有很强的相关性。李武威[27]采用R&D投入为主要指标，配合非R&D投入来研究企业创新绩效。陶永明[28]对R&D投入进行扩充定义，综合了内部研发、技术购买和合作研发活动中所进行的人力、物力和财力等，并以此为基础实证研究企业技术创新能力。企业前期阶段的技术创新活动即R&D的投入量是有一定独立性的，并且这些投入经过规范化的统计，具有较好的可比性，比较容易进行数据间的横向与纵向比较，因而被普遍用来衡量企业创新能力。比较具有代表性的指标是R&D经费和技术人员投入两个比例数。因此，可以采用企业R&D经费占销售收入总额的比例来反映企业对于创新活动的经费投入意愿；用经常或专职从事R&D活动的技术人员占工程技术人员总数的比例来大致衡量企业技术创新人力资源投入的水平及与创新活动的匹配程度。
（2）创新产出能力。在企业进行前期的R&D投入活动后，必须把研发投入产生的成果转化为支持企业发展的知识或产品，衡量企业创新产出能力可以从企业技术水平、新产品以及综合经济效益3个方面来测度。赵东喜和范镇荣[29]采用的是新产品销售收入以及与总销售收入的占比来衡量企业创新产出能力。廖中举[30]在研究R&D投入产出效益时采用综合企业经济绩效的指标，并验证R&D投入与企业经济绩效显著正相关。陶永明[28]等衡量企业创新产出能力时采用吸收能力来反映技术投入的创新产出。王爽和马景义[31]采用知识产权产品和新产品平均开发周期等指标来衡量企业创新产出能力。总的来说，新产品可以最终体现出创新产出能力，与新产品有关的指标可以从不同的角度来反映企业的创新产出，这些指标包括新产品开发周期、创新产品技术水平等与新产品实现利润等等。新产品实现利润与开发周期用来反映技术创新的经济效益和速率较实用、具有统计规范、可比性强的特点。另外，也可以用企业创新的生产能力来间接反映企业的创新产出。因此衡量创新产出能力时可以采用技术水平、新产品开发周期、新产品效益、企业创新生产能力等相关概念。
（3）创新管理能力。企业创新能力中创新管理能力也是非常重要的条件之一。企业的创新管理能力是通过组织整合、构建、重组内外部竞争力表现出来的。创新管理能力强的企业能够适应快速变化的市场环境，做出正确的技术创新活动组织安排和计划实施，及时调整和分享各个管理层的管理经验。郭东海[32]在用实证案例研究了企业创新管理能力，他采用了战略管理、支持管理、管理评价3个纬度的指标来研究科技企业的创新管理能力。方晓波[33]从动态能力入手，提出企业创新管理能力的3个组成部分：变化能力、吸收能力和整合能力。杜跃平和方韵然[34]通过对管理中层研究，认为在企业创新管理能力中知识意识能力和工作管理能力对企业创新能力的正效应最为显著，创新投入能力和环境感知能力对技术创新绩效的正效应较大。综上所述，企业可以选取了进行技术创新的战略管理能力、进行技术创新的机制建立和运作能力、进行技术创新的过程管理能力3方面来反映企业创新能力。
（4）创新营销能力。创新营销能力是企业为其创新产品开拓市场的能力，包括对市场价值方向的正确判断，对消费者接受新产品的正确判断，对市场未来预测的争取判断，同时也包括企业所具有的市场与消费者的影响力。对市场的正确认识和调控可以使得企业辨识正确的研究方向和技术创新价值[35]。陈晓红等[35]的研究表明，企业的营销能力可以通过企业投入，特别是研发投入对市场绩效产生显著影响。而汤青和陈海燕[36]的研究表明技术营销费用投入可以直接提升企业的绩效。白戈[37]把营销能力与创新行为进行分析，认为营销能力与技术能力以及创新市场绩效等有着直接关联，并建立了描述营销能力与技术产业和市场绩效直接的函数关系。创新营销能力包括企业对营销的投入、新产品营销的管理策略、对营销机制和本身规律的深入研究等，特别是对于技术创新的产品其营销目标在于让潜在的用户能逐渐了解、认识、认可企业的新产品、新技术。完整的宣传方案、强大的服务、销售网络以及市场反馈机制等这些都是企业创新营销能力的具体体现。因此，企业技术创新能力不仅仅是企业技术研发能力，也与企业开拓市场、组织管理营销等密切相关，同类的技术创新在不同的企业可能是完全不同的结果，这也是一种能力匹配的表现。市场营销能力的匹配度越高，企业技术创新成果就越能得到市场的接受与认可，获得更多企业收益。
5.2.2 企业知识共享能力匹配衡量
此外，通过有效的知识管理能够使知识资本增值，加强企业核心竞争力。本文从知识转移、知识学习、知识创造3方面反映企业知识共享能力。
（1）知识转移能力。知识转移指知识的转移与传播和共享的过程。知识转移包括组织与个体间、个体与个体间以及组织与组织间。而与组织有关的知识转移一般是有目的、有计划、跨边界的。对企业来说，知识转移是企业知识管理中的重要环节，组织人员在知识转移过程中吸收新知识并进行有效重组和利用，发现有助于企业发展的知识加以应用，使企业在竞争中取胜[38]。
隐性知识与显性知识之间的转移是知识转移过程的主要环节，通过此环节可以帮助企业知识增长螺旋的形成，知识转移理论认为这一转化环节是实现知识共享的基础。企业可以借鉴日本学者I. Nonaka[39]提出的知识转化螺旋模型，来探究知识转移的整个过程。在整个过程中，员工个体在各外在知识表达中结合实践经验，进行创造性研究，从而使知识得到进一步的创新和发展。通过企业内不同部门之间的协同工作以及在工作中的不断实践等，新的隐性知识不断被创造出来。
（2）知识学习能力。在企业形成知识转移的环境之后，伴随而来的就是知识学习，知识学习将贯穿企业技术创新活动的始终。经验学习理论认为，学习的过程是信息的获取及转化信息的过程，信息获取和信息转化构成学习的两个方面，信息获取方式是指信息来源渠道，信息转化方式指信息获取后如何进行分析处理[40]。由于信息获取方式与信息转化方式的不同，识别的技术机会也随之不同。因此，知识学习会在一定程度上影响机会识别的过程。技术创新过程实际上是一个知识学习的过程，在技术创新的不同阶段需要不同形式的学习活动。
新技术思想产生阶段新知识的学习：企业新技术产生的灵感和创新来自对外部知识的不断学习。只有通过持续学习外部知识来提升自身本来的内部知识存量，才能不断优化自身的知识结构，进而在探寻潜在市场机会时产生新的灵感和创意，并与内部其他知识相融合，逐渐被组织成员恰当地理解。在外部学习的影响下，企业积极主动地将外部知识转化为自身的竞争优势，亦促使企业从被动者变为主动推动新技术发展的一方。
R&D活动中的学习：企业通过在研发活动中组织学习以获得自身独特的专门知识，这也是企业区别于其竞争对手的重要核心能力。企业可以利用书本、电视、网络等载体获得显性知识，也可以经过观察、模仿、实践等途径获取隐性知识。这一阶段组织应该尽快将外部知识吸收并内化，实现内外部知识的整合，最终形成企业的专门知识。然而，当新知识本身较为复杂、系统和专业时，这些从外部学习得来的知识就会与企业自身的专门知识形成冲突，这时即需要企业对怎样整合新知识和已有的核心基础知识做出决策。
生产过程的学习：在新产品的投入生产中，只有将企业员工的隐形知识进行显性化，才能更好地进行知识学习和利用，从而完善生产流程、提升生产效率。特别一些员工的经验、技能和洞察力等隐形知识难以直接明确地学习，这就需要企业成员利用个体学习、团队学习等方式对新知识进行较好地分享与利用，由此可以减少企业在技术开发方面所投入的时间和费用，从而提高技术开发的效率。
营销阶段的学习：在创新产品营销阶段，企业通过持续与外界交换信息和能量，来达到整合技术创新知识的目的。这一阶段的学习将更多的关注点放在了诸如寻找新用户、发现产品新用途、重新细分市场等隐性知识上，重视对有关顾客、供应商和相关市场的隐性知识的广泛涉猎。在这个阶段中，在商品化和产业化阶段，企业为了进一步吸收外部的隐性知识并对创新成果进行二次创新作为知识储备。在历经知识转移、知识学习之后，企业的知识积累达到一定层次，企业进入了知识创造的阶段，在知识创造阶段企业调动各个要素获取信息，整合形成新的知识，致力于实现技术机会与企业自身的完美匹配。企业员工在互动交流过程中的共同学习是创造新知识的根本原因。产生新知识的基本条件包括交流能力、吸收能力和学习动力。交流能力是指企业员工需要通过持续了解技术知识的变化来补充外部的信息和知识，学习他人的思想、知识和技能并对旧知识进行再认识和再思考，在新旧知识交融的基础上实现知识创造。因而，知识创造能力的形成首先需要企业组织内部营造一个有利于知识和信息交流的组织氛围[40]。吸收能力是指提高知识吸收能力的前提是员工对过去相关知识的积累以及对固有路径的依赖[41]。只有凭借过去对相关经验和知识的积累，员工才能更加深入地理解和认识新的知识，从而达成对所接触新信息的深入领会与吸收。个人吸收能力是开发组织吸收能力的重要基础，而组织吸收能力是通过不断跨越个人的知识共享和实现知识多样化逐步形成的。而具备不同知识结构的个人会从不同视角来看待问题，他们之间的交流沟通对增强组织的知识创造能力具有重要作用。学习动力即使员工产生学习动力至少需要具备两个条件，一方面，企业员工应该意识到信息和知识的价值，只有使员工认识到其做出的努力所产生的价值，他们才会有动力去查找企业内外部的各类信息与知识，才有主动交换和接受信息与知识的意愿[42]；另一方面，员工应能从信息和知识的交换中获得充分的激励，员工本身是理性的，只有在交换信息和知识之后获得了一定的补偿，才会真正产生学习的动力。
6 研究结论
通过对企业技术机会识别匹配度影响因子的分析，可以得出在技术机会识别从认知到利用的过程中，企业要提高自身的创新能力并营造一个良好的企业知识共享氛围，从而促进技术机会利用上的协同。注重加强自身创新投入与产出能力、优化创新管理能力、增强自身的创新营销能力，这有助于企业实现技术创新机会利用效益最大化。而营造知识共享的企业组织环境，有利于企业对外部知识的发现与吸收，减少对技术机会利用过程中的阻力。只有将创新能力和知识共享能力与企业创新活动匹配后，才能实现技术机会的识别到转化。
参考文献：
[1] 龚毅， 杨利峰. 多重因素影响下的企业技术机会识别研究[J]. 科技和产业， 2013（10）： 129-133.
[2] TIMMONS J A， SPINELLI S. New venture creation： entrepreneurship for the 21st century[M]. New York： McGrawCHill， 2008.
[3] 翼， 樊耘， 邵芳， 等. 论人与组织匹配的内涵、类型与改进[J]. 管理学报， 2009（10）： 1377-1383.
[4] 周智颖， 孟卫东. 基于扩展价值链的企业能力体系研究[J]. 现代管理科学， 2010（1）： 26-27，117.
[5] 陈勇星， 杨晶照， 屠文娟. 企业技术创新模式选择与能力的匹配性研究[J]. 统计与决策， 2010（20）： 174-177.
[6] 何文章. 企业能力视角下的产业价值链价值创造研究[D]. 南昌： 江西财经大学， 2013.
[7] 黄胜忠. 微型企业利基战略与技术能力匹配性分析[J]. 商业时代， 2013（10）： 86-87.
[8] 姚明明. 后发企业技术追赶机制研究： 商业模式设计与技术创新战略的匹配角度[D]. 杭州： 浙江大学， 2014.
[9] 刘贻新， 胡仁杰， 张光宇， 等. 基于技术生态位结构特征的企业技术战略动态匹配[J]. 科学管理研究， 2016（11）： 127-130.
[10] 纳雷安安. 技术战略与创新： 竞争优势的源泉[M]. 程源， 高建， 杨湘玉， 译. 北京： 电子工业出版社， 2002.
[11] 李保明. 技术机会与技术创新的决策[J]. 科学管理研究， 1990（5）： 61-62.
[12] 楼永. 能力的匹配与企业多样化战略的选择[J]. 复旦学报（社会科学版）， 2004（6）： 135-140.
[13] LEONARD B D. Core capabilities and core rigidities： a paradox in managing new product development[J]. Strategic management journal， 1992， 13（S1）： 111-125.
[14] 孙早， 宋炜. 企业R&D投入对产业创新绩效的影响――来自中国制造业的经验证据[J]. 数量经济技术经济研究， 2012（4）： 22-25.
[15] COHEN W M， LEVIN R C， MOWERY D C. Firm size and R&D intensity： a re-examination[J]. Journal of industrial economics， 1987， 35（4）： 543-563.
[16] 毛武兴. 企业全面创新管理能力研究[D]. 杭州： 浙江大学， 2006.
[17] CROSSAN M M， APAYDIN M. A multi-dimensional framework of organizational innovation： a systematic review of the literature[J]. Journal of management studies， 2010， 47（6）： 1154-1191.
[18] 罗江. 高新技术企业营销能力对企业绩效的影响研究[D]. 南昌： 江西师范大学， 2012.
[19] NONAKA I.A dynamic theory of organizational knowledge creation[J]. Organization science， 1994， 5（1）： 14-37.
[20] 朱伟民. 战略人力资源管理与企业知识创造能力： 对科技型企业的实证研究[J]. 科学学研究， 2009， 27（8）： 1228-1237.
[21] WESTCOTT B. IT trends in local government[R]. Northampon： Society of information technology management， 1996.
[22] ZAHRA S A， GEORGE G. Absorptive capacity： a review， reconceptualization， and extension[J]. Academy of management review， 2002， 27（2）： 185-203.
[23] 陈晓萍， 徐淑英， 樊景立. 组织与管理研究的实证方法[M]. 北京： 北京大学出版社， 2008.
[24] CHURCHILL G A. A paradigm for developing better measures of marketing constructs[J]. Journal of marketing research， 1979， 16（1）： 64-73.
[25] 李兴文. 企业自主创新能力的形成机理及评价指标体系研究[J]. 武汉理工大学学报， 2007（5）： 47-50.
[26] 吴延兵. 中国工业R&D产出弹性测算（1993-2002）[J]. 经济学季刊， 2008， 7（3）： 869-890.
[27] 李武威. 外资研发、技术创新资源投入与本土企业创新绩效： 命题与模型[J]. 情报杂志， 2012（6）： 191-196.
[28] 陶永明. 企业技术创新投入对技术创新绩效影响机理研究[J]. 东北财经大学学报， 2014（1）： 59-64.
[29] w东喜， 范镇荣. 广西大中型企业科技投入与新产品产出灰色关联分析[J]. 企业科技与发展， 2009， 270（24）： 6-8.
[30] 廖中举. R&D投入、技术创新能力与企业经济绩效间关系的实证分析[J]. 技术经济， 2013， 32（1）： 19-23.
[31] 王爽， 马景义. 基于泊松对数线性模型企业创新产出能力研究[J]. 统计与决策， 2014（19）： 59-62.
[32] 郭东海. 我国科技企业创新管理能力评价研究[J]. 科学管理研究， 2012， 30（6）： 65-68.
[33] 方晓波. 从动态能力视角分析企业创新管理能力[J]. 企业警觉， 2013（8）： 76-79.
[34] 杜跃平， 方韵然. 企业中层管理能力和技术创新绩效关系研究[J]. 软科学， 2014， 28（4）： 42-47.
[35] 陈晓红， 于涛. 营销能力对技术创新和市场绩效影响的关系研究[J]. 科学学研究， 2013， 31（4）： 585-595.
[36] 汤清， 陈海燕. 技术创新、营销能力对企业绩效的影响研究[J]. 科学管理研究， 2015（9）： 110-114.
[37] 白戈. 营销能力与企业创新行为关系研究[D]. 成都： 西南财经大学， 2010.
[38] BOCK G W， KIM Y G. Breaking the myths of rewards： an exploratory study of attitudes about knowledge sharing[J]. Information resources management journal， 2002， 15（2）： 14-21.
[39] KOLB D A. Experiential learning： experience as the source of learning and development[J]. Pearson schweizag， 1984， 1（3）： 16-17.
[40] SMITH K G， COLLINS C J， CLARK K D. Existing knowledge， knowledge creation capability， and the rate of new product introduction in high-technology firms[J]. Academy of management journal， 2005， 48（2）： 346-357.
[41] COHEN W M， LEVINTHAL D A. Absorptive capacity： a new perspective on learning and innovation[J]. Administrative science quarterly， 1990（35）： 128-152.
[42] NAHAPIET J， GHOSHAL S. Social capital， intellectual capital， and the organizational advantage[J]. Academy of management review， 1998， 23（2）： 242-266.
作者献说明：
江 洪：设计文章研究框架，负责1、2、3节的撰写，并指导整篇文章修改；
张晓丹：负责第4、5节撰写及论文的整合；
杜妍洁：负责处理数据。
Analysis of Exploratory Factors of Entrepreneurial Fitness in the Recognition of Technological Opportunity
Jiang Hong1，2 Zhang Xiaodan2，3 Du Yanjie2，3
1School of Information Management， Wuhan University， Wuhan 430072
2Wuhan Library， Chinese Academy of Sciences， Wuhan 430071
3 School of Economics and Management， University of Chinese Academy of Sciences， Beijing 100190
