创新主题是在一定时间内在科学和技术领域间具有交叉融合、互相转化、协同发展趋势的研究主题。创新主题的识别可以帮助科研人员把握最新科技动向,合理安排研究计划,为监管部门开展创新评价提供参考。在竞争激烈的商业环境中,尽早发现这些创新科技未来的变化趋势,对于政府和企业在制定研发战略规划合理安排产业布局等多个方面都是至关重要的。而如何科学有效地探测创新主题是创新研究中的亟待解决的关键问题。本研究建立了一套基于科学-技术引用与文本关联的创新主题识别的方法体系。首先,计算科学-技术之间的关联度。根据医学领域的文献资源特点,使用Lens平台和MTI文本标引工具,分别得到论文-专利间的引用情况和文献间文本相似度大小,由此构建了4个关联网络——引用关联网络、文本关联网络、引用关联与文本关联网络并集和引用关联与文本关联网络交集。并通过宏观指标和微观指标对关联网络进行评价,挑选出的最适宜构建计算科学-技术关联的方法为引用关联与文本关联网络并集。然后,识别科学-技术交互地带创新主题。以“布鲁顿氏酪氨酸激酶抑制剂”领域研究为例,通过社会网络分析,将该领域的论文划分为五类,对各子类的网络进行主题分析,首先通过词频统计和共词分析,得到各类别文献的高频主题词和高频主题词对。又通过训练LDA模型,对各类别文献的摘要进行自然语言处理和主题识别,得到能够描述文献主题的高频自由词。结合主题词和自由词对五个类目进行命名,类目名称分别是:细胞生物学、基因组学等基础研究,疾病白血病相关研究,药学实验研究,药物依鲁替尼(Ibrutinib)相关研究和疾病淋巴瘤相关研究。后对各类目中的高分文献进行定性分析,最终得到布鲁顿氏酪氨酸激酶抑制剂领域的创新主题和主题类目中具有创新潜力的文献。最后,结合该领域相关文献综述对所获得的创新主题和主题类目中具有创新潜力的文献进行分析、验证。研究结果基本符合文献综述的描述和专家认知,证明本研究中所采用的方法有效可行,达到预期。