随着经济全球化,科技革命与产业的升级,科技水平发展的高低已成为衡量一个国家综合国力重要指标。在当今时代,正确识别行业技术发展状况,挖掘技术缺口与短板,对避免发达国家的技术威胁,提升产业核心技术与持续创新能力具有重要意义。传统关于数控机床技术差距的研究方法大部分还停留在定性研究阶段,容易产生主观偏误性,少部分的定量研究则是基于单一维度的指标,只得到宏观的研究结果,缺乏对具体技术差距内容的描述。近年来基于多源数据挖掘的方法开始得到广泛应用,但这些方法通常忽略了数据关联融合的语义信息,较难对复杂情景下的技术创新有深入的理解,并且缺乏各个需求情境的客观数据分析与支撑。针对以上问题,本文从科技文献计量、技术体系构建、多源数据关联的深度学习方法等三个视角提出了技术差距识别的研究方案。首先基于科技文献计量与信息可视化工具,提出了一种识别技术差距的流程方法,使用多源数据进行领域态势分析,通过国内外企业的市场产品、海关产品数据同专利信息的匹配来识别缺口与短板。然后,通过半监督的机器学习方式完成技术术语抽取,采用Word2vec-Kmeans++聚类与专家结合的方式将技术术语类别划分,并构建了数控机床领域的技术体系。针对数据关联薄弱的问题,本文提出了一种多维数据实体对齐的方法,该方法基于改进的BP算法求解LDA模型的隐含参数,进而生成实体特征向量,通过采用相似度理论计算并完成实体对齐任务。在实体对齐过程改进了相似度计算规则,能够在语义相似度的基础之上,进一步提高关联准确率。最后基于两维数据的关联,设计并完成了数控机床领域技术与产品关联的技术差距可视化分析。同时本文方法不仅仅适用于数控机床领域,对于其他技术领域的技术差距研究同样有效。本文研究不仅识别了数控机床领域技术发展状况,构建了数控机床技术体系与清单,同时得到了对中国数控机床在不同数据维度的具体技术差距内容描述。本文研究部分结论被当做重要的参考依据,辅助了领域专家的分析与判断,也为中国数控机床的发展战略决策的制定提供了有效的支持。