新兴技术识别一直是科技创新管理、科技政策制定和技术竞争情报研究领域关注的问题。就科技创新管理而言,新兴技术识别可以作为先导研究提升科研基金资助的效率;就科技政策制定而言,新兴技术识别能够帮助科技政策制定者根据当前产业与技术的发展态势随时调整政策布局;就技术竞争情报而言,新兴技术布局有助于企业管理层及早确定研发重点、明确投资方向以及降低投资风险,帮助国家战略决策层做好长期规划,抢占先机,保持技术竞争力。本研究基于新兴技术的定义,立足于计量视角,将新兴技术的识别任务转化为通过对新兴技术特征的量化评价实现判定与预测。基于向量表征模型,对应前人研究的不足,本研究主要解决了以下三个问题:一是针对“识别方法过于关注定性分析未关注技术语义”的问题,建立了融合语义结构信息的BERT-GAE术语向量表征模型,以量化新兴技术主题;二是针对“数据时效性制约问题”,基于表征得到的术语向量和链接预测模型,提前测度技术主题的科学影响力,弱化科技文献的时滞性问题,真正地做到了结合未来的预测信息来研判新兴技术;三是针对“新兴技术量化特征体系不完整”问题,建立了新兴技术多指标协同量化研究模型,从时间维度上的“过去”、“现在”及“未来”三个视角量化新兴技术。具体得,本研究主要进行了以下三部分的研究内容:第一部分是技术术语的抽取及表征研究。技术术语是表征技术的最小粒度,如何准确地获取和表征对于后续技术主题表征和新兴技术识别至关重要。为展现技术术语之间的关联特征,本文首先基于The termolator开源术语抽取模型得到科技论文中的技术术语,以摘要为单位构建技术术语共现网络;而后,建立融合BERT语义特征的无监督图神经网络BERT-GAE模型,将共现网络结构信息和术语语义信息表征在技术术语向量中,从语义对比和网络结构复现两方面评估向量表征方法效果,得到术语向量,为后续实现链路预测和技术主题特征的量化计算提供助力;第二部分是在准确获取技术术语和术语向量之后,建立术语向量与新兴技术主题之间的转换关系,以及基于三大新兴技术指标（交叉融合性、新颖性和潜在的科学影响力）建立新兴技术量化识别模型。其中,前者基于术语向量运用Mini Kmeans方法聚类得到技术主题,作为新兴技术主题的筛选范围;后者则主要具体为:基于主题向量计算主题向量间的cosine相似度用于量化主题间的交叉融合性特征;基于术语向量进行链路预测得到预测的未来术语共现网络,而后计算其中术语及主题的Pagerank值,作用于量化主题的潜在科学影响力特征;基于术语--主题的对应关系,计算每一主题内术语最早出现时间的均值用于量化主题的新颖性特征。最后,综合考量三个特征值,将排名靠前的主题作为筛选得到的新兴技术主题。第三部分是基于前两部分构建好的新兴技术识别模型,以航空领域为实证,识别并验证该领域的新兴技术。在构建好技术术语共现网络之后,以单纯基于语义信息的BERT模型和单纯基于结构信息的Node2Vec模型为基准模型,通过语义对比和结构复现两大指标进行评估,验证了本研究提出的BERT-GAE模型的术语向量表征效果最好。基于此,采用分层聚类的方法获得候选新兴技术主题;而后根据每一主题内所属的技术术语向量计算主题向量,进而计算三大新兴技术指标值识别得到新兴技术主题。最后,本研究识别到的新兴技术主题在战略政策及工业应用中得到了印证,同时研究结果还寻求领域专家验证,得到了专家认可。综上,本研究通过引入“术语向量表征”的计算视角,有效编码了术语实体间显性和隐形的关联关系,提升了技术主题识别的粒度,还加强了新兴技术特征计算的客观性;同时结合历史、当前和预测的信息,从外部结构的网络结构特征与文本内容的主题关系两方面入手,构建了一套完整的新兴技术量化识别体系。经实证发现,识别效果得到了领域专家的认可。