全球化经济背景下,移动互联网等颠覆性技术不断产生颠覆效应,改变了现有市场格局。颠覆性技术逐渐受各界关注,其中颠覆性技术的早期识别是学者关注的焦点和难点。互联网时代背景下,颠覆性技术形成过程的信息以不同形式呈现在不同媒介,形成多源异构数据。专利数据反映知识、技术、经济等信息;社交网络数据反映社会公众态度、认知和期望等。有效利用多源异构数据探索颠覆性技术特性,综合考虑颠覆性技术特性,实现颠覆性技术的早期识别对企业投资决策和政府研发战略决策至关重要。通过对颠覆性技术相关研究进行文献梳理,本研究总结的颠覆性技术特性包括知识特性、技术特性、经济特性和环境特性四大特性,并以此为出发点,从专利、Twitter及政策法规等多源异构数据中对其进行衡量,构建了基于多源异构数据的颠覆性技术早期识别模型。首先,以专利为数据,从颠覆性技术的知识、技术和经济特性出发,构建了基于机器学习的潜在颠覆性技术专利发现模型,从中筛选最优模型并应用,对模型结果进行“追随者”和跨领域验证,得潜在颠覆性技术专利;其次,运用SAO语义分析、相似性计算、聚类分析实现潜在颠覆性技术主题挖掘,得潜在颠覆性技术主题,将其视为具有颠覆性技术知识、技术和经济特性的潜在颠覆性技术;再次,以Twitter为数据来源,构建基于Twitter的潜在颠覆性技术潜在影响分析模型,运用情感分析、HDP主题模型和MTA-LSTM对潜在颠覆性技术的经济和环境特性进行进一步衡量;最后,结合潜在颠覆性技术政策法规符合性进一步衡量潜在颠覆性技术的环境特性,将满足经济特性和环境特性的潜在颠覆性技术视为颠覆性技术,完成基于多源异构数据的颠覆性技术早期识别模型的构建,实现对颠覆性技术进行早期识别。本文以人工智能(AI)为例进行实证分析,以验证本研究提出模型的可行性和有效性。研究结果表明,本研究可运用多源异构数据对颠覆性技术四大特性进行有效结合,以实现颠覆性技术的早期识别,为颠覆性技术的早期识别提供了新的研究视角,为企业和政府研发战略的制定提供了决策支持。