对重点领域和科技发展方向的准确预判与战略布局已是世界各国发展规划中的重要内容。构建领域技术路线图能够把握产业发展趋势和选择产业优先发展技术,对国家战略规划与产业政策制定具有重要意义。目前基于文本挖掘、大数据支撑的技术路线图构建方法具有一定优势,但选用的数据维度较为单一,无法呈现领域市场、政策等多层面的复杂信息。而且传统数据挖掘方法未考虑词汇的上下文语义信息,数据挖掘过程缺乏与专家知识的交互,数据分析结果不够准确,信息表达不够完善,难以有效支撑专家决策。针对以上问题,本文提出了一种基于多源数据挖掘的工业机器人领域技术路线图构建方法。首先,基于对工业机器人产业的全面分析,利用网络爬虫技术收集了该领域专利、市场新闻、产业政策等70783条多源数据。其次,利用BERT模型生成词向量,并针对中文数据特点,重新设置了三种遮挡策略,使得模型结果更加精确。在此基础上,提出一种改进的BERTopic交互式主题模型用于挖掘工业机器人领域技术、市场、政策三个不同维度的主题信息。通过改进TF-IDF方法减少了冗余的聚类主题个数,并将此聚类结果分别与两种聚类算法以及两种当前公认较好的主题模型进行对比,验证了聚类结果的可靠性。接着,基于数据挖掘得到的主题信息,利用混合波动检测算法识别出了三个层次下领域发展的8个关键事件与相对应的15个关键主题,并进行实验对比,验证该方法的有效性。最后,融入专家知识,构建了工业机器人领域技术路线图原型,得到了工业机器人领域的核心技术、市场发展历程与政策法规效用,以及技术、市场与政策间的作用机制。本文提出的基于多源数据挖掘的技术路线图构建方法,在一定程度上解决了传统技术路线图构建过程中过分依赖专家先验知识、文本语义信息挖掘不够完善以及数据与专家知识交互不足的问题。本文提出的方法成功构建了工业机器人领域技术路线图原型,并通过专家交互的方式验证了该原型的准确性与有效性。同时,本方法也可以用于指导其他领域的技术路线图构建。