新发展阶段背景下，科技革命与产业变革方兴未艾，文旅产业迎来跨界融合发展新机遇^[1-3]。作为重要旅游目的地之一，我国城市承担着激发区域旅游市场消费潜力、盘活沉默资本和助推文旅产业融合创新的重任^[4]。得益于数字经济广泛渗透，“云智大物移”等数字技术跃迁为文旅新业态涌现、产品与服务持续创新的重要动力，也为推动城市文化和旅游产业融合发展释放出巨大潜能^{[5, 6]}。但面临消费需求的快速更迭和文旅产品复杂性的骤增，城市仅凭区域内部数字技术资源已经难以应对此起彼伏的各种新挑战^[7]，因此如何有效攫取、整合和利用关键数字技术资源，及揭示其促进城市文旅融合发展实践的作用机制以赋能区域竞争力提升，成为亟待解决的重要理论与实践议题。

依据流动空间理论，城市空间组织形式因数字技术流动要素冲击而由传统“场所空间”向“流动空间”转型^{[8, 9]}，城市数字技术网络应运而生。聚焦合作网络的基本结构和特征，以往研究主张城市嵌入数字技术合作网络的结构与关系特征差异会影响其获取异质性数字技术资源的方式和策略^{[10, 11]}，进而对文旅融合发展产生不同影响。可对单一类型合作网络的强调会相对忽略城市数字技术网络内部多种不同类型联结关系，只有同时关注多种网络，才能充分了解城市数字技术网络的资源多样性并深度剖析数字技术网络嵌入与文旅融合发展之间的关系结构^{[12, 13]}。随着研究不断深入，学者们发现数字技术知识元素在以城市为隐形边界的宏观空间中充分流动，经由跨城“管道”与其它技术知识元素进行联结、重组并缔结城市数字技术知识网络^[14]，能够反映城市所拥有数字技术的核心位置和重要程度。Wang等^[15]研究证实组织创新目标实现不仅依靠合作网络，还依赖于一定结构的知识网络。由此，本文将数字技术合作网络与数字技术知识网络耦合形成的依存型网络结构统称为数字技术双重网络^[16]，以更全面地审视和解析城市文旅融合发展的网络嵌入复杂过程。需要强调的是，不同城市微观创新主体之间的数字技术合作联结引发了数字技术知识元素的碰撞、组合和更新，因而数字技术知识网络是在数字技术合作网络形成的基础上被刻画的^[17]，但数字技术双重网络嵌入如何影响城市文旅融合发展？现有研究并未给出清晰的理论解答。

此外，随着我国以城市为中心的多边协作数字技术网络生态持续涌现，城市整体空间结构发生动态变化，多中心、多层级、多节点的网络型城市群结构显现^[18]，这也决定了文旅融合发展的城市属性。具体而言，在数字技术双重网络中，部分城市长期处于网络中心位置，能够充分发挥区域增长极的虹吸效应，更加高效、迅速地攫取网络中流动的数字技术知识诀窍，但大多城市位于网络中间甚至边缘地带，获取有价值数字技术资源的渠道相对匮乏^[19]。此时若将所有城市进行同等看待，可能会忽略不同城市在数字技术双重网络中的差异化特征，从而以一种“削足适履”的方式推进文旅融合实践。依据比较优势理论，不同城市嵌入数字技术双重网络的特征不同，能够发挥网络特征的比较优势也不同，其匹配的文旅融合方法和路径可能也具有差异性，故文章主要研究以下几个问题：流动空间视角下我国城市数字技术双重网络有哪些类型？不同类型城市的网络拓扑结构有何特点？在文旅融合发展过程中，不同类型城市数字技术双重网络构型的比较优势为何？数字技术合作网络与数字技术知识网络嵌入特征应如何组合配置以推动城市文旅融合高水平发展？鉴于实证研究方法无法提供异质性对象识别、复杂非线性关系等问题的解决方案，文章将机器学习引入地理研究领域，构建数字技术双重网络嵌入影响城市文旅融合发展的理论模型，运用K-Means聚类算法识别出不同类型城市，并使用决策树中的分类与回归树（Classification and Regression Tree）算法挖掘数字技术双重网络嵌入特征组合对不同类型城市文旅融合发展的差异化影响机制。

文旅融合发展影响因素是近年来学界的热点研究问题，现有研究主要从以下几个方面进行探讨：其一，基于资源要素禀赋视角，主流学者普遍认为自然风光和人文历史等资源规模、丰富度、稀缺性及游憩价值支撑旅游目的地发展，也是推动文化旅游融合的物质基础^[20]；其二，部分研究转向组织条件视域，聚焦区域发展能力、政府扶持及配套设施等因素的重要作用，如分析经济实力、产业结构、政府调控、区位交通以及服务队伍等对文旅融合发展的影响^[21-23]；此外，从技术角度出发，也有学者指出数字技术通过文旅数字化对文化旅游需求侧与供给侧产生影响，例如新一代信息技术发展为游客提供增强文化体验的新移动服务，并促进文旅企业开发新商业模式^[24-26]。总体来看，现有研究还停留于场所空间思维，未充分考虑流动空间理论背景下城市网络可能对文旅融合发展带来的深刻影响。特别地，相比于资源禀赋与组织条件的地理空间静态属性，数字技术要素具有较强流动性，其频繁跨城交换与联系促进城市数字技术网络演化生成^[27]，但城市数字技术网络嵌入对文旅融合发展的影响研究并不充分。

城市数字技术网络的本质是介乎外部宏观环境和城市内部之间的复杂资源配置机制，其核心功能在于促进数字技术要素或资源流动。一方面，城市的独立技术研发或创新能力不足以应对发展需要，更需要与其它城市建立数字技术沟通、交流与合作等关系来攫取文旅融合发展过程中所需的丰沛数字技术，因此数字技术合作网络是城市的重要资源载体。另一方面，在许多情况下，即便存在合作网络，也不一定能产生实质性的创新。本质上，新数字技术的产生源于不同数字技术知识元素的组合，这些组合过程所形成的数字技术知识网络可被认为是文旅融合发展过程所涉及的又一关键环节，能更直接地反映出不同数字技术知识元素在城市之间的流动规律和交换机制，以及不同数字技术知识元素组合和重构的复杂过程。由此看来，城市数字技术网络拥有合作网络与知识网络双重结构样式，二者链接形成数字技术双重网络^[28]。

依据经典的社会网络理论，城市嵌入数字技术合作网络与知识网络的特征不同，能够攫取、整合与编排异质性数字技术资源的规模和效率不一，从而推动文旅融合差异化发展^[29]。一方面，通过对合作网络嵌入相关文献^{[30, 31]}进行梳理发现：技术合作连通度高的城市具有信息规模优势，通过获取大量前沿数字技术信息和资讯为文旅融合发展过程中遇到的难题提供多元解决方案^{[32, 33]}；技术合作支配度高的城市因占据“结构洞”位置而获得非冗余、异质性数字技术信息和资源^{[34, 35]}，能更快地识别新兴数字技术机会和风险以抢占文旅融合技术创新先机；技术合作闭合度具有明显的“双刃剑”效应，不仅能推动城市快速、高效地获取邻近城市间流动的数字技术资源，更易受到周围城市同群效应影响^[36]，但也可能因合作伙伴规模锁定陷入数字技术资源匮乏境地；具有高技术合作强度的城市能够准确判断合作对象所拥有的数字技术资源，避免方向性错误，从而提高数字技术搜索效率并保障文旅融合发展过程中的持续性技术供给。另一方面，通过对知识网络嵌入相关文献^{[37, 38]}进行归纳得出：技术知识更多元化的城市能够产生更全面的创新和成果，特别是突破性或激进性的创新，从而抵御模仿和替代的威胁，以更好地将产品推向新市场^[39]；技术知识稳定性高的城市能够更好地掌握技术迭代方向，经由历史程序或惯例开展数字技术更新以赋能文旅产品迭代和服务升级^[40]，但知识创造模式单一同时意味着创新效率降低，难以打破常规技术创新思维定势，从而降低数字技术知识创新的可能性^[41]；高技术知识组合潜力的城市在数字技术知识网络中处于核心地位，能够凭借已有技术知识的基础性和必要性特征与其它数字技术知识元素进行广泛重组，激发数字技术创新动能以赋能城市文旅融合高水平发展；而技术知识组合机会高的城市具备控制数字技术信息和知识流动的优势，更容易获取尚未被重复、过度利用的技术知识元素开展创新，从而为文旅融合发展提供新兴技术支持。此外，对于数字技术双重网络嵌入程度具有明显差别的城市而言，影响其文旅融合发展效果的网络特征可能也具有差异性，故文章遴选数字技术合作网络嵌入与知识网络嵌入八个特征变量，探析数字技术双重网络嵌入特征组合对不同类型城市文旅融合发展的差异化影响，研究框架如图 1所示。

图 1(Fig. 1)

图 1 数字技术双重网络嵌入影响不同类型城市文旅融合发展的复杂驱动模式 Fig.1 Complex Driving Patterns of Digital Technology Dual Network Embeddedness Affecting the Integrated Development of Culture and Tourism of Different Types of Cities

本文选取2017—2022年我国地级及以上城市作为研究样本，主要原因在于：所选时间窗口内，新一代信息技术持续冲击和形塑城市间联系引发了城市组团式、网络型发展变革，以及数字技术资源在文旅产业融合发展过程中的动力作用日益凸显，为本研究提供了十分契合的研究情境^[42]。此外，特征变量数据来源于Incopat专利检索平台，结果变量数据则通过对中国新闻网各城市发布的相关新闻进行文本挖掘所得。考虑到我国城市之间的发展差距较大，文章对所有连续变量进行了1%与99%分位的缩尾处理，以保证数据的可靠性和稳定性。

城市文旅融合发展是一个系统性过程，如何精准刻画城市的文旅融合发展水平具有挑战性，且目前针对城市层面文旅融合发展的测度研究较少。在类似研究中，主流学者通常将文旅产业耦合协调度作为区域文旅融合发展的替代测量方式^[43]，但该做法本质上反映的是文旅产业的协同发展情况，无法体现文旅产业真实融合水平。本研究认为，文旅融合发展作为重要的国家战略，会在全国范围内引导城市开启文旅融合发展道路。在此过程中，各城市争先开展文旅产品创新、举办文化节庆活动、打造主题乐园和文化街区以及开发文化旅游线路等实践探索，而这类信息往往会被新闻媒体所关注和传播，并形成对城市文旅融合实践的动态新闻报道。由此，新闻内容能够折射出城市的文旅融合发展特征和格局理念，也能被搜索引擎有效检索。因此，对新闻报道进行文本分析是大样本测度城市文旅融合发展水平的一种合理方案^[44]。具体操作过程如下：第一，整合能够体现城市文旅融合发展的相关词汇，如“文化旅游融合”“文旅融合”“文化和旅游”“红色旅游”和“文化景区”等，生成文旅融合发展关键词字典；第二，使用Python网络爬虫技术获取中国新闻网2017—2022年含有文旅融合发展字典词汇的新闻报道文本数据48050条，保存列数据为“网址”“新闻标题”“新闻正文”；第三，构建我国地级及以上城市名单，使用正则表达式对城市名称、新闻报道年份进行文本挖掘和字段提取，编写代码按年份分组获得各城市文旅融合相关新闻发布数量以测度我国历年各城市文旅融合发展水平。

在开展数字技术双重网络嵌入特征的测度之前，需要解决数字技术双重网络的构建问题。文章以《国际专利分类表》中含有数字技术元素的分类号进行检索，共获取2017—2022年城市数字技术合作专利数据183309条，借鉴企业双重网络的构建方式完成城市数字技术双重网络的构建^[45]。首先，依据现有研究，使用文本挖掘析出每条专利包含的城市名称并开展去重处理，再将每条专利涉及的城市共现关系进行叠加后绘制城市数字技术合作网络。其次，数字技术知识网络以技术元素为网络节点，刻画了不同城市拥有的技术元素之间的组合、再构关系。以IPC分类号前四位作为数字技术知识元素的测度代理，去重处理后将每条专利涉及的技术知识元素共现关系进行叠加并绘制城市数字技术知识网络。再次，使用Python编写代码可以得到数字技术知识网络中的技术知识元素与数字技术合作网络中的城市节点之间的隶属关系，由于一座城市通常含有多个数字技术知识元素，且同一技术知识元素可以被不同城市共同拥有，因此隶属关系较为繁杂。最后，文章基于社会网络分析并借助Gephi软件和代码编写，得到各城市历年数字技术双重网络嵌入特征指标，具体测度公式详见表 1。

表 1(Tab. 1

表 1 特征变量测度公式 Tab.1 Measurement Formulas of Characteristic Variables

表 1 特征变量测度公式 Tab.1 Measurement Formulas of Characteristic Variables

本研究主要可以分为“问题导向的数据来源初确定”、“多源异构大数据处理与测度”、“异质性城市类型与特征分析”以及“城市文旅融合发展决策规则”四个部分，如图 2所示。

图 2(Fig. 2)

图 2 主要研究思路和方法 Fig.2 Main Research Ideas and Methods

（1）基于数字技术双重网络嵌入特征联动影响不同类型城市文旅融合发展的研究问题，文章依据IPC分类号在Incopat专利平台下载海量数字技术专利数据，明晰不同城市之间的数字技术合作关系以及数字技术知识元素之间的跨城组合关系；并通过网络爬虫方式采集中国新闻网发布的文旅融合相关新闻数据。

（2）根据数字技术专利数据构建城市数字技术合作网络与数字技术知识网络，并通过社会网络分析计算数字技术双重网络的城市节点指标，用以测度技术合作连通度和技术合作支配度等八个特征变量；使用文本挖掘对文旅融合相关新闻数据进行分词处理，与我国地级及以上城市名单进行匹配，得到每条新闻所对应的城市名称，并汇总计算每座城市的文旅融合相关新闻数量以测量城市文旅融合发展水平。

（3）对样本城市数字技术双重网络嵌入特征进行KMeans聚类，将具有相似嵌入水平的城市划分至同一群组（如浅层嵌入型、稳定嵌入型、深度嵌入型等），并根据聚类结果将城市文旅融合发展水平进行群组内部中位数离散化，与各城市群特征变量数据进行匹配拼接。

（4）为了呈现数字技术双重网络嵌入不同特征组合对城市文旅融合发展的差异化影响，文章以八个特征变量为条件属性，离散化后的城市文旅融合发展为决策属性，采用决策树CART算法挖掘数字技术双重网络嵌入特征与不同类型城市文旅融合发展水平之间的复杂关系结构，凝练决策规则以指导管理实践。

聚焦不同类型城市如何发挥数字技术双重网络嵌入比较优势以获得高水平文旅融合发展，文章的关键在于明晰我国城市数字技术双重网络嵌入类型。作为一种无监督机器学习算法，K-Means聚类可以在不清楚城市所属类型的情况下，按照“物以类聚、人以群分”的原则挖掘出数字技术双重网络嵌入程度具有明显区别的城市群。因此，文章结合肘算法^{[46, 47]}确定样本最佳聚类簇数为3，最终从城市样本数据中学习得到三类数字技术双重网络嵌入特征相似的城市群（又称“簇”），并随着嵌入程度减弱依次呈现“核心—中间—外围”三层拓扑结构分布。获取三类城市群的数字技术双重网络嵌入特征均值和样本总体特征均值绘制雷达图，如图 3所示，从整体层面来看，随着嵌入程度的加深，不同类型城市特征变量分层级效果明显，但也有个别变量取值未遵循上述规律。

图 3(Fig. 3)

图 3 不同类型城市数字技术双重网络嵌入特征均值雷达图 Fig.3 Radar Map of Feature Mean Values of Digital Technology Dual Network Embeddedness of Different Types of Cities

具体而言，簇-Ⅰ城市群除了技术知识稳定性外，在数字技术双重网络中的各项嵌入特征均处于最低水平，说明该类城市在数字技术合作网络和数字技术知识网络中几乎处于边缘地带，表现为数字技术合作渠道缺乏、关系基础薄弱、技术知识规模小及核心价值不足，因此将其命名为浅层嵌入型城市群。例如，北海、乐山和汕尾等城市因地理位置偏远、经济发展缓慢或技术落后等原因，难以与其它城市构建数字技术合作及数字技术知识共享关系，使得该类城市在数字技术双重网络中均处于边缘地带，并面临双重网络“脱嵌”风险。簇-Ⅱ城市群与样本总体水平相近，技术合作闭合度处于最高水准，说明该类城市通常形成“小世界”群体，合作伙伴固定且关系基础较好，也拥有一定规模的数字技术知识，因此将其命名为稳定嵌入型城市群。例如，兰州、丽水和厦门等城市注重与其它城市开展数字技术合作和知识交流，其合作伙伴之间也逐渐构建起联结关系，有效激发数字技术创新的同群效应。簇-Ⅲ城市群数字技术双重网络嵌入水平最高，表现出数字技术合作伙伴规模大、数字技术知识类型广泛且质量较高等特点，因此将其命名为深度嵌入型城市群。例如，如北京、上海和广州等城市始终处于技术合作网络和技术知识网络的中心地带，不但拥有多元技术合作伙伴，还掌握核心数字技术，主导着数字技术双重网络的形成和演化。

文章涉及数字技术双重网络嵌入八个特征变量与不同类型城市文旅融合发展之间复杂关系结构的识别问题，而传统研究方法关注单一要素“净效应”，难以分析不同特征变量如何联动匹配以影响结果变量，亦不能揭示变量之间“殊途同归”的作用路径。如图 4所示，特征变量与文旅融合发展之间的相关关系并不明显，说明城市文旅融合发展不是由单一特征变量决定，同时也要受其它因素影响。相较于定性比较分析这一案例导向型研究方法，机器学习中的决策树CART算法能够基于信息熵的不断迭代和模型优化，自动识别多变量关系，并以树形结构清晰输出多条不同特征变量取值组合对结果变量的决策结果，从而更好地指导管理实践。因此，基于集合论思想，文章使用决策树CART算法挖掘影响不同类型城市文旅融合发展的特征组合。

图 4(Fig. 4)

图 4 数字技术双重网络嵌入特征与城市文旅融合发展散点矩阵图 Fig.4 Scatter Matrix of Digital Technology Dual Network Embeddedness Characteristics and Urban Integrated Development of Culture and Tourism

在浅层嵌入型城市决策树中，如图 5所示，技术知识组合机会、技术知识多样性、技术知识稳定性及技术合作强度都会对文旅融合发展产生较大影响。其中，技术知识组合机会作为根节点，是浅层嵌入型城市文旅融合发展最重要的影响因素，原因可能在于该类城市处于数字技术合作网络的边缘地带，合作伙伴资源不足，需要依靠占据数字技术知识网络“结构洞”位置的技术知识元素推动数字技术迭代和更新，以更好地为城市文旅融合发展提供技术支持。当技术知识组合机会较小（≤0.11）与技术知识多样性较小（≤0.08）时，技术知识组合机会未能进一步区分文旅融合发展水平，说明其影响作用被弱化，浅层嵌入型城市主要因数字技术知识元素规模较小及未占据桥梁位置而大概率获得低水平文旅融合发展；当技术知识组合机会较小（≤0.11）与技术知识多样性较大（>0.08）时，技术知识稳定性对文旅融合发展起到一定正向影响作用，表明数字技术知识元素的多元类型与稳定联结能够在一定程度上弥补网络位置劣势。此外，当技术知识组合机会较大（>0.11）时，技术合作强度能够在（0, 0.20]取值区间内对文旅融合发展发挥促进作用；而若技术合作强度（>0.20）过高，技术知识稳定性则会负向影响文旅融合发展进程。

图 5(Fig. 5)

图 5 浅层嵌入型城市决策树 Fig.5 Shallow Embedded City Decision Tree

在稳定嵌入型城市决策树中，如图 6所示，技术合作连通度、技术知识组合机会、技术合作支配度、技术合作强度与技术知识多样性对文旅融合发展产生较大影响。技术合作连通度作为根节点，是稳定嵌入型城市文旅融合发展最重要的影响因素，原因可能在于该类城市处于数字技术合作网络核心—边缘之间宽阔的中间地带，不同城市能在多大范围内建立起合作关系成为其获得不同文旅融合发展水平的关键。在技术合作连通度极低（≤0.05）情况下，技术合作支配度未能进一步区分高/低文旅融合发展水平；当技术合作连通度开始提升（0.05, 0.10]时，技术知识组合机会能对文旅融合发展产生一定正向影响作用。当技术合作连通度>0.10时，在技术知识组合机会较小（≤0.20）情况下，技术合作强度能够对文旅融合发展起到一定促进作用；而在技术知识组合机会较大（>0.20）情况下，技术知识多样性推动文旅融合高水平发展。

图 6(Fig. 6)

图 6 稳定嵌入型城市决策树 Fig.6 Stable Embedded City Decision Tree

在深度嵌入型城市决策树中，如图 7所示，技术合作支配度、技术合作闭合度、技术知识多样性、技术合作强度、技术知识稳定性会对文旅融合发展产生较大影响。技术合作支配度作为根节点，是深度嵌入型城市文旅融合发展最重要的影响因素，原因可能在于该类城市均拥有较为丰沛的数字技术双重网络资源，相较而言，占据技术合作网络“结构洞”位置能更为有效地攫取数字技术资源。在技术合作支配度≤0.32与技术合作闭合度>0.29时，较高技术合作强度（>0.54）能进一步提高城市获得低水平文旅融合发展的概率。在技术合作支配度较大（>0.32）情况下，当技术知识多样性较小（≤0.61）时，技术合作支配度再次成为文旅融合发展的分裂节点，其数值超过阈值0.49会引致城市获得低水平文旅融合发展；而当技术知识多样性较大（>0.61）时，将技术知识稳定性保持在较小取值（≤0.40）更有利于城市文旅融合高水平发展。

图 7(Fig. 7)

图 7 深度嵌入型城市决策树 Fig.7 Deep Embedded City Decision Tree

文章采用后剪枝的方式对不同类型城市的文旅融合发展决策树进行规则提取和精简，如表 2所示，规则置信度大多处在70%—100% 之间，拟合效果较好。从整体角度对决策规则进行深入分析：①不同类型城市文旅融合发展的影响因素存在组合差异性，证实了聚类分析的科学性与合理性，其中，浅层嵌入型、稳定嵌入型和深度嵌入型城市文旅融合发展的首要分裂属性分别是技术知识组合机会、技术合作连通度与技术合作支配度。②技术合作强度与技术知识多样性对不同类型城市文旅融合发展起到较为普适的作用；技术知识组合潜力在每条规则中未起到明显影响作用，说明其影响作用被其它特征变量所弱化。③“低技术知识组合潜力—低技术知识多样性”和“高技术知识组合机会—高技术合作强度”是浅层嵌入型城市文旅融合发展的阻碍路径，而“低技术知识组合机会—高技术知识多样性—高技术知识稳定性”和“高技术知识组合机会—低技术合作强度”为该类城市高水平文旅融合发展的两种条件构型。“低技术合作连通度—低技术合作支配度”和“较低技术合作连通度—低技术知识组合机会”不利于稳定嵌入型城市文旅融合发展，而“高技术合作连通度—低技术知识组合机会—高技术合作强度”或“高技术合作连通度—高技术知识组合机会—高技术知识多样性”为该类城市的文旅融合发展的跃迁路径。“低技术合作支配度—高技术合作闭合度—高/低技术合作强度”均阻碍深度嵌入型城市文旅融合发展，且在城市既不占据重要位置又相对封闭的情况下，合作强度的加深反而使得文旅融合更容易向低水平方向发展；而“高技术合作支配度—高技术知识多样性—高/低技术知识稳定性”均有利于该类城市文旅融合发展，在城市占据合作重要地位且技术知识丰沛的情况下，技术知识稳定性不宜过高。

表 2(Tab. 2

表 2 不同类型城市的文旅融合发展决策规则表 Tab.2 Decision Rules on the Integrated Development of Culture and Tourism of Different Types of Cities

表 2 不同类型城市的文旅融合发展决策规则表 Tab.2 Decision Rules on the Integrated Development of Culture and Tourism of Different Types of Cities

文章基于多源异构大数据，综合采用K-Means聚类和决策树CART算法挖掘不同类型城市数字技术双重网络嵌入特征与文旅融合发展之间的复杂关系结构，研究过程中得出的主要结论有：

（1）我国城市数字技术双重网络嵌入类型主要包括三种，即浅层嵌入型、稳定嵌入型以及深度嵌入型。其中，浅层嵌入型城市位于数字技术双重网络的边缘地带，合作渠道匮乏、知识类型单一，面临双重网络“脱嵌”风险；稳定嵌入型城市位于数字技术双重网络广阔的中间领域，合作资源明显增多、知识丰富多元，聚集效应最为突出；深度嵌入型城市则占据数字技术双重网络的核心位置，网络密度极高，在技术合作开展与技术知识获取方面拥有绝对优势。

（2）数字技术双重网络嵌入特征的不同组合推动相同类型城市获得不同水平的文旅融合发展，表明特征变量差异化组合配置会影响城市文旅融合发展，并呈现出“殊途同归不同效”的作用效果。从关注同类型城市如何发挥数字技术双重网络构型的比较优势来看，随着城市嵌入程度的不断加深，浅层嵌入型→稳定嵌入型→深度嵌入型城市文旅融合发展的主要驱动因素由数字技术知识网络嵌入特征转为数字技术合作网络嵌入特征，分别为技术知识组合机会、技术合作连通度和技术合作支配度。

（3）在城市聚类划分视角下，我国不同类型城市呈现出差异化文旅融合高水平发展路径：浅层嵌入型城市在数字技术双重网络资源稀缺的情况下，适宜发展“择优依附弱连接关系并获取关键数字技术知识”的颠覆创新模式；稳定嵌入型城市在技术合作对象锁定情况下，适宜发展“拓宽合作渠道并汲取多元关键数字技术知识”的全面扩张模式；深度嵌入型城市在数字技术双重网络资源丰沛的情况下，适宜发展“占据合作主导地位并配置多元新兴数字技术知识资源”的动态调控模式。

与当前研究相比，本文基于流动空间理论，将数字技术这一资源要素从场所空间拓展至流动空间，以城市数字技术网络嵌入视角开展研究，丰富了文旅融合发展影响因素相关领域文献。相比于传统资源和组织条件等相对静态的固有属性，数字技术具有更强的可流动性，这种资源属性差异使得城市可以超越地理邻近性的限制，从远距离的合作伙伴获得关键数字技术资源，并对文旅融合发展进程产生影响^{[48, 49]}。目前学界对这一议题的关注不够，本文从流动空间视角出发对数字技术网络嵌入与文旅融合发展的影响机制进行研究，是对此议题的一个初步探索，能够更立体地理解数字技术在文旅融合发展过程中的重要作用。其二，立足于经典的双重网络分析框架，本研究将城市数字技术网络解耦为合作网络与知识网络两种构型，更细粒度地刻画出城市层面数字技术合作与知识交流的基本特征，弥补了盛科荣等^[50]、Huang等^[51]和周媛媛等^[52]仅从单一类型网络视角开展研究的不足，不仅拓展了城市网络的概念内涵，还为后续开展城市网络定量研究提供了一个新方向。此外，依据聚类划分的思维视角，本研究使用机器学习方法识别出浅层嵌入型、稳定嵌入型和深度嵌入型三种城市类型，厘清了不同类型城市数字技术双重网络嵌入特征对文旅融合发展的差异化影响，弥补了胡冬梅等^[53]只考虑异质网络嵌入而忽略研究对象本身网络嵌入程度具有差异性的不足，将网络嵌入机制拓展到城市这一较为宏观的研究对象，为后续开展网络嵌入相关研究提供了新的分析视角和思考框架。

相关研究结论带来有价值的管理启示：对于国家整体层面而言，一方面，应进一步打破城际数字技术合作壁垒，可以通过数字技术人才引进、科研项目联合等途径推动技术信息、知识等资源的顺畅流通，实现多元数字技术知识的高效攫取、吸收、重组和更新；另一方面，应持续优化数字技术双重网络布局，打造不同类型城市群中的龙头城市和核心城市，发挥其辐射带动作用，促进城市群内部形成稳定、高效的数字技术合作关系，建立良性发展的技术合作与知识共享秩序，赋能不同类型城市文旅产品创新与文旅市场活力迸发。从区域发展来看，不同类型城市应该重视数字技术网络双重嵌入的赋能效应，结合自身情况针对性开展数字技术合作和知识交流，积极主动汲取数字技术资源以赋能城市文旅融合高水平发展。具体而言，浅层嵌入型城市可通过对口帮扶项目、在线教育和远程会议等与大城市的技术专家建立联结关系，高效获取和科学配置核心数字技术资源；稳定嵌入型城市可建立跨城技术合作常态化机制，促进旅游、文化和科技等部门合作，掌握领域内多元核心技术；深度嵌入型城市应积极构建科技园区等创新生态系统，吸引创新企业和创业者进驻，汇聚多元、新兴的数字技术知识，巩固数字技术合作的主导地位。

此外，本文也存在一些不足之处，例如，受限于客观数据的可获得性，文旅融合发展水平通过各城市历年文旅融合新闻数量进行测度，可能难以全面反映城市文旅融合发展的真实情况和水平；城市文旅融合发展的影响因素颇多，但本文仅从数字技术双重网络视角切入，得出的研究结论对于城市文旅融合发展的推进作用可能较为有限。因此，未来研究可以结合政府工作报告等数据对城市文旅融合发展开展更为精确的测度，增强实证研究的科学性和合理性；还可以从多角度考虑城市文旅融合发展的驱动因素，借助机器学习方法进一步挖掘特征变量与城市文旅融合发展之间的作用机理，以更好地赋能区域经济发展鸿沟弥合与社会福祉效应提升。