【摘要】跨界团队在企业等创新主体开展颠覆性创新活动中发挥重要作用，而运用机器学习方法识别其网络特征与颠覆性创新绩效之间殊途同归的组态路径是一个亟待解决的重要问题。本文基于Incopat专利检索平台无人机领域139999条专利数据，采用社区发现算法在专利发明人合作关系数据中识别185个跨界团队，依据社会网络理论遴选跨界团队网络特征变量，利用k-means聚类算法对跨界团队进行类型划分，并运用决策树CART (classification and regression trees)算法挖掘不同类型跨界团队网络特征对其颠覆性创新绩效的影响。研究结果表明，(1)跨界团队共有二元合作、类完全合作和复杂合作3种合作类型，不同跨界团队类型对颠覆性创新绩效影响具有差异性，即类完全合作团队高颠覆性创新绩效占比最高，二元合作团队高颠覆性创新绩效占比最低；(2)合作强度具有普适性，它是影响不同跨界团队形成不同水平颠覆性创新绩效的核心因素；(3)合作强度正向影响二元合作团队颠覆性创新绩效，类完全合作团队的颠覆性创新绩效受聚集系数、合作强度与团队规模的共同影响，而对于合作强度较高的复杂合作团队而言，保持较低的网络密度有利于其提升颠覆性创新绩效。