程豪杰

（南京大學(xué)信息管理學(xué)院 南京 210023）

0 引言

專利是世界上最大的技術(shù)信息來源，廣義的專利信息不僅包括專利文獻(xiàn)信息，還包括各種專利活動信息，如訴訟，轉(zhuǎn)讓和許可[1]。根據(jù)《2017年世界知識產(chǎn)權(quán)指標(biāo)》報(bào)告，全球?qū)＠壬暾埩砍掷m(xù)增長。近年來，國內(nèi)外專利信息分析引起了學(xué)界廣泛關(guān)注，積累了大量的專利研究成果，對專利信息分析研究進(jìn)行梳理顯得十分必要。然而，目前只有少數(shù)學(xué)者從某一特定角度對專利信息分析進(jìn)行綜述。李華鋒等梳理了國內(nèi)外專利研究文獻(xiàn)，發(fā)現(xiàn)專利信息分析方法的研究主要包括專利信息統(tǒng)計(jì)分析方法研究、專利信息機(jī)器學(xué)習(xí)分析方法研究和專利信息復(fù)雜網(wǎng)絡(luò)分析方法研究[2]。魏曉峰則運(yùn)用CiteSpace軟件對國際專利信息領(lǐng)域的論文及其引文發(fā)表年份、期刊分布、學(xué)科領(lǐng)域等進(jìn)行統(tǒng)計(jì)分析[3]。而文庭孝回顧了專利信息測量的研究，如專利信息測量研究的內(nèi)容[4]。此外，張靜等從構(gòu)建數(shù)據(jù)庫、設(shè)立技術(shù)唯一標(biāo)識符等方面研究了PATSTA 數(shù)據(jù)庫，并比較了其與主流商業(yè)專利數(shù)據(jù)庫的異同，總結(jié)了PATSTA 數(shù)據(jù)庫在數(shù)據(jù)集成方面的經(jīng)驗(yàn)[5]。

為此，本文擬從專利信息分析系統(tǒng)、專利信息分析技術(shù)、專利信息分析方法以及專利信息分析應(yīng)用四個方面全面評述現(xiàn)有文獻(xiàn)，為準(zhǔn)確把握并深入推進(jìn)相關(guān)研究奠定基礎(chǔ)。

1 專利信息分析系統(tǒng)研究

目前，學(xué)界對于專利信息分析系統(tǒng)的研究，主要是從信息系統(tǒng)設(shè)計(jì)角度展開的。翟東升等設(shè)計(jì)了一個專利信息分析的原型系統(tǒng)，旨在通過概念檢索的方式擴(kuò)大某一領(lǐng)域的專利檢索詞，提高檢索性能[6]。王曰芬等提出了專利預(yù)警分析的操作流程和專利預(yù)警分析系統(tǒng)的總體結(jié)構(gòu)、預(yù)警方案、設(shè)計(jì)專利預(yù)警信息分析系統(tǒng)的實(shí)施方案[7]。而文庭孝認(rèn)為專利信息可視化分析系統(tǒng)的設(shè)計(jì)思路應(yīng)著重于專利數(shù)據(jù)倉庫的建立、專利數(shù)據(jù)處理、SSIS 包處理和數(shù)據(jù)檢測[8]。

2 專利信息分析技術(shù)研究

專利信息研究離不開相關(guān)技術(shù)的支持[9]，因此技術(shù)研究也成為國內(nèi)外研究熱點(diǎn)領(lǐng)域之一。馬芳等將數(shù)據(jù)挖掘技術(shù)應(yīng)用于專利信息分析，并利用聚類算法挖掘?qū)＠墨I(xiàn)，利用關(guān)聯(lián)規(guī)則挖掘用戶感興趣的知識，并將其轉(zhuǎn)化為有效的競爭情報(bào)[10]；在專利信息分析軟件與系統(tǒng)設(shè)計(jì)方面，馬建霞等介紹了五種典型專利信息分析軟件，并比較了這些專利分析軟件各項(xiàng)功能的優(yōu)劣[11]；在專利信息可視化方面，劉曉英將商業(yè)智能技術(shù)引入到專利信息可視化分析系統(tǒng)的設(shè)計(jì)中，克服了現(xiàn)有專利信息可視化分析系統(tǒng)的功能定位和開發(fā)技術(shù)等問題[12]。

專利信息分析研究工具，根據(jù)其功能和特征可大致分為專利統(tǒng)計(jì)分析工具、專利引證分析工具、專利聚類分析工具和專利地圖分析工具四大類[4]。

在應(yīng)用專利地圖識別技術(shù)機(jī)會時應(yīng)注意關(guān)鍵詞確定的問題，由專家人工確定關(guān)鍵詞極易造成關(guān)鍵詞遺漏，未來研究需要借助新技術(shù)運(yùn)用到專利地圖繪制的過程中，實(shí)現(xiàn)專利地圖繪制的智能化。

3 專利信息分析方法研究

現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，專利信息分析方法可分為定性分析方法和定量分析方法兩類。

3.1 專利信息定性分析方法研究

如果專利內(nèi)容是基于原理的，則這項(xiàng)技術(shù)還不成熟；如果專利內(nèi)容主要基于用途的多樣性，則意味著該技術(shù)已得到實(shí)際應(yīng)用[13]?，F(xiàn)有的專利信息定性分析方法包括技術(shù)形態(tài)分析方法，SAO 語義方法和專家評分方法。

3.1.1 專利技術(shù)形態(tài)分析方法 專利技術(shù)形態(tài)分析方法的核心內(nèi)容是基于專利信息中挖掘出的關(guān)鍵詞，將其作為技術(shù)形式的參數(shù)，形成形態(tài)分析的技術(shù)形式[14]。

2004年，Yoon 等首次提出通過專利文獻(xiàn)共詞分析得出的關(guān)鍵詞表，構(gòu)建技術(shù)形態(tài)，用于技術(shù)預(yù)測[15]。2005年，他們系統(tǒng)地介紹了形態(tài)分析方法，并選擇“wide-viewing-angle”實(shí)證研究技術(shù)專利預(yù)測[16]。在此基礎(chǔ)上，2007年，他們利用該系統(tǒng)完成了一項(xiàng)基于關(guān)鍵詞共現(xiàn)的形態(tài)分析的實(shí)證研究[17]。2008年，Yoon 基于上述方法介紹了技術(shù)信息工具的開發(fā)和應(yīng)用，并提出了一種利用聚類和網(wǎng)絡(luò)分析構(gòu)建技術(shù)詞典的方法[18]。

目前，專利技術(shù)分析方法存在兩個主要問題：首先，由于需要專家參與專利技術(shù)的建設(shè)，這種分析方法的成本和效率是有限的。并且由于專利技術(shù)的構(gòu)建是基于專利信息中提取的關(guān)鍵詞詞匯，其與專家意見之間的匹配也存在問題。其次，在未來技術(shù)形式組合的優(yōu)化方法中，專家構(gòu)建的矛盾矩陣法可能存在專家知識背景的局限性，這種方法可能會排除某些表面沖突，這些表面沖突可能是重要技術(shù)突破的組合。因此，未來的研究可以使用文本挖掘方法從關(guān)鍵字聚類或文本分類的角度構(gòu)建基于關(guān)鍵字的層次結(jié)構(gòu)。并將其用于形態(tài)分析，以解決專家意見和關(guān)鍵詞難以匹配的問題。另一方面，未來對技術(shù)形式最佳組合的研究也可以嘗試新的方法，例如使用專利的時間序列數(shù)據(jù)，分析其規(guī)則和特點(diǎn)，并優(yōu)化技術(shù)形態(tài)組合的方法。

3.1.2 專利信息分析SAO 語義法 基于SAO專利語義分析是識別新興技術(shù)的有效工具。如Yoon 等利用SAO 三元組語義專利分析和離群點(diǎn)檢測技術(shù)，探測技術(shù)機(jī)會信號，識別高新技術(shù)[19]；Gerken 用SAO 三元組語義分析法分析了專利新穎性，并利用斯皮爾曼等級相關(guān)法，衡量新穎性措施間的相似性，以降低高新技術(shù)識別過程中的成本和不確定性[20]。

3.1.3 專利信息分析專家打分法 專利信息分析專家評分方法是選擇關(guān)鍵指標(biāo)，為每個指標(biāo)設(shè)定不同的權(quán)重值，分析專利價值，評估定性指標(biāo)的價值計(jì)算。Hou 等從技術(shù)、市場狀態(tài)、法律和技術(shù)轉(zhuǎn)移四個方面分析了各項(xiàng)指標(biāo)的價值度，評估了專利價值[21]。

6月中下旬，針對實(shí)生核桃當(dāng)年生新梢達(dá)不到嫁接粗度，即：核桃當(dāng)年生新梢嫁接部位低于0.5 cm，達(dá)不到嫁接粗度時，即可選擇在2-3年生枝條上進(jìn)行方塊芽接。將砧木上細(xì)弱新梢保留2片葉短截，剔除葉腋間的生長點(diǎn)，在2-3年生枝條光滑處切一個長度3 cm、寬度1.5 cm的方塊形，上下左右均切一刀深達(dá)木質(zhì)部，緊鄰方塊形切塊一側(cè)下方向下切長達(dá)1 cm的溢水縫，溢水縫連接在方塊形芽接切口上。

專家打分法評價專利價值依靠領(lǐng)域?qū)＜业闹饔^判斷，因此，該方法高度依賴于技術(shù)領(lǐng)域的專家，自動化程度不高。未來，在評估專利價格體系時，還應(yīng)結(jié)合定量指標(biāo)，以獲得專利的綜合價值，為知識產(chǎn)權(quán)管理和專利運(yùn)作提供參考。

3.2 專利信息定量分析方法研究

現(xiàn)有研究發(fā)現(xiàn)，專利信息定量分析方法主要包括時間序列法、回歸法、聚類法、社會網(wǎng)絡(luò)法、神經(jīng)網(wǎng)絡(luò)法等。

3.2.1 時間序列法 目前，專利信息分析時間序列法主要應(yīng)用于技術(shù)成長S 曲線分析和專利產(chǎn)出預(yù)測兩方面。技術(shù)成長S 曲線分析方面：利用反映技術(shù)成長的S 曲線分析專利數(shù)據(jù)，預(yù)測技術(shù)成熟度，幫助管理人員了解技術(shù)擴(kuò)散的潛力[22]；在專利產(chǎn)出預(yù)測中，常用的方法包括趨勢外推[23]，混沌時間序列指數(shù)[24]，向量自回歸模型[25]等，以提高預(yù)測精度，一方面可綜合應(yīng)用多種方法，通過比較平均誤差、均方根誤差等指標(biāo)，選擇最優(yōu)方法，另一方面綜合考慮諸如國內(nèi)生產(chǎn)總值、研發(fā)支出、研發(fā)工程師數(shù)量等影響專利產(chǎn)出的因素，為相關(guān)預(yù)測設(shè)計(jì)計(jì)量經(jīng)濟(jì)模型。

由于政策干預(yù)及技術(shù)突破等因素也會影響預(yù)測精度，今后可結(jié)合馬爾可夫鏈模型、貝葉斯網(wǎng)絡(luò)、模糊數(shù)學(xué)等方法，綜合考慮多種因素，提高預(yù)測精度。

3.2.2 回歸法 回歸分析法在專利信息分析中具體應(yīng)用主要體現(xiàn)在專利產(chǎn)出的回歸分析、專利引文數(shù)量的回歸分析以及專利引證關(guān)系的回歸分析。專利產(chǎn)出的回歸分析方面：Levitas 等利用Logistic 回歸分析法，分析了企業(yè)的技術(shù)價值、技術(shù)新穎性、行業(yè)波動三方面因素對企業(yè)失敗幾率的影響[26]；Deyle 等分析了雇員專利申請數(shù)量、研發(fā)人員占比等指標(biāo)間的關(guān)系，研究德國創(chuàng)新活動的區(qū)域分布[27]。專利引文數(shù)量的回歸分析方面：Kang 等利用Tobit 回歸分析，根據(jù)代表技術(shù)價值的前向引用、專利申請年份等指標(biāo)，分析不同國家專利技術(shù)價值[28]。專利引證關(guān)系的回歸分析方面：Alazzawi 利用負(fù)二項(xiàng)回歸模型與最小二乘回歸模型，調(diào)查了跨國公司的外國直接投資是否增加了國內(nèi)外企業(yè)間知識交換的影響，研究發(fā)現(xiàn)外國直接投資對知識流動有強(qiáng)大的積極作用[29]。

3.2.3 聚類法 目前，專利信息分析聚類法主要用于對專利產(chǎn)出、關(guān)鍵詞及引證關(guān)系進(jìn)行分析。馬軍杰等使用模糊均值算法用表面相似度指數(shù)代替了距離，并將中國省級專利產(chǎn)出和輸入的多指標(biāo)面板數(shù)據(jù)聚類[30]；Lee 等利用文本挖掘技術(shù)從專利說明書摘要中抽取關(guān)鍵詞，利用期望最大化算法對相關(guān)技術(shù)進(jìn)行聚類分析，發(fā)現(xiàn)在頁巖氣相關(guān)技術(shù)方面，美國的關(guān)鍵先進(jìn)技術(shù)與水力壓裂、水平鉆井和光滑水域有關(guān)，而中國則關(guān)注支撐劑[31]。

3.2.4 神經(jīng)網(wǎng)絡(luò)法 神經(jīng)網(wǎng)絡(luò)在專利信息分析過程中，相關(guān)算法主要有以下兩類。專利分類的神經(jīng)網(wǎng)絡(luò)分析方面：Li 等將知識轉(zhuǎn)換、自然語言處理等技術(shù)與雙層前饋人工神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，按照TRIZ 理論中創(chuàng)新水平定義，對專利數(shù)據(jù)進(jìn)行分類[32]；專利指標(biāo)評價預(yù)測的神經(jīng)網(wǎng)絡(luò)分析方面：Zhang 等以全球低級處方藥銷售公司專利數(shù)據(jù)及財(cái)務(wù)數(shù)據(jù)為對象，利用BP 神經(jīng)網(wǎng)絡(luò)模型探索專利H 指數(shù)、專利引用以及技術(shù)實(shí)力對企業(yè)業(yè)績的非線性效應(yīng)[33]。

3.2.5 社會網(wǎng)絡(luò)法 社會網(wǎng)絡(luò)分析可以應(yīng)用以下兩個方面。網(wǎng)絡(luò)拓?fù)鋵傩孕畔⒎治龇矫妫簩W(xué)者們利用度數(shù)中心性[34]、路徑長度[35]等表示現(xiàn)實(shí)相關(guān)技術(shù)信息流，研究專利引文網(wǎng)絡(luò)中小世界現(xiàn)象的相關(guān)性，觀察專利引用的增長模式并確定高度中介的關(guān)鍵專利；在專利合作網(wǎng)絡(luò)方面，專利所有者和發(fā)明者是兩種主要的合作類型，它們以專利許可和轉(zhuǎn)讓為補(bǔ)充，可以建立專利合作網(wǎng)絡(luò)來揭示合作關(guān)系及其內(nèi)容[36]。后者則主要針技術(shù)研發(fā)者，從技術(shù)研發(fā)者的績效產(chǎn)出、網(wǎng)絡(luò)角色、人力資源流動等角度展開[37]。

通過對國內(nèi)外專利信息分析方法相關(guān)文獻(xiàn)的梳理，發(fā)現(xiàn)專利信息分析方法的研究成果相當(dāng)豐富。隨著專利信息的持續(xù)增加，筆者認(rèn)為今后專利信息分析方法研究還需關(guān)注互聯(lián)網(wǎng)+、云計(jì)算環(huán)境下的專利信息大數(shù)據(jù)研究方法；隨著本體技術(shù)的不斷成熟，關(guān)注本體語義學(xué)在文本挖掘中的應(yīng)用將成為專利信息語義分析的新趨勢。此外，專利信息分析方法研究應(yīng)積極吸收信息經(jīng)濟(jì)學(xué)、人工智能等領(lǐng)域的模型與算法思想，形成新的綜合性專利信息分析方法，以提高數(shù)據(jù)處理能力。

4 專利信息分析應(yīng)用研究

從應(yīng)用領(lǐng)域來看，專利信息分析研究主要應(yīng)用在專利數(shù)量、專利引用、專利關(guān)聯(lián)的分析與應(yīng)用三個方面。大部分關(guān)于專利數(shù)量分析的研究都從專利數(shù)量統(tǒng)計(jì)的角度分析了專利技術(shù)的分布情況，并結(jié)合時間因素、專利分類、專利技術(shù)主體和專利數(shù)量特征分析了某一技術(shù)領(lǐng)域或某一學(xué)科的專利技術(shù)研究和發(fā)展趨勢[38]；專利引用分析主要從國家、發(fā)明人、申請人和專利技術(shù)本身進(jìn)行分析，以掌握專利技術(shù)的價值和傳播途徑[39]；同時了解學(xué)術(shù)機(jī)構(gòu)基礎(chǔ)研究對產(chǎn)業(yè)技術(shù)發(fā)展的影響[40]。每個研究領(lǐng)域的應(yīng)用都有一系列專利信息分析方法，可用于觀察、判斷和分析不同專利主體在不同領(lǐng)域、不同項(xiàng)目上的專利活動及其動向。

專利信息與產(chǎn)業(yè)發(fā)展關(guān)系密切，可以依據(jù)專利信息與產(chǎn)業(yè)技術(shù)發(fā)展態(tài)勢的各種內(nèi)在映射關(guān)系來分離出產(chǎn)業(yè)技術(shù)信息。相關(guān)研究如Sung 等通過分析美國在能源機(jī)構(gòu)、醫(yī)療器械等領(lǐng)域的專利注冊信息，研究了行業(yè)技術(shù)的趨勢，并引入了一個用以比較不同產(chǎn)業(yè)技術(shù)發(fā)展趨勢指數(shù)來揭示產(chǎn)業(yè)技術(shù)融合度的指標(biāo)[41]。邱宏華等研究發(fā)現(xiàn)中國動漫產(chǎn)業(yè)的技術(shù)創(chuàng)新和專利保護(hù)是由國家政策推動的[42]。劉熙東等分析了生物農(nóng)藥領(lǐng)域的專利信息，發(fā)現(xiàn)中國是僅次于美國的第二大外國專利國家，但是中國的海外專利申請不足，申請人結(jié)構(gòu)薄弱[43]。此外，洪帆從產(chǎn)業(yè)政策激勵和市場需求的角度，從產(chǎn)業(yè)技術(shù)鏈、產(chǎn)業(yè)競爭格局、產(chǎn)業(yè)技術(shù)資源和產(chǎn)業(yè)環(huán)境四個維度，結(jié)合專利信息的分析和利用，構(gòu)建了工業(yè)技術(shù)信息挖掘的內(nèi)容框架[44]。

從研究主體來看，專利信息分析在政府、機(jī)構(gòu)和個人等主體上具有廣泛的應(yīng)用：Lo 等用專利授予量、專利被引量、專利耦合等專利信息分析方法研究了韓國、日本和臺灣的生產(chǎn)力分布[45]；Chen 研究了專利分析與公司成長的關(guān)系[46]；Mattes 等研究了專利與發(fā)明者測度，發(fā)現(xiàn)最常見的發(fā)明人是具有研究生資格的中年男性，女性僅占發(fā)明人的0.4%至3.5%，其中43%到68%的授權(quán)專利成為創(chuàng)新產(chǎn)品[47]。

一些技術(shù)/功效矩陣基于每個專利文獻(xiàn)的數(shù)據(jù)索引，并且當(dāng)面對具有大量專利申請的技術(shù)領(lǐng)域時，該索引方法在實(shí)現(xiàn)級別上存在困難。隨著包括機(jī)器學(xué)習(xí)在內(nèi)的人工智能已經(jīng)成為許多“大數(shù)據(jù)”項(xiàng)目的重要支持，將人工智能應(yīng)用于專利大數(shù)據(jù)挖掘，將是專利信息應(yīng)用的重要方向。其次，大數(shù)據(jù)呈現(xiàn)松散、大型、多源和復(fù)雜的結(jié)構(gòu)，這需要我們解決專利信息分析應(yīng)用中的多源協(xié)同問題。此外，專利信息本身具有表達(dá)創(chuàng)新的滯后，隱藏關(guān)鍵技術(shù)的可能性，保護(hù)主題的有限性以及由于格式一致性而導(dǎo)致的技術(shù)信息的不完整性，這在一定程度上影響了專利信息分析的全面性。

5 結(jié)論

通過梳理已有研究，我們發(fā)現(xiàn)這些成果主要集中在專利信息分析系統(tǒng)研究、專利信息分析技術(shù)研究、專利信息分析方法研究以及專利信息分析應(yīng)用研究四個方面。現(xiàn)有研究仍存在以下可以完善的地方：①目前已有的一些研究專利信息分析系統(tǒng)的文獻(xiàn)集中于專利信息分析系統(tǒng)設(shè)計(jì)，較少研究專利信息分析系統(tǒng)規(guī)劃、專利信息分析系統(tǒng)開發(fā)、專利信息分析系統(tǒng)實(shí)施等。②目前在應(yīng)用專利地圖識別技術(shù)機(jī)會的繪制過程中，一些使用TDA 和其他軟件的工具被用作專利數(shù)據(jù)中的關(guān)鍵詞，所選關(guān)鍵字的準(zhǔn)確度可能不高；部分由專家人工確定關(guān)鍵詞的研究容易造成關(guān)鍵詞遺漏。③大數(shù)據(jù)呈現(xiàn)出的松散、量大、多源以及結(jié)構(gòu)復(fù)雜等特征，目前研究還未解決多源數(shù)據(jù)協(xié)同的問題。

值得指出的是，該領(lǐng)域現(xiàn)存的問題給未來研究提供了契機(jī)，未來研究可以關(guān)注以下方面：①未來專利信息分析系統(tǒng)的研究可以擴(kuò)展到專利信息分析系統(tǒng)規(guī)劃、系統(tǒng)開發(fā)、系統(tǒng)實(shí)施等研究領(lǐng)域。②未來研究可嘗試將機(jī)器學(xué)習(xí)、人工智能等技術(shù)運(yùn)用到專利地圖繪制的過程中，實(shí)現(xiàn)專利地圖繪制的智能化。③在專利信息分析應(yīng)用中解決多數(shù)據(jù)源協(xié)同的問題。④隨著專利信息的持續(xù)增加，筆者認(rèn)為今后專利信息分析方法研究還需關(guān)注互聯(lián)網(wǎng)+、云計(jì)算環(huán)境下的專利信息大數(shù)據(jù)研究方法；隨著本體技術(shù)的不斷成熟，關(guān)注本體語義學(xué)在文本挖掘中的應(yīng)用將成為專利信息語義分析的新趨勢。此外，專利信息分析方法研究應(yīng)積極吸收信息經(jīng)濟(jì)學(xué)、人工智能等領(lǐng)域的模型與算法思想，形成新的綜合性專利信息分析方法，以提高數(shù)據(jù)處理能力。