當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

论文精读：车尧-《社会网络视角下战略性新兴产业的专利情报研究》

發布時間：2023/12/10 编程问答 30 豆豆

生活随笔收集整理的這篇文章主要介紹了论文精读：车尧-《社会网络视角下战略性新兴产业的专利情报研究》小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

社會網絡視角下戰略性新興產業的專利情報研究

一篇課程作業要求精讀并展示的論文。
閱讀時間：2022.04.02~04.03，04.06

文章目錄

社會網絡視角下戰略性新興產業的專利情報研究
- 一、論文背景
- - 1. 背景信息
  - 2. 題錄信息
- 二、論文正文
- - 1. 研究背景和研究對象
  - 2. 社會網絡分析方法概述
  - - 2.1 基本原理
    - - 2.1.1 社會網絡的基本結構
      - 2.1.2 網絡的測度指標：
    - 2.2 多屬性的社會網絡分析
    - 2.3 社會網絡中的專利網絡
    - 2.4 專利技術集群分析
    - 🅰補充1
  - 3. 實證研究
  - - 3.1 數據概述
    - 3.2 專利整體申請情況（數量分析）
    - 3.3 出現次數排名靠前的德溫特手工代碼分布情況（類型數量分析）
    - 3.4 德溫特手工代碼的中介中心性情況
    - 3.5 “風能”專利技術集群的可視化社會網絡
  - 4. 結語
  - - 🅰補充2
  - 參考文獻
- 三、論文小結
- - 1. 文章細節
  - 2. 研究綜述
  - 3. 數據分析
  - 4. 文章邏輯
  - 5. 參考文獻
  - - 🅰補充3

一、論文背景

1. 背景信息

作者（按順序排列）¹：

車堯：中國科學技術信息研究所副編審、曾任《情報學報》編輯部主任；2011年6月畢業于中國人民大學信息資源管理學院，情報學博士學位；研究方向：信息分析、情報學理論、競爭情報研究、知識管理；
李雪夢：中國有色礦業集團有限公司；
璐羽：中國科技咨詢協會副理事長兼秘書長；1984年畢業于中央民族大學物理系，獲理學學士學位，1989獲得北京師范大學哲學碩士學位。

基金²：

國家社科基金青年項目“面向科技型中小企業創新的技術競爭情報方法體系”（12CTQ030）
立項日期：2012-05-14
項目負責人：劉志輝。2010年畢業于中國科學院文獻情報中心，獲管理學博士學位；曾任中國科學技術信息研究所情報理論與方法研究中心副主任職務、中國科學技術情報學會知識組織專業委員會工作部委員、《情報工程》副主編、《情報學報》《圖書情報工作》等多家期刊評審專家、中國科學技術情報學會競爭情報分會會員、美國競爭情報從業者協會（SCIP）會員。

期刊：《情報科學》，2015年第33卷第7期 138-144頁，“博士論壇”欄目

**收稿日期：**2014年9月11日

2. 題錄信息

摘要：

從專利情報分析視角引入社會網絡分析概念，借鑒社會網絡分析的中介中心性理論，將其應用于戰略性新興產業下**“風能”企業的專利情報研究**。
文章通過專利德溫特手工代碼中心性、專利派系及專利凝聚子群的統計及可視化分析，大體得出了產業內的專利申請情況、專利內容及專利相關性等專利情報，以求幫助企業及時獲得主體領域內專利技術的申請情況及專利相關性，為企業及時調整或重新制定技術路線以及實施技術創新戰略提供必要的專利情報支持。

關鍵詞：

社會網絡；戰略性新興產業；專利情報；風能

二、論文正文

1. 研究背景和研究對象

產業概念：

企業一般是指以盈利為目的，運用各種生產要素（土地、勞動力、資本、技術和企業家才能等），向市場提供商品或服務，實行自主經營、自負盈虧、獨立核算的具有法人資格的社會經濟組織。
產業是相同類別的企業集合體。

研究原因：

中央高度重視戰略性新興產業的發展（外部講，產業要創新）
- 2010年，國務院發布了《國務院關于加快培育和發展戰略性新興產業的決定》；
- 2013 年11月召開的十八屆三中全會的會議精神中，又再次體現了發展重要前瞻性戰略性產業、支持科技進步的重大戰略部署。
新興產業的企業技術創新（內部講，產業也要創新）
- 企業對于專利情報的獲取及分析能力是企業技術研發及技術創新的必要條件之一；
- 當一個國家或地區的企業有普遍性的創新行為后，產業的創新行為便成為現實，技術、管理要素的產業貢獻比例自然也就獲得了提升。
- 情報學學科側重獲取收集市場及企業主體所承載的信息要素，并通過一系列針對這些信息要素的定性和定量研究，將其轉化成為能夠保持或提高企業競爭力的情報知識。
風能產業發展現狀
- 我國風電機組的總裝機容量總體上呈快速上升態勢
  - 截止2012年年底，中國（不包括臺灣地區）新增安裝風電機組7872臺，裝機容量12960MW，同比下降 26.5%；累計安裝風電機組53764臺，裝機容量75324.2MW，同比增長20.8%。
- 總體來看，風電能源在整個能源結構中的比重還非常低，化石能源仍占能源供給的絕大多數。
- 節能減排和結構調整任務仍然十分艱巨。發展風電、太陽能等清潔的可再生新能源，不僅能夠豐富能源供給，同時對調整能源結構、保護環境有著重要意義。
專利分析是企業競爭情報中的重要組成部分，專利情報分析是競爭情報分析的一種表現形式（專利體現創新）
- 據世界知識產權組織（WIPO）統計，全世界每年發明創造成果的90%至95％體現在專利技術中，其中約 70%最早體現在專利申請中；
- 在科技創新中充分利用專利信息資源，可以縮短60％的研發時間和節約40％的研發資金。可見，專利情報是企業研發環節中最重要的知識儲備；
- 因此要想獲得企業技術創新與技術合作方面科學嚴謹的研究成果，務必要有以專利分析為例的實證研究。
風能的開發和利用需要較高的技術支撐，專利技術情報是企業競爭情報的重要來源之一，因此選取并開展“風能”方面的專利技術分析，對于高新技術企業的技術創新與合作模式研究既有代表性又具備可替換性（風能專利有代表性）

研究對象：

新能源領域是我國戰略性新興產業的重要組成之一；
作為新能源的代表，風能發展受到了政策的大力扶持；
以“風能”產業為研究對象的專利技術情報分析，可以被視為高新技術企業通過競爭情報開展技術創新與合作的典型實證研究。

研究內容：

本文將社會網絡分析方法及思想借鑒運用到專利情報分析技術，針對我國戰略性新能源下的“風能”產業，剖析了“風能”相關專利的德溫特專利手工代碼的年度申請情況、內容分布情況、中介中心性情況及專利技術集群的可視化網絡，揭示了隱藏在專利情報內部的一些現象及規律。

德溫特手工代碼是德溫特索引專家針對每個專利所給的一個手工號碼，用來指明發明的新技術何在，以及它的應用。

實際上它相當于一個廣義的敘詞表，根據專利文獻的文摘和全文對發明的應用和發明的重要特點進行獨家標引，每一個手工代碼表示一個技術術語，從而提高檢索的全面性和準確性。其標引的一致性很高，適應于科研人員的習慣和應用。(這段話和官網的描述基本一致)

例如，要查找錄像機上的一種特別裝置，該裝置可在錄像機上根據用戶眼睛凝視的方向自動對物體定位（自動聚焦），描述這樣檢索詞相對復雜，關鍵詞為（camera?And video?）or camcorder Focus? Or auto focus? Or view? Or range finder? Eye? Direction? 如果利用德溫特手工代碼的幫助，查找起來就會容易很多，可以通過 W04-M01D2C（所有與錄像機測距和聚焦有關的記錄）以及S05-D01C5A（包含非醫療用物體的電子或電氣測量）可用于檢測依靠飛行員眼睛運動以控制飛機的方面的課題進行檢索查詢。

PS：個人理解，它就是一個可以體現出專利所在的領域、專利涉及技術、專利應用場景等信息的代碼。

2. 社會網絡分析方法概述

近30年來，社會網絡分析（Social Net Analysis）逐漸成為了一種流行的社會科學研究方法（如Ucinet、NetDraw、Pajek等軟件都是專門處理社會網絡分析的），在社會學、人類學、經濟學、管理學等領域得到廣泛應用。

社會網絡分析方法已經比較成熟，可以從多個不同角度進行分析，包括中心性分析、凝聚子群分析、核心-邊緣結構分析以及結構對等性分析等。將社會網絡分析應用于企業競爭情報的學習實踐，是近年來情報學領域中較新的研究方向。

2.1 基本原理

2.1.1 社會網絡的基本結構

社會網絡由結點和關系構成，如圖所示，在社會網絡分析的管理學研究中，結點亦可被稱之為行動者，關系一般被定義為兩個行動者或節點之間特定的接觸、連接或聯結。用點和線來表達網絡，這是社會網絡的形式化界定。

所以可將文的Derwent Innovations Index（DII）專利數據庫中申請過“風能”專利的企業視為行動者，將企業的專利申請關聯為關系。

2.1.2 網絡的測度指標：

網絡密度：

網絡密度是指行動者之間實際聯結的數目與它們之間可能存在的最大聯結數目的比值。

有向關系網中，如果有n個行動者，那么其中包含的關系總數在理論上的最大值是 n（n－1），如果該網絡中包含的實際關系數目為m，則該網絡的網絡密度為：
$\frac{m}{n(n-1)}$
比值越高，這一網絡的聯結密度就越大，該網絡對其中行動者的態度、行為等產生的影響可能越大。

應該可以理解成：比值越高，點與點之間的關系越多，關系越多點與點的聯系就約緊密，因為變動而帶來的影響就越大。

節點的度：

度數中心度是一個較簡單的指數，節點 i 的度數中心度可以分為兩類：絕對中心度和相對中心度，前者就是與該點直接相連的關系的數目，即：
$Ki=∑1εEδ1iK_i = \sum_{1εE}δ_1^i$
后者為前者的標準化形式。

節點的度反映網絡成員個體在網絡中的地位。有向關系網中，從某一節點指向其他節點的關系數稱為出度；從其他節點指向某節點的關系數稱為入度。出度與入度的和為點度中心度。

通常出度用于度量擴張性，入度用于度量影響力，點度中心度用于衡量行動者的中心和潛在能力。

中介中心性：

中介中心性(Betweenness Centrality)是指一個行動者通過在其他行動者之間相連的最短路徑上占據中間人的位置，從而為網絡中其他行動者充當潛在“中介”角色的程度。在網絡中，如果一個行動者處于許多其他兩點之間的路徑上，可以認為該行動者居于重要地位，它測量的是行動者對資源控制的程度。

中介中心性的計算公式如下：
$CB(ni)=∑j<kg(ni)gikC_B(n_i) = \sum_{j<k}\frac{g(n_i)}{g_ik}$
標準化公式（無方向）：
$CB‘(ni)=2∑j<kg(ni)gik(g?1)(g?2)=2CB(ni)(g?1)(g?2)C^`_B(n_i) = \frac{2\sum_{j<k}\frac{g(n_i)}{g_ik}}{(g-1)(g-2)} = \frac{2 C_B(n_i)}{(g-1)(g-2)}$

如果一個德溫特手工代碼處于其他很多對德溫特代碼兩點間的路徑之上，那么就可以說該代碼處在重要位置上，對它的測量系數可以反映它對其他代碼的控制與影響程度。

德溫特手工代碼的編制目的就是要詳細地反映專利的技術信息，因此通過對德溫特手工代碼中介中心性的統計分析，可以挖掘中介性質較高的專利技術信息，以及這些技術信息的重要程度。

2.2 多屬性的社會網絡分析

同時注意到，在本文的多屬性分析中，每個點同時還具備了多個屬性的信息，而不僅僅是一個單一屬性的點。這個對比表現在下圖中。

在圖3中，點僅代表單一的專利，用以區別于其他的點（專利），而沒有涉及該專利更多的屬性信息；在圖4中，點除了代表專利外，還多了屬性的信息，這使得相比于原來的網絡更加復雜，但其能夠將問題分析的更加細致、更加深入，同時也有助于將關聯規則挖掘更好的用于評價和推薦的研究。

術語在線：關聯規則挖掘是從數據庫中發現頻繁出現的多個相關聯數據項的過程。

即：從數據集中發現項與項（item 與 item）之間關系的過程。

2.3 社會網絡中的專利網絡

網絡是由節點和邊（連線）組成的。因此節點之間存在共現關系，節點之間就會有聯系，這樣就有可能形成網絡。

在世界權威專利數據庫《德溫特創新索引》中，如果一項專利涉及到N個技術領域，數據庫的技術標引人員則會在技術分類項目中同時標注N個技術領域，這樣就意味著這N個技術領域共現了一次，將技術領域視為節點，共現關系產生了邊，有了節點和邊，技術領域之間就形成了共現網絡。

如果這里將專利類比成現實中的共同應用，那么領域就是點，那么這就是風能相關技術領域的網絡圖，按個人理解，應該是可以通過這個發現某個技術領域的突破需要哪些相關技術的支撐，并以此來支撐企業的發展的。但文章并沒有這樣分析。

2.4 專利技術集群分析

技術集群（Technology Cluster）是指在區域創新過程中，由于群體技術的內在關聯性和技術勢差的存在，各創新困子在流動中造成連鎖、協同效應，并與技術相關的社會各種要素反饋互動，形成以集群為特征的集合。

通過對某一行業內的專利技術集群的可視化分析，可以及時發現該行業內的專利技術的研發熱點和重點領域。盡管學者曾經利用網絡分析方法對技術集群的主體（企業）之間的關系進行過探討，但我們尚未發現運用社會網絡分析方法，探測行業專利技術集群的研究成果。

專利技術集群分析通常由專利凝聚子群分析和專利派系分析兩部分構成。

當網絡中某些行動者之間的關系特別緊密，以至于形成一個次級團體時，這樣的團體在社會網絡分析中成為凝聚子群。凝聚子群分析就是研究行動者之間關系的緊密程度，如對于我國境內的部分網站進行凝聚子群分析，可以判斷出哪些網站之間的關系比較緊密，相互聯系緊密的網站之間彼此在網站信息內容上或用戶鏈接傾向上是否具有某些關系等信息。而關于某一個網絡中存在著多少這樣的子群的分析稱之為派系分析。

🅰補充1

覺得原文不光綜述拉，方法介紹也拉。所以在這里重新整理了一下：

社會網絡的基本概念

如原文的基本原理所說，點、邊。

網絡的測量指標

點：
- 度：每一個節點連接的所有邊的數量
  - 出度：從該節點連出的邊的數量
  - 入度：從該節點連入的邊的數量
  - 離心度：從一個節點所有可以到達的節點中，找出最長的最短路徑。即一個節點所能達到的最大的最短路徑（即計算和所有點之間的最短路徑，選擇最長的那個）
- 平均度：網絡中的平均度等于度除以節點數量
- 平均加權度：在統計節點度時，也考慮邊的權重，加權計算平均度
邊：
- 邊的權重：因邊所代表的意義而異。如：邊代表距離，權重就是距離遠近；邊代表社區關系，權重就是聯系程度。
- 最短路徑：點與點之間經過點數最短的路徑
- 網絡直徑：一個網絡中，所有最短路徑的最大值
- 平均路徑：一個網絡中，所有最短路徑之和的平均值等于這個網絡的平均路徑長度
- 網絡密度：實際有的邊數與最大可能邊數之比
中心性：
- 度中心性（Degree Centrality）：單純的數量來衡量。又叫點度中心度。度越多，就越大
- 接近中心性（Closeness Centrality）：一個節點能到達節點的數量除去所能到達節點的最短路徑之和。對于一個節點而言，它距離其它節點越近，那么它的中心度越高
- 中介中心性（Betweenness Centrality）：統計某個節點被其他節點，以最短路徑通過的數量與圖中最短路徑總數之比。一個結點充當“中介”的次數越高，它的中介中心度就越大
- 特征向量中心性（Eigenvector Centrality）：一個節點的重要性既取決于其相鄰節點的數量（即該節點的度），也取決于其相鄰居節點的重要性。核心思想就是，一個重要的節點不僅與其他許多節點有連接，而且與他相連的節點也是比較重要的節點

3. 實證研究

3.1 數據概述

ISI Derwent Innovations Index專利數據庫，標題=（wind energy）AND 專利號=（cn*），時間跨度設置為（from 2001-01-01 to 2012-12-31），檢出結果3187條。

利用專利分析工具統計后，抽取關鍵詞（Abstract）3186條、（Abstract Use）3185條、（Abstract Phrase）47678 條、德溫特手工代碼（Manual Codes）1781條、基本專利國（Basic Patent Country）12條、專利權人（Patent Assignees）2256條。

3.2 專利整體申請情況（數量分析）

根據圖6能看出，2001年前后是“風能”相關專利技術申請的初始階段，到了2003年申請數量急速驟增，是2002年申請數量的近10倍。

隨后2004年至2008年四年間的申請數量由59件增長到501件，年均增幅維持在 76.56%，2009 年至 2011 年是申請數量穩定時期，申請數量保持在 600 至 700 之間。

特別值得關注的是，2012年全年的申請數量急速驟減至 55 件，申請數量僅是 2011 年的 8%，基本縮減至2003年、2004年的水平，筆者判斷這是“風電”產量瓶頸性過剩所導致的結果，這一現象和2012年的北京國際風能展的展出情況基本類似。可以說北京國際風能展是國內風電產業發展的晴雨表。

據展會主辦方提供的資料顯示，自2008年首屆展會開始至2011年，參展企業持續增加，2011年達到了破記錄的612家，而2012年展會展商則縮至400家。這與風電產業近些年的發展軌跡基本契合。

3.3 出現次數排名靠前的德溫特手工代碼分布情況（類型數量分析）

筆者利用專利分析工具，針對1781個德溫特手工代碼進行統計分析，按照申請次數的多少將其進行了排序，結合年度、條目數及手工代碼三個維度，排在前10位的專利統計分布情況如圖7所示。

選擇記錄數（即申請次數）Records >100的數據作為分析對象，可以基本反映出數據的整體情況。

分析可見：

專利X15-B01B（非礦物燃料能源生產系統—風能—電動機—生成器）的申請高峰階段是2009年至2011年，期間年度申請數量逐年增加，從2009年的100件左右增至2011年的130件左右；

X15-B01（非礦物燃料能源生產系統—風能—電動機）的申請高峰期同為2009年至2011年間，但是年度申請量卻呈小幅下降趨勢；

X15-B01A（非礦物燃料能源生產系統—風能—電動機—渦輪機）的申請高峰期為 2008 年至 2011 年，年度申請量基本維持在60件上下并呈前高后低態勢，且和U24-H（放大器和低耗能供給—低功率系統）一樣同為申請年度最早的專利內容，最早申請年度為2002年；

X15-B05（非礦物燃料能源生產系統—風能—控制、監控及測試）的申請峰值年是2008至2011年，為震蕩上漲形態；

X15-B06（非礦物燃料能源生產系統—風能—支撐結構）、U24-H 的申請高峰均集中在2007-2011年度，前者呈平穩增長態勢，后者呈震蕩增長態勢；

X15-B01A6（非礦物燃料能源生產系統—風能—電動機—汽輪機—垂直渦扇）的申請高峰持續期最短，僅為2010、2011兩個年度；

X11-U01E （發電及高壓設備—應用型電機—電能生產—風扇渦輪發電機）的最高申請量出現在2009年，呈前增后降分布；

X12-C01E（動力分配/部件/整流—動力轉換器/反應器—線圈核、線圈、焊接—絕緣套管/終端機、工廠—能源配給轉換器）集中申請期為2008至2011年，2010年為峰值年申請量在40件上下；

其中X15-B01A（非礦物燃料能源生產系統—風能—電動機—渦輪機）、U24-H（放大器和低耗能供給—低功率系統）的初次申請時間最早，同為2002年。

筆者選擇Records >100 的德溫特手工代碼記錄（Manual Codes Records）構建皮爾斯Pearson相關矩陣，圖8反映了該矩陣的部分情況（截選記錄數位居前35），顏色越深表示橫豎兩排相對應的代碼的相關性越強。

德溫特手工代碼矩陣

3.4 德溫特手工代碼的中介中心性情況

通過計算機輔助計算，得出了按專利申請次數排名前100的德文特手工代碼的中介中心性的整體情況，如圖9所示。

根據上述計算結果可知，代碼為“A12-E08B”、“X15-A”，“X15-B”，“A12-H”以及“A12-W16”的中介中心性系數最高，分列前 5 位，依次是 38.689、38.689、37.109、35.386和28.869；“中介”程度位居后5 位的專利德溫特手工代碼分別是“X15-A05X”、“X26-D03” 、“V06-M07A” 、“X26-F” 和 “X12-D03H”，其中介中心性系數依次為 0.562、 0.562、0.549、0.161 和 0.000。

通過比較專利的申請次數及該專利德溫特手工代碼的中介中心度，筆者發現一重要現象，即專利申請次數和專利德溫特手工代碼的中介中心性并不完全成正比關系，如 “A12-E08B”的申請次數僅排在 61 位，但其中介中心性卻高居榜首，“X15-B01”的申請次數位居第 2 位，但其中介中心性排名卻僅為 49，又如“X15-A”的申請次數排名第12，中介中心性卻高居第2。

3.5 “風能”專利技術集群的可視化社會網絡

這里我們將文中“4.1”中所獲得的1781條德溫特手工代碼（Manual Codes）視為上述派系分析和凝聚子群分析中的行動者。

利用專利分析工具，將申請次數大于等于 50 的 Manual Codes 數據進行自相關關系可視化，得到關于Manual Codes的技術集群地圖，如圖10所示。

圖10中藍色圓圈表示不同的專利派系，每個圓圈旁都顯示有該派系中主體專利的Manual Codes標識及其全部申請次數，以及在矩形內所顯示的專利凝聚子群。

如最上方的圓圈“A12-H”代表著一個專利派系，在這個派系下有著“X15-B01B”、“X15-B01A”、“X15-B01”、“X15-B06”這幾個專利凝聚子群，且按照各自專利申請范疇同屬于“A12-H”派系的有效申請數量降序排列，可以看出在它們全部的專利申請中，同屬“A12-H”派系的申請次數依次是14次、12次、11次和10次。

圖中兩個圓圈間的連線表示這兩個派系間的自相關程度，直線越粗表示兩個派系之間的自相關性越強。

因此可以分析得出在所有專利派系中，“X12-J05”和 “U24-D05”兩個派系的自相關性最強，相關系數超過0.75；相關系數大于0.5的派系有“U24-H”派系和“X12-H01B”派系，“X26-U06”派系與“X26-E01E”派系以及“X21-B04A”派系和“X21-A01F”派系，其它派系的自相關性則較弱。

通過對圖中數據的進一步分析，可以發現專利派系中各專利凝聚子群的申請次數并不決定著該專利派系與其它專利派系間的自相關性，如中部最左邊的“X15-B01”派系，專利“X15-B01”總體申請次數高達 400 次，該派系下的專利凝聚子群“X15-B05”、“X15-B06”、“X16-B01”以及“X15-A”的有效申請次數均相對較高，依次為66、48、40、36，但是“X15-B01”派系與其他專利派系的相關性極弱，呈現獨立狀態，類似情況的專利派系還有“X15-B09”以及“X15-B05”等。

至此，本文相繼給出了2001年至2012年“風能”專利的年度申請情況，并總結性概括了專利的總體申請情況特征；列舉了出現次數排名靠前的德溫特手工代碼分布情況，剖析了申請次數最多的專利群體細節，分析得出了德溫特手工代碼的中介中心性情況；最后得出了“風能”專利技術集群的可視化社會網絡，辨析了專利派系間的關系情況及各專利派系下的專利凝聚子群特征。

通過對專利的系統分析可以獲得與產品相關的技術信息、產業發展現狀信息、技術發展的背景信息、有關技術發明有用的詳細信息和關鍵信息、有關技術領域的狀況信息和研究開發及技術產業化的眾多信息，這些信息都是企業進行技術創新和技術升級所需要的極具價值的重要情報。

4. 結語

戰略性新興產業能否發展壯大取決于產業的技術創新與政府戰略的聯動效應。正如國家科學技術部萬鋼部長所說：戰略性新興產業的培育和發展不僅要受到市場前景、成長潛力、資源條件、產業結構等要素影響，還受到科學技術創新這一關鍵要素影響。高新技術產業化、自主創新技術的進步、產品的推廣應用和自主創新政策的落實是培育和發展戰略性新興產業的前提條件。

絕了，怎么又扯到政府了，前面分析也沒有說幾幾年間政府支持就蓬勃發展啊。

本研究所借助的競爭性專利情報分析方法及研究思路，不僅僅局限于針對風能產業的專利技術分析，亦可應用于其他戰略性新興產業內的技術競爭情報跟蹤與技術創新的輔助性研究，向企業提供了專利競爭情報分析工作的參考示范。

🅰補充2

從這里引入第二個補充吧，我也想了解一下，專利情報分析方法究竟是啥。

論文介紹：

《國內外專利情報分析方法研究述評》- 李華鋒、袁勤儉、陸佳瑩、錢韻潔（南京大學信息管理學院團隊）- 情報理論與實踐（CSSCI）- 2017.06.08
江蘇省高校哲學社會科學研究重點項目“江蘇高校哲學社會科學‘走出去’現狀與對策研究”的成果，項目編號：2013ZDIXM025

研究概述：

文章梳理了國內外專利情報分析方法，歸納分析方法的應用領域和特，幫助專利情報分析人員厘清研究方法與研究內容的適配關系。研究發現專利情報分析方法集中于"專利情報統計分析法"“專利情報機器學習分析法"以及"專利情報復雜網絡分析法"三方面，呈現出"豐富性”“綜合性”"智能性"趨勢特征。

方法綜述：

（1）專利情報統計分析法：
- ① 專利情報描述性統計法：
  - 主要用于對實體單位和技術領域專利數據進行分析。基于該方法從國家層面、機構層面或技術領域層面，利用圖形、圖表形式對各類指標 ( 專利數量、市場份額、引文數量、專利分類、主要發明者以及授權日期等) 進行時序分析或結構分布比較，闡釋特定領域技術發展動態特征，揭示產業競爭格局以及特定實體對象所面臨的機遇挑戰，為國家或企業的專利戰略制定與技術創新方向提供指導。
  - 該方法具有分析手段多樣和研究結果直觀等優勢，但同時存在分析不夠深入，不能滿足復雜專利指標分析需求等劣勢，實際使用時應與其他分析方法相結合。
- ② 專利情報時間序列分析法：
  - 專利情報時間序列分析方法主要應用于技術成長 S 曲線分析和專利產出預測兩方面。
  - 技術成長 S 曲線分析：利用反映技術成長的 S 曲線分析專利數據，預測技術成熟度，幫助管理人員了解技術擴散的潛力，是時間序列分析方法在專利分析中的重要應用。（有Logistic 曲線、Gompertz 曲線、Weibull 曲線、Loglet Lab 模型等）。但今后可結合馬爾可夫鏈模型、貝葉斯網絡、模糊數學等方法，綜合考慮多種因素，提高預測精度。
  - 專利產出時間序列分析：預測專利申請或授權數量也是時間序列分析應用之一，常用的方法有用趨勢外推法，相空間重構的時間序列、混沌時間序列 Lyapunov指數，向量自回歸模型、動態線性模型等。但為了提高預測精度，需要綜合應用多種方法，通過比較平均誤差、均方根誤差等指標，選擇最優方法，或者通過構建計量經濟學模型進行比較分析。
- ③ 專利情報回歸分析法：
  - 回歸分析法在專利情報分析中運用十分廣泛，通過回歸模型確定指標變量間相互依賴且復雜的定量關系，具體應用主要體現在以下 3 個方面：專利產出的回歸分析、專利引文數量的回歸分析、專利引證關系的回歸分析。
  - 在專利分析時應綜合應用多種模型，根據專利發明人數量、專利族數量以及非專利引用數量等指標，對專利引用次數的影響因素進行實證分析，通過對比分析，從而選擇擬合效果最佳的模型。
（2）專利情報機器學習分析法：
- ① 專利情報聚類分析法：
  - 專利情報聚類分析主要用于對專利產出、關鍵詞及引證關系進行分析。
  - 通過對專利產出數量聚類分析，探討地區或實體單位專利類型特征與分布規律；基于文獻關鍵詞對特定技術領域進行聚類劃分，探索技術發展趨勢，評估未來可能的市場機會；基于專利引用關系相似性的聚類分析常用于分析特定技術發展趨勢，識別特定領域的新興技術，預測新技術集群等方面。
- ② 專利情報神經網絡分析法
  - 人工神經網絡是重要的機器學習分析方法，在專利情報分析過程中，相關算法主要應用于以下兩方面：專利分類的神經網絡分析、專利指標評價預測的神經網絡分析。
  - 值得指出的是，今后，專利分類方法應與自然語言處理、本體技術、模糊數學等其他理論與方法結合使用，以提高分類的準確性。
    
    具體的研究內容就不說了，基本都是在神經網絡的算法、或者改進算法的基礎上，做分類和回歸預測任務。
（3）專利情報復雜網絡分析法
- ① 專利情報社會網絡分析法
  - 社會網絡分析法是進行專利情報分析的主要方法，主要用于對專利網絡拓撲屬性和專利引文類型分析兩方面。
  - 基于網絡拓撲屬性情報分析：
    - 學者們利用度數中心性表示現實相關技術信息流，接近中心性分析技術影響，中介中心性表示不同時間點的技術中介作用，識別隨時間推移核心技術的融合和變化模式；
    - 利用路徑長度、聚類系數、中介中心性以及小世界系數，研究專利引文網絡中小世界現象的相關性，觀察專利引用的增長模式，確定具有高中介性的關鍵專利；
    - 利用度中心性與結構洞理論，識別與分析核心技術和新興技術；利用技術共類分析，測量技術融合強度和覆蓋范圍，預測技術融合趨勢；
    - 利用關鍵節點、核心網、網絡拓撲分析方法，分析特定技術領域、機構和國家層面的知識轉移過程；
    - 利用主題詞共現的共生關聯分析和基于余弦相似度的相似性關聯分析，就專利主題間、授權人間、授權人所屬國家間以及授權人與主題進行關聯分析，研究國際技術合作模式。
  - 基于網絡引文類型情報分析：基于直接引用、間接引用、耦合和同被引網絡進行專利價值評估、識別技術創新機會、揭示領先者與技術群體間的關系等。
- ② 專利情報 SAO 語義分析法：
  - 大數據背景下，Subject-Action-Object 專利語義分析是識別新興技術的有效工具，利用自然語言處理技術提取專利文獻中主語-動作-對象 ( SAO) 語義結構，通過計算專利 SAO 結構之間的語義相似性來測量專利發明結構的相似性；
  - 基于 SAO 專利語義分析專利技術時間演化，可以識別新興技術及其應用領域；通過語義分析，根據技術相似性，可評估專利侵權風險，降低技術創新過程中的成本和不確定性。

結論：

專利情報分析方法豐富性：文獻計量學方法基礎上，專利情報分析方法不斷向機器學習、信息經濟學、復雜網絡等領域拓展；
專利情報分析方法綜合性：為了提高專利情報分析結論的科學性與準確性，學者們常綜合應用多種分析方法；
專利情報分析方法智能性：在進行專利情報分析時，學者們將人工智能、統計學、信息經濟學以及系統工程領域的相關理論與研究方法（如模糊推理系統、自然語言處理技術、遺傳算法、數據挖掘、神經網絡以及 DEMATEL）引入到專利情報分析過程中來，提高專利情報分析的準確性與高效性。
筆者認為，今后專利情報分析方法研究與應用需關注以下方面：隨著本體技術的不斷成熟完善，本體語義學在文本挖掘中的應用將成為專利情報語義分析的新趨勢；積極吸收信息經濟學、人工智能等領域的模型與算法思想，形成新的綜合性專利情報分析方法，以提高處理量大、維高、大數據的能力；積極探索互聯網+ 、云計算環境下的專利情報大數據研究方法。

參考文獻

[1] 國務院關于加快培育和發展戰略性新興產業的決定[EB/OL].國務院辦公廳http://www.gov.cn/zwgk/2010-10/18/content_1724848.htm, 2013-11-26.

[2] 胡錦濤強調:推動戰略性新興產業快速健康發展[E/B].新華社[EB/OL].http://www.gov.cn/ldhd/2011-05/31/con-tent_1874294.htm, 2010-10-18.

[3] 百度百科[EB/OL].http://baike.baidu.com/linkurl=h9gzr HVUw Nmqte Ac Yf Ufp Nr1cs BBu21PQWit9t OFi-AWg SH131AY20z Ob-A6ur B2x, 2013-11-26.

[**4]** 江波.論企業與產業創新對工業發展模式轉型的作用[J].廣東社會科學, 2012, (2) :46-53.

[5] 2012年中國風電裝機容量統計[R].北京:中國可再生能源學會風能專業委員會, 2013:1.

[**6]** 韓永奇.2012:風能產業向左還是向右[J].中國經濟和信息化, 2012, (3) :93-94.

[**7]** 王曉光.社會網絡箍式下的知識管理研究述評[J].圖書情報知識.2008, (7) :87-91.

[8] Wasserman S, Faus t K.Social Ne t work Analysis: Methods and Application[M].New York: Cambridge University Press, 1994:5-11.

[**9]** 李亮, 朱慶華.社會網絡分析方法在合著分析中的實證研究[J].情報科學, 2008, 26 (4) :549-555.

[**10]** 包昌火, 謝新洲.競爭對手分析[M].北京:華夏出版社, 2003:136-145.

[**11]** 肖冬平.基于社會網絡視角的知識網絡研究[M].北京:人民出版社, 2011:87-97.

[**12]** 劉軍.整體網絡分析講義[M].上海:格致出版社, 上海人民出版社, 2009:98.

[**13]** 李永立, 吳沖, 孫紀舟, 等.基于社會網絡分析的多屬性關聯規則挖掘方法[J].情報學報, 2012, (8) :823-829.

[**14]** 欒春娟.社會網絡分析方法在公司技術集群探測中的應用——以波音公司為例[J].科技創新導報, 2010, (25) :253-254.

[15] 岳章.北京風能展遇冷:整機產能過剩率50%[EB/OL].http://finance.ifeng.com/news/industry/20121120/7320306.shtml, 2012-11-20.

[16] [EB/OL].http://Web of knowledge.com/WOK46/help/zh_CN/DII/hcodes_manual.html, 2013-08-25.

[17] Borgatti SP, Everett MG, Freeman LG.Ucinet for Windows: Software for Social Network Analysis[M].Harvard, MA:Ana-lytic Technologies, 2002:392-396.

[**18]** 張世怡.劉春茂.中文網站社會網絡分析方法的實證研究[J].情報科學, 2011, 29 (2) :246-252.

[**19]** 萬鋼.把握全球產業調整機遇, 培育和發展戰略性新興產業[J].求是, 2010, (1) :28-30.

三、論文小結

從小到大吐槽一下本篇論文吧

1. 文章細節

① 錯別字：這里應該是創新因子吧

② 經常出現“筆者分析”、“筆者判斷”，特別是在數據分析部分也是這樣，代表主觀性很強。（放在研究展望，或者討論部分就很正常）

③ 英文釋義：文章第一次出現“德溫特手工代碼”時，并沒有給出英文翻譯and解釋。第二次出現時說了“德溫特手工代碼”的英文是“Manual Codes”，之后統計的時候，又翻譯一遍“德溫特手工代碼的記錄數”是“Manual Codes Records”，我尋思這也不是一個啥專業名詞啊。

2. 研究綜述

可以說，完全沒有綜述。

綜述的時候，你要么把相關方向的論文和相似研究的論文梳理一下，要么概述性地把社會網絡分析的概念、原理和方法綜述一下，最起碼你也要把文章涉及到的研究方法都一起說明一下吧，結果啥都沒有，還能把一些文章要用到的社會網絡分析方法放在后面數據分析的部分講。

3. 數據分析

① 數據概述部分，說抽取了關鍵詞、摘要、德溫特手工代碼、基本專利國、專利權人多少多少條，這個有意義嗎？一，沒有明確說出之后社會網絡分析用的到底是什么數據；二，就算這些數據是有用的，那也應該交代清楚具體有什么用。

② 分析不太規范，在“專利整體申請情況”部分，應該不能因為某個企業與整體產業的發展演變情況相似，就說某個企業是這個產業發展的晴雨表吧？

③ 分析不深入，僅局限在了描述結果，沒有分析結果；抓住了異常點也沒有進行分析；并且最后沒有歸納結論。（當然，本來就沒有任何結論，也沒東西歸納）

eg1：做出了相關性矩陣，也不描述，也不分析。（而且，我個人也很好奇，為什么各個代碼的記錄數（申請次數）能反映他們之間的相關性）

eg2：說“發現一重要現象，即專利申請次數和專利德溫特手工代碼的中介中心性并不完全成正比關系”，也就描述了一下怎么不成正比，也沒有分析原因。

只能說，很是搞笑。

④ 圖表全都不清晰，每一張圖都沒有原圖，官網甚至都沒有2015年的刊。

4. 文章邏輯

① 通篇，沒搞明白它具體想研究什么問題。感覺就是，他只是想試試把社會網絡分析方法用到風能產業專利分析上，但沒有一個具體的研究方向（比如，是分析它的演變趨勢、還是主題變化、還是關鍵技術……），所以在使用方法上也沒有任何邏輯，比如，應該要說：使用中介中心性是為了研究風能專利的什么特征？使用專利技術集群分析又是為了研究風能專利的什么特征？

② 關于文章的研究背景，幾乎在每一個部分都重復強調了一遍研究的原因和意義。而本人在展示的時候是全都匯總到第一部分了。

5. 參考文獻

一共就19篇參考文獻，其中引用了6條網頁，還有1個是百度百科。

嚴重懷疑這篇論文的一作只是掛了個名……

🅰補充3

最后，選擇閱讀了一篇社會網絡分析相關的論文，其實原因也是作者在文中說，專利的社會網絡分析在工業應用得比較多，所以我就去找了一篇同年發表的工業相關的外文文獻。