基于全代引证网络的高影响力专利知识扩散特征研究_康旭东.pdf

第 卷 第 期 年 月基于全代引证网络的高影响力专利知识扩散特征研究康旭东，贾汐玥 邓乐乐 杨中楷大连理工大学学科建设办公室 大连 大连理工大学科学学与科技管理研究所 大连 摘 要：目的 意义基于专利的全代引证网络对专利进行分类，对高影响力专利的知识扩散特征进行分析，为专利影响力的认识和评估提供重要参考。方法 过程以生物学家悉尼布伦纳的专利为例，研究其专利和前向引证专利生成的专利全代引证网络，根据专利的直接引证数量和引证长度两个对专利扩散发挥重要作用的因素将专利分为四类，将具有高被引数量长引证路径的专利定义为高影响力专利，对这种专利的知识扩散特征进行分析。结果 结论研究发现，在专利的全代引证网络中“关键专利”“重要专利”和“隐藏的高影响力专利”对专利的扩散影响巨大，全代引证网络中专利的领域变化也体现了知识的流动现象，知识扩散速度可以通过数字直接刻画专利时序网络特点。结合研究结果，对高影响力专利的特点有了更具体的认识，并为高影响力专利的评价提出新的思路。关键词：全代引证 直接引用 间接引用 知识扩散分类号：本文系国家社会科学基金项目“高校专利技术转移的实现机理及推进策略研究”（项目编号：）研究成果之一。作者简介：康旭东，研究员，博士；贾汐玥，硕士研究生；邓乐乐，硕士研究生；杨中楷，教授，博士，通信作者，-：。收稿日期：修回日期：本文起止页码：本文责任编辑：徐健 引言 科研创新工作的突出特点是具有继承性和关联性，几乎所有的科研成果都是对前人研究的吸收总结与创新发展。作为一类重要的科研成果，专利之间的引用关系可以体现技术之间的相互影响，前向引用常常被用来判断专利的影响力。具有高影响力的专利不仅拥有较高的技术价值，还拥有较高的经济价值，这类专利在经过技术转移转化投入市场后往往具有更高的价值溢价。同时，也可以帮助拥有或者使用该项专利的企业在相应领域取得更强的竞争力优势。对高影响力专利的识别以及扩散特征的研究，可以更好地认识高影响力的专利，发挥高影响力专利的作用，也可以为提高专利的影响力提供有价值的参考，进一步提高知识产权创造、运用、保护、管理和服务水平。目前，已有很多学者用被引次数来衡量专利的重要性和价值。等选取美国和德国公司，等选取柯达公司 项卤化银专利为研究对象，研究发现被引次数较高的专利专家评价也更高，证明了专利的被引次数和技术重要性之间有很强的联系；国内学者杨祖国等基于专利被引频次对中国专利技术进行了研究；肖国华等构建了基于被引频次的专利评价指标，指出被引频次可以用来衡量专利的技术影响力。但是，单纯的计算直接被引数量存在一定缺陷，一件专利既可能被高影响力专利引用也可能被低影响力专利引用，高影响力专利凭借自身的高影响力帮助被引专利得到更高的关注度，进而帮助被引专利提高其影响力，而低影响力专利由于受到的关注较少而不具备这个效果。国外学者 等认为更长的“引证链”才能获取更多的信息和更准确的价值评价；等考虑了专利全代引证，基于专利完整的引用链构建了累积评价指标并证明了累积被引频次比直接被引频次评价更加全面。国内学者胡小君提出将“引用代”运用到评价技术影响力上；冯岭等认为应该采用所有间接引用关联的价值累加之和对专利价值进行评估；邓乐乐，提出累积引证频次计算专利影响力。总的来看，专利的全代引证是基于专利完整的引用链构建专利的全代引证网络（），目前专利全代引证衡量专利影响力的研究整体上较少，且大都是统计性描述偏向宏观分析，缺乏对高影响力专利的形成机理和扩散特征进第 卷 第 期 年 月行系统分析的研究。基于上述考量，笔者将基于专利全代引证网络对专利进行分类，识别出高影响力专利，深度剖析高影响力专利引证网络的微观结构，展现引证过程的复杂变化，并通过扩散速度、扩散领域等特征进行分析，力求可以更客观具体地探究高影响力专利的技术贡献和学术价值。数据来源和研究方法 样本选择 选择合理的数据样本是研究的基础，诺贝尔奖得主通常具有较大的学术影响力，其申请的专利一般也具有较高的影响力，以往研究表明生物领域中的专利引用现象比较频繁。因此，本研究选择南非生物学家悉尼布伦纳作为样本，他在 年由于发现了有关器官发育和程序性细胞死亡的基因调控而被授予诺贝尔生理学或医学奖。悉尼布伦纳是科学界的传奇人物，是当代最伟大的生物学家之一。他的研究从 编码、基因测序到胚胎发育、生物进化，可以说涵盖了整个现代生命科学领域。与此同时，他也申请了大量发明专利，且专利普遍具有很高的影响力，非常适合做全代引证的研究。数据检索和处理 数据检索 美国专利全文数据库因美国专利商标局（）具备专利审查制度严格、专利参考文献数量充足的特点而具有较高的权威性，同时引证信息完备的特点便于研究人员对数据进行更深层次的加工分析，一直以来都是很多学者研究专利引证的优先选择。因此，笔者以美国专利数据库授权库中悉尼布伦纳的相关专利为研究对象进行分析。截至数据检索日 年 月 日 得到已公开授权的有效专利 件。根据 分类，专利共涵盖 个部门 个小类。专利授权时间与件数、领域的关系如图 所示：图 专利授权数量年度分布 数据获取与处理 笔者基于 提供的数据平台（：）展开研究，其内部包含平台定期根据美国专利数据库中整理后的授权专利之间的引用关系。获取数据后，处理成一一对应的引用关系，方便做进一步处理。获取全部的引用关系后，笔者通过自编程迭代计算 件 目 标 专 利 的 全 部 施 引 专 利，表 为 专 利 全代施引专利部分结果示意，每一行代表一条完整的引证路径，每一列代表不同的引证代。其中，表示的是目标专利，后续的、是每一代的施引专利，代表无施引专利。其余的 件专利也做相同的数据处理。专利全代引证网络构建与分析 随着专利数量的增长，专利之间生成了具有一定规模的引证网络，这个网络也极大地促进了专利间的知识流动与技术扩散。在宏观层面，每件专利都处在一个完整的技术进化网络中；在微观层面，每件专利又都处在本身作为技术源的“子网络”（前向引证网络）内。一件专利的影响力大小与其“子网络”息息相关，影响力的大小不仅决定了网络的生长速度与范围，而且时刻影响网络的结构和复杂程度。因此，为了分析不同专利影响力差异产生原因以及扩散过程，需要深入研究每件专利“子网络”的微观特征。经过数据的整理，得到 件被引用过的专利以及 件没有被引用的专利，由于本研究是基于专利的全代引证网络进行，因此选用拥有专利引证网络的 件专利作为研究对象，将它们每代的专利数量和被引数绘制见图。康旭东，贾汐玥，邓乐乐，等 基于全代引证网络的高影响力专利知识扩散特征研究 图书情报工作，（）：表 专利 全代施引专利计算结果 图 各代专利被引频次和专利数量分布 对比每代专利被引频次和专利数量两条曲线可以发现，两条线几乎完全重合，并且整体呈现“正态分布”特征，引用情况相似的几组曲线峰值出现的位置也是几乎一致。虽然被引频次和专利数量两条曲线几乎相同，但是少部分出现被引频次大于专利数的情况，这是由专利同时引用多件专利所导致。同时，图 也清晰地表现出专利的影响力是一个积累的过程，直接引用并不是衡量专利影响的唯一指标。例如，图中最高的曲线代表专利，它的直接引用次数并不是最高的，但是在代际扩散中影响力不断扩大，成为影响力最大的一件专利。反观专利，它的直接引用次数最高，但是明显后劲不足，扩散的代数比较少，虽然影响力也很大，但是与专利 相比还有着不小的差距。基于专利全代引证网络的高影响力专利识别 基于专利知识扩散特征的专利分类 基于上述研究发现，专利的全代引证网络是一个庞大的网络，网络的规模受到专利引证长度和直接被引数量的影响非常大。因此，笔者基于专利的引证长度和直接被引数量两个维度对具有不同全代引文特征的专利进行分类。首先，对于相关指标进行标准化处理，这里采用的是 标准化，具体公式为 ，其中，表示标准化过后的新数据，表示原数据，表示原数据均值，表示原数据标准差。将得到的数据绘制成图，被引用过的 件专利以专利引用路径长度和直接被引数量标准化两个维度，选取阈值（即引用代数为，直接被引数量为）为 将专利划分为 种类型。位于第一象限的 件专利为高直接被引数量长引用路径专利（以下简称“高被引长路径专利”），第二象限的 件专利为高直接被引数量短引用路径专利（以下简称“高被引短路径专利”），第三象限的 件专利为低直接数量被引短引用路径专利（以下简称“低被引短路径专利”），第四象限 件专利为低直接数量被引长引用路径专利（以下简称“低被引长路径专利”）。具有高被引长路径的专利因具备直接被引数量高路径长的特点，而具有较广的影响范围和较长的生命周期，因此受到更大范围的关注，成为高影响力专利。而低被引短路径的专利则相反，不具有很高的影响力。第 卷 第 期 年 月图 基于时间序列的专利类别转化 低被引短路径的专利占比最多，一方面是因为专利扩散是一个较长的累积过程，很少有专利一经面世就受到广泛的关注和引用；另一方面，即使发明人是诺贝尔奖得主这样一位具有较大影响力的发明人，也不是每件专利所包含的知识技术都会被大范围地传播，同样证明了受到自身质量和引用质量的影响，高影响力专利的数量往往是有限的。高影响力专利形成路径 理论上随着专利的扩散，自身具有较高价值的专利会逐渐被发现进而被引数量增加，不同类型的专利之间发生转化。图 为 种不同类型专利之间可能存在的转换过程。这个转化的过程通常分为 种：路径一是低被引短路径高被引短路径高被引长路径；路径二是低被引短路径低被引长路径高被引长路径；路径三是低被引短路径高被引长路径。图 不同类型专利之间的转换 不同类型专利的形成过程具有不同的特征：路径一，表示新的专利产生之后，短时间内还没受到其他研究者的关注，因此没有被引或者被引数量很少，这些专利属于低被引短路径专利。经过一段时间后因为某些契机，部分专利开始被关注，被引次数迅速增加但是引证路径仍然较短，进而发展为高被引短路径型。此后，高被引专利则会产生更大的被引机会，促进引证代数的增加，部分专利积累到一定程度后，便慢慢转化为高被引长路径型的高影响力专利。而那些剩余的高被引短路径型专利，由于其内在的技术或者知识已经过时，没有继续影响后来的专利，只能一直止步于第二象限。路径二，专利会一直持续影响后来的专利，引证路径长度不断增长，但是大部分专利的直接被引数量增长缓慢甚至在早期就已停滞不前。不过在这个过程中，也有某些专利的技术和知识在某段时间由于被一个具有较大影响力的专利引用或者专利发明人获奖等与发明人有关的关键事件影响再次引起反响，使得这项专利直接被引频次再次快速提高，进而转化为高被引长路径类型专利。路径三，专利直接被引数量和引证代数的增长情况比较均衡，保持稳步增长的趋势，经过一段时间后越过平衡点直接从低被引短路径专利转化为高被引长路径专利。为了验证这 种专利转化路径是否真实存在，从专利申请年开始算起以一年为单位对高被引长路径专利的代数和直接被引数量进行 标准化，处理后得到部分专利的类别随时间变化的情况见图。专利的路径分类如表 所示，高被引长路径专利恰好有 种转化路径。路径一专利，它在第 年完成了低被引短路径向高被引短路径的转化，在第 年该专利实现了由高被引短路径向高被引长路径的转化，并且在其成为高被引短路径专利后的一段时间内，它的直接被引数量和专利引用路径长度的增长速度都明显增快。专利 是路径二专利，在第 年转化成为低被引长路径专利，又经过 年康旭东，贾汐玥，邓乐乐，等 基于全代引证网络的高影响力专利知识扩散特征研究 图书情报工作，（）：图 专利转化时序表它成功转化为高被引长路径，表明了随着引证长度的增加专利的扩散范围影响力也会不断增大，最终成为一件拥有高被引长路径的专利。专利 是路径三专利，它经过第 年的发展成为高被引长路径专利。表 专利转化路径分类专利转化路径专利路径一 路径二 路径三 种不同的转换路径折射出 种不同属性专利的影响力扩散方式。第一种转换途径的专利更加偏向功能性和应用性，这种属性的专利比较典型的特征是具有较强的时效性，短期反响较大、过时快。这种专利一般会在授权后受到广泛关注，直接被引频次快速上升，而引证代数才刚刚开始