专利引文指在专利文件中列出的与本专利申请相关的其他文献^{[ 1]},具体分为专利文献和非专利文献两种类型,专利文献包括本机构的专利文献和外机构的专利文献,非专利文献包括科学论文、会刊、书籍、公告等^{[ 2]},不同类型的专利引文其引用目的有所不同,如表1所示:

表1

表1

表1 专利引文目的[ 2] 专利引文类型 引文目的 专利文献引文 提供技术背景; 与当前方法、设备相区分; 标识与施引专利思想或概念相关的原始文献; 验证数据和事实; 提供索赔证据 非专利文献引文 反映学术界当前状态; 强调申请专利的新颖性和唯一性

表1 专利引文目的[ 2]

当前,专利引文分析方法已成为技术管理研究和情报分析的重要手段,在技术层面上,它可以用于技术评估,对关键的技术进展、创新机构以及核心发明者进行识别,专利引文蕴含着知识流动和技术转移,对专利引文网络展开时序分析,可用于研究技术会聚(Technological Convergence)、技术融合(Technology Fusion)以及技术多元化(Technological Diversification),进而进行突破性技术预警和技术预测;将专利引文信息与国家、机构信息相结合,可以识别国家、机构层面上技术主体所处的位置及其相互依赖关系。此外,利用专利引文中所包含的非专利文献引用,可以分析科学与技术之间的相互关系及互动机制。自20世纪90年代起,各国学者在专利引文领域展开了大量的研究工作,建立起专利引文信息与技术行为、技术特征之间的多种对应关系^{[ 9, 10, 11]},为专利引文分析方法的研究工作奠定了良好基础,如表2所示:

表2

表2

表2 专利引文信息与技术含义的对应 类型 专利引文信息名称 技术含义 专利 引文 网络 的拓 扑属 性 入度中心度(Indegree Centrality) 技术扩散程度 出度中心度(Outdegree Centrality) 技术融合程度 组件规模(Component Size) 独立的技术集群 聚类系数(Clustering Coefficient) 专利形成局部聚类的倾向 平均路径长度(Average Path Length) 知识传播速度 中介中心度(Betweenness Centrality) 技术转移程度 入临近中心度(Incloseness Centrality) 技术影响力 出临近中心度(Outcloseness Centrality) 技术被影响程度 专利 引文 类型 直接引用(Direct Citation) 突出技术新颖性、唯一性 间接引用(Indirect Citation) 反映相应的基础技术 自引(Self-citation) 专利授权人的技术竞争力 它引(External Citation) 技术溢出程度 其他 专利引文耦合(Patent Citation Coupling) 技术共享程度 专利引文共引(Patent Co-citation) 技术关联程度

表2 专利引文信息与技术含义的对应

根据被引文献类型不同,专利引文分析方法可简单划分为专利-专利引文分析方法和专利-非专利引文分析方法两种类型。专利-专利引文分析方法包括宏观专利分析方法和微观专利分析方法,前者从国家、产业角度出发,着重研究技术创新所带来的经济影响以及国家之间的技术竞争力评估;后者则限定于特定技术领域的分析和预测,适用于企业竞争者间的优势、劣势分析和企业内部的技术研发决策^{[ 12, 13]}。相比之下,专利-非专利引文分析方法发展缓慢,到目前为止研究成果较少。本文依次对这两种类型中具有代表性的专利引文分析方法进行介绍。

由于专利引文网络中不同的网络属性具有明确的技术含义,以网络属性作为分析对象的网络拓扑分析法可以直观、方便地对基础技术、技术前沿以及专利引文网络中所蕴含的知识流动和技术转移展开分析。以入度中心度即专利被引频次为例,Trajtenberg^{[ 14]}、Chang等^{[ 15]}、Hall等^{[ 16]}发现,具有高被引频次的专利不仅创新程度和市场价值较高,而且往往为同类专利技术铺垫了基础。Li等^{[ 10]}对纳米技术领域中专利引文网络的平均路径长度和聚类系数进行计算,并将其与随机网络的拓扑属性对比分析,发现前者的数值均高于后者,这意味着专利引文网络存在知识传播速度慢且易形成局部聚类的特点。Weng等^{[ 17]}使用Blockmodel方法,将专利引文网络按照网络结构等价性(Structure Equivalence)聚类,发现同一聚簇内部专利具有类似的功能。

除直接使用基于专利引文网络的网络属性外,还有研究将专利引文网络中的专利节点替换为该专利所属的技术类别,并将相同类别的节点合并以突出知识在不同的技术类别的流动状况,进而对技术的融合、集成现象展开分析。基于专利技术类别引用网络的专利引文分析方法较多,但就流程来说,多数是依据特定指标抽取出权重较高的凝聚子网,再进行详细分析,常用指标除表2列举的网络基本属性外,还有一些较复杂的网络度量指标,由于篇幅所限,本文简单列举出若干代表性指标及其计算公式,如表3所示:

表3

表3

表3 专利技术类别引用网络的重要技术度量指标 指标名称 计算公式 备注 通用性Generality[ 18] 原创性Originality[ 18] 融合度Fusion Degree (技术类别h被h引用)[ 19] 融合度Fusion Degree(技术类 别h没有被h引用)[ 19]

表3 专利技术类别引用网络的重要技术度量指标

按照同样方法将专利引文网络中的专利节点替换为专利所属的机构、国家,并将相同节点合并,则可以用来分析机构和国家间的技术地位及相互关系。Hsueh等^{[ 20]}以LCD领域为例,以出现在国家间的专利引文数量作为这两个国家间的引用关系权重,筛选出重要创新国家的凝聚子网,并通过分析子网中各国家之间引用关系发现,关键创新国家以自主研发作为研发模式,但这些创新在其他国家的创新过程中发挥着巨大的技术影响力。

根据Dosi^{[ 21]}的定义,技术轨迹即技术可能发展方向的聚类。技术轨迹分析法通过专利数据分析,直观地展现技术的发展过程及关键节点,相比网络属性分析法,它依据引文网络的整体结构来评估专利价值,而非与专利直接相关的局部网络^{[ 13]},因此除了具有网络属性分析法的优点外,还可以识别出被引频次不高却在引文网络中占据显著位置的节点(如割点),因而是技术演化分析家族的重要成员。

基于专利引文网络的技术轨迹分析方法发展较晚,其中以主路径分析法(Main Path Analysis, MPA)最具代表性,它由Hummon等^{[ 12]}于1989年提出,是一套旨在反映学术论文中知识流动的引文网络分析方法,所谓主路径是在非循环网络中从源点到汇点的一条通路,该通路上的弧具有最高遍历权重^{[ 22]}。当前用于衡量弧的遍历权重的主要指标如表4所示:

表4

表4

表4 主路径方法中主要的弧权重指标 权重指标 名称全称 含义 SPC Search Path Count 一条弧在源点集合与汇点集合间的所有路径上出现的次数[ 22] SPNP Search Path Node Pair 一条弧的上游节点数与下游节点数的乘积[ 13] SPLC Search Path Link Count 从一个源点出发,经过弧Aij的所有路径数量[ 24] NPPC Node Pair Projection Count NPPC(Aij)=|Rinv*(i)|×|R*(j)|, 其中Aij为i为始点、j为终点的弧,Rinv*(i)为节点i向后引用关系的自反、 传递闭包,R*(j)为节点j向前引用关系的自反、传递闭包[ 24] FCNP Forward Citation Node Pair FCNP(Aij)=(ni+1)×(nj+1), 其中Aij为i为始点、j为终点的弧,ni,nj分别为i,j的出度[ 25]

表4 主路径方法中主要的弧权重指标

(1)选定遍历权重指标,计算专利引文网络中弧的权重;

(2)对网络中每一个源点,从其所发出的弧中选取权重最大的弧,如果存在若干条这样的弧, 将其全部选中;

(3)选择步骤(2)中弧权重最大的源点作为主路径的源点;

(4)将步骤(3)中引用源点的施引节点作为Target集合;

(5)将Target集合中节点作为源点,重复步骤(2)-步骤(4)的过程,直到选取的弧指向同一个汇点。

2003年,Batagelj^{[ 24]}最先将主路径算法应用于专利引文网络分析,但使用原因是专利引文网络是当时少数可以获取的大型网络,直至2007年,Verspagen^{[ 23]}才在探讨专利引文与论文引文相似性的基础上,真正将主路径方法用于技术演化分析,他使用穷举法抽取出所有源点到汇点的路径,并选择弧权重之和最大的路径作为主路径,以弥补原主路径分析法中采用贪心策略造成局部最优的问题,Liu等^{[ 26]}将原主路径分析法称为局部主路径(Local Main Path),而将Verspagen的方法称为全局主路径法(Global Main Path),并建议在全局主路径法的基础上,抽取若干次大权重路径以期囊括更多的演化参与者,并将这种方法称为多点主路径法(Multiple Main Path),但目前尚未发现相关的专利引文研究方法。

基于专利引文的网络聚类方法是技术领域划分及不同技术领域间关系分析的重要手段,尤其对一些出现时间较短的新兴技术领域,网络聚类分析法可以对其中的关键技术进行有效识别^{[ 26]}。专利引文网络主要依据弧权重和节点权重两种方式进行聚类,Batagelj等^{[ 24, 27]}称聚类后所形成的独立子网为岛(Island),并通过实证分析证明专利聚簇内部的专利内容具有高度一致性。将网络聚类和时间序列分析相结合可用于技术社团演化分析,Chena等^{[ 28]}将时间段划分为若干时间窗,相邻时间窗内高相似度的技术聚簇被认为具有承接关系,将其连接起来可以分析技术社团的归并、分裂、产生和消失现象。

除直接使用专利引文网络外,还有学者通过构建基于专利引文的耦合和共引网络,来衡量技术、企业间的技术相关程度。Huang等^{[ 29]}根据企业耦合频度(每对企业中引用相同专利的专利数量)计算出企业对的Pearson相关系数,并在此基础上使用聚类和MDS技术绘制出企业关系地图,与之相应,Wang等^{[ 30]}通过企业共引频度(每对企业中专利被某专利同时引用的次数)计算企业的技术相关度,Lai等^{[ 31]}注意到技术发展引起既有技术分类体系的滞后性,他们采用专利的共引关系来衡量技术领域之间相似性,并对其进行因子分析以建立新的技术分类体系,相比较而言,引文耦合具有良好的时效性和聚类结果稳定性,而专利共引分析则可以有效发现基础专利^{[ 32]}。

也有将多种分析方法结合以达到减小或消除单个方法缺陷的研究,Von Wartburg等^{[ 9]}认为耦合关系反映了施引专利间的技术共享程度,而间接引文反映专利的技术基础和专业化程度,他们将这两种引文关系整合成统一指标——共享专业化测度(Shared Specialization Measure),对专利家族的技术价值进行衡量,Shen等^{[ 33]}中国台湾学者将模糊德尔菲法、层次分析法和专利同被引分析方法相结合,以期帮助技术导向型公司在日趋复杂的技术环境中选择正确的技术。