專利信息的復雜性研究

0納米技術專利網絡的新發展:基于sna方法的專利合作網絡研究創新活動的網絡化和全球化導致了創新活動組織形式的變化。越來越多的創新主題開始通過正式或非正式連接形成創新網絡進行創新，知識產權合作是創新網絡的重要組成部分。依托專利文獻、專利權人、發明人等網絡節點,借助合作、引用、共現、主題關聯等關系構建專利網絡分析方法,可以在網絡結構和演進動力學的層面考察技術創新與知識轉移。當前,越來越多的學者開始以網絡結構為視角研究其對創新網絡的形成及績效的作用。社會網絡分析法(SocialNetworkAnalysis,SNA)是在創新網絡研究和專利網絡分析領域應用的比較普遍的一種方法。利用社會網絡分析方法可了解各節點間的關聯,揭示關系結構,反映節點之間的量化關系,其直觀靈活的可視化效果受到眾多學者的青睞。然而隨著研究的深入,研究者們發現有兩個問題亟需解決:一是專利信息的復雜性決定了研究專利問題需要從多個關系層面共同進行觀察。專利信息中存在著多重關系,源于專利數據的引用關系、共現關系、合作關系、共詞關系、相似關系,但現有指標所涉及的視角仍較為單一,指標算法還是以單一層面為主,且缺乏結構關聯度指標。二是SNA方法在分析網絡演變動因及趨勢方面具有局限性,在理解、認識復雜動態網絡的多模態系統結構時具有明顯的不足。因此,在今后的研究中需要引入新的理論與方法。本文通過整合的方法將多個視角、多種關系集合在一起,構造具有多重屬性節點的專利網絡,利用動態網絡分析(Dynamicnetworkanalysis,DNA)方法對專利合作網絡的演化與動態特征進行分析。選取納米技術這一新興科研領域為切入點,以1991-2013年間的專利合作活動為對象進行實證研究。本文組織如下:首先綜述了在專利合作網絡分析領域的相關研究,然后介紹了動態網絡分析的基本概念及其與社會網絡分析的聯系和區別,以北京地區納米技術領域專利為基礎構建數據集進行動態網絡分析,最后對分析結果進行解讀。1相關研究1.1復雜網絡研究合作網絡是典型的社會網絡,同時也是一類復雜網絡,國內外學者在網絡的構造、網絡拓撲特性和演化模型等方面進行了初步研究,也取得了一些成果。一些文獻基于復雜網絡理論,研究了創新合作網絡結構對于信息、知識增長及技術擴散的影響,研究了創新合作網絡的形成演化機制。黃瑋強運用復雜網絡研究中的率方程法(incrementalequationmethod),推導出了網絡度分布的演化方程。Ozman運用基于智能體的仿真方法研究了創新產品的知識要素是如何影響集群企業創新合作網絡結構。劉秋皊對2001~2010年鎂合金領域科研合作網絡的網絡特征、網絡結構及其與科研產出的相關性進行了研究。劉鳳朝運用社會網絡分析方法,提煉網絡結構演化的模式特征。通過合作“廣度—強度”二維矩陣分析政策主體在網絡中的角色演變,并識別網絡中的核心節點。張素娟通過GN算法分析和挖掘了最大連通子網絡的社團結構,用度值、介數值和PAGERANK值等指標評價了網絡的中心節點,揭示了合作網絡中合作水平較高的科研團隊和具有影響力的科學家。上述研究主要是從整體網層面進行的“靜態”研究,雖然可以揭示關系網絡的結構,但在揭示現實數據的演變動因和演變趨勢方面還有不足之處。1.2定類組合方法在多重數據整合方面,已經有相關研究可以借鑒。目前主要的數據整合方法可分為三類:a.隨機模型方法。文獻在隨機模型的基礎上提出了一種整合統計模型,用于對產品開發網絡與在線社交網絡中的多重關系數據進行了整合。該方法的優勢在于能夠較為全面地包容網絡的異質性與多重性特征,缺點在于相關的理論還不完善。b.定量聚類方法。文獻提出一種加權混合聚類方法,通過整合聚類組合和核融合聚類方法對無向直接引用網絡(經強制對稱處理)、二值無向直接引用網絡、耦合網絡、共引網絡、無向直接引用的潛在語義索引網絡進行整合。文獻將節點間多達11種的關系進行了分析,他首先分析了每一層關系,然后通過加權的方法將各層網絡組合在一起。定量聚類方法通過對多重網絡的定量組合構成新的網絡,以取得更加全面的分析效果。然而這種分析方法往往忽略了網絡類型之間的差異性,限制了進一步對多重網絡結構特征的觀察。c.定類組合方法。文獻在對直接引用網絡和耦合網絡進行整合的過程中,先利用耦合網絡的共現強度閾值去除由于隨機關聯產生的聯系,然后將耦合網絡和直接引用兩類網絡進行合并構成一個非對稱專利綜合引用網絡,用于識別遺失的專利引用關系。該方法的特點在于兩類網絡的關系特征被保留,有利于比較各種類型網絡之間的差異,現有相關研究尚不多見。學者們普遍認為:由于多重網絡無處不在,對多重關系的分析相關理論和算法的研究都是十分必要的。雖然大多數現存的方法能夠很好地分析單層網絡,但對多重網絡的分析仍比較少見,相關的研究都還處在起步階段。可見,對各種專利關系類型進行整合既是目前學術界的研究重點與難點,也是專利計量領域發展應用的需求所在。1.3動態網絡分析傳統SNA關注小的、有邊界的網絡,通常關心的節點是人,連接關系是親緣關系、合作關系等,且在SNA中網絡節點是靜態的,SNA集中于對某一個橫截面數據的靜態分析,然而在實際中,當網絡中的某一關鍵節點(主角)被隔離或移除后,整個網絡并非就不穩定且不能做出反應了,而是馬上又有新的“主角”產生(典型的如恐怖組織網絡),這正是網絡的動態性和演化過程的表現。在網絡的動態性和演化過程的描述方面,SNA具有顯著的局限性,原因有以下三點:第一,SNA主要研究關系的形式而不是關系的性質;第二,演變動因分析不足,離開行動者的動因,不僅無法理解網絡對行動的意義,而且也無法解釋某些網絡現象;第三,演變趨勢分析不足。研究者們已經認識到不能把網絡結構看成是既定的,而必須能夠說明網絡結構變化的起源和演變的趨勢,需要強調社會網絡的權變、動態思想,需要注意網絡關系的易變性和主觀性。另外,SNA在分析指標方面也缺少對網絡動態情況的描述。對于與日俱增的實證演化網絡數據,用經典的分析指標如Centrality(中心性)、權威中心性(AuthorityCentrality)、簇數量(CliqueCount)、匹配模式(assortativecoefficient)等網絡指標雖然會宏觀上從海量的網絡數據中梳理出一些有規律性的信息,但是這些信息對于理解、認識復雜動態網絡的系統結構,深入了解網絡系統的運行規律都太有限了。可見,SNA在應對網絡的復雜性和動態性的研究上有明顯不足。正是由于以上原因,動態網絡分析引起了研究者的關注。DNA是一個新興的領域,包含了傳統社會網絡分析、關聯分析(linkanalysis,LA)和多智能體系統(multi-agentsystems,MAS)的理論與方法。目前主要集中在兩個方面的研究:一是DNA數據的統計分析,二是對網絡動態仿真結果的利用。也可以認為DNA是SNA理論和方法的延伸,是社會網絡、認知科學、多智能體系統三者的結合。動態網絡中的節點在用元矩陣(meta-matrix)進行構造后,不只是擁有“人”這一種元素,還可包括情景、知識、位置、組織、專業、資源、任務等組織中的任何元素,如表1所示。所有的網絡定義和測度指標都可以和表中每個單元的網絡類型相對應,并且在網絡動態演化過程中,一個網絡變化可能導致其他網絡的變化,一個網絡中的關系暗示了另一個網絡中的關系,這些都符合復雜系統的自然屬性,其本質就是多重關系網絡。傳統的SNA方法可以處理1-模數據,如人際關系網絡,2-模數據也比較常見,如人與事件,但對于3-模及以上數據運算量呈指數級增加、邏輯關系復雜的情形,就需要采用一種能夠處理大規模、動態、異質以及多種關聯數據特征的網絡分析方法。DNA能夠處理具有不確定性的大規模動態多模、多鏈接網絡,能夠從任意維度上開展靈活的分析。DNA中的一個研究重點是提出和驗證合適的指標來描述和對比動態網絡,如描述網絡的大小(節點數目)、稠密度、連結分布性的同質性、節點改變的比率等。傳統的SNA方法沒有把節點看成一個能自主行動、學習和影響網絡的主體,而在DNA模型中節點有學習的能力,節點的屬性隨著時間而改變,且節點在不斷自適應調整。DNA考慮了網絡演化的各種要素,以及在哪種環境中可能發生哪些變化。DNA中對節點的研究是通過其過程而不是其位置來進行,這就意味著節點能通信、能儲存信息、能夠學習,且網絡隨節點的改變而動態地變化。DNA中的關系是一種概率,各種因素影響著概率的變化,包括觀測者對關系的確定性等,如貝葉斯方法、認知推理技術、社會和認知變化過程模型都能應用到概率的評價方面,研究者能夠藉此快速探測變化的發生并對實時的變化做出一些推理。2基于dns的專利申請網絡結構分析2.1數據來源與處理納米技術是一種跨領域的科學技術,分布在23個學科之中,涉及IT技術、環境科學、生命科學、材料科學等,近年來還在不斷涌現出新的領域和分類,納米科技可以集成到現有生產工藝中,提升技術水平,提高產品的性能和競爭力,是目前全球最受關注的科學技術領域之一,也是我國重點發展的科技領域之一。正是由于納米技術跨學科的特性,在該領域的科研合作非常普遍。本文將專利權人為兩個及其以上的條目視為有合作研發行為(不包括個人與個人、個人與一個職務人聯合申請的情況)。本文關鍵詞的制定與檢索策略的制定采用AlanL.Porter于2008年報道的方案,即首先從文獻中提取關鍵詞,然后通過向領域內的專家征求意見,對關鍵詞進行修正,確定檢索式,并通過檢索結果對檢索式不斷優化調整。專利數據來源于中科院專利在線分析系統,檢索式為:申請日:({1991TO2013})AND摘要:(納米)AND來源省:(北京)。經數據清洗,共獲得自1991年1月1日到2013年12月31日間授權的有效專利合作數據1046條。按照授權時間本文將專利合作數據分為3個時間段進行分析:2006年以前、2006-2009年、2010-2013年。DNA網絡由不同類型的節點類(nodeclasses)及節點間的多種關系組成,在DNA中,節點類包括主體(agent)、情景(event)、知識(knowledge)、位置(location)、組織(organization)、資源(resource)、任務(task)等。本文以專利權人作為主體、以IPC分類作為專業(knowledge),根據專利人之間的合作關系和專利人與專業的對應關系分別建立有向多值矩陣AgentxA-gent與AgentxKnowledge,繼而構建AgentxAgent網絡(以下簡稱AA網絡)與AgentxKnowledge網絡(以下簡稱AK網絡)疊加的多重網絡。本文對多重網絡的動態分析采用了ORA軟件。ORA是由美國卡內基梅隆大學開發的一款動態社會網絡的分析軟件,可用于描述復雜網絡的本質、特征、變化、決定因素等。目前已經在組織設計、風險管理等領域得到了廣泛的應用。ORA可通過多種顏色、多種形狀直觀地表達節點的多重屬性,以及節點之間、節點各屬性之間的連接,并進行2D、3D展示,具有良好的可視化效果。2.2兩個創新主體合作的穩定性圖1所示3個階段專利合作網絡的核心網絡圖(深色圓點表示Agent節點,淺色圓點表示Knowledge節點)。3個階段專利合作網絡的對比分析如表2所示。通過對網絡整體演化情況的分析,可以發現該領域具有如下特點:a.網絡整體松散,局部緊密,以技術單一性和相近性合作為主。網絡的規模不斷擴大,各時間段的A-gent節點數和Knowledge節點數都在不斷上升,表示參與專利合作的單位數在不斷增加,所產出專利涉及的領域也不斷增多。整體來看,納米專利合作網絡具有較小的平均溝通速度和較低的網絡密度,且度值高者為清華大學、鴻富錦、北京化工大學、中國石油化工集團等少數節點。無論在哪個階段,均出現整體松散,局部緊密的現象,網絡中僅有兩個創新主體的合作現象頻繁,在一定程度上反映了這兩個創新主體的技術單一性和相近性,經過后續的研究本文發現其主要原因是納米科研的研究領域存在很大差異,從而導致不同的研究領域間合作關系建立比較困難。AA網絡密度由2006年以前的0.005變為2006~2009年期間的0.014,到2010-2013年期間的0.021。網絡密度的增長顯示了各專利權人合作關系的增加。由此可以推測通過合作研發進行技術創新是很多企業普遍采取的方法。b.橋接點等重要控制節點逐漸增多。對比三個階段的圖形可以看出,在2006-2009年期間多個小聚類通過某關鍵節點與大的網絡聚類相連,到2010-2013年期間這一情況持續出現,網絡中分散聚類和孤立結點繼續減少,大的網絡聚類繼續增大,作為網絡控制主體的橋接點逐漸增多。例如以北京化工大學為核心的網絡聚類,從2006年以前聯系的3個專利權人、4個領域逐漸發展為2010~2013年期間的9個專利權人、10個領域,而與其聯系的其他節點通過該節點作為橋節點與中國石油化工集團聯系。c.研究領域在快速擴展。進一步對AK網絡進行分析,可以計算得出AK網絡的中心勢(NetworkCentralization)從2006年以前的0.069,到2006~2009年期間下降為0.013,到2010~2013年期間下降到0.003,這說明網絡的集中程度下降。下降的原因是產出專利領域的快速擴展,由最初的38個領域上升為2013年的77個領域。通過對知識冗余度(redundancy)和知識負載(knowledgeload)的分析也證實了這一點。知識冗余度是通過連接某一知識(資源、任務)的節點數計算得到,當滿足條件的節點數高于1個時即產生冗余。知識負載則表示每個知識對應的專利權人節點的平均數。知識冗余度從2006年以前的0.202,到2006-2009年期間下降為0.097,到2010-2013年期間下降到0.074,知識負載從2006年以前的3.051,到2006-2009年期間下降為1.594,到2010-2013年期間下降到1.16,說明專利權人對應的研究領域更加分散。2.2.2企業研發實力a.主導性知識領域(dominantknowledge)。通過在AK網絡中對知識節點集中各節點總度數中心度的計算,可以得到涉及研究機構最多的主導性領域如表3所示。從各時間段的排序情況看,涉及研究機構最多(同時也是合作專利產出最多)的技術領域變化不大,主要集中在H01L、C01B、H01J、B01J、G06F五類,涉及碳納米管的相關構造研究、碳納米管器件的制備方法、發射場相關元件以及復合材料、與納米技術相關的催化作用、膠體化學等化學或物理方法及其有關設備、與納米技術相關的電子元器件、納米壓印等納米加工工藝等。b.主導性研究機構。通過在AK網絡中計算每個節點的行度中心性并進行歸一化處理,可以得到涉及研發領域最多的研究機構排序。從各時間段的排序情況看,清華大學、鴻富錦公司及中國石油化工集團及其下屬的科研院涉及的研發領域最多,這也說明上述單位具有較強的研發實力。c.知識壟斷性。如果某一節點(如個人或研究機構)具有很高的知識壟斷性(knowledgeexclusivity),則說明其具有很高的專業性,或者連接有其他節點連接不到的知識領域。通過在AK網絡中計算每個節點連接知識領域的情況,可得到每個階段知識壟斷性如表5所示。由表5可知,清華大學、鴻富錦公司、北京化工大學、中國石油化工集團等具有較高的知識壟斷性。d.涌現型領導(emergentleader)。涌現型領導實質是得到大多數成員支持且能夠對整個團隊施加重要影響的團隊成員。通過在AA網絡中對每個節點的認知需求(cognitivedemand)的計算可以識別,認知需求高的個體即為涌現型領導,如表6所示。作為涌現型領導的節點不僅僅是與其他節點廣泛連接,而且能夠在為完成某種復雜任務而又不完全具備相應資源的時候能夠與其他節點相互合作。從表6可見,清華大學、鴻富錦、北京化工大學、中國石油化工集團、鋼鐵研究總院等具有較高知識壟斷性和很高的認知需求,是涌現型領導。相應地,對這類節點的移除會對網絡整體有顯著影響。e.潛在的有影響連接(potentiallyinfluentialLinks)。邊介數中心度(edgebetweennesscentrality)是指網絡中所有的最短路徑中經過某一條邊的數量比例,比例越高,說明該邊的影響力越大。通過在2010年至2013年間的AA網絡中計算每一個節點對的邊介數中心度,可以得到潛在的有影響連接,如表7所示。該連接實際上是很多節點進行溝通時最直接的通路,具有很高的中介性,因此連接兩端的節點需要更重視和加強彼此之間的聯系。f.直接影響分析(immediateimpact)。從待測網絡中移除1個或多個節點對原網絡所造成的沖擊,可以通過指標的對比反映移除前后的變化。從對專利數據集的統計情況來看,清華大學在專利數量產出上名列前茅,且與多家企業存在合作關系,其中與鴻富錦公司的合作占有絕對性優勢。通過認知需求分析、總度數中心性分析、介度中心性分析,如表8所示,可以對比假定從2010~2013年的網絡中移除了清華大學產生的影響。由表8可知,移除后涌現型領導排序沒有受到太大的影響,依次順位,而總度數中心性排序變化巨大,如表9所示,受影響最大的是鴻富錦公司,排名由第2位下降到111位。度數中心性是節點在網絡中地位的表現,在多模網絡中是由該節點所處的位置、所連接的資源等因素共同決定的。這說明維持與清華合作的穩定性是保證鴻富錦公司科研合作網絡正常發展的關鍵,同時該公司也應該重點發展與其他科研機構的合作伙伴關系。3合作網絡的穩定性問題本