面向企业技术创新决策的专利数据挖掘研究综述(下).pdf

I TA 岑咏华，王 曰芬，王晓蓉(1 南京理工大学 经济管理学院信息管理系，江苏 南京2 1 0 0 9 4；2 南京大学 信息管理系，江苏 南京2 1 0 0 9 3)面向企业技术创新决策的专利数据挖掘研究综述(下)术 4 专利组合战略分析 专利组合(P a t e n t P o r t f o l i o)的主要 目的是企业根据 所拥有专利的使用率与潜在价值，配合专利分析来寻找核 心技术，并以核心技术为中心，选择合理的专利项 目，建 构核心技术领域的专利组合，使竞争对手无法通过专利回 避进入市场。专利组合的创建和应用不仅要最大效应 发挥专利作用，并且要为企业决策提供一套科学合理的可 视化工具，使企业在决定专利 R&D的投资战略、技术转 移和商业化时能够依据科学指标进行动态监测。1 9 9 8年 H E r n s t 教授首次提出了运用组合方法来评 估企业的专利配置并将其应用于企业战略 R&D规划。H E r n s t 教授用图3所示的三维框架分析企业的专利组合。其中，横坐标用于评估企业的相对技术地位，采用企业在 某技术领域的专利强度(见表 1)与该技术领域 内最高专 利强度之比来测定。纵坐标为技术吸引力，是用该技术领 域的专利申请增长率来测定。第三个维度用圆圈的大小来 表示企业在相应技术领域的倾注力度，通过企业在某一技 术领域专利申请的数量除以企业在各个技术领域总的专利 申请量得出。技高 术 吸由 7 1 力 低 相对技术份额 圈 不 投 资 术 性 图 3 专利组合分析框架 图3所示框架可为企业高层管理者进行研发投资决策 提供有价值的信息，比如，企业应增加具有中高技术吸引 力和较高相对技术份额的技术领域(如 T F b)的研发投 入，相应地，应减少低技术吸引力和低相对技术份额的技 本文为万方数据技术研究院和南京理工大学“企业创 新服务”联合实验室合作项目 研究成果之一；受南京理工大学科研发展基 金项 目“面向企业技术创新决策的专利内容挖 掘研究”资助。一1 2 4 一 术领域(如 T F a)的研发投入。对于处在对角线的技术领 域应根据企业的经营战略 目标、资金和人才等情况作选择 性投资。对于技术吸引力高而企业相对技术份额低的技术 领域，企业可选择通过自主研发或通过购买、兼并等手段 来增加实力；如果该技术被确定为企业非核心战略领域，企业可以选择放弃。对于相对技术份额高而技术吸引力低 的技术领域，企业应根据对未来发展趋势的判断，选择继 续保持在该技术领域的优势，以为未来的竞争储存实力，或者通过出售为企业赚取利润。E r n s t 教授还将专利分析和市场分析结合起来，提出 了专利市场组合一体化分析框架。显然，E r n s t 教授所提出的专利组合分析框架是在专 利特征项统计分析的基础上完成的，其为企业选择和评估 技术创新的重点、创新模式提供了有效的决策视图。5 基于引证分析的技术关联挖掘 专利引证分析的主要目的是揭示不同专利之间的相互 引用关系，并进一步评价不同专利的影响力和新颖程度，评估企业 的技术实力。相关 的引证分析指标有 以下几 点。专利被引次数。某专利被后期专利引用的次 数。被引次数越高，说明专利质量越佳，对后期专利的影 响力越大。当前影响指数(C u r r e n t I m p a c t I n d e x，C I I)。指的是某企业前5年的专利被当年其他专利引用的平均频 次比上前5年所有专利被引用的平均频次得到的相对强度 值。某个企业专利的 C I I 值越高，表示该企业专利对现行 专利的影响程度愈高，该企业技术实力也越强。技术强 度。技术强度=某企业的专利量 该企业当前影响指数。该指标可用于评估某公司专利组合的力量。技术循环周 期(T e c h n o l o g y C y c l e T i me，T C T)。是指 某 企业在 某一 技 术领域内的所有专利与它们所引用专利之间的时间间隔的 平均值。T C T值越小，说明该企业能够运用最新的技术并 在此基础上更快地进行技术创新；反之说明该企业对技术 变化的反应较为迟钝。除此之外，引证活动的时间变化、地理变化、同共引 聚类也是专利引证分析的关注重点。Wi s d o m a i n公 司的 F o c u s t 系统、T h o m s o n公司的A u r e k a 系统都提供了专利引 第 3 3卷 2 0 1 0年第 2期 I TA 证树功能。美国 M C A M D O O R S专利信 息平台通过望远 镜子模块的“透视”图形，让用户能够清楚把握 目标专 利的引证线索，追溯相关技术发展历史。此外，该平台的 沙漏功能还可以通过横向时间条描述目标专利及与其有引 证关系的专利从申请到公告的历史。德国学者 S t e r n i t z k e等人 通过统计 分析 不同发 明人(申请人)之间的引证频次，借助于社会网络分析手段构 建发明人(申请人)之间的合作 网络，由此发现某个技 术领域内部的核心发明人，揭示专利创新主体的知识来源 和构成以及创新主体之间的桥接关系。图4所示的即为两 个发明人 N a k a m u r a 和 A k a s a k i 的合作网络，从中可以看出 较之于 N a k a m u r a，A k a s a k i 的创新活动更多地体现了不同 创新主体之间隐性知识的交互；此外，发明人 Y a m a d a则 充当了 N a k a m u r a和 A k a s a k i 之间的接口和桥梁。这种基于 引证的社会网络分析可以辅助企业技术创新过程中的人力 资源获 取、R&D合作 伙 伴搜 寻 和竞 争者分 析 等决 策 活动 。A THIsRuAMK ADA M 门软件，对大型科技文献数据库的主题词进行时间序列分 析、聚类分析等各种 自动分析，以发现科研的热点领域和 前沿领域，识别这些领域的研究专家。从理论上讲，与基于统计的专利分析方法相比，专利 内容挖掘更有助于从概念和内容的角度对专利文献中包含 的技术特征(术语、关键词等)进行更深层次 的分析，以测度不同专利文献之问的相似性，发现各种技术特征间 的关系、演变和发展趋势等，这种方式更有助于企业从微 观的角度把握技术创新细节，更高效地辅助企业技术创新 决策。国外已有一些软件开始尝试对专利内容进行挖掘，比 如韩国的 P L A S系统通过 自然语言剖析与 自动摘要技术，截取并摘要出单篇专利的应用方向、主要 目标、专利方 法、特色功效、重要 主题等，方便使用者的快速深度分 析 J。Wi s d o m a i n公司的 F o c u s t 系统的文本挖掘分析功能 也试图通过对用户所选择的专利文档进行语言学意义上的 分析和相似度计算，实现对专利的自动化和系统化聚簇，图4 基于引证分析的发明人合作网络 此外，还可以基于专利引证分析来计算某个技术领域 的专利从其申请到被引证之间的平均时间，从而根据技术 被利用的效率来测度技术生命周期。目前我国专利文献尚 没有引证项，因此，引证分 析更多地 针对 于国外专利 文献。6专利内容挖掘 本文所强调的专利 内容主要指的是专利名称、摘要、权利要求书、专利说 明书等 内容 中所蕴涵的技术创新信 息。专利 内容挖掘涉及专利文献 中与技术特征相关的概 念、术语、属性等知识单元的识别和抽取、知识单元相关 性测度、专利文献聚类、技术特征主题聚类、技术领域知 识库构建等。这些工作涉及文本挖掘相关的计算机文本信 息处理技术。实际上，由 A P o r t e r 教授领导的技术机会分 析(T e c h n o l o g y O p p o r t u n i t y A n a l y s i s，T O A)研究小组从 2 0 世纪 9 0年代初就一直致力于采用文本挖掘方法，应用专 慵报理论与实践 。A RI一户 n Y A s H I N l J 0T A H KAM I YAM A S 自动生成关键词树，并允许用户 扩展此关键词树来浏览和进一步 分析属于相关聚簇的一组专利文 档。T h o ms o n公 司 开发 的 A u r e k a 工具同时也是一个强大的文本分 析工具。用户可利用 A u r e k a搜 索与所关注领域相关 的专利文 档，由 A u r e k a基 于 文 本 挖 掘 的 方式自动识别这些文档中所包含 的主题和概念层次体系，生成如 图5所示 的技 术地 形 图。图 5 中，与某个主题术语相关的专利文档越多，该术语在地形 图中的海拔就越高，术语所在的区域面积就会越大。主题 术语之间的距离表示这些术语之间的相关程度。图 5 Mi c r o P a t e n t A u r e k a 专 利地形 图 一1 2 5 一 K 6 S 一 I TA Y G K i m等提出了一种基于技术特征(主要考虑专 利关键词)和出现时间的专利分析方案。其首先针对 目标技术领域的专利文档抽取关键词，然后对这些文档基 于 K m e a n s 进行聚类，用文档中所包含的关键词替代聚类 结果中的每一个文档，根据关键词在不同类中的出现特征(共现特征)，形成了关键词的语义网络。然后考察每一 个关键词的最早出现时间，将关键词语义网组织到时间轴 上，即按每个关键词的出现时间布局其在 轴方向上的位 置。同时考察每个关键词在所有专利文档中的出现频次，按照每个关键词的文档频次布局其在】，轴方向上的位置。确定 了关键词在时问、频次二维空间上的位置后，再按照 前面所得到语义网络将相关联的技术特征连接起来，形成 如图 6 所示的技术特征演变、关注和关联图，从而为进行 相关领域的技术创新活动，发现技术创新的种子技术、替 代技术、热点技术和前沿技术以及进行技术演变趋势预测 提供参考。图 6 技术特征演变、关注和关联图 的专利文档。从专利文档中抽取技术术语或关键词作为 技术领域的特征表示，同时确定这些技术术语的文档分布 密度(即使用该术语的文档数量)。将不同技术术语在 同一篇文档中出现称为共现(C o O C C H lq c e n c e)。统计不 同 术语之间的共现的文档频次和共现总次数，并基于此计算 术语之间的关联程度或者距离。根据技术术语之间的关 联程度(距离)将术语分布到二维图中；同时通过颜色 区分不同术语的文档分布密度，红色表示高文档分布密 度，蓝色表示低密度。如此得到技术热量图，以反映某个 领域内的技术特征分布，进而为识别热点技术、关联技术 提供参考。当针对整个文档集合确定了不同术语在二维图 中的位置后，对于企业技术创新决策者来说，可以针对本 企业和竞争对手或者 M&A目标企业分别考察各技术术语 的文档密度，以得到各个企业的技术热量图，然后通过比 较不同企业的热量图，为本企业进行新技术领域进入和扩 张、弱势领域覆盖和修正(增强)、低效部门的售出等专 利组合战略提供支持，其中包括选择在技术上与本企业互 补的企业作为 M&A的 目标，选择弱势部 门或者技术作为 出售或者许可的目标等。图7所示的例子即为基于专利热 量图考察合并之前的 K o n i c a和 M i n o l t a公司的技术状态，可以看出通过 M&A，合并之前的两个企业在技术上高度 互补。这也从技术层 面上反映 K o n i c a 公司收购的 Mi n o h a 公司的战略意义。F e l d m a n等人通过研究不同时段的技术特征词语分布 的变化来检测不 同时间上技术的突变规则 j。刘玉琴等 人提出了基 于文本挖掘技术的产品技术 成熟度预测思 路，其通过文档相似度来测度专利之间的相似度，并 且基于专利相似度的专利新颖度的测度模式：给定相似水 M jn o l t a 基于专利热量图的 K o n i c a 和 M i n o h a 公司并购分析 N o m u r a R e s e a r c h I n s t i t u t e 研究了一种通过专利文本挖 掘和专利热量图的方式辅助 M&A专利组合战略决策的工 具。其基本处理方式如下：首先收集 目标技术领域 1 2 6 平，专利 P的技术新颖度为：N o v (P)=e T 其中 表示专利数据库 中申 请时问在 P之前，与 P相似度大 于等于 O t 的专利数量，函数f()=e 一 寺 称为新颖度度量函数。同时 可以通过下面的方式计算某个技 术领域内所有专利的平均技术新 颖度：N o v (P )No =旦 然后，对某个技术领域(通过若干篇专利表示)的平 均技术新颖度的变化结合专利数量的变化等拟合专利成熟 度 s曲线。这种方法的理论依据是：专利数据库中与某件 第 3 3卷 2 0 1 0年第 2期 I TA 专利相似的其他专利数量越多，该专利的新颖性越差；反 之，新颖性越高。专利新颖度类似于专利引文，可反映专 利质量等级，但专利引文考察的是某件专利对后 申请的专 利的影响，新颖度考察的则是某件专利受先前专利 的影 响。由于新兴技术缺少引文记录，且我国专利不含引文信 息，故专利引证分析的应用受到一定的限制，而上述新颖 度测度方法则克服了这方面的不足，力图从数据本身寻找 潜在 的、客观 的、量化 的规律。总之，已有的专利内容挖掘研究大多针对小批量专利 数据进行分析实验，对于每一条专利文档的特征表示更多 是通过关键词或者人工标引的词语来完成，缺乏面向不同 领域的通用性。再者，相关研究缺乏从企业技术创新全周 期的考虑，试图从孤立的角度来解决相关问题。就中文专利文献的内容挖掘来说，对于其内容的利用 存在着天然的屏障：不考虑中文专利文献中所包含的图片 信息，其中文文本信息因为缺乏那些以通过空格隔开的单 词序列为特征的语种信息在计算机化信息处理方面的天然 便利，处理工作显得困难重重，这其中首先要做的工作是 如何对中文专利文本信息进行自动词语切分，如何对切分 的歧义进行处理，如何识别和提取中文专利文本信息中所 包含的技术特征术语、概念、技术特征词语，等等。目 前，关于领域术语的识别和提取研究大多没有取得最理想 的效果。帅-4 8 。对于专利文献、发明人以及专利文献中所包含的技术 特征等之间的关系，还可以借助于领域本体予以有效地组 织。本体(O n t o l o g y)方法是一种旨在对工程对象及其间 复杂关系进行完整描述的理论体系和计 算机实现技术。N e c h e s 等人指出：“本 体定义了包含领域词汇的基本术语和关 系，以及用于组合术语和关系来定义词 汇外延的规则”l 4 。P e r e z等人归纳了 本体包含的5种基本建模元语：类，关 系，函数，公理和实例。将本体引 入到技术创新决策中，有助于构建出包 容人类已有的发明成果和科技知识的知 识库，有助于建立创新问题与解决方案 之间联系，从而为用户提供了一个转变 思维方式、拓展思维空间的知识平台。其中，本体中的类可以理解为技术创新 活动中的技术特征，关系则可理解为技 术特征之间的关联，实例则可以理解为 与这些技术特征相关的专利或者部 件 等。目前国内已有北京亿维讯科技有限 公司在进行基于 T R I Z和领域本体的计 情报理论与实践 企 业 技 术 创 新 决 策 算机辅助创新设计平台相关的探索。7 总结与下一步的研究工作 总之，在企业技术创新行为和方法研究基础上，结合 专利信息的特征、维度与获取方案，从 目标和手段层面构 建基于专利挖掘的企业技术创新全周期决策支持方阵，识 别企业在技术创新全周期的每一个阶段 的决策 目标 和需 求，明确基于专利数据挖掘从专利特征项统计分析、专利 组合战略分析、专利内容挖掘等角度对这些决策 目标进行 支持的各种实现手段和技术原理，进而设计并实现一套企 业技术创新决策支持系统，将是一项具有重大现实意义的 研究课题，这也是 笔者所 在项 目组下一步致力 实现的 目标。基于前面对企业技术创新过程的阐述以及对国内外关 于专利数据挖掘的综述，本文将企业技术创新全周期中每 一个阶段及其决策需求与目标，以及基于专利统计挖掘和 内容挖掘的决策支持手段初步整理如表 3所示的方阵。就表 3中各种具体的企业技术创新决策支持问题的技 术实现方案来说，笔者提出如图 8所示的技术路线与系统 框架。目前笔者所在项 目组正在针对图 8所示系统框架进行 设计和实现。其中，针对专利内容挖掘功能的实现，笔者 将基于项 目组前期所开发的分词系统 和术语提取系统 对专利文本信息进行分词、术语识别等预处理技术，然后 针对每一条专利记录进行技术特征抽取和技术特征表示，构建专利技术特征映射矩阵、发明人技术特征映射矩阵 可视 化与 挖掘 结果 描述 专利特征项统计分析 豳图 圉 统计模型知识 专利 内容挖掘 豳图 图 8 基于专利挖掘 的企业技术创新决策支持 的总体技术路 线 一1 27 一 一一一一一一一一一一一 墓 一1 一 一乱一 一 一 一 一 一 一 一 一五口 一 一 一 一 一 一 一 一 譬 I TA 表 3 企业技术创新全周期决策支持方阵 技 术 技 术 创 新 决 策 基 于 专 利 挖 掘 的 技 术 创 新 决 策 支 持 手 段 创新 需求与目 标 统计挖掘层面 内 容挖掘层面 竞争对手识别、监控与 评估；专利质量与专利强度 基于领域专利文档相 企业技术实力评估；似度测度的专利新颖 企业专利组合战略分析；评估；技术评估 专利组合矩阵构建；度和成 熟度测度；技术成熟度评估；技术评估指标体系构 种子技术、替代技 核心技术识别；建与 统计 分析 术、热点技术和前沿 技术趋势预测；技术分析 技术空白点 识别等 技术创 新 技术引进、M&A、专利 基于 不同 创新主体专 战 略联盟的机会识别与 利技术特征聚类的技 模式选择 术 l 进、M&A和技 评估 术许可的决策分析 发明人组合分析；发 技术创新 人 才 弓 I 进 明人合作社会网络 能 力 获 取 构建 技术创新 关联挖掘和领域本体 问 题求解 技术创新问题求解 构建 技术侵权 基于专利内容相似度 规避与保 侵权和专利地雷识别；反 测度的侵权规避和反 侵权识别 护 侵权识别 基于不同创新主体专 技术利用 专利许可、技术转让的战 利技术特征聚类的技 与外化 略分析 术 进、M&A和技 术 许可的决策 分析 等，同时基于潜在语义分析(L S A)模型 对这些矩阵 进行降解处理，进而基于余弦相似度、皮尔森相似度等方 式对专利文献中知识单元(专利文献、发明人、技术特征 等)的相似度进行测度，在相似测度的基础上对专利文 献或者技术特征进行聚类，构建技术创新本体。解决了上 述技术问题后，再在这些挖掘处理与具体企业技术创新问 题之问建立映射。口 参考文献 3 O P O L L E R I K N E v a l u a t i n g p a t e n t p o r t f o l i o s-a d a n i s h i n i t i a t i v e J Wo r l d P a t e n t h ff o r m a t i o n，2 0 0 4，2 6(2)：1 4 3 1 4 8 3 1 刘婷婷，朱东华 基于专利投资组合理论的专利战略研究 J 情报杂志，2 0 0 6(1)：8-9 3 2 靳霞，朱东华，刘志强 基于专利信息的专利战略决策支 持研究 J 科技和产业，2 0 0 5，5(1 1)：5 7-5 8 3 3 H O L G E R E P a t e n t p o r t f o l io s f o r s t r a t e g i c R&D p l a n n i n g J J o u r n a l o f En g i n e e rin g a n d T e c h n o l o g y Ma n a g e me n t，1 9 9 8，1 5 (4)：2 7 9 3 0 8 3 4 罗式胜 文献计量学概论 M 广东：中山大学 出版 社，1 9 9 4 f 3 5 K UR T O S S Y J I n n o v a t i o n i n d i c a t o r s d e ri v e d f r o m p a t e n t d a t a J P e r i o d i c a P o l y t e c h n i c a S e r S o c Ma n S c i ，2 0 0 4，1 2(1)：9 1 1 O 1 一1 2 8 一 3 6 赵黎明，高杨，韩宇 专利引文分析在知识转移机制研究 中的应用 J 科学学研究，2 0 0 2，2 0(3)：2 9 7-3 0 0 3 7 Y a n g Y u n y u n，A k e r s L，K l o s e T，e t a1T e x t mi n i n g a n d v i s u ali z a t i o n t o o l s-i m p r e s s i o n s o f e me r g i n g c a p a b i l i t i e s J Wo r l d P a t e n t I n f o r ma t i o n，2 0 0 8(3 O)：2 8 0-2 9 3 3 8 S t e r n i t z k e C，B a r t k o w s k i A，S c h r a mm R V i s u a l i z in g p a t e n t s t a t i s t i c s b y me a n s o f s o c i a l n e t w o r k a n a l y s i s t o o l s J Wo d d P a t e n t I n f o r m a t i o n，2 0 0 8(3 0)：1 1 5 1 3 1 3 9 P o rt e r A L，C u n n i n g h a m S WT e c h m i n i n g：e x p l o i t i n g n e w t e c h n o l o g i e s for c o m p e t i t i v e a d v a n t a g e M Ho b o k e n，N J ：W i l e y，2 0 0 5 4 0 U s i n g h y p e r b o l i c t r e e s t o v i s u a l i z e d a t a g e n e ra t e d b y p a t e n t c e n t r i c and g r o u p o r i e n t e d d a t a p r o c e s s i n g P U S P a t e n t：U S 6 3 3 9 7 6 7 4 1 j h t t p：s c i e n t ifi c t h o m s o n r e u t e m c o rn m e d i a g m s c o r p p d f s a u r e k a p d f f 4 2 Y O U N G G i l K i m。J O N G H w a n S u b S A NG C h a n P a r k Vi s u al i z a t i o n o f p a t e n t a n a l y s i s f o r e m e r g i n g t e c h n o l o g y J E x p e rt S y s t e ms wi t h Ap p l i c a t i o n s，2 0 0 8，3 4：1 8 0 4-1 8 1 2 4 3 M I Y A K E M，M U N E Y，H I M E N O K S tr a t e g i c i n t e l l e c t u a l p r o p e r t y p o r tfo l i o ma n a g e me n t：t e c h n o l o g y a p p r a i s al b y u i n g t h e “t e c h n o l o gy h e a t ma p”R N o mu r a R e s e a r c h I n s t i t u t e P a p e r s，2 0 0 4：8 3 4 4 j F E L D M A N R，D A G A N I M i n i n g t e x t u s i n g k e y w o r d d i s t r i b u t i o n s J J o u rn a l o f I n t e l l i g e n t I n f o r m a t i o n S y s t e m s，1 9 9 8，1 0：2 81-3 0 0 4 5 刘玉琴，朱东华，吕琳基于文本挖掘技术的产品技术成 熟度预测 J 计算机集成制造 系统，2 0 0 8，1 4(3)：5 0 6-51 0，54 2 4 6 刘建舟 术语 自动抽取系统的设计及关键技术研究 D 武汉：华 中师范大学，2 0 0 4 4 7 张锋，许云，等基于互信息的中文术语抽取系统 J 计算机应用研究，2 0 0 5(5)：7 2-7 3，7 7 4 8 贺敏，龚才春，等 一种基于大规模语料的新词识别方法 J 计算机工程与应用，2 0 0 7，4 3(2 1)：1 5 7-1 5 9 4 9 N E C H E S R E，F I K E S T F，e t a1E n a b l i n g t e c h n o l o g y fo r k n o w l e d g e s h a r i n g J A I M a g a z i n e，1 9 9 1，1 2(3)：3 65 6 5 O P E R E Z A G，B E N J A MI NS V R O v e r v i e w o f k n o w l e d g e s h a r i n g a n d r e u s e c o mp o n e n t：o n t o l o g i e s a n d p r o b l e m-s o l v i n g me t h o d s C P r o c e e d i n g s o f t h e UC A I-99 Wo r k s h o p o n O n t o l o g i e s a n d P r o b l e m s o l v i n g Me t h o d s(K R R 5)，1 9 9 9：1-1 5 5 1 岑咏华 一种基于多重哈希词典和 K一最 短路径算法的 中 文粗分词方 案 研 究 J 情报 理 论 与 实 践，2 0 0 9(3)：1 1 O l 1 4 5 2 岑咏华，韩哲，季培培 基于隐马尔科夫模 型的中文术语 识别研究 J 现代图书情报技术，2 0 0 8(1 2)：5 4-5 8 5 3 D E E R W E S T E R S，D U M A I S S T，F U R N A S G W e t a1 I n d e x i n g b y l a t e n t s e m a n t i c s a n a l y s i s J J o u r n a l o f t h e A m e ri c a n S o c i e t y f o r I n f o rma t i o n S c i e n c e，1 9 9 0，4 1(6)：3 9 1 7 作者简介：岑咏华，男，1 9 7 9年生，讲师，博士生。王日芬，女，1 9 6 3年 生，教授。王晓蓉，女，1 9 7 6年生，讲 师。收 稿 日期：2 0 0 90 81 3 第 3 3卷 2 0 1 0年第 2期