引用本文
夏向阳, 肖文. 社会科学领域国际专利信息研究的知识图谱分析[J]. 浙江大学学报(人文社会科学版), 2020,5(6): 64-77
Xia Xiangyang, Xiao Wen. Mapping Knowledge Domains of International Patent Information Research: Social Science Perspective[J]. JOURNAL OF ZHEJIANG UNIVERSITY (HUMANTIES AND SOCIAL SCIENCES), 2020,5(6): 64-77  
DOI:10.3785/j.issn.1008-942X.CN33-6000/C.2019.07.253
Permissions
Copyright©2020, 浙江大学学报(人文社会科学版)
浙江大学学报(人文社会科学版) 所有
社会科学领域国际专利信息研究的知识图谱分析
夏向阳1,2, 肖文1,2
1.浙江大学 经济学院, 浙江 杭州 310027
2.浙江大学宁波理工学院 商学院, 浙江 宁波 315100

[作者简介] 1.夏向阳(https://orcid.org/0000-0002-9057-1207),男,浙江大学经济学院博士后研究人员,浙江大学宁波理工学院商学院副教授,管理学博士,主要从事知识产权管理与信息经济学研究; 2.肖文(https://orcid.org/0000-0002-9063-8459),女,浙江大学经济学院、浙江大学宁波理工学院商学院教授,博士生导师,经济学博士,主要从事国际经济学研究。

收稿日期: 2019-07-25
基金: 国家社科基金项目(19BJY178)
摘要

专利信息作为科技创新动力源泉和科技竞争利器,受到国内外学者的高度关注,这方面的研究文献与日俱增,但很少有文献对专利信息的研究基础、热点和趋势进行综合研判。基于WoS核心合集数据库社科领域专利信息研究文献的知识图谱分析表明,国际专利信息研究文献总体呈较快增长态势,韩国、中国台湾地区和中国大陆的机构及学者是重要研究力量,B.H.Hall团队为知识基础突出贡献者;新兴技术预测、技术机会发现和技术趋势识别是知识基础,也将是未来的研究重点,主要研究趋势是从关注研发向技术机会发现与预见转变。基于此,应将本土力量培育与国际合作相结合,深入应用知识图谱工具,加快智库建设,建立全链条创新激励机制,全面提高企业知识产权尤其是专利保护水平。

关键词: 社会科学; 专利信息; 知识图谱; CiteSpace; 知识产权保护
Mapping Knowledge Domains of International Patent Information Research: Social Science Perspective
Xia Xiangyang1,2, Xiao Wen1,2
1.School of Economics, Zhejiang University, Hangzhou 310027, China
2.Business School, Zhejiang University Ningbo Institute of Technology, Ningbo 315100, China
Abstract

With the increasingly drastic competitions in science and technology, patent information as the world’s largest source of technical information has become an impetus for scientific and technological innovation, as well as a powerful weapon in technological competition, attracting close attention from scholars all over the world. Related scientific literature has thus been increasing rapidly ever since. However, few scholars have conducted a comprehensive research or assessment of the intellectual bases, research hotspots and cutting-edge trends of international patent information studies. In view of this, patent information research literature, which was collected from SCI and SSCI databases of the Web of Science (WoS) between 1998 and 2018, was studied in this paper, with a focus on five subdivisions of management, economics, business, business finance, and information science library science. The knowledge units of the patent information research literature in social sciences and the relationship between them were visualized by using the bibliometric method and mapping knowledge domains with the CiteSpace software, to demonstrate the international patent information research cooperation network and the co-citation network, keyword co-occurrence network, keyword burst. The intellectual bases of international patent information research were identified through an in-depth analysis of cited documents with high co-citation; key words of high frequency and high quality was analyzed to estimate the hotspots of international patent information researches; burst keywords were studied to determine the evolvement of international patent information researches. At the same time, the paper also offered a panorama of international patent information research articles, major authors and institutions.
The main findings of this paper are summarized as follows. (1) The international patent information scientific literature in the social sciences has shown a rapid growth since 2005. The results of cooperation networks show that institutions of higher learning from South Korea and China are important forces in international patent information studies. Among them, Seoul National University of Korea plays a key part in the studies on patent information. (2) The intellectual bases of patent information studies include market value and patent citations, discovery and prediction of emerging technologies, emerging technologies and patent analysis methods, patent information visualization, SAO-based patent network analysis, discussions on the relation between the patent system reform and patent information, etc. B.H.Hall’s team from the University of California at Berkeley is the most outstanding contributor to the intellectual bases. (3) Research hotspots based on high-frequency keywords focus on patents, innovation, research and development, information, technology and performance and so forth. The trend based on burst keywords has evolved from patents, technologies, innovations and indicators in the early years to quality, search, mobility, knowledge flow, trend, morphological analysis and products in recent years, which shows a shift from macro-interpretation to micro-application, from information to the knowledge flow, from developed areas to developing ones. With the rapid growth and accessibility of patent application and citation data, we have every reason to believe that emerging technology prediction, technology opportunity discovery and technology trend identification will be the focal points in the studies on patent information.
Our research offers the following implications and suggestions: (1) The patent affairs authority should speed up the construction of China’s patent information think tanks by focusing on the enterprise intellectual property risk prevention. (2) Enterprises should comprehensively improve the level of intellectual property protection by using mapping-knowledge-domains-based international cooperation in patent information researches as a booster. (3) The State Intellectual Property Authority should further promote the application of mapping knowledge domains with the goal of establishing a full chain incentive mechanism for innovation.

Keyword: social science; patent information; mapping knowledge domains; CiteSpace; intellectual property right protection

“ 发展是第一要务, 人才是第一资源, 创新是第一动力” , 三者共同作用的重要产物和集中体现则是专利。专利信息是世界上最大的技术信息源, 它“ 覆盖了世界90%以上的科技研究成果” [1]210, “ 80%的发明创造只在专利文献中记载” [1]Ⅸ , 可见专利信息已经成为“ 科技创新的动力和源泉” [1]Ⅸ 。在微观层面上, 通过对专利信息的识别、挖掘与分析利用, 企业既可以发现竞争对手, 监测竞争对手的市场策略[2], 又可以通过有组织有计划的专利活动, 向外界释放有利于其获得政府资助和外部融资的信号[3, 4]; 同时, 在信息不对称的环境中又可以迷惑竞争对手[5], 开展技术预见[6], 发现技术创新机会[7]和预测新兴技术[8]。在这种意义上讲, 专利已不仅仅是专利权本身[3, 4, 9], 不再仅仅作为保持技术领先的工具, 更应成为增强企业竞争优势、创造新价值的武器[10, 11]。在科技竞争日趋剧烈、专利信息研究文献与日俱增的今天, 为尽快明晰全球专利信息研究重点, 服务创新型国家建设、企业竞争和科学研究, 我国学者不仅需要重视国内专利信息研究的回顾与展望, 更要注重对国际专利信息研究的知识基础、热点动态的识别与跟踪。

在运用知识图谱分析国际专利信息研究方面, 我国学者已做了有益探索[12], 如探测到国际专利信息研究主要热点为专利本地化和医药专利, 其数据源为Web of Science(WoS)核心合集SCI-EXPANDED、SSCI、CPCI-S等数据库, 集中于研究热点探测, 涵盖检索关键词较多。在距离2008年我国颁布实施《知识产权战略纲要》已逾十年的今天, 世界专利实务与研究形势已经发生了巨大变化, 国际专利信息研究的热点是否已经出现了新的变化?现今的研究趋势如何?社会科学领域专利信息研究的侧重点是什么?基于这些疑问, 本文在前人专利知识图谱分析[13, 14, 15]的基础上, 重点选择SCI和SSCI数据库中的管理学、经济学、商学、商业金融、图书情报五个细分领域, 以其中1998— 2018年间收录的“ 专利信息” (patent information)文献为研究对象进行研究, 以期为社会科学领域尤其是商科专利信息研究及知识图谱应用提供参考和借鉴。

一、 数据来源与研究方法

为揭示社会科学领域国际专利信息研究的整体情况, 本文选择国际权威数据库WoS核心合集之SCI和SSCI数据库作为数据源, 以TS=(“ patent information” )为主题检索式, 以1998— 2018年为时间范围, 文献类别限定在管理学、经济学、图书情报、商学、商业金融五个细分领域, 精炼保留论文(article)和综述(reviews)文献, 共得到文献题录数据1 077条, 除重后实得文献题录数据为1 075条。检索时间为2019年2月22日。

本文运用文献计量学方法, 通过绘制科学知识图谱, 对1998— 2018年间社会科学领域国际专利信息的研究成果进行了系统梳理和多角度剖析。使用的信息可视化工具为美国德雷克塞尔大学(Drexel University)陈超美教授开发的CiteSpace软件, 该软件主要基于共引分析理论和寻径网络算法, 通过共现分析、文献共被引分析和共现网络分析, 实施特定领域的文献计量分析, 绘制系列可视化图谱, 探寻该学科领域的演化关键路径及知识拐点, 识别研究领域的知识基础、研究热点与研究前沿, 洞察学科演化动力机制[16, 17, 18], 实现“ 改变看世界方式的核心功能” [16]243。本研究主要通过该软件的“ 共词分析” “ 文献共被引” “ 突现检测” 等功能, 从主要作者和机构、高共被引文献、高频关键词、突现关键词等方面展开国际专利信息研究的知识图谱分析。软件版本为CiteSpace V, 时间切片为1年, 阈值设置为(2, 2, 20)、(2, 2, 20)、(4, 3, 20)。

二、 社会科学领域国际专利信息的研究现状
(一) 国际发文量年份分布

文献数量分布在一定程度上可以刻画出某一领域当前的研究水平和未来的发展趋势。图1所示为1998— 2018年社会科学领域国际专利信息研究论文发表数量的变化情况。从图1可以看出, 1998— 2005年, 论文发表数量增长较为缓慢, 每年发文量在20篇上下徘徊; 2006— 2011年, 论文发表数量呈现较快的增长态势, 年度论文发表总量从23篇增长到58篇; 2012年出现明显增长, 2013年跃升到81篇; 2012— 2016年期间虽有增长, 但仍在80篇上下徘徊; 2017年突增到了119篇, 增长速度迅猛, 但2018年又下降到了95篇。从发展趋势来看, 2005年至今, 论文发表数量总体呈现增长态势, 说明专利信息研究已经日益受到社会科学领域的高度关注。

图1 社会科学领域国际专利信息研究论文发表数量年份分布(① 根据所选WoS核心合集数据库数据, 作者利用Excel软件绘制。)

(二) 国际专利信息研究的主要作者和机构

表1是根据发文量筛选出的12位国际专利信息研究的活跃作者, 他们在1998— 2018年的发文数量均为4篇及以上, 属于专利信息研究高产作者。其中, 首次发文时间最早的是2007年, 最晚的是2016年。在这份名单中, 韩国的Sungjoo Lee和Yongtae Park是国际专利信息研究领域最高产的作者, 数量分别为12篇和11篇; 韩国、中国台湾和中国大陆作者是国际专利信息研究的主力军, 其中韩国作者有5位, 占比最大。

表1 社会科学领域国际专利信息研究高产作者统计

从表2可以看出, 贡献论文数量最多的是韩国首尔国立大学, 表1的Yongtae Park、Changyong Lee即该校的骨干作者; 美国佐治亚理工学院排名第二, 但表1高产作者名单中并未出现该校作者, 说明该校作者的发文相对分散; 韩国亚洲大学排名第三, 是社会科学领域国际专利信息研究的重要力量, 该校的Sungjoo Lee居高产作者榜首; 比利时鲁汶大学、意大利博洛尼亚大学、美国国家经济研究局也是国际专利信息的研究重镇, 较早就开始对专利信息进行系统研究, 研究成果较为丰硕。从首次发表年份来看, 中国台湾大学日益成为国际专利信息的重要力量, 陈达仁(Darzen Chen)和黄慕萱(Muhsuan Huang)团队值得关注; 中国北京理工大学、西班牙马德里卡洛斯三世大学则是2011年以后新兴的专利信息研究力量。

表2 社科领域国际专利信息研究主要发文机构统计
三、 国际专利信息研究的知识基础识别、研究热点研判与演进趋势研判
(一) 知识基础识别: 基于高共被引文献的分析

知识基础是某领域研究前沿在科学文献中的引用轨迹[19]。为识别社科领域国际专利信息研究的知识基础, 本文利用CiteSpace软件, 选择“ citedreference” 进行文献共被引网络分析, 绘制国际专利信息研究文献共被引网络知识图谱。

图2呈现出来的重要文献构成了国际专利信息研究最重要的知识基础。图中节点沿水平时间轴从左至右不断演进, 说明学者们对这一主题的兴趣随着时间逐渐增强; 引文年轮越大, 说明其在该研究领域中的影响力越大。表3列出了前11篇高共被引文献, 被引次数均在14次及以上, “ 作者” 一栏均为第一作者。结合图2和表3可以看出, 国际专利信息研究影响力较大的时期为2001年延续至今, 高共被引文献主要集中在这一时期。对表3中的11篇高被引文献的内容分析如下:

图2 社科领域国际专利信息研究文献共被引网络知识图谱

发表年份最早的是2001年B.H.Hall教授和R.H.Ziedonis教授合作发表于《兰德经济学杂志》上的《专利悖论再审视:美国半导体行业1979— 1995年的专利行为实证研究》[20]。该文首先提出, 以往的调查证据显示制造企业并未仰赖专利从研发中获取独占收益, 然而20世纪80年代中期以来, 半导体企业的专利倾向却急剧提升, 二者的鲜明反差形成了一个专利悖论。以此为起点, 两位作者选择技术变革迅速和创新累积性强的半导体行业作为研究对象, 以1979年至1995年为时间范围, 实证分析了95家半导体企业的专利行为, 结果表明专利悖论源于20世纪80年代美国的强专利保护法治环境变化, 正是这一变化引发了资本密集型企业的“ 专利组合竞赛” 和专利密集型专业设计公司的兴起; 同时, 他们强调在创新需要内在渐进式积累的环境中, 相对于仅仅通过专利达到独占研发收益目的, 企业更依赖于综合性的创新收益独占机制, 这在一定程度上驳斥了Levin等[21]、Cohen等[22]关于“ 专利作为研发收益独占机制的相对无效性” 的结论。

表3 文献共被引网络中的高共被引文献统计

B.H.Hall教授是高产和高被引文献作者。她在2005年领衔发表的《市场价值与专利引用》[23]的被引频次高达42次, 属于经典共被引文献。该文以企业研发作为一种投资活动, 其产出是重要的无形资产, 因而可以作为企业知识存量。论文根据企业无形知识资产存量在证券市场上的估值, 利用1963— 1995年的专利及其引用数据, 对专利引用作为企业专利重要性的测度工具和作为研发成功代理变量的有效性进行了实证分析。结果显示, 专利引用每增加1次, 市场价值会提高3%; 不可预测的引用比可预测的引用效果更为明显; 有意思的是, 自引用比外部引用具有更高的价值。

A.Jaffe与J.Lerner两位教授于2004年出版的《创新及其不满:专利体系对创新与进步的危害及对策》[24]XIII共被引14次。该书认为, 在美国专利制度变得越来越麻烦而经济分析又不支持废除专利的情况下, 缺乏充分的现有技术信息, 致使专利审查员审核失误, 低质量专利频频出现。建立能够弥补该失误的司法系统, 关键是激励企业主动提供更多的现有技术信息, 使专利审查员能够得出较为合理的审查结论, 确保专利的高质量。事实上, 该书揭示的是专利信息对改革专利制度、推进持续创新的重要作用。

2006— 2009年间, 高共被引文献共有6篇, 其中2006年和2008年各1篇, 2007年和2009年各2篇。2006年波兰国立大学T.U.Daim等学者发表的《新兴技术预测:文献计量学与专利分析的应用》[25]申明了这样一个观点:预测新兴技术的出现必须依靠充分而有用的历史数据, 而专利文献的不断涌现为此提供了源头活水, 文献计量学和专利分析方法则为技术预测提供了有效的基础方法。该文通过案例再次验证了文献计量学和专利分析方法的引入确实弥补了传统系统动力学在技术预测上的不足。实际上, 该文在探讨专利文献与信息挖掘方法的基础上指出了专利信息对预测技术发展方向的重要意义。

2007年, 中国台湾地区的Y.H.Tseng等学者发表的《专利分析中的文本挖掘技术》[26]指出, 专利文献蕴含着重要的技术信息, 但内容冗长且技术术语偏多, 人工分析费时费力, 而自动化分析工具可以协助专利工程师或决策者进行充分的专利分析; 该文还探讨、评估了一系列适合专利分析师使用的文本挖掘技术, 证明了该方法比现有分类系统更有效。同年, D.Sen和Y.Tauman发表论文《降低创新成本的一般许可计划》[27], 以“ 许可是扩散创新的一个有效途径” 为基本观点, 探讨了创新激励古诺垄断与激发创新完全扩散的现实困境问题。实际上, 他们探讨的是专利权垄断与创新成果社会利益最大化的关系, 其中专利信息的充分挖掘不可或缺。

2008年, 韩国的Y.G.Kim等学者发表了《新兴技术专利分析的可视化》[28], 着重探讨了识别技术进步的可行方法— — 专利信息可视化, 并针对当前专利信息可视化方法的不足, 提出了基于关键词语义网络构建的、更加清晰的专利信息可视化改进方法, 此方法有利于了解新兴技术的进步并预测其未来趋势。2009年, 韩国的S.Lee等发表了《发现新技术机会的方法:基于关键词的专利地图方法》[29], 提出了一种创建和利用基于关键字的专利地图方法, 用于预测新技术创造活动。同年, S.Lee等发表的《基于技术能力的商业规划:以技术路线图绘制为目的的专利分析》一文[30], 通过聚焦企业如何根据其技术能力寻找新的商业机会来响应技术驱动型企业的内在需要, 提出技术路线图绘制流程, 认为应将技术路线图绘制技术与专利分析有机结合起来, 使其发挥互补作用, 有效提高技术路线图的客观性和可靠性。

2010年以后, 连续出现两篇比较有影响力的高共被引计量类文献。一篇是S.Choi等2011年发表于Scientometrics的论文《用于技术趋势识别的专利SAO网络分析:聚合物电解质膜技术在质子交换膜燃料电池中的应用实例研究》[31]。该文提出了一种利用功能概念对技术趋势识别专利进行“ 主体— 行动— 对象” (SAO)网络的分析方法, 弥补了基于关键词的技术趋势识别方法的缺点, 并通过相关的专利案例研究证明了SAO网络的有效性。另一篇是N.Bloom等2013年发表于Econometrica的论文《技术溢出与产品市场竞争对手的识别》[32]。该文针对经济学界持续讨论三十年的中心议题“ 研发溢出效应对企业绩效增长的影响” , 以专利为知识的衡量指标, 探究了企业绩效与两个反补贴溢出效应影响之间的互动关系, 结果显示, 知识在企业中的地位越重要, 则专利也会越多; 并且强调了专利引用的重要性。

这些高共被引文献从明晰专利对企业创新收益独占、市场价值评估的重要性, 到探讨专利制度改革, 再到新兴技术预测、技术机会发现与识别、企业技术路线图绘制, 无不说明专利信息对现代经济社会的独特价值。此外, 从高共被引文献年代时序看, 专利信息用于新兴技术预测日益成为主流议题。

(二) 研究热点研判: 基于高频关键词的分析

关键词是文献核心内容的高度凝练, 能够反映文章的主题概念和思想, 因此, 高频关键词的统计和分析多用于学科领域内研究热点和重要主题的确定[33]114[34]23。CiteSpace软件可以基于词频分析法对文献关键词的出现频次以及不同关键词之间的共现频次进行统计分析, 并以知识图谱的形式将关键词频次和聚类关系清晰地展现出来, 以揭示文献中少数具有较强解释意义的关键点, 而这些点正是识别某一学科领域研究热点的关键所在。

根据这一思想, 本文利用CiteSpace软件对1998— 2018年国际专利信息研究文献中出现的关键词频次进行统计, 以审视该领域不同阶段的研究热点及其演进结构。运算结果如图3所示, 关键词共现网络共有节点词277个, 这些节点词被界定为高频热点关键词。从图3中可以看到, 整个关键词共现知识图谱以“ research and development” “ innovation” “ patent” “ information” “ firm” “ technology” 为中心构成一个高频关键词网络, 较大的节点则是出现频次较高的关键词, 这些高频关键词在某种程度上代表了1998— 2018年国际专利信息研究学界关注的热点问题。

图3 国际专利信息研究关键词共现知识图谱

表4是1998— 2018年排前10位的高频关键词和高中心性关键词。排在第一位的高频关键词是“ innovation” , 出现频次为379次; patent和information分列第二、三位。排在第一位的高中心性关键词是information, 其中心性为0.12; innovation和patent并列第二位, 中心性均为0.09, 这充分说明专利信息与创新已经形成了“ 命运共同体” , 是相伴而生的关系。专利因创新而存在, 对专利信息的不断丰富、充分挖掘和深入分析又赋予创新更持久的力量; 同时, 创新能够随着知识产权尤其是专利法保护体系的日益完善而产生更加宏大的专利规模, 进一步充实专利信息体系。有关这一热点问题的高被引论文是华盛顿州立大学的K.D. Joshi教授团队于2010年发表的“ Changing the Competitive Landscape: Continuous Innovation Through IT-Enabled Knowledge Capabilities” [35], 该文认为企业要应对竞争求得发展, 越来越依赖于它们持续创新的知识能力, 而信息技术对支撑知识管理战略、保障创新、提升企业绩效至关重要。该文以专利、新产品和服务导入三个维度作为创新代理变量, 对IT驱动的知识能力与创新之间的关系进行了理论与实证研究, 研究结论认为IT对知识能力的提升有力地支持了企业创新, 这事实上也在倡导创新需要应用当前的信息技术, 培育更加高超的信息获取能力, 从而为创新提供强有力的支撑。

表4 前10位高频关键词和高中心性关键词(1998— 2018年)

在创新日益成为时代主旋律的今天, 自主研发固然是企业技术创新的基本必要活动, 但仅依靠内部创新能力的提升已不足以应对当代技术竞争。除了切实提升内部研发能力, 企业还需充分利用外部技术知识资源, 而在获取外部技术知识资源的方法中, 获取现有专利信息并加以充分吸收利用, 无疑是周期短、响应快、成效显著的方法。因为专利信息记载了发明创造的轨迹, 占据了世界科技信息的绝对比重, 无疑是一个丰富的技术文献和知识宝库, 如果善于查找并借鉴过往的专利文献, 站在巨人的肩膀上继续研发, 对一个企业尤其是中小企业的生存与发展无疑至关重要。因此, 排在第四位及以后诸如“ research and development” “ technology” “ firm” “ performance” “ patent citation” 及后续热点词汇也与专利信息有着密不可分的关系。

(三) 演进趋势研判: 基于突现检测关键词的分析

与一般高频关键词相比, 突现检测关键词(burstness)的动态变化能够更准确地刻画出研究前沿趋势[34]25, 便于学者们对尚处于萌芽状态的新兴研究趋势做出较为全面的预判。本文根据突现检测值量度指标, 运用CiteSpace软件提取和生成了1998— 2018年国际专利信息研究的25个突现检测关键词, 清晰地呈现和反映了国际专利信息研究演进趋势, 具体如图4所示。

图4 1998— 2018年间国际专利信息研究TOP25突现检测关键词

根据图4可以发现, 国际专利信息研究演进呈现出以下特点:

第一, 从突现时间看, 宏观呈现转向微观应用是大势所趋。根据关键词突现时间的变化可以看出, 专利信息研究从最初的专利、技术、创新、指标等向技术转移、产品开发、语义分析、产品转变, 是一种不断细化的过程, 这表明随着专利申请量和有效存量的不断增加, 学者们已经从专利信息的宏观呈现、诠释转向诸多领域和环节的微观应用。

第二, 从突现强度看, 专利信息研究范围日趋广泛。2002年之前, 专利(patent)、技术(technology)、创新(innovation)突现强度较高; 2002— 2009年, 信息不对称(asymmetric information)关键词突现持续7年之久, 说明专利已进入市场、走向商业应用, 相伴而来的是法律(law)保护问题; 2004— 2009年, 如何促进和规制专利发展问题促使政策(policy)成为研究前沿; 2014— 2016年, 知识流(knowledge flow)进入高突现强度视野, 这源于开放式创新所致的知识流动对开放创新的作用研究, 专利引用信息被作为重要的代理变量, 导致知识流成为重要的突现关键词。

第三, 从突现开始时间看, 2013年是突现词集中的年份。这一年里, 共有协同(collaboration)、探测(exploration)、合作(cooperation)、质量(quality)、搜索(search)、流动性(mobility)6个突现检测关键词, 约为突现检测关键词总量的五分之一。知识经济时代决定了技术创新越来越呈现出开放性特征, 因此需要更多的协同和合作创新, 知识流动性增强, 技术创新趋势的探测也越来越受到关注。对于“ 搜索” 和“ 质量” , 则是因为当专利申请文件内包含很少的现有技术并且现有技术分散或不易获得时, 专利审查员难以获得充分的信息来判断技术创新的可专利性, 而必须通过充分检索公共领域内存在的现有技术对其加以评估[36]421。为此, 就需要鼓励专利申请人提供相关信息以帮助专利审查员做出准确的审查决策。从这个意义上讲, 对信息充分性、完备性、完整性的需求促使协同、合作、探测、质量、搜索等关键词成为研究前沿关键词, 是有其深厚的现实和理论基础的。

第四, 从地区突现词看, 中国日益成为国际专利信息研究的新兴重要力量。

第五, 从突现结束时间看, 基于新产品开发的技术发展趋势进行预测是当前国际专利信息的研究前沿。搜索、趋势(trend)、形态分析(morphology analysis)、产品(product)分别于2013年、2014年以及2016年突现, 持续至本文文献采集截止的2018年年底, 说明这些关键词在未来一段时间内仍可能是专利信息研究前沿。

四、 结论与启示

本文以SCI、SSCI数据库为数据源, 以其收录的1998— 2018年社会科学领域国际专利信息研究文献为研究对象, 运用文献计量学方法, 借助信息可视化软件CiteSpace, 绘制并生成了国际专利信息研究文献共被引网络、关键词共现知识图谱和结果数据, 着重识别和追踪了国际专利信息研究的知识基础、研究热点和演进趋势, 同时也对国际专利信息研究的发文量、主要作者和研究机构做了展示。主要结论如下:

第一, 社会科学领域国际专利信息研究文献自2005年以来总体呈较快增长趋势, 韩国、中国台湾和中国大陆机构是国际专利信息研究的重要力量, 韩国首尔国立大学是近年来发文量最多的机构, 韩国的Sungjoo Lee和Yongtae Park是国际专利信息研究高产作者, 我国台湾地区的陈达仁、黄慕萱团队和北京理工大学朱东华团队是重要的新兴研究力量。

第二, 社科领域国际专利信息研究的知识基础为市场价值与专利引用、新兴技术发现与预测、新兴技术与专利分析方法、专利信息可视化、SAO专利网络分析、专利制度改革与专利信息的关系探讨等, 加州大学伯克利分校的B.H.Hall团队为经典文献贡献者, 值得关注。

第三, 与高劲松、刘延芳发现的“ 专利本土化” 和“ 医药专利” [12]两个研究热点不同, 本文所探讨的社会科学领域国际专利信息研究热点主要为专利、创新、研发、信息、技术和绩效等, 基于突现关键词的演进趋势从早年的专利、技术、创新、指标(indicator), 演化到近年的质量、搜索、流动性、知识流、趋势、形态分析和产品, 呈现出从宏观解读到微观应用转变、从信息到知识流的焦点演变、从发达地区向发展中地区转移、从关注研发转变到技术机会发现与预测等趋势。随着专利数量和专利引用数据的迅速增长和易获得性增强, 新兴技术预测、技术机会发现和技术趋势识别将成为专利信息研究的热点和重点。

基于以上结论, 本文提出如下建议:

第一, 以企业知识产权风险防范为中心, 进一步加快我国专利信息研究智库建设。以CiteSpace为代表的信息可视化软件不但能够利用现有WoS等文献数据绘制知识图谱来探寻研究基础、研究热点和演进趋势, 而且能够绘制国际专利知识图谱来开展技术预见、创新机会发现和技术预测。因此, 基于我国企业专利信息利用能力普遍较弱的现实, 我国政府应以知识图谱分析力量培育为侧重点, 加大政策扶持力度; 高校和科研院所应充分发挥人才高地优势, 加快社科类专利信息研究智库建设, 不断完善我国专利信息知识图谱分析理论与方法体系, 全面把握国际专利信息研究, 梳理企业专利保护和运用的现状及趋势, 快速产出国际专利信息知识图谱分析的丰硕成果, 定期向企业提供创新和知识产权保护决策咨询、培训服务, 从根本上预防各类知识产权风险。

第二, 以国际专利信息研究国际合作为推进剂, 全面提高企业知识产权保护水平。欧美、韩国高校以及我国北京理工大学是专利信息研究的主要力量, 以此为线索, 可以敦促我国有条件的同类高校和知识产权优势企业先期加强国际合作, 充分利用和挖掘专利文献、数据及相关信息, 及时做好技术预见、创新机会发现和技术预测, 构建国际专利信息多阶段、多角度、集成化、协同化和普及化的知识图谱分析格局, 密切跟踪国际专利信息和创新动态, 从创新选题和立项阶段直至产品进入市场, 全过程、全环节防范和化解潜在的知识产权风险, 全面提升企业知识产权保护水平, 为我国创新型国家建设提供良好的知识产权保护环境。

第三, 以建立全链条创新激励机制为目标, 深入推进知识图谱分析在知识产权主管部门中的应用。为弥补专利审查员信息不足而可能导致低价值甚至不合格专利的出现的缺陷, 应加快提升专利审查部门基于CiteSpace的知识图谱分析能力, 督促专利审查员及时了解和全面把握国内外专利信息研究动态, 提升获取专利文献及最新信息的能力; 同时, 我国国家知识产权局及省市各级专利主管部门应引入知识图谱分析工具, 做到新兴技术领域的预见与尽早发现, 及早酝酿和完善专利政策及法律法规体系, 提前布局新兴技术领域, 提升企业创新成果保护成效, 为建立从高校人才培养、企业研发、专利申请到专利转移与转化、专利侵权与诉讼等全链条的创新激励长效机制奠定坚实基础。

参考文献
[1] 文庭孝: 《专利信息计量学》, 北京: 科学出版社, 2017年.
[Wen Tingxiao, Patentometrics, Beijing: Science Press, 2017. ] [本文引用:3]
[2] 刘焕成: 《专利信息在分析竞争对手中的作用》, 《情报科学》2001年第4期, 第422-424页.
[Liu Huancheng, ″The Function of Patent Information on Analysing Rivals, ″ Information Science, No. 4 (2001), pp. 422-424. ] [本文引用:1]
[3] Long C. , ″Patent signals, ″ The University of Chicago Law Review, Vol. 69, No. 2 (2002), pp. 625-679. [本文引用:2]
[4] Hottenrott H. , Hall B. H. & Czarnitzki D. , ″Patents as Quality Signals? The Implications for Financing Constraints on R&D, ″ Economics of Innovation and New Technology, Vol. 25, No. 3 (2016), pp. 197-217. [本文引用:2]
[5] Langinier C. , ″Using Patents to Mislead Rivals, ″ Canadian Journal of Economics, Vol. 38, No. 2 (2005), pp. 520-545. [本文引用:1]
[6] 樊春良: 《技术预见和科技规划》, 《科研管理》2003年第6期, 第6-12页.
[Fan Chunliang, ″Technology Foresight and S&T Long-Term Planning, ″ Science Research Management, No. 6 (2003), pp. 6-12. ] [本文引用:1]
[7] 康宇航、苏敬勤: 《技术创新机会的可视化识别——基于专利计量的实证分析》, 《科学学研究》2008年第4期, 第695-701页.
[Kang Yuhang & Su Jingqin, ″Visualization Identify of Technology Innovation Opportunities: Empirical Analysis Based on Patent Bibliometric, ″ Studies in Science of Science, No. 4 (2008), pp. 695-701. ] [本文引用:1]
[8] 旷景明、兰小筠: 《基于专利信息分析的创新技术预测方法综述》, 《情报杂志》2014年第9期, 第33-39, 50页.
[Kuang Jingming & Lan Xiaoyun, ″Review of Innovative Technology Forecasting Methods Based on Patent Analysis, ″ Journal of Intelligence, No. 9 (2014), pp. 33-39, 50. ] [本文引用:1]
[9] Conti A. , Thursby M. & Rothaermel F. T. , ″ Show Me the Right Stuff: Signals for High-Tech Startups, ″ Journal of Economics & Management Strategy, Vol. 22, No. 2 (2013), pp. 341-364. [本文引用:1]
[10] 刘林青、谭力文: 《国外“专利悖论”研究综述——从专利竞赛到专利组合竞赛》, 《外国经济与管理》2005年第4期, 第10-14页.
[Liu Linqing & Tan Liwen, ″An Overview of Abroad Study on 'Patent Paradox': From Patent Competition to Patent Portfolio Competition, ″ Foreign Economies& Management, No. 4 (2005), pp. 10-14. ] [本文引用:1]
[11] Reitzig M. , ″Strategic Management of Intellectual Property, ″ MIT Sloan Management Review, Vol. 45, No. 3 (2004), pp. 35-40. [本文引用:1]
[12] 高劲松、刘延芳: 《国际“专利信息”研究热点——基于知识图谱的词频分析》, 《情报杂志》2010年第8期, 第36-39页.
[Gao Jinsong & Liu Yanfang, ″Vision Analysis of International Patent Information Based on Mapping Knowledge Domains, ″ Journal of Intelligence, No. 8 (2010), pp. 36-39. ] [本文引用:2]
[13] 甘静娴、马蕾: 《开放式创新视域下国际知识产权研究热点、前沿与趋势分析》, 《情报科学》2018年第2期, 第146-152页.
[Gan Jingxian & Ma Lei, ″International Hot Spots, Frontier and Trend on Intellectual Property Research from the Perspective of Open Innovation, ″ Information Science, No. 2 (2018), pp. 146-152. ] [本文引用:1]
[14] 栾春娟、罗海山、金保德: 《国际专利研究的核心期刊与主要学科分布》, 《情报科学》2010年第11期, 第1689-1692页.
[Luan Chunjuan, Luo Haishan & Jin Baode, ″Core Journal & Category Distribution of International Patent Studies, ″ Information Science, No. 11 (2010), pp. 1689-1692. ] [本文引用:1]
[15] 谭晓、张志强: 《图情领域中专利分析主题的研究进展——基于WOS的文献分析》, 《图书情报工作》2012年第20期, 第85-91页.
[Tan Xiao & Zhang Zhiqiang, ″Review of Patent Analysis in LIS: Based on WOS, ″ Library and Information Service, No. 20 (2012), pp. 85-91. ] [本文引用:1]
[16] 陈悦、陈超美、刘则渊等: 《CiteSpace知识图谱的方法论功能》, 《科学学研究》2015年第2期, 第242-253页.
[Chen Yue, Chen Chaomei & Liu Zeyuan et al. , ″The Methodology Function of Cite Space Mapping Knowledge Domains, ″ Studies in Science of Science, No. 2 (2015), pp. 242-253. ] [本文引用:2]
[17] 温志强、滑冬玲、郝雅立: 《基于计量学共词视角的突现事件应对研究知识图谱与热点主题分析》, 《数学的实践与认识》2017年第17期, 第90-102页.
[Wen Zhiqiang, Hua Dongling & Hao Yali, ″The Knowledge Mapping and Hotspots of Emergency Response Research: Based on Bibliometric Co-word Analysis, ″ Journal of Mathematics in Practice and Theory, No. 17 (2017), pp. 90-102. ] [本文引用:1]
[18] 李梅芳、王梦婷、齐海花等: 《科技政策国际研究的演化》, 《科学学研究》2018年第9期, 第1565-1574页.
[Li Meifang, Wang Mengting & Qi Haihua et al. , ″Evolution of International Research on Science and Technology Policy, ″ Studies in Science of Science, No. 9 (2018), pp. 1565-1574. ] [本文引用:1]
[19] Chen C. , ″CiteSpace Ⅱ: Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature, ″2005-12-14, https://doi.org/10.1002/asi.20317, 2019-07-25. [本文引用:1]
[20] Hall B. H. & Ziedonis R. H. , ″The Patent Paradox Revisited: An Empirical Study of Patenting in the US Semiconductor Industry, 1979-1995, ″ RAND Journal of Economics, Vol. 32, No. 1 (2001), pp. 101-128. [本文引用:1]
[21] Levin R. C. , Klevorick A. K. & Nelson R. R. et al. , ″Appropriating the Returns from Industrial Research and Development, ″ Brookings Papers on Economic Activity, No. 3 (1987), pp. 783-831. [本文引用:1]
[22] Cohen W. M. , Nelson R. R. & Walsh J. P. , ″Protecting Their Intellectual Assets: Appropriability Conditions and Why US Manufacturing Firms Patent(or Not), ″2000-03-04, https://ssrn.com/abstract=214952, 2019-07-25. [本文引用:1]
[23] Hall B. H. , Jaffe A. & Trajtenberg M. , ″Market Value and Patent Citations, ″ RAND Journal of Economics, Vol. 36, No. 1 (2005), pp. 16-38. [本文引用:1]
[24] Jaffe A. B. & Lerner J. ,Innovation and Its Discontents: How Our Broken Patent System Is Endangering Innovation and Progress, and What to Do About It, Princeton and Oxford: Princeton University Press, 2004. [本文引用:1]
[25] Daim T. U. , Rueda G. & Martin H. et al. , ″Forecasting Emerging Technologies: Use of Bibliometrics and Patent Analysis, ″ Technological Forecasting and Social Change, Vol. 73, No. 8 (2006), pp. 981-1012. [本文引用:1]
[26] Tseng Y. H. , Lin C. J. & Lin Y. I. , ″Text Mining Techniques for Patent Analysis, ″ Information Processing & Management, Vol. 43, No. 5 (2007), pp. 1216-1247. [本文引用:1]
[27] Sen D. & Tauman Y. , ″ General Licensing Schemes for a Cost-Reducing Innovation, ″ Games and Economic Behavior, Vol. 59, No. 1 (2007), pp. 163-186. [本文引用:1]
[28] Kim Y. G. , Suh J. H. & Park S. C. , ″Visualization of Patent Analysis for Emerging Technology, ″ Expert Systems with Applications, Vol. 34, No. 3 (2008), pp. 1804-1812. [本文引用:1]
[29] Lee S. , Yoon B. & Park Y. , ″An Approach to Discovering New Technology Opportunities: Keyword-Based Patent Map Approach, ″ Technovation, Vol. 29, No. 6-7(2009), pp. 481-497. [本文引用:1]
[30] Lee S. , Yoon B. & Lee C. et al. , ″ Business Planning Based on Technological Capabilities: Patent Analysis for Technology-Driven Roadmapping, ″ Technological Forecasting and Social Change, Vol. 76, No. 6 (2009), pp. 769-786. [本文引用:1]
[31] Choi S. , Yoon J. & Kim K. et al. , ″ SAO Network Analysis of Patents for Technology Trends Identification: A Case Study of Polymer Electrolyte Membrane Technology in Proton Exchange Membrane Fuel Cells, ″ Scientometrics, Vol. 88, No. 3 (2011), pp. 863-883. [本文引用:1]
[32] Bloom N. , Schankerman M. & van Reenen J. , ″Identifying Technology Spillovers and Product Market Rivalry, ″ Econometrica, Vol. 81, No. 4 (2013), pp. 1347-1393. [本文引用:1]
[33] 朱记伟、蒋雅丽、翟曌等: 《基于知识图谱的国内外BIM领域研究对比》, 《土木工程学报》2018年第2期, 第113-120页.
[Zhu Jiwei, Jiang Yali & Zhai Zhao et al. , ″Comparative Research of BIM Based on Mapping Knowledge Domains at Home and Abroad, ″ China Civil Engineering Journal, No. 2 (2018), pp. 113-120. ] [本文引用:1]
[34] 李红满: 《国际翻译学研究热点与前沿的可视化分析》, 《中国翻译》2014年第2期, 第21-26, 127页.
[Li Hongman, ″The Cutting-Edge Research Interests and Topics of International Translation Studies: A Visualized Analysis of Relevant SSCI Data (2008-2012), ″ Chinese Translators Journal, No. 2 (2014), pp. 21-26, 127. ] [本文引用:2]
[35] Joshi K. D. , Chi L. & Datta A. et al. , ″Changing the Competitive Land scape: Continuous Innovation Through IT-Enabled Knowledge Capabilities, ″ Information Systems Research, Vol. 21, No. 3 (2010), pp. 472-495. [本文引用:1]
[36] Langinier C. & Marcoul P. , ″ The Search of Prior Art and the Revelation of Information by Patent Applicants, ″ Review of Industrial Organization, Vol. 49, No. 3 (2016), pp. 399-427. [本文引用:1]