基于專利IPC的技術(shù)知識流網(wǎng)絡(luò)挖掘

周 磊楊 威

（1．武漢紡織大學(xué)會計學(xué)院，湖北武漢430200；2．武漢東湖新技術(shù)開發(fā)區(qū)管委會，湖北武漢430079）

基于專利IPC的技術(shù)知識流網(wǎng)絡(luò)挖掘

周 磊1楊 威2

（1．武漢紡織大學(xué)會計學(xué)院，湖北武漢430200；2．武漢東湖新技術(shù)開發(fā)區(qū)管委會，湖北武漢430079）

本文將專利共類關(guān)系界定為生產(chǎn)知識（主分類號）和接收知識（副分類號）。在此基礎(chǔ)上，引入IPC技術(shù)索引表將共類矩陣轉(zhuǎn)換為技術(shù)知識流網(wǎng)絡(luò)?；诘聹靥貏?chuàng)新索引（DII）收錄的4G技術(shù)專利，利用塊模型方法挖掘4G技術(shù)知識流網(wǎng)絡(luò)，發(fā)現(xiàn)了兼具內(nèi)聚性和外聯(lián)性的關(guān)鍵技術(shù)子群。

技術(shù)知識流網(wǎng)絡(luò)；專利挖掘；國際專利分類；塊模型；4G

科學(xué)技術(shù)是第一生產(chǎn)力。習(xí)近平總書記要求我們“不能做其他國家的技術(shù)附庸”，要“著力攻克一批關(guān)鍵核心技術(shù)”，實現(xiàn)產(chǎn)業(yè)技術(shù)“從跟隨到并行再到領(lǐng)跑”。知識管理流派提出，企業(yè)核心競爭力的來源正是其特有的、不易外泄的專有知識和信息［1］；這一復(fù)雜的知識體系能為企業(yè)帶來持續(xù)性的競爭優(yōu)勢［2］。開放創(chuàng)新理論要求企業(yè)整合外部研發(fā)資源、科學(xué)知識和技術(shù)成果，沖破封閉創(chuàng)新模式的“技術(shù)必須源于自我發(fā)明的陷阱”，構(gòu)建開放的技術(shù)創(chuàng)新價值鏈［3］。在開放創(chuàng)新模式下，企業(yè)、行業(yè)、地區(qū)、國家之間的技術(shù)知識交流更加頻繁，異源知識之間的充分碰撞不僅有利于提升規(guī)模經(jīng)濟(jì)效應(yīng)和范圍經(jīng)濟(jì)效應(yīng)，還將通過協(xié)同創(chuàng)新效應(yīng)催生重大技術(shù)領(lǐng)域的突破性創(chuàng)新。本研究以復(fù)雜的技術(shù)知識流網(wǎng)絡(luò)對研究對象，利用社會網(wǎng)絡(luò)分析方法觀察知識交流活動，以期發(fā)現(xiàn)技術(shù)知識流動的規(guī)律和核心技術(shù)群。

1 相關(guān)研究綜述

知識流的本質(zhì)是知識在不同主體之間的傳統(tǒng)及知識處理的機制［4］。知識從位勢高的主體流向位勢低的主體，主體的知識存量、主體間的知識流量和流向、知識自身的屬性特征均會對企業(yè)的動態(tài)能力產(chǎn)生影響［5］。知識資源在組織內(nèi)部的重組與再造是企業(yè)創(chuàng)新活力的重要來源，組織間的知識流運動對提升高技術(shù)企業(yè)技術(shù)創(chuàng)新能力有顯著的正效應(yīng)［6］。產(chǎn)業(yè)集群中，主導(dǎo)者通過與境外企業(yè)、科研單位、跟隨者、群外企業(yè)等進(jìn)行知識交流，由最初的“知識接收者”轉(zhuǎn)變?yōu)椤爸R獲取者”，最后成長為“知識創(chuàng)造者”和“知識輸出者”，從而影響產(chǎn)業(yè)結(jié)構(gòu)的演進(jìn)與合理化［7］。那么，應(yīng)當(dāng)如何測度技術(shù)知識流呢？這個問題是技術(shù)創(chuàng)新領(lǐng)域的研究熱點和難點。Krugman認(rèn)為知識流動是無形的，因而不能被測度［8］。然而，Jaffe等人指出知識流動的蹤跡常以專利的形式存在，因而可以利用專利來測度［9］。經(jīng)濟(jì)學(xué)研究常用的知識流的經(jīng)驗測度方法分為4類：技術(shù)流量法、成本函數(shù)法、生產(chǎn)函數(shù)法、文獻(xiàn)追蹤法。技術(shù)流量法基于投入——產(chǎn)出關(guān)系建立技術(shù)流動矩陣，從而研究技術(shù)知識在企業(yè)或行業(yè)間的溢出模式。實際運用過程中，技術(shù)流的測度變量包括就業(yè)數(shù)量［10］、技術(shù)距離［11］、專利引用［12］、地理距離的倒數(shù)［13］等。不過，該方法也存在忽略技術(shù)研發(fā)的時空作用、重視垂直溢出而忽略水平溢出等不足。技術(shù)溢出的一大效益在于降低成本，成本函數(shù)法正是基于這一思想以投入產(chǎn)出的相對價格為變量，分析知識溢出的成本削減效應(yīng)。生產(chǎn)函數(shù)法運用計量模型估計技術(shù)溢出對全要素生產(chǎn)率或創(chuàng)新的影響。文獻(xiàn)追蹤法基于專利或?qū)＠脺y度知識外溢的效果，因而被視為直接測度了知識流；有研究建議將專利與其他知識流指標(biāo)組合運用，如出版物、技術(shù)許可等［14］。

情報學(xué)研究中亦采用專利引用關(guān)系來測量知識流活動，企業(yè)通過專利引用獲得的知識凈流入量對增強組織技術(shù)實力有正向影響［15］。從專利引用的效度考慮，企業(yè)整體的專利引用情況較單件專利引用更能準(zhǔn)確揭示技術(shù)知識的流動［16］。然而，專利引用分析法的不足之處亦較顯著。一是專利引用存在滯后性，只能作為歷史經(jīng)驗總結(jié)，對預(yù)測性研究的指導(dǎo)作用較弱。二是在許多國家和地區(qū)，如中、日、韓等，專利引用是非強制性的，從而加劇了數(shù)據(jù)獲取的難度。正是由于這些限制，越來越多的研究將專利共類網(wǎng)絡(luò)作為研究技術(shù)知識流的載體。目前，形成了基于國際專利分類號（International Patent Classification，IPC）、美國專利分類號（United States Patent Classification，USPC）、德溫特專利分類號（Derwent Classification，DC）等分類體系的專利共類網(wǎng)絡(luò)研究范式，用于發(fā)現(xiàn)技術(shù)主題間的知識交流特征［17］、科學(xué)技術(shù)之間的知識溢出作用等［18］。

綜上所述，技術(shù)知識流已成為經(jīng)濟(jì)學(xué)、技術(shù)創(chuàng)新、情報學(xué)等多學(xué)科關(guān)注的焦點問題之一，專利共類分析為深入認(rèn)識技術(shù)知識流網(wǎng)絡(luò)的結(jié)構(gòu)特征提供了便利。然而，基于專利共類的研究方法仍存在亟待提升的空間。其一，技術(shù)知識流是知識流動的過程，必然存在知識輸出方和知識接收方。主流的專利共類方法只考慮了技術(shù)知識間的關(guān)聯(lián)強度，而忽略了知識流的方向性。這一局限性極大地限制了對技術(shù)知識流活動規(guī)律的探索。其二，Griliches指出，專利分類體系和產(chǎn)品、產(chǎn)業(yè)類別存在不一致，造成了專利歸類和使用的不便［19］。IPC等專利分類標(biāo)準(zhǔn)是一套技術(shù)工程師的交流語言，如何才能讓高級管理人員和行業(yè)規(guī)劃制定者理解和掌握晦澀的專利知識呢？這是提升技術(shù)知識流網(wǎng)絡(luò)挖掘結(jié)果可讀性和決策支持力度的關(guān)鍵。針對以上問題，本研究根據(jù)研究專利主分類號、副分類號間的差異性，在傳統(tǒng)的共類矩陣的基礎(chǔ)上建立了非對稱的技術(shù)知識流網(wǎng)絡(luò)；通過建立IPC和產(chǎn)業(yè)技術(shù)主題間的映射機制，將工程語言轉(zhuǎn)化為通識語言，從而揭示和闡述行業(yè)發(fā)展的關(guān)鍵技術(shù)群。

2 技術(shù)知識流網(wǎng)絡(luò)挖掘的研究框架

2.1 技術(shù)知識流的方向性與定量測度

OECD手冊中將專利共類作為衡量技術(shù)鏈接的潛在指標(biāo)之一［20］。為了盡可能地鎖定較廣泛的權(quán)利范圍，一件專利通常被賦予多個IPC號，每個IPC號對應(yīng)一個特定的技術(shù)領(lǐng)域。盡管，專利的各IPC號通常被等同對待，但主分類號與專利技術(shù)創(chuàng)新的相關(guān)性最高，它與其他副分類號間的關(guān)系可以視為知識流動的方向［21－22］。由此，將專利分類號分為兩類：一是專有的知識，即發(fā)明信息；另一類是非專有的知識，即附加信息［23］。一件專利中，發(fā)明的專有知識被分配給單一的技術(shù)號，其他相關(guān)知識則被分配給多個副分類號。也就是說，專利共類的實質(zhì)是主分類號生產(chǎn)知識而副分類號接收知識［24］。

基于此，將技術(shù)知識流的測度分為3個步驟：（1）確定研究的技術(shù)主題和專利數(shù)據(jù)庫，檢索、下載并清洗專利數(shù)據(jù)；（2）以IPC體系為例，分析每一件專利的IPC號，將第一個專利分類號標(biāo)記為主分類號，其余的分類號標(biāo)記為副分類號；（3）以主分類號為行、副分類號為列，建立矩陣，各元素的取值為該位置對應(yīng)的主分類號與副分類號共類的次數(shù)。

2.2 專利IPC與技術(shù)領(lǐng)域的映射機制

目前，多數(shù)研究使用Verspagen等提出的IPC－ISIC分類標(biāo)準(zhǔn)（第二版）來判斷專利自身歸屬的行業(yè)類別。IPCISIC將歐洲專利局使用的IPC號碼和聯(lián)合國規(guī)定的經(jīng)濟(jì)活動國際工業(yè)分類標(biāo)準(zhǔn)關(guān)聯(lián)起來。國內(nèi)也有研究《國民經(jīng)濟(jì)行業(yè)分類與代碼》、《高技術(shù)產(chǎn)業(yè)統(tǒng)計分類目錄》等體系，但研究的規(guī)范性和操作的便利性都低于IPC－ISIC標(biāo)準(zhǔn)?？傮w來看，上述標(biāo)準(zhǔn)體系適合對涉及多個產(chǎn)業(yè)經(jīng)濟(jì)部門的大型、復(fù)雜技術(shù)系統(tǒng)進(jìn)行分析。相比之下，IPC技術(shù)索引表（IPC－Technology Concordance Table）更適于研究高度專業(yè)化的技術(shù)系統(tǒng)，它將IPC小類（前4位）和電子工程、儀器、化工、機械工程、其他5個部門（Sector）、35個技術(shù)領(lǐng)域（Field）對應(yīng)起來，能夠較好地反映技術(shù)及其領(lǐng)域劃分［25］。

2.3 技術(shù)知識流網(wǎng)絡(luò)構(gòu)建與分析

基于此，將技術(shù)知識流網(wǎng)絡(luò)的構(gòu)建與挖掘過程分為3個步驟：（1）針對技術(shù)群自身的特征，選擇適合的專利——技術(shù)方向映射標(biāo)準(zhǔn)。如研究全局專利或多工業(yè)部門協(xié)同創(chuàng)新群時，可以選擇IPC－ISIC等標(biāo)準(zhǔn)；如研究專業(yè)化和內(nèi)聚性較高的創(chuàng)新群時，必須尋找中觀尺度的技術(shù)領(lǐng)域劃分標(biāo)準(zhǔn)。（2）建立計算機可讀的專利IPC和技術(shù)領(lǐng)域間的敘詞表，即將單件專利的IPC號映射為技術(shù)領(lǐng)域，從而將IPC共類矩陣轉(zhuǎn)換為技術(shù)知識流網(wǎng)絡(luò)。（3）由于技術(shù)知識流網(wǎng)絡(luò)屬于非對稱結(jié)構(gòu)，因而不能采用聚類分析進(jìn)行分析。有研究使用過結(jié)構(gòu)洞分析［26－27］、塊模型分析［28］、MDS的ALSCAL分析［12］等方法進(jìn)行處理非對稱矩陣，本文可借鑒之。

3 實證研究——以4G技術(shù)為例

4G是指第四代移動通信技術(shù)及通信標(biāo)準(zhǔn)，是相對于3G的下一代通信網(wǎng)絡(luò)。國際電信聯(lián)盟（ITU）將數(shù)據(jù)傳輸速度達(dá)到100Mbits/s的通信技術(shù)定義為4G技術(shù)。4G通信技術(shù)以傳統(tǒng)通信技術(shù)為基礎(chǔ)，通過融入新的通信技術(shù)來不斷提高無線通信的網(wǎng)絡(luò)效率和功能。4G通信將為用戶提供一種超高速無線網(wǎng)絡(luò)，其最明顯的優(yōu)勢在于通話質(zhì)量及數(shù)據(jù)通信速度。4G通信技術(shù)包括TD－LTE和FDD－LTE兩種制式。長期演進(jìn)技術(shù)（Long Term Evolution，LTE）是由第三代合作伙伴計劃組織制定的通用移動通信系統(tǒng)技術(shù)標(biāo)準(zhǔn)的長期演進(jìn)。LTE預(yù)計將成為第一個真正的全球通信的無線通訊標(biāo)準(zhǔn)。LTE被外界視為4G無線的事實標(biāo)準(zhǔn)，升級版的LTE－Advanced滿足國際電信聯(lián)盟對4G的要求。下文將以LTE標(biāo)準(zhǔn)技術(shù)專利為例，探索4G技術(shù)知識流的運動特征，為國內(nèi)企業(yè)搶占該領(lǐng)域技術(shù)高地提供戰(zhàn)略支持。

3.1 數(shù)據(jù)源與分析工具

本文選擇DII為數(shù)據(jù)源，它將德溫特世界專利索引（Derwent World Patents Index，WPI）和專利引文索引（Patents Citation Index，PCI）有機地整合在一起，數(shù)據(jù)可以回溯到1963年，是目前最為權(quán)威的全球?qū)＠麛?shù)據(jù)庫。為了更加直觀地反映領(lǐng)域技術(shù)的創(chuàng)新情況及企業(yè)的創(chuàng)新活力，DII將屬于同一專利族的相關(guān)專利整合成一條記錄，因而檢索結(jié)果數(shù)量通常低于國家知識產(chǎn)權(quán)局檢索系統(tǒng)的命中數(shù)目。以LTE為關(guān)鍵詞，在DII中檢索此類專利的申請情況，命中記錄11 073項。

本文使用的數(shù)據(jù)分析工具包括Thomson Data Analyzer（TDA）、EditPlus和社會網(wǎng)絡(luò)分析軟件UCINET。TDA是湯森公司推出的一款適用于結(jié)構(gòu)化數(shù)據(jù)分析與文本挖掘的綜合分析軟件，其強大的權(quán)利人清洗功能是研究跨國公司全球技術(shù)布局的得力助手。本研究利用TDA對4G技術(shù)領(lǐng)域的專利進(jìn)行清洗、建立專利分類號與技術(shù)產(chǎn)業(yè)類別間的關(guān)聯(lián)關(guān)系。本研究利用EditPlus建立權(quán)利人間的敘詞表，用以指導(dǎo)跨國企業(yè)子機構(gòu)間的合并；建立IPC小類和技術(shù)領(lǐng)域間的敘詞表，用以指導(dǎo)技術(shù)創(chuàng)新領(lǐng)域的識別。本研究使用UCINET的塊模型（Blockmodels）處理非對稱矩陣。塊模型從網(wǎng)絡(luò)整體結(jié)構(gòu)考慮，將一個網(wǎng)絡(luò)中的各個行動者分成若干個離散的子集，即“塊”。同一個塊中的各個行動者具有結(jié)構(gòu)對等性（structural Equivalence）［29］。本文中將知識輸出和知識接收對象皆相同的技術(shù)領(lǐng)域定義為結(jié)構(gòu)對等。在此基礎(chǔ)上，分3個步驟進(jìn)行技術(shù)知識流網(wǎng)絡(luò)挖掘：（1）采用CONCOR方法對行動者分區(qū)，即把各個行動者分配到各個塊；（2）基于α－密度標(biāo)準(zhǔn)，確定每一塊是取0還是取1；（3）畫出0～1塊的相矩陣（Image Matrix）和簡化圖，直觀地揭示出技術(shù)知識流網(wǎng)絡(luò)中各技術(shù)領(lǐng)域間的互動關(guān)系。

3.2 4G技術(shù)知識流網(wǎng)絡(luò)挖掘

3.2.1 4G專利的共類矩陣構(gòu)建

針對每一件專利，將第一個IPC號作為主分類號，其余的IPC號作為副分類號，取IPC號小類（前4位）建立共類矩陣。橫行為主分類號，即知識生產(chǎn)者，縱列為副分類號，即知識接收者，矩陣的取值為IPC號共類次數(shù)，如表1所示。3.2.2 4G專利IPC的技術(shù)領(lǐng)域映射

表1 4G專利共類矩陣（部分）

考慮到IPC－ISIC更適合于研究跨經(jīng)濟(jì)部門的協(xié)同創(chuàng)新；而4G技術(shù)的專業(yè)化程度高，因而，選擇IPC技術(shù)索引表作為技術(shù)領(lǐng)域劃分標(biāo)準(zhǔn)。如出現(xiàn)IPC效率隸屬于多個技術(shù)領(lǐng)域的情況時，統(tǒng)一歸入隸屬度最高的技術(shù)領(lǐng)域。統(tǒng)計4G專利的IPC小類，將其映射到電氣工程（A）、儀器（B）、化工（C）、機械工程（D）、其他（E）5個部門，共涉及29個技術(shù)領(lǐng)域，如表2所示。

表2 4G 技術(shù)領(lǐng)域一覽表

由表2可知，數(shù)字通信4G技術(shù)行業(yè)創(chuàng)新的首要方向，近6成的專利旨在實現(xiàn)數(shù)字化信息傳輸功能或應(yīng)用于此領(lǐng)域。電信技術(shù)是現(xiàn)代通信技術(shù)的基礎(chǔ)，也是4G技術(shù)創(chuàng)新的重要方向，超過3成的專利的功能和應(yīng)用領(lǐng)域與其有關(guān)。此外，計算機技術(shù)、基礎(chǔ)通信進(jìn)程、測量、視聽技術(shù)、IT管理方法、控制等領(lǐng)域也是4G技術(shù)研發(fā)的重要戰(zhàn)場。

3.2.3 4G技術(shù)知識流網(wǎng)絡(luò)的塊模型分析

根據(jù)29個技術(shù)領(lǐng)域間的知識生產(chǎn)和知識接收關(guān)系建立4G技術(shù)知識流矩陣。對原矩陣進(jìn)行二值操作，將共類次數(shù)大于0的格值統(tǒng)一賦值為1，其余為0。采用UCINET的CONCOR方法，根據(jù)技術(shù)領(lǐng)域間的結(jié)構(gòu)對等性將29個技術(shù)領(lǐng)域分為4個區(qū)，結(jié)果如圖1所示。

圖1 4G技術(shù)知識流網(wǎng)絡(luò)分區(qū)

計算整體網(wǎng)絡(luò)密度、各塊和塊間密度，結(jié)果如圖2（a）所示。由該圖可知，4G技術(shù)知識流網(wǎng)絡(luò)的鏈接水平較低（密度＝0.1626），塊1的內(nèi)部互動頻繁（密度＝0.4083），其次為塊4，塊2和塊3結(jié)構(gòu)松散。接下來，采用α密度指標(biāo)確定各個塊的取值以生成相矩陣。其計算公式為：

其中α是臨界密度值，取整個網(wǎng)絡(luò)的密度值0.1626。aij和bij分別為圖2（a）和圖2（b）對應(yīng)位置的取值，由此可生成0～1塊的相矩陣。

最后，根據(jù)表圖繪制出具有高度概括性的簡化圖，以揭示各個塊的塊內(nèi)知識流動與塊間知識互動的規(guī)律，如圖2（c）所示。

圖2 4G技術(shù)知識流網(wǎng)絡(luò)挖掘過程

首先來看每個塊自身的技術(shù)知識流特征。塊1的技術(shù)知識綜合化程度最高，包括8個電氣工程技術(shù)領(lǐng)域、3個技術(shù)領(lǐng)域與儀器有關(guān)、另有3個技術(shù)領(lǐng)域?qū)儆谄渌?。塊1是惟一擁有自鏈接結(jié)構(gòu)的子群，說明該塊具有較強的內(nèi)聚性，群體內(nèi)知識交流活動頻繁。筆者認(rèn)為，這是因為塊1囊括了4G專利所涉及的主要技術(shù)領(lǐng)域，如數(shù)字通信、電信、計算機技術(shù)等。這些技術(shù)均屬于電氣工程這一技術(shù)部門，領(lǐng)域間的關(guān)聯(lián)性較強，可以互為補充和支撐。塊4包含的技術(shù)領(lǐng)域多屬于化工這一技術(shù)部門。這些技術(shù)主題間具有一定的相關(guān)性，但并非4G專利的核心技術(shù)領(lǐng)域，因而塊內(nèi)的知識流動較弱。塊2和塊3均為孤立技術(shù)領(lǐng)域的集合，子群內(nèi)缺乏技術(shù)交流。

接下來，考慮塊間的技術(shù)知識交流活動。嚴(yán)格意義上來看，圖2（c）中的4個塊都是相互獨立的，塊間缺乏足夠的知識互動與交流。將臨界密度值α水平降低到0.1，那么塊間會出現(xiàn)如圖2（c）中所示的虛線關(guān)系，表現(xiàn)出非典型的集中趨勢。塊1兼具內(nèi)聚性和對外交流性，是4G技術(shù)知識流網(wǎng)絡(luò)的信息發(fā)出的集中塊。塊1創(chuàng)造的技術(shù)知識不僅能夠促進(jìn)內(nèi)部知識交流和協(xié)同創(chuàng)新，還向塊3和塊4輸出技術(shù)知識，同時接收來自塊2的異構(gòu)知識。也就是說，塊1是網(wǎng)絡(luò)系統(tǒng)知識循環(huán)的保障，是4G技術(shù)知識的生產(chǎn)者、吸收者和傳遞者。因而，應(yīng)高度重視塊1在技術(shù)發(fā)展中的關(guān)鍵作用，圍繞電氣工程技術(shù)部門構(gòu)建4G技術(shù)知識的核心網(wǎng)絡(luò)。

4 結(jié) 語

目前，我國專利申請量已躍居世界第一，但“大而不強、快而不優(yōu)”。在一些重點產(chǎn)業(yè)領(lǐng)域，由于核心技術(shù)知識受制于人，國內(nèi)企業(yè)不得不徘徊于產(chǎn)業(yè)價值鏈的低端位置。近年來，黨和政府高度重視科技知識在引導(dǎo)產(chǎn)業(yè)創(chuàng)新中的戰(zhàn)略作用。黨的十八大及十八屆三中全會明確提出，“實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”，“搶占科技發(fā)展戰(zhàn)略制高點”。然而，產(chǎn)業(yè)技術(shù)創(chuàng)新是一項極其復(fù)雜的工作，需要整合和重組大量異源異構(gòu)知識。那么，怎樣才能有效管理這些技術(shù)知識呢？本研究通過研究專利IPC的主分類號與副分類號的特性以及二者間的互動關(guān)系，引入IPC技術(shù)索引表對IPC小類和技術(shù)領(lǐng)域進(jìn)行映射，構(gòu)建了非對稱的技術(shù)知識流網(wǎng)絡(luò)。在此基礎(chǔ)上，利用社會網(wǎng)絡(luò)的塊模型分析方法對該網(wǎng)絡(luò)進(jìn)行挖掘，以期發(fā)現(xiàn)網(wǎng)絡(luò)中技術(shù)知識流的運動特征和行業(yè)技術(shù)的互動規(guī)律。

基于4G技術(shù)的實證研究結(jié)果可供國內(nèi)4G技術(shù)研發(fā)企業(yè)及相關(guān)行業(yè)參考。首先，4G產(chǎn)業(yè)的技術(shù)集中化程度高，主要隸屬于信號傳輸和電信方向。其次，4G產(chǎn)業(yè)的技術(shù)主題具有多元化特征，以電氣工程部門為主，涵蓋五大部門的29個技術(shù)領(lǐng)域。第三，根據(jù)技術(shù)主題的結(jié)構(gòu)對等性，可將4G技術(shù)知識流網(wǎng)絡(luò)分為4個塊，塊1是產(chǎn)業(yè)技術(shù)核心子群，是4G技術(shù)知識的生產(chǎn)者、吸收者和傳遞者。國內(nèi)4G領(lǐng)先型企業(yè)，如中興、華為、大唐、HTC等應(yīng)高度重視塊1子群在產(chǎn)業(yè)技術(shù)協(xié)同創(chuàng)新中的關(guān)鍵作用，堅持?jǐn)?shù)字通信、電信兩大主題技術(shù)雙管齊下的研發(fā)方向，同時優(yōu)化在計算機技術(shù)、基礎(chǔ)通信進(jìn)程、視聽技術(shù)、IT管理方法等重要技術(shù)領(lǐng)域的布局，徹底破除專利零布局的技術(shù)短板。

［1］姜軍．企業(yè)專利戰(zhàn)略與核心競爭力的關(guān)聯(lián)研究［D］．武漢：武漢理工大學(xué)，2005．

［2］巴頓．知識與創(chuàng)新［M］．孟慶國，侯世昌，譯．北京：新華出版社，2000．

［3］劉細(xì)文，馬費成．技術(shù)競爭情報服務(wù)的理論框架構(gòu)建［J］．圖書情報工作，2014，58（13）：5－10．

［4］Zhuge E．A knowledge flow model for peer－to－peer team knowledge sharing and management［J］．Expert Systems with Applications，2002，23（1）：23－30．

［5］王建剛，吳潔，張青，等．知識流管理與動態(tài)能力的關(guān)系機理研究［J］．圖書與情報，2011，（6）：33－37．

［6］王向陽，趙英鑫，劉成明．知識溢出和技術(shù)創(chuàng)新能力關(guān)系：有中介的調(diào)節(jié)變量模型［J］．圖書情報工作，2012，56（16）：127－131．

［7］孫元媛，胡漢輝．產(chǎn)業(yè)集群升級中主導(dǎo)企業(yè)的作用——基于四種知識流的視角［J］．中國科技論壇，2010，（2）：82－87．

［8］Krugman P．Increasing returns and economic geography［J］．Journal of Political Economy，1991，99：484－499．

［9］Jaffe AB，Trajtengerg M，Henderson R．Geographic localization of knowledge spillovers as evidenced by patent citations［J］．Quarterly Journal of Economics，1993，108（3）：577－598．

［10］Koo J．Agglomeration and spillovers in a simultaneous framework［R］．Annals of Regional Science，2005，39：35－47．

［11］Kaiser U．Measuring knowledge spillovers in manufacturing and servicing：an empirical assessment of alternative approaches［J］．Research Policy，2002，31：125－144．

［12］胡健，印璽．基于專利引用的技術(shù)流矩陣的分析——對石油天然氣產(chǎn)業(yè)技術(shù)溢出效應(yīng)的測度［J］．科學(xué)學(xué)研究，2010，28（12）：1843－1847，1860．

［13］段會娟．知識溢出的測度方法綜述［J］．科技進(jìn)步與對策，2010，27（5）：154－157．

［14］Nelson A J．Measuring knowledge spillovers：what patterns，licenses and publications reveal about innovation diffusion［J］．Research Policy，2009，38（6）：994－1005．

［15］周磊，楊威．基于專利引用的企業(yè)技術(shù)競爭研究［J］．科學(xué)學(xué)與科學(xué)技術(shù)管理，2014，35（3）：42－48．

［16］Duguet E，Macgarvie M，How well do patent citations measure flows of technologies？Evidence from French innovative surveys［J］．Economics of Innovation and New technology，2005，14（5）：375－393．

［17］Joo S H，Kim Y．Measuring relatedness between technological fields［J］．Scientometrics，2010，83（2）：435－454．

［18］Moura D M，Caregnoto S E．Co－classification between articles and patents：a study of the interaction between S&T on Brazilian biotech［J］．Informacao&Sociedade－Estudos，2010，20（2）：119－132．

［19］Griliches Z．Patent statistics as economic indicators：a survey［J］．Journal of Economic Literature，1990，28：1661－1707．

［20］Leydesdorff L．Patent classifications as indicators of intellectual organization［J］．Journal of the American Society for Information Science and Technology，2008，59（10）：1582－1597．

［21］Lim H，Park Y．Identification of technological knowledge intermediaries［J］．Scientometrics，2010，84（3）：543－561．

［22］Breschi S，Lissoni F，Malerba F．Knowledge－relatedness in firm technological diversification［J］．Research Policy，2003，32（1）：69－87．

［23］Verspagen，B．Measuring inter－sectoral technology spillovers estimates from the European and US patent office databases．Economic Systems Research，1997，9（1）：47－65．

［24］Park H，Yoon J．Assessing coreness and intermediary of technology sectors using patent co－classification analysis：the case of Korean national R&D［J］．Scientometrics，2014，98：853－890．

［25］World Intellectual Property Organization（WIPO）．IPC－Technology Concordance Table［EB/OL］．http：∥www．wipo．int/ipstats/en/statistics/technology_concordance．html，2014－01－04．

［26］肖宇峰，江洪，董克．專利權(quán)人引用網(wǎng)絡(luò)中的媒介角色研究［J］．現(xiàn)代圖書情報技術(shù)，2011，27（11）：60－66．

［27］黃斌，黃魯成，吳菲菲，等．基于專利共類的技術(shù)關(guān)聯(lián)特征識別［J］．情報雜志，2015，34（1）：44－48．

［28］周磊，張玉峰．基于專利情報分析的企業(yè)合作競爭模式研究［J］．情報學(xué)報，2013，32（6）：593－600．

［29］White H C，Boorman S A，Breiger R L．Social structure from multiple networks：blockmodels of roles and positions［J］．Journal of Sociology，1976，81：730－799．

（本文責(zé)任編輯：孫國雷）

Mining on Technological Knowledge Flow Network by Patent IPC

Zhou Lei1Yang Wei2
（1．Accounting College，Wuhan Textile University，Wuhan 430200，China；2．Wuhan East Lake High－tech Development Zone Administrative Committee，Wuhan 430079，China）

Co－classification was decomposed into knowledge producer（main IPC）and knowledge receiver（auxiliary IPC）in this study．Then，co－classification matrix was transformed into technological knowledge（TKF）network according to IPC－Technology Concordance Table．4G patents were collected from Derwent Innovation Index（DII）to construct a technological knowledge flow network．Key technology cluster with high cohesion and external connectionwas revealed from 4G TKF network by blockmodels analysis．

technological knowledge flow network；patent mining；international patent classification（IPC）；blockmodels；4G

10．3969/j．issn．1008－0821．2016．01．009

G255.53

A

1008－0821（2016）01－0045－06

2015－11－30

教育部人文社會科學(xué)研究青年項目“基于專利挖掘的突破性創(chuàng)新識別方法研究”（項目編號：14YJC870027）、國家社科基金青年項目“基于大數(shù)據(jù)的產(chǎn)業(yè)競爭態(tài)勢動態(tài)預(yù)警機制研究”（項目編號：13CTQ033）研究成果之一。

周 磊（1986－），女，講師，博士，研究方向：專利情報與數(shù)據(jù)挖掘。