基于專利IPC的技術知識流網(wǎng)絡挖掘

周 磊楊 威

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

基于專利IPC的技術知識流網(wǎng)絡挖掘

周 磊1楊 威2

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

本文將專利共類關系界定為生產知識（主分類號）和接收知識（副分類號）。在此基礎上，引入IPC技術索引表將共類矩陣轉換為技術知識流網(wǎng)絡。基于德溫特創(chuàng)新索引（DII）收錄的4G技術專利，利用塊模型方法挖掘4G技術知識流網(wǎng)絡，發(fā)現(xiàn)了兼具內聚性和外聯(lián)性的關鍵技術子群。

技術知識流網(wǎng)絡；專利挖掘；國際專利分類；塊模型；4G

科學技術是第一生產力。習近平總書記要求我們“不能做其他國家的技術附庸”，要“著力攻克一批關鍵核心技術”，實現(xiàn)產業(yè)技術“從跟隨到并行再到領跑”。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、科學知識和技術成果，沖破封閉創(chuàng)新模式的“技術必須源于自我發(fā)明的陷阱”，構建開放的技術創(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)模經濟效應和范圍經濟效應，還將通過協(xié)同創(chuàng)新效應催生重大技術領域的突破性創(chuàng)新。本研究以復雜的技術知識流網(wǎng)絡對研究對象，利用社會網(wǎng)絡分析方法觀察知識交流活動，以期發(fā)現(xiàn)技術知識流動的規(guī)律和核心技術群。

1 相關研究綜述

知識流的本質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)能力產生影響［5］。知識資源在組織內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企業(yè)技術創(chuàng)新能力有顯著的正效應［6］。產業(yè)集群中，主導者通過與境外企業(yè)、科研單位、跟隨者、群外企業(yè)等進行知識交流，由最初的“知識接收者”轉變?yōu)椤爸R獲取者”，最后成長為“知識創(chuàng)造者”和“知識輸出者”，從而影響產業(yè)結構的演進與合理化［7］。那么，應當如何測度技術知識流呢？這個問題是技術創(chuàng)新領域的研究熱點和難點。Krugman認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］。經濟學研究常用的知識流的經驗測度方法分為4類：技術流量法、成本函數(shù)法、生產函數(shù)法、文獻追蹤法。技術流量法基于投入——產出關系建立技術流動矩陣，從而研究技術知識在企業(yè)或行業(yè)間的溢出模式。實際運用過程中，技術流的測度變量包括就業(yè)數(shù)量［10］、技術距離［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出的相對價格為變量，分析知識溢出的成本削減效應。生產函數(shù)法運用計量模型估計技術溢出對全要素生產率或創(chuàng)新的影響。文獻追蹤法基于專利或專利引用測度知識外溢的效果，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組合運用，如出版物、技術許可等［14］。

情報學研究中亦采用專利引用關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確揭示技術知識的流動［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，只能作為歷史經驗總結，對預測性研究的指導作用較弱。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)絡作為研究技術知識流的載體。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)絡研究范式，用于發(fā)現(xiàn)技術主題間的知識交流特征［17］、科學技術之間的知識溢出作用等［18］。

綜上所述，技術知識流已成為經濟學、技術創(chuàng)新、情報學等多學科關注的焦點問題之一，專利共類分析為深入認識技術知識流網(wǎng)絡的結構特征提供了便利。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知識間的關聯(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知識流活動規(guī)律的探索。其二，Griliches指出，專利分類體系和產品、產業(yè)類別存在不一致，造成了專利歸類和使用的不便［19］。IPC等專利分類標準是一套技術工程師的交流語言，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？這是提升技術知識流網(wǎng)絡挖掘結果可讀性和決策支持力度的關鍵。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)的共類矩陣的基礎上建立了非對稱的技術知識流網(wǎng)絡；通過建立IPC和產業(yè)技術主題間的映射機制，將工程語言轉化為通識語言，從而揭示和闡述行業(yè)發(fā)展的關鍵技術群。

2 技術知識流網(wǎng)絡挖掘的研究框架

2.1 技術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鏈接的潛在指標之一［20］。為了盡可能地鎖定較廣泛的權利范圍，一件專利通常被賦予多個IPC號，每個IPC號對應一個特定的技術領域。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創(chuàng)新的相關性最高，它與其他副分類號間的關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號，其他相關知識則被分配給多個副分類號。也就是說，專利共類的實質是主分類號生產知識而副分類號接收知識［24］。

基于此，將技術知識流的測度分為3個步驟：（1）確定研究的技術主題和專利數(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記為主分類號，其余的分類號標記為副分類號；（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的主分類號與副分類號共類的次數(shù)。

2.2 專利IPC與技術領域的映射機制

目前，多數(shù)研究使用Verspagen等提出的IPC－ISIC分類標準（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)定的經濟活動國際工業(yè)分類標準關聯(lián)起來。國內也有研究《國民經濟行業(yè)分類與代碼》、《高技術產業(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標準。總體來看，上述標準體系適合對涉及多個產業(yè)經濟部門的大型、復雜技術系統(tǒng)進行分析。相比之下，IPC技術索引表（IPC－Technology Concordance Table）更適于研究高度專業(yè)化的技術系統(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個技術領域（Field）對應起來，能夠較好地反映技術及其領域劃分［25］。

2.3 技術知識流網(wǎng)絡構建與分析

基于此，將技術知識流網(wǎng)絡的構建與挖掘過程分為3個步驟：（1）針對技術群自身的特征，選擇適合的專利——技術方向映射標準。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等標準；如研究專業(yè)化和內聚性較高的創(chuàng)新群時，必須尋找中觀尺度的技術領域劃分標準。（2）建立計算機可讀的專利IPC和技術領域間的敘詞表，即將單件專利的IPC號映射為技術領域，從而將IPC共類矩陣轉換為技術知識流網(wǎng)絡。（3）由于技術知識流網(wǎng)絡屬于非對稱結構，因而不能采用聚類分析進行分析。有研究使用過結構洞分析［26－27］、塊模型分析［28］、MDS的ALSCAL分析［12］等方法進行處理非對稱矩陣，本文可借鑒之。

3 實證研究——以4G技術為例

4G是指第四代移動通信技術及通信標準，是相對于3G的下一代通信網(wǎng)絡。國際電信聯(lián)盟（ITU）將數(shù)據(jù)傳輸速度達到100Mbits/s的通信技術定義為4G技術。4G通信技術以傳統(tǒng)通信技術為基礎，通過融入新的通信技術來不斷提高無線通信的網(wǎng)絡效率和功能。4G通信將為用戶提供一種超高速無線網(wǎng)絡，其最明顯的優(yōu)勢在于通話質量及數(shù)據(jù)通信速度。4G通信技術包括TD－LTE和FDD－LTE兩種制式。長期演進技術（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)技術標準的長期演進。LTE預計將成為第一個真正的全球通信的無線通訊標準。LTE被外界視為4G無線的事實標準，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標準技術專利為例，探索4G技術知識流的運動特征，為國內企業(yè)搶占該領域技術高地提供戰(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，是目前最為權威的全球專利數(shù)據(jù)庫。為了更加直觀地反映領域技術的創(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專利整合成一條記錄，因而檢索結果數(shù)量通常低于國家知識產權局檢索系統(tǒng)的命中數(shù)目。以LTE為關鍵詞，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)絡分析軟件UCINET。TDA是湯森公司推出的一款適用于結構化數(shù)據(jù)分析與文本挖掘的綜合分析軟件，其強大的權利人清洗功能是研究跨國公司全球技術布局的得力助手。本研究利用TDA對4G技術領域的專利進行清洗、建立專利分類號與技術產業(yè)類別間的關聯(lián)關系。本研究利用EditPlus建立權利人間的敘詞表，用以指導跨國企業(yè)子機構間的合并；建立IPC小類和技術領域間的敘詞表，用以指導技術創(chuàng)新領域的識別。本研究使用UCINET的塊模型（Blockmodels）處理非對稱矩陣。塊模型從網(wǎng)絡整體結構考慮，將一個網(wǎng)絡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構對等性（structural Equivalence）［29］。本文中將知識輸出和知識接收對象皆相同的技術領域定義為結構對等。在此基礎上，分3個步驟進行技術知識流網(wǎng)絡挖掘：（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－密度標準，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，直觀地揭示出技術知識流網(wǎng)絡中各技術領域間的互動關系。

3.2 4G技術知識流網(wǎng)絡挖掘

3.2.1 4G專利的共類矩陣構建

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的技術領域映射

表1 4G專利共類矩陣（部分）

考慮到IPC－ISIC更適合于研究跨經濟部門的協(xié)同創(chuàng)新；而4G技術的專業(yè)化程度高，因而，選擇IPC技術索引表作為技術領域劃分標準。如出現(xiàn)IPC效率隸屬于多個技術領域的情況時，統(tǒng)一歸入隸屬度最高的技術領域。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個技術領域，如表2所示。

表2 4G 技術領域一覽表

由表2可知，數(shù)字通信4G技術行業(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用于此領域。電信技術是現(xiàn)代通信技術的基礎，也是4G技術創(chuàng)新的重要方向，超過3成的專利的功能和應用領域與其有關。此外，計算機技術、基礎通信進程、測量、視聽技術、IT管理方法、控制等領域也是4G技術研發(fā)的重要戰(zhàn)場。

3.2.3 4G技術知識流網(wǎng)絡的塊模型分析

根據(jù)29個技術領域間的知識生產和知識接收關系建立4G技術知識流矩陣。對原矩陣進行二值操作，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)技術領域間的結構對等性將29個技術領域分為4個區(qū)，結果如圖1所示。

圖1 4G技術知識流網(wǎng)絡分區(qū)

計算整體網(wǎng)絡密度、各塊和塊間密度，結果如圖2（a）所示。由該圖可知，4G技術知識流網(wǎng)絡的鏈接水平較低（密度＝0.1626），塊1的內部互動頻繁（密度＝0.4083），其次為塊4，塊2和塊3結構松散。接下來，采用α密度指標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)絡的密度值0.1626。aij和bij分別為圖2（a）和圖2（b）對應位置的取值，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技術知識流網(wǎng)絡挖掘過程

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

接下來，考慮塊間的技術知識交流活動。嚴格意義上來看，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）中所示的虛線關系，表現(xiàn)出非典型的集中趨勢。塊1兼具內聚性和對外交流性，是4G技術知識流網(wǎng)絡的信息發(fā)出的集中塊。塊1創(chuàng)造的技術知識不僅能夠促進內部知識交流和協(xié)同創(chuàng)新，還向塊3和塊4輸出技術知識，同時接收來自塊2的異構知識。也就是說，塊1是網(wǎng)絡系統(tǒng)知識循環(huán)的保障，是4G技術知識的生產者、吸收者和傳遞者。因而，應高度重視塊1在技術發(fā)展中的關鍵作用，圍繞電氣工程技術部門構建4G技術知識的核心網(wǎng)絡。

4 結 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)”。在一些重點產業(yè)領域，由于核心技術知識受制于人，國內企業(yè)不得不徘徊于產業(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產業(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)新驅動發(fā)展戰(zhàn)略”，“搶占科技發(fā)展戰(zhàn)略制高點”。然而，產業(yè)技術創(chuàng)新是一項極其復雜的工作，需要整合和重組大量異源異構知識。那么，怎樣才能有效管理這些技術知識呢？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系，引入IPC技術索引表對IPC小類和技術領域進行映射，構建了非對稱的技術知識流網(wǎng)絡。在此基礎上，利用社會網(wǎng)絡的塊模型分析方法對該網(wǎng)絡進行挖掘，以期發(fā)現(xiàn)網(wǎng)絡中技術知識流的運動特征和行業(yè)技術的互動規(guī)律。

基于4G技術的實證研究結果可供國內4G技術研發(fā)企業(yè)及相關行業(yè)參考。首先，4G產業(yè)的技術集中化程度高，主要隸屬于信號傳輸和電信方向。其次，4G產業(yè)的技術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個技術領域。第三，根據(jù)技術主題的結構對等性，可將4G技術知識流網(wǎng)絡分為4個塊，塊1是產業(yè)技術核心子群，是4G技術知識的生產者、吸收者和傳遞者。國內4G領先型企業(yè)，如中興、華為、大唐、HTC等應高度重視塊1子群在產業(yè)技術協(xié)同創(chuàng)新中的關鍵作用，堅持數(shù)字通信、電信兩大主題技術雙管齊下的研發(fā)方向，同時優(yōu)化在計算機技術、基礎通信進程、視聽技術、IT管理方法等重要技術領域的布局，徹底破除專利零布局的技術短板。

［1］姜軍．企業(yè)專利戰(zhàn)略與核心競爭力的關聯(lián)研究［D］．武漢：武漢理工大學，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］劉細文，馬費成．技術競爭情報服務的理論框架構建［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．知識溢出和技術創(chuàng)新能力關系：有中介的調節(jié)變量模型［J］．圖書情報工作，2012，56（16）：127－131．

［7］孫元媛，胡漢輝．產業(yè)集群升級中主導企業(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流矩陣的分析——對石油天然氣產業(yè)技術溢出效應的測度［J］．科學學研究，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)技術競爭研究［J］．科學學與科學技術管理，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．專利權人引用網(wǎng)絡中的媒介角色研究［J］．現(xiàn)代圖書情報技術，2011，27（11）：60－66．

［27］黃斌，黃魯成，吳菲菲，等．基于專利共類的技術關聯(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)的產業(yè)競爭態(tài)勢動態(tài)預警機制研究”（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。