基于專利共類的有向技術交互影響分析

李瑞茜 陳向東 崔云霞 崔彩霞

摘要：[目的/意義]不同于已有文獻主要關注特定技術領域內的技術關聯關系，本文分析并預測多種技術間的有向交互影響關系，為促進目標技術提升及預測技術進步提供戰略支持。[方法/過程]基于中國35個技術領域的專利共類數據，在Choi等專利交互影響分析方法的基礎上，計算35個技術領域間的有向交互影響值，并根據影響值的大小對技術對進行分組，構建技術交互影響網絡并分析交互影響的變化趨勢。[結果/結論]整個技術領域內存在高比例的偏向及單向影響技術對，食品化學（FOC）是發出影響最大的技術領域，儀器領域的測量（MEA）、電氣工程領域的電氣機械、設備、能源（EAE）和COM（電腦技術）、化學領域的基本材料化學（BMC）、材料、冶金（MAM）是交互影響網絡中的核心領域，處于交互影響網絡的核心。

關鍵詞：專利共類 技術領域 有向交互影響

分類號：G250

引用格式：李瑞茜， 陳向東， 崔云霞， 崔彩霞. 基于專利共類的有向技術交互影響分析[J/OL]. 知識管理論壇， 2018， 3（3）： 160-171[引用日期]. http：//www.kmf.ac.cn/p/136/.

1 引言

隨著技術創新步伐的加快，技術之間的關聯關系日趨復雜多變。這種技術間的關聯關系會對技術擴散產生影響，多種技術間的不斷融合和相互作用提升了使用交互影響分析來預測和分析技術的重要性。傳統的交互影響分析法依賴于專家定性評價或直覺[1-3]，因而很難保持結果的一致性。C. Choi等提出了一種基于專利數據的定量交互影響分析法[4]，這種方法在評估技術交互影響時克服了定性交互影響法中概率估測的主觀隨意性，并為之后的技術交互影響研究奠定了基礎。D. Thorleuchter等[5]比較內外部研發技術交互影響的差異，進而分析了交互影響的特征、網絡、復雜關系和變化趨勢。C. Kim等使用關聯規則挖掘和分析網絡過程方法，基于技術交互影響來確定信息通信領域的核心技術[6]。馬榮康和劉鳳朝基于專利技術共類構建識別不同納米技術領域交叉影響模式的分析框架，對比了美國、日本、德國與韓國的納米技術發展模式，探討了中國納米技術的發展現狀及技術實現跨越式發展的政策啟示[7]。秦立芳根據 2000 -2011年間納米、生物、信息技術領域各熱點技術所包含的專利數目及任意兩技術共同包含的專利數目，計算任意兩技術間的交叉影響值，并通過設定影響關系閾值分析了各技術間的影響關系[8]。S. Gauch等提出了識別技術收斂趨勢和測量技術趨同的標準，如探索性鑒定技術集聚，使用技術領域的廣度區分集中和擴散的趨同趨勢，并使用交叉影響評估方法進行深入分析，以衡量技術趨同的水平和趨勢[9]。

已有文獻主要關注某個特定技術領域內的技術關聯關系，沒有對多個技術領域的關聯影響值進行全面深入的考察；而且以往文獻忽略了技術流的方向性，技術知識流是知識流動的過程，存在知識輸出方和知識接收方，這一局限會影響對技術知識流活動規律的探索[10]。黃斌等[11]認識到這一問題，針對C. Choi等專利交叉影響分析法存在的不足，以太陽能聚光器技術領域中的5種技術為研究對象，從影響類型的劃分、影響方向和特定技術影響力3個方面對之前的研究進行修正與完善。

在已有文獻對技術交互影響的分析中，專利共類是一種常用的數據，一項專利有兩個或以上用途的產品組合時，審查員就會給出與其用途相應的多個分類號，主分類號代表了專利的主要用途，最能充分反映一項專利的技術主題，它與專利技術創新的相關性最高，次要用途確定的分類號為副分類號。從信息科學和技術的角度來看，專利分類提供了專利的知識組織。盡管專利分類號由專利審查員人為施加，但OECD手冊（1994年）明確專利是根據技術特征劃分的技術類別，可以作為技術關聯的潛在指標。而且，共類分析假設分類號歸屬于一個專利的頻率可以代表知識聯系和溢出強度[12]，具有可根據多級技術分類分析多種技術水平的優勢，能克服專利共引時間滯后及共詞定性判斷不一致的問題[6]。H.Lim和Y. Park[13]以及H. Park和J. Yoon[14]指出在一件專利中，發明的專有知識被分配給主分類號，它與專利技術創新的相關性最高，其他相關知識則被分配給多個副分類號，主分類號與其他副分類號間的關系可以視為知識流動的方向。周磊和楊威認為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，二者間的關系應被視為技術知識從知識的源頭流向應用終端[10]。

因此，本研究在已有文獻的基礎上，結合專利技術領域的共類信息和技術流方向，基于C. Choi等提出的專利交叉影響分析方法，參考黃斌等的研究，使用專利共類數據對不同技術領域間有向的交叉影響值進行考察，計算得到技術間的關聯影響值，為制定策略以增強目標技術的競爭力、預測技術進步提供戰略支持。首先，計算技術領域間的有向交互影響值。其次，根據技術領域間的交互影響值的大小，對技術對做了分類。再次，構建交互影響網絡來識別技術間的復雜關系。最后，分析技術間交互影響值隨時間發生的變化。結果有助于幫助決策者預測未來趨勢及制定更好的研發戰略。

2 專利數據采集與處理

為了盡可能全面涵蓋不同領域技術間的交互影響，選擇WIPO 2008年5月發布的《國際專利分類號與技術領域對照表》中的五大技術領域的35個子領域（見表1）。盡管35個技術領域分類的區分度不夠明顯，使得從字面上看來有些技術較為相近，但相近技術的側重點和應用領域不同，且該表提供了最初的分類標準，是其他各分類體系的參照標準，就此進行研究依然具有一定意義。數據采集于CNIPR專利信息服務平臺，數據范圍為中國發明授權專利，獲得授權是專利質量的重要體現[15]，同時，因有效期屆滿或因未繳納年費專利權終止的無效專利被排除在外，以提高樣本數據的準確性。通過限定主分類號為i領域、分類號為不同于i的j領域，就可以獲取主分類號為i領域、副分類號為j領域的專利數。檢索表達式為：主分類號=（領域i） and 分類號=（領域j） and 國省代碼=（北京 or 天津 or 河 or 山西 or 內蒙古 or 遼寧 or 吉林 or 黑龍江 or 上海 or 江蘇 or 浙江 or 安徽 or 福建 or 江西 or 山東 or 湖北 or 湖南 or 廣東 or 廣西 or 四川 or 貴州 or 云南 or 西藏 or 陜西 or 甘肅 or 青海 or 寧夏 or 新疆 or 海南 or 重慶）。通過技術分類號的共類檢索，提取出1996-2016年全國35個技術領域內獲得授權的有效專利數，作為本研究的樣本數據。以每件授權發明專利申請時的主和副國際專利分類號為依據，建立35*35的非對稱技術關聯共類矩陣，共類矩陣中的行代表主分類號技術領域，列表示副分類號技術領域，元素值為該位置對應的主分類號與副分類號共類的專利數，表示所在行領域i的技術知識流向所在列領域j的技術的次數。因為這里主要關注35個領域間的技術關聯，同時基于數據可得性的考慮，各技術領域與其自身的關系就不再考慮。

3 研究方法

3.1 技術交互影響的方向

技術關聯影響的方向決定了技術發展的趨勢，為研發投入支持技術領域發展提供決策基礎。本文分析技術對間的直接關聯影響。如果以i為主分類號且j為副分類號的專利件數大于以j為主分類號且i為主分類號的專利件數，則稱i與j的關聯影響為i對j的偏向關聯影響；反之，則稱j與i的關聯影響為j對i的偏向關聯影響；如果僅存在以i為主分類號且j為副分類號的專利，或僅存在j為主分類號且i為副分類號的專利，則稱領域i對領域j有單向關聯影響（或領域j對領域i有單向關聯影響）；如果以i為主分類號且j為副分類號的專利件數等于以j為主分類號且i為副分類號的專利件數，則稱i與j間由等向關聯影響；如果不存在i為主分類號且j為副分類號的專利或j為主分類號且i為副分類號的專利，則稱i與j無關聯影響。

3.2 技術交互影響種類

參考黃斌等的研究，將技術直接交互影響分為以下幾類：

⑴技術領域i對技術領域j的關聯影響

從技術知識流的視角看，如果技術領域i和j存在偏向或等向影響，那么它們之間任何一方的發展都能促進另一方的發展；如果技術領域i對技術領域j單向影響，那么技術領域i的發展可以促進技術領域j的發展，而技術領域j不能促進i。如果技術領域i和j是無向影響，那么兩者間任何一方的發展都不會促進另一方面的發展。

4 研究結果

4.1 技術領域間的交互影響值

如表2所示，通過加總行和與列和，得到35個技術領域發出和收到的影響總值。表2中的技術i表示影響技術，技術j表示受影響技術。同時，也列出35個技術領域受影響和影響其他技術的最大值及技術領域。表2里電氣工程領域技術以加粗斜體下劃線表示，儀器領域技術以加粗斜體表示，化學領域技術以粗體表示，機械工程領域技術以斜體表示，其他領域技術以正常字體表示。

可以看到，整體看來，電氣工程和化學領域受到和對其自身領域技術影響最大，儀器領域受到和對電氣工程及化學領域影響最大，機械工程領域受其自身技術影響較多，同時對電氣工程、化學產生較多影響，其他領域受到和對儀器及機械工程影響較大。影響力最高的技術是食品化學FOC，累積影響值0.996，說明食品化學領域99.6%的專利也出現在其他技術領域的專利中。

具體看來，第2、3、11、16、17、18、25、33、34組的技術對間互為影響技術和被影響技術，以電氣工程領域的通訊TEL和視聽技術AVT為例，二者之間相互影響值為最大，且ITEL→AVT（0.2416）< IAVT→TEL（0.3620），存在偏向影響IAVT→TEL=0.1204，說明技術AVT對TEL的影響更大。數字通訊技術DIG對通訊TEL的影響值最高，IDIG→TEL=0.535 9，而ITEL→DIG=0384 3，DIG對TEL的影響更大，IDIG→TEL=0.151 6。跨領域而言，對化學領域的藥物PHA影響最大的是食品化學FOC，IFOC→PHA（0.417 5）> IPHA→FOC（0.394 9），FOC對PHA的偏向影響IFOC→PHA（0.222 6）。機械工程領域機床技術MAT對處理技術HAN的影響最大，且IMAT→HAN（0.070 1） > IPHA→FOC（0.112 2），存在MAT對HAN的偏向影響。跨領域而言，化學的高分子化學/聚合物MCP對機械工程領域的其他特種加工機床OPM的偏向影響更大。其他領域的家具、游戲技術FUG對儀器的醫藥技術MED的影響更大，IMED→FUG（0.064 2） > IFUG→MED （0.107）。ITPM→OCG（0.082 7） > IOCG→TPM（0.134 5），說明其他領域的其他消費品OCG對機械工程的紡織和造紙機TPM的影響更大。對儀器的生物材料分析技術ABM影響最大的是化學的生物技術BIO，IBIO→ABM（0.095 8） > IABM→BIO（0.305 9），所以ABM對BIO的影響更大，偏向影響為IABM>BIO= 0.210 1。

在非互為最大影響的技術對中，同一領域內，對DIG影響最大的是IT管理方法技術ITM，IITM→BIG（0.053 7）>IDIG→ITM（0.399 9），存在著技術ITM對DIG的偏向影響IITM→DIG= 0.463 8。對基本通訊進程BCP影響最大的同樣是電氣工程領域的DIG，IDIG→BCP（0.027 7） < IBCP→DIG（0.168 0），所以存在技術BCP對DIG的偏向影響IDIG>BCP=0.140 3。對電腦技術COM影響最大的是DIG，且IDIG→COM（0.306 3） < ICOM→DIG（0.230 1），所以存在DIG對COM的偏向影響IDIG→COM0.140 3。化學領域中，對化學的有機精細化工OFC影響最大的是化學工程CHE，ICHE→OFC（0.207 4） < IOFC→CHE（0.189 9），所以CHE對OFC的影響更大ICHE>OFC=0.017 5。

跨領域的技術對中，對電氣機械、設備、能源EAE影響最大的技術領域是機械工程的發動機EPT，影響值IEPT→EAE為0.165 0，EAE對EPT的影響值為0.0265，盡管雙方的發展均能促進對方的發展，但技術EAE影響技術EPT發展的程度較大，技術EAE對技術EPT的偏向影響值為IEAE→EPT=0.013 85。對電氣工程領域的IT管理方法ITM影響最大的是機械領域的熱力加工設備TPA，且ITPA→ITM（0.225 3） < IITM→TPA（0），所以技術TPA單向影響ITM，ITPA→ITM=IIPA→ITM=0.225 3。對電氣工程領域的半導體SEM影響最大是儀器領域的光學技術OPT，對OPT影響影響最大的是SEM，但IOPT→SEM（0.154 0） < ISEM→OPT（0.171 1），因此SEM對OPT的影響更大，ISEM>OPT=0.171 1。對儀器領域的測量技術MEA影響最大的是化學領域的微結構和納米技術MSN，IMSN→MEA（0.330 0） < IMEA→MSN（0.053 3），所以MSN對MEA的影響更大IMSN>MEA=0.276 7。對儀器的控制技術CON影響最大的是電氣領域的IT管理方法ITM，IITM→CON（0.197 1） < ICON→ITM（0.037 6），所以ITM對CON的影響更大。對儀器的醫藥技術MED影響最大的是化學領域的藥物PHA，IPHA→MED（0.147 1） < IMED→PHA（0.095 1），所以PHA對MED的影響更大，IPHA>MED=0.052。對化學領域的生物技術BIO影響最大的是儀器的生物材料分析ABM，IABM→BIO（0.305 9）> IBIO→ABM>（0.095 8），所以ABM對BIO的偏向影響更大IABM>BIO=0.210 1。

除了領域內不同技術間的偏向影響外，跨領域的偏向影響中電氣工程領域內部分技術與機械工程領域內技術產生偏向影響，電氣工程對儀器產生偏向影響，化學對儀器產生偏向影響，化學影響機械，其他領域對儀器、機械工程技術產生偏向影響。技術間的影響是基于技術所需的領域知識和資源要素決定的，技術領域間的影響并無明顯的作用規律。對于存在偏向影響和單向影響的技術對而言，如果企業在技術DIG具有競爭優勢，其也會在TEL獲取優勢。這也能用于預測技術進步，因為一種技術的發展會影響另一種技術的發展。例如，技術DIG的進步也會促進技術TEL的發展。如果技術DIG發展得很快，技術領域TEL也會在不久的將來有發展。

4.2 技術分組

基于關聯影響對技術分組有助于理解它們的特征。使用參考虛線Y=X，將技術對區域分為偏向、單向、等向和無向影響。同時，將技術關聯影響的平均值（Y=0.032 6， X=0.026 2）作為邊界值，根據邊界值將技術關聯影響的整個區域分為高-高、高-低、低-高、低-低影響四大塊。這兩種分類方法的結果如圖1所示，X軸Ij→i代表以j為主分類號技術對i為副分類號技術的影響，Y軸Ii→j表示以i為主分類號的技術對j為副分類號技術的影響。以圖1中的點（ITM，DIG）為例，其投射在Y軸上的值IITM→DIG為以ITM領域為主分類號的技術對DIG為副分類號技術的影響值，投射在X軸上的值IDIG→ITM是以DIG為主分類號技術對ITM為主分類號技術的影響值。（FOC，PHA）的以FOC為主分類號的技術對以PHA為副分類號技術的影響值Y大于以ITM為主分類號的技術對TPA為副分類號的影響值X，且該點的Y值和X值處于高-高水平。點（TPA，ITM）以TPA為主分類號的技術對以ITM為副分類號技術的影響值Y大于以ITM為主分類號的技術對TPA為副分類號的影響值X，且該點的Y值和X值處于高-低水平。點（ITM，AVT）以ITM為主分類號的技術對以AVT為副分類號技術的影響大于以AVT為主分類號技術對ITM為副分類號技術的影響，該點的Y值和X值處于低-低水平。點（PHA，BIO）的以BIO為主分類號的技術對副分類號PHA的影響大于PHA為主分類號的技術對BIO副分類號的影響，且該點的Y值和X值處于低-高水平。

整體看來，高-高影響水平的110個點都是技術間存在偏向影響的點，即處于高-高水平的技術對能相互促進，且一種技術對另一種技術的影響更大。處于高-低區域的56對技術中除了TPA對ITM產生單向影響外，其余技術間都是偏向影響。位于低-高區域的49個點除2對技術間是單向影響外，其余都存在雙向及偏向影響。對于低-低區域的380個點，其中40個點技術對屬于單向影響，只存在一種技術對另一技術的單向影響，31個點的技術間無影響。可以重點關注和管理前三個區域內的存在偏向及單向影響的技術領域，以做出是否發展技術戰略的決定。

4.3 交互影響網絡圖

在計算了技術領域間的影響值之后，兩種及更多種技術間的復雜關系（如一種技術可能影響兩種或更多種技術，多種技術也可能影響同一種技術）需要通過網絡圖來識別。圖形的節點和邊分別代表了與其他技術有雙向或單向影響的技術，以及技術間的關聯影響。箭頭暗示了技術間偏向和單向影響的方向。當構建網絡圖時，兩點間邊的閾值越低，網絡圖就越密集。圖2是基于1996-2016年全國35個技術領域技術間影響值形成的整體復雜網絡關系網絡圖。偏向影響技術對用白色點表示，單向影響技術用灰色表示。密集網絡顯示了技術間高度相關的聯系。但與此同時，由于節點較多，連接關系較為復雜，核心技術領域間的影響關系難以從該圖中清晰分辨。

為了篩選出技術領域共類網絡中擁有強連接的節點，從而確定核心技術領域及其連接關系，將兩點間邊的閾值提高至0.1，即將兩個技術間影響值大于0.1的邊顯示在網絡圖3中，節點大小根據其影響值的度數中心度確定，邊的粗細由關聯影響值大小決定。經篩選后可以看到，中心度較大的技術領域——儀器的MEA（測量）、電氣工程的EAE（電氣機械、設備、能源）和COM（電腦技術）、化學領域BMC（基本材料化學）、MAM（材料、冶金）是交互影響網絡中的核心領域，受其他節點影響并能對其他節點產生重大影響。在大于0.1的影響關系中，儀器MEA受到電氣EAE、機械工程TRA（運輸）、儀器領域的CON（控制）、ABM（生物材料分析），電氣工程領域BCP（基本通訊工程）、化學領域MSN（微結構和納米技術）、PHA（藥物）的單向影響，又對COM產生單向影響。MCP（高分子化學及聚合物）、OPM（其他特種加工）、BMC（基本材料化學）之間存在偏向（雙向）影響。

4.4 交互影響的變化

技術關聯影響隨著需求變化和新技術的出現而發生變化。因此，有必要去分析技術交互影響關系的變化，以決定哪種技術應該接受投資和發展，從而得到合意結果，該結果是公私部門研發戰略決策制定的來源。考慮到特定年份搜集到的專利數據的完整性，本部分將對2004到2014年全國35個技術領域交互影響的變化進行檢驗。通過兩種技術間交互影響的變化檢驗了交互影響的變化趨勢。圖4反映了變化最大的10對技術在兩個方向上的影響關系Ii→j和Ij→i的變化。例如，技術對（通訊TEL，視聽技術AVT）呈上升趨勢。2004年其在Y軸（F1）和X軸（F2）影響值分別是0.077 4和0.450 0，但2014年變成0.410 8和0.445 4，這兩種技術間的關系隨時間越來越近。

呈遞減影響趨勢的技術對有（光學OPT，通訊TEL）（生物技術BIO，藥物PHA）（土木工程CIE，特種加工OPM）（微結構納米MSN， 測量MEA）（家具游戲FUG，控制CON）。在兩個方向都遞減的技術對有（生物材料分析ABM，生物技術BIO）（ABM，PHA）（TEL，DIG）（電腦技術COM，TEL）。

5 結論及建議

根據1996-2016年中國35個技術領域間的有效發明專利授權數據，建立了基于非對稱的技術關聯矩陣，并對技術直接關聯影響進行了分析，結果提供了分析技術發展、預測未來趨勢的方法，為利用技術關聯影響促進技術融合發展提供了新的參考及依據。具體結論如下：

⑴技術的直接交互影響關系分為偏向、單向、等向和無向影響。電氣工程和化學領域受到和對其自身領域技術影響最大，儀器領域受到和對電氣工程及化學領域影響最大，機械工程領域受其自身技術影響較多，對電氣工程、化學產生較多影響，其他領域受到和對儀器及機械工程影響較大。各領域間的影響是基于技術研發所需知識和要素產生的。除了領域內不同技術間的偏向影響外，跨領域的偏向影響中電氣工程內部分領域與機械工程內技術產生偏向影響，電氣工程對儀器產生偏向影響，化學與儀器產生偏向影響，化學偏向影響機械工程，其他領域對儀器、機械工程技術產生偏向影響。技術間的影響并無明顯的作用規律。

⑵對技術對的分組可以發現，技術間高-高影響水平的點都是存在偏向影響，即處于高-高水平的技術對能相互促進，且一種技術對另一種技術的影響更大。處于高-低區域的技術對和低-高區域的技術對因為其中一種技術的影響力相對較高，因此除少數技術對是單向影響外，其余都存在偏向影響。在低-低區域的技術對因為技術影響力有限，故只存在單向影響和無影響。

⑶通過使用偏向和單向影響技術對構建的技術關聯影響網絡，可以識別多種技術間的復雜關系。儀器的MEA（測量）、電氣工程的EAE（電氣機械、設備、能源）和COM（電腦技術）、化學領域BMC（基本材料化學）、MAM（材料、冶金）是交互影響網絡中的核心領域，這些核心領域是戰略性新興領域和基礎支撐領域，受其他技術影響并能對其技術點產生重大影響。

根據結論提出以下政策建議：

⑴應根據技術間的直接影響值大小，重點關注和管理存在偏向及單向影響的技術領域。決策者一方面可以根據一種技術發展對另一種技術發展的影響來預測技術進步，另一方面可以制定公共政策、確立技術戰略促使目標技術較快發展。

⑵通過分析技術對隨時間變化的關聯影響，可以把握技術對的發展模式或整體方向。從特定年份關聯影響下每年積累的專利信息及變化程度，識別技術關聯影響的遞增及增減變化，并據此選擇有利的研發投入時機，制定研發策略，決定哪種技術應該接受投資和發展，從而得到合意結果。

⑶應繼續加大對影響力最高食品化學技術FOC和核心技術MEA、EAE、COM、BMC、MAM的投資，充分挖掘其涉及到的化學、機械工程和電氣工程技術領域的發展潛力，發揮影響力最高技術的影響力，利用核心技術領域對技術網絡的控制能力，同時實現技術更新與突破，促進相關新興技術領域的培育。

參考文獻：

[1] SCHULER A， THOMPSON WA， VERTINSKY I， et al.Cross impact analysis of technological innovation and development in the softwood lumber industry in Canada： a structural modeling approach[J]. IEEE transactions onengineeringmanagement，1991，38 （3）： 224–236.

[2] BLANNING R W， REINIG B A. Cross-impact analysis using group decision support systems： an application to the future of Hong Kong[J]. Futures， 1999， 31（1）： 39-56.

[3] VILLACORTA P J， MASEGOSA A D， CASTELLANOS D， et al. A new fuzzy linguistic approach to qualitative cross impact analysis[J]. Applied soft computing， 2014， 24（11）： 19-30.

[4] CHOI C， KIM S， PARK Y. A patent-based cross impact analysis for quantitative estimation of technological impact： the case of information and communication technology[J]. Technological forecasting and social change， 2007， 74（8）： 1296-1314.

[5] THORLEUCHTER D， VAN DEN POEL D，NZIE A. A compared R&D-based; and patent-based cross impact analysis for identifying relationships between technologies[J]. Technological forecasting & social change， 2010， 77（7）：1037-1050.

[6] KIM C， LEE H， SEOL H， et al. Identifying core technologies based on technological cross-impacts： an association rule mining （ARM） and analytic network process （ANP） approach[J].Expert systems with applications，2011，38（10）： 12559-12564.

[7] 馬榮康，劉鳳朝. 基于專利交互影響分析的納米技術發展模式國際比較[J]. 中國軟科學， 2012（12）：49-58.

[8] 秦立芳. 基于專利交叉影響法的NBI會聚趨勢研究[D]. 北京：北京工業大學， 2013.

[9] GAUCH S， BLIND K. Technological convergence and the absorptive capacity of standardization[J]. Technological forecasting and social change， 2015， 91（2）： 236-249.

[10] 周磊，楊威.基于專利IPC的技術知識流網絡挖掘[J].現代情報，2016， 36（1）：45-50.

[11] 黃斌， 黃魯成， 吳菲菲，等. 基于專利交叉影響分析法的技術影響關系研究[J]. 科技管理研究， 2015， 35 （15）：147-151.

[12] BRESCHI S， LISSONI F， MALERABA F. Knowledge-relatedness in firm technological diversification[J]. Research policy， 2003， 32（1）： 69–87.

[13] LIM H， PARK Y. Identification of technological knowledge intermediaries[J]. Scientometrics， 2010， 84（3）： 543-561.

[14] PARK H， YOON J. Assessing coreness and intermediarity of technology sectors using patent co-classification analysis： the case of Korean national R&D;[J]. Scientometrics， 2014， 98（2）： 853-890.

[15] 李蓓，陳向東. 基于專利合作網絡的我國中藥合作創新研究[J].中國中藥雜志，2015，40（6）：1212-1218.

作者貢獻說明：

李瑞茜：構思論文、查找處理數據并撰寫論文；

陳向東：提出有益的論文修改建議；

崔云霞：查找專利數據；

崔彩霞：查找專利數據。

Abstract： [Purpose/significance] It is different from the existing research literatures which focus on the technical relationships in specific technical fields， this paper aims at analyzing and predicting the directional cross impacts among various technologies and providing strategic support for the development of target technology and forecasting technological progress. [Method/process] Using the patent co-classification data of 35 technical fields in China， this paper calculated the directed cross impact values between 35 technical areas based on the patent cross impact analysis methods of Choi and others. Then， according to the impact value， the technical pairs were grouped， and cross impact network was built and changes of cross impact was analyzed. [Result/conclusion] There exists a high proportion of bias and one-way technology impact in the whole technology fields. Food chemistry （FOC） is the most influential technical field. Measurement （MEA） in the instrument field， electrical machinery， equipment， energy （EAE） and computer technology （COM） in the electrical engineering field， as well as basic materials chemistry （BMC） and material， metallurgy （MAM） in chemistry field are the core technology fields， locating at the core of the network.

Keywords： patent co-classification technical field directed cross impact