社會科學領域國際專利信息研究的知識圖譜分析

夏向陽 肖 文

(1.浙江大學 經濟學院， 浙江 杭州 310027; 2.浙江大學寧波理工學院 商學院， 浙江 寧波 315100)

“發展是第一要務，人才是第一資源，創新是第一動力”，三者共同作用的重要產物和集中體現則是專利。專利信息是世界上最大的技術信息源，它“覆蓋了世界90%以上的科技研究成果”[1]210，“80%的發明創造只在專利文獻中記載”[1]Ⅸ，可見專利信息已經成為“科技創新的動力和源泉”[1]Ⅸ。在微觀層面上，通過對專利信息的識別、挖掘與分析利用，企業既可以發現競爭對手,監測競爭對手的市場策略[2]，又可以通過有組織有計劃的專利活動，向外界釋放有利于其獲得政府資助和外部融資的信號[3-4]；同時，在信息不對稱的環境中又可以迷惑競爭對手[5]，開展技術預見[6]，發現技術創新機會[7]和預測新興技術[8]。在這種意義上講，專利已不僅僅是專利權本身[3-4,9]，不再僅僅作為保持技術領先的工具，更應成為增強企業競爭優勢、創造新價值的武器[10-11]。在科技競爭日趨劇烈、專利信息研究文獻與日俱增的今天，為盡快明晰全球專利信息研究重點，服務創新型國家建設、企業競爭和科學研究，我國學者不僅需要重視國內專利信息研究的回顧與展望，更要注重對國際專利信息研究的知識基礎、熱點動態的識別與跟蹤。

在運用知識圖譜分析國際專利信息研究方面，我國學者已做了有益探索[12]，如探測到國際專利信息研究主要熱點為專利本地化和醫藥專利，其數據源為Web of Science(WoS)核心合集SCI-EXPANDED、SSCI、CPCI-S等數據庫，集中于研究熱點探測，涵蓋檢索關鍵詞較多。在距離2008年我國頒布實施《知識產權戰略綱要》已逾十年的今天，世界專利實務與研究形勢已經發生了巨大變化，國際專利信息研究的熱點是否已經出現了新的變化？現今的研究趨勢如何？社會科學領域專利信息研究的側重點是什么？基于這些疑問，本文在前人專利知識圖譜分析[13-15]的基礎上，重點選擇SCI和SSCI數據庫中的管理學、經濟學、商學、商業金融、圖書情報五個細分領域，以其中1998—2018年間收錄的“專利信息”(patent information)文獻為研究對象進行研究，以期為社會科學領域尤其是商科專利信息研究及知識圖譜應用提供參考和借鑒。

一、 數據來源與研究方法

為揭示社會科學領域國際專利信息研究的整體情況，本文選擇國際權威數據庫WoS核心合集之SCI和SSCI數據庫作為數據源，以TS=(“patent information”)為主題檢索式，以1998—2018年為時間范圍，文獻類別限定在管理學、經濟學、圖書情報、商學、商業金融五個細分領域，精煉保留論文(article)和綜述(reviews)文獻，共得到文獻題錄數據1 077條，除重后實得文獻題錄數據為1 075條。檢索時間為2019年2月22日。

本文運用文獻計量學方法，通過繪制科學知識圖譜，對1998—2018年間社會科學領域國際專利信息的研究成果進行了系統梳理和多角度剖析。使用的信息可視化工具為美國德雷克塞爾大學(Drexel University)陳超美教授開發的CiteSpace軟件，該軟件主要基于共引分析理論和尋徑網絡算法，通過共現分析、文獻共被引分析和共現網絡分析，實施特定領域的文獻計量分析，繪制系列可視化圖譜，探尋該學科領域的演化關鍵路徑及知識拐點，識別研究領域的知識基礎、研究熱點與研究前沿，洞察學科演化動力機制[16-18]，實現“改變看世界方式的核心功能”[16]243。本研究主要通過該軟件的“共詞分析”“文獻共被引”“突現檢測”等功能，從主要作者和機構、高共被引文獻、高頻關鍵詞、突現關鍵詞等方面展開國際專利信息研究的知識圖譜分析。軟件版本為CiteSpace V，時間切片為1年，閾值設置為(2，2，20)、(2，2，20)、(4，3，20)。

二、 社會科學領域國際專利信息的研究現狀

(一) 國際發文量年份分布

文獻數量分布在一定程度上可以刻畫出某一領域當前的研究水平和未來的發展趨勢。圖1所示為1998—2018年社會科學領域國際專利信息研究論文發表數量的變化情況。從圖1可以看出，1998—2005年，論文發表數量增長較為緩慢，每年發文量在20篇上下徘徊；2006—2011年，論文發表數量呈現較快的增長態勢，年度論文發表總量從23篇增長到58篇；2012年出現明顯增長，2013年躍升到81篇；2012—2016年期間雖有增長，但仍在80篇上下徘徊；2017年突增到了119篇，增長速度迅猛，但2018年又下降到了95篇。從發展趨勢來看，2005年至今，論文發表數量總體呈現增長態勢，說明專利信息研究已經日益受到社會科學領域的高度關注。

圖1 社會科學領域國際專利信息研究論文發表數量年份分布(1)根據所選WoS核心合集數據庫數據，作者利用Excel軟件繪制。

(二) 國際專利信息研究的主要作者和機構

表1是根據發文量篩選出的12位國際專利信息研究的活躍作者，他們在1998—2018年的發文數量均為4篇及以上，屬于專利信息研究高產作者。其中，首次發文時間最早的是2007年，最晚的是2016年。在這份名單中，韓國的Sungjoo Lee和Yongtae Park是國際專利信息研究領域最高產的作者，數量分別為12篇和11篇；韓國、中國臺灣和中國大陸作者是國際專利信息研究的主力軍，其中韓國作者有5位，占比最大。

表1 社會科學領域國際專利信息研究高產作者統計

從表2可以看出，貢獻論文數量最多的是韓國首爾國立大學，表1的Yongtae Park、Changyong Lee即該校的骨干作者；美國佐治亞理工學院排名第二，但表1高產作者名單中并未出現該校作者，說明該校作者的發文相對分散；韓國亞洲大學排名第三，是社會科學領域國際專利信息研究的重要力量，該校的Sungjoo Lee居高產作者榜首；比利時魯汶大學、意大利博洛尼亞大學、美國國家經濟研究局也是國際專利信息的研究重鎮，較早就開始對專利信息進行系統研究，研究成果較為豐碩。從首次發表年份來看，中國臺灣大學日益成為國際專利信息的重要力量，陳達仁(Darzen Chen)和黃慕萱(Muhsuan Huang)團隊值得關注；中國北京理工大學、西班牙馬德里卡洛斯三世大學則是2011年以后新興的專利信息研究力量。

表2 社科領域國際專利信息研究主要發文機構統計

三、 國際專利信息研究的知識基礎識別、研究熱點研判與演進趨勢研判

(一) 知識基礎識別： 基于高共被引文獻的分析

知識基礎是某領域研究前沿在科學文獻中的引用軌跡[19]。為識別社科領域國際專利信息研究的知識基礎，本文利用CiteSpace軟件，選擇“citedreference”進行文獻共被引網絡分析，繪制國際專利信息研究文獻共被引網絡知識圖譜。

圖2呈現出來的重要文獻構成了國際專利信息研究最重要的知識基礎。圖中節點沿水平時間軸從左至右不斷演進，說明學者們對這一主題的興趣隨著時間逐漸增強；引文年輪越大，說明其在該研究領域中的影響力越大。表3列出了前11篇高共被引文獻，被引次數均在14次及以上，“作者”一欄均為第一作者。結合圖2和表3可以看出，國際專利信息研究影響力較大的時期為2001年延續至今，高共被引文獻主要集中在這一時期。對表3中的11篇高被引文獻的內容分析如下：

發表年份最早的是2001年B.H. Hall教授和R.H. Ziedonis教授合作發表于《蘭德經濟學雜志》上的《專利悖論再審視:美國半導體行業1979—1995年的專利行為實證研究》[20]。該文首先提出，以往的調查證據顯示制造企業并未仰賴專利從研發中獲取獨占收益，然而20世紀80年代中期以來，半導體企業的專利傾向卻急劇提升，二者的鮮明反差形成了一個專利悖論。以此為起點，兩位作者選擇技術變革迅速和創新累積性強的半導體行業作為研究對象，以1979年至1995年為時間范圍，實證分析了95家半導體企業的專利行為，結果表明專利悖論源于20世紀80年代美國的強專利保護法治環境變化，正是這一變化引發了資本密集型企業的“專利組合競賽”和專利密集型專業設計公司的興起；同時，他們強調在創新需要內在漸進式積累的環境中，相對于僅僅通過專利達到獨占研發收益目的，企業更依賴于綜合性的創新收益獨占機制，這在一定程度上駁斥了Levin等[21]、Cohen等[22]關于“專利作為研發收益獨占機制的相對無效性”的結論。

圖2 社科領域國際專利信息研究文獻共被引網絡知識圖譜

表3 文獻共被引網絡中的高共被引文獻統計

續表3

B.H.Hall教授是高產和高被引文獻作者。她在2005年領銜發表的《市場價值與專利引用》[23]的被引頻次高達42次，屬于經典共被引文獻。該文以企業研發作為一種投資活動，其產出是重要的無形資產，因而可以作為企業知識存量。論文根據企業無形知識資產存量在證券市場上的估值，利用1963—1995年的專利及其引用數據，對專利引用作為企業專利重要性的測度工具和作為研發成功代理變量的有效性進行了實證分析。結果顯示，專利引用每增加1次，市場價值會提高3%；不可預測的引用比可預測的引用效果更為明顯；有意思的是，自引用比外部引用具有更高的價值。

A.Jaffe與J.Lerner兩位教授于2004年出版的《創新及其不滿：專利體系對創新與進步的危害及對策》[24]XIII共被引14次。該書認為，在美國專利制度變得越來越麻煩而經濟分析又不支持廢除專利的情況下，缺乏充分的現有技術信息，致使專利審查員審核失誤，低質量專利頻頻出現。建立能夠彌補該失誤的司法系統，關鍵是激勵企業主動提供更多的現有技術信息，使專利審查員能夠得出較為合理的審查結論，確保專利的高質量。事實上，該書揭示的是專利信息對改革專利制度、推進持續創新的重要作用。

2006—2009年間，高共被引文獻共有6篇，其中2006年和2008年各1篇，2007年和2009年各2篇。2006年波蘭國立大學T.U.Daim等學者發表的《新興技術預測：文獻計量學與專利分析的應用》[25]申明了這樣一個觀點：預測新興技術的出現必須依靠充分而有用的歷史數據，而專利文獻的不斷涌現為此提供了源頭活水，文獻計量學和專利分析方法則為技術預測提供了有效的基礎方法。該文通過案例再次驗證了文獻計量學和專利分析方法的引入確實彌補了傳統系統動力學在技術預測上的不足。實際上，該文在探討專利文獻與信息挖掘方法的基礎上指出了專利信息對預測技術發展方向的重要意義。

2007年，中國臺灣地區的Y.H.Tseng等學者發表的《專利分析中的文本挖掘技術》[26]指出，專利文獻蘊含著重要的技術信息，但內容冗長且技術術語偏多，人工分析費時費力，而自動化分析工具可以協助專利工程師或決策者進行充分的專利分析；該文還探討、評估了一系列適合專利分析師使用的文本挖掘技術，證明了該方法比現有分類系統更有效。同年，D.Sen和Y.Tauman發表論文《降低創新成本的一般許可計劃》[27]，以“許可是擴散創新的一個有效途徑”為基本觀點，探討了創新激勵古諾壟斷與激發創新完全擴散的現實困境問題。實際上，他們探討的是專利權壟斷與創新成果社會利益最大化的關系，其中專利信息的充分挖掘不可或缺。

2008年，韓國的Y.G.Kim等學者發表了《新興技術專利分析的可視化》[28]，著重探討了識別技術進步的可行方法——專利信息可視化，并針對當前專利信息可視化方法的不足，提出了基于關鍵詞語義網絡構建的、更加清晰的專利信息可視化改進方法，此方法有利于了解新興技術的進步并預測其未來趨勢。2009年，韓國的S.Lee等發表了《發現新技術機會的方法：基于關鍵詞的專利地圖方法》[29]，提出了一種創建和利用基于關鍵字的專利地圖方法，用于預測新技術創造活動。同年，S.Lee等發表的《基于技術能力的商業規劃：以技術路線圖繪制為目的的專利分析》一文[30]，通過聚焦企業如何根據其技術能力尋找新的商業機會來響應技術驅動型企業的內在需要，提出技術路線圖繪制流程，認為應將技術路線圖繪制技術與專利分析有機結合起來，使其發揮互補作用，有效提高技術路線圖的客觀性和可靠性。

2010年以后，連續出現兩篇比較有影響力的高共被引計量類文獻。一篇是S.Choi等2011年發表于Scientometrics的論文《用于技術趨勢識別的專利SAO網絡分析：聚合物電解質膜技術在質子交換膜燃料電池中的應用實例研究》[31]。該文提出了一種利用功能概念對技術趨勢識別專利進行“主體—行動—對象”(SAO)網絡的分析方法，彌補了基于關鍵詞的技術趨勢識別方法的缺點，并通過相關的專利案例研究證明了SAO網絡的有效性。另一篇是N. Bloom等2013年發表于Econometrica的論文《技術溢出與產品市場競爭對手的識別》[32]。該文針對經濟學界持續討論三十年的中心議題“研發溢出效應對企業績效增長的影響”，以專利為知識的衡量指標，探究了企業績效與兩個反補貼溢出效應影響之間的互動關系，結果顯示，知識在企業中的地位越重要，則專利也會越多；并且強調了專利引用的重要性。

這些高共被引文獻從明晰專利對企業創新收益獨占、市場價值評估的重要性，到探討專利制度改革，再到新興技術預測、技術機會發現與識別、企業技術路線圖繪制，無不說明專利信息對現代經濟社會的獨特價值。此外，從高共被引文獻年代時序看，專利信息用于新興技術預測日益成為主流議題。

(二) 研究熱點研判： 基于高頻關鍵詞的分析

關鍵詞是文獻核心內容的高度凝練，能夠反映文章的主題概念和思想，因此,高頻關鍵詞的統計和分析多用于學科領域內研究熱點和重要主題的確定[33]114[34]23。CiteSpace軟件可以基于詞頻分析法對文獻關鍵詞的出現頻次以及不同關鍵詞之間的共現頻次進行統計分析，并以知識圖譜的形式將關鍵詞頻次和聚類關系清晰地展現出來，以揭示文獻中少數具有較強解釋意義的關鍵點，而這些點正是識別某一學科領域研究熱點的關鍵所在。

圖3 國際專利信息研究關鍵詞共現知識圖譜

根據這一思想，本文利用CiteSpace軟件對1998—2018年國際專利信息研究文獻中出現的關鍵詞頻次進行統計，以審視該領域不同階段的研究熱點及其演進結構。運算結果如圖3所示，關鍵詞共現網絡共有節點詞277個，這些節點詞被界定為高頻熱點關鍵詞。從圖3中可以看到，整個關鍵詞共現知識圖譜以“research and development”“innovation”“patent”“information”“firm”“technology”為中心構成一個高頻關鍵詞網絡，較大的節點則是出現頻次較高的關鍵詞，這些高頻關鍵詞在某種程度上代表了1998—2018年國際專利信息研究學界關注的熱點問題。

表4是1998—2018年排前10位的高頻關鍵詞和高中心性關鍵詞。排在第一位的高頻關鍵詞是“innovation”，出現頻次為379次；patent和information分列第二、三位。排在第一位的高中心性關鍵詞是information，其中心性為0.12；innovation和patent并列第二位，中心性均為0.09，這充分說明專利信息與創新已經形成了“命運共同體”，是相伴而生的關系。專利因創新而存在，對專利信息的不斷豐富、充分挖掘和深入分析又賦予創新更持久的力量；同時，創新能夠隨著知識產權尤其是專利法保護體系的日益完善而產生更加宏大的專利規模，進一步充實專利信息體系。有關這一熱點問題的高被引論文是華盛頓州立大學的K.D. Joshi教授團隊于2010年發表的“Changing the Competitive Landscape: Continuous Innovation Through IT-Enabled Knowledge Capabilities”[35]，該文認為企業要應對競爭求得發展，越來越依賴于它們持續創新的知識能力，而信息技術對支撐知識管理戰略、保障創新、提升企業績效至關重要。該文以專利、新產品和服務導入三個維度作為創新代理變量，對IT驅動的知識能力與創新之間的關系進行了理論與實證研究，研究結論認為IT對知識能力的提升有力地支持了企業創新，這事實上也在倡導創新需要應用當前的信息技術，培育更加高超的信息獲取能力，從而為創新提供強有力的支撐。

表4 前10位高頻關鍵詞和高中心性關鍵詞(1998—2018年)

在創新日益成為時代主旋律的今天，自主研發固然是企業技術創新的基本必要活動，但僅依靠內部創新能力的提升已不足以應對當代技術競爭。除了切實提升內部研發能力，企業還需充分利用外部技術知識資源，而在獲取外部技術知識資源的方法中，獲取現有專利信息并加以充分吸收利用，無疑是周期短、響應快、成效顯著的方法。因為專利信息記載了發明創造的軌跡，占據了世界科技信息的絕對比重，無疑是一個豐富的技術文獻和知識寶庫，如果善于查找并借鑒過往的專利文獻，站在巨人的肩膀上繼續研發，對一個企業尤其是中小企業的生存與發展無疑至關重要。因此，排在第四位及以后諸如“research and development”“technology”“firm”“performance”“patent citation”及后續熱點詞匯也與專利信息有著密不可分的關系。

(三) 演進趨勢研判： 基于突現檢測關鍵詞的分析

與一般高頻關鍵詞相比，突現檢測關鍵詞(burstness)的動態變化能夠更準確地刻畫出研究前沿趨勢[34]25，便于學者們對尚處于萌芽狀態的新興研究趨勢做出較為全面的預判。本文根據突現檢測值量度指標，運用CiteSpace軟件提取和生成了1998—2018年國際專利信息研究的25個突現檢測關鍵詞，清晰地呈現和反映了國際專利信息研究演進趨勢，具體如圖4所示。

圖4 1998—2018年間國際專利信息研究TOP25突現檢測關鍵詞

根據圖4可以發現，國際專利信息研究演進呈現出以下特點：

第一，從突現時間看，宏觀呈現轉向微觀應用是大勢所趨。根據關鍵詞突現時間的變化可以看出，專利信息研究從最初的專利、技術、創新、指標等向技術轉移、產品開發、語義分析、產品轉變，是一種不斷細化的過程，這表明隨著專利申請量和有效存量的不斷增加，學者們已經從專利信息的宏觀呈現、詮釋轉向諸多領域和環節的微觀應用。

第二，從突現強度看，專利信息研究范圍日趨廣泛。2002年之前，專利(patent)、技術(technology)、創新(innovation)突現強度較高；2002—2009年，信息不對稱(asymmetric information)關鍵詞突現持續7年之久，說明專利已進入市場、走向商業應用，相伴而來的是法律(law)保護問題；2004—2009年，如何促進和規制專利發展問題促使政策(policy)成為研究前沿；2014—2016年，知識流(knowledge flow)進入高突現強度視野，這源于開放式創新所致的知識流動對開放創新的作用研究，專利引用信息被作為重要的代理變量，導致知識流成為重要的突現關鍵詞。

第三，從突現開始時間看，2013年是突現詞集中的年份。這一年里，共有協同(collaboration)、探測(exploration)、合作(cooperation)、質量(quality)、搜索(search)、流動性(mobility)6個突現檢測關鍵詞，約為突現檢測關鍵詞總量的五分之一。知識經濟時代決定了技術創新越來越呈現出開放性特征，因此需要更多的協同和合作創新，知識流動性增強，技術創新趨勢的探測也越來越受到關注。對于“搜索”和“質量”，則是因為當專利申請文件內包含很少的現有技術并且現有技術分散或不易獲得時，專利審查員難以獲得充分的信息來判斷技術創新的可專利性，而必須通過充分檢索公共領域內存在的現有技術對其加以評估[36]421。為此，就需要鼓勵專利申請人提供相關信息以幫助專利審查員做出準確的審查決策。從這個意義上講，對信息充分性、完備性、完整性的需求促使協同、合作、探測、質量、搜索等關鍵詞成為研究前沿關鍵詞，是有其深厚的現實和理論基礎的。

第四，從地區突現詞看，中國日益成為國際專利信息研究的新興重要力量。

第五，從突現結束時間看，基于新產品開發的技術發展趨勢進行預測是當前國際專利信息的研究前沿。搜索、趨勢(trend)、形態分析(morphology analysis)、產品(product)分別于2013年、2014年以及2016年突現，持續至本文文獻采集截止的2018年年底，說明這些關鍵詞在未來一段時間內仍可能是專利信息研究前沿。

四、 結論與啟示

本文以SCI、SSCI數據庫為數據源，以其收錄的1998—2018年社會科學領域國際專利信息研究文獻為研究對象，運用文獻計量學方法，借助信息可視化軟件CiteSpace，繪制并生成了國際專利信息研究文獻共被引網絡、關鍵詞共現知識圖譜和結果數據，著重識別和追蹤了國際專利信息研究的知識基礎、研究熱點和演進趨勢，同時也對國際專利信息研究的發文量、主要作者和研究機構做了展示。主要結論如下：

第一，社會科學領域國際專利信息研究文獻自2005年以來總體呈較快增長趨勢，韓國、中國臺灣和中國大陸機構是國際專利信息研究的重要力量，韓國首爾國立大學是近年來發文量最多的機構，韓國的Sungjoo Lee和Yongtae Park是國際專利信息研究高產作者，我國臺灣地區的陳達仁、黃慕萱團隊和北京理工大學朱東華團隊是重要的新興研究力量。

第二，社科領域國際專利信息研究的知識基礎為市場價值與專利引用、新興技術發現與預測、新興技術與專利分析方法、專利信息可視化、SAO專利網絡分析、專利制度改革與專利信息的關系探討等，加州大學伯克利分校的B.H.Hall團隊為經典文獻貢獻者，值得關注。

第三，與高勁松、劉延芳發現的“專利本土化”和“醫藥專利”[12]兩個研究熱點不同，本文所探討的社會科學領域國際專利信息研究熱點主要為專利、創新、研發、信息、技術和績效等，基于突現關鍵詞的演進趨勢從早年的專利、技術、創新、指標(indicator)，演化到近年的質量、搜索、流動性、知識流、趨勢、形態分析和產品，呈現出從宏觀解讀到微觀應用轉變、從信息到知識流的焦點演變、從發達地區向發展中地區轉移、從關注研發轉變到技術機會發現與預測等趨勢。隨著專利數量和專利引用數據的迅速增長和易獲得性增強，新興技術預測、技術機會發現和技術趨勢識別將成為專利信息研究的熱點和重點。

基于以上結論，本文提出如下建議：

第一，以企業知識產權風險防范為中心，進一步加快我國專利信息研究智庫建設。以CiteSpace為代表的信息可視化軟件不但能夠利用現有WoS等文獻數據繪制知識圖譜來探尋研究基礎、研究熱點和演進趨勢，而且能夠繪制國際專利知識圖譜來開展技術預見、創新機會發現和技術預測。因此，基于我國企業專利信息利用能力普遍較弱的現實，我國政府應以知識圖譜分析力量培育為側重點，加大政策扶持力度；高校和科研院所應充分發揮人才高地優勢，加快社科類專利信息研究智庫建設，不斷完善我國專利信息知識圖譜分析理論與方法體系，全面把握國際專利信息研究，梳理企業專利保護和運用的現狀及趨勢，快速產出國際專利信息知識圖譜分析的豐碩成果，定期向企業提供創新和知識產權保護決策咨詢、培訓服務，從根本上預防各類知識產權風險。

第二，以國際專利信息研究國際合作為推進劑，全面提高企業知識產權保護水平。歐美、韓國高校以及我國北京理工大學是專利信息研究的主要力量，以此為線索，可以敦促我國有條件的同類高校和知識產權優勢企業先期加強國際合作，充分利用和挖掘專利文獻、數據及相關信息，及時做好技術預見、創新機會發現和技術預測，構建國際專利信息多階段、多角度、集成化、協同化和普及化的知識圖譜分析格局，密切跟蹤國際專利信息和創新動態，從創新選題和立項階段直至產品進入市場，全過程、全環節防范和化解潛在的知識產權風險，全面提升企業知識產權保護水平，為我國創新型國家建設提供良好的知識產權保護環境。

第三，以建立全鏈條創新激勵機制為目標，深入推進知識圖譜分析在知識產權主管部門中的應用。為彌補專利審查員信息不足而可能導致低價值甚至不合格專利的出現的缺陷，應加快提升專利審查部門基于CiteSpace的知識圖譜分析能力，督促專利審查員及時了解和全面把握國內外專利信息研究動態，提升獲取專利文獻及最新信息的能力；同時，我國國家知識產權局及省市各級專利主管部門應引入知識圖譜分析工具，做到新興技術領域的預見與盡早發現，及早醞釀和完善專利政策及法律法規體系，提前布局新興技術領域，提升企業創新成果保護成效，為建立從高校人才培養、企業研發、專利申請到專利轉移與轉化、專利侵權與訴訟等全鏈條的創新激勵長效機制奠定堅實基礎。