基于專利分析的產學研合作特征與關系預測研究

孫曉玲 莊偉華 李冰 陳娜

摘要：以產學研合作申請專利為研究對象，從合作主體、合作技術等方面對裝備制造業的產學研合作特征進行分析，并利用網絡表示學習算法node2vec進行合作預測研究。以遼寧、江蘇、廣東和北京的裝備制造業為例進行對比分析，結果表明：各省市專利增長體量及申請人組成存在較大差異，發展緩慢省市的產學研合作局限在小團體內部，與其他區域相比校企合作較少；在技術特征中，不同省市的發展既各有側重點，又有相同之處；最后通過合作預測發現最具有合作潛力的機構，為促進產學研合作提供決策支持。

關鍵詞：產學研合作；專利分析；網絡表示學習；合作預測

中圖分類號：G350文獻標識碼： ADOI：10.3969/j.issn.1003-8256.2020.01.005

開放科學（資源服務）標識碼（OSID）：

基金項目：國家自然科學基金青年項目（71704019）；遼寧省社科規劃基金項目（L17CGL009）

企業、高校和科研機構是技術創新的主體，三者之間的合作能夠有效促進技術創新，將高校和科研機構最新的技術與知識向企業進行轉移，實現科技成果向實際生產力的轉化，充分發揮各自優勢、實現優勢互補進而促進產業發展。

基于專利的產學研合作分析有助于發現目前專利合作網絡中的優勢和弊端，判斷整個行業的發展趨勢及發展方向，有利于促進專利技術的轉移和專利科技的研發以及專利技術的交流。已有部分學者通過專利對我國不同區域及區域間的技術創新問題進行了探討研究[1-4]。基于專利的產學研合作對于技術創新的推動作用也是研究熱點[5-7]，以合作網絡和共詞網絡作為工具進行分析能對研究內容進行更加直觀的體現[8-12]。朱桂龍基于國家知識產權局的授權發明專利數據，運用網絡圖譜以及科學計量方法，結合產學研合作政策特點對我國產學研合作網絡演化趨勢及區域分布進行了比較研究[1]。劉鳳朝等研究了“985高校”的產學研專利合作網絡演化路徑[10]。

裝備制造業作為工業的核心和國民經濟的生命線，被認為是衡量一個國家綜合競爭能力的重要標志，能從宏觀上反映一個國家的科技和工業實力。制造業是典型的技術密集型產業，技術創新的重要性在裝備制造業的發展中日益凸顯。裝備制造業的技術創新問題一直受到學術界的關注，國內學者多從技術創新現狀、能力評價、對策建議等方面進行研究。司林波從技術創新水平評價、技術創新的影響要素以及技術創新的實現途徑等三個方面對國內外裝備制造業技術創新研究進行了綜述[13]。在創新能力評價方面，通過構建評價指標體系，對裝備制造業技術創新能力的總體進行了評價[14-15]。在創新效率研究方面，區域裝備制造業的創新效率是重點研究內容。李姝和姜春海通過綜合運用橫向比較法和縱向比較法對遼寧裝備制造業技術創新現狀加以系統分析，探究遼寧裝備制造業技術創新中存在的問題[16]。婁巖從專利角度出發，從優勢、劣勢、威脅與機會四方面分析北京高端裝備制造業發展現狀[2]。

以上研究對裝備制造業的技術創新問題的探討大多利用面板數據中的多種指標進行評價，對于以專利為載體的技術創新具體技術內容層面以及合作預測方面還缺乏研究。本文將基于產學研合作專利視角，通過網絡分析和專利技術特征分析等系統地探究裝備制造業產學研合作特征，并利用網絡表示學習算法發現潛在的合作關系。

1研究方法

1.1產學研合作主體分析

構建產學研合作網絡，選用網絡分析中衡量節點中心性的兩個重要指標：度中心性和中介中心性，這兩個指標能夠反映節點在網絡中所處的位置以及影響力。

度中心性是分析節點中心性最直接的度量指標，用于測量網絡中一個節點與其他節點相聯系的程度，度中心性越大，則該節點在網絡中就越重要，在無向圖中體現為直接與該點相連的節點的數量。其計算公式如下：

1.2產學研合作技術特征分析

IPC分類是目前國際通用的專利文獻分類和檢索工具，對IPC分類號代表的技術領域通過各項指標進行分析，可以了解產學研合作申請專利的特征及趨勢，本文選用相對增長率以及離散系數作為主要分析指標[17]。

相對增長率是特定時間段內某一IPC類別專利申請數量的復合增長率與所有IPC類別專利申請數量復合增長率的比值，表示各IPC類別所代表的技術領域在時間維度上的成長。相對增長率大于1，說明該技術領域專利增長快于行業整體的專利增長；相對增長率小于1，說明該技術領域的專利增長落后于行業整體水平。其計算公式如下：

公式中Cj為第j種IPC類別的相對增長率，k表示IPC類別的數量，n為特定時間段的總長度，通常用年份作為單位，xj表示在特定時間段結束時第j種IPC類別的專利申請數量，xj表示在特定時間段開始時第j種IPC類別的專利申請數量。

離散系數是測度數據離散程度的相對統計量，主要用于比較各個IPC類別不同年份專利申請數量的離散程度，是標準差與平均數的比值，反映IPC類別所代表的技術領域在時間維度上的穩定性，離散系數的值越高，該領域的成長就越不穩定；離散系數越小，就說明該領域越穩定。其計算公式如下：

5產學研合作預測

選用基于隨機游走的node2vec模型作為鏈路預測的方法，距離越接近的節點共同合作申請專利的可能性就越高，計算得到的遼寧省排名前十的產學研專利合作結果如表5所示。

預測排名前十的產學研合作專利申請人中，鐵嶺市光電研究與遼寧省電力有限公司鐵嶺供電公司合作申請專利的可能性最高。其他合作可能性也很高的專利申請人包括東北林業大學與遼寧省交通規劃設計院有限責任公司，遼寧龍興生物科技股份有限公司與鞍山師范學院，房屋土地開發公司與沈陽建筑工程學院，以及大連理工常熟研究院有限公司與大連鹽化集團有限公司等，這些專利主體在未來合作申請專利的可能性很高。

6結論與建議

專利是技術創新的主要載體之一，通過研究專利能夠很好地反映某一行業的發展歷程以及技術演化特征和趨勢。以遼寧裝備制造業為研究對象，對裝備制造業相關專利申請的現狀、產學研合作的主體、技術演化特征等進行分析。

對比分析遼寧省、江蘇省、廣東省與北京市2008—2017年裝備制造業的相關專利申請情況時，發現各省市歷年的專利申請量不僅在數量上有較大差別，在專利申請人類別的組合上也有所區別。對產學研合作主體進行分析時，發現在合作網絡中，遼寧省不同階段的專利合作申請數量總體是逐漸增加的，但是高校與企業、科研院所與企業之間進行合作申請的專利數量較少，而在作為裝備制造業大省的廣東省和北京市的專利合作網絡圖中，其高校及科研院所與大中小企業進行專利合作申請的情形則非常普遍；對技術演化特征分析發現在不同類別的專利中，H02J3代表的供電或配電的電路裝置或系統類專利的增長情況尤為突出，H02J3類專利在專利數量-相對增長率散點圖的第一象限中表現最為突出，是總量最多、增長最快的一類專利，且在相對增長率-離散系數散點圖中，該類專利的發展也是最為穩定的；最后對遼寧省專利主體未來的合作進行了預測，在一定程度上為促進產學研合作提供決策支持。在未來的發展中，遼寧省裝備制造業應當利用現有的優勢，同時借鑒其他裝備制造業領先省市的發展經驗，企業應當加強與高校及科研機構之間的合作，產學研三方有機結合，以共同促進產業發展。

參考文獻：

[1]朱桂龍，楊東鵬.基于專利數據的產學研合作及政策演變研究[J].科技管理研究， 2017（23）： 181-185.

[2]婁巖，劉燕玲，黃魯成.基于專利分析的北京高端裝備制造業對策研究[J].科技管理研究， 2012（9）： 39-43.

[3]李文靜.區域校企專利合作申請網絡比較研究——基于廣東的實證分析[J].現代情報， 2015（12）： 106-110， 118.

[4]陳偉，張永超，田世海.區域裝備制造業產學研合作創新網絡的實證研究——基于網絡結構和網絡聚類的視角[J].中國軟科學， 2012（2）： 96-107.

[5]仲偉俊，梅姝娥，謝園園.產學研合作技術新模式分析[J].中國軟科科學， 2009（8）： 174-181.

[6]趙爽.產學研合作網絡時空演化研究——以中國裝備制造業為例[J].現代管理科學， 2013（11）： 85-87.

[7]朱桂龍，張藝，陳凱華.產學研合作國際研究的演化[J].科學學研究， 2015（11）： 1669-1686.

[8]王朋等.校企科研合作復雜網絡及其分析[J].情報理論與實踐， 2010（6）： 89-93.

[9]孫冰，康敏，毛鴻影.基于共詞聚類與可視化的開放式創新國外研究熱點與主題分析[J].現代情報， 2018（9）： 122-131.

[10]劉鳳朝，馬榮康，姜楠.基于"985高校"的產學研專利合作網絡演化路徑研究[J].中國軟科學， 2011（7）： 178-192.

[11]劉云等.基于專利計量的集成電路制造領域國際技術合作特征研究[J].科學學與科學技術管理， 2018（8）： 13-25.

[12]高霞，陳凱華.基于SIPO專利的產學研合作模式及其合作網絡結構演化研究——以ICT產業為例[J].科學學與科學技術管理， 2016， 37（11）： 34-43.

[13]司林波.國內外裝備制造業技術創新研究述評[J].經濟問題探索， 2016（8）： 177-184.

[14]徐豐偉.基于協同的裝備制造業技術創新能力評價指標體系研究[J] .科學管理研究， 2011（5）： 26-30.

[15]吳麗波.中國裝備制造業技術創新能力研究[D].武漢理工大學， 2005.

[16]李姝，姜春海.基于技術創新的遼寧裝備制造業振興途徑研究[J].宏觀經濟研究， 2010（5）： 82-88.

[17]劉鳳朝，傅瑤，孫玉濤.基于專利的美國技術創新領域分布結構演變[J].科學學研究， 2013， 31（7）： 1086-1092.

[18]張斌.共詞網絡的結構與演化：概念與理論進展[J].情報雜志， 2014（7）： 103-109.

[19]呂琳媛，復雜網絡鏈路預測[J].電子科技大學學報， 2010（5）： 651-661.

[20]張金柱，于文倩，劉菁婕，等.基于網絡表示學習的科研合作預測研究[J].情報學報， 2018（2）： 132-139.

[21] Grover A， Leskovec J. node2vec： Scalable feature learning for networks [C]. New York：：Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2016： 855-864.

Research on Characteristics and Cooperation Prediction of IndustryUniversity-Research Institute Collaboration Based on Patents in Regional Equipment Manufacturing Industry

SUN Xiaoling，ZHUANG Weihua，LI Bing，CHEN Na（Institute of Science of Science and S&T Management， Dalian University of Technology， Dalian 116024， China）

Abstract：Using cooperative patent applications of industry， university and research institute as the research objects， the characteristics of technology evolution are analyzed from the aspects of cooperative network， cooperative technology， and cooperative prediction is studied by using network representation learning algorithm node2vec. Taking equipment manufacturing industry as an example， the results show： there are great differences in the volume of patent growth and the composition of applicants among provinces. The industry-university-research cooperation of provinces with slow development is confined to small groups， and the cooperation between universities and industries is less than that of other regions. Among the technical characteristics， the developments of different provinces have their own emphasis and similarities. Finally， through cooperation prediction， the most potential cooperative organizations are discovered， in order to provide support for promoting cooperation between industry and university.

Keywords： industry-university-research cooperation； patent analysis； network representation learning； collaboration prediction