基于技術同心多元化的企業研發合作伙伴識別與選擇
——以中藥企業為例

崔 晶，丁文晴，馬俊紅，袁紅梅

（沈陽藥科大學工商管理學院，遼寧沈陽 110016）

隨著市場和技術的迅速發展，單純依靠企業內部研發的傳統做法面臨著技術和業務的雙重挑戰［1］。技術創新具有高投入、高風險和知識結構復雜等諸多特點，加之產品生命周期縮短，顧客需求的多樣性變化，單個創新主體難以擁有創新所需的全部知識資源［2］。為此，企業亟需與外界進行合作。研發合作作為一種開放式創新形式，鼓勵企業與其他創新主體合作開展研發活動，積極獲取新的、互補的知識與資源，提高企業的核心競爭力，以應對激烈的競爭和復雜的市場變化［3-4］。鑒于研發合作存在種種優勢，研發合作伙伴的選擇也變得至關重要。然而，正如顧客存在多樣的個性化需求，企業對于合作伙伴的需求也因其發展戰略的不同而產生變化。基于技術能力的同心多元化，是指與現有技術相關的核心能力的再生產，是一種擴展業務領域、降低研發成本的有效策略［5］。因此，本研究提出一個識別最佳研發合作伙伴的流程與框架，以滿足企業基于技術同心多元化發展的需求。

1 文獻綜述

現有研究對合作伙伴的選擇過程主要分為識別候選合作伙伴和選擇最佳合作伙伴兩個階段［6］。由于選擇合作伙伴是一個目標驅動的過程［7］，因此不同的研究從不同的角度出發進行候選合作伙伴的識別，如Song 等［8］考慮到合作伙伴之間的資源匹配度，提出了一種基于專利組合的方法來評估潛在的R&D合作伙伴；汪雪峰等［9］通過“主語—行為—賓語”（SAO）分析挖掘具有相似研發目標的機構，分析其互相合作的可能性及可能的合作方向；Park 等［10］基于技術相似性，利用書目耦合分析和潛在語義分析提出了一個探索R&D 合作伙伴的框架；吳菲菲等［11］構建了企業跨產業研發合作伙伴選擇模型，為企業識別跨產業的合作對象。在確定最佳合作伙伴方面，學者一般采用指標綜合評價法以及專家意見法輔助進行選擇，如Geum 等［12］從技術實力、研發開放性、研發聯系和協作效果等方面構建了14 個專利指標以確定最佳的研發合作伙伴；曹勇等［13］采用專家意見賦權方法對候選者的專利組合價值進行排名以選擇R&D 合作伙伴；吳菲菲等［11］利用熵權Topsis 模型確定最優的研發合作伙伴；Kang 等［14］提出了相似專利密度指數為企業識別最佳的產學合作伙伴。

但是上述研究都忽視了一個問題，即建立合作的動機是多種多樣的，因此影響合作的因素也是有所不同的［15］。例如，如果一個組織的動機是基于共享研發活動的成本或增強其現有技術能力，那么具有類似研究背景的組織是更合適的選擇，但是如果組織想要學習新技術或填補技術空白，則擁有互補技術的組織更適合［16］。因此，不同的企業因現階段發展戰略的不同，其對于合作伙伴的需求也是不同的，而對于一些試圖嘗試多元化發展的企業來說，基于技術相似性的合作伙伴選擇方法可能是不適合的。故而基于已有文獻存在的不足，本研究嘗試提供一個有效合理的框架，從企業的現有技術能力和研發資源出發，基于技術能力同心多元化進行研發合作伙伴的選擇，以幫助企業實現高效的多元化發展。

2 研究設計

2.1 研究框架

本研究提出一種基于技術同心多元化的企業研發合作伙伴識別與選擇的框架與方法。首先利用關聯規則挖掘目標企業的同心多元化技術領域，然后利用潛在狄利克雷分配（latent Dirichlet allocation，LDA）主題建模對候選研發合作伙伴的專利內容進行文本挖掘，將其劃分為不同的技術主題，最后構建包括專業能力和合作能力兩個維度的專利評價體系對候選者進行評估，以確定每個技術主題下的最佳合作伙伴。與以往研究不同，本研究提出了一個全新的框架（見圖1），從目標企業的核心能力和技術資源出發，探索其有可能多元化發展的研發方向，并初步確定候選研發合作伙伴；從每個候選合作伙伴的專利內容出發，確定每個候選者的研發重點與所屬技術主題；從候選者的專業能力和合作能力出發，最終確定每個技術主題的最佳合作伙伴。以期為目標企業定制可發展的技術方向和確定可開展研發合作的最佳伙伴，助力企業實現高效、長遠發展。

圖1 本研究設計框架

2.2 研究方法

2.2.1 關聯規則

關聯規則挖掘也稱為“市場籃子分析”，是一種無監督的數據挖掘技術，從給定的數據集中發現項目之間的重要關系［17］。這種方法起源于對客戶交易數據庫的研究，以確定購買的商品之間的關聯。Apriori 是關聯規則的核心算法，通過掃描事務中的各個項目，構建項目間的頻繁項集；設置支持度(support)、置信度(confidence)、提升度（lift）等指標用于篩選高頻項目集，滿足各最小閾值的頻繁項目集即為關聯規則。將關聯規則應用到專利文本中時，可以參考市場營銷案例，將一件專利看作是一個“購物籃”，專利的IPC 號碼看作是購物籃中的“商品”，對整個“交易數據庫”進行關聯規則挖掘，就可以得到頻繁出現的專利IPC 號。關聯規則挖掘已被廣泛應用于技術與創新管理領域，以捕獲技術之間的關系，如苗紅等［18］基于關聯規則與信息熵探索技術融合的趨勢；Kim 等［19］利用關聯規則和鏈路預測挖掘企業產品級別的同心多元化潛在領域。本研究利用目標企業的專利數據，以IPC 分類號和專利申請號（P）構建P-IPC 矩陣，運用IBM SPSS Modeler 18.0 中的Apriori 算法進行關聯規則挖掘，以確定目標企業的同心多元化技術領域，并根據關聯規則挖掘結果再次進行專利檢索，選擇專利授權量排名靠前的專利申請人，將其確定為目標企業技術能力同心多元化的潛在合作伙伴。

2.2.2 LDA 主題建模

主題模型是一種使用概率的產生式模型來挖掘文本主題的新方法。LDA 是Blei 等［20］在2003年提出的一種統計主題模型，是近年發展起來的一種重要的提取潛在主題的建模方法。其基本假設為：每篇文檔可看作若干主題的混合分布，而每個主題又可表示為關于單詞的概率分布。因此可以將隱含主題看作詞匯的概率分布(topic-word)，單個文檔可表示為這些隱含主題的概率分布(doc-topic)。這種假設也有利于大規模數據處理中的空間降維，即把文檔投射到主題空間。為了更加具體全面地了解候選研發合作伙伴的主要研究領域和研究主題，本研究利用LDA 主題建模分析其專利內容。首先，從候選研發合作伙伴的專利數據抽取標題和摘要構成語料庫，利用Python 語言編寫代碼進行LDA 主題建模；然后，由于專利文檔中存在大量的無意義詞以及特殊符號，為了提高結果的準確度，構建停用詞表及自定義詞典，借助中文分詞工具——jieba 分詞對語料庫進行分詞，并采用TF-IDF（term frequency-inverse document frequency）算法構建詞頻向量；最后，通過結合困惑度指數及專家意見來確定適宜的主題數目，并根據文檔-主題的概率分布將每件專利劃分到相應的技術主題下，實現按照研究主題對候選合作伙伴進行分類。

2.2.3 專利指標評價

一個適宜的研發合作對象不僅應在領域內具有專業的技術能力和知識基礎，而且需要有與他人進行合作的能力和意識。故為了識別每個技術主題下的企業最佳研發合作伙伴，綜合考慮合作伙伴的專業能力和合作能力是十分必要的。本研究借鑒Geum等［12］的研究構建專利評價指標體系對潛在合作伙伴進行評估（見表1），并采用熵權Topsis 法對每個二級評價指標進行處理，根據專業能力和技術合作能力的熵權值將所有候選合作伙伴映射到二維空間，遴選處于第一象限內專業能力和合作能力較強的候選合作伙伴作為該技術主題下的最佳合作伙伴。

對企業候選研發合作伙伴的專業能力從3 個維度進行評價：（1）技術距離，用來衡量目標企業與候選者之間技術基礎的相似程度。用不同主體的專利主IPC 分類號代表其技術領域，如果目標企業與候選者之間的共同技術領域數量占兩者技術領域總數的比值越大，則表明目標企業與候選者的技術距離越近，兩者所擁有的技術越相似。（2）技術影響力。專利通過被引證對未來技術作出貢獻而展現其技術影響力。如果在某技術主題專利被引次數前10%的專利中，候選者的專利所占比例較高，則表明該候選者在該技術主題下的技術影響力較高。（3）技術專業化，可以衡量候選者對某技術主題的投入與重視程度。用該候選者在某技術主題下專利數量占所有候選者專利數量的比值來衡量。

對企業候選研發合作伙伴的合作能力也從3 個維度進行評價：（1）技術開放性，以了解候選者發生知識轉移的能力。用候選者平均共有專利權的數量來衡量，其值越高，表明該主體的技術開放性更高，更有可能與外界發生合作。（2）技術流動性，用以衡量目標企業與候選者之間的技術流動情況。表示為目標企業后向引用候選者專利的平均次數與目標企業平均后向專利引用數量的比值。（3）技術重要性。一項專利的被引次數越高，表明其技術在領域內所處地位越重要。相應的，候選合作伙伴的技術重要性表示為，目標企業專利對候選者專利的平均引用次數與該候選者專利的平均被引次數的比值，該比值越高，證明候選者的技術對目標企業更加重要。

表1 企業最佳研發合作伙伴選擇指標及其具體含義

表1 （續）

3 實證研究

醫藥產業是具有高技術依托性的高科技產業，其創造成果傾向于通過專利進行知識產權保護；而中藥作為中華民族的瑰寶，其傳承與發展也面臨著新的挑戰。我國具有數目眾多的中藥企業，但這些企業大多規模較小，生產能力和研發資源都非常有限［21］。故而，本研究將上述方法用于我國中藥企業進行實證分析，為其選擇研發合作伙伴提供可參考的方案，助力我國中藥產業實現創新發展。

選擇天士力控股集團有限公司（以下簡稱“天士力”）作為目標企業。天士力是以大健康產業為主線，以制藥業為中心，包括現代中藥、化學藥、生物制藥和保健品、健康食品等，涵蓋科研、種植、提取、制劑、營銷等領域的高科技企業集團。從IncoPat 專利數據庫檢索天士力的所有申請發明專利，檢索結果共計1 256 件（以下簡稱“樣本專利”），檢索時間截止到2019年11月22日。

3.1 挖掘目標企業同心多元化技術領域

首先，針對天士力的專利數據，利用excel 構建專利-專利分類號矩陣。由于IPC 全8 位信息過于重視技術細節，難以反映技術的群體特征，故而本研究采用大組級別IPC 構建矩陣，每件專利出現某個IPC 記為1，未出現記為0。具體矩陣示例如表2 所示。然后將專利-專利分類號矩陣導入SPSS Modeler 軟件中，運行Apriori 算法進行關聯規則分析，設置最低支持度閾值為4、最低置信度閾值為60%，共生成57 條規則，其中生成的支持度和置信度較高的規則如表3 所示。

表2 樣本專利的專利-專利分類號矩陣示例

由表3 可知，天士力的主要研發重點在A61K36（含有來自藻類、苔蘚、真菌或植物或其派生物，例如傳統草藥的未確定結構的藥物制劑）、A61P9（治療心血管系統疾病的藥物）兩個技術領域上，這個結果也與天士力的發展現狀相符。天士力獨家開發研制的主要用于預防和治療心血管疾病的復方丹參滴丸，成為全球首例完成FDA Ⅲ期臨床研究的復方中藥制劑。

表3 樣本專利的關聯規則部分結果

3.2 識別候選合作伙伴

根據關聯規則挖掘結果，將上述得到的IPC 對以“OR”的形式連接生成檢索式，再次到IncoPat專利數據庫中進行檢索，限定專利申請人類型為企業、大學或科研機構，選取申請量排名靠前的50 家企業和20 家大學或科研機構，共70 家機構作為目標企業的候選研發合作伙伴，檢索所有候選合作伙伴的授權專利共有6 207 件，檢索時間為2019年11月27日。部分候選研發合作伙伴識別結果如表4 所示。

表4 天士力候選研發合作伙伴識別結果（部分）

表4 （續）

3.3 劃分技術主題

為了更加全面具體地確定天士力潛在研發合作伙伴的現有研究主題，利用LDA 主題建模對樣本專利內容進行文本挖掘。依照以上所述步驟，構建停用詞表和自定義詞典，運用jieba 分詞工具對候選研發合作伙伴專利的標題和摘要進行預處理，利用python 語言進行LDA 主題建模，并結合困惑度指數和醫藥產業分類確定主題數量為5，建模結果如表5所示。

表5 天士力潛在合作伙伴LDA 主題建模結果

3.4 確定最佳合作伙伴

接下來，對每個主題下的候選者從專業能力和合作能力進行綜合評價，并利用Topsis 熵權法計算出專業能力和合作能力的熵值。天士力的子公司——天士力之驕藥業有限公司，以系列心腦血管中藥凍干粉針、水針和大輸液等劑型為重點，采用國際上最先進生產工藝技術和最新型的產品包裝技術致力于中藥現代化發展，因此，本研究僅選擇技術主題4（脂質體凍干粉及其制備方法）下的合作伙伴進行后續的證明與論述，其余主題過程不再贅述。主題4 下天士力的所有候選研發合作伙伴的評價結果如表6 所示，其中每個候選機構的名稱用阿拉伯數字代替。

表6 主題4 下天士力候選研發合作伙伴評價結果

表6 （續）

根據表6，將技術主題4 下天士力的所有候選機構映射到二維空間（見圖2），并根據其評價結果的平均值分成4 個象限，其中出現在第一象限的機構為最佳研發合作伙伴。由圖2 可知，主題4 下天士力的最佳研發合作伙伴有8 個，分別是上海醫藥工業研究院、齊魯制藥有限公司、沈陽藥科大學、中國藥科大學、山東羅欣藥業集團股份有限公司（以下簡稱“羅欣藥業”）、山東綠葉制藥有限公司、中山大學、南京正大天晴制藥有限公司。

圖2 主題4 下天士力最佳候選研發合作伙伴評估的象限分布

由表7 可以看出，沈陽藥科大學專業能力和合作能力的平均熵值最高，說明其在這兩方面都具有良好的表現。因此，在脂質體凍干粉及其制備這一研究方向，天士力可考慮與沈陽藥科大學進行合作，以實現企業中藥產品向現代化發展。

表7 主題4 下天士力最佳候選研發合作伙伴評價指標熵值

4 結論與建議

不斷進行技術研發、開發新產品和拓展新市場是企業在激烈的競爭環境中保持競爭優勢的關鍵因素，但是企業往往因為自身資源有限以及市場的不確定性而難以拓展新的業務領域，故而為了降低拓展市場的風險，企業需進行同心多元化發展，并與擁有相應專業能力和合作能力的創新主體進行合作，以謀得高效共贏發展。本研究基于尋找滿足企業技術能力同心多元化發展的合作伙伴，為企業擴展多元化市場及增強現有技術能力提供了一個有效的理論框架與實現方法：從企業的現有技術能力、研發資源及其發展需求出發，為其定制可多元化發展的技術領域和確定可開展研發合作的適宜對象；此外使用專利數據及Topsis 熵權法進行最佳合作伙伴的識別，有效減少了對專家的依賴；通過LDA 主題建模識別了候選合作伙伴的技術主題，可有效降低合作風險、提高合作效益。并結合中藥企業天士力控股集團有限公司進行實證分析，表明該方法具有一定的理論意義和實用價值。

由于基于企業技術同心多元化的研發合作伙伴選擇研究尚開始探索，故可能存在一定的不足之處，建議未來可以從以下幾個方面進行深入研究：（1）結合其他類型的數據對候選合作伙伴進行綜合評價；（2）利用LDA 主題模型對專利內容進行文本挖掘存在一定的誤差，可以考慮使用ATM（作者-主題）模型使結果更加準確；（3）綜合考慮市場、產品數據進一步挖掘目標企業的同心多元化領域。