多元主體需求下的專利預警研究回顧與展望

張世玉，丁 堃，張春陽，王 偉

（1.大連理工大學科學學與科技管理研究所，遼寧大連 116024；2.吉林大學公共衛(wèi)生學院醫(yī)學信息學系，吉林長春 130021）

隨著經濟全球化的發(fā)展，我國越來越多的企業(yè)開始參與國際競爭。但在此過程中，由于我國當前整體的技術創(chuàng)新水平低于發(fā)達國家，對國外技術依賴度較高，由專利壁壘、專利叢林、專利地雷、專利侵權訴訟等所引發(fā)的技術危機事件在高新技術產業(yè)中發(fā)生頻繁，對相關企業(yè)發(fā)展造成了巨大的影響［1］。例如，在微電子和電子信息技術產業(yè)中發(fā)生的中興通訊股份有限公司（以下簡稱“中興”）與Maxell公司專利侵權糾紛事件、華為技術有限公司（以下簡稱“華為”）與Unwired Planet International公司專利許可糾紛事件，以及美國通過專利手段制裁中興、華為事件等，以中興與Maxell公司專利侵權糾紛為例，美國法院判定中興侵權成立，賠償金額高達4 330萬美元。由此可見，由專利所引發(fā)的技術危機事件已嚴重制約了我國在高新技術領域的全球化發(fā)展進程，對專利的預警和危機應對工作成為了當務之急。然而，目前我國尚未形成有效的國際知識產權風險預警和應急機制，同時缺乏完善的知識產權涉外風險防控體系，專利預警實踐工作還處于初級階段。在此背景下，及時洞悉國內外專利預警研究的發(fā)展現狀與未來趨勢具有重要的意義，有利于促進專利預警研究發(fā)展，完善專利預警理論框架及方法體系，為我國開展專利預警實踐工作提供理論與方法支撐。但是縱觀現有文獻，當前學術界仍缺乏對專利預警研究的整體性認知。鑒于此，本研究以現有研究成果為研究對象，從多元專利主體的預警需求視角出發(fā)，在專利預警的理論框架、核心方法與應用現狀等方面，對國內外專利預警研究現狀進行文獻梳理和評述，分析當前研究的主要特征，并提出促進專利預警研究創(chuàng)新發(fā)展的改進思路與方向。

1 專利預警的理論框架

1.1 概念內涵

“專利預警”的概念自提出以來，學者們從不同的學科視角出發(fā)對其內涵進行了界定。通過分析發(fā)現，按照不同專利主體的預警需求，目前對于專利預警的概念內涵主要有3種理解及界定方式。一是以專利威脅態(tài)勢為主要分析及預警對象，代表性的學者有賴院根等［2］、張米爾等［3］、張世玉等［4］，這些學者認為專利預警的核心內涵是對組織外部存在的專利威脅進行識別和評估，在明確其威脅程度和可能產生的影響后，向組織發(fā)出警報的過程；同時對專利威脅的內涵進行了闡釋，認為專利威脅的產生原因是組織之間專利技術發(fā)展不平衡，其目的在于獲取更多的經濟利益，表現形式包括專利壁壘、專利叢林、專利地雷等。二是以專利競爭風險為主要分析及預警對象，代表性的學者如王玉婷［5］、魯瑛等［6］、戚淳［7］等，這些學者認為專利預警的實質是對競爭對手的專利技術活動變化情況及專利產品的市場競爭情況進行跟蹤與監(jiān)測，分析組織的專利技術競爭實力和專利技術競爭環(huán)境，判斷組織在未來發(fā)展過程可能面臨的專利競爭風險與機會。三是以專利侵權糾紛為主要分析和預警對象，代表性學者有賀德方［8］、岳賢平等［9］、黃幼陵等［10］、孫捷［11］等，這些學者認為專利預警主要是對組織間可能產生的專利侵權糾紛進行預測，評估其風險或危害程度，在專利侵權糾紛發(fā)生之前根據風險及危害程度的不同及時向組織發(fā)出警示并輔之以應對措施，以實現組織的利益最大化或損失最小化。

1.2 專利預警體系

專利預警體系是指以實現專利主體的損失最小化為直接目的，由若干關鍵要素相互聯(lián)系而構成的，能夠促進對各類專利主體的專利預警需求（專利威脅態(tài)勢、專利競爭風險、專利侵權爭端等）進行有效預測和警報的有機整體。已有研究主要從預警主體、預警平臺和預警指標等方面對專利預警體系的關鍵構成要素展開探索。

專利預警主體包括以企業(yè)為主導的專利預警核心主體、以政府部門為核心的專利預警機制建設主體、以行業(yè)協(xié)會為核心的專利預警協(xié)調主體和以專家團隊為核心的專利預警服務主體［12］。鑒于上述各類主體在專利預警體系中所發(fā)揮的作用皆存在一定的局限，邵際濤等［13］提出要建立以政府為主導的專利預警體系，從而有利于統(tǒng)籌兼顧、優(yōu)化資源配置，并從建立專利預警技術體系、法律制度體系以及專利使用監(jiān)督體系等方面提出了對策建議。

專利預警平臺的功能在于自動收集處理專利預警相關信息，實時監(jiān)測專利技術發(fā)展動向，進而實現對專利技術的及時跟蹤預警。代表性的研究如王曰芬等［14］從實際應用角度出發(fā)，面向多種預警情境設計了專利預警平臺的體系架構；王麗等［15］針對已有平臺中存在的數據源龐雜、定制化程度不高和無法實時跟蹤等問題，提出了專題專利預警平臺的實現方案；Han等［16］設計了專利可視化預警分析平臺的體系架構，該平臺集成了自然語言處理技術，能夠實現對專利內容的可視化分析。

專利預警指標主要用于定量評價各類警情的危機及危害程度，是進行專利預警警度評估的主要手段。如表1所示，是根據現有文獻總結梳理的專利預警評估維度及主要指標。目前關于專利預警指標體系的研究呈現橫縱交叉特征：在縱向上，主要是按照專利預警的流程，分別面向初級預警和深度預警構建評估指標體系；在橫向上，主要是基于不同的預警對象及影響因素建立評估指標體系。

表1 專利預警評估維度及主要指標

1.3 專利預警機制

專利預警機制是指實現專利預警目標的管理體制和運作程序［24］。與專利預警體系研究不同的是，專利預警機制研究重點關注于預警體系中各構成要素之間的結構關系和運行方式。近年來，隨著國際上的技術競爭日益加劇以及我國專利意識的覺醒，針對專利預警機制的研究日益豐富，當前學者們主要從建立專利預警機制的必要性、基本原則、關鍵作用、核心內容、主要措施等方面展開研究，已經初步形成了專利預警機制研究的理論體系。

從宏觀上講，學者如戚淳［7］、賀德方［8］等指出，建立專利預警機制能夠保障我國國際貿易發(fā)展，促進科技發(fā)展水平不斷提高，是推動創(chuàng)新型國家建設的重要保障；從微觀上來看，學者如岳賢平等［9］指出，建立專利預警機制有助于提升我國企業(yè)應對國際競爭環(huán)境中的專利布局及涉外專利糾紛的能力，增強企業(yè)的專利競爭力。目的性、系統(tǒng)性、科學性和預測性是專利預警機制建設的基本原則［25］。由于專利預警機制的關鍵作用為規(guī)避專利風險和縮短反應過程［26］，因此，專利預警機制建設的核心內容應包括預警體系和預控措施兩個部分，其中預警體系的功能是識別潛在的專利風險，而啟動預控措施是為了減少或規(guī)避專利風險產生的危害［17］。目前，我國專利預警機制建設存在的主要問題包括缺少系統(tǒng)的制度安排、研發(fā)機構的需求不足和基礎資源有限，基于此，賀德方［8］提出推動我國專利預警機制建設的主要措施應包括完善相關政策措施、加快服務平臺和人才隊伍建設、開展專利預警試點應用以及加強預案機制建設。

2 專利預警的核心方法

專利預警活動在邏輯上講包括明確警情、識別警源、分析警兆和預報警度4個階段［27］，因此國內外學者進行專利預警的操作流程基本上大同小異，大致都包括確定預警對象、采集專利預警相關信息、開展信息分析和評價、構建預警模型、預警結果處理、預警結果反饋等節(jié)點［8］，其中差異主要表現在所利用的分析方法以及所采集的信息資源不同。目前進行專利預警的主要分析方法包括自然語言處理、機器學習、專利組合分析和專利地圖分析，采集的信息資源包含專利信息及市場信息。

2.1 自然語言處理

自然語言處理方法通常用于專利侵權糾紛預警方面，學者們主要以專利文本信息為基礎，通過測定專利文獻之間的文本相似度來完成專利侵權糾紛的識別及預測，其中關鍵環(huán)節(jié)是利用自然語言處理方法完成對專利文本的內容分析及相似度計算。代表性的研究如Park等［28］利用自然語言處理工具WordNet和subject-action-object（SAO）關鍵詞向量測度專利間的語義相似度，進而識別專利侵權糾紛；進一步地，Park等［29］同樣采用該方法測度了產品與專利間的侵權風險；Lee等［30］利用依賴關系算法對專利文本進行語義分析，進而對專利侵權糾紛進行預警；翟東升等［22］提出了一種新的專利侵權糾紛檢測方法，該方法綜合采用了自然語言處理中的SAO關鍵詞向量、圖相似度和鄰接矩陣，實證研究結果表明該方法的有效性優(yōu)于基于文本向量的專利侵權監(jiān)測方法；此外，Rodriguez等［31］、Zhang等［32］、Arts等［33］也分別利用自然語言處理方法完成對專利文本相似度的檢測，并提出了多級相似度計算方法、混合相似度計算方法和基于文本匹配的專利相似度計算方法。利用自然語言處理方法對專利文本進行內容分析及相似度檢測，能夠使專利預警研究從專利著錄信息的特征層面深入到專利文本信息的內容層面，有助于識別出更為隱匿的警示信息及信號，從而提高專利預警結果的準確性［34］。

2.2 機器學習

部分學者嘗試利用機器學習中的分類預測方法，通過建立專利預警模型，實現對專利威脅態(tài)勢或專利侵權糾紛的有效預警。當前對于專利預警模型研究主要包括確定影響因素、探索關鍵特征、構建預警模型等節(jié)點，其中差異表現在確定的關鍵特征及利用的分類算法不同。在專利侵權糾紛預警方面，張杰等［35］、張克群等［36］、張米爾等［37］分別基于邏輯回歸算法構建了專利侵權糾紛的預測模型；Lai等［38］采用反向傳播神經網絡算法對專利侵權糾紛進行識別；Cowart等［39］分別利用回歸分析與分類樹算法構建了專利侵權糾紛識別模型，并對兩種模型的有效性進行了對比分析。在專利威脅預警方面，賴院根［40］構建了基于BP神經網絡的專利威脅預警模型，以專利數據和市場數據為樣本進行了實證分析。專利預警模型構建過程中所利用的關鍵特征主要集中于專利主體特征、專利客體特征、靜態(tài)形式特征和動態(tài)行為特征等方面。其中，專利主體特征包括專利主體規(guī)模、擁有專利數量及主體類型等［41］；專利客體特征包括專利權人數量、發(fā)明人數量等［42］；靜態(tài)形式特征包括權利要求數、技術范圍等［43］；動態(tài)行為特征包括專利引用數、專利維持時間、專利權人變更等［44］。

2.3 專利組合分析

專利組合分析方法最初是由Ernst［45］于1998年提出的，該方法借鑒了波士頓矩陣（BCG Matrix）的核心思想，將一系列用于評估技術創(chuàng)新活動的專利技術指標進行組合，構建二維戰(zhàn)略坐標圖，進而通過結構化與可視化的方式對專利主體間的技術競爭態(tài)勢進行分析與監(jiān)測，目前該方法已經被廣泛應用于專利競爭風險預警及專利威脅態(tài)勢預警過程中。

在專利競爭風險預警方面，Ernst［45-46］分別構建了企業(yè)層面和技術層面的專利組合分析模型。其中，企業(yè)層面的專利組合分析模型融合了專利活動和專利質量兩個評估維度，通過技術指標的組合分析，能夠對企業(yè)間的專利競爭地位進行監(jiān)測；技術層面的組合分析模型則融合了技術吸引力、相對技術份額和技術研發(fā)重點3個評估維度，利用該模型能夠判斷出各項技術的發(fā)展趨勢以及專利主體在各技術領域中與標桿企業(yè)之間的技術實力差距，進而為專利主體的技術競爭戰(zhàn)略提供決策支持。在專利組合分析方法提出之后，國內外多位學者對這一方法進行了優(yōu)化，使其能夠更加有效地進行專利競爭風險預警與監(jiān)測。

在專利威脅態(tài)勢預警方面，張世玉等［47-49］采用專利組合分析的基本思路，分別從產業(yè)環(huán)境層面、產品層面和技術層面構建了企業(yè)專利威脅預警的概念模型，并通過實證研究驗證了模型的有效性，結果表明采用專利組合分析方法，不僅能夠同時對企業(yè)在多種技術領域中所面臨的專利威脅程度進行評估，而且可以精確判斷出企業(yè)在不同技術領域中所面臨專利威脅的產生原因，有助于實現對企業(yè)專利威脅進行更為全面的監(jiān)測與管理。進一步地，王桐等［50］以張世玉等［47-49］提出的企業(yè)專利威脅預警概念模型為基礎，同樣采用專利組合分析方法對吉林省創(chuàng)新主導型中藥企業(yè)所面臨的專利威脅進行預警分析，并提出了對策建議。

2.4 專利地圖分析

專利地圖是一種專利分析研究方法和表現形式，通過對專利文獻中包含的技術信息、經濟信息、法律信息的深度挖掘與縝密剖析，將蘊涵在專利數據內的大量錯綜復雜信息以各種視覺直觀的圖表形式反映出來，具有類似地圖的指向功能［51］。按照不同的指向功能，可以將專利地圖劃分為3種類別：專利管理地圖、專利技術地圖和專利權利地圖。其中，專利管理地圖主要用于反映某一專利技術領域整體的發(fā)展狀況及競爭態(tài)勢，通常用于專利競爭風險預警過程中；專利技術地圖用于預測技術發(fā)展動向及趨勢，識別技術空白點，為技術研發(fā)中的回避設計及規(guī)避專利地雷提供參考依據，通常用于專利威脅態(tài)勢預警過程中；專利權利地圖能夠揭示專利的權利狀態(tài)、權利要求以及權利轉讓等信息，為識別專利侵權風險、規(guī)避已有技術保護提供參考依據，通常用于專利侵權糾紛預警過程中。

相關研究，如劉桂鋒等［52］構建了基于專利管理地圖的企業(yè)專利預警模式，該模式由行業(yè)、企業(yè)和競爭對手3個層面的專利地圖組成，共包含專利技術生命周期分析、企業(yè)歷年數量分析、專利發(fā)明人分析、競爭對手重點技術分析等在內的9個分析模塊，并將該專利預警模式應用于我國微波爐領域；翟東升等［53］將專利管理地圖和專利技術地圖應用于技術性貿易壁壘預警過程中，并分析了專利地圖在指導企業(yè)進行專利部署、實施技術“搭便車”活動、規(guī)避專利地雷及經營風險中發(fā)揮的重要作用；梁津毓等［54］將專利權利地圖、專利管理地圖和專利技術地圖同時納入專利預警分析過程中，提出了基于專利地圖的專利預警分析流程，通過定量分析和定性分析相結合的方式對抗心絞痛類藥物領域展開研究，結果表明專利地圖在專利預警中有直觀作用，可為我國企業(yè)專利預警工作提供參考。

3 專利預警研究的特征分析及未來展望

通過對現有研究成果的跟蹤和文獻梳理可以發(fā)現，已有研究成果比較豐富，為我們了解多元主體需求下的專利預警概念內涵、預警體系、預警機制、核心方法等方面提供了良好的研究基礎。其主要特征包括：第一，目前針對專利預警的概念內涵主要圍繞專利威脅態(tài)勢、專利競爭風險和專利侵權糾紛等視角展開探討；第二，關于專利預警機制建立的必要性、基本原則、關鍵作用、核心內容、主要措施等方面的研究構成了專利預警機制研究的理論體系；第三，已有研究主要從專利預警主體、專利預警平臺和專利預警指標等方面對專利預警體系的關鍵構成要素展開探索；第四，進行專利預警的核心方法包括自然語言處理、機器學習、專利組合分析和專利地圖分析，采集的信息資源包含專利信息及市場信息。

同時，本研究也發(fā)現已有研究有如下不足：第一，對于專利預警的操作流程多是以專利信息和市場信息等個別類型信息資源為基礎，通過構建單一層面的預警模型進行危機評估、識別與預警，然而從預警效果上來看，分析結論在準確性和全面性方面尚存在局限；第二，所構建的專利預警指標體系、預警模型或預警平臺主要用于評價當前的危機程度，而缺乏對危機進行實時動態(tài)監(jiān)測的方法，也難以實現對各類危機事件產生時間點的有效預判；第三，多源數據融合具有提高數據可信度和解決問題精度方面的優(yōu)勢，能夠有效彌補單一數據類型在揭示客觀事實方面的不足［55］，其中掃描統(tǒng)計量法主要用于探測某時間段或區(qū)域內事件的發(fā)生是否存在聚集性，并對所產生的聚集性進行精確性定位，能夠實現對危機事件的實時動態(tài)監(jiān)測［56］，然而利用多源數據融合和掃描統(tǒng)計量方法進行專利預警的相關研究目前尚未見報道。

因此，未來一方面要嘗試將多源數據融合的理論、方法與技術進行拓展，使之應用于專利預警過程中，將與專利預警主體相關的專利文獻數據、科學文獻數據、基金項目數據、產品銷售數據、產業(yè)動態(tài)數據、宏觀科技政策數據以及其他網絡數據進行集成融合，構建專利預警數據集，在此基礎上進一步利用貝葉斯法、卡爾曼濾波法、D-S證據推理法、模糊邏輯推理法和專家系統(tǒng)等方法，按照數據級融合、特征級融合和決策級融合的邏輯關系展開研究，獲得綜合的推理結果，進而提高分析結論的準確性和全面性，為各類專利主體提供一種更為有效的專利預警方法及實現機制；另一方面，要深入探索基于掃描統(tǒng)計量的實時動態(tài)監(jiān)測及專利預警方法，通過時間掃描變量及概率分布模型確定、時間掃描窗口定義、時間掃描窗口對數似然比計算、對聚集窗口的非隨機性進行顯著性分析等過程，完成對專利發(fā)展態(tài)勢的實時動態(tài)監(jiān)測，實現對各類專利危機事件產生時間點的有效預判，輔助決策者更加科學有效地進行專利預警與技術監(jiān)測，為我國各類專利主體合理制定危機應對策略提供決策支持。