產業領域細分視角下核心專利識別研究
——以太赫茲產業領域為例

丁坤明，張潔逸，丁晟春*

(1.泰州市姜堰區科學技術局，江蘇 泰州 225500；2.南京理工大學，江蘇 南京 210094)

0 引言

專利是技術創新的載體，而核心專利代表著產業領域內最關鍵的技術。維持并提高產業競爭優勢的關鍵在于是否掌握以核心專利為導向的產業核心技術。2006年《國家知識產權戰略綱要》中指出：通過在生物醫藥、信息、新材料和先進制造等技術領域超前部署，掌握一批核心技術的專利來支撐我國高技術產業與新興產業的發展[1]。因此，利用專利數據在海量專利中識別出核心專利，了解產業領域技術發展規律與趨勢，尋找技術發展空位[2]，對于創新主體提升核心競爭力至關重要。據世界知識產權組織統計，專利文獻可以代表大部分的技術研究，且有相當部分發明專利所代表的核心技術只存在于專利文獻中。產業領域往往由多個不同的細分領域組成，同一細分領域內的專利技術相似度高，不同細分領域間的專利技術相似度低[3]。但目前很少有學者遵循“同類評價”的原則，從產業領域細分視角進行核心專利的識別，因此本文從產業領域細分視角構建了基于熵權TOPSIS法的核心專利識別模型，能夠更細粒度地識別出產業領域核心專利，為核心專利的識別提供新思路。

1 相關研究

國外學者很少使用核心專利這一概念，他們主要針對專利價值或質量評估開展研究。國內學者對核心專利的定義較多：韓志華[4]認為核心專利是指在某一技術領域中處于關鍵地位，對技術發展有著重大影響且具有高經濟價值的專利。范月蕾等[5]認為核心專利具有先進的和不可替代的技術水平，具有持續的技術影響力，且能帶來可觀市場價值與經濟收益。馬永濤等[6]認為核心專利因其原理設計、實施過程科學優化以及技術領域涉及廣而無法被繞開，且具有巨大經濟效益和戰略意義。謝萍[7]認為同時具備技術、經濟、法律特性的才是核心專利。

目前，針對核心專利識別主要采用3種指標識別法。(1)單一指標識別法，即使用單個指標進行核心專利識別。Harhoff等[8]發現專利被引頻次可以作為識別核心專利的指標，專利被引頻次越高，專利價值也就越高。權利要求數量能夠同時反映專利的技術保護范圍和技術創新水平[9]，是識別核心專利的有效指標。Lanjouw等[10]認為同族專利數也能反映專利技術的重要性。(2)指標組合識別法，即將多種單一指標識別方法簡單加以組合得到最終的核心專利。沈君等[11]對頻數、中介中心性、Burst指數和Σ指數4個指標進行分析，識別移動通信技術領域不同時段的關鍵技術。孫濤濤等[12]分別基于被引頻次、權利要求數和同族專利數綜合識別核心專利。(3)指標體系識別法，即構建多級指標體系并確定各級指標權重。羅天雨[13]基于專利特征建立核心專利判別指標體系，將專家打分和層次分析法結合對指標進行賦權。袁潤等[14]基于粗糙集理論通過計算核心專利綜合指數(CICP)來識別通信領域核心專利。

對指標賦權相關研究，如李治東等[15]基于熵權層次分析法對核心專利識別模型的指標進行賦值。劉嘉龍等[16]基于熵權法與灰色關聯分析法對產業領域前沿專利指標體系賦權。王天歌等[17]基于TOPSIS方法確定核心專利識別指標權重。

本文將核心專利定義為：在特定時間階段和技術領域內，占據難以規避且不可替代的關鍵地位，并具有較高技術價值和經濟價值的原創性專利。本文從領域細分視角構建基于專利特征的指標識別法，并用熵權TOPSIS法進行專利評價，從而識別出核心專利。

2 研究設計與方法

2.1 研究框架

本文具體研究框架如圖1所示。首先，基于太赫茲領域專利數據，進行相關專利數據項的提取，并根據K-means算法進行產業領域細分。其次，從專利的技術特征(技術寬度、科學關聯度、被引頻次)、經濟特征(同族專利數、權利要求數)、法律特征(專利狀態)6個指標，構建核心專利識別指標體系。最后，基于熵權TOPSIS法識別方法，對識別出的前沿專利技術進行分析。

圖1 研究框架

2.2 基于K-Means算法的產業領域細分

本文采用K-Means算法對產業領域專利的文本內容(標題和摘要)進行聚類分析，通過人工識別和命名聚類結果實現對產業領域的細分。

K-Means算法是一種基于質心的聚類模型。K-Means算法將具有N個樣本的數據集X劃分成K個不相交的分離聚類Ck，每個聚類均可以被聚類的質心μk描述，從而最小化慣量或聚類內平方和。

2.3 核心專利識別指標體系的構建

專利本身蘊含技術、經濟和法律3種特征[16]。專利是發明創造中技術信息的有效載體，專利的IPC分類號、引證和被引證等內容反映了其技術特征。專利的經濟特征主要通過專利家族數量和權利要求數量體現技術的市場占有能力。專利的法律特征可以由專利狀態體現，授權后的專利可能會因為種種原因失效，從而不再受到法律保護。本文基于專利特征構建核心專利識別指標體系，如表1所示。

表1 核心專利識別指標體系

2.4 基于熵權TOPSIS法識別核心專利

熵權TOPSIS法是對傳統TOPSIS法的改進，該方法同時結合熵權法的客觀賦權與TOPSIS法的多屬性決策排序的優勢，幫助決策者進行科學評價。熵權TOPSIS法的計算步驟如下：

(1)構建判斷矩陣。設有p個評價指標；q個待評價對象；Xij是第i個評價指標下第j個待評價對象的值。

(1)

(2)指標歸一化處理。本文選取的核心專利識別指標都是正向指標(越大越好)，所以進行以下處理來解決指標的量綱及其單位不統一問題。

(2)

歸一化處理后的結果：

(3)

(3)第i項評價指標中第j個待評價對象所占比重(Pij)。

(4)

(4)第i項評價指標的熵值(ei)。

j=1,2,…,q)

(5)

(5)基于熵權法確定指標權重(wi)。

(6)

(6)構建評價矩陣(V)。

(7)

(7)根據指標最值確定正負理想解。

(8)

(9)

(8)計算待評價對象到正、負理想解的歐氏距離。

(10)

(11)

(9)計算待評價對象與理想解的相對接近度(Cj)。Cj的值越大，則待評價對象越優。

(12)

(10)核心專利的劃分。根據步驟(9)的排序結果，選取排名靠前的專利為核心專利，具體數量根據實際需求而定。

3 實證分析

3.1 太赫茲產業領域專利數據獲取與處理

太赫茲(Terahertz，THz)科學作為一門跨學科的新興交叉學科，銜接了經典宏觀電磁波理論與微觀量子理論。太赫茲由于其比微波高1～4個數量的帶寬特性和比光波高的能量轉換效率，在超高速率空間通信、醫學成像、物質太赫茲光譜特征分析、材料檢測等領域具有重要的研究價值和廣泛的應用前景。

本文制定德溫特專利數據庫的太赫茲產業領域專利檢索式：TID=(“terahertz”) OR TIT=(“terahertz”) OR ABD=(“terahertz”)，檢索了1984—2021年全球范圍內太赫茲領域的專利，清洗去重后得到太赫茲領域的專利記錄共8 856條。

3.2 太赫茲產業領域細分

本文通過Python編程實現K-Means算法對專利文本內容(標題和摘要)的聚類分析，從而進行太赫茲產業領域的細分。采用手肘法獲取最佳聚類簇數，從圖2可以看出：在K=5時，折線發生明顯的轉折；當K>5時，SSE變化幅度明顯放緩。拐點處的位置為K=5，即最佳聚類簇數為5。

圖2 手肘法折線圖

對聚類結果進行分析，通過人工識別命名得到5個太赫茲細分領域，如表2所示。

表2 太赫茲細分領域聚類結果

圖3為太赫茲不同細分領域下的專利申請數量，其中，太赫茲探測領域的專利申請數量最多，約占總申請量的39%；太赫茲器件領域的專利申請數量最少，只有707件。

圖3 太赫茲不同細分領域的專利申請數量

3.3 太赫茲細分領域核心專利識別與分析

首先，利用熵權法確定太赫茲各細分領域核心專利識別指標的權重；其次，進行TOPSIS分析；最后對太赫茲細分領域評價排序前10的核心專利進行分析。

表3為對太赫茲細分領域核心專利識別指標權重進行計算后的結果，可以發現，器件領域技術寬度的權重值最高，被引頻次和同族專利數的權重值較高，權利要求數的權重值最低。成像領域技術寬度、被引頻次和同族專利數的權重值較高，權利要求數的權重值最低。通信領域技術寬度的權重值最高，同族專利數和專利狀態的權重值較高，權利要求數的權重值最低。探測領域技術寬度和同族專利數的權重值最高，權利要求數的權重值最低。材料領域技術寬度、被引頻次和同族專利數的權重值最高，權利要求數的權重值最低。

表4為進行TOPSIS分析加權評價后排序前10的核心專利信息。其中，器件領域排名第一的核心專利是英國科技集團于1998年申請的專利WO1998053351A2，主要研究一種光學裝置及其制造方法，可用作例如波分復用器、單頻激光器或化學傳感器的組件。成像領域排名第一的核心專利是美國加州理工學院于2013年申請的專利US20140118529A1，主要研究一種傅里葉氣相色譜成像(FPI)設備，可用于半導體晶片檢查和醫學顯微成像。通信領域排名第一和第三的核心專利都由美國德州儀器公司于2015年申請，主要研究的是太赫茲通信系統中的組成部件。探測領域排名第一的核心專利是美國法如科技公司于2013年申請的專利US20140063489A1，主要研究一種用于光學掃描和測量環境的激光掃描儀。材料領域排名第一的核心專利是日本京都第一科學株式會社和日本山形大學于2015年共同申請的專利EP2960239A1，主要研究用于光源裝置和太赫茲生成裝置的噻唑鎓衍生物和非線性光學材料。

表4 太赫茲細分領域的核心專利信息(Top10)

4 結語

本文首先從領域細分視角構建基于熵權TOPSIS法的核心專利識別模型，識別出產業全領域和細分領域的核心專利；對全球太赫茲產業領域1984—2021年的專利數據進行實證研究，得出結論如下：

(1)基于K-Means算法的產業領域細分方法，能有效對產業領域內專利進行技術的劃分。通過對專利文本(標題和摘要)的聚類分析將太赫茲產業領域細分為器件、成像、通信、探測、材料共5個細分領域，這切合目前太赫茲產業領域的范疇。

(2)構建的包括技術特征(技術寬度、科學關聯度、被引頻次)、經濟特征(同族專利數、權利要求數)、法律特征(專利狀態)6個指標的核心專利識別體系，能夠從專利本身價值以及產業賦予專利的價值兩個維度來確定專利的核心性。

(3)實證發現全球太赫茲產業領域核心專利的專利權人大多屬于太赫茲產業領域的龍頭企業，涉及的主要細分領域基本涵蓋了太赫茲領域目前的熱點技術，這也進一步驗證了本文提出的核心專利識別模型的有效性。

本文研究仍然存在以下局限性：(1)本文基于專利技術、經濟和法律特征構建核心專利指標識別體系，但無法定量確保每個指標都能準確表征核心專利。為了明確各指標對核心專利識別的效果，后續可以組織領域專家學者識別一批核心專利作為范本，為相關核心專利識別指標的研究提供借鑒。(2)本文基于熵權TOPSIS法進行產業領域核心專利識別，將熵權法的客觀賦權與TOPSIS法的多屬性決策排序相結合對專利進行打分，主要采用的是客觀評價法，后續可以與專家的主觀評議結合起來，進一步提高識別結果的準確性。