核心专利集筛选及专利技术主题识别影响

doi:10.3772/j.issn.1000-0135.2019.01.002

情报学报

2019, Vol. 38

Issue (1): 13-20 DOI: 10.3772/j.issn.1000-0135.2019.01.002

专题约稿

本期目录 | 过刊浏览 | 高级检索

核心专利集筛选及专利技术主题识别影响

李姝影, 张鑫, 许轶, 许海云, 张娴, 朱月仙

中国科学院成都文献情报中心，成都 610041

Patent Screening of Core Documents and Impact of Patent Technology Subject Identification

Li Shuying, Zhang Xin, Xu Yi, Xu Haiyu, Zhang Xian, Zhu Yuexian

Chengdu Library and Information Center, Chinese Academy of Sciences, Chengdu 610041

摘要
图/表
参考文献
相关文章 (0)

全文: PDF (5756 KB) HTML (100 KB)
输出: BibTeX | EndNote (RIS)

摘要领域重要的技术特征词在技术主题网络中具有关键核心作用，研究对比从核心专利数据集中抽取的技术特征词相对于全数据集的效率，进而探讨基于引文网络的核心专利集筛选策略对技术主题识别所产生的影响。本文借鉴了专利引用强度指标和引用滞后性特征对核心专利集进行两步筛选，研究对比核心专利集与全数据集抽取的主题特征词在词云规模、词频覆盖率、阈值选择以及技术主题划分的差异。实证分析发现，利用核心专利集抽取技术特征词有助于提升技术主题识别的效率和准确性，且基于核心专利集聚类生成的技术主题网络与领域全集的主题覆盖率较大，能够有效简化技术网络中的技术主题，更加便于专家对技术主题进行归纳与总结。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李姝影
	张鑫
	许轶
	许海云
	张娴
	朱月仙

关键词 ：专利技术主题识别, 核心专利集, 专利筛选

收稿日期: 2018-10-17

基金资助:ISTIC-Thomson Reuters科学计量学联合实验室开放基金项目“基于专利计量的产学研协同创新主题识别方法研究”（Y6H0951001）；中国科学院西部青年学者项目“企业专利组合价值分析模型及应用研究”（Y6C0141001）

作者简介: 李姝影，女，1987年生，博士，助理研究员，主要研究领域为专利分析与计量，E-mail:lisy@clas.ac.cn；张鑫，男，1989年生，硕士，助理研究员，主要研究领域为知识计算；许轶，女，1983年生，硕士，助理研究员，主要研究领域为专利情报分析；许海云，女，1982年生，博士，副研究员，主要研究领域为情报计量学理论与实践；张娴，女，1973年生，博士，研究员，主要研究领域为科技政策情报研究与专利情报；朱月仙，女，1983年生，硕士，副研究员，主要研究领域为专利情报分析。

引用本文:

李姝影, 张鑫, 许轶, 许海云, 张娴, 朱月仙. 核心专利集筛选及专利技术主题识别影响[J]. 情报学报, 2019, 38(1): 13-20.
Li Shuying, Zhang Xin, Xu Yi, Xu Haiyu, Zhang Xian, Zhu Yuexian. Patent Screening of Core Documents and Impact of Patent Technology Subject Identification. 情报学报, 2019, 38(1): 13-20.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2019.01.002 或 https://qbxb.istic.ac.cn/CN/Y2019/V38/I1/13

[1] 沈君. 知识网络视角的专利技术主题结构分析——以第三代移动通信技术为例[D]. 大连: 大连理工大学, 2012.
[2] 杨超, 朱东华, 汪雪锋, 等. 专利技术主题分析: 基于SAO结构的LDA主题模型方法[J]. 图书情报工作, 2017, 3(61): 86-96
[3] 许海云, 王振蒙, 胡正银, 等. 利用专利文本分析识别技术主题的关键技术研究综述[J]. 情报理论与实践, 2016, 11(39): 131-137.
[4] 屈鹏, 王惠临. 专利文本分类的基础问题研究[J]. 现代图书情报技术, 2013(3): 38-40.
[5] Choi J, Hwang Y S. Patent key network anlayisis for improving technology development efficiency[J]. Technological Forecasting & Social Change, 2014, 83: 170-182.
[6] Hu P, Huang M L, Xu P, et al. Finding nuggets in IP portfolios: core patent mining through textual temporal analysis[C]// Proceedings of the 21st ACM International Conference on Information and Knowledge Management. New York: ACM Press, 2012: 1819-1823.
[7] 穆秀秀, 郭德斌, 刘伟, 等. 基于核心专利群的专利规避范围界定方法研究[J], 工程设计学报, 2015, 22(2): 116-122.
[8] 祁延莉, 刘西琴. 核心专利识别方法研究[J]. 情报理论与实践, 2016, 39(11): 5-9.
[9] Choi C, Park Y. Monitoring the organic structure of technology based on the patent development path[J]. Technology Forecasting & Social Change, 2009, 76(6): 754-768.
[10] Barbera T D, Jimenez S F, Castello M L. Mapping the importance of the real world: the validity of connectivity analysis of patent citation network[J]. Research Policy, 2011, 40(3): 473-486.
[11] Yang C, Zhu D H, Wang X F, et al. Requirement-oriented core technological components’ identification based on SAO analysis[J]. Scientometrics, 2017,112: 1229-1248.
[12] Albert M B, Avery D, Narin F, et al. Direct validation of citation counts as indicators of industrially important patents[J]. Research Policy, 1991, 20(3): 251-259.
[13] Harhoff D, Narin F, Scherer F M, et al. Citation frequency and the value of patented invention[J]. Review of Economics and Statistics, 1999, 81(3): 511-515.
[14] 彭爱东. 基于同被引分析的专利分类方法及相关问题探讨[J]. 情报科学, 2008, 26(11): 1676-1684.
[15] Ha S H, Liu W N, Cho Hune, et al. Technological advances in the fuel cell vehicle: Patent Portfolio management[J]. Technological Forecasting & Social Change, 2015, 100: 277-289.
[16] Mane K K, Börner K. Mapping topics and topic bursts in PNAS[J]. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101: 5287-5290.
[17] 侯婷, 吕学强, 李卓, 等. 面向专利技术主题分析的技术主题获取[J]. 情报理论与实践, 2015, 38(5): 126-140.