基于专利文献的产学研潜在合作关系发现研究
方思越1,2 , 陈芳1 , 王学昭1,2
1.中国科学院文献情报中心,北京 100190 2.中国科学院大学经济与管理学院信息资源管理系,北京 100190
A Study on the Potential Collaborative Discovery of Industry-Academia-Research Based on Patent Documents
Fang Siyue1,2 , Chen Fang1 , Wang Xuezhao1,2
1.National Science Library, Chinese Academy of Sciences, Beijing 100190 2.Department of Information Resources Management, School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190
摘要 使用专利文献构建产学研合作网络,有助于识别产学研潜在合作关系,助力各创新主体的有效协同。在网络中引入链路预测和以专利权人专利手工代码(Manual Codes,MC)为单位的耦合分析方法,使用链路预测中的相似性指标计算专利权人的路径相似性,使用余弦距离计算专利权人专利的内容相似性,构建融合路径相似性和内容相似性的加权融合指标。使用AUC(Area Under Curve)确定融合指标权重,在2014—2018年生物制药产业产学研合作网络中进行指标效果检验。实证发现,路径相似性和内容相似性在融合指标中约为1∶9时预测效果最佳,使用最优算法预测出的潜在合作结果可用于支持生物制药产业产学研创新主体对未来合作关系的决策。
关键词 :
产学研合作 ,
专利分析 ,
链路预测 ,
潜在合作关系
收稿日期: 2021-11-24
基金资助: 中国科学院战略研究专项项目“面向国家战略需求的重大科技问题清单研究”(GHJ-ZLZX-2021-22-1)。
作者简介 : 方思越,女,1997年生,硕士,主要研究领域为科技战略情报、情报理论方法与实践等;陈芳,男,1981年生,硕士,副研究员,主要研究领域为文本挖掘和机器学习等;王学昭,女,1978年生,博士,研究员,硕士生导师,主要研究领域为科技战略情报、知识产权与产业情报、情报理论方法与实践等,E-mail:wangxz@mail.las.ac.cn;
1 张薇, 董瑜, 赵亚娟, 等. 产学研结合的国际比较[J]. 科学观察, 2008, 3(2): 5-11. 2 王超, 许海云, 方曙. 产学研潜在合作对象识别方法研究[J]. 科学学研究, 2018, 36(1): 101-113. 3 Suarez-Villa L. Invention, inventive learning, and innovative capacity[J]. Behavioral Science, 1990, 35(4): 290-310. 4 Hagedoorn J, Cloodt M. Measuring innovative performance: is there an advantage in using multiple indicators?[J]. Research Policy, 2003, 32(8): 1365-1379. 5 王秋玉, 曾刚, 吕国庆. 中国装备制造业产学研合作创新网络初探[J]. 地理学报, 2016, 71(2): 251-264. 6 方思越, 王学昭. 基于科研网络的潜在合作关系预测研究综述[J]. 情报工程, 2022, 8(1): 35-45. 7 Zhao D Z, Strotmann A. Evolution of research activities and intellectual influences in information science 1996-2005: introducing author bibliographic-coupling analysis[J]. Journal of the American Society for Information Science and Technology, 2008, 59(13): 2070-2086. 8 朱云霞, 魏建香. 基于共引网络的学者间潜在合作机会发现[J]. 西南民族大学学报(人文社科版), 2016, 37(9): 235-240. 9 陈卫静, 郑颖. 基于作者关键词耦合的潜在合作关系挖掘[J]. 情报杂志, 2013, 32(5): 127-131. 10 刘竟, 孙薇. 基于链路预测的潜在科研合作关系发现研究[J]. 情报理论与实践, 2017, 40(7): 88-92, 121. 11 林原, 刘海峰, 王海龙, 等. 基于表示学习的学者间潜在合作机会挖掘[J]. 情报杂志, 2019, 38(5): 65-70. 12 温芳芳. 基于专利权人-分类号耦合分析的潜在合作关系网络研究[J]. 情报学报, 2016, 35(12): 1265-1272. 13 王菲菲, 芦婉昭, 贾晨冉, 等. 基于论文-专利机构合作网络的产学研潜在合作机会研究[J]. 情报科学, 2019, 37(9): 9-16. 14 许海云, 隗玲, 庞弘燊, 等. 产学研潜在合作对象识别方法研究[J]. 情报学报, 2016, 35(5): 521-529. 15 冉从敬, 宋凯, 何梦婷, 等. 校企合作背景下高校前沿科研团队探测模型构建——以区块链技术领域为例[J]. 现代情报, 2020, 40(6): 46-54. 16 张斌, 马费成. 科学知识网络中的链路预测研究述评[J]. 中国图书馆学报, 2015, 41(3): 99-113. 17 Lorrain F, White H C. Structural equivalence of individuals in social networks[M]// Social Networks: A Developing Paradigm. Pittsburgh: Academic Press, 1977: 67-98. 18 Zhao J, Miao L L, Yang J, et al. Prediction of links and weights in networks by reliable routes[J]. Scientific Reports, 2015, 5: 12261. 19 吕琳媛, 周涛. 链路预测[M]. 北京: 高等教育出版社, 2013. 20 沈君, 高继平, 滕立. 德温特手工代码共现法: 一种实用的专利地图法[J]. 科学学与科学技术管理, 2012, 33(1): 12-16. 21 李文娟, 陈晶. 基于专利分析的我国生物制药产业技术周期预测[J]. 沈阳药科大学学报, 2018, 35(1): 73-77. 22 Zhang K R, Liu W Y. The current status, trend, and development strategies of Chinese biopharmaceutical industry with a challenging perspective[J/OL]. SAGE Open, 2020, 10(1). (2020-01-23). https://doi.org/10.1177/2158244020901529. 23 谢华玲, 陈芳, LiuCynthia, 等. 全球生物制药领域研发态势分析[J]. 中国生物工程杂志, 2019, 39(5): 1-10. 24 刘秋宏. 德温特专利权人代码编制研究及检索应用[J]. 科技创新导报, 2013, 10(4): 5-8, 11. 25 Valverde S, Cancho R F, Solé R V. Scale-free networks from optimal design[J]. Europhysics Letters, 2002, 60(4): 512-517. 26 温芳芳. 基于社会网络分析的专利合作模式研究[J]. 情报杂志, 2013, 32(7): 119-123. 27 张斌, 李亚婷. 学科合作网络链路预测结果的排序鲁棒性[J]. 信息资源管理学报, 2018, 8(4): 89-97.
[1]
张洋, 林宇航, 侯剑华. 基于融合数据和生命周期的技术预测方法:以病毒核酸检测技术为例 [J]. 情报学报, 2021, 40(5): 462-470.
[2]
宋艳辉, 邱均平. 发明人专利文献耦合与发明人德温特分类号耦合比较研究——以非专利实施主体为例 [J]. 情报学报, 2021, 40(4): 364-374.
[3]
曹志鹏, 潘定, 潘启亮. 基于表示学习的双层知识网络链路预测 [J]. 情报学报, 2021, 40(2): 135-144.
[4]
王菲菲, 王筱涵, 徐硕, 芦婉昭, 宋艳辉. 基于三维引文关联网络的潜在知识流动探测——以基因编辑领域为例 [J]. 情报学报, 2021, 40(2): 184-193.
[5]
李冰, 丁堃, 孙晓玲. 企业潜在技术合作伙伴及竞争者预测研究——以燃料电池技术为例 [J]. 情报学报, 2021, 40(10): 1043-1051.
[6]
黄璐, 倪兴兴, 程坷飞, 贾翔. 基于二模网络链路预测的合作者识别方法研究 [J]. 情报学报, 2020, 39(9): 906-913.
[7]
刘向, 万小萍, 闫肖婷, 汪锦霞. 基于引文路径叠加网络的主路径分析 [J]. 情报学报, 2019, 38(8): 807-814.
[8]
黄璐, 朱一鹤, 张嶷. 基于加权网络链路预测的新兴技术主题识别研究 [J]. 情报学报, 2019, 38(4): 335-341.
[9]
张金柱, 于文倩, 刘菁婕, 王玥. 基于网络表示学习的科研合作预测研究 [J]. 情报学报, 2018, 37(2): 132-139.
[10]
万小萍, 刘向, 闫肖婷, 汪锦霞. 基于关联分析的技术演进路径发现 [J]. 情报学报, 2018, 37(11): 1087-1094.