1 引 言

据世界知识产权组织（WIPO）的报告，专利是世界上最大的技术信息源，涵盖了全球科学研究与试验发展（R&D）产出的90%以上发明成果，其中约有70%的发明成果从未在其他非专利文献上出现^[1]。可见，专利是反映技术发展态势的重要情报来源，而专利引文网络则可以展现知识片段之间错综复杂的转移、流动与继承活动。因此，专利引用数据的变化能比较客观地反映技术扩散现象，技术扩散的整个过程亦可以通过专利引文网络更加清晰地展示出来^[2]。

随着全球竞争的加剧和技术变革的加快，关于技术扩散相关问题的研究正在逐步回归到技术本身。相较于其他信息资源，专利文本具有内容新颖、系统详尽、格式规范、分类科学等特点^[3]，这些特点决定了从专利角度研究技术扩散问题具有科学性和可行性，因此越来越多的国内外学者开始选择专利资料来探讨技术扩散^[4]。Jaffe等^[5]最早开展相关研究，通过比较施引专利与被引证专利间的地理位置描述了知识的空间扩散，同时采用施引专利与被引专利的申请年代差计量了技术扩散速度；其后，Narin等^[6,7]提出了专利计量学的概念，并指出专利引证可用来评价研发中的技术或知识扩散过程，从而开拓了专利引文分析的新思路。自此，相关研究不断增长，并于2000年后进入快速发展期^[8]。总体来看，基于专利的技术扩散研究主要集中在以下几个方面：运用专利引证信息的国家（地区）层面或产业层面的知识流动与技术扩散分析^{[5,9,10,11,12]}、基于专利引证网络的技术扩散形态特征和动态变化分析^[2,13,14,15]、专利视角的技术扩散模型与影响因素研究^{[16,17,18,19,20,21]}、基于专利引文的技术形成与演进路径研究^{[22,23,24,25,26,27,28,29]}等。

尽管许多学者开展了大量的研究工作，初步形成了基于专利引文分析技术扩散的研究体系，然而，综观国内外文献仍然可以发现，基于专利引证关系对技术扩散的网络形态、特征等内容进行研究的文献数量相对较少，且多集中于对技术扩散的网络结构特性、节点属性分析、动量时序变化、速度定量测算等单一方面，不能全方位地反映技术扩散的全貌与动态变化；同时，缺乏对掌握重要技术资源的核心企业的甄别研究，也罕见对技术扩散主要路径进行识别的成果，从而未能深刻地体现技术扩散的关键角色和重要环节。有鉴于此，本文将以手机芯片技术为例，在多视角、阶段性分析其专利引文网络特征的基础上，基于拓扑结构参数识别技术扩散网络中的核心企业，采用SPNP算法确定技术扩散的主路径，旨在帮助相关企业和研究机构明确其所在技术领域的关键企业和技术扩散趋势，为政府管理部门制定技术发展的引导政策提供决策借鉴。

2 手机芯片技术专利引文网络的构建与特征分析

2.1 研究对象与数据来源

近20年来，无线通信网络技术发展迅速。无论是在“中国制造2025”，还是在德国“工业4.0”国家战略中，都明确提出普及无线通信技术的重要性。考虑到在这一技术领域中，手机芯片研发是各大无线通信企业激烈争夺的利益制高点，因此，本文选择手机芯片技术作为研究对象。

德温特专利数据库（Derwent Innovations Index，简称DII）是世界上收录专利信息最全的数据库，这一大型的世界专利数据库及其专利引文索引为大规模的专利文献研究提供了规范可靠的数据来源，而它的及时更新又为专利技术前沿的研究提供了可能^[30]。本文通过查阅相关文献，提炼出手机芯片技术的不同表达式，再结合专家意见，确定将Baseband、Application Processor、Radio Frequency、Power Man-agement Unit、system on chip、high performance mobile、FinFET 3D、RFCMOS、Bipolar-CMOS-DMOS、Soft Defined Radio、CMOS、wireless connectivity、CoMP等作为检索关键词。按照DII数据库的检索要求，输入检索表达式，将专利检索的时间范围设定为1990年1月1日至2015年12月31日，从而完成对手机芯片技术相关专利的检索。

2.2 手机芯片技术的发展阶段划分

本文共检索到手机芯片技术相关专利13829项，通过JAVA程序对数据进行清洗后，获得有效专利12756项，由此绘制出手机芯片专利申请数量的逐年分布曲线（图1）。

图1 手机芯片技术专利申请数量的逐年分布曲线

专利数量的变化情况能够从整体上反映一项技术的发展进程与增长速度。因此，图1能够清晰地体现出手机芯片技术发展的阶段性变化。从1990年至2000年，全球每年申请的相关专利数不超过100项，十年的申请数量累计为359项，可见手机芯片技术此时处于发展的起步阶段。从2001年起，相关专利的申请数量开始成倍增长；到了2009年，全年专利申请数量已达到1495项这一巅峰值。在此期间，累计专利申请数量达到6409项，实现了该领域技术专利申请的高速发展。2010—2015年，专利申请数量累计为5988项，呈现稳中有降的态势，具体表现为：2010—2013年申请数量保持平稳，从2014年开始申请数量略有下降。根据以上分析，本文将手机芯片技术专利申请的发展过程大体划分为三个阶段，分别是：起步期（1990—2000年）、高速发展期（2001—2009年）、平稳发展期（2010—2015年）。

2.3 手机芯片技术专利引文网络的特征分析

本文对有效专利的数据进行整理、格式转换，并采用网络分析软件Gephi对数据进行了可视化处理，分别绘制出三个不同阶段手机芯片技术的专利引文网络图（图2,3,4）。

图2 1990—2000年手机芯片技术专利引文网络

图3 2001—2009年手机芯片技术专利引文网络

图4 2010—2015年手机芯片技术专利引文网络

下文将分别对手机芯片技术专利引文网络的整体网络特征、度分布特征进行分析，以期从多个视角体现该领域的技术扩散情况。

2.3.1 整体网络特征分析

本文分别计算手机芯片技术专利引文网络在不同时间段的拓扑参数，得到表1。由表1可以看出，伴随着技术发展阶段的演进，网络的边、平均度、平均聚集系数逐渐增大，说明网络中节点之间的紧密程度不断增强、专利之间的引用关系逐渐增多，反映出技术扩散的行为日趋频繁，技术扩散的范围日益广泛，技术扩散的路径不断增加，技术扩散的速度也随之加快^[2]。结合图1可以发现，手机芯片技术在2006—2015年期间实现了爆发式增长，这一情况与同一时间段内3G、4G技术的快速推广密切相关。这十年也是智能手机迅速普及的十年，而芯片技术正是智能手机的关键技术。因此，从智能手机的市场推广速度也可以印证手机芯片技术在此期间的扩散速度之快。

表1 网络拓扑参数的变化情况

年份	节点	边	平均度	平均路径长度	平均聚集系数	密度
1990—2000	359	26	0.118	1.012	0.009	0.00004459
2001—2009	6050	715	0.260	1.103	0.011	0.00003907
2010—2015	5988	898	0.374	1.055	0.012	0.00005009

与此同时，表1的数据也显示，三个阶段的网络平均路径长度、网络密度等指标数值较低且变化不显著，说明专利引文网络中也分布着较多的散点，反映出该领域中仍有不少专利还没有成功实现技术扩散。

从图2,3,4所呈现的手机芯片专利引文网络的结构来看，起步期与其后的两个发展阶段存在较大的差别。具体表现为：起步期的网络结构明显处于扩散初期，其网络节点较少，节点之间的连线稀少、紧密程度较弱；而高速发展期、平稳发展期这两个阶段的网络节点数量和节点间连线明显增多，且其基本拓扑形态相似、核心节点的数量相近。这一现象表明，相比于起步期，在后两个发展阶段手机芯片专利之间的引用关系不断加强，该领域的技术扩散活动愈发活跃；与此同时，一些重要专利在引文网络中的核心作用也逐渐凸显。

2.3.2 专利引文网络的度分布特征分析

网络的度分布是描述网络整体结构特征的一个重要指标，很大程度上决定了网络的各种性质^[31]。通过构建手机芯片技术专利引文网络，本文得到了该网络的节点度数值分布图和节点度概率分布图（如图5,6所示）。由图5,6可以看出，网络中存在节点度很大的节点，其幂率指数γ=0.906~1.143，表明此网络的度分布符合幂率分布规律，从而进一步从专利引文网络的角度印证了已有研究结果：文献引用网络、合作网络、万维网络等的节点度都具有幂律特征^[32]。同时，虽然此网络中的大部分网络节点度的数值都很低，但也存在着网络节点度数值非常高的中枢节点，这一现象符合无标度网络所具有的度分布的自相似结构及高度弥散性的特点。由此，本文认为，手机芯片技术专利引文网络具有无标度网络特征。这一特征也说明，各项手机芯片技术的扩散速度是不均匀的，即：大多数技术的扩散速度较慢，只有少数技术（通常为核心专利）的扩散速度较快。原因在于，后者因具有较高的引用频率而拥有较多的技术扩散路径，相关研究表明^[2]，在没有其他因素影响的前提下，技术扩散路径的增加将在一定程度上加速技术的扩散。

图5 节点度数值分布图

图6 节点度概率分布图

3 专利引文网络的核心专利与技术扩散主路径分析

专利引文网络不仅能够客观呈现某一专业领域的技术扩散情况，而且有助于识别出扩散过程中的核心专利以及主要路径。

3.1 专利引文网络的核心专利分析

核心专利是在某一技术领域中处于关键地位，对技术发展具有突出贡献、对其他专利或技术影响重大、并具有重要经济价值的专利^[33]。Narin^[6]指出，专利被引用次数是确定专利重要程度的指标；如果一项专利被许多专利所引用，则表明该专利是一项比较核心的、重要的技术。黄鲁成等^[34]也认为，核心专利承载着核心技术，可以通过引用频次来测度。有鉴于此，本文基于专利的被引频次，即节点的出度来识别专利引文网络中的核心专利。

基于1990—2015年的手机芯片技术专利引用数据，本文运用网络分析软件Pajek计算了该专利引文网络的节点出度数值。结果显示，专利号为6526281的技术位居第一。由此，本文将这一专利确定为手机芯片技术中的核心专利。6526281号专利的英文名称为“Dynamic bandwidth allocation to transmit a wireless protocol across a code division multiple access (CDMA) radio link”，是一项通过CDMA无线连接传送无线信号的技术，最初归属于Tantivy Communications公司，后因企业并购归属于InterDigital公司。InterDigital公司成立于1972年，是一家专门开发移动通信高级技术的公司，拥有近2万件专利（或专利申请），已经研发了大量关于无线产品及无线网络的技术，包括2G、3G、4G等。过去四十年间，该公司已经成为全球无线通信标准的主要贡献者之一。20世纪90年代初期，Inter-Digital公司将CDMA手机的核心标准IS-95及关键专利卖给了高通公司，为高通公司实现CDMA芯片技术的市场化、进而成为行业巨头奠定了基础。

3.2 基于SPNP算法的技术扩散主路径分析

专利引文网络中存在着一条或几条主要的技术路径，它们能够反映该领域中关键技术间的扩散演化关系^[2]，可以体现专利引文网络整体的技术扩散路径。主路径分析（Main Path Analysis）便是研究专利引文网络中关键路径的重要方法之一，该方法由Hummon和Doreian提出^[35]。其后，很多学者围绕该方法进行了大量研究，取得了较为丰硕的研究成果^[36]。

3.2.1 SPNP算法的基本原理

专利引文网络中主路径分析主要有三种算法^[36]：Search Path Count（SPC）、Search Path Link Code（SPLC）、Search Path Node Pair（SPNP）。其中，SPC是指专利引文网络中从起始节点到终止节点之间的任意路径通过某条边的次数；SPLC是指在专利引文网络中所有的搜索路径中，查找所有从顶点发出指令指向收点的途径数；SPNP是指通过有向边连接的上游节点和下游节点组成的节点对的数目，每个顶点既是源点又是收点，因此在这个算法中，中间阶段的顶点和边具有较高的值。三种方法的基本主旨都在于通过个体节点在网络中的重要性来判断节点本身的重要性，进而判断应保留和删除哪些节点以形成一条以主要节点连接而成的关键路径^[37]。三种主路径算法的主路径成分与形态略有差异，但随着网络规模的增长差异不显著^[36]。

比较而言，在上述算法中，SPNP算法是基于乘法计算出来的结果，更能区分专利发展过程中最主要的路径^[35]。如果只是研究网络中的主要路径，选取SPNP算法更为合适^[27]。故此，本文采用SPNP算法来确定专利引文网络中的技术扩散主路径。

前已述及，SPNP是节点对的数目，主要是由有向边D_vu连接的上游节点和下游节点构成，记为SPNP(D_vu)：

式中， L - u 表示被专利u引证的节点数，包括专利u本身和所有直接或间接被专利引证的节点数； L + v 表示引证专利v的节点数，包括v本身和所有直接或间接引证专利的节点数^[38]。计算每个节点的SPNP值，若获取到的SPNP统计值趋向越大，则代表它在连通网络中的重要性程度越高。SPNP算法的基本原理如图7所示。

图7 SPNP算法的基本原理

3.2.2 技术扩散主路径分析

本文将1990—2015年的手机芯片技术专利数据文件导入Pajek软件中，计算专利引文网络中每个节点的SPNP值，删除次要节点（如图7中的节点E、节点G）后，得到基于SPNP算法的主路径。为了更好地体现专利技术的扩散过程，本文给识别出的技术扩散主路径加上时间轴，并对各主要专利节点的申请年份加以标注，最终得到结合时间序列的手机芯片专利的技术扩散主路径（图8）。

图8 基于SPNP的技术扩散路径

从图8可以看到，沿着时间轴，手机芯片专利引文网络中技术扩散主路径的起点是专利6526281，发挥分支和导向作用的节点分别为专利6832102、7421466和7471629，终点则分别是专利7165224、8326651和8214503。由前文的识别结果可知，专利6526281是该专利引文网络的核心专利。由此可见，技术扩散主路径分析从另一个角度验证了前文中核心专利识别的准确性。

图8的三条主路径表明，核心专利6526281在技术扩散过程中衍生出三个技术方向，路径一（从6526281到7165224）表示从CDMA技术的扩散中衍生出无线移动网络的成像技术，即如何成像、如何通过软件平台与移动终端传送图片的技术；路径二（从6526281到8326651）表示在CDMA技术的扩散过程中先衍生出能够通过无线设备实现动态信息的管理与定位技术，进而衍生出管理用户信息（如酒店订房实时信息等）以及数据（如医疗数据等）的用户体验平台技术；路径三（从6526281到8214503）表示伴随CDMA技术的扩散衍生出无线局域网的控制管理系统技术，后者能够实现通信网络数据的高效传输。可见，以上由核心专利6526281发生扩散而衍生出的三个专利所代表的技术领域都与人们现在的手机常用功能的实现息息相关。以上分析也从一个侧面说明，专利引文网络虽然分布稀疏，节点量巨大，但研究者可以通过识别技术扩散主路径的方法高效获取该网络的重要信息和关键技术结点，从而为未来技术扩散方面的预测与深入研究奠定基础。

4 基于BCRW算法的专利权人网络核心企业识别

从专利引用数据中也可以提取专利权人的相关信息，构建专利权人网络，进而更加高效地识别出该技术领域的核心企业。Von Wartburg等提出，判断节点是否是主要节点应将个体节点的重要性与网络的“整体连接结构”结合起来会更具说服力^[39]。基于这一观点，孙冰等采用中介中心度指标来表征有向网络中的核心企业^[40]。鉴于核心企业位于中心位置，是网络中的知识转移和扩散的中心^[41]，通常占据较多结构洞^[42]，而中介中心度能够有效反映“结构洞”控制网络资源的能力，因此，本文参考上述研究成果，通过计算“中介中心度”来衡量结构洞，并以此识别出专利权人网络中的核心企业。

4.1 基于随机游走的中介中心度（BCRW）算法

网络中节点i的中介中心度c_i定义为

式中， b j k 表示从节点j到k的最短路径的个数； b j i k 表示从节点j到k的且经过节点i的最短路径的个数。

计算节点的中介中心度的最基本方法就是计算出所有的节点对之间的最短路径，这种方法需要 Θ n 3 的时间复杂性和 Θ n 2 的空间复杂性。为了降低该算法的复杂性，Brandes基于单源最短路径的算法设计了一个快速的节点中心度计算方法^[43]。该算法的空间复杂性是 O n + m ，时间复杂性是 O n m 和 O n m + n 2 l o g n 。其中，n为图中节点的个数，m为图中边的数量。

在专利权人网络中，节点和边的数量巨大，故而上述方法并不能有效地计算出节点的中介中心度。为此，本文借鉴朱静宜的研究成果^[44]，应用随机游走的方法来计算专利权人网络中节点的中介中心度。其主要思想是：在网络中进行大量的随机游走，根据这些随机游走计算出节点的中介中心度。其计算方法如下：

式中， R i 为一个矩阵，其中的第 j , k 个元素 R j k i 为某个随机游走从节点j到k的概率，并且该随机游走包含节点i作为中间节点。

基于随机游走的中介中心度（Betweenness Cen-trality Based on Random Walk，BCRW）的算法过程为：令网络中的每个节点 u u ∈ V 作为初始节点，进行若干次R随机游走；在每一随机游走步中，以概率ε停止该随机游走，以概率1-ε进行下一次的随机游走；在随机游走时，随机选取一条当前节点的出边，并走向目标节点；重复上述随机游走过程，直到终止。算法终止后，即可根据式(3)计算出每个节点的中介中心度。

4.2 专利权人网络中核心企业的识别

本文基于1990—2015年手机芯片技术的专利数据，提取每项专利的专利权人信息，并以专利权人为网络节点，运用网络分析软件UCINET生成专利权人网络。根据BCRW算法来计算各节点的中介中心度，中介中心度数值大于1的专利权人节点构成的网络如图9所示。

从图9可见，爱立信（TELF-C）和高通公司（QCOM-C）是占据结构洞位置的最大的两个节点，表明它们是专利权人网络中最重要的两个企业。其中，爱立信的中介中心度最高，其数值高达9.152；高通公司排名第二，它的中介中心度数值为7.666。由此可见，爱立信和高通公司是该技术领域中最重要的两个核心企业，它们位于专利权人网络的中心位置，自身拥有关键性技术资源，对其他专利权人之间技术扩散的控制力很强，在发布专利技术信息、控制专利技术扩散路径、发挥技术扩散中介作用等方面具有很大的影响力。可以说，这些节点代表的专利权人在手机芯片技术的扩散与发展过程中发挥着关键作用，已成为专利权人网络中的关键枢纽。其中，高通公司的核心地位在前文的核心专利分析部分已有直接说明，不再赘述。而爱立信的核心作用则体现在技术扩散主路径的分析中。前已述及，有3个专利节点在技术扩散主路径中起着重要的导向性作用，它们最初分别隶属于惠普公司（专利6832102和专利7421466）和意法半导体集团（专利7471629），爱立信则分别于2001年、2008年通过股权收购、成立合资企业的方式拥有或共享了上述专利，从而为其在手机芯片技术领域获得领先优势和发挥关键作用打下了基础。由此可见，核心企业的识别结果进一步验证了前文中核心专利分析与技术扩散主路径分析的有效性。

图9 基于中介中心度数值的专利权人网络

值得一提的是，随着技术发展的日益复杂化，近年来爱立信和高通公司这两个核心企业之间已经由过去单一的竞争关系，转向更积极的竞合关系，比如爱立信与高通公司目前正在合作进行5G技术的研发，以此寻求在资源、技术、市场上的互补，实现技术与市场的双赢。可见，核心企业之间建立高效稳定的竞合关系将为专利引文网络的未来发展、技术扩散主路径的拓展提供新的方向。

5 结论与展望

本文以1990—2015年手机芯片专利的相关数据为基础，构建了手机芯片技术专利引文网络，并对其进行了整体网络特征、度分布特征的分析，从整体性视角研究了手机芯片技术扩散的阶段性特点与规律。在此基础上，基于网络拓扑参数识别了专利引文网络的核心专利，采用SPNP算法明确了手机芯片专利的技术扩散主路径，并进一步基于随机游走的中介中心度算法完成了对专利权人网络中核心企业的甄别。

本文的创新和贡献主要体现在三个方面：第一，突破了已有研究仅关注于技术扩散的某一特性或某一指标的研究思路，从整体网络特征、核心专利、主路径、核心企业等多个主题切入，全方位、多视角地呈现了手机芯片专利技术扩散的全貌。第二，采用SPNP算法识别了手机芯片专利引文网络中技术扩散的主路径，明确了技术扩散的核心节点和重要环节，实现了对技术扩散演进路径的动态描述。第三，采用基于随机游走的中介中心度算法甄别了手机芯片专利权人网络中的核心企业，完成了对技术扩散过程中关键角色的有效辨识，是基于专利引文网络进行技术扩散研究的一次新尝试。

由于研究能力和文章篇幅所限，本文并未对专利内容进行深入分析，对主要路径上的专利节点也未进行深刻解读，若从这几方面继续开展研究，可以更全面地了解某一领域的技术扩散和知识流动的过程，从而为相关的企业和机构等提供决策参考和技术策略指导。因此，上述不足将是笔者今后进一步研究的重点和方向。

参考文献

• 1

  Liu C Y, Yang J C. Decoding patent information using patent maps[J]. Data Science Journal, 2008, 7: 14-22.

• 2

  贵淑婷, 彭爱东. 基于专利引文网络的技术扩散速度研究[J]. 情报理论与实践, 2016(5): 40-45.

• 3

  王凌燕, 方曙, 季陪陪. 利用专利文献识别新兴技术主题的技术框架研究[J]. 图书情报工作, 2011(18): 74-78.

• 4

  黄鲁成, 王宁. 专利视角下的技术扩散研究综述[J]. 科学学与科学技术管理, 2011, 32(10): 27-34.

• 5

  Jaffe A B, Trajtenberg M, Henderson R. Geographic localization of knowledge spillovers as evidenced by patent citation[J]. Quarterly Journal of Economics, 1993, 108(3): 577-598.

• 6

  Narin F. Patent Bibliometrics[J]. Scientometrics, 1994, 30(1): 147-155.

• 7

  Narin F, Hamilton K S, Olivastro D. The increasing linkage between U.S. technology and public science[J]. Research Policy, 1997, 26(3): 317-330.

• 8

  王超等. 基于文献计量的国内外专利引文分析比较研究[J]. 数字图书馆论坛, 2015(2): 14-20.

• 9

  Hu A G, Jaffe A B. Patent citation and international knowledge flow: The cases of Korea and Taiwan[J]. International Journal of Industrial Organization, 2003, 21(6): 849-880.

• 10

  Chen D Z, Chang H W, Huang M H, et al. Core technologies and key industries in Taiwan from 1978 to 2002: A perspective from patent analysis[J]. Scientometrics, 2005, 64 (1): 31-53.

• 11

  Verspagen B, Loo I D. Technology spillovers between sectors and over time[J]. Technological Forecasting and Social Change, 1999, 60(3): 215-235.

• 12

  程妮, 熊洋, 官世强. 基于专利引文的知识转移研究——以我国“乳制品加工”领域为例[J]. 图书馆学研究, 2015(18): 96-101.

• 13

  Li X, Chen H, Huang Z, et al. Patent citation network in nanotechnology (1976-2004)[J]. Journal of Nanopar- ticle Research, 2007, 9(3): 337-352.

• 14

  Ribeiro L C, Ruiz R M, Albuquerque E, et al. The diffusion of technological knowledge through interlaced networks[J]. Computer Physics Communications, 2011, 182(3): 1875-1878.

• 15

  马艳艳, 刘凤朝, 孙玉涛. 中国大学专利被企业引用网络分析——以清华大学为例[J]. 科研管理, 2012, 33(6): 92-99.

• 16

  Fallah M H, Fishman E, Reilly R R. Forward patent citations as predictive measures for diffusion of emerging technologies[C]// Proceedings of Portland International Conference on Management of Engineering & Technology. IEEE, 2009: 420-427.

• 17

  Chang S B, Lai K K, Chang S M. Exploring technology diffusion and classification of business methods: Using the patent citation network[J]. Technological Forecasting and Social Change, 2009, 76(1): 107-117.

• 18

  赖奎魁, 张善斌. 建构商业方法技术扩散模式：整合专利引证及贝氏模式[J]. 科技管理学刊, 2004, 9(1): 1-34.

• 19

  Kim D H, Shin Y G, Park S S, et al. Forecasting diffusion of technology by using bass model[C]// Proceedings of the International Conference on Computational Methods in Science and Engineering. 2008: 149-152.

• 20

  祁延莉, 李婧. 用于知识流动测度的专利引文指标分析[J]. 中国基础科学, 2014,16(2): 25-33.

• 21

  张倩, 缪小明. 专利引文影响下的混合动力汽车创新扩散研究[J]. 机械制造, 2014, 52(7): 1-4.

• 22

  Alcácer J, Gittelman M, Sampat B. Applicant and examiner citations in U.S. patents: An overview and analysis[J]. Research Policy, 2009, 38(2): 415-427.

• 23

  方舟之. 专利引文的形成路径研究——以行为逻辑为视角[J]. 图书情报工作, 2015, 59(19): 15-21, 46.

• 24

  Verspagen B. Mapping technological trajectories as patent citation networks: A study on the history of fuel cell research[J]. Advance in Complex System, 2007, 10(1): 93-115.

• 25

  Fontana R, Nuvolari A, Verspagen B. Mapping technological trajectories as patent citation networks: an application to data communication standards[J]. Economics of Innovation & New Technology, 2009, 18(4): 311-336.

• 26

  David B T, Fernando J S, Itziar C M. Mapping the importance of the real world: the validity of connectivity analysis of patent citations networks[J]. Research Policy, 2011, 40(3): 473-486.

• 27

  彭爱东, 黎欢, 王洋. 基于专利引文网络的技术演进路径研究——以激光显示技术领域为例[J]. 情报理论与实践, 2013(8): 57-61.

• 28

  范维熙, 费钟琳. 基于德温特专利引文网络的技术演进路径研究——以太阳能电池技术为例[J]. 情报杂志, 2014(11): 62-66.

• 29

  王京安, 牛建, 王坤, 等. 基于专利引文网络的技术范式转换预见方法体系构建——以液晶材料技术的发展为例[J]. 现代情报, 2017, 37(8): 135-141.

• 30

  栾春娟, 王续琨, 刘则渊. 基于《德温特》数据库的核心技术确认方法[J]. 科学学与科学技术管理, 2008(6): 32-34.

• 31

  吴菲菲, 张辉, 黄鲁成, 等. 基于专利引用网络度分布研究技术跨领域应用[J]. 科学学研究, 2015, 33(10): 1456-1463.

• 32

  汪小帆, 李翔, 陈关荣. 复杂网络理论及其应用[M]. 北京: 清华大学出版社, 2006.

• 33

  韩志华. 核心专利判别的综合指标体系研究[J]. 中国外资, 2010(2): 193-196.

• 34

  黄鲁成, 高姗, 吴菲菲, 等. 基于专利数据的全球高速铁路技术竞争态势分析[J]. 情报杂志, 2014(12): 41-47.

• 35

  Hummon N P, Doreain P. Connectivity in a citation network: the development of DNA theory[J]. Social Networks, 1989, 11(1): 39-63.

• 36

  樊志伟, 韩芳芳, 刘佳. 引文网络的主路径特征研究——以富勒烯领域为例[J]. 图书情报工作, 2013, 57(3): 17-21, 60.

• 37

  杨中楷, 刘佳. 基于专利引文网络的技术轨道识别研究——以太阳能光伏电池板领域为例[J]. 科学学研究, 2011, 29(9): 1311-1317.

• 38

  庞景安, 黄迎燕. 国内外专利引文数据库的研究与发展[J]. 情报科学, 2004(2): 182-187.

• 39

  Von Wartburg L, Teichert T, Rost K. Inventive progress measured by multi - stage patent analysis[J]. Research Policy. 2005, 34(10): 1591-1607.

• 40

  孙冰, 袭希, 余浩. 网络关系视角下技术生态位态势研究——基于东北三省新能源汽车产业的实证分析[J]. 科学学研究, 2013, 31(4): 518-528.

• 41

  Hansen M T. Knowledge networks: Explaining effective knowledge sharing in multiunit companies[J]. Organization Science, 2002, 13(3): 232-248.

• 42

  Zaheer A, Bell G G. Benefiting from net- work position: Firm capabilities, structural holes and performance[J]. Strategic Management Journal, 2005, 26(9): 809-825.

• 43

  Brandes U. A faster algorithm for betweenness centrality[J]. Journal of Mathematical Sociology, 2001, 25(2): 163-177.

• 44

  朱静宜. 基于中介中心度的微博影响力个体发现[J]. 计算机应用研究, 2014, 31(1): 131-133.