張靜 張志強(qiáng) 趙亞娟

摘要：[目的/意義]技術(shù)研發(fā)的核心是人才。研發(fā)團(tuán)隊(duì)是各領(lǐng)域技術(shù)發(fā)展的重點(diǎn)關(guān)注對(duì)象，也是機(jī)構(gòu)研發(fā)實(shí)力的重要體現(xiàn)。[方法/過程]以德溫特創(chuàng)新索引（DII）專利文獻(xiàn)為分析對(duì)象，明確發(fā)明人人名消歧規(guī)則，利用發(fā)明人共現(xiàn)聚類確定主要研發(fā)團(tuán)隊(duì)，然后以3D打印的數(shù)字光處理相關(guān)專利來進(jìn)行人名消歧后研發(fā)團(tuán)隊(duì)識(shí)別的實(shí)證分析。[結(jié)果/結(jié)論]證明專利發(fā)明人人名消歧有利于發(fā)明人專利數(shù)量的準(zhǔn)確分析。

關(guān)鍵詞：專利 發(fā)明人 研發(fā)團(tuán)隊(duì)識(shí)別 人名消歧

分類號(hào)：G353.1 G306

技術(shù)研發(fā)的核心是人才，信息環(huán)境下信息量的爆炸式增長(zhǎng)使得技術(shù)研發(fā)更加離不開研究團(tuán)隊(duì)的通力協(xié)作，在人才引進(jìn)等具體政策制定上除了關(guān)注首席專家，更應(yīng)關(guān)注在研發(fā)團(tuán)隊(duì)中起到核心作用的關(guān)鍵人才。研發(fā)團(tuán)隊(duì)識(shí)別作為專利分析的重要內(nèi)容之一，有利于甄別核心團(tuán)隊(duì)成員，發(fā)現(xiàn)非首席的關(guān)鍵人才，能為政策制定和關(guān)鍵研發(fā)人員識(shí)別提供更好的支持。但是研發(fā)人員姓名具有很強(qiáng)的歧義性，存在同名多指及同人不同寫法的歧義問題，因此研發(fā)團(tuán)隊(duì)識(shí)別研究最首要的問題就是進(jìn)行人名消歧，此時(shí)人名消歧的核心目標(biāo)為保障準(zhǔn)確率。

1 人名消歧研究進(jìn)展

人名消歧主要是對(duì)姓名表述相同或相近的兩個(gè)姓名是否指向同一人作出判斷。A. Bagga等[1]于1998年就開始把跨文本人名消歧作為一種人名共指問題進(jìn)行探索。2007年、2009年和2010年WePS評(píng)測(cè)研討會(huì)進(jìn)行了針對(duì)網(wǎng)絡(luò)人名消歧的評(píng)測(cè)。在國(guó)內(nèi)，CIPS-SIGHAN-2012會(huì)議[2]對(duì)中文人名識(shí)別與消歧的研究也越來越多。

基于網(wǎng)頁等資源進(jìn)行人名相關(guān)的實(shí)體特征抽取、聚類，以進(jìn)行人名消歧的相關(guān)研究較多，同時(shí)社會(huì)網(wǎng)絡(luò)、閾值或概率確定原則等也都是人名消歧研究中探索使用的方法。如G. Mann等[3]在2003年通過定制模板來提取網(wǎng)頁個(gè)人傳記特征來構(gòu)造特征向量的方法對(duì)人名進(jìn)行“消歧”。M. B. Fleischman等[4]在2004年抽取名字特征、網(wǎng)頁特征、重疊特征、語義特征等，使用最大熵模型來計(jì)算兩個(gè)名字指向同一實(shí)體的概率。B. Malin[5]于2005年提出基于社會(huì)網(wǎng)絡(luò)來進(jìn)行人名消歧。K. Balog等[6]于2007年通過訓(xùn)練好的語言模型計(jì)算網(wǎng)頁中人名指向某個(gè)實(shí)體的概率，再確定閾值以實(shí)現(xiàn)人名消歧。Y. Chen等[7]在2007年通過抽取基于名詞短語的特征和命名實(shí)體的特征，再使用層次凝聚聚類方法進(jìn)行聚類。S. Ono等[8]在2008年基于命名實(shí)體共指、關(guān)鍵詞以及主題信息的混合特征來對(duì)文檔進(jìn)行聚類。L. Romano等[9]于2009年提出XMedia系統(tǒng)采用質(zhì)量閾值聚類算法。章順瑞等[10]于2010年采用層次聚類算法對(duì)中文人名進(jìn)行消歧。陳晨等[11]在2011年利用不同社會(huì)網(wǎng)絡(luò)邊權(quán)值和不同圖劃分準(zhǔn)則對(duì)人名消歧效果的影響進(jìn)行了中文人名消歧的研究。

隨著人名消歧研究的不斷深入，為提高準(zhǔn)確性，針對(duì)特定數(shù)據(jù)源的人名消歧、多種方法結(jié)合的分步式研究開始增多。2012年，楊欣欣等[12]利用網(wǎng)絡(luò)資源用搜索引擎四類查詢規(guī)則擴(kuò)展特征文檔，利用二層聚類算法[13]來進(jìn)行人名消歧。2013年李廣一等[14]根據(jù)特征類型來設(shè)置權(quán)值，進(jìn)行多次聚類。2014年S. Christian等[15]利用數(shù)據(jù)庫(kù)文獻(xiàn)間的引用構(gòu)建社會(huì)網(wǎng)絡(luò)圖來實(shí)現(xiàn)特定數(shù)據(jù)源的人名消歧。2015年，陽怡林等[16]通過上下文特征、實(shí)體特征、社會(huì)關(guān)系特征，利用3種不同的聚類算法得到不同的聚類劃分，再最終集成來提高人名消歧的準(zhǔn)確性。D. H. Han等[17]采用極限學(xué)習(xí)機(jī)提出了針對(duì)每一個(gè)姓名及姓名集合的兩種聚類算法來進(jìn)行人名消歧。M. Song等[18]針對(duì)PubMed數(shù)據(jù)庫(kù)構(gòu)建了專門的訓(xùn)練集，并提出新的出版特征集合以提高準(zhǔn)確性。

整體來看，當(dāng)前研究的主要對(duì)象以網(wǎng)絡(luò)資源或論文著者為主，具體方法上以通過改進(jìn)算法獲取更多人名相關(guān)特征，或采用多次/多層聚類的方法來進(jìn)行比對(duì)判斷為主。這些方法均存在一定程度的人名消歧誤差，且這部分誤差為算法直接判定得出的結(jié)果，分析人員并不確定誤差可能涉及的人名范圍，因此存在一定的“黑箱”問題。

當(dāng)前針對(duì)專利文獻(xiàn)的具體特征進(jìn)行發(fā)明人人名消歧的相關(guān)研究較少。而專利發(fā)明人的著錄方式在不同數(shù)據(jù)庫(kù)中有所不同，基本都同時(shí)涉及中國(guó)人名及外國(guó)人名的消歧問題。另外，作為政策支撐的專利發(fā)明人人名消歧工作需要在確保準(zhǔn)確的核心目標(biāo)下提高效率。因此基于專利文獻(xiàn)的人名消歧需要在明確專利數(shù)據(jù)庫(kù)發(fā)明人姓名結(jié)構(gòu)特征的基礎(chǔ)上進(jìn)行具體探索，以提升準(zhǔn)確性，并減少“黑箱子”問題帶來的誤差不確定性。

2 專利發(fā)明人人名消歧

德溫特創(chuàng)新索引（DII）是經(jīng)過人工智力加工后的專利數(shù)據(jù)，具有可以批量獲取、自然語言檢索及不同來源專利數(shù)據(jù)統(tǒng)一再分類的優(yōu)勢(shì)，是專利分析的常用數(shù)據(jù)之一。本文將針對(duì)該數(shù)據(jù)庫(kù)，結(jié)合湯森創(chuàng)新（TI）專利數(shù)據(jù)庫(kù)中發(fā)明人機(jī)構(gòu)、國(guó)家等特征信息來進(jìn)行專利發(fā)明人人名消歧規(guī)則研究。

2.1 人名消歧流程

本文主要通過發(fā)明人姓名結(jié)構(gòu)特征來進(jìn)行姓名相似度比較，然后利用專利文獻(xiàn)中可獲取的發(fā)明人特征信息進(jìn)行判斷，以實(shí)現(xiàn)人名消歧，見圖1。

2.2 專利發(fā)明人姓名結(jié)構(gòu)特征及影響

不同國(guó)家來源發(fā)明人姓名的結(jié)構(gòu)特征對(duì)人名歧義的影響有所不同。通過實(shí)際數(shù)據(jù)查看，可以發(fā)現(xiàn)發(fā)明人姓名結(jié)構(gòu)特征主要分為兩類：其一是類西方姓名結(jié)構(gòu)；其二是類中國(guó)姓名結(jié)構(gòu)。這兩種姓名結(jié)構(gòu)特征見表1。兩種姓名的結(jié)構(gòu)特征決定了類西方姓名中出現(xiàn)不同姓名表述同指概率更高，而類中國(guó)姓名中出現(xiàn)同樣姓名表述卻不同指的概率更高。

2.3 專利發(fā)明人特征信息

在DII與TI數(shù)據(jù)庫(kù)中涉及到的專利發(fā)明人特征信息包括姓名縮寫、姓名全稱、地址（其中包括發(fā)明人國(guó)家信息）、所屬專利入藏號(hào)、所屬機(jī)構(gòu)、合作人員等信息（見表2）。這些信息在數(shù)據(jù)庫(kù)中的完備程度有所不同，整體來說：①TI中的姓名信息完備程度要高于DII數(shù)據(jù)庫(kù)；②TI姓名全稱字段的取值卻有部分專利與姓名縮寫取值相同，屬于不完備狀態(tài)； ③地址信息中的國(guó)家信息完備程度高于城市等信息；④專利入藏號(hào)及合作人員信息均較為完備。

2.4 人名消歧規(guī)則

人名消歧首先要找出那些可能存在疑問的姓名表述方式，這就需要根據(jù)專利發(fā)明人姓名相似程度來進(jìn)行判斷，具體的判斷標(biāo)準(zhǔn)見表3。需要指出的是，此處的判斷不考慮姓名表述中出現(xiàn)的圓點(diǎn)、連詞符等符號(hào)信息。

基于以上專利發(fā)明人姓名結(jié)構(gòu)特征（見表1）及可獲取的專利發(fā)明人特征信息（見表2），通過實(shí)際數(shù)據(jù)驗(yàn)證，可以按優(yōu)先級(jí)構(gòu)建出如下類西方姓名及類中國(guó)姓名的人名消歧規(guī)則。

2.4.1 類西方姓名消歧規(guī)則

根據(jù)類西方姓名的結(jié)構(gòu)特征，可以明確對(duì)此類姓名消歧的重點(diǎn)在于將同一人的多種姓名表述歸一為一種表述。因此對(duì)類西方姓名的消歧以專利發(fā)明人姓名縮寫為入口開始，一方面可以盡可能排除非同一人的姓名表述，另一方面也可以將盡可能多的姓名表述納入進(jìn)一步判斷范疇。具體規(guī)則描述如表4所示：

2.4.2 類中國(guó)姓名消歧規(guī)則

根據(jù)類中國(guó)姓名的結(jié)構(gòu)特征，可以明確對(duì)此類姓名消歧的重點(diǎn)在于將不同人同樣表述的姓名區(qū)分開來。同樣選擇從姓名縮寫為入口開始，以盡可能區(qū)分出非同一人的情況。具體規(guī)則描述如表5所示：

值得注意的是，在對(duì)于以上人名進(jìn)行消歧過程中，結(jié)論僅為概率性判定，而非確定性結(jié)果的規(guī)則，需要給出相關(guān)具體條目，進(jìn)行擴(kuò)展查詢，輔以人工判斷來給出最終結(jié)論。在完成人名消歧的基礎(chǔ)上，可以根據(jù)數(shù)據(jù)情況，按共同擁有專利數(shù)量或比例情況來確定不同數(shù)據(jù)集的主要研發(fā)團(tuán)隊(duì)判定標(biāo)準(zhǔn)，從而通過專利發(fā)明人共現(xiàn)聚類來實(shí)現(xiàn)研發(fā)團(tuán)隊(duì)識(shí)別。

3 基于人名消歧的數(shù)字光處理研發(fā)團(tuán)隊(duì)識(shí)別實(shí)證研究

本文以3D打印的數(shù)字光處理（Digital Light Process，DLP）技術(shù)相關(guān)專利為例來進(jìn)行人名消歧后研發(fā)團(tuán)隊(duì)識(shí)別的具體實(shí)證。

3.1 人名消歧數(shù)量統(tǒng)計(jì)結(jié)果對(duì)比

經(jīng)過檢索及專家判讀后，從DII數(shù)據(jù)庫(kù)中共獲取DLP技術(shù)相關(guān)專利274項(xiàng)、810件。同一批專利經(jīng)過的溫特入藏號(hào)及發(fā)明人姓名表述去重后，DII原始數(shù)據(jù)中共涉及640個(gè)專利發(fā)明人姓名表述，TI原始數(shù)據(jù)中共涉及652個(gè)專利發(fā)明人姓名表述，按照2.4小節(jié)所述規(guī)則進(jìn)行人名消歧，按照TI數(shù)據(jù)中的姓名簡(jiǎn)稱進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)DLP技術(shù)的120名發(fā)明人存在同一人多種姓名表述，共有90種姓名表述為多人重名情況，最終確定共有602名發(fā)明人參與研發(fā)。

人名消歧前后主要發(fā)明人（參與研發(fā)專利數(shù)量大于3項(xiàng)）及其專利數(shù)量分布見表6?？梢钥闯觯ㄟ^人名消歧，主要發(fā)明人HULL CHARLES W的專利數(shù)量從5項(xiàng)變?yōu)?項(xiàng)，KRITCHMAN Eliahu M.的專利數(shù)量從4項(xiàng)變?yōu)?項(xiàng)（以上見表6中陰影部分），使得主要發(fā)明人數(shù)量排序及數(shù)量統(tǒng)計(jì)更為準(zhǔn)確。

3.2 人名消歧后研發(fā)團(tuán)隊(duì)識(shí)別研究

在人名消歧的基礎(chǔ)上，首先利用Bibexcel生成發(fā)明人共現(xiàn)矩陣，生成可供可視化的節(jié)點(diǎn)數(shù)據(jù)，然后利用Pajek工具得到圖2所示的發(fā)明人聚類網(wǎng)絡(luò)。DLP技術(shù)領(lǐng)域中的602名發(fā)明人中共有63名發(fā)明人參與聚類。根據(jù)數(shù)據(jù)情況，本文定義研發(fā)團(tuán)隊(duì)中至少需要包括3名發(fā)明人。

從圖2中可以清楚看到DLP技術(shù)領(lǐng)域共有來自6個(gè)機(jī)構(gòu)的7個(gè)研發(fā)團(tuán)隊(duì)。表7展現(xiàn)了這些研發(fā)團(tuán)隊(duì)的情況。可以發(fā)現(xiàn)，來自HUNTSMAN公司的兩個(gè)研發(fā)團(tuán)隊(duì)在DLP技術(shù)領(lǐng)域并無聯(lián)系人員，因此被明顯區(qū)分為兩個(gè)團(tuán)隊(duì)；來自3D SYSTEMS INC的研發(fā)團(tuán)隊(duì)共由11人組成，這11人又可以大致區(qū)分為兩個(gè)團(tuán)隊(duì)（在表7中用A、B表示），兩個(gè)團(tuán)隊(duì)以HULL CHARLES W和PARTANEN JOUNI P為紐帶，在圖2中呈現(xiàn)為一個(gè)大的團(tuán)簇。

3.3 實(shí)證研究小結(jié)

由于本文人名消歧規(guī)則是結(jié)合特定數(shù)據(jù)庫(kù)的數(shù)據(jù)結(jié)構(gòu)所提出來的，不具有普適性，因此并未進(jìn)行人名消歧規(guī)則性能測(cè)評(píng)。

但通過3.1部分人名消歧前后主要發(fā)明人擁有專利數(shù)量對(duì)比可以發(fā)現(xiàn)，主要發(fā)明人的排序有所變化。即通過本文提出的人名消歧，使得主要發(fā)明人數(shù)量排序及數(shù)量統(tǒng)計(jì)更為準(zhǔn)確，有利于發(fā)明人專利數(shù)量的準(zhǔn)確分析，能夠減少由于發(fā)明人人名是否同指的不確定性而帶來的研發(fā)團(tuán)隊(duì)識(shí)別誤差，亦有助于更準(zhǔn)確地進(jìn)行專利研發(fā)團(tuán)隊(duì)識(shí)別。

4 結(jié)論

人名消歧結(jié)果的準(zhǔn)確性將影響到專利分析結(jié)果的準(zhǔn)確性，從而影響依此為參考而進(jìn)行的競(jìng)爭(zhēng)對(duì)手識(shí)別及相關(guān)人才政策決策，因此人名消歧是專利分析不斷深入過程中需要解決的重要問題之一。

本文認(rèn)為，專利研發(fā)團(tuán)隊(duì)識(shí)別過程中的人名消歧應(yīng)以確保準(zhǔn)確性為前提。因此，本文提出的人名消歧規(guī)則借鑒了特征向量相似度判定的思路，但在實(shí)際操作過程中，具有與其他方法不同的兩方面特征：一是基于特定專利數(shù)據(jù)庫(kù)數(shù)據(jù)結(jié)構(gòu)特征來提煉規(guī)則，更具有針對(duì)性；二是對(duì)于無法在邏輯上直接給出確定性結(jié)論的規(guī)則所涉及條目輔以人工判斷來盡量確保準(zhǔn)確性，從而避免其他方法直接判定而帶來部分不確定性的“黑箱”問題。

本文的人名消歧規(guī)則通過實(shí)證研究證明是有利于發(fā)明人專利數(shù)量的準(zhǔn)確分析的，但需要指出的是，本文所提出的規(guī)則是基于特定專利文獻(xiàn)數(shù)據(jù)的，得出的規(guī)則本身在實(shí)際應(yīng)用范圍上具有局限性，但針對(duì)特定數(shù)據(jù)而言更具準(zhǔn)確性。在今后的研究中，需要進(jìn)一步探索完善人名消歧方法，擴(kuò)展人名消歧規(guī)則，貨站其適用的數(shù)據(jù)范圍，從而更好地進(jìn)行研發(fā)團(tuán)隊(duì)識(shí)別。

參考文獻(xiàn)：

[1] BAGGA A， BALDWIN B. Entity-based cross-document conferencing using the vector space model[C]//COLING98： Proceedings of the 17th international conference on computational linguistics. New York： ACM Press， 1998： 79-85.

[2] 中國(guó)學(xué)術(shù)會(huì)議在線. 第二屆CIPS-SIGHAN中文處理國(guó)際會(huì)議[EB/OL]. [2014-04-10]. http：//www.meeting.edu.cn/meeting/meetingAction-29689！detail.action.

[3] MANN G， YAROWSKY D. Unsupervised personal name disambiguation[C]//CONLL 03： Proceedings of the 7th conference on natural language learning at HLT-NAACL 2003. Edmonton： Association for Computational Linguistics， 2003： 33-40.

[4] FLEISCHMAN M B， HOVY E. Multi-document person name resolution[EB/OL]. [2014-03-14]. http：//acl.ldc.upenn.edu/W/W04/W04-0701.pdf.

[5] MALIN B. Unsupervised name disambiguation via social network similarity[C]//Proceedings of 2005 SIAM international conference on data mining. Newport Beach： Siam Workshop on Link Analysis， 2005： 93-102.

[6] BALOG K， AZZOPARDI L， RIJKE M D. UVA： Language modeling techniques for web people search[C]// Proceedings of the 4th international workshop on semantic evaluations. Prague： International Workshop on Semantic Evaluations， 2007： 468-471.

[7] CHEN Y， MARTIN J. Towards robust unsupervised personal name disambiguation[EB/OL]. [2014-03-14]. http：//acl.ldc.upenn.edu/D/D07/D07-1020.pdf？origin=publication_detail.

[8] ONO S， SATO I， YOSHIDA M， et al. Person name disambiguation in web pages using social network， compound words and latent topics[C]//Proceedings of the 12th pacific-asiaconference on advances in knowledge discovery and data mining. Berlin：Pacific-asiaconference on advances in knowledge discovery and data mining， 2008： 260-271.

[9] ROMANO L， BUZA K， GIULIANO C. XMedia： Web people search by clustering with machinelylearned similaritymeasures[EB/OL]. [2014-03-14]. https：//www.researchgate.net/publication/228569058_XMedia_Web_People_Search_by_Clustering_with_Machinely_Learned_Similarity_Measures.

[10] 章順瑞， 游宏梁. 基于層次聚類算法的中文人名消歧[J]. 現(xiàn)代圖書情報(bào)技術(shù)， 2010（11）： 64-68.

[11] 陳晨， 王厚峰. 基于社會(huì)網(wǎng)絡(luò)的跨文本同名消歧[J]. 中文信息學(xué)報(bào)， 2011（5）： 76-82.

[12] 楊欣欣， 李培峰， 朱巧明. 基于查詢擴(kuò)展的人名消歧[J]. 計(jì)算機(jī)應(yīng)用， 2012， 32（9）： 2488-2490，2507.

[13] 楊欣欣， 李培峰， 朱巧明. 基于網(wǎng)頁文本依存特征的人名消歧[J]. 計(jì)算機(jī)工程， 2012（19）： 133-136.

[14] 李廣一， 王厚峰. 基于多步聚類的漢語命名實(shí)體識(shí)別和歧義消解[J]. 中文信息學(xué)報(bào)， 2013， 27（5）： 29-34.

[15] CHRISTIAN S， AMIN M， ALEXANDER M P， et al. Exploiting citation networks for large-scale author name disambiguation [J]. EPJ data science， 2014， 3（11）： 1-12.

[16] 陽怡林， 周杰， 李弼程. 基于聚類集成的人名消歧算法[J/OL]. 計(jì)算機(jī)應(yīng)用研究， 2015： 33. [2016-05-30]. http：//www.cnki.net/kcms/detail/51.1196.TP.20151028.1121.120.html.

[17] HAN D H， LIU S Q， HU Y C， et al. ELM-based name disambiguation in bibliography [EB/OL].[2016-04-13].http：//link.springer.com/article/10.1007%2Fs11280-013-0226-4.

[18] SONG M， KIM E H， KIM H J. Exploring author name disambiguationon PubMed-scale[J]. Journal of informetrics， 2015（4）： 924-941.