蔣貴凰

〔摘 要〕技術(shù)知識(shí)的積累與構(gòu)成對(duì)區(qū)域創(chuàng)新和產(chǎn)業(yè)發(fā)展有著重要影響，掌握區(qū)域知識(shí)結(jié)構(gòu)，有利于進(jìn)一步挖掘區(qū)域知識(shí)能力，尋求不同知識(shí)基礎(chǔ)間的橋梁，激發(fā)形成新產(chǎn)業(yè)。本文提出在ISI-OST-INPI技術(shù)分類基礎(chǔ)上結(jié)合ALP-DM和DG方法生成適合中國(guó)專利數(shù)據(jù)庫(kù)的IPC-產(chǎn)業(yè)技術(shù)對(duì)照表，對(duì)區(qū)域?qū)＠麛?shù)據(jù)進(jìn)行分類處理，利用自然對(duì)數(shù)雷達(dá)圖和百分占比雷達(dá)圖，從量能和勢(shì)能兩個(gè)角度可視化展示一個(gè)區(qū)域知識(shí)結(jié)構(gòu)的測(cè)度方法?；诖朔椒ú杉覈?guó)33個(gè)省市近五年的發(fā)明申請(qǐng)類專利數(shù)據(jù)，分析結(jié)果表明兩種雷達(dá)圖能有效展示區(qū)域知識(shí)結(jié)構(gòu)，且基于產(chǎn)業(yè)技術(shù)的知識(shí)結(jié)構(gòu)劃分能有效地將技術(shù)知識(shí)構(gòu)成與區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)政策相關(guān)聯(lián)。

〔關(guān)鍵詞〕區(qū)域知識(shí)結(jié)構(gòu)；技術(shù)知識(shí)；專利數(shù)據(jù)；IPC-產(chǎn)業(yè)對(duì)照表；測(cè)度方法

DOI：10.3969/j.issn.1008-0821.2017.12.011

〔中圖分類號(hào)〕F207 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2017）12-0064-06

〔Abstract〕The accumulation and structure of technical knowledge have important influence on the regional innovation and industrial development.Mastering the regional knowledge structure can help the region to further explore the knowledge ability，seek the bridge between different knowledge bases，and stimulate the formation of new industry.This paper proposed to combine the ALP-DM and DG method based on the ISI-OST-INPI classification to generated the IPC-industry Concordance which is suitable for the Chinese patent database，classified the regional patent data according to the Concordance Table，and then used the natural logarithmic radar map and the proportion radar map to visualized a regions knowledge structure from two aspects：amount and Competitiveness.With this method，the paper collected the patent data of 33 provinces and Municipalities in China，and analyzed the characteristics of knowledge structure in different provinces and Municipalities.It found this method could effectively display the regional knowledge structure and associate it with the regional industrial economic policy.

〔Key words〕regional knowledge structure；technical knowledge；patent data；IPC-Industry Concordance table；measure method

隨著技術(shù)能力成為產(chǎn)業(yè)化發(fā)展的重要促動(dòng)要素，有效獲取技術(shù)能力以支持發(fā)展成為區(qū)域公共政策領(lǐng)域的重要目標(biāo)之一。技術(shù)知識(shí)作為技術(shù)能力形成的基石，在推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展中發(fā)揮著關(guān)鍵性的作用。目前，地區(qū)經(jīng)濟(jì)增長(zhǎng)一方面依賴于自身資源區(qū)別于傳統(tǒng)資源而形成的獨(dú)特性，這種獨(dú)特性更多來(lái)自于技術(shù)知識(shí)的積累和創(chuàng)新[1]；另一方面依賴于區(qū)域內(nèi)外的技術(shù)知識(shí)轉(zhuǎn)移與合作[2]。發(fā)展中國(guó)家必須將自己定位于知識(shí)型經(jīng)濟(jì)中，通過(guò)知識(shí)戰(zhàn)略定位來(lái)獲取和強(qiáng)化相關(guān)性資源，提高知識(shí)密度，增強(qiáng)創(chuàng)新能力和動(dòng)態(tài)競(jìng)爭(zhēng)力，促進(jìn)經(jīng)濟(jì)長(zhǎng)期有效增長(zhǎng)。在戰(zhàn)略的形成過(guò)程中，充分認(rèn)識(shí)現(xiàn)有的知識(shí)資源和能力至關(guān)重要，缺乏知識(shí)基礎(chǔ)和知識(shí)能力支撐的技術(shù)和知識(shí)戰(zhàn)略是難以實(shí)現(xiàn)的[3]，為此探尋并形成一套測(cè)度區(qū)域現(xiàn)有知識(shí)結(jié)構(gòu)的方法，幫助區(qū)域了解自身具備的知識(shí)基礎(chǔ)，對(duì)區(qū)域知識(shí)戰(zhàn)略定位與相關(guān)經(jīng)濟(jì)政策的制定具有重要意義，并能夠幫助區(qū)域進(jìn)一步挖掘區(qū)域知識(shí)能力，尋求不同知識(shí)基礎(chǔ)間的橋梁，激發(fā)形成新產(chǎn)業(yè)。

區(qū)域知識(shí)結(jié)構(gòu)介于個(gè)人與社會(huì)知識(shí)結(jié)構(gòu)之間，屬于中觀層面，劉曉英和王元地[4]認(rèn)為區(qū)域知識(shí)結(jié)構(gòu)是區(qū)域知識(shí)元及其之間各種關(guān)系的總和，不同時(shí)空下，其表現(xiàn)形式不同，并有優(yōu)劣之分。但已有研究對(duì)知識(shí)結(jié)構(gòu)的測(cè)度與對(duì)知識(shí)能力的測(cè)度指標(biāo)和方法基本雷同，并不能很好的體現(xiàn)區(qū)域知識(shí)的構(gòu)成。在對(duì)知識(shí)的研究中發(fā)現(xiàn)，知識(shí)具有多維性，在知識(shí)管理領(lǐng)域，會(huì)基于知識(shí)的不同維度對(duì)知識(shí)進(jìn)行劃分，譬如從是否可編纂的維度可以分為顯性和隱性知識(shí)；從知識(shí)應(yīng)用的維度可以分為know-what、know-why、know-how和know-who；從學(xué)科維度可以分為多類不同學(xué)科知識(shí)；從權(quán)屬關(guān)系的維度可以分為自有和外部知識(shí)；從知識(shí)產(chǎn)品維度可以分為專利、論文、專著等形式；從知識(shí)產(chǎn)權(quán)形式維度可以分為發(fā)明、實(shí)用新型和外觀設(shè)計(jì)等形式；此外還可以從地理維度、業(yè)務(wù)流程維度、教育維度、組織機(jī)構(gòu)維度等方面進(jìn)行劃分。知識(shí)的多維性使知識(shí)結(jié)構(gòu)變得異常復(fù)雜，而不同類型的知識(shí)所對(duì)應(yīng)的知識(shí)能力指標(biāo)值缺乏可比性，因此知識(shí)能力的測(cè)度需要建立在知識(shí)結(jié)構(gòu)劃分標(biāo)準(zhǔn)的基礎(chǔ)上，知識(shí)結(jié)構(gòu)的劃分標(biāo)準(zhǔn)又依賴于知識(shí)維度的選擇。綜上，本研究中將區(qū)域知識(shí)結(jié)構(gòu)定義為基于一定知識(shí)劃分標(biāo)準(zhǔn)形成的區(qū)域知識(shí)構(gòu)成。endprint

專利信息在知識(shí)經(jīng)濟(jì)時(shí)代被公認(rèn)為是最重要、技術(shù)知識(shí)含量最高、最豐富的數(shù)據(jù)源。專利統(tǒng)計(jì)數(shù)據(jù)不僅能作為衡量技術(shù)能力的技術(shù)指標(biāo)，也可作為衡量經(jīng)濟(jì)發(fā)展水平的經(jīng)濟(jì)指標(biāo)[5]。由于對(duì)區(qū)域知識(shí)結(jié)構(gòu)與能力研究的最終目的是指導(dǎo)區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)活動(dòng)，因此本研究將探討一種基于專利視角，能夠反映區(qū)域產(chǎn)業(yè)活動(dòng)的知識(shí)劃分標(biāo)準(zhǔn)，對(duì)區(qū)域現(xiàn)有知識(shí)結(jié)構(gòu)進(jìn)行測(cè)度與可視化呈現(xiàn)，幫助區(qū)域有效識(shí)別自身具備的知識(shí)資源和能力，為進(jìn)一步指導(dǎo)區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)活動(dòng)奠定基礎(chǔ)。

1 基于專利的知識(shí)結(jié)構(gòu)劃分標(biāo)準(zhǔn)

一般來(lái)說(shuō)，專利可以從3個(gè)層面與經(jīng)濟(jì)活動(dòng)相關(guān)聯(lián)。在宏觀層面，一個(gè)國(guó)家特定年份的專利產(chǎn)出總量往往與經(jīng)濟(jì)總量數(shù)據(jù)相關(guān)，并可衡量一個(gè)國(guó)家的創(chuàng)新率，創(chuàng)新能力和技術(shù)轉(zhuǎn)移能力等[6]。微觀層面，專利可與企業(yè)經(jīng)濟(jì)活動(dòng)相關(guān)聯(lián)，專利研究已成為企業(yè)級(jí)戰(zhàn)略的重要組成部分，目前已在企業(yè)監(jiān)測(cè)技術(shù)發(fā)展趨勢(shì)、發(fā)現(xiàn)技術(shù)機(jī)遇、制定研發(fā)戰(zhàn)略、探尋企業(yè)和機(jī)構(gòu)間的競(jìng)爭(zhēng)合作關(guān)系中得到較為廣泛的應(yīng)用。在宏觀與微觀之間的中觀層面，區(qū)域?qū)＠麛?shù)據(jù)研究通常與產(chǎn)業(yè)相關(guān)聯(lián)，尋求對(duì)經(jīng)濟(jì)政策的指導(dǎo)意義。為了能夠更好的利用專利數(shù)據(jù)解釋區(qū)域內(nèi)的產(chǎn)業(yè)經(jīng)濟(jì)活動(dòng)特征，需要將專利技術(shù)知識(shí)結(jié)構(gòu)與產(chǎn)業(yè)技術(shù)知識(shí)結(jié)構(gòu)相匹配，并將這種匹配關(guān)系應(yīng)用到區(qū)域知識(shí)結(jié)構(gòu)的劃分標(biāo)準(zhǔn)中。

1.1 IPC分類體系

目前的專利系統(tǒng)已依據(jù)專利的技術(shù)功能與應(yīng)用采用了一定的分類體系對(duì)專利進(jìn)行分類，如：IPC（國(guó)際專利分類法）和CPC（聯(lián)合專利分類法）。其中后者是在2010年10月由歐美聯(lián)合提出的分類標(biāo)準(zhǔn)，取代原歐洲ECLA分類體系和美國(guó)的UC分類體系，該分類體系與IPC是一脈相承的，且具有分類條目更細(xì)、檢索準(zhǔn)確性更高、更新迅速、適應(yīng)技術(shù)發(fā)展需要等特征。但I(xiàn)PC分類體系應(yīng)用范圍更廣，且是中國(guó)專利數(shù)據(jù)采用的分類體系，因此本研究將從IPC分類體系出發(fā)，探尋劃分區(qū)域知識(shí)結(jié)構(gòu)的標(biāo)準(zhǔn)。

IPC是在1971年根據(jù)“斯特拉斯堡協(xié)議（Strasbourg Agreement）”首次建立，由世界知識(shí)產(chǎn)權(quán)組織WIPO支持并更新出版，用于專利文件分類、組織、識(shí)別、確定和檢索的標(biāo)準(zhǔn)分類法。IPC采取等級(jí)式分類結(jié)構(gòu)，根據(jù)不同的技術(shù)領(lǐng)域和等級(jí)情況，將專利體系劃分為部、類、子類、組和小組5個(gè)層次，包含8個(gè)部、120個(gè)類、600個(gè)子類和大約70 000個(gè)組，其中63 000個(gè)組具有小組，小組還可通過(guò)點(diǎn)數(shù)進(jìn)一步進(jìn)行層級(jí)劃分。由專利局有經(jīng)驗(yàn)的審查員審核分配的專利IPC代碼，使具有相似特征的專利被收集在同一類別中，不同特征的專利被置于不同的類別中。IPC代碼在一定程度上可被視為專利文獻(xiàn)內(nèi)容的主題標(biāo)簽[7-8]。

然而，在數(shù)據(jù)處理中發(fā)現(xiàn)，IPC分類更適合于具體技術(shù)的知識(shí)結(jié)構(gòu)分析，并不適合用于與產(chǎn)業(yè)密切相關(guān)的區(qū)域知識(shí)結(jié)構(gòu)分析。盡管很多研究表明專利數(shù)據(jù)與產(chǎn)業(yè)經(jīng)濟(jì)活動(dòng)有著重要關(guān)聯(lián)，但若不能找到產(chǎn)業(yè)與IPC類之間的對(duì)應(yīng)關(guān)系，就難以從區(qū)域?qū)＠麛?shù)據(jù)中挖掘出其產(chǎn)業(yè)關(guān)聯(lián)的知識(shí)結(jié)構(gòu)特性。

1.2 IPC與產(chǎn)業(yè)技術(shù)類別對(duì)照表

基于文獻(xiàn)，發(fā)現(xiàn)已有不少學(xué)者探尋了專利IPC分類與產(chǎn)業(yè)技術(shù)關(guān)聯(lián)的一致性對(duì)照表（Concordance Table）。這一思想最早由Schmookler等提出，在美國(guó)于1966年嘗試使用，將專利應(yīng)用的產(chǎn)業(yè)信息記錄到專利信息中[9]。美國(guó)專利商標(biāo)局（USPTO）后來(lái)基于此，將USPC類別與美國(guó)標(biāo)準(zhǔn)工業(yè)分類中的41個(gè)類別進(jìn)行一致性對(duì)照，用于產(chǎn)業(yè)技術(shù)分析。但是USPC和美國(guó)工業(yè)分類US-SIC均不是國(guó)際通用的，因此適用性較窄。

YTC（Yale Technology Concordance）是第一個(gè)IPC與產(chǎn)業(yè)間的綜合對(duì)照表。1972-1995年期間，加拿大知識(shí)產(chǎn)權(quán)局為30多萬(wàn)專利同時(shí)配給了IPC碼和基于“加拿大標(biāo)準(zhǔn)化工業(yè)分類（SIC）”形成的IOM（Industry of Manufacture）碼與SOU（Sector of Use）碼。其中IOM碼說(shuō)明該專利產(chǎn)生于哪個(gè)部門，SOU碼說(shuō)明該專利首次使用的部門。在此基礎(chǔ)上，20世紀(jì)90年代初，利用1978-1993年間25萬(wàn)專利的列表信息確定專利IPC與IOM-SOU組合，即SIC的對(duì)應(yīng)關(guān)系，形成了YTC對(duì)照表[10]。YTC表全面覆蓋了交叉分類的25萬(wàn)項(xiàng)專利中包含的所有技術(shù)和行業(yè)，且IPC與SIC間的對(duì)應(yīng)關(guān)系采用的是客觀概率而不是主觀權(quán)重，并允許在多個(gè)部門中使用相同的技術(shù)特征，因此得到較廣泛的認(rèn)可和應(yīng)用[11]。但該方法也存在一定的局限性，一是其他國(guó)家的專利只具有IPC信息，難以直接判斷對(duì)應(yīng)的IOM-SOU碼，使其方法的適用性較窄；二是SIC并非行業(yè)層面廣泛采用的分類系統(tǒng)，使得該對(duì)照表引入到其他經(jīng)濟(jì)分類系統(tǒng)中使用時(shí)一致性較差、噪音較大；三是該對(duì)照表是基于1978-1993年間加拿大專利數(shù)據(jù)生成的，時(shí)間和空間上的限制使其難以應(yīng)用于新時(shí)期新地域的專利分析。2002年Johnson在YTC的基礎(chǔ)上為解決加拿大工業(yè)分類標(biāo)準(zhǔn)（SIC）在國(guó)際上未被廣泛應(yīng)用的問(wèn)題，將加拿大知識(shí)產(chǎn)權(quán)局中專利的IOM和SOU信息與國(guó)際標(biāo)準(zhǔn)工業(yè)分類（ISIC）進(jìn)行對(duì)接，生成IPC-ISIC對(duì)照表，即OTC（OECD Technology Concordance）[12]。OTC對(duì)照表可以廣泛應(yīng)用于不同的國(guó)家，但它只是YTC對(duì)照表再次翻譯和一致性對(duì)應(yīng)的結(jié)果，上述的第一和第三個(gè)問(wèn)題并未得到解決。

與此同時(shí)產(chǎn)生的MERIT對(duì)照表和DG對(duì)照表采用了不同的方法路徑，即基于IPC和工業(yè)分類標(biāo)準(zhǔn)說(shuō)明文件來(lái)進(jìn)行分析和匹配。MERIT對(duì)照表是1994年由Verspagen等人提出，基于國(guó)際標(biāo)準(zhǔn)工業(yè)分類（ISIC-rev.2），將4位數(shù)級(jí)的IPC子類與2位數(shù)或3位數(shù)對(duì)應(yīng)的22種綜合性制造業(yè)類進(jìn)行一致性匹配的方案，采用基于芬蘭統(tǒng)計(jì)局相似一致性算法智能生成，將625個(gè)IPC子類按不同權(quán)重歸入到22類工業(yè)類中。IPC權(quán)重說(shuō)明該IPC碼下的專利分配給相應(yīng)ISIC碼的份額，100%的百分比意味著將IPC類中所有專利分配給相應(yīng)的ISIC類別[13]。DG對(duì)照表是由Schmoch（2003）等人首先對(duì)NACE和ISIC代碼的官方說(shuō)明文件進(jìn)行分析，選擇出工業(yè)部門，將這些部門與IPC代碼的技術(shù)分類進(jìn)行初步匹配。然后針對(duì)不同工業(yè)部門下的3 000多家企業(yè)的技術(shù)部門進(jìn)行專利活動(dòng)調(diào)查，形成技術(shù)與工業(yè)分類間的匹配矩陣，將調(diào)查結(jié)果與理論分析結(jié)果進(jìn)行比對(duì)和修正，形成最終對(duì)照表[14]。由于工業(yè)分類與IPC分類始終存在較大的出入，不同國(guó)家間也存在著不同的技術(shù)和工業(yè)分類。費(fèi)勞恩霍夫ISI研究所、科技觀察署（OST）與法國(guó)專利局（INPI）合作，根據(jù)國(guó)際專利分類（IPC）的規(guī)范開發(fā)出更系統(tǒng)的工業(yè)技術(shù)分類，這里稱其為ISI-OST-INPI。2008年Schmoch再次根據(jù)ISI-OST-INPI分類中的35個(gè)工業(yè)技術(shù)類別，建立了IPC與工業(yè)技術(shù)類別對(duì)照表，以便于不同國(guó)家間的技術(shù)與經(jīng)濟(jì)比較分析[15]。這個(gè)對(duì)照表的優(yōu)點(diǎn)在于：第一，適應(yīng)性較廣，ISI-OST-INPI技術(shù)分類充分考慮不同國(guó)家的工業(yè)分類差異，因此設(shè)計(jì)出的產(chǎn)業(yè)技術(shù)類型能夠應(yīng)用于國(guó)際間的比較，也能夠適用于分析中國(guó)專利數(shù)據(jù)；第二，Schmoch將理論分析與實(shí)證調(diào)研相結(jié)合，結(jié)果具有較強(qiáng)的說(shuō)服性。但該方法是把一類IPC專利完全歸入到一個(gè)ISI-OST-INPI技術(shù)分類中，沒有做權(quán)重的考慮，而一些IPC子類中的技術(shù)實(shí)際是可以應(yīng)用于多種產(chǎn)業(yè)技術(shù)中的。endprint

2014年Lybbert & Zolas基于專利文本挖掘和關(guān)鍵詞提取技術(shù)，提出了生成IPC-SITC對(duì)照表的ALP-DM（Algorithmic Links with Probabilities—Data Mining Approach）和ALP-PM（Algorithmic Links with Probabilities—Probabilistic Matching Approach）法[16]。ALP-DM法的主體思想是首先從SITC的各行業(yè)描述文本中選擇出搜索詞，即行業(yè)關(guān)鍵詞，根據(jù)這些詞從PATSTAT專利數(shù)據(jù)庫(kù)中檢索出相對(duì)應(yīng)的專利，然后獲得這些專利中所有IPC子類出現(xiàn)的頻率，根據(jù)各IPC子類專利的總體頻率進(jìn)行混合加權(quán)處理。ALP-PM法是從特定IPC專利集中提取關(guān)鍵字，使用概率權(quán)重將其與行業(yè)描述相匹配。經(jīng)過(guò)測(cè)試發(fā)現(xiàn)通過(guò)混合權(quán)重處理的ALP-DM法在對(duì)照效果和生成對(duì)照表的效率方面均勝過(guò)基于概率匹配的ALP-PM法。實(shí)際操作中，這兩種方法的計(jì)算和統(tǒng)計(jì)過(guò)程相對(duì)復(fù)雜，工作量非常大。

對(duì)比以上IPC-產(chǎn)業(yè)一致性對(duì)照表及其生成方法的優(yōu)缺點(diǎn)和適用條件，研究將采用適應(yīng)性較為廣泛的ISI-OST-INPI技術(shù)分類標(biāo)準(zhǔn)作為區(qū)域知識(shí)結(jié)構(gòu)的劃分標(biāo)準(zhǔn)。并借鑒DG對(duì)照表和ALP-PM法對(duì)Schmoch（2008）基于ISI-OST-INPI技術(shù)分類方式形成的IPC-產(chǎn)業(yè)技術(shù)類別對(duì)照表進(jìn)行修正，生成能夠更好體現(xiàn)對(duì)應(yīng)關(guān)系且適合中國(guó)專利數(shù)據(jù)的IPC-產(chǎn)業(yè)技術(shù)對(duì)照表。

2 區(qū)域知識(shí)結(jié)構(gòu)測(cè)度方法

2.1 IPC-產(chǎn)業(yè)技術(shù)對(duì)照表的生成方法

基于ISI-OST-INPI技術(shù)分類標(biāo)準(zhǔn)，專利數(shù)據(jù)可以被劃分到35個(gè)不同的產(chǎn)業(yè)技術(shù)類別中。它們分別為：電機(jī)、儀器與能源，視聽技術(shù)，電信，數(shù)字通訊，基礎(chǔ)通訊處理，計(jì)算機(jī)技術(shù)，IT管理方法，半導(dǎo)體，光學(xué)，測(cè)量，生物材料分析，控制，醫(yī)療技術(shù)，有機(jī)精細(xì)化學(xué)，生物技術(shù)，制藥，大分子化學(xué)與聚合物，食品化學(xué)，基礎(chǔ)材料化學(xué)，材料冶金，表面技術(shù)與涂層，微結(jié)構(gòu)與納米技術(shù)，化學(xué)工程，環(huán)保技術(shù)，包裝處理，機(jī)械工具，發(fā)動(dòng)機(jī)、泵與渦輪機(jī)，紡織與紙，其他專用機(jī)器，熱處理與設(shè)備，機(jī)械元件，交通運(yùn)輸，家具與游戲，其他消費(fèi)品，土木工程。

研究提出的IPC-產(chǎn)業(yè)技術(shù)對(duì)照表的生產(chǎn)方法可以分為3個(gè)步驟：

第一步，基于標(biāo)準(zhǔn)描述確定檢索詞。該步驟直接影響到IPC與產(chǎn)業(yè)技術(shù)匹配的效果，因此非常重要。在執(zhí)行過(guò)程中，首先根據(jù)ISI-OST-INPI技術(shù)分類標(biāo)準(zhǔn)中對(duì)每個(gè)技術(shù)類別的描述，確定該技術(shù)類別的關(guān)鍵詞和術(shù)語(yǔ)，但這樣確定的關(guān)鍵詞和術(shù)語(yǔ)可能不夠全面，因此需要對(duì)基于這些關(guān)鍵詞檢索出的完全匹配的專利進(jìn)行關(guān)鍵術(shù)語(yǔ)挖掘，將重要術(shù)語(yǔ)添加到該類標(biāo)準(zhǔn)的專利數(shù)據(jù)檢索詞中。然而這樣形成的檢索詞可能還會(huì)存在一些問(wèn)題，需要對(duì)每一個(gè)檢索詞進(jìn)行判斷和甄選，刪除具有多重含義或定義過(guò)于籠統(tǒng)的術(shù)語(yǔ)，確保最終的檢索詞具備相應(yīng)技術(shù)類別特征和產(chǎn)業(yè)特色，以免在匹配過(guò)程中產(chǎn)生歧義。最終每個(gè)技術(shù)類別可確定幾個(gè)到幾十個(gè)檢索詞，以及一些需要剔除的檢索詞。

第二步，確定每個(gè)技術(shù)類別的IPC子類及其權(quán)重。根據(jù)每個(gè)技術(shù)類別的檢索詞，形成檢索策略，對(duì)專利數(shù)據(jù)庫(kù)進(jìn)行檢索。針對(duì)每類技術(shù)類別檢索形成的專利集進(jìn)行IPC統(tǒng)計(jì)分析，將技術(shù)類別i下的IPC子類j的專利數(shù)量記為mij，再檢索各IPC子類的總體專利數(shù)量記為Mj，利用mij與Mj的比值計(jì)算出各IPC子類在特定技術(shù)類別中的權(quán)重值wij，這種加權(quán)處理能夠更好的反應(yīng)產(chǎn)業(yè)技術(shù)分類的專利技術(shù)特性。

第三步，整理每個(gè)技術(shù)分類下的IPC子類和權(quán)重，形成IPC-產(chǎn)業(yè)技術(shù)對(duì)照表。由于研究采集的是中文關(guān)鍵詞和中國(guó)專利數(shù)據(jù)庫(kù)中的數(shù)據(jù)，因此生成的對(duì)照關(guān)系更適合于中國(guó)專利數(shù)據(jù)研究。

2.2 區(qū)域知識(shí)結(jié)構(gòu)的可視化呈現(xiàn)

在確定基于專利數(shù)據(jù)的知識(shí)結(jié)構(gòu)劃分標(biāo)準(zhǔn)和基于對(duì)照表的專利數(shù)據(jù)采集方案后，需要解決的下一個(gè)問(wèn)題是如何有效的將區(qū)域知識(shí)結(jié)構(gòu)可視化展現(xiàn)。由于不同技術(shù)類型的專利數(shù)量差異較大，譬如微結(jié)構(gòu)與納米技術(shù)在中國(guó)專利數(shù)據(jù)庫(kù)近五年中的發(fā)明專利申請(qǐng)總量不足2 000件，而電機(jī)，儀器與能源類的發(fā)明專利申請(qǐng)總量超過(guò)22萬(wàn)件。同時(shí)在區(qū)域間的比較中，一些區(qū)域?qū)＠a(chǎn)出量非常少，一些區(qū)域?qū)＠a(chǎn)出量較多，譬如在我國(guó)33個(gè)省直轄市中，西藏近五年的發(fā)明專利申請(qǐng)總量不足1 000件，而江蘇超過(guò)57萬(wàn)件。它們的數(shù)量關(guān)系很難在一幅圖中體現(xiàn)出來(lái)。為了既能夠體現(xiàn)一個(gè)區(qū)域不同技術(shù)類別下專利知識(shí)數(shù)量積累效應(yīng)形成的知識(shí)結(jié)構(gòu)，又能體現(xiàn)區(qū)域具體知識(shí)領(lǐng)域競(jìng)爭(zhēng)力強(qiáng)弱關(guān)系形成的知識(shí)結(jié)構(gòu)，研究分別對(duì)專利數(shù)據(jù)進(jìn)行自然對(duì)數(shù)處理和百分占比處理，如公式（1）和公式（2）所示。

公式中Ri表示研究區(qū)域?qū)ο笾械牡趇個(gè)區(qū)域，Tj表示第j個(gè)產(chǎn)業(yè)技術(shù)類別，Nij表示區(qū)域i在技術(shù)j類中具有的專利數(shù)量。自然對(duì)數(shù)處理的優(yōu)勢(shì)在于能夠?qū)⒋嬖谝欢〝?shù)量級(jí)的數(shù)據(jù)顯示在一幅圖中而不失數(shù)據(jù)的相對(duì)大小關(guān)系，百分比處理能夠用于區(qū)域間相對(duì)實(shí)力強(qiáng)弱的比較，這兩類數(shù)據(jù)結(jié)合雷達(dá)圖，可以較好的體現(xiàn)出不同區(qū)域的技術(shù)知識(shí)結(jié)構(gòu)特征，本文將這兩類知識(shí)結(jié)構(gòu)分別稱為量能知識(shí)結(jié)構(gòu)和勢(shì)能知識(shí)結(jié)構(gòu)。圖1展示了上述思想形成的區(qū)域知識(shí)結(jié)構(gòu)測(cè)度與可視化呈現(xiàn)方法。

圖1中的區(qū)域知識(shí)結(jié)構(gòu)測(cè)度與呈現(xiàn)方法是在IPC-產(chǎn)業(yè)技術(shù)對(duì)照表形成后，基于專利數(shù)據(jù)采集與統(tǒng)計(jì)處理完成的，主要包含4個(gè)環(huán)節(jié)：一是基于檢索策略的專利數(shù)據(jù)采集過(guò)程；二是基于IPC-產(chǎn)業(yè)技術(shù)對(duì)照表的匹配過(guò)程；三是基于自然對(duì)數(shù)和百分占比的數(shù)據(jù)處理過(guò)程；四是區(qū)域知識(shí)結(jié)構(gòu)的雷達(dá)圖展示。為了驗(yàn)證該方法的效用，研究在第四部分利用中國(guó)專利數(shù)據(jù)庫(kù)對(duì)Schmoch（2008）的IPC-產(chǎn)業(yè)技術(shù)對(duì)照表進(jìn)行修正，并采集我國(guó)33個(gè)省、直轄市（包括香港和臺(tái)灣）的數(shù)據(jù)進(jìn)行分析呈現(xiàn)。

3 實(shí)驗(yàn)數(shù)據(jù)采集與分析

ISI-OST-INPI技術(shù)分類標(biāo)準(zhǔn)已經(jīng)較好的考慮了各類產(chǎn)業(yè)技術(shù)與IPC的對(duì)應(yīng)關(guān)系，研究根據(jù)產(chǎn)業(yè)技術(shù)類別描述，提取到部分關(guān)鍵詞，檢索到與各技術(shù)類別完全匹配的部分專利，利用智慧芽（Patsnap）專利分析軟件繪制出這些專利的詞匯云圖，挖掘出與各技術(shù)類別密切相關(guān)的技術(shù)術(shù)語(yǔ)，構(gòu)建檢索詞表和檢索策略。再利用智慧芽（Patsnap）專利系統(tǒng)采集了中國(guó)專利數(shù)據(jù)庫(kù)中各技術(shù)類別下的發(fā)明申請(qǐng)類專利，通過(guò)IPC統(tǒng)計(jì)，計(jì)算出各技術(shù)類別下IPC子類及其權(quán)重。因?yàn)槭褂酶怕剩圆槐貙PC子類分的過(guò)細(xì)，本研究采用IPC大類來(lái)統(tǒng)計(jì)和匹配。以電機(jī)、儀器與能源為例，匹配結(jié)果如表1所示。endprint

根據(jù)生成的IPC-產(chǎn)業(yè)技術(shù)對(duì)照表，繼續(xù)利用智慧芽（Patsnap）專利數(shù)據(jù)庫(kù)采集我國(guó)33個(gè)省、直轄市2012-2016年近五年的發(fā)明申請(qǐng)類專利數(shù)據(jù)。這里之所以采用發(fā)明申請(qǐng)類專利數(shù)據(jù)是因?yàn)榘l(fā)明專利中技術(shù)知識(shí)含量較高，而授權(quán)的發(fā)明專利受到審核時(shí)間的影響，不能反映出最新的技術(shù)知識(shí)產(chǎn)出情況，正因如此，發(fā)明申請(qǐng)類專利一直是專利分析中采取最為廣泛的類型。對(duì)每個(gè)省、直轄市的35個(gè)產(chǎn)業(yè)技術(shù)類別的專利進(jìn)行統(tǒng)計(jì)后，分別作了自然對(duì)數(shù)處理和百分占比處理，繪制出我國(guó)33個(gè)省直轄市的知識(shí)結(jié)構(gòu)圖分別如圖2和圖3所示。

從圖2可以看出基于自然對(duì)數(shù)處理后的數(shù)據(jù)雷達(dá)圖能夠較好的反應(yīng)出各個(gè)區(qū)域的量能知識(shí)結(jié)構(gòu)圖，即使西藏的專利產(chǎn)出量很少，也能夠清晰的看到其知識(shí)結(jié)構(gòu)輪廓，其中食品化學(xué)、制藥、土木工程和電機(jī)、儀器與能源方面相對(duì)量能較高。由于33個(gè)區(qū)域的疊加，使得不少區(qū)域的結(jié)構(gòu)圖難以區(qū)分，但在具體區(qū)域分析中，可以僅繪制一個(gè)或少數(shù)幾個(gè)區(qū)域的知識(shí)結(jié)構(gòu)圖進(jìn)行重點(diǎn)分析。圖3經(jīng)過(guò)百分占比處理后能夠較好的顯示出勢(shì)能較高的幾個(gè)區(qū)域及其知識(shí)領(lǐng)域。譬如江蘇在紡織與紙、表面技術(shù)與涂層、其他消費(fèi)品、包裝處理、機(jī)械工具、機(jī)械元件、化學(xué)工程、電機(jī)、儀器與能源等方面均具有絕對(duì)優(yōu)勢(shì)，專利占比超過(guò)20%；廣東在視聽技術(shù)、電信、數(shù)字通信、計(jì)算機(jī)技術(shù)、熱處理和設(shè)備等方面具有絕對(duì)優(yōu)勢(shì)；北京在計(jì)算機(jī)技術(shù)、數(shù)字通信、IT管理方法等方面具有絕對(duì)優(yōu)勢(shì)；上海在微結(jié)構(gòu)和納米技術(shù)、半導(dǎo)體方面具有絕對(duì)優(yōu)勢(shì)；山東在制藥方面具有絕對(duì)優(yōu)勢(shì)；安徽在食品化學(xué)方面具有絕對(duì)優(yōu)勢(shì)。通過(guò)具體區(qū)域的針對(duì)性分析能夠較容易識(shí)別每個(gè)區(qū)域相對(duì)優(yōu)勢(shì)的產(chǎn)業(yè)技術(shù)領(lǐng)域，譬如臺(tái)灣在半導(dǎo)體、基礎(chǔ)通訊處理、光學(xué)、視聽技術(shù)、微結(jié)構(gòu)與納米技術(shù)等方面具有較強(qiáng)的相對(duì)優(yōu)勢(shì)。

4 研究結(jié)論與展望

本文在比較已有IPC與產(chǎn)業(yè)分類對(duì)照表及其生成方法的基礎(chǔ)上，將ISI-OST-INPI技術(shù)分類標(biāo)準(zhǔn)作為區(qū)域知識(shí)結(jié)構(gòu)的劃分標(biāo)準(zhǔn)，借鑒ALP-PM和DG對(duì)照表生成方法，利用中國(guó)專利數(shù)據(jù)，生成適合中國(guó)專利數(shù)據(jù)分析的IPC-產(chǎn)業(yè)技術(shù)對(duì)照表，并利用基于自然對(duì)數(shù)處理的雷達(dá)圖和基于百分占比處理的雷達(dá)圖體現(xiàn)不同區(qū)域的量能知識(shí)結(jié)構(gòu)圖和勢(shì)能知識(shí)結(jié)構(gòu)圖。針對(duì)我國(guó)33個(gè)省、直轄市近五年專利數(shù)據(jù)進(jìn)行的分析處理，表明該方法能夠較好的體現(xiàn)出區(qū)域的知識(shí)結(jié)構(gòu)，識(shí)別區(qū)域具有相對(duì)優(yōu)勢(shì)的技術(shù)領(lǐng)域。為進(jìn)一步針對(duì)具體技術(shù)領(lǐng)域的區(qū)域知識(shí)能力挖掘和研發(fā)戰(zhàn)略制定奠定了基礎(chǔ)。具體分析中發(fā)現(xiàn)我國(guó)不同省、直轄市在知識(shí)結(jié)構(gòu)和技術(shù)知識(shí)優(yōu)勢(shì)方面存在很大的差異，即使是知識(shí)產(chǎn)出相對(duì)較少的西部地區(qū)也同樣具有自己的相對(duì)優(yōu)勢(shì)領(lǐng)域。今后若能針對(duì)具體區(qū)域的知識(shí)優(yōu)勢(shì)領(lǐng)域挖掘現(xiàn)存知識(shí)合作網(wǎng)絡(luò)，對(duì)探討區(qū)域間合作策略亦具有重要指導(dǎo)意義。

本文提出的基于專利視角的區(qū)域知識(shí)結(jié)構(gòu)測(cè)度方法的關(guān)鍵點(diǎn)在于生成專利與產(chǎn)業(yè)相對(duì)應(yīng)的對(duì)照表。盡管本文提出一種可用于中國(guó)專利數(shù)據(jù)分析的專利—產(chǎn)業(yè)對(duì)照表生成方法，但基于IPC大類產(chǎn)生的概率匹配可能會(huì)使產(chǎn)業(yè)與專利IPC之間的對(duì)應(yīng)關(guān)系仍存在一定的偏差。若將來(lái)我國(guó)可以在專利數(shù)據(jù)庫(kù)中對(duì)專利賦予生產(chǎn)和首次使用專利的產(chǎn)業(yè)代碼，將有利于生成更適于我國(guó)國(guó)情的對(duì)照表。

參考文獻(xiàn)

[1]Velez M.A，Gonzalez C.B.Knowledge and economic growth：A strategy for developing countries[J].Revista de economia mundial，2008，（18）：65-77.

[2]Edlera J，F(xiàn)ier H，Grimpec C.International scientist mobility and the locus of knowledge and technology transfer[J].Research Policy，2011，（40）：791-805.

[3]Kylaheiko K，Jantunen A，Puumalainen K，Luukka P.Value of knowledge—Technology strategies in different knowledge regimes[J].Int.J.Production Economics，2011，（131）：273-287.

[4]劉曉英，王元地.我國(guó)區(qū)域知識(shí)結(jié)構(gòu)效率評(píng)價(jià)[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2005，（12）：54-57.

[5]Griliches Z.Patent Statistics as Economic Indicators：A Survey[J].Journal of Economic Literature，1990，28（4）：1661-1707.

[6]Furman J.L，M.E.Porter and S.Stern.The determinants of national innovative capacity[J].Research Policy，2002，（31）：899-933.

[7]Chiu T.A proposed IPC-based clustering method for exploiting expert knowledge and its application to strategic planning[J].Journal of Information Science，2014，40（1）：50-66.

[8]Chen Y，Y.Chiu.An IPC-based vector space model for patent retrieval[J].Information Processing & Management，2011，47（3）：309-322.

[9]Comanor WS，Scherer FM.Patent Statistics as a Measure of Technical Change[J].Journal of Political Economy，1969，77（3）：392-398.endprint

[10]Evenson R，Putnam J.The Yale-Canada patent flow concordance[R].Yale University，Economic Growth Centre Working Paper，1988.

[11]Kortum S，Putnam J.Assigning Patents to Industries：Tests of the Yale Technology Concordance[J].Economic Systems Research，1997，9（2）：161-176.

[12]Johnson D.The OECD Technology Concordance （OTC）：Patents by Industry of Manufacture and Sector of Use[R].OECD Science，Technology and Industry Working Papers，March 2002.

[13]Verspagen B，Moergastel T，Slabbers M.MERIT Concordance Tables：IPC-ISIC （Rev.2）[R].MERIT Research Memorandum，F(xiàn)ebruary 1994.

[14]Schmoch U，F(xiàn)rancoise L，Pari P，F(xiàn)rietsch R.Linking Technology Areas to Industrial Sectors：Final Reports to the European Commission[R].DG Research，November 2003.

[15]Schmoch U.Concept of a technology classification for country comparisons.Final report to the World Intellectial Property Office （WIPO）[R].Fraunhofer ISI，2008.

[16]Lybbert TJ，Zolas NJ.Getting patents and economic data to speak to each other：An algorithmic links with probabilities approach for joint analyses of patenting and economic activity[J].Research Policy，2014，43（3），530-542.

（本文責(zé)任編輯：孫國(guó)雷）endprint