馬 力，杭 捷，蔡裕謙

（1.大連理工大學(xué) 商學(xué)院，盤錦 124200；2.清華大學(xué) 理學(xué)院，北京 100084）

專利集合了技術(shù)、經(jīng)濟(jì)、商業(yè)情報(bào)等重要信息，具有可靠、及時(shí)、內(nèi)容詳實(shí)等特點(diǎn)，是獲取技術(shù)信息的有效途徑［1］。近年來，隨著國(guó)際競(jìng)爭(zhēng)日益激烈，專利數(shù)量爆炸式增長(zhǎng)，在“萬(wàn)眾創(chuàng)新、大眾創(chuàng)業(yè)”的大環(huán)境下，我國(guó)繼2015年蟬聯(lián)專利申請(qǐng)量世界第一后，2016年專利申請(qǐng)?jiān)隽空既蚩傇隽康?8%，再創(chuàng)新高［2］。在專利申請(qǐng)和授權(quán)量迅猛增加的同時(shí)，也應(yīng)注意到有大量專利進(jìn)入公知公用領(lǐng)域，這些失效專利具有二次研究開發(fā)、分析專利價(jià)值、判定技術(shù)開發(fā)軌跡和方向等重要功能，對(duì)創(chuàng)新創(chuàng)業(yè)決策具有不可忽視的利用價(jià)值［3］。但因失效專利數(shù)量龐大且雜質(zhì)較多，針對(duì)其利用的研究并不多。隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)據(jù)挖掘方法被廣泛運(yùn)用到專利分析中，使從海量的失效專利中挖掘有價(jià)值的信息成為可能。

目前，關(guān)于技術(shù)主題研究的文獻(xiàn)多從優(yōu)化聚類算法角度出發(fā)，實(shí)現(xiàn)技術(shù)主題獲取的精準(zhǔn)化。部分成果選擇時(shí)間角度進(jìn)行研究切入，針對(duì)各技術(shù)主題隨時(shí)間演進(jìn)的發(fā)展趨勢(shì)進(jìn)行研究。這些研究存在一定的缺陷，即未充分考慮專利的科技含量及法律狀態(tài)。就科技含量而言，相比于其他類型的專利，授權(quán)發(fā)明專利最能反映技術(shù)發(fā)展水平。根據(jù)法律狀態(tài)，可將授權(quán)發(fā)明專利分為失效的授權(quán)發(fā)明專利和有效的授權(quán)發(fā)明專利，失效授權(quán)發(fā)明專利的失效原因包括：更先進(jìn)技術(shù)的專利產(chǎn)生、原專利的技術(shù)特征已被淘汰、專利權(quán)人無(wú)法支付專利年費(fèi)、專利不符合當(dāng)時(shí)技術(shù)發(fā)展需要等。對(duì)失效授權(quán)發(fā)明專利信息進(jìn)行剖析，可以避免重復(fù)研究，明確技術(shù)發(fā)展方向，節(jié)約研發(fā)經(jīng)費(fèi)，提高科研效率［4-5］。

不同于以往研究，本文聚焦于授權(quán)發(fā)明專利，并且將失效授權(quán)發(fā)明專利（下文簡(jiǎn)稱為失效專利）納入重要的研究維度，在優(yōu)化中文文本聚類基礎(chǔ)上，提供一種觀察技術(shù)主題變化的新角度，即對(duì)失效專利、有效專利及失效/有效專利分別進(jìn)行中文文本聚類，并運(yùn)用?；鶊D（Sankey diagram）對(duì)3個(gè)聚類結(jié)果之間的關(guān)系進(jìn)行可視化分析，確定各專利類、專利流的技術(shù)主題，通過專利流的走向了解技術(shù)主題的變化情況，對(duì)比分析主題的新生、消亡及發(fā)展?fàn)顩r。此外，本文基于LED封裝產(chǎn)業(yè)專利數(shù)據(jù)對(duì)新研究方法的正確性進(jìn)行驗(yàn)證。

1 研究綜述

1.1 基于文本挖掘的專利技術(shù)主題分析方法

專利數(shù)量的增加推進(jìn)了專利文本挖掘研究，逐步出現(xiàn)適用于技術(shù)主題分析的多種方法，包括術(shù)語(yǔ)詞頻統(tǒng)計(jì)、共詞分析、文本聚類分析等［6］。①術(shù)語(yǔ)詞頻統(tǒng)計(jì)是最早、最簡(jiǎn)單的分析方法，利用術(shù)語(yǔ)抽取技術(shù)，從專利文本（如專利標(biāo)題、摘要、權(quán)利等）中獲得技術(shù)術(shù)語(yǔ)來反映技術(shù)主題，并據(jù)此展開研究，目前主要包括兩方面研究：依據(jù)高頻詞分布情況確定技術(shù)研究熱點(diǎn)和加入時(shí)間序列對(duì)技術(shù)主題的演化進(jìn)行分析。②共詞分析較術(shù)語(yǔ)詞頻統(tǒng)計(jì)而言，同時(shí)考慮了詞語(yǔ)之間的聯(lián)系，根據(jù)詞語(yǔ)關(guān)聯(lián)度的高低進(jìn)行分析。共詞分析可劃分為共詞網(wǎng)絡(luò)分析、共詞聚類分析和戰(zhàn)略圖分析3種。欒春娟［7］通過對(duì)專利關(guān)鍵詞共現(xiàn)的研究，構(gòu)建了全球太陽(yáng)能技術(shù)網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)關(guān)鍵技術(shù)主題的識(shí)別。韓紅旗等［8］根據(jù)戰(zhàn)略圖對(duì)燃料電池進(jìn)行實(shí)證分析。③文本聚類分析則將每個(gè)文檔中各個(gè)詞語(yǔ)出現(xiàn)的頻率轉(zhuǎn)換為該文檔的特征向量，利用特征向量間的距離來量化不同文檔間的相似程度。2個(gè)文檔中詞語(yǔ)出現(xiàn)的頻率越相似，則其相似度就越高。按照相似程度的高低將文檔分為不同技術(shù)主題的團(tuán)簇進(jìn)行分析。用專利文本聚類方法對(duì)技術(shù)主題進(jìn)行研究，一般分為兩階段：首先是對(duì)專利文本進(jìn)行聚類，形成不同技術(shù)主題的團(tuán)簇；其次，各團(tuán)簇生成主題詞來代表該團(tuán)簇的技術(shù)主題［6］。層次聚類［9］、k-means聚類［10］等文本聚類算法常用于專利文本聚類之中。另外，常用的主題詞生成方法是選取團(tuán)簇中的高頻技術(shù)術(shù)語(yǔ)代表該團(tuán)簇技術(shù)主題［11］。

其中，術(shù)語(yǔ)詞頻統(tǒng)計(jì)只能反映單個(gè)技術(shù)主題的變化情況，不能得到不同技術(shù)主題間的關(guān)系；共詞分析雖能了解不同技術(shù)主題間的關(guān)聯(lián)，但其針對(duì)的是不同文章均出現(xiàn)的高支持度詞語(yǔ)，對(duì)于僅在少數(shù)文章中出現(xiàn)的詞語(yǔ)并不敏感，所以新技術(shù)主題不易被識(shí)別。相較而言，專利文本聚類依托文檔相似性，克服了以上局限，是一種有效的技術(shù)主題分析方法，且適合于本文提出的產(chǎn)業(yè)技術(shù)主題演變新方法。

1.2 專利視角下的產(chǎn)業(yè)技術(shù)主題發(fā)展研究

建立技術(shù)主題信息之間的聯(lián)系，可以了解產(chǎn)業(yè)技術(shù)主題發(fā)展情況。目前，常見的技術(shù)主題發(fā)展研究均納入時(shí)間維度。通過觀察主題詞詞頻在時(shí)間上的變化可明確技術(shù)主題的發(fā)展情況、預(yù)測(cè)未來發(fā)展趨勢(shì)，但不能獲得各技術(shù)主題之間的關(guān)聯(lián)情況［12］。KIM等［13］基于專利文本聚類結(jié)合專利申請(qǐng)時(shí)間，通過構(gòu)建關(guān)鍵詞語(yǔ)義網(wǎng)絡(luò)，明確了技術(shù)主題發(fā)展過程；CHEN等［14］根據(jù)不同的時(shí)間窗口，將專利文獻(xiàn)集進(jìn)行切割、聚類，獲得技術(shù)主題演變過程；王亮等［1］利用不同時(shí)間點(diǎn)的有效專利聚類作為聯(lián)系，繪制了專利隨時(shí)間演化的河流圖。這些研究不僅能看到技術(shù)主題隨時(shí)間的變化情況，還能得到各技術(shù)主題間的關(guān)聯(lián)，在這點(diǎn)上是優(yōu)于基于術(shù)語(yǔ)詞頻統(tǒng)計(jì)的技術(shù)主題研究。但上述研究均不能得到致使技術(shù)主題發(fā)生變化的原因。這是由于以往研究忽視了專利的一個(gè)重要特性即其法律狀態(tài)。技術(shù)主題的改變通常伴隨著專利的產(chǎn)生與失效，從專利的法律狀態(tài)著手，提取失效專利與有效專利的關(guān)系，可進(jìn)一步觀察技術(shù)主題改變的原因。因此，本文從專利的法律狀態(tài)出發(fā)，對(duì)產(chǎn)業(yè)技術(shù)主題的演化進(jìn)行分析，以期獲取更深層次的信息。

1.3 考慮專利法律狀態(tài)的研究

在專利研究領(lǐng)域，不同目的的研究會(huì)選擇不同種類的專利進(jìn)行研究，申請(qǐng)專利、授權(quán)專利是出現(xiàn)較多的專利種類。也有部分專家會(huì)從專利的法律狀態(tài)切入，其中根據(jù)有效專利或（和）失效專利開展的研究總體數(shù)量較少。在有效專利研究方面，張米爾等［15］進(jìn)行了專利叢林的測(cè)度以及演進(jìn)情況分析；楊建安［16］、陳振英等［17］對(duì)高校專利存在的管理、制度等問題進(jìn)行研究。對(duì)有效專利數(shù)量、狀態(tài)的研究，可明確產(chǎn)業(yè)或地區(qū)創(chuàng)新能力的強(qiáng)弱以及存在的不足，發(fā)現(xiàn)影響有效專利數(shù)量的因素，提出相應(yīng)建議［18-19］。

在失效專利研究方面，國(guó)內(nèi)外學(xué)者的研究?jī)?nèi)容有所差異。國(guó)外學(xué)者比國(guó)內(nèi)學(xué)者更多、更早進(jìn)入專利相關(guān)領(lǐng)域的研究，因而對(duì)失效專利研究也更為深入，主要可概括為以下方面：①以即將失效的專利為研究對(duì)象，對(duì)其后續(xù)影響及應(yīng)對(duì)策略進(jìn)行研究［20］；②以失效專利為研究對(duì)象，挖掘此類專利的內(nèi)在價(jià)值，為技術(shù)的創(chuàng)新和轉(zhuǎn)移、提高市場(chǎng)競(jìng)爭(zhēng)力服務(wù)［21］；③對(duì)無(wú)效專利制度的研究［22］。國(guó)內(nèi)失效專利利用率較低，且多從概念、定義角度出發(fā)進(jìn)行闡述，或根據(jù)實(shí)例總結(jié)失效專利價(jià)值，而對(duì)失效專利利用方法的研究甚少。這可能與對(duì)失效專利的重視程度、挖掘價(jià)值的難度和成本等有關(guān)。

近年來，隨著失效專利數(shù)量的增加、數(shù)據(jù)挖掘技術(shù)的普及以及知識(shí)產(chǎn)權(quán)的重要性被不斷強(qiáng)調(diào)，不少學(xué)者加入挖掘失效專利信息的行列［23-25］。韓曉彤等［26］將失效專利列為研究對(duì)象，同時(shí)利用專利申請(qǐng)數(shù)據(jù)，構(gòu)建可用于識(shí)別競(jìng)爭(zhēng)對(duì)手研發(fā)方向的有效方法，幫助企業(yè)尋找技術(shù)機(jī)會(huì)，是少有的從專利法律狀態(tài)出發(fā)對(duì)失效專利價(jià)值充分利用的研究，也是少有的建立起不同種類專利之間關(guān)系的研究。

本文將搭建起失效專利和有效專利之間的關(guān)系，從一個(gè)全新的角度了解產(chǎn)業(yè)技術(shù)主題演變情況及演變?cè)?，即通過失效專利、有效專利分別聚類，明確產(chǎn)業(yè)當(dāng)前的技術(shù)熱點(diǎn)及失效專利涉及的技術(shù)主題，同時(shí)，將“失效/有效專利”作為失效專利、有效專利兩者聯(lián)系的紐帶，對(duì)比專利類及相關(guān)專利流各主題間的關(guān)系，提取微觀層面專利技術(shù)變化的深層信息。

2 研究方法及步驟

2.1 中文專利文本聚類過程

專利文本聚類的過程主要包括初始專利數(shù)據(jù)庫(kù)的獲得、文本預(yù)處理、文檔建模及優(yōu)化、聚類并對(duì)結(jié)果進(jìn)行評(píng)價(jià)或描述，如圖1所示。

圖1 專利文本聚類過程圖Fig.1 Clustering process diagram of patent text

2.1.1 初始專利數(shù)據(jù)庫(kù)的獲得 ①檢索并篩選專利：根據(jù)需求確定檢索詞和檢索范圍（專利摘要、專利名稱、專利權(quán)利等），選擇合適的專利數(shù)據(jù)庫(kù)（歐洲、美國(guó)、日本、中國(guó)等）進(jìn)行檢索得到相關(guān)專利。②提取、下載專利數(shù)據(jù)：根據(jù)研究?jī)?nèi)容選擇條目（申請(qǐng)時(shí)間、專利權(quán)人、IPC等）進(jìn)行下載，得到相應(yīng)專利文檔。③清洗專利數(shù)據(jù)，剔除與研究主題不符的專利。

2.1.2 文本預(yù)處理 這是決定聚類效果好壞的關(guān)鍵步驟，也是工作量最大的步驟，主要包括以下內(nèi)容。①用中文分詞軟件對(duì)專利的名稱或摘要進(jìn)行分詞處理（本文采用中科院張華平博士開發(fā)的NLPIR漢語(yǔ)分詞系統(tǒng)，又名ICTCLAS2013①資料來源：http：//ictclas.nlpir.org/。）。②對(duì)各個(gè)詞語(yǔ)的詞性進(jìn)行標(biāo)注，保留名詞、動(dòng)詞、動(dòng)名詞等具有實(shí)際意義的詞語(yǔ)。③過濾一些和技術(shù)主題無(wú)關(guān)聯(lián)的詞語(yǔ)，如發(fā)明、方法、步驟、程序等，同時(shí)將每個(gè)專利都含有的主題詞刪去（包括LED、發(fā)光二極管、封裝、半導(dǎo)體、發(fā)光等詞）；計(jì)算余下詞語(yǔ)的支持度，選擇保留支持度大于n的詞語(yǔ)，其中n需要根據(jù)實(shí)際聚類專利情況反復(fù)嘗試確定，保留的詞語(yǔ)大約為原來的1%。

2.1.3 文檔建模 文檔建模的步驟包括文本特征的選擇、表示及相似度矩陣的構(gòu)造。本文則統(tǒng)計(jì)各詞語(yǔ)在不同專利摘要中出現(xiàn)的頻率，利用向量空間模型（VSM）來實(shí)現(xiàn)文本特征表示，并通過計(jì)算詞頻—逆文本頻率指數(shù)（term frequency-inverse document freauency，TF-IDF）實(shí)現(xiàn)相似度矩陣的構(gòu)造，TF-IDF的計(jì)算公代表詞頻（termfrequency），即文檔d中單詞i的權(quán)重，值越大，權(quán)重越高，其中，tfi(d)表示文檔d中出現(xiàn)單詞i的次數(shù)，max TF(t)表示所有文檔中出現(xiàn)單詞i代表反文檔頻數(shù)（inversedocument frequency），表示單詞i的全局權(quán)重，即越多的文檔中包含某一單詞，該單詞的重要性越低，其中，N表示文檔數(shù)量，DF(t)表示含有單詞i的文檔數(shù)量。

2.1.4 聚類、評(píng)價(jià)或描述結(jié)果 本文選用層次聚類分析方法，利用Python編寫代碼實(shí)現(xiàn)。相較于其他聚類方法，層次聚類算法無(wú)須預(yù)先確定聚類數(shù)量，可以觀察類之間的層次關(guān)系，自行選擇、更改聚類數(shù)量，并且該算法效率很高。之后對(duì)聚類結(jié)果進(jìn)行分析和描述，可以確定各類研究主題，本文是通過“分詞、長(zhǎng)尾詞、統(tǒng)計(jì)支持度及詞頻”的方式確定各類研究主題，為后續(xù)的討論分析服務(wù)。長(zhǎng)尾詞這一步驟，一方面是為了克服分詞系統(tǒng)和專業(yè)詞匯之間的矛盾，即有些專業(yè)詞匯不能通過中文分詞軟件得到，例如量子阱、數(shù)碼管等，另一方面是為了得到更為細(xì)化的主題，如比LED更細(xì)化的白光LED、LED芯片等。綜合考慮支持度和詞頻是為了避免某些詞語(yǔ)在單個(gè)專利中的極高出現(xiàn)頻次對(duì)主題詞選擇的影響［27］。

2.2 基于失效/有效專利聚類的產(chǎn)業(yè)技術(shù)主題研究過程

在發(fā)明、實(shí)用新型及外觀設(shè)計(jì)3類專利中，發(fā)明專利審查最為嚴(yán)格，最能反映核心技術(shù)水平和發(fā)展趨勢(shì)，所以將發(fā)明授權(quán)專利作為數(shù)據(jù)來源分析產(chǎn)業(yè)技術(shù)主題的變化最為合理。根據(jù)專利法的規(guī)定，失效專利包括屆滿專利、專利權(quán)人放棄的專利（未滿期專利）、未在中國(guó)提出申請(qǐng)的國(guó)外專利、知識(shí)產(chǎn)權(quán)局認(rèn)定的失效專利以及專利權(quán)被撤銷的專利。其中，專利權(quán)人放棄的專利是本文研究的失效專利主體，其失效原因主要包括：①該項(xiàng)技術(shù)先進(jìn)，甚至具有超前性，未來市場(chǎng)前景廣闊，但當(dāng)前尚不具備實(shí)施條件；②高昂的年費(fèi)讓一些專利權(quán)人決定放棄該專利；③技術(shù)迭代更新，專利權(quán)人擁有了更加領(lǐng)先的技術(shù)而放棄了原來的技術(shù)［3］。但從專利文獻(xiàn)中并不能直接得到專利權(quán)人放棄該專利的潛在原因，所以需要通過數(shù)據(jù)挖掘分析的手段對(duì)該專利的研究?jī)r(jià)值和意義做出判斷。

具體流程如圖2所示。①整理文檔根據(jù)壽命、失效原因等判定專利是否為研究對(duì)象，即未繳納年費(fèi)的失效專利和有效專利，將其根據(jù)失效專利、有效專利、失效/有效專利進(jìn)行分類。②確定相同聚類用詞對(duì)失效/有效專利的專利標(biāo)題進(jìn)行分詞，再通過詞語(yǔ)的詞性判斷是否為停用詞、與技術(shù)無(wú)關(guān)詞、共同主題詞等，得到初級(jí)詞庫(kù)。之后針對(duì)失效/有效專利摘要，就初級(jí)詞庫(kù)進(jìn)行支持度統(tǒng)計(jì)、排序，篩選前1%的詞語(yǔ)得到聚類詞庫(kù)。因?yàn)閷＠麡?biāo)題最能直接反映專利內(nèi)容，且沒有多余的修飾詞，分詞結(jié)果更為理想，能得到代表該產(chǎn)業(yè)技術(shù)領(lǐng)域的主要詞匯，所以初級(jí)詞庫(kù)根據(jù)標(biāo)題得到。通過失效/有效專利得到的詞庫(kù)是之后聚類的基礎(chǔ)，以相同的詞語(yǔ)聚類才具有比較的意義。③聚類。在相同的聚類用詞的基礎(chǔ)上，分別對(duì)失效專利、有效專利、失效/有效專利的摘要進(jìn)行聚類，得到聚類結(jié)果。④提取主題詞。根據(jù)不同的聚類結(jié)果將專利整理、分類，通過“分詞、長(zhǎng)尾詞、統(tǒng)計(jì)支持度及詞頻”的方式確定研究主題。首先，對(duì)各類摘要進(jìn)行分詞處理得到一級(jí)詞，對(duì)一級(jí)詞兩兩組合得到二級(jí)詞語(yǔ)，二級(jí)詞語(yǔ)之間再次組合或與一級(jí)詞組合得到三級(jí)詞，以此類推，得到屬于該類的所有長(zhǎng)尾詞。其次，由分詞得到的一級(jí)詞和經(jīng)過組合得到的長(zhǎng)尾詞共同構(gòu)成初級(jí)詞庫(kù)。再次，過濾掉不具實(shí)際意義的詞匯，得到一個(gè)全新的詞庫(kù)。最后，計(jì)算該類中含有不同詞語(yǔ)的專利個(gè)數(shù)，即詞語(yǔ)支持度，保留支持度≥50%的詞語(yǔ)，當(dāng)滿足支持度要求的詞語(yǔ)數(shù)量小于m時(shí)，將詞頻靠前的其他詞語(yǔ)進(jìn)行保留，從而實(shí)現(xiàn)保留的詞語(yǔ)數(shù)量≥m。支持度≥50%，說明該詞語(yǔ)在此類50%以上的專利中出現(xiàn)，具有一定的概括性，可以作為確定該類主題的一個(gè)可靠依據(jù)。m則根據(jù)類的大小、研究主題的廣泛和狹窄確定，是一個(gè)需要反復(fù)實(shí)踐的過程。之后，對(duì)比保留下來的m個(gè)相關(guān)詞匯，確定該類主題和能代表該類研究?jī)?nèi)容的主題詞。技術(shù)主題詞的提取過程為：一級(jí)詞→長(zhǎng)尾詞→初級(jí)詞庫(kù)→主題詞。⑤聚類結(jié)果可視化?；谑?有效專利的產(chǎn)業(yè)技術(shù)主題發(fā)展研究需要建立起失效和有效專利之間的聯(lián)系，而本文通過各自聚類、綜合聚類來實(shí)現(xiàn)連接，每個(gè)專利均會(huì)出現(xiàn)在兩個(gè)聚類結(jié)果當(dāng)中，如果不將其進(jìn)行可視化，就不能明確看到各類之間的關(guān)系以及各技術(shù)主題的變化情況。本文采用桑基圖（又稱?；芰科胶鈭D）來可視化聚類結(jié)果，把失效專利、失效/有效專利、有效專利分別作為3個(gè)節(jié)點(diǎn)，而專利在2個(gè)節(jié)點(diǎn)間的數(shù)量則是流動(dòng)前后保持不變的能量。?；鶊D中專利流的粗細(xì)代表專利數(shù)量，專利流越粗，相關(guān)專利越多。通過?；鶊D能看到專利的合流、分流，進(jìn)行主題詞分析亦能看到研究主題的變化以及專利空白點(diǎn)等內(nèi)容。圖3是?；鶊D在本文中的呈現(xiàn)范例。

圖2 基于失效/有效專利聚類的產(chǎn)業(yè)技術(shù)主題研究過程Fig.2 Process of industrial technology subject research based on not in force/effectivepatent clustering

圖3 桑基圖范例Fig.3 Exampleof Sankey diagram

2.3 聚類結(jié)果分析

通過?；鶊D一般可以得到9種最基本的關(guān)系，如圖4所示，其中，圖4（a）～圖4（c）是最簡(jiǎn)單的3種關(guān)系，其余6種可根據(jù)專利類的變化劃分為合并或分解關(guān)系。為了使示意圖更清晰明了，圖中失效專利類記為“失效X”，有效專利類記為“有效X”，失效/有效專利的共同聚類結(jié)果記為“totX”。

1）一一對(duì)應(yīng)的關(guān)系，即對(duì)失效/有效聚類，失效專利中的某一類和有效專利中的某一類共同歸屬于同一tot類。如圖4（a）中失效專利A類與有效專利B類同時(shí)屬于totC類，則A類中的失效專利和B類中的有效專利具有很高的相似性，涉及的技術(shù)主題基本一致。

2）全失效專利聚類，即沒有有效專利與這些失效專利涉及相同的研究主題，如圖4（b）。也就是說，該主題已經(jīng)是被淘汰的技術(shù)主題，研究意義和價(jià)值較低。

3）全有效專利聚類，即沒有失效專利與這些有效專利研究相同的技術(shù)主題，如圖4（c）。也就是說，該技術(shù)主題相對(duì)較新且具有活力，存在一定的研究意義和價(jià)值。

4）失效專利類合并，即失效/有效聚類將多個(gè)失效專利類和一個(gè)有效專利類聚在一類之中，圖4（d）所示的是最簡(jiǎn)單的一種情況，屬于二對(duì)一的情況。因?yàn)橛行類專利的加入，失效A類專利和失效B類專利建立起了聯(lián)系，同屬于totD類，有效專利C類研究的技術(shù)主題同時(shí)涉及失效專利A類、B類的技術(shù)主題，則說明失效專利A類和失效專利B類的交叉領(lǐng)域具有研究?jī)r(jià)值，即有效專利C類所屬領(lǐng)域。

5）有效專利類合并，即失效/有效聚類將多個(gè)有效專利類和一個(gè)失效專利類聚在一類之中，圖4（e）所示的是最簡(jiǎn)單的一種情況，即一對(duì)二的情況。有效專利A類和有效專利B類本來是獨(dú)立的2個(gè)類，因?yàn)槭＠鸆類的加入建立起聯(lián)系，說明失效專利C類是有效專利A類和B類的交叉研究領(lǐng)域。有效專利A類和有效專利B類是從失效專利C類發(fā)展而來的2個(gè)較獨(dú)立的技術(shù)方向。

圖4 失效/有效專利聚類結(jié)果示意圖Fig.4 Not in force/effective patent clustering results

6）失效、有效專利類同時(shí)合并。多個(gè)失效專利類和多個(gè)有效專利類聚集到一個(gè)失效/有效專利類當(dāng)中，其中最簡(jiǎn)單的一種就是二對(duì)二的情況，如圖4（f）所示。失效專利A、B類之間，以及有效專利C、D類之間是存在一定距離的，通過失效/有效專利聚類，這4個(gè)專利類聚集在一起，說明它們隸屬于一個(gè)技術(shù)領(lǐng)域，且有效專利C類和D類均是在失效專利A類和B類的交叉領(lǐng)域發(fā)展起來的2個(gè)技術(shù)方向。

7）有效專利類分解。原本獨(dú)立的一類有效專利在加入失效專利共同聚類后被分解成多類，說明被分解的有效專利類在考慮失效專利前已經(jīng)存在較大距離。而有效專利類最簡(jiǎn)單的分解情況是將其分解成2類，即和有效專利類相關(guān)的2個(gè)不同的方向或主題。如圖4（g）所示，有效專利C類分別與失效專利A、B聚類得到totD類和totE類，說明有效專利C類由于失效專利A、B類的加入，分解為有效專利C1和C2。C1和C2是有效專利C類的2個(gè)方向或主題，且分別和失效專利A、B類相近。

8）失效專利類分解。原本獨(dú)立的一類失效專利在和有效專利共同聚類后被分解成多類，說明該失效專利類之間存在較大的距離，而失效專利類最簡(jiǎn)單的分解情況是將其分解成2類，如圖4（h）所示。與有效專利分解類似，失效專利C類分別與有效專利A、B聚類得到totD類和totE類，說明失效專利C類由于有效專利A、B類的加入，分解為失效專利C1和C2。C1和C2是失效專利C類的2個(gè)方向或主題，且分別和有效專利A、B類相近。

9）失效、有效專利類同時(shí)分解。通過失效/有效專利聚類，原來獨(dú)立的失效專利類和有效專利類同時(shí)被分解成多個(gè)類，若失效專利類和有效專利類分解后所屬的類有相同部分，則該領(lǐng)域中涵蓋的有效和失效專利相似度極高，且存在著技術(shù)主題演化規(guī)律。其中，最簡(jiǎn)單的情況就是失效專利類和有效專利類同時(shí)分解成相同的兩類，如圖4（i）所示。B1、B2是失效專利B類的2個(gè)分支，技術(shù)主題屬于失效專利B類主題；A1、A2技術(shù)主題和有效專利A類主題相同。由于加入有效專利A1，失效專利C類和B1聚為一類，說明A1涉及的技術(shù)領(lǐng)域是失效專利C類和B1的交叉技術(shù)領(lǐng)域；有效專利D類、A2和失效專利B2聚為一類，說明有效專利D類、A2是由失效專利B2發(fā)展而來的2個(gè)技術(shù)方向。

以上是較為理想且簡(jiǎn)化的結(jié)果，實(shí)際情況更為復(fù)雜，而聚類效果的好壞將對(duì)分析結(jié)果產(chǎn)生直接影響。文本聚類是無(wú)監(jiān)督學(xué)習(xí)的過程，沒有嚴(yán)格的標(biāo)準(zhǔn)衡量聚類結(jié)果的好壞，只能通過反復(fù)的調(diào)試、修改聚類層級(jí)來盡可能達(dá)到想要的結(jié)果。而專利摘要不夠具體、中文詞匯的一詞多義等也會(huì)對(duì)聚類的效果及后續(xù)分析產(chǎn)生較大影響。

2.4 方法的創(chuàng)新性及其適用情形

目前，基于專利分析進(jìn)行產(chǎn)業(yè)技術(shù)主題研究的相關(guān)文獻(xiàn)大多未充分考慮專利的法律狀態(tài)，或?qū)⑹＠⒂行＠謩e作為研究對(duì)象展開研究。僅針對(duì)失效專利展開研究，無(wú)法把握產(chǎn)業(yè)發(fā)展的大方向，所以對(duì)于產(chǎn)業(yè)技術(shù)主題變化研究的借鑒意義不足。僅關(guān)注有效專利或未區(qū)別專利法律狀態(tài)進(jìn)行的研究，忽視了主題變化過程中失效專利技術(shù)主題所蘊(yùn)含的信息。本文提出的新方法既能得到產(chǎn)業(yè)技術(shù)主題的變化信息，亦可獲得技術(shù)主題演變的微觀原因，實(shí)現(xiàn)了對(duì)專利法律狀態(tài)信息的充分利用。

本文提出的方法是基于文本聚類實(shí)現(xiàn)的，因而，運(yùn)用該方法進(jìn)行技術(shù)主題的變化研究時(shí)，前提是研究領(lǐng)域存在足夠的失效、有效發(fā)明授權(quán)專利，這就意味著該領(lǐng)域是發(fā)展較為成熟、專利產(chǎn)出較多、更替較快的科技領(lǐng)域。在此基礎(chǔ)上，專家學(xué)者可以根據(jù)不同的研究目的選擇不同的專利數(shù)據(jù)進(jìn)行分析。例如：為確定某時(shí)間段內(nèi)技術(shù)主題的變化情況，可對(duì)某段時(shí)間內(nèi)的失效、有效專利進(jìn)行主題挖掘；為明確某主題下的細(xì)分主題變化情況，從更微觀的層面分析主題演變的原因，可對(duì)細(xì)分主題所屬領(lǐng)域的相關(guān)失效、有效專利進(jìn)行研究，為企業(yè)研發(fā)決策提供參考。為充分說明本文提出的新方法，下文將對(duì)1985—2015年的LED封裝技術(shù)領(lǐng)域?qū)＠M(jìn)行技術(shù)主題挖掘。LED封裝產(chǎn)業(yè)發(fā)展歷史悠久，具有充足的失效及有效專利數(shù)量，且技術(shù)主題具有多樣性，通過本文提出的創(chuàng)新方法可以挖掘得到不同技術(shù)主題間的相互關(guān)聯(lián)，獲得主題演變的原因。

3 LED封裝產(chǎn)業(yè)技術(shù)主題研究

3.1 數(shù)據(jù)來源及簡(jiǎn)單描述

LED封裝技術(shù)專利檢索方案如下：2017年10月29日于IncoPat科技創(chuàng)新情報(bào)平臺(tái)（http：//www.incopat.com/）檢索，數(shù)據(jù)庫(kù)范圍限定為中國(guó)發(fā)明授權(quán)專利（不包括香港、臺(tái)灣地區(qū)），時(shí)間范圍為1985—2015年（按申請(qǐng)日期），檢索主題詞為“LED”“發(fā)光二極管”“半導(dǎo)體發(fā)光”，而非“燈”“有機(jī)”“顯示屏”“模板”“控制器”“發(fā)光棒”“廣告”“手電”［28］。

因?yàn)榘l(fā)明專利一般從申請(qǐng)日到公布進(jìn)入實(shí)質(zhì)審查日需要18個(gè)月的時(shí)間，所以2016—2017年的數(shù)據(jù)是不完整的，搜索的時(shí)間范圍確定為1985—2015年。對(duì)搜索得到的專利信息進(jìn)行篩選，刪去和LED封裝技術(shù)無(wú)關(guān)的專利，得到符合要求的專利8 791項(xiàng)。其中，屆滿失效（到達(dá)專利年限失效）的專利數(shù)量為3項(xiàng)，原專利權(quán)人分別為美國(guó)的馬西莫有限公司、日本的株式會(huì)社東芝和株式會(huì)社日立；宣告無(wú)效的專利為2項(xiàng)；因?qū)＠麢?quán)人放棄而失效的專利為1 404項(xiàng)；有效專利數(shù)量為7 382項(xiàng)。按照專利申請(qǐng)年份對(duì)之后獲得授權(quán)的發(fā)明專利（包括專利權(quán)人放棄的失效專利、屆滿失效專利及有效專利）進(jìn)行統(tǒng)計(jì)，可以得到LED封裝技術(shù)的發(fā)展趨勢(shì)，如圖5所示，2012年申請(qǐng)的發(fā)明專利被授權(quán)的數(shù)量最多，說明這是LED封裝產(chǎn)業(yè)發(fā)展最快的時(shí)期，LED封裝技術(shù)研發(fā)參與者大幅增加，加大了對(duì)該產(chǎn)業(yè)的投入。

前已述及，在產(chǎn)業(yè)發(fā)展進(jìn)程中，多種原因會(huì)導(dǎo)致授權(quán)后的專利變成失效專利，LED封裝技術(shù)產(chǎn)業(yè)的失效專利壽命統(tǒng)計(jì)如圖6所示。由圖6可知，失效專利的壽命主要集中在48、60、72個(gè)月，即3～5年，這和專利年費(fèi)的梯度增長(zhǎng)、專利質(zhì)量相對(duì)較低有關(guān)。

圖5 1988—2014年LED封裝技術(shù)相關(guān)發(fā)明專利各年授權(quán)數(shù)量Fig.5 Annual number of authorized patentsrelated to LEDpackagingtechnology in 1988—2014

圖6 LED封裝技術(shù)發(fā)明專利壽命統(tǒng)計(jì)Fig.6 Invention patent lifestatisticsof LEDpackagingtechnology

3.2 技術(shù)熱點(diǎn)分析

通過VOSviewer分別可視化失效專利和有效專利中專業(yè)詞語(yǔ)間的關(guān)聯(lián)分析結(jié)果，并對(duì)關(guān)聯(lián)性較強(qiáng)的詞語(yǔ)聚類，結(jié)果如圖7、圖8所示。

圖7 未滿期失效專利聚類Fig.7 Clustering of unexpired not in force patent

圖8 有效專利聚類Fig.8 Clusteringof effectivepatent

通過觀察聚類結(jié)果可知，LED封裝技術(shù)專利主要涉及照明裝置、熒光粉、封裝結(jié)構(gòu)、電路板等領(lǐng)域。對(duì)比2種聚類可以發(fā)現(xiàn)，部分技術(shù)熱點(diǎn)是在改變的，例如：未滿期失效專利中存在散熱基板、半導(dǎo)體發(fā)光組件等詞語(yǔ)，但在有效專利聚類中并未看到，說明這些領(lǐng)域有效專利數(shù)量較少，不再是當(dāng)今技術(shù)熱點(diǎn)；一些未出現(xiàn)在失效專利聚類中的詞語(yǔ)，如磷光、磷酸等，卻出現(xiàn)在有效專利聚類中，說明該技術(shù)方向是較新的。這些變化通過單獨(dú)對(duì)比失效、有效聚類分析很難得到確切的結(jié)果，通過失效/有效聚類建立起失效專利與有效專利的聯(lián)系更能說明問題。

3.3 LED封裝產(chǎn)業(yè)（部分）技術(shù)主題發(fā)展情況

根據(jù)2.2節(jié)描述的產(chǎn)業(yè)技術(shù)主題發(fā)展研究過程，運(yùn)用中文專利文本聚類方法，實(shí)現(xiàn)對(duì)有效專利、失效專利以及失效/有效專利的分別聚類，選擇相同聚類層級(jí)，并用?；鶊D對(duì)3個(gè)聚類結(jié)果間的關(guān)系進(jìn)行可視化，截取其中關(guān)于“熒光粉”的失效專利1相關(guān)部分對(duì)2.2節(jié)中提到的9種情況進(jìn)行說明（見圖9）。本文只針對(duì)圖中失效專利1類涉及的專利類（失效1，失效8，tot20，tot19，tot33，tot18，有效25，有效44，有效28，有效24）進(jìn)行討論，簡(jiǎn)化起見，只研究?；鶊D上主要的專利流。

圖9 LED封裝發(fā)明專利（失效/有效）局部關(guān)系圖Fig.9 Local relation diagramof LEDpatent inventions（not in force/effective patent）

為方便理解，給出這幾類專利的關(guān)系結(jié)構(gòu)圖，如圖10所示。圖中失效專利1類由于有效專利（25、44、28、24）的加入，分解為4條明顯的專利流（1-1、1-2、1-3、1-4），說明在失效/有效聚類時(shí)，隸屬于失效專利1類的專利分別與不同的有效專利類產(chǎn)生關(guān)聯(lián)，可分為4個(gè)研究領(lǐng)域。而與失效專利1類關(guān)聯(lián)的有效專利中，僅有效專利25類的一個(gè)分支（25-1）將失效專利1類的分支（1-1）與失效專利8類的分支（8-4）建立聯(lián)系，即為失效、有效專利同時(shí)分解的一種復(fù)雜情況。結(jié)合本文2.3節(jié)的分析結(jié)果，可知各專利類涉及領(lǐng)域之間的關(guān)系。而失效專利8類的分支可以分為（8-1）至（8-5）這5個(gè)主要部分，除了分支（8-4）與失效專利1類建立聯(lián)系外，其余4個(gè)分支與失效專利1類相關(guān)性較低，限于篇幅，本文不對(duì)其進(jìn)行討論。

圖10 失效專利1類專利流向Fig.10 Theflowof type1 of not in forcepatents

通過獲取各專利類以及連接失效專利和tot、tot和有效專利之間專利流的主題詞，比較與分析后得到技術(shù)主題的演變情況，如表1所示。白光LED的光效、光強(qiáng)、壽命、色溫等性能受熒光粉與封裝結(jié)構(gòu)、工藝的影響。上述失效專利1類相關(guān)的領(lǐng)域主要涉及的技術(shù)主題詞有熒光粉、白光LED、發(fā)光（熒光）材料，所以失效專利1類研究的是白光LED熒光粉技術(shù)領(lǐng)域。失效專利1類因?yàn)榧尤胗行＠?5、44、28、24類被分解成4個(gè)專利流，即白光LED熒光粉技術(shù)領(lǐng)域的4個(gè)主要研究方向。通過本文提供的方法，對(duì)比失效專利1類相關(guān)專利流提供的信息，可知“藍(lán)光LED芯片激發(fā)熒光粉產(chǎn)生白光”技術(shù)領(lǐng)域越來越受重視，且紅光研究領(lǐng)域的衰退與此有關(guān)；樹脂、基質(zhì)在白光LED封裝上的應(yīng)用和白光的產(chǎn)生是白光LED領(lǐng)域2個(gè)熱門的研究方向；氮氧化物等熒光材料是發(fā)展的趨勢(shì)；紅色熒光粉領(lǐng)域技術(shù)在不斷改進(jìn)完善。這些信息無(wú)法從圖7和圖8中獲得，須基于文本聚類通過tot建立失效專利和有效專利的橋梁，比較專利流前后信息得到。通過查閱相關(guān)產(chǎn)業(yè)文獻(xiàn)［29-30］發(fā)現(xiàn)，本文得出的結(jié)論與當(dāng)時(shí)該技術(shù)領(lǐng)域發(fā)展?fàn)顩r及未來發(fā)展趨勢(shì)相符，說明本文提出的研究方法是科學(xué)的。

表1 失效專利1類相關(guān)主題變化情況分析Tab.1 Analysis of in related theme changes in of not in force patents

4 結(jié)論與展望

與以往的產(chǎn)業(yè)技術(shù)主題研究不同，本文將失效專利納入考察維度，提出了一種觀察技術(shù)主題微觀變化過程的新方法。若僅將有效專利作為研究對(duì)象進(jìn)行產(chǎn)業(yè)研究，不考慮專利的法律狀態(tài)，可以得到技術(shù)主題的變化情況，但不能明確導(dǎo)致變化產(chǎn)生的微觀原因。另一方面，若僅針對(duì)失效專利進(jìn)行技術(shù)主題分析，只能片面了解某產(chǎn)業(yè)中失效專利多屬于哪一領(lǐng)域，包含哪些技術(shù)主題。而將專利分為失效、有效、失效/有效專利分別進(jìn)行聚類，建立未滿期失效專利和有效專利之間的聯(lián)系，并利用?；鶊D直觀地了解各個(gè)主題之間的關(guān)系，不失為一種更為有效的技術(shù)主題研究方法。通過專利流的合并與分解，能更清晰地了解技術(shù)主題的淘汰、保留及發(fā)展情況；對(duì)比專利流信息，可以明確該主題涉及的技術(shù)特征的變化情況。

本文提出的研究方法主要具有3方面的重要意義：①加入失效專利分析維度，可以幫助企業(yè)把握產(chǎn)業(yè)技術(shù)主題的發(fā)展大方向，為企業(yè)專利戰(zhàn)略的制訂提供依據(jù)；②通過對(duì)比“失效—tot”“tot”“tot—有效”各主題間的關(guān)系，可以分析得到更深層的技術(shù)變化信息，為企業(yè)研發(fā)決策服務(wù)；③通過建立有效專利和失效專利之間的聯(lián)系來挖掘?qū)＠畔⑹且环N全新的研究視角，企業(yè)可以據(jù)此對(duì)專利權(quán)人、技術(shù)功效方案等轉(zhuǎn)變進(jìn)行研究。應(yīng)用該方法須注意的事項(xiàng)為：對(duì)于領(lǐng)域技術(shù)涉及較廣、涵蓋技術(shù)主題較多且技術(shù)主題間關(guān)系復(fù)雜的情況，須仔細(xì)根據(jù)文中提及的9種情況加以判斷；同時(shí)，本方法的另一個(gè)局限是，研究對(duì)象須包含足夠數(shù)量的失效專利，對(duì)處于萌芽期、成長(zhǎng)期的產(chǎn)業(yè)可能不太適用。