包清臨， 柴華奇， 趙嵩正， 王吉林

(西北工業(yè)大學(xué) 管理學(xué)院， 西安 710129)

技術(shù)機(jī)會(huì)是開展技術(shù)創(chuàng)新活動(dòng)的前提和條件[1-2].挖掘并搶占技術(shù)機(jī)會(huì)，為創(chuàng)新活動(dòng)的展開贏得先機(jī)[3-5].近年來，以專利驅(qū)動(dòng)挖掘技術(shù)機(jī)會(huì)受到學(xué)術(shù)界的廣泛關(guān)注.專利記載了核心技術(shù)信息，包含了前沿技術(shù)創(chuàng)意，充分利用專利，可以大大縮短技術(shù)機(jī)會(huì)挖掘時(shí)間，節(jié)省40%的研發(fā)費(fèi)用[6-7].

根據(jù)技術(shù)機(jī)會(huì)相關(guān)研究中專利樣本量的大小，可以把現(xiàn)有專利輔助挖掘技術(shù)機(jī)會(huì)的研究分為兩類.一類研究是以少量的專利樣本為出發(fā)點(diǎn)，結(jié)合技術(shù)的應(yīng)用前景挖掘技術(shù)機(jī)會(huì).江屏等[8]在確立研發(fā)目標(biāo)后，以封隔器領(lǐng)域的673件專利為樣本，根據(jù)TRIZ理論為技術(shù)機(jī)會(huì)構(gòu)建待規(guī)避專利技術(shù)的原理解模型，使其規(guī)避可能存在的專利風(fēng)險(xiǎn).Wang等[9]認(rèn)為科學(xué)論文和專利記錄了科學(xué)發(fā)現(xiàn)和技術(shù)發(fā)展中核心的知識(shí)，通過二者可以發(fā)現(xiàn)并挖掘潛在的技術(shù)機(jī)會(huì)，因此采用文本挖掘和聚類算法對(duì)微藻類生物燃料領(lǐng)域的技術(shù)機(jī)會(huì)進(jìn)行了探索.Jia等[10]選擇目標(biāo)類專利，采用類比設(shè)計(jì)方法，對(duì)技術(shù)機(jī)會(huì)進(jìn)行發(fā)掘，尋找創(chuàng)新設(shè)計(jì)理念.此類研究能較好地實(shí)現(xiàn)特定目標(biāo)，但由于專利樣本量較小，計(jì)算結(jié)果與設(shè)計(jì)目標(biāo)容易背離，技術(shù)機(jī)會(huì)挖掘結(jié)果應(yīng)用性低.另一類研究以海量專利樣本為出發(fā)點(diǎn)，通過數(shù)據(jù)挖掘技術(shù)，結(jié)合統(tǒng)計(jì)方法對(duì)專利文本的結(jié)構(gòu)化信息進(jìn)行處理.Cheng[11]以大量專利為樣本，采用文本挖掘技術(shù)，構(gòu)建專利技術(shù)功效矩陣(PTFM)，通過對(duì)PTFM中技術(shù)呈現(xiàn)出的密集區(qū)及真空區(qū)的分析，得到技術(shù)機(jī)會(huì)挖掘結(jié)果.Jin等[12]從專利信息出發(fā)，通過市場和產(chǎn)品兩個(gè)維度，搭建PTFM并繪制專利技術(shù)功效圖，以識(shí)別太陽能照明領(lǐng)域的創(chuàng)新技術(shù).Joung等[13]通過專利文本挖掘，提取了技術(shù)關(guān)鍵詞和功效關(guān)鍵詞，從而構(gòu)建PTFM，對(duì)生物傳感器中電子轉(zhuǎn)移領(lǐng)域的新興技術(shù)進(jìn)行了識(shí)別.相較于前一類研究，非目標(biāo)類研究對(duì)專利的人工分類干涉較少，通過更廣的專利覆蓋，確定出更加前沿的技術(shù)方向，但是該類研究較少涉及了創(chuàng)新目標(biāo)，得出的技術(shù)機(jī)會(huì)的應(yīng)用性較低.

由此可以看出，少量專利樣本或缺乏創(chuàng)新目標(biāo)下的研究，缺乏對(duì)技術(shù)前景的評(píng)估，由此形成的技術(shù)機(jī)會(huì)必然對(duì)其應(yīng)用性產(chǎn)生影響，從而降低技術(shù)機(jī)會(huì)挖掘結(jié)果的可行性.因此，本文以提升結(jié)果的應(yīng)用性為目標(biāo)，在技術(shù)機(jī)會(huì)挖掘過程中加入對(duì)技術(shù)應(yīng)用前景的評(píng)估，采用機(jī)器學(xué)習(xí)算法，以海量專利數(shù)據(jù)為樣本，結(jié)合文本挖掘、MapReduce計(jì)算框架和熵權(quán)-TOPSIS法，使用Python編程語言，構(gòu)建三維的專利預(yù)測模型.并在鈦領(lǐng)域內(nèi)應(yīng)用該模型，為其挖掘潛在的技術(shù)機(jī)會(huì).

1 相關(guān)研究綜述

1.1 文本挖掘與機(jī)器學(xué)習(xí)算法

文本挖掘亦稱文本數(shù)據(jù)挖掘，指使用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、自然語言處理等技術(shù)，結(jié)合分類、聚類、偏差檢測、關(guān)系分析等方法，解決文本集合或語料庫信息過載的問題，以發(fā)現(xiàn)其中隱含的信息或模式的過程，一般來說，文本挖掘包括信息檢索、信息抽取、信息挖掘以及信息解釋4個(gè)步驟，其中信息挖掘最為關(guān)鍵，主要包括文本預(yù)處理、文本聚類或文本關(guān)聯(lián)、特征提取以及結(jié)果可視化[14].

最開始研究抽取關(guān)鍵詞的模型是空間向量模型(VSM)，但由于該模型方式不能對(duì)語意實(shí)現(xiàn)完全描述[15]，便逐步涌現(xiàn)出了通過給定潛在變量，經(jīng)過建模主題實(shí)現(xiàn)關(guān)鍵詞共現(xiàn)的主題模型.在主題模型中，概率潛在語義分析 (PLSA)算法較為主流.PLSA算法是在1999年由Hofmam提出的，能夠解決潛在語義分析(LSA)算法在文本挖掘過程中對(duì)大樣本處理不足的問題，同時(shí)，相較于奇異值矩陣分解(SVD)降維方法，PLSA算法能更清晰地推斷文檔與詞語間的關(guān)系模型.現(xiàn)有研究顯示，相較于LSA算法，PLSA算法能顯著提升關(guān)鍵詞抽取的效率和精確度，減少人工抽取的誤差，適于在大樣本環(huán)境中運(yùn)行.它通過建立文檔、主題與詞語三者之間的映射關(guān)系，基于雙模態(tài)和共現(xiàn)準(zhǔn)確抽取關(guān)鍵詞[16-17].

PLSA算法通過計(jì)算 “文檔-主題”和“詞語-主題”的概率矩陣，對(duì)共現(xiàn)概率進(jìn)行排序，表現(xiàn)基于共同的觀察數(shù)據(jù)的隱藏變量關(guān)系，經(jīng)過相似度計(jì)算和聚類分析，達(dá)到篩選關(guān)鍵詞的目的.因此可以說PLSA算法是構(gòu)建概率主題模型的最佳選擇.PLSA算法主要基于以下假設(shè)[18]：①在同一潛在主題集合T={t1,t2,…,ts}下，文檔集合D={d1,d2,…,dn}和詞語集合W={w1,w2,…,wm}之間是獨(dú)立的；②詞語wi(i=1,2,…,m)和潛在主題tk(k=1,2,…,s)之間也是獨(dú)立的.

由此，選定任一文檔dj(j=1,2,…,n)的概率為P(dj)，在PLSA算法中，該文檔所屬任一潛在主題tk的概率服從多項(xiàng)分布，表示為P(tk|dj)；進(jìn)一步在該潛在主題下，任一文檔dj生成詞語wi的概率也服從多項(xiàng)分布，表示為

(1)

式中：tk為潛在主題集合T中的任一潛在主題；dj為文檔集合D中任一文檔；wi為詞語集合W中任一詞語；P(dj)為選中文檔dj的概率；P(wi|tk)為在確定潛在主題tk下選中詞語wi的條件概率；P(tk|dj)為在確定文檔dj后選中潛在主題tk的條件概率；P(tk)為選中同一潛在主題tk的概率；P(dj|tk)為在確定潛在主題tk下選中詞語wi的條件概率.由于P(tk|dj)和P(wi|tk)符合多項(xiàng)分布，所以可以通過最大期望(EM)算法優(yōu)化目標(biāo)函數(shù)，通過循環(huán)迭代得到式(1)的最大似然解，有效解決數(shù)據(jù)過擬合問題.EM算法下的計(jì)算分為E步和M步.E步為期望步驟；M步為最大化步驟.根據(jù)E步和M步的計(jì)算規(guī)則，所得如下.

E步：計(jì)算給定觀測對(duì)(dj,wi)時(shí)選中潛在主題tk的概率.

P(tk|dj,wi)=

(2)

M步：在確定P(tk|dj,wi)的條件下計(jì)算P(wi|tk)和P(tk|dj)的概率.

(3)

(4)

式中：P(ts)為潛在主題取得最大值ts時(shí)的概率；P(dj|ts)為在概率主題取得最大值ts時(shí)選中文檔dj的條件概率；P(wi|ts)為在概率主題取得最大值ts時(shí)選中詞語wi的條件概率；P(tk)為任選某一潛在主題tk的概率；P(dj|tk)為任選某一潛在主題tk時(shí)選中文檔dj的條件概率；P(wi|tk)為任選某一潛在主題tk時(shí)選中詞語wi的條件概率；m(dj,wi)為詞語wi與文檔dj的共現(xiàn)概率；P(tk|dj,wi)為在給定觀測對(duì)(dj,wi)時(shí)選中任一潛在主題tk的條件概率；P(ts|dj,wi)為在給定觀測對(duì)(dj,wi)時(shí)選中潛在主題最大取值ts時(shí)的條件概率；m(dn,wm)為文檔取得最大值dn與詞語取得最大值wm共現(xiàn)概率；P(tk|dn,wm)為在文檔取得最大值dn和詞語取得最大值wm后選中任一潛在主題tk的條件概率；m(dn,wi)為文檔取得最大值dn與任一詞語wi的共現(xiàn)概率；P(tk|dn,wi)為文檔取得最大值dn并任選詞語wi后選中任一潛在主題tk的條件概率.用隨機(jī)數(shù)初始化之后，交替執(zhí)行E步和M步進(jìn)行迭代計(jì)算.PLSA算法以專利文本挖掘來實(shí)現(xiàn)對(duì)技術(shù)機(jī)會(huì)的挖掘，首先基于自然語言處理(NLP)對(duì)專利摘要文本進(jìn)行預(yù)處理，包括對(duì)專利文本的詞性標(biāo)注；然后根據(jù)詞性的不同，抽取專利摘要中的技術(shù)關(guān)鍵詞和功效關(guān)鍵詞；最后通過“專利摘要文本-詞語”概率矩陣對(duì)技術(shù)關(guān)鍵詞和功效關(guān)鍵詞的詞頻進(jìn)行統(tǒng)計(jì).

1.2 Hadoop平臺(tái)下的MapReduce計(jì)算框架

PLSA算法的實(shí)現(xiàn)，需要把“文檔-主題”和“詞語-主題”二維矩陣映射到分布式處理框架中.Hadoop是較為常見的大數(shù)據(jù)分布式處理平臺(tái)，它包括分布式文件系統(tǒng)(HDFS)和MapReduce計(jì)算框架.MapReduce計(jì)算框架通過主節(jié)點(diǎn)的Job Tracker來調(diào)度和分發(fā)所有任務(wù)，無需人工干預(yù)，能較好地實(shí)現(xiàn)計(jì)算目的.

MapReduce計(jì)算框架主要包含Map階段和Reduce階段.Map階段主要負(fù)責(zé)對(duì)數(shù)據(jù)的分析處理，最終轉(zhuǎn)化為〈key,value〉數(shù)據(jù)對(duì)；Reduce階段主要獲取〈key*,value*〉數(shù)據(jù)對(duì)，通過對(duì)其進(jìn)行統(tǒng)計(jì)處理，得到相應(yīng)結(jié)果.

1.3 專利技術(shù)功效矩陣

在傳統(tǒng)技術(shù)機(jī)會(huì)挖掘的模型中，PTFM較為普遍.PTFM以技術(shù)維為x軸，功效維為y軸，形成二維平面坐標(biāo)[19].技術(shù)維與功效維的交點(diǎn)為專利單元項(xiàng)，它的大小與對(duì)應(yīng)具有相應(yīng)技術(shù)關(guān)鍵詞和功效關(guān)鍵詞的專利數(shù)量一致.在PTFM中，單元項(xiàng)越大，表示專利組合數(shù)量越多，該區(qū)域?qū)＠季衷矫芗?；單元?xiàng)越小，表示專利組合數(shù)量越少，該區(qū)域的專利布局越空白[20-21].不少學(xué)者以PTFM為依據(jù)，對(duì)技術(shù)機(jī)會(huì)進(jìn)行挖掘與決策[22-24].

然而，僅運(yùn)用PTFM作為分析工具，是不能實(shí)現(xiàn)對(duì)技術(shù)機(jī)會(huì)的完全預(yù)測.這是因?yàn)榧夹g(shù)關(guān)鍵詞和功效關(guān)鍵詞僅是對(duì)技術(shù)特征及功能特征的描述，并不能對(duì)技術(shù)的運(yùn)用前景和價(jià)值進(jìn)行預(yù)測.因此，需要對(duì)PTFM進(jìn)行改進(jìn)，使其更加適應(yīng)創(chuàng)新主體對(duì)前沿技術(shù)識(shí)別的需要.

1.4 專利價(jià)值與技術(shù)的應(yīng)用前景

最早提出專利價(jià)值的是Pakes等[25]，他們指出專利價(jià)值是用于衡量專利技術(shù)存續(xù)期的重要指標(biāo).Reitzig[26]認(rèn)為專利價(jià)值與受專利保護(hù)的技術(shù)產(chǎn)品的市場指數(shù)呈正比.Bakker[27]指出專利價(jià)值與創(chuàng)新主體的技術(shù)計(jì)劃有關(guān)，是技術(shù)戰(zhàn)略的反映.Bessen等[28]提到專利價(jià)值是專利帶給專利權(quán)人的市場收益.Hiller等[29]認(rèn)為專利價(jià)值是企業(yè)專利投資、轉(zhuǎn)讓、許可使用、質(zhì)押等資產(chǎn)運(yùn)營行為的重要價(jià)值參考.由此可知，本文認(rèn)為專利價(jià)值體現(xiàn)為專利帶給專利權(quán)人的收益，該收益與技術(shù)機(jī)會(huì)的應(yīng)用前景直接相關(guān).因此可以采用專利價(jià)值指標(biāo)，對(duì)技術(shù)的應(yīng)用前景進(jìn)行評(píng)估.

綜合以上分析，在算法選擇上，本文認(rèn)為PLSA算法能更加突出地解決大樣本下專利文本的詞性標(biāo)注和關(guān)鍵詞抽取問題，相較于其他方法更加高效，同時(shí)通過文檔-詞語間的概率轉(zhuǎn)換關(guān)系，能最大程度確保關(guān)鍵詞抽取的精確度；在框架選擇上，本文選擇MapReduce計(jì)算框架完成關(guān)鍵詞抽取，因此能不受人工干預(yù)完成實(shí)驗(yàn)內(nèi)容；在模型選擇上，本文將改進(jìn)PTFM，構(gòu)建以技術(shù)應(yīng)用前景為指引的技術(shù)機(jī)會(huì)挖掘模型.

2 專利預(yù)測模型的提出及構(gòu)建

2.1 專利預(yù)測模型的內(nèi)涵

在PTFM的基礎(chǔ)上，創(chuàng)新性的添加第三維——價(jià)值維.即價(jià)值維與技術(shù)維和功效維一起共同構(gòu)成三維的專利預(yù)測模型.專利預(yù)測模型是基于專利的、以價(jià)值為導(dǎo)向的、提供技術(shù)機(jī)會(huì)前景預(yù)測的技術(shù)應(yīng)用模型.專利預(yù)測模型的構(gòu)建流程如圖1所示.

圖1 專利預(yù)測模型構(gòu)建流程Fig.1 Construction process of patent prediction model

實(shí)驗(yàn)環(huán)境由3臺(tái)計(jì)算機(jī)搭建，在Java 8.1環(huán)境中使用Python語言，采用PLSA算法，基于MapReduce計(jì)算框架對(duì)專利文本進(jìn)行挖掘.

2.2 技術(shù)維和功效維的構(gòu)建

專利預(yù)測模型的x軸是技術(shù)維，其坐標(biāo)上為技術(shù)關(guān)鍵詞，技術(shù)關(guān)鍵詞是領(lǐng)域內(nèi)高頻技術(shù)方案和技術(shù)特征的展示，代表確定領(lǐng)域密集技術(shù)方向，為未來技術(shù)發(fā)展提供預(yù)見依據(jù).專利預(yù)測模型的y軸是功效維，其坐標(biāo)上功效關(guān)鍵詞，功效關(guān)鍵詞是領(lǐng)域內(nèi)專利技術(shù)解決方案的展示，代表確定領(lǐng)域的技術(shù)功能，為未來技術(shù)應(yīng)用功能的創(chuàng)新提供預(yù)見依據(jù).技術(shù)維和功效維的構(gòu)建步驟如下：

步驟1專利源數(shù)據(jù)獲取.德溫特專利索引數(shù)據(jù)庫(DII)中的專利已是二次加工的數(shù)據(jù)，具有格式規(guī)范、噪音小的特點(diǎn)[30].因此選擇DII中的專利摘要文本為源數(shù)據(jù).

步驟2基于自然語言處理工具(NLTK)的文本預(yù)處理.專利摘要文本為自然語言，在計(jì)算機(jī)直接處理前，需通過預(yù)處理，對(duì)文檔進(jìn)行分詞，除去停用詞，標(biāo)注詞性，并確定線索詞.① 詞性標(biāo)注.技術(shù)關(guān)鍵詞和功效關(guān)鍵詞一般為獨(dú)立名詞或名詞與名詞的組合，因此可以通過詞性標(biāo)注來提高關(guān)鍵詞抽取的有效性.本文選擇對(duì)專利摘要文本中“USE”和“ADVANTAGE”兩部分的文本進(jìn)行詞性標(biāo)注，技術(shù)關(guān)鍵詞為名詞， 功效關(guān)鍵詞為形容詞.② 確定功效關(guān)鍵詞的線索詞.本文使用同義詞典中的特定動(dòng)詞對(duì)功效關(guān)鍵詞定位， 這些特定動(dòng)詞就是確定功效關(guān)鍵詞的線索詞，使用線索詞，可以顯著提高專利功效關(guān)鍵詞挖掘的速度和正確率.功效關(guān)鍵詞的線索詞如表1所示.

表1 確定功效關(guān)鍵詞的線索詞Tab.1 Clue words for determination of function keywords

步驟3在MapReduce計(jì)算框架之中，基于 PLSA 算法，抽取并計(jì)算技術(shù)關(guān)鍵詞的詞頻，同時(shí)將結(jié)果輸出；抽取并統(tǒng)計(jì)功效關(guān)鍵詞的詞頻，同時(shí)將結(jié)果輸出.

2.3 價(jià)值維的構(gòu)建

本文采用專利價(jià)值來表示對(duì)技術(shù)應(yīng)用前景的評(píng)估.在評(píng)估專利價(jià)值方法選擇上，熵權(quán)-TOPSIS法具有樣本容量大、不受參考序列選擇的干擾，信息失真小、運(yùn)算靈活及應(yīng)用領(lǐng)域廣等優(yōu)點(diǎn)[31]，因此選擇該方法對(duì)專利價(jià)值進(jìn)行評(píng)估.

2.3.1基于DMC的應(yīng)用主題域確定 德溫特手工代碼(DMC)是DII數(shù)據(jù)庫中的專業(yè)人員按照嚴(yán)格標(biāo)引準(zhǔn)則分配給每例專利的分類代碼，本文使用DMC作為應(yīng)用主題域.由于專利被引次數(shù)和引用關(guān)系的相關(guān)研究是目前預(yù)測技術(shù)前景趨勢的重要指標(biāo)[32-34]，本文選擇確定領(lǐng)域內(nèi)前1000例高被引專利，統(tǒng)計(jì)其DMC，并篩選出頻率最高的25個(gè)DMC，把DMC轉(zhuǎn)化為所屬應(yīng)用主題域.

2.3.2專利價(jià)值評(píng)價(jià)指標(biāo)體系構(gòu)建 基于前人研究，本文從專利技術(shù)價(jià)值、專利市場價(jià)值和專利權(quán)利價(jià)值三個(gè)方面來構(gòu)建專利價(jià)值評(píng)價(jià)指標(biāo)體系[35-36].該指標(biāo)體系共有3個(gè)一級(jí)指標(biāo)、9個(gè)二級(jí)指標(biāo)，具體指標(biāo)項(xiàng)、指標(biāo)含義及作用方向如表2所示.

表2 專利價(jià)值評(píng)價(jià)指標(biāo)體系Tab.2 Evaluation index system of patent value

2.3.3指標(biāo)打分及數(shù)據(jù)采集 聘請(qǐng)熟悉某領(lǐng)域的學(xué)者、管理人員和專利知識(shí)產(chǎn)權(quán)法律工作者進(jìn)行打分，采用10分制對(duì)每個(gè)二級(jí)指標(biāo)進(jìn)行打分，其中10分為最高，1分為最低.

2.3.4熵權(quán)法下權(quán)重的計(jì)算 熵權(quán)法是一種有效確定各評(píng)價(jià)指標(biāo)權(quán)重的方法.設(shè)有m個(gè)應(yīng)用主題域，n個(gè)評(píng)價(jià)指標(biāo)，則對(duì)應(yīng)的評(píng)價(jià)指標(biāo)決策矩陣可表示為

(5)

(6)

對(duì)Dij進(jìn)行歸一化處理，即

(7)

計(jì)算第j個(gè)指標(biāo)的熵值可表示為

(8)

因此第j個(gè)指標(biāo)的權(quán)重系數(shù)可表示為

(9)

2.3.5基于TOPSIS法的專利價(jià)值評(píng)估 TOPSIS法是由Hwang等[37]于1981年首次提出的，該方法的核心是逼近理想解的排序，基本思路是衡量被評(píng)價(jià)指標(biāo)現(xiàn)實(shí)狀態(tài)與理想狀態(tài)的歐氏距離，從而對(duì)其實(shí)現(xiàn)評(píng)估.TOPSIS法已被廣泛應(yīng)用于對(duì)有限方案進(jìn)行多目標(biāo)評(píng)價(jià)決策領(lǐng)域[38-40].

以式(9)為基礎(chǔ)構(gòu)建標(biāo)準(zhǔn)化權(quán)重矩陣：

(10)

(11)

(12)

計(jì)算每個(gè)應(yīng)用主題域的各指標(biāo)值與正理想解間的歐式距離為

(13)

計(jì)算每個(gè)應(yīng)用主題域的各指標(biāo)值與負(fù)理想解間的歐式距離為

(14)

則各應(yīng)用主題域與正負(fù)理想解的相對(duì)接近程度為

(15)

2.3.6專利價(jià)值等級(jí)的劃分標(biāo)準(zhǔn) 按相對(duì)接近度的大小將專利價(jià)值進(jìn)行10分制轉(zhuǎn)換，把最高的相對(duì)接近度定為10，對(duì)專利價(jià)值得分tj依次折算并取整：

(16)

在確定應(yīng)用主題域得分后，將該得分按照專利價(jià)值劃分標(biāo)準(zhǔn)進(jìn)行劃分，可以得到專利價(jià)值所屬區(qū)域.專利價(jià)值的劃分標(biāo)準(zhǔn)、等級(jí)評(píng)定及所屬區(qū)域如表3所示.

表3 專利價(jià)值等級(jí)劃分Tab.3 Delimitation of patent value grades

2.4 單元項(xiàng)的填充

專利預(yù)測模型中的單元項(xiàng)指處于相應(yīng)技術(shù)關(guān)鍵詞、功效關(guān)鍵詞和DMC交叉點(diǎn)上的專利組合.單元項(xiàng)填充，就是對(duì)具有相應(yīng)技術(shù)關(guān)鍵詞、功效關(guān)鍵詞和DMC坐標(biāo)點(diǎn)上的專利組合數(shù)量進(jìn)行的聚類統(tǒng)計(jì).PTFM中單元項(xiàng)填充一般由技術(shù)關(guān)鍵詞和功效關(guān)鍵詞的共現(xiàn)矩陣確定，因此本文在沿用共現(xiàn)矩陣進(jìn)行專利聚類的基礎(chǔ)上，通過先遴選共現(xiàn)矩陣再以DMC篩選的方式，填充專利預(yù)測模型中的單元項(xiàng).基于MapReduce計(jì)算框架的單元項(xiàng)填充流程如圖2所示.

圖2 基于MapReduce計(jì)算框架的單元項(xiàng)填充流程Fig.2 Element item filling process based on MapReduce computing framework

2.5 專利預(yù)測模型的可視化

綜合以上分析，得到專利預(yù)測模型的技術(shù)維、功效維和價(jià)值維，分別按照x軸、y軸和z軸的順序置于三維坐標(biāo)系中，同時(shí)結(jié)合專利預(yù)測模型的單元項(xiàng)，通過Origin 2019b軟件，可視化為三維的專利預(yù)測模型.

2.6 基于專利預(yù)測模型的技術(shù)機(jī)會(huì)挖掘步驟和標(biāo)準(zhǔn)

步驟1繪制專利預(yù)測地圖.專利組合是具有同一技術(shù)關(guān)鍵詞和同一功效關(guān)鍵詞的專利所組成的集合，某區(qū)域內(nèi)專利組合越多，說明專利組合越密集.以專利組合的密集程度為專利預(yù)測地圖的x軸，以專利價(jià)值程度為專利預(yù)測地圖的y軸，繪制專利預(yù)測地圖.

步驟2挖掘優(yōu)先級(jí)的技術(shù)機(jī)會(huì).價(jià)值原則下的優(yōu)先級(jí)技術(shù)機(jī)會(huì)挖掘標(biāo)準(zhǔn)為：在同一專利價(jià)值等級(jí)區(qū)域內(nèi)比較各專利價(jià)值得分下的專利組合總數(shù)，專利組合總數(shù)最少的專利組合所代表的技術(shù)方向即為優(yōu)先級(jí)技術(shù)機(jī)會(huì).在一級(jí)、二級(jí)、三級(jí)專利價(jià)值區(qū)域中，分別選擇專利組合總數(shù)最少的專利組合所代表的方向?yàn)閮?yōu)先級(jí)的技術(shù)機(jī)會(huì).

步驟3挖掘次級(jí)的技術(shù)機(jī)會(huì).在價(jià)值原則下的次級(jí)挖掘標(biāo)準(zhǔn)如下：比較不同的專利價(jià)值等級(jí)區(qū)域中專利組合的總數(shù)，專利價(jià)值比較高的專利組合即為次級(jí)的技術(shù)機(jī)會(huì).也就是說，對(duì)一級(jí)和二級(jí)專利價(jià)值區(qū)域、二級(jí)和三級(jí)專利價(jià)值區(qū)域內(nèi)的專利組合分別進(jìn)行兩兩比較，選擇專利組合總數(shù)相近但是專利價(jià)值更高的專利組合所代表的方向?yàn)榇渭?jí)技術(shù)機(jī)會(huì).

步驟4對(duì)已挖掘出的技術(shù)機(jī)會(huì)排序并描述.遵循價(jià)值原則的技術(shù)機(jī)會(huì)研發(fā)順序，即根據(jù)專利價(jià)值的高低，首先對(duì)優(yōu)先級(jí)的技術(shù)機(jī)會(huì)進(jìn)行研發(fā)創(chuàng)新，再對(duì)次級(jí)的技術(shù)機(jī)會(huì)進(jìn)行研發(fā)創(chuàng)新，最后對(duì)所有的技術(shù)機(jī)會(huì)進(jìn)行描述.

3 專利預(yù)測模型的應(yīng)用：以鈦領(lǐng)域?yàn)槔?/h2>

3.1 鈦領(lǐng)域的概況

鈦及鈦合金因其優(yōu)良的超導(dǎo)性、形狀記憶性和生物相容性而被廣泛地應(yīng)用于航空、航天、航海、兵器、石油、化工、冶金、電力、醫(yī)療、制藥、建筑、海洋工程、體育休閑等領(lǐng)域.它既是航空航天、艦船兵器、海洋工程等軍工高技術(shù)領(lǐng)域不可或缺的關(guān)鍵性結(jié)構(gòu)材料，也是現(xiàn)代醫(yī)療、制藥、建筑、體育休閑等民用領(lǐng)域至關(guān)重要的拓展性新興材料.目前，鈦的應(yīng)用量和鈦工業(yè)的發(fā)展水平已經(jīng)成為衡量國家實(shí)力的重要標(biāo)志之一.

3.2 鈦領(lǐng)域?qū)＠A(yù)測模型的技術(shù)維和功效維構(gòu)建

3.2.1專利源數(shù)據(jù)獲取 專利有效期為20年，為更加全面展示鈦領(lǐng)域的專利技術(shù)創(chuàng)新點(diǎn)和發(fā)展方向，本文在DII數(shù)據(jù)庫按以下檢索策略進(jìn)行檢索，如表4所示.

表4 構(gòu)建技術(shù)維和功效維的專利檢索策略

3.2.2使用NLTK的源數(shù)據(jù)預(yù)處理 使用NLTK對(duì)專利摘要文本進(jìn)行源數(shù)據(jù)預(yù)處理，并進(jìn)行清洗.為使技術(shù)關(guān)鍵詞和功效關(guān)鍵詞抽取的更加準(zhǔn)確，本文使用NLTK對(duì)鈦領(lǐng)域?qū)＠谋具M(jìn)行分隔以及詞性標(biāo)注.

3.2.3基于MapReduce的技術(shù)關(guān)鍵詞和功效關(guān)鍵詞抽取及詞頻統(tǒng)計(jì) 基于MapReduce計(jì)算框架對(duì)鈦領(lǐng)域?qū)＠A(yù)測模型的技術(shù)關(guān)鍵詞及詞頻進(jìn)行抽取和計(jì)算.把技術(shù)關(guān)鍵詞抽取結(jié)果以 .xlsx 格式輸出，得到鈦領(lǐng)域?qū)＠夹g(shù)關(guān)鍵詞.為集中體現(xiàn)鈦領(lǐng)域?qū)＠季?，也為使專利預(yù)測模型更直觀可見，本文統(tǒng)計(jì)出現(xiàn)頻率前25高的技術(shù)關(guān)鍵詞，如表5所示.

表5 技術(shù)關(guān)鍵詞的抽取及詞頻統(tǒng)計(jì)Tab.5 Extraction and word frequency statistics of technology keywords

同樣基于MapReduce計(jì)算框架對(duì)鈦領(lǐng)域?qū)＠墓πшP(guān)鍵詞及詞頻進(jìn)行抽取和統(tǒng)計(jì).把抽取結(jié)果按 .xlsx 格式輸出，得到基于MapReduce計(jì)算框架的鈦領(lǐng)域功效關(guān)鍵詞的詞頻計(jì)算結(jié)果，本文統(tǒng)計(jì)前25個(gè)功效關(guān)鍵詞，如表6所示.

表6 功效關(guān)鍵詞的抽取及詞頻統(tǒng)計(jì)

3.3 鈦領(lǐng)域?qū)＠A(yù)測模型的價(jià)值維

3.3.1專利源數(shù)據(jù)獲取 為最大范圍地評(píng)價(jià)專利價(jià)值，本文進(jìn)行源數(shù)據(jù)獲取時(shí)選定檢索期限為20年，使用的專利檢索策略與表4相同，在數(shù)據(jù)下載時(shí)，按“被引頻次”降序排列，下載 1 000 項(xiàng)最高被引專利.

3.3.2基于DMC的應(yīng)用主題域確定 提取檢索結(jié)果，統(tǒng)計(jì)前25個(gè)高頻DMC，并將DMC轉(zhuǎn)化為應(yīng)用主題域[41]，如表7所示.

表7 前25個(gè)高頻DMC對(duì)應(yīng)的應(yīng)用主題域Tab.7 Subject areas from top 25 high frequency DMC

3.3.3指標(biāo)打分及數(shù)據(jù)采集 清華大學(xué)機(jī)械工程學(xué)院、西安交通大學(xué)材料科學(xué)與工程學(xué)院、西北工業(yè)大學(xué)管理學(xué)院、西北工業(yè)大學(xué)材料學(xué)院、西安理工大學(xué)材料科學(xué)與工程學(xué)院的專家學(xué)者，寶雞工業(yè)技術(shù)創(chuàng)新有限公司、寶鈦集團(tuán)、西北有色金屬研究院中層以上技術(shù)經(jīng)理、產(chǎn)品經(jīng)理、市場經(jīng)理以及涉鈦知識(shí)產(chǎn)權(quán)律師為二級(jí)指標(biāo)打分.針對(duì)鈦領(lǐng)域應(yīng)用主題域?qū)＠麅r(jià)值情況，采用線下與線上相結(jié)合的發(fā)放問卷的方式，一共發(fā)放600份調(diào)查問卷，回收491份，有效問卷473份，問卷回收有效率達(dá)78.83%.

3.3.4二級(jí)指標(biāo)權(quán)重的計(jì)算 根據(jù)2.3.2節(jié)中構(gòu)建出的專利價(jià)值指標(biāo)體系，以及式(8)和(9)，計(jì)算可得各二級(jí)指標(biāo)的熵值和權(quán)重，計(jì)算結(jié)果如表8所示.

表8 二級(jí)指標(biāo)的熵值和權(quán)重Tab.8 Entropy and weights of secondary targets

3.3.5專利價(jià)值評(píng)估 根據(jù)式(15)計(jì)算各應(yīng)用主題域的相對(duì)接近度Ei，同時(shí)對(duì)相對(duì)接近度進(jìn)行10分制轉(zhuǎn)換并取整，得到各應(yīng)用主題域?qū)＠麅r(jià)值的得分ti，并對(duì)其排序，如表9所示.

表9 應(yīng)用主題域的相對(duì)接近度和專利價(jià)值得分

3.3.6專利價(jià)值等級(jí)確定 根據(jù)表3可以得到鈦領(lǐng)域應(yīng)用主題域的專利價(jià)值等級(jí)，劃分結(jié)果如表10所示.

表10 鈦領(lǐng)域應(yīng)用主題域的專利價(jià)值等級(jí)劃分

3.4 鈦領(lǐng)域?qū)＠A(yù)測模型的單元項(xiàng)填充

3.4.1專利源數(shù)據(jù)獲取 鈦領(lǐng)域的專利預(yù)測模型中單元項(xiàng)填充的專利檢索策略與表4相同.

3.4.2基于MapReduce計(jì)算框架的單元項(xiàng)填充 根據(jù)單元項(xiàng)填充流程，本文以技術(shù)關(guān)鍵詞和功效關(guān)鍵詞生成技術(shù)功效共現(xiàn)矩陣，采用MapReduce計(jì)算框架對(duì)技術(shù)功效共現(xiàn)矩陣進(jìn)行降維處理，輸出包含相應(yīng)技術(shù)特征詞和功效特征詞的專利文檔，并統(tǒng)計(jì)專利文檔的個(gè)數(shù).此后，采用MapReduce計(jì)算框架，以25個(gè)DMC為基準(zhǔn)對(duì)已篩選出的專利文檔再次篩選，得到的專利文檔即為目標(biāo)文檔，其個(gè)數(shù)即為專利預(yù)測模型的單元項(xiàng).

3.5 鈦領(lǐng)域?qū)＠A(yù)測模型的可視化

根據(jù)已確定出鈦領(lǐng)域的技術(shù)維、功效維、價(jià)值維以及單元項(xiàng)填充結(jié)果，以技術(shù)維為x軸，功效維為y軸，價(jià)值維為z軸，結(jié)合單元項(xiàng)填充結(jié)果建立空間直角坐標(biāo)系搭建專利預(yù)測模型，并通過Origin 2019b軟件實(shí)現(xiàn)可視化.由于在x軸和y軸上使用全文字標(biāo)注會(huì)導(dǎo)致三維專利預(yù)測模型不夠清晰，所以本文使用代號(hào)表示相應(yīng)坐標(biāo)文字，代號(hào)與坐標(biāo)文字的一一對(duì)應(yīng)關(guān)系如表5和6所示.鈦領(lǐng)域的專利預(yù)測模型如圖3所示.

圖3 鈦領(lǐng)域的專利預(yù)測模型Fig.3 Patent prediction model for titanium field

4 基于專利預(yù)測模型挖掘鈦領(lǐng)域的技術(shù)機(jī)會(huì)

根據(jù)技術(shù)機(jī)會(huì)的挖掘步驟，結(jié)合圖3，可對(duì)鈦領(lǐng)域的技術(shù)機(jī)會(huì)進(jìn)行挖掘.

4.1 鈦領(lǐng)域的專利預(yù)測地圖

根據(jù)圖3，繪制鈦領(lǐng)域內(nèi)的專利預(yù)測地圖，如圖4所示.

圖4 鈦領(lǐng)域的專利預(yù)測地圖Fig.4 Patent prediction map for titanium field

4.2 鈦領(lǐng)域的技術(shù)機(jī)會(huì)挖掘

4.2.1優(yōu)先級(jí)的技術(shù)機(jī)會(huì)挖掘

(1) 一級(jí)專利價(jià)值等級(jí)區(qū)域中的技術(shù)機(jī)會(huì).該區(qū)域中專利組合有896個(gè)，專利價(jià)值為10分的專利組合有433個(gè)，專利價(jià)值為8分的專利組合有164個(gè)，專利價(jià)值為7分的專利組合有299個(gè).因此，在一級(jí)專利價(jià)值等級(jí)區(qū)域中，按照基于專利預(yù)測模型的技術(shù)機(jī)會(huì)挖掘步驟2，標(biāo)準(zhǔn)①進(jìn)行挖掘，選擇專利價(jià)值得分8分中的專利組合為技術(shù)機(jī)會(huì).

(2) 二級(jí)專利價(jià)值等級(jí)區(qū)域中的技術(shù)機(jī)會(huì).該區(qū)域中專利組合有 2 451 個(gè)，專利價(jià)值為6分的專利組合有194個(gè)，專利價(jià)值為5分的專利組合有892個(gè)，專利價(jià)值為4分的專利組合有 1 365 個(gè).因此，在二級(jí)專利價(jià)值等級(jí)區(qū)域中，按照基于專利預(yù)測模型的技術(shù)機(jī)會(huì)挖掘步驟2，選擇專利價(jià)值得分為6分的專利組合為技術(shù)機(jī)會(huì).

(3) 三級(jí)專利價(jià)值等級(jí)區(qū)域中的技術(shù)機(jī)會(huì).該區(qū)域中專利組合有 1 057 個(gè)，專利價(jià)值為3分的專利組合有157個(gè)，專利價(jià)值為2分的專利組合有370個(gè)，專利價(jià)值為1分的專利組合有530個(gè).因此，在三級(jí)專利價(jià)值等級(jí)區(qū)域中，按照基于專利預(yù)測模型的技術(shù)機(jī)會(huì)挖掘步驟2，選擇專利價(jià)值得分為3分的專利組合為技術(shù)機(jī)會(huì).

綜上，優(yōu)先級(jí)的技術(shù)機(jī)會(huì)為得分是8分、6分以及3分的專利組合.

4.2.2次級(jí)的技術(shù)機(jī)會(huì)挖掘 比較不同專利價(jià)值得分區(qū)域，專利價(jià)值數(shù)量相近的專利組合為7分和2分的組合，以及10分和1分的組合.按照基于專利預(yù)測模型的技術(shù)機(jī)會(huì)挖掘步驟3，認(rèn)為次級(jí)的技術(shù)機(jī)會(huì)為得分是7分和10分的專利組合.

4.2.3技術(shù)機(jī)會(huì)排序并描述 按照優(yōu)先級(jí)和次級(jí)的技術(shù)機(jī)會(huì)的順序，對(duì)鈦領(lǐng)域內(nèi)的技術(shù)機(jī)會(huì)進(jìn)行描述，如表11所示.

由表11可知，根據(jù)專利預(yù)測模型，在鈦領(lǐng)域中共有5個(gè)技術(shù)機(jī)會(huì)，根據(jù)其優(yōu)先級(jí)別給予研發(fā)順序的建議.其中①、②、③為優(yōu)先級(jí)的技術(shù)機(jī)會(huì)，④和⑤為次級(jí)的技術(shù)機(jī)會(huì).

表11 專利預(yù)測模型下鈦領(lǐng)域的技術(shù)機(jī)會(huì)Tab.11 Technology opportunities in titanium field under patent prediction model

事實(shí)上，把技術(shù)機(jī)會(huì)按照優(yōu)先級(jí)和次級(jí)的順序進(jìn)行了排列，可以更好地為資源有限型創(chuàng)新主體提供導(dǎo)航式的研發(fā)建議.這主要是因?yàn)閯?chuàng)新主體大多受制于資金、人員等資源，對(duì)領(lǐng)域內(nèi)的技術(shù)機(jī)會(huì)進(jìn)行全覆蓋式的研發(fā)顯然不現(xiàn)實(shí).因此幫助創(chuàng)新主體在力所能及的范圍內(nèi)選擇適合的技術(shù)機(jī)會(huì)，展開導(dǎo)航式的技術(shù)研發(fā)，有助于提升其技術(shù)創(chuàng)新效率，提高技術(shù)創(chuàng)新成功率.同時(shí)由于技術(shù)機(jī)會(huì)是基于已有專利展開的，所以還能有效降低專利侵權(quán)的風(fēng)險(xiǎn)，保障創(chuàng)新型鈦領(lǐng)域自主知識(shí)產(chǎn)權(quán)主體的基本權(quán)益.

5 結(jié)語

本文以采用PLSA算法，基于MapReduce計(jì)算框架，以海量專利為樣本，構(gòu)建三維的專利預(yù)測模型以實(shí)現(xiàn)對(duì)技術(shù)機(jī)會(huì)的挖掘，并以鈦領(lǐng)域?yàn)槔M(jìn)行了應(yīng)用.該模型不僅能通過專利發(fā)現(xiàn)技術(shù)研發(fā)的熱點(diǎn)和空白點(diǎn)，同時(shí)突出了專利價(jià)值對(duì)技術(shù)前景的引導(dǎo)功能，使研發(fā)主體能更加清晰地掌握具有應(yīng)用前景的技術(shù)，明確技術(shù)研發(fā)的目標(biāo)，更迅速地定位技術(shù)研發(fā)過程中的重點(diǎn)和難點(diǎn)，幫助其提高技術(shù)研發(fā)的效率，有效節(jié)約了資源成本和時(shí)間成本，深化技術(shù)機(jī)會(huì)的內(nèi)涵，輔助決策者制定更加明確的技術(shù)研發(fā)戰(zhàn)略.

本文也存在一定的局限性.在樣本選取上，未來還可以考慮其他形式的專利，如國防專利，以滿足國防技術(shù)創(chuàng)新需要.此外，在對(duì)專利預(yù)測模型的應(yīng)用上，未來還可以考慮雙專利預(yù)測模型，即通過比較分析方法，比較先進(jìn)主體和落后主體在同一領(lǐng)域內(nèi)的專利預(yù)測模型，通過尋找二者的差異，為落后主體挖掘潛在的技術(shù)機(jī)會(huì).