康旭東，鄧樂(lè)樂(lè)，王宇開(kāi)，楊中楷

（1. 大連理工大學(xué)技術(shù)研究開(kāi)發(fā)院，大連 116024；2. 大連理工大學(xué)科學(xué)學(xué)與科技管理研究所，大連 116024）

1 引 言

繼承性、發(fā)展性和積累性是技術(shù)創(chuàng)新活動(dòng)中最顯著的特點(diǎn)[1]，幾乎所有的發(fā)明創(chuàng)造都是吸取前人的研究成果，繼而消化吸收、總結(jié)拓展出新的創(chuàng)造性成果。專利作為技術(shù)創(chuàng)新的載體，專利之間的引用關(guān)系代表著技術(shù)之間的相互影響，施引可以反映相關(guān)的技術(shù)來(lái)源，而被引則表示本技術(shù)對(duì)后續(xù)技術(shù)發(fā)展的貢獻(xiàn)。一般來(lái)說(shuō)，專利的被引頻次越高表示受其影響的后續(xù)技術(shù)越多，該專利涵蓋的技術(shù)就越重要[2-3]。目前，已經(jīng)有多數(shù)學(xué)者研究表明，直接被引頻次可作為專利學(xué)術(shù)價(jià)值和技術(shù)影響力的測(cè)度。例如，國(guó)外學(xué)者Albert 等[4]研究發(fā)現(xiàn)，被引次數(shù)越高，專利價(jià)值和技術(shù)影響力越高；國(guó)內(nèi)學(xué)者肖國(guó)華等[5]構(gòu)建了基于被引頻次的專利評(píng)價(jià)指標(biāo)，用被引頻次衡量專利的技術(shù)影響力，這意味著被引頻次已經(jīng)成為評(píng)價(jià)專利影響力比較公認(rèn)的指標(biāo)。

科學(xué)技術(shù)是一個(gè)積累過(guò)程，每個(gè)研究人員的成果本質(zhì)上都是基于大量先前的工作，而不僅僅是直接引用的文獻(xiàn)[6]。從專利引文網(wǎng)絡(luò)來(lái)看，技術(shù)的進(jìn)化和發(fā)展是連續(xù)的，在網(wǎng)絡(luò)中縱橫交錯(cuò)的每條 “引證鏈” 背后，知識(shí)在一代代繼承和重組，技術(shù)在一代代創(chuàng)新和進(jìn)步[7-8]。也許前后的專利技術(shù)差異很大，但是兩者之間必然擁有內(nèi)在的科學(xué)知識(shí)聯(lián)系[9-10]。專利的影響力擴(kuò)散絕不止步于一代引用關(guān)系，而是隨著引用關(guān)系（間接引用）的增加不斷傳播和累積。雖然直接被引頻次在一定程度上能夠衡量專利影響力，但是 “一代” 的引用關(guān)系僅僅代表部分影響力，忽視了間接引用對(duì)專利影響力的貢獻(xiàn)。因此，在衡量專利的影響力時(shí)，本研究有必要以累積影響力的視角，著眼于整個(gè)傳播過(guò)程，而不是局限于一次的引用，既要考慮直接影響，又要考慮間接影響。

為了綜合考慮直接引用和間接引用對(duì)技術(shù)影響力的貢獻(xiàn)，國(guó)內(nèi)外的學(xué)者們提出了一些具有代表性的方法。例如，Trajtenberg 等[11]考慮了兩代引證關(guān)系，將直接被引權(quán)重設(shè)為1，而間接被引的權(quán)重設(shè)為0.5，用兩代的加權(quán)累積被引次數(shù)來(lái)衡量專利質(zhì)量高低；von Wartburg 等[12]認(rèn)為更長(zhǎng)的 “引用鏈” 才能獲取更全面和準(zhǔn)確的評(píng)價(jià)；Atallah 等[13]研究更深一步，綜合考慮了全代引證和引證質(zhì)量，計(jì)算全路徑的累積被引頻次，宏觀上分析了不同領(lǐng)域的專利累積被引頻次的差異以及年度變化趨勢(shì)；胡小君[14]將 “引用代” 運(yùn)用到評(píng)價(jià)科學(xué)影響力上，認(rèn)為隨著 “引用代” 的增加，專利的影響力應(yīng)逐漸累積、增加；馮嶺等[15]在評(píng)價(jià)專利價(jià)值方面采用一種 “潛在引用網(wǎng)絡(luò)” ，通過(guò)利用專利文獻(xiàn)的相似度構(gòu)造引用關(guān)系，計(jì)算專利的累積價(jià)值。另外，PageRank算法也是學(xué)者們推崇的技術(shù)影響力評(píng)價(jià)方法，經(jīng)過(guò)不斷改進(jìn)和完善，在實(shí)際應(yīng)用中已取得了一定的效果[16-17]。

以往的研究大都只是在片面強(qiáng)調(diào)累積影響力的重要性，偏向宏觀的統(tǒng)計(jì)描述分析，缺乏對(duì)專利累積影響力的差異原因、變化趨勢(shì)等進(jìn)行微觀層次的詳細(xì)闡述。雖然基于PageRank 算法的評(píng)價(jià)方法與影響力擴(kuò)散密切相關(guān)，但是PageRank 算法依賴的是隨機(jī)游走的權(quán)值計(jì)算方式，并不考慮技術(shù)起源和技術(shù)進(jìn)化路徑，也很難分析引文網(wǎng)絡(luò)結(jié)構(gòu)對(duì)累積影響力的影響。因此，本研究將從技術(shù)進(jìn)化的角度，構(gòu)建專利引文網(wǎng)絡(luò)，分析影響力擴(kuò)散路徑，計(jì)算 “全代引證” 的累積影響力，力求更能夠客觀、全面的反映專利的技術(shù)貢獻(xiàn)和學(xué)術(shù)價(jià)值。此外，本研究深度剖析專利引文網(wǎng)絡(luò)的微觀結(jié)構(gòu)，展示引用過(guò)程逐漸復(fù)雜的變化軌跡，找出累積影響力的差異原因，并對(duì)累積影響力變化趨勢(shì)做出嘗試性預(yù)測(cè)。專利作為國(guó)家和企業(yè)的強(qiáng)有力競(jìng)爭(zhēng)手段，把握核心影響力技術(shù)顯得尤為重要，本研究為挖掘具有高影響力或高價(jià)值的技術(shù)提供方法指引。

2 數(shù)據(jù)來(lái)源和研究方法

2.1 樣本選擇

悉尼·布倫納是公認(rèn)的當(dāng)代最偉大的生物學(xué)家之一，其研究涉及DNA 編碼、基因測(cè)序、胚胎發(fā)育和生物進(jìn)化，涵蓋了整個(gè)現(xiàn)代生命科學(xué)領(lǐng)域。同時(shí)，布倫納在職業(yè)研究過(guò)程中也申請(qǐng)了多項(xiàng)相關(guān)的專利，其不僅是一位頂尖科學(xué)家，更是一名高產(chǎn)的發(fā)明家。本文旨在研究專利的累積影響力，專利的技術(shù)影響力越高，即專利引證越多，研究結(jié)果就越準(zhǔn)確。現(xiàn)有研究表明，生物領(lǐng)域中的專利引用行為較為頻繁[18]，加上布倫納本身作為諾獎(jiǎng)得主，其申請(qǐng)專利的技術(shù)影響力較高，非常適合本文對(duì)專利累積影響力的研究。因此，本文選取悉尼·布倫納申請(qǐng)的關(guān)于基因編碼和遺傳信息的全部授權(quán)專利，以此為研究素材，計(jì)算 “全代” 影響力，分析引文網(wǎng)絡(luò)微觀結(jié)構(gòu)，挖掘?qū)＠鄯e影響力與引文網(wǎng)絡(luò)的關(guān)聯(lián)。

2.2 數(shù)據(jù)檢索與處理

美國(guó)專利全文數(shù)據(jù)庫(kù)擁有較為全面且權(quán)威的專利引文信息，便于研究人員對(duì)數(shù)據(jù)進(jìn)行更深層次的加工分析，是眾多學(xué)者研究專利引文的優(yōu)先選擇[19]。本文以美國(guó)專利數(shù)據(jù)庫(kù)授權(quán)庫(kù)中悉尼·布倫納申請(qǐng)的相關(guān)專利為研究對(duì)象進(jìn)行分析。

首先，獲取所有目標(biāo)專利。具體檢索過(guò)程為：選取授權(quán)庫(kù)（PatFT）→選取高級(jí)檢索→輸入檢索式：IN/Brenner-Sydney （發(fā)明人/悉尼·布倫納），檢索時(shí)間為2019 年9 月1 日，經(jīng)篩選共檢索到有效專利91 個(gè)。由圖1 可知悉尼·布倫納授權(quán)專利年度分布情況，最早一篇專利是在1992 年授權(quán)，期間最多一年授權(quán)專利可達(dá)8 件，最終截止到2019 年。

圖1 專利授權(quán)數(shù)量年度分布

其次，構(gòu)建全庫(kù)引證關(guān)系。理論上獲取任何一個(gè)專利的全代引證關(guān)系，都需要獲取美國(guó)專利數(shù)據(jù)庫(kù)中全庫(kù)的引文信息。本研究采用的是USPTO 提供的批量下載數(shù)據(jù)文件，其內(nèi)部包含平臺(tái)定期根據(jù)美國(guó)專利數(shù)據(jù)庫(kù)中整理后的授權(quán)專利之間的引用關(guān)系。雖然與專利全文數(shù)據(jù)庫(kù)的數(shù)據(jù)存在一定的時(shí)間差，但已能夠滿足研究人員使用。獲取數(shù)據(jù)后，處理成一一對(duì)應(yīng)的引用關(guān)系，以方便作進(jìn)一步處理。

最后，獲取目標(biāo)專利的全代施引專利。獲取全部的引用關(guān)系后，通過(guò)自編程迭代計(jì)算91 個(gè)目標(biāo)專利的全部施引專利，計(jì)算結(jié)果的數(shù)據(jù)格式如表1所示。每一行代表一條完整的引證路徑，每一列代表不同的引證代。其中，Gen0 表示目標(biāo)專利US6352828，后續(xù)的Gen1、Gen2……Gen5 是每一代的施引專利，null 代表無(wú)施引專利。

2.3 影響力擴(kuò)散模型與評(píng)價(jià)指標(biāo)構(gòu)建

分析影響力擴(kuò)散過(guò)程是研究專利累積影響力的基礎(chǔ)，而影響力的擴(kuò)散與知識(shí)流動(dòng)是密切相關(guān)。圖2 為專利引用過(guò)程中知識(shí)流動(dòng)與影響力的傳播網(wǎng)絡(luò)圖，知識(shí)的流動(dòng)是建立在引證關(guān)系之上，構(gòu)建如圖2a 所示的知識(shí)流動(dòng)模型，目標(biāo)專利P0 的總體知識(shí)流動(dòng)方向依次為：第一代施引專利集合[Gen1]，第二代施引專利集合[Gen2]……到最后一代施引專利集合結(jié)束。具體來(lái)說(shuō)，由圖2a 可知，目標(biāo)專利的知識(shí)是隨著一條條 “引證鏈” 流向一代代施引專利的。專利之間知識(shí)的流動(dòng)帶來(lái)了技術(shù)之間的相互影響，因此，一個(gè)專利的影響力衡量應(yīng)是基于知識(shí)流動(dòng)的 “全代引證” 的累積結(jié)果，即把擴(kuò)散到所有引證代（[Gen1]、[Gen2]、[Gen3]……）的影響力匯聚于目標(biāo)專利本身。

本文通過(guò)知識(shí)流動(dòng)模型構(gòu)建如圖2b 所示的影響力擴(kuò)散網(wǎng)絡(luò)圖。構(gòu)建影響力擴(kuò)散模型有四個(gè)前提條件：①基于引用關(guān)系，構(gòu)建引文網(wǎng)絡(luò)，將專利文獻(xiàn)作為節(jié)點(diǎn)，忽略專利內(nèi)部包含的信息；②每個(gè)參考文獻(xiàn)專利對(duì)其施引專利同等重要，即每條直接引用的影響力值記為 “1” ；③專利的影響力可以表示為其他專利影響值的加權(quán)總和；④隨著引證路徑的增長(zhǎng)，引用關(guān)系對(duì)目標(biāo)專利的影響力貢獻(xiàn)逐漸減小。由圖2b 可知， “0” 節(jié)點(diǎn)是目標(biāo)專利，其影響力隨著引用關(guān)系的增加在逐漸擴(kuò)散，距離 “0” 越遠(yuǎn)的專利節(jié)點(diǎn)越?。伾降?，表示其受目標(biāo)專利的影響越??；灰色節(jié)點(diǎn)代表非施引專利，即不受目標(biāo)專利影響。網(wǎng)絡(luò)中任何一個(gè)專利節(jié)點(diǎn)p的累積影響力可表示為其中，i∈表示專利p的全代引證（直接施引和間接施引）專利；αi表示影響力貢獻(xiàn)權(quán)重；Ic表示每個(gè)引用的影響力值。

表1 專利US6352828全代施引專利計(jì)算結(jié)果

基于上述分析，借鑒Atallah 等[13]提出的基于全代引證的評(píng)價(jià)指標(biāo)——累積引證頻次，構(gòu)建專利累積影響力評(píng)價(jià)指標(biāo)。

首先，目標(biāo)專利每代的被引頻次計(jì)算公式：

其中，G表示引用代；N表示目標(biāo)專利p前向引文網(wǎng)絡(luò)中的全部專利；VG(p)表示目標(biāo)專利p第G代的被引頻次；V1(p)表示目標(biāo)專利p的直接被引頻次；QG-1(x)表示第G-1 代施引專利集合中的全部專利，當(dāng)G=1 時(shí)，QG-1(x)為目標(biāo)專利本身；δi(x)表示專利i是否引用專利x，如果引用，δi( )x為1，否則δi(x)為0。

進(jìn)一步地，可以計(jì)算目標(biāo)專利的全代引證頻次：

其中，K表示引證代；VG(p)表示每代的被引頻次。

最后，得到加權(quán)累積引證頻次，即累積影響力指數(shù)：

圖2 專利知識(shí)流動(dòng)與影響力傳播示意圖（彩圖請(qǐng)見(jiàn)http://qbxb.istic.ac.cn/CN/volumn/home.shtml）

需要說(shuō)明的是，不同路徑中專利引用可能存在重復(fù)的情況。如圖2b 中標(biāo)出的黃色和黑色節(jié)點(diǎn)，其中黃色節(jié)點(diǎn)表示一個(gè)專利同時(shí)引用了不同的專利，是屬于不同的引證關(guān)系；而黑色節(jié)點(diǎn)表示不同路徑中相同的引證關(guān)系。但是，影響力貢獻(xiàn)是基于不同的引證關(guān)系的，那么不管施引或被引的專利是否同代，本文都要把黃色節(jié)點(diǎn)的重復(fù)情況計(jì)算在內(nèi)，而把黑色節(jié)點(diǎn)的重復(fù)情況刪除。

3 直接被引頻次與累積影響力指數(shù)的對(duì)比分析

3.1 基本信息描述

表2 為按照授權(quán)時(shí)間順序排列前50 個(gè)目標(biāo)專利的基本信息，從中可看出每個(gè)目標(biāo)專利的授權(quán)年限、引證長(zhǎng)度以及專利總數(shù)等詳細(xì)信息。專利最早授權(quán)在1992 年，引證長(zhǎng)度最長(zhǎng)為20 代，專利總數(shù)最多為11856?？傮w來(lái)看，引證長(zhǎng)度和專利總數(shù)都是隨著專利授權(quán)時(shí)間的減少而減少，這是由于專利文獻(xiàn)的引用存在時(shí)滯性[20]。一般來(lái)說(shuō)，科學(xué)文獻(xiàn)發(fā)表或者專利文獻(xiàn)授權(quán)的時(shí)間越短，發(fā)生引用越少，導(dǎo)致引證長(zhǎng)度和施引文獻(xiàn)數(shù)越少。

值得注意的是，盡管總體上引證長(zhǎng)度和專利總數(shù)隨著授權(quán)時(shí)間減少，但是仍有個(gè)別專利的這兩項(xiàng)指標(biāo)與授權(quán)時(shí)間相同甚至更長(zhǎng)的目標(biāo)專利相比，明顯高出很多，如表2 中第14 個(gè)專利US5763175 的專利總數(shù)和第20 個(gè)專利US5863722 的引證長(zhǎng)度。根據(jù)影響力擴(kuò)散模型可知，引證長(zhǎng)度和專利總數(shù)越大，很大程度上說(shuō)明了該專利的技術(shù)影響力傳播和流動(dòng)比較活躍，有理由推測(cè)這種類型的專利累積影響力更高。

表2 目標(biāo)專利基本信息表

3.2 累積影響力指數(shù)的評(píng)價(jià)效力分析

根據(jù)處理后的數(shù)據(jù)以及公式(3)和公式(4)，計(jì)算得出所有目標(biāo)專利的直接被引頻次（V1）、累積影響力指數(shù)（FW）與全代引證頻次（VT）。結(jié)果（前50） 如表3 所示，以累積影響力指數(shù)大小倒序排列，圖3 為對(duì)應(yīng)的折線趨勢(shì)圖（去除沒(méi)有被引）。結(jié)合表3 和圖3，本文發(fā)現(xiàn)一個(gè)基本規(guī)律：總體來(lái)看直接被引頻次與累積影響力指數(shù)的變化趨勢(shì)基本相同，側(cè)面反映了累積影響力指數(shù)在專利影響力評(píng)價(jià)方面與直接被引頻次相比具有同等效力。

此外，在圖3 左側(cè)累積影響力較高的區(qū)域，部分專利的直接被引頻次相對(duì)偏低。觀察表3 中排名前15 的專利，明顯發(fā)現(xiàn)其中只有三個(gè)專利的直接被引頻次大于100，大部分專利的直接被引頻次都在40～60，最低的只有23。表2 中專利US5763175和專利US5863722，由于偏高的專利總數(shù)和引證長(zhǎng)度，推測(cè)其在累積影響力上會(huì)有不錯(cuò)的表現(xiàn)，這在表3 中得到了充分的體現(xiàn)，兩者的累積影響力不僅超過(guò)了授權(quán)時(shí)間更長(zhǎng)的專利，甚至超過(guò)一些直接被引頻次更高的專利。引證路徑越長(zhǎng)代表專利的知識(shí)流動(dòng)越久遠(yuǎn)，專利總數(shù)越多說(shuō)明專利的技術(shù)傳播越廣泛，這兩種指標(biāo)均是高影響力的體現(xiàn)，而直接被引頻次卻往往難以發(fā)現(xiàn)類似的專利，從而說(shuō)明了累積影響力指數(shù)在專利影響力衡量方面具有更強(qiáng)的 “偵測(cè)” 能力。

然而，直接被引頻次與累積影響力并不是毫無(wú)關(guān)系的。 表3 中的專利US5695934 和專利US5604097 累積影響力和直接被引頻次都很高，結(jié)合表2 可知，兩者的引證長(zhǎng)度和專利總數(shù)與授權(quán)時(shí)間相近的專利相比都是明顯比較高的。這說(shuō)明盡管直接被引頻次不能直接決定累積影響力的大小，但是更高的直接被引頻次確實(shí)有更大的潛在被引證（間接）機(jī)會(huì)，產(chǎn)生更長(zhǎng)的引證路徑和更多的施引專利，進(jìn)而間接影響專利的累積影響力。可以說(shuō)，若直接被引頻次高，則累積影響力可能很高；但是若累積影響力很高，則直接被引頻次不一定高。

表3 直接被引頻次與累積影響力指數(shù)對(duì)比表

圖3 直接被引頻次與累積影響力指數(shù)的變化趨勢(shì)

為了闡述直接被引頻次與累積影響力指數(shù)的差異，更加體現(xiàn)累積影響力指數(shù)的優(yōu)勢(shì)和作用，本文結(jié)合案例作進(jìn)一步詳細(xì)分析。 表4 為專利US5780231 和專利US5723598 的各代被引頻次以及施引專利數(shù)等詳細(xì)信息。兩專利在1998 年授權(quán)，可以忽略時(shí)滯性誤差。如果只看直接被引頻次（Gen1），可發(fā)現(xiàn)兩個(gè)專利的情況差別不大，但是從第二代開(kāi)始就發(fā)生了較大的轉(zhuǎn)折，前者的后續(xù)引證頻次和施引專利數(shù)比后者高出許多。 專利US5780231 持續(xù)引證到第8 代，而專利US5723598只被引證到第6 代，并且前者在第8 代依然有24 次被引和16 個(gè)施引專利，但后者逐漸為零。換句話說(shuō)，專利US5780231 在未來(lái)仍有很大的可能性將會(huì)繼續(xù) “被引” ，引證鏈會(huì)繼續(xù)增加。除此之外，專利US5780231 的施引專利總數(shù)為842， 是專利US5723598 的十倍還多，這說(shuō)明受前者技術(shù)影響的專利量要高出后者甚多，這一結(jié)果在累積影響力指數(shù)上得到了充分的體現(xiàn)。

綜上可知，累積影響力指數(shù)較好地綜合了專利影響力擴(kuò)散的 “廣度” 和 “深度” ，能夠較為全面和準(zhǔn)確地評(píng)價(jià)一個(gè)專利的真實(shí)影響力。同時(shí)，與直接被引頻次相比，累積影響力指數(shù)的專利影響力偵測(cè) “靈敏度” 更高，能夠深層次挖掘基于直接被引頻次而忽略的專利影響力差距。

表4 專利US5780231和專利US5723598的各代被引情況

4 累積影響力指數(shù)的差異因素分析

隨著專利數(shù)量的增加，專利之間已經(jīng)形成具有一定規(guī)模的引用網(wǎng)絡(luò)，極大地延伸了專利的引用過(guò)程，促進(jìn)了專利之間的知識(shí)流動(dòng)和擴(kuò)散[21]。宏觀層面，每個(gè)專利都處在一個(gè)完整的技術(shù)進(jìn)化網(wǎng)絡(luò)中；微觀層面，每個(gè)專利都處在本身作為技術(shù)源的 “子網(wǎng)絡(luò)” （前向引文網(wǎng)絡(luò)）。一個(gè)專利的累積影響力大小與 “子網(wǎng)絡(luò)” 息息相關(guān)，影響力的大小不僅決定了網(wǎng)絡(luò)的生長(zhǎng)速度與范圍，而且時(shí)刻影響著網(wǎng)絡(luò)的結(jié)構(gòu)和復(fù)雜程度[22]。因此，為了分析不同專利累積影響力的差異原因，本文需要深入研究每個(gè)專利子網(wǎng)絡(luò)的參數(shù)和微觀結(jié)構(gòu)。

4.1 專利子網(wǎng)絡(luò)參數(shù)分析

在上文中已經(jīng)討論了累積影響力指數(shù)與引證長(zhǎng)度、專利總數(shù)以及直接被引頻次的關(guān)系。其中，引證長(zhǎng)度是子網(wǎng)絡(luò)中的最大引用路徑長(zhǎng)度，專利總數(shù)為子網(wǎng)絡(luò)中所有的專利節(jié)點(diǎn)總數(shù)，直接被引頻次為目標(biāo)專利節(jié)點(diǎn)的出度。為了探究累積影響力指數(shù)與三個(gè)指標(biāo)的具體關(guān)系，本文先將數(shù)據(jù)做歸一化處理，將所有指標(biāo)映射到區(qū)間[0,1]內(nèi)，消除量綱差異，具體公式為圖4 為上述四個(gè)指標(biāo)的散點(diǎn)圖，同時(shí)算出擬合曲線。

圖4 累積影響力指數(shù)與子網(wǎng)絡(luò)參數(shù)的散點(diǎn)圖

從圖4 可以看出，累積影響力指數(shù)與子網(wǎng)節(jié)點(diǎn)總數(shù)的線性關(guān)系最強(qiáng)，決定系數(shù)R2高達(dá)0.9804，說(shuō)明了一個(gè)專利的影響力與受其影響的專利總數(shù)是線性相關(guān)的；子網(wǎng)最大路徑長(zhǎng)度與累積影響力指數(shù)呈二次函數(shù)關(guān)系，那么引證路徑越長(zhǎng)，影響力累積幅度越大；目標(biāo)節(jié)點(diǎn)出度與累積影響力指數(shù)的線性關(guān)系較弱，說(shuō)明只考慮直接被引頻次不能準(zhǔn)確把握一個(gè)專利的累計(jì)影響力變化趨勢(shì)。

4.2 專利子網(wǎng)絡(luò)各代引證結(jié)構(gòu)分析

去除沒(méi)有被引的目標(biāo)專利，圖5 為剩余75 個(gè)目標(biāo)專利的各代被引頻次分布圖。從圖5 可知，大部分專利的每代被引頻次近似呈 “正態(tài)分布” 結(jié)構(gòu)，峰值主要集中在第3 代（Gen3）和第5 代（Gen5）之間，也有個(gè)別出現(xiàn)在第8 代（Gen8）左右。峰值意味著當(dāng)代被引頻次達(dá)到最大值，根據(jù)前文的影響力傳播理論：隨著與目標(biāo)專利距離越來(lái)越遠(yuǎn)，影響力的權(quán)重越來(lái)越小，那么峰值的大小和出現(xiàn)位置的不同很大程度上影響專利累積影響力的高低。如圖5 標(biāo)出的專利US5604097 和專利US5599675，前者的峰值更高且位置靠前，那么其累積影響力指數(shù)相對(duì)較高。一個(gè)專利的影響力擴(kuò)散要看 “深度” 和 “廣度” 兩個(gè)層面，結(jié)合圖5，橫軸表示 “深度” ；縱軸表示 “廣度” ，那么根據(jù)累積的思想，圖5 中每一條曲線與橫軸圍成的面積可近似為目標(biāo)專利的累積影響力。這也解釋了專利US5102785 為何直接被引頻次較低，卻有遠(yuǎn)高于其他專利的累積影響力。

圖6 為75 個(gè)目標(biāo)專利的各代施引專利數(shù)量分布情況。對(duì)比圖6 與圖5 可以發(fā)現(xiàn)，兩圖非常相似，大部分的專利每代施引專利數(shù)量也近似呈 “正態(tài)分布” 結(jié)構(gòu)，峰值分布區(qū)域也基本相同。各代施引專利數(shù)量與各代被引頻次相似卻又不同，雖然都能代表目標(biāo)專利影響力擴(kuò)散的速度，但與被引頻次不同是，各代施引專利數(shù)更能代表目標(biāo)專利的影響力擴(kuò)散到不同專利的能力，簡(jiǎn)單來(lái)說(shuō)，是對(duì)其他專利的 “吸引力” 。一個(gè)專利某一代的被引頻次很高，并不代表這一代的施引專利很多，因?yàn)榇嬖诙鄠€(gè)專利同時(shí)被一篇專利引用的情況，這導(dǎo)致在下一代可能僅有少數(shù)專利被引；而施引專利很多，則被引頻次一定很高，同時(shí)也保證了下一代有更多的專利被引用。這也是圖5 和圖6 中曲線形狀相似但值域相差較大的原因。

圖5 各代被引頻次分布情況

圖6 各代施引專利數(shù)量分布情況

4.3 “關(guān)鍵節(jié)點(diǎn)” 的二次影響力擴(kuò)散分析

事實(shí)上，專利的影響力擴(kuò)散與現(xiàn)實(shí)中的網(wǎng)絡(luò)傳播極其相似。類比一條微博的傳播過(guò)程，那么不同用戶的轉(zhuǎn)發(fā)就是專利之間的引用，每個(gè)用戶的粉絲量就是專利的直接被引頻次。已有研究證明，微博在轉(zhuǎn)發(fā)過(guò)程中如果有相關(guān)機(jī)構(gòu)、名人等大V 用戶的二次傳播，會(huì)極大的促進(jìn)傳播效果，引起受眾的廣泛關(guān)注[23]。在前文中對(duì)比分析了專利US5780231 和專利US5723598 的累積影響力差異，本文仍以二者為例，分析引證路徑中的 “關(guān)鍵節(jié)點(diǎn)” 。如表5 為專利US5780231 和專利US5723598 各代高被引專利以及當(dāng)代平均被引頻次的詳細(xì)信息，顯然，專利US5780231 的引證路徑中有許多被引頻次遠(yuǎn)高于其本身的專利，這些 “明星” 專利在影響力傳播的過(guò)程中與微博轉(zhuǎn)發(fā)中的大V 用戶有著相同的作用，大大提高了擴(kuò)散速度和傳播效果。相反地，專利US5723598 卻沒(méi)有這樣的傳播優(yōu)勢(shì)。

結(jié)合圖7 所示的專利US5780231 的前向引文網(wǎng)絡(luò)圖，更加清晰地了解 “關(guān)鍵節(jié)點(diǎn)” 對(duì)影響力傳播的巨大貢獻(xiàn)。圖7 中藍(lán)色標(biāo)簽所在的節(jié)點(diǎn)是目標(biāo)專利，紅色節(jié)點(diǎn)為第一代施引專利，紅色箭頭指向的灰色節(jié)點(diǎn)為第二代施引專利。在第一代中既有普通專利（圍繞在目標(biāo)專利周圍），也有高被引專利（綠色標(biāo)簽），如專利US7323305、US7244559 和US6620584 等高被引專利，明顯可以帶來(lái)更多的被引機(jī)會(huì)。不僅如此，高被引專利還可以大概率傳播到其他的高被引專利，再一次促進(jìn)影響力擴(kuò)散。例如，第二代施引專利中的高影響力專利（暗黃色節(jié)點(diǎn)），其中專利US7211390 引用專利US6620584，專利US7948015 引用專利US7244559，專利US7595883引用專利US7323305，等等。由此可見(jiàn)， “關(guān)鍵節(jié)點(diǎn)” 專利對(duì)整體引文網(wǎng)絡(luò)的影響是巨大的，能夠很大程度上促進(jìn)引文網(wǎng)絡(luò)的傳播速度和擴(kuò)散范圍。

表5 專利US5780231和專利US5723598的各代高被引專利

圖7 專利US5780231的前向引文網(wǎng)絡(luò)

4.4 基于被引頻次和引證長(zhǎng)度的專利分類

上文中詳細(xì)研究了專利累積影響力差異的相關(guān)因素，證明了引證長(zhǎng)度和專利總數(shù)對(duì)專利影響力的擴(kuò)散起著至關(guān)重要的作用。在評(píng)價(jià)或者衡量一個(gè)專利的影響力時(shí)，盡管這兩項(xiàng)指標(biāo)有準(zhǔn)確的區(qū)分度，但在實(shí)際的操作性方面，引證長(zhǎng)度可以通過(guò)最長(zhǎng)路徑算法獲取，而專利總數(shù)計(jì)算卻比較困難。由于直接被引頻次是第一代的施引專利數(shù)，數(shù)值越高代表有更大的潛在被引機(jī)會(huì)，在一定程度上對(duì)專利的累積影響力有著預(yù)測(cè)作用，且比較容易獲取。因此，本文采用直接被引頻次和引證長(zhǎng)度兩個(gè)指標(biāo)對(duì)目標(biāo)專利進(jìn)行分類，分析不同類別的專利累積影響力的變化。首先，對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理（均值為0，標(biāo)準(zhǔn)差為1），具體公式為其中，μ為數(shù)據(jù)均值；σ為標(biāo)準(zhǔn)差。

根據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)得出具體的分布結(jié)果如圖8 所示。圖中橫縱坐標(biāo)中的0 值代表兩指標(biāo)的均值，以均值為閾值將75 個(gè)目標(biāo)專利分成四種類型：長(zhǎng)路徑高被引型、長(zhǎng)路徑低被引型、短路徑高被引型和短路徑低被引型。根據(jù)前文所述，一般長(zhǎng)路徑高被引型專利累積影響力偏高，如專利US5604097、US5695934 等處在第一象限的專利。然而，這并不代表其他類型的專利一定差。從累積的思想來(lái)看，高被引只是在第一代中擁有優(yōu)勢(shì)，后續(xù)引證代的發(fā)展同樣重要，如第四象限的 “黑馬專利” ——US5102785，盡管其直接被引頻次低，但是隨著逐代影響力的累積，總影響力反而后來(lái)居上。

隨著影響力的擴(kuò)散和引證代的變化，不同類型的專利之間可不斷地轉(zhuǎn)化。新的專利產(chǎn)生之后，短時(shí)間內(nèi)不會(huì)受到其他專利的注意，這些專利便屬于短路徑低被引型；一段時(shí)間后部分高質(zhì)量專利開(kāi)始被注意，引用次數(shù)迅速增加，進(jìn)而發(fā)展為短路徑高被引型；而高被引則會(huì)產(chǎn)生更大的被引機(jī)會(huì)，促進(jìn)引證代的增加，最后這些專利便慢慢轉(zhuǎn)化為長(zhǎng)路徑高被引這些高影響力專利。當(dāng)然，有些普通的專利可能一直停留在第三象限，或者引證代也會(huì)慢慢增加，發(fā)展到第四象限，但累積影響力不高。

5 結(jié)論與展望

本文基于一種新的計(jì)量指標(biāo)——累積影響力指數(shù)，通過(guò)對(duì)全代引證的深層次挖掘，對(duì)專利累積影響力進(jìn)行研究。研究結(jié)果認(rèn)為，對(duì)于專利影響力評(píng)價(jià)，累積影響力指數(shù)在保留直接被引頻次優(yōu)勢(shì)的基礎(chǔ)上，較好地綜合了專利影響力擴(kuò)散的 “廣度” 和 “深度” ，能夠發(fā)掘出 “隱藏” 的高影響力專利；專利的各代被引頻次以及各代施引專利數(shù)近似呈 “正態(tài)分布” ，引證過(guò)程先復(fù)雜后簡(jiǎn)單；引文網(wǎng)絡(luò)中的 “關(guān)鍵節(jié)點(diǎn)” 對(duì)目標(biāo)專利影響力的傳播貢獻(xiàn)很大；直接被引頻次越高代表著專利被引證的潛力越大，技術(shù)擴(kuò)散速度越快；短路徑高被引型專利是潛在的高影響力專利，長(zhǎng)路徑高被引專利累積影響力高，但長(zhǎng)路徑低被引專利累積影響力不一定低。

諾貝爾博物館館長(zhǎng)古斯塔夫·謝爾斯特蘭德曾指出， “科學(xué)家并不會(huì)在研究獲得突破后，就立即獲獎(jiǎng)” 。通常諾貝爾獎(jiǎng)評(píng)選委員會(huì)會(huì)嚴(yán)格地對(duì)研究成果進(jìn)行驗(yàn)證，部分研究成果有時(shí)甚至需要經(jīng)過(guò)數(shù)十年的評(píng)估，才能確定研究?jī)r(jià)值。同樣地，悉尼·布倫納的成果在直接被引頻次指標(biāo)上也許并不是最高的，但是其成果累積價(jià)值一定達(dá)到了 “諾獎(jiǎng)級(jí)” 。同樣，衡量一個(gè)專利的影響力也不應(yīng)只看一開(kāi)始的反響，后續(xù)的發(fā)展如何更加重要。就像一些基礎(chǔ)性專利，盡管在開(kāi)始的時(shí)候沒(méi)有被大量引用，但是由于其技術(shù)知識(shí)的基礎(chǔ)性和通用性，后續(xù)就會(huì)被大量的本領(lǐng)域甚至其他領(lǐng)域的專利間接引用，因此，這些專利與那些很快就能產(chǎn)生很大反響的高新技術(shù)專利一樣都是高影響力專利，這也是單純依靠直接被引頻次所經(jīng)常忽略的。

在本文選取的累積影響力指數(shù)中，每代的權(quán)重只是單純地依靠引證路徑的長(zhǎng)度所決定，并沒(méi)有考慮專利之間具體的聯(lián)系。后續(xù)的研究如果能夠深入考慮每個(gè)施引專利與目標(biāo)專利之間的具體聯(lián)系，完善到權(quán)重當(dāng)中，相信一定能提高專利累積影響力指標(biāo)的準(zhǔn)確度。同時(shí)，本文沒(méi)有考慮專利引文中基于技術(shù)對(duì)比的審查員引用，可能會(huì)對(duì)研究結(jié)果產(chǎn)生影響，后期會(huì)深入開(kāi)展更加準(zhǔn)確的區(qū)分性研究。

最后，本文基于累積價(jià)值的思想，綜合考慮專利的后續(xù)全代影響，事實(shí)上也提供了一種新的價(jià)值評(píng)價(jià)思路，這對(duì)目前的高價(jià)值專利評(píng)價(jià)指標(biāo)或者體系也是一種完善思路，希望能通過(guò)未來(lái)的深入研究為我國(guó)高價(jià)值專利培育給予提示和幫助。