彭定洪，陳文妮，曾洪鑫

（1. 昆明理工大學(xué)管理與經(jīng)濟學(xué)院；2. 昆明理工大學(xué)質(zhì)量發(fā)展研究院，云南昆明 650093；3.東莞理工學(xué)院經(jīng)濟與管理學(xué)院，廣東東莞 523808）

創(chuàng)新是引領(lǐng)發(fā)展的第一動力，創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略是推動經(jīng)濟發(fā)展質(zhì)量、效率和動力變革的關(guān)鍵［1］。企業(yè)是我國社會主義市場經(jīng)濟的主體，也是創(chuàng)新的主體，創(chuàng)新驅(qū)動的實施需要企業(yè)來推動［2］。專利是企業(yè)創(chuàng)新能力和成果的集中體現(xiàn)，專利質(zhì)量的高低是企業(yè)科技創(chuàng)新產(chǎn)出準(zhǔn)確、客觀的度量標(biāo)準(zhǔn)之一，在促進企業(yè)的經(jīng)濟增長與技術(shù)進步中有顯著作用［3］。自中國正式頒布《專利法》以來，企業(yè)專利的申請量和授權(quán)量就呈現(xiàn)爆炸式的增長態(tài)勢，垃圾專利、問題專利、專利怪客等現(xiàn)象也層出不窮，企業(yè)專利質(zhì)量情況不容樂觀，且多數(shù)專利只是在原有技術(shù)基礎(chǔ)上進行微小改進，僅少部分有較大創(chuàng)新或蘊藏巨大的經(jīng)濟價值［3］，這引起社會各界對專利質(zhì)量問題的高度關(guān)注［4］。分析創(chuàng)新驅(qū)動發(fā)展下影響企業(yè)專利質(zhì)量水平高低的因素成為亟需研究的內(nèi)容［5］。縱觀研究，多數(shù)學(xué)者結(jié)合相關(guān)數(shù)學(xué)模型對企業(yè)專利質(zhì)量進行了評價。例如，萬小麗等［6］將模糊綜合評判法引入中國企業(yè)專利質(zhì)量評價中，對模糊的、不確定的專利價值進行量化處理，最終計算出評估對象的綜合評定結(jié)果；張軍榮［7］以專利維持作為專利質(zhì)量的代理變量，運用虛擬回歸的方法對高校專利質(zhì)量進行了分析等；馮君等［8］、張耀天等［9］等運用定性與定量分析相結(jié)合的層次分析法對專利質(zhì)量進行了評價；陳偉等［10］結(jié)合DEA 與TOPSIS 方法分析了30 個省份的高新技術(shù)產(chǎn)業(yè)專利質(zhì)量以及知識產(chǎn)權(quán)運行效率；陳偉等［11］基于熵值法與TOPSIS 法對高技術(shù)產(chǎn)業(yè)知識產(chǎn)權(quán)保護能力進行了評價分析；謝萍等［12］針對國內(nèi)外核心專利研究現(xiàn)狀，基于技術(shù)領(lǐng)域與時域，利用TOPSIS 法對專利質(zhì)量進行了研究。盡管以上研究大都以基數(shù)式或序數(shù)式排名顯示專利質(zhì)量的優(yōu)劣評價結(jié)果，一定程度上對專利質(zhì)量評估做出了貢獻，但是現(xiàn)實中我們的認(rèn)知習(xí)慣往往期盼能夠了解評價對象(也包括創(chuàng)新驅(qū)動下企業(yè)專利質(zhì)量)各類因素的具體優(yōu)劣情況，上述方法似乎不能達(dá)到這一意圖。因此，本文在創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略背景下，對影響企業(yè)專利質(zhì)量的各類因素進行綜合評價并分析獲取具體優(yōu)劣情況，為企業(yè)專利質(zhì)量管理提供參考。

欲對創(chuàng)新驅(qū)動下企業(yè)專利質(zhì)量的進行全面、客觀和有效的評價，需要來自相關(guān)領(lǐng)域的專家群體協(xié)同參與［13］。從評價方法看，該問題實屬一個多群組專家參與的綜合評價問題。此類問題的關(guān)鍵和難點是如何合理地解決各群組中個體意見的分歧從而整體地表征群組意［14］。針對該情形，2010 年西班牙學(xué)者Torra 等［14］提出的猶豫模糊集（Hesitant Fuzzy set，HFS），HFS 通過一組數(shù)目不定且無序的取值特征隸屬函數(shù)正好應(yīng)對著群體中個體意見分歧難達(dá)共識的問題。至今HFS 現(xiàn)已普遍用于解決多群組中個體意見的分歧［15］，并且獲得了良好的效果。依據(jù)現(xiàn)有應(yīng)用研究，本文嘗試將猶豫模糊集理論運用于創(chuàng)新驅(qū)動下企業(yè)專利質(zhì)量評價中以科學(xué)合理地表征各群組中個體意見。

參考依賴是人類評價、分析的普遍模式。在綜合評價方法理論中，將該模式具體化的當(dāng)屬TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution，逼近于理想解排序）方法［16］，該方法根據(jù)被評對象與理想化和負(fù)理想化目標(biāo)之間的距離進行排序，從而實現(xiàn)對現(xiàn)有對象相對優(yōu)劣的評價，已成為當(dāng)今最常用的方法之一。最近，考慮到人們熱衷于以平均水平為基準(zhǔn)列出優(yōu)勢項和劣勢項的習(xí)慣，Keshavarz 等［17］于2015 年提出了EDAS（Distance from Average Solution，依賴平均距離）方法，該方法通過計算各被評對象指標(biāo)與平均水平的正向距離與負(fù)向距離，確立被評對象的綜合優(yōu)劣勢度，進而獲取各評價對象的優(yōu)劣情況。該方法能夠有效消除專家組對被評對象指標(biāo)評價的偏差風(fēng)險［17］，并能夠獲取各指標(biāo)相對于平均水平的優(yōu)劣程度。以上兩種方法因自身的優(yōu)越性在許多領(lǐng)域得到了廣泛應(yīng)用，例如創(chuàng)新能力評價、專利情報質(zhì)量評價以及競爭情報評價等。但在實際應(yīng)用中，TOPSIS 法中的正負(fù)理想解往往是無法達(dá)到的，且基數(shù)式或序數(shù)式的評價結(jié)果排名并不能得到被評對象具體的優(yōu)劣情況［15］。因此，本文計劃融合TOPSIS 法的依賴極值參考解思想和EDAS 法的依賴均值參考解思想，以列出被評對象優(yōu)勢項和劣勢項為目的，從TOPSIS 方法的正距離矩陣和負(fù)距離矩陣中獲取被評對象每個指標(biāo)的最優(yōu)距離分量和最劣距離分量，并將其融合為平均距離分量以了解被評對象指標(biāo)在最優(yōu)和最劣狀態(tài)下的平衡水平，再通過計算以平衡水平為基準(zhǔn)的指標(biāo)綜合優(yōu)劣勢度來分析其優(yōu)劣或好壞。

無論是TOPSIS 法還是EDAS 法，均需衡量評價對象和基準(zhǔn)理想解之間的差異。而距離測度是衡量差異的主要方式之一，且在創(chuàng)新驅(qū)動背景下，企業(yè)專利質(zhì)量各指標(biāo)的差異性信息廣泛存在［18］，為此，通過各類距離測度對比，本文引入能夠衡量不同樣數(shù)據(jù)樣本差異的Bray-Curtis 測度［19］，將其與HFS結(jié)合，并用于度量被評對象之間的距離，通過實際計算表明該距離測度能夠有效衡量具有不同樣數(shù)據(jù)樣本的差異性。

綜上，基于猶豫模糊Bray-Curtis 距離測度，本文構(gòu)建了集成TOPSIS 法的依賴極值參考解思想和EDAS 法的依賴均值參考解思想的以指標(biāo)優(yōu)劣水平為性能度量的多指標(biāo)多群決策模型，并將其應(yīng)用到創(chuàng)新驅(qū)動發(fā)展下高技術(shù)企業(yè)專利質(zhì)量評價的多指標(biāo)群組決策中，驗證了該決策方法的可行性和實用性，并對比其他方法，該決策方法在評價精度方面具有更加優(yōu)異的表現(xiàn)，對于當(dāng)下創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略下企業(yè)專利質(zhì)量的提高具有重要的參考意義。

1 預(yù)備知識

1.1 HFS 的相關(guān)知識及猶豫模糊Bray-Curtis 距離測度

在創(chuàng)新驅(qū)動發(fā)展環(huán)境下，由于某些數(shù)據(jù)分散、殘缺、動態(tài)性高以及結(jié)構(gòu)復(fù)雜等問題，導(dǎo)致其質(zhì)量評價標(biāo)準(zhǔn)存在模糊性以及無法兼顧各群組的意見等問題。為解決以上問題，本文采用HFS 這一工具來處理不確定信息，此工具不僅可以充分反映和兼顧各群組的不同意見，還可以充分利用決策信息體現(xiàn)決策者偏好［15］。以下給出HFS 的定義及計算法則：

為了對評價信息進行有效處理，距離測度近年來被有效應(yīng)用于多指標(biāo)評價方法中。目前，在評價方法中應(yīng)用較多的是Euclidean 距離、Hamming 距離以及Hausdorff 距離，然而，這些距離存在以下缺點：（1)對離群值敏感［19］；（2)不能兼顧分量間的差異［20］；（3)穩(wěn)定性差［19］，因此，不適用于常存在離群值和指標(biāo)之間具有差異性的專利質(zhì)量評價。在信息測度領(lǐng)域中，Bray-Curtis 距離能夠很好的克服上述缺陷，且該距離測度具有標(biāo)準(zhǔn)化的特性，能夠使各指標(biāo)在同一量綱進行測度，因此免去了標(biāo)準(zhǔn)化這一步驟，使得信息得到充分利用且不受損失?；诖?，本文根據(jù)Torra 等［14］的拓展原理以及Peng 等［21］的距離構(gòu)造思想將Bray-Curtis 距離拓展到猶豫模糊背景，形成一種新的猶豫模糊距離測度，具體定義如下：

為證明其有效性，下面我們給出一個例子進行說明。

按類似計算方式，可得出其余計算結(jié)果，如下：

1.2 以指標(biāo)優(yōu)劣水平為性能度量的平衡參考解

評價和分析創(chuàng)新驅(qū)動發(fā)展下企業(yè)專利質(zhì)量指標(biāo)優(yōu)劣性是改善或提高企業(yè)創(chuàng)新能力的手段之一。在實際評價中，我們的認(rèn)知習(xí)慣往往期盼能夠了解評價對象（也包括專利質(zhì)量）各指標(biāo)的具體優(yōu)劣情況。為對企業(yè)專利質(zhì)量指標(biāo)優(yōu)劣性進行科學(xué)合理地評價，本文在猶豫模糊環(huán)境下，以獲取被評對象優(yōu)勢項和劣勢項為出發(fā)點，融合TOPSIS 法的依賴極值參考解思想和EDAS 法的依賴均值參考解思想，從依賴極值參考解的距離矩陣中分別獲取評價對象各指標(biāo)的最優(yōu)和最劣距離分量，并將其融合為平均距離分量以了解評價對象各指標(biāo)在極值狀態(tài)下的平衡水平，再通過計算以平衡水平為參考解的指標(biāo)綜合優(yōu)勢度來分析被評對象各指標(biāo)的優(yōu)劣性，其流程見圖1。

圖1 企業(yè)專利質(zhì)量評價的平衡參考解流程圖

2 以指標(biāo)優(yōu)劣水平為性能度量的平衡參考解模型構(gòu)建

2.1 問題描述

考慮含有猶豫模糊信息的多指標(biāo)評價問題，具體描述如下：

2.2 模型構(gòu)建

步驟2：考慮到創(chuàng)新驅(qū)動發(fā)展下企業(yè)專利質(zhì)量評價指標(biāo)對整體影響的程度不一，因此需要從評價的實際情況來設(shè)置指標(biāo)權(quán)重。在現(xiàn)有的研究中，對于指標(biāo)權(quán)重和專家組權(quán)重的配置，通常采用的是AHP 法、熵權(quán)法以及最大離差法等，而其中應(yīng)用最為廣泛的是熵權(quán)法［22］，熵權(quán)法根據(jù)各評價指標(biāo)所包含信息的差異性(信息的效用值)來確定該指標(biāo)的權(quán)重，是一種客觀賦權(quán)方法。在信息論中，Shannon熵作為熵的重要分支，因其既考慮到信息的偏差程度又考慮到信息的模糊程度，在多準(zhǔn)則評價中有非常重要的意義［22］。

基于此，本文將采用Zhao 等［23］定義的猶豫模糊Shannon 熵計算權(quán)重，使其既同時考慮信息的偏差程度和模糊程度，又能解決信息不對稱的問題，且相比其他權(quán)重，Shannon 熵計算簡便，原理簡單。接下來，本文將給出Shannon 熵計算猶豫模糊多指標(biāo)評價的指標(biāo)權(quán)重。

步驟4：從集結(jié)決策矩陣中選取正負(fù)理想解。正理想解是待評專利集中并不存在的虛擬最佳專利類，它的每一個指標(biāo)值都是決策矩陣中該指標(biāo)的最優(yōu)值；負(fù)理想解則是虛擬的最差專利，它的每一個指標(biāo)值都是決策矩陣中該指標(biāo)的最差值。在多指標(biāo)評價過程中，其評價指標(biāo)通?？梢苑譃椤靶б嫘汀敝笜?biāo)、“成本型”指標(biāo)。設(shè)為正理想解，為負(fù)理想解，可得，

步驟5：利用猶豫模糊Bray-Curtis 距離測度分別計算每一待評專利與正理想解和負(fù)理想解的距離。

因此，得到待評專利與正理想解的距離矩陣PD、待評專利與負(fù)理想解的距離矩陣ND。

步驟6：分別從待評專利與正理想解的距離矩陣中和待評專利與負(fù)理想解的距離矩陣中計算每個指標(biāo)下的平均值，得到每個指標(biāo)的平衡參考解AVj。

步驟7：為得到待評專利各評價指標(biāo)的優(yōu)劣勢情況，利用基于極值狀態(tài)下所得到的平衡參考解計算距離矩陣來判斷指標(biāo)的優(yōu)劣性。若指標(biāo)評價值高于平均水平，該指標(biāo)則優(yōu)；相反，該指標(biāo)則劣。下面給出不同類指標(biāo)的距離公式：

若指標(biāo) 為效益性指標(biāo)，則

若指標(biāo) 為成本型指標(biāo)，則

則得到

步驟8：計算出待評專利到平衡參考解的總距離，并將其標(biāo)準(zhǔn)化。

其標(biāo)準(zhǔn)化為

其標(biāo)準(zhǔn)化為

其中，SPi為正向距離矩陣總和，NSPi為標(biāo)準(zhǔn)化正向距離矩陣總和，SNi為負(fù)向距離矩陣總和，NSNi為標(biāo)準(zhǔn)化正向距離矩陣總和。

步驟9：計算待評專利的綜合優(yōu)劣勢度。為使得到的專利類滿足最接近于正理想解且遠(yuǎn)離負(fù)理想解，本文將原始貼近度改進如下：

最后根據(jù)綜合優(yōu)劣勢度大小對專利類進行排序，綜合優(yōu)劣勢度最大的為最優(yōu)專利。

3 實例分析

在這一部分中，本文將通過構(gòu)建指標(biāo)體系并應(yīng)用所提出評價模型的方式，進一步驗證模型的實際操作性，并通過其他方法的對比分析證明其優(yōu)越性所在。

W 公司為東莞市內(nèi)的一家高技術(shù)企業(yè)，該公司為提高專利質(zhì)量，實現(xiàn)企業(yè)創(chuàng)新的高質(zhì)量發(fā)展，建立了企業(yè)專利質(zhì)量戰(zhàn)略。目前，企業(yè)欲對 4 類重要專利的質(zhì)量進行評價。

3.1 指標(biāo)選取

專利質(zhì)量的高低是進行專利維持、轉(zhuǎn)化等經(jīng)濟決策的重要參考，也是科技創(chuàng)新產(chǎn)出準(zhǔn)確、客觀的度量標(biāo)準(zhǔn)之一［24］。因此，準(zhǔn)確地評價專利質(zhì)量，對企業(yè)提升技術(shù)創(chuàng)新實力，分析競爭對手實力、制定專利戰(zhàn)略都具有非常重要的意義［24］。基于此，國內(nèi)外不少研究機構(gòu)和學(xué)者建立了系統(tǒng)的專利質(zhì)量評價指標(biāo)體系。例如，Pantros 公司出版的專利因子指標(biāo)報告從法律、商業(yè)和技術(shù)3 個層面對單件專利質(zhì)量進行了全面的評估［25］；張希等［26］綜合考慮技術(shù)、競爭、市場、法律等因素對專利質(zhì)量的影響，構(gòu)建了評價指標(biāo)體系；張黎等［27］從技術(shù)水平、經(jīng)濟價值和權(quán)利保護3 個維度構(gòu)建了專利質(zhì)量評價指標(biāo)體系；孫振嘉等［28］從專利數(shù)量指標(biāo)、專利質(zhì)量指標(biāo)、技術(shù)能力指標(biāo)以及發(fā)展能力指標(biāo)4 個方面構(gòu)建了企業(yè)專利水平測度指標(biāo)體系。通過對以上文獻的研究分析，本文以專利質(zhì)量評價為出發(fā)點，從技術(shù)價值、市場價值和權(quán)利價值3 個維度出發(fā)構(gòu)建了企業(yè)創(chuàng)新背景下專利質(zhì)量評價指標(biāo)體系，見圖2。

圖2 創(chuàng)新驅(qū)動下企業(yè)專利質(zhì)量評價指標(biāo)體系

為保證最優(yōu)專利類選取的有效性與權(quán)威性，該公司方聘請了8 位國內(nèi)知名的企業(yè)專利質(zhì)量評價領(lǐng)域的專家以及7 位公司內(nèi)部熟悉企業(yè)文化、曾參與過公司創(chuàng)新專利項目質(zhì)量建設(shè)的專家，隨機成立3個專家組，每個專家組5 位成員組成。整個評價過程中，所有專家組成員不能見面和交流，有利于消除權(quán)威對決策帶來的影響，鼓勵專家提出與眾不同的想法，并通過收集并整理資料，不斷進行信息反饋，深入研究，修改判斷，從而科學(xué)合理地得到能夠基本反映所有專家意見的評分結(jié)果。為方便描述，下面將以上四類專利類別簡稱為x1、x2、x3、x4。（見表1）

3.2 評價步驟

利用本文所構(gòu)建的指標(biāo)體系與評價模型對企業(yè)專利質(zhì)量進行評價，并確定最優(yōu)專利類，步驟如下：

步驟1：根據(jù)各專家組給出的評價值構(gòu)造猶豫模糊決策矩陣。由各專家組e1，e2，e3對4 類專利進行評價得到評價結(jié)果，且考慮到上文所述的模糊性等問題，本文為兼顧各專家群組的綜合意見，現(xiàn)用猶豫模糊集的形式來表達(dá)評價信息情況，見表1。

表1 猶豫模糊決策矩陣

通過以上各專家組給出的評價信息可以初步判斷，第1 類專利在(創(chuàng)新度)、(創(chuàng)新專利市場壟斷程度)、(創(chuàng)新專利獨立性)指標(biāo)平均得分上相對于其他三類專利在同一指標(biāo)下得分較高，第2 類專利在(創(chuàng)新專利成熟度)、(許可實施狀況)指標(biāo)平均得分上相對于其他三類專利在同一指標(biāo)下得分較高，第3 類專利在指標(biāo)(創(chuàng)新專利技術(shù)含量)、(創(chuàng)新專利市場競爭力)平均得分上相對于其他三類專利在同一指標(biāo)下得分較高，第4 類專利在指標(biāo)(創(chuàng)新專利可替代程度)、(市場化能力)、(創(chuàng)新專利市場需求度)、(創(chuàng)新專利保護范圍)和(法律地位穩(wěn)固程度)平均得分上相對于其他三類專利在同一指標(biāo)下得分較高。此外，通過問卷調(diào)查與專家詢問法，可替代程度、市場化能力、專利保護范圍以及法律地位穩(wěn)固程度影響實際企業(yè)專利質(zhì)量的程度相對其它指標(biāo)要高。

步驟2：利用上文所述的指標(biāo)確定方法將指標(biāo)進行標(biāo)準(zhǔn)化處理后，根據(jù)式(11)～式(12)計算各指標(biāo)權(quán)重，如表2 所示。

表2 指標(biāo)權(quán)重

步驟3：將各指標(biāo)權(quán)重加權(quán)到?jīng)Q策矩陣；再根據(jù)式(13)進行集結(jié)，得到一個集結(jié)矩陣。這種集結(jié)方式充分利用了原始信息，避免有效信息的丟失，且能體現(xiàn)各指標(biāo)與各專家組的重要性程度，如表3所示。

表3 信息集結(jié)決策矩陣

步驟4：根據(jù)信息集結(jié)決策矩陣確定待評專利質(zhì)量指標(biāo)正理想解和負(fù)理想解，設(shè)為正理想解，為負(fù)理想解，如表4 所示。

表4 正負(fù)理想解

通過以上確定的待評專利的正負(fù)理想解，可以進一步判斷，第4 類專利的指標(biāo)相對其它三類專利的占優(yōu)勢度高。

步驟5：利用式(19)～式(20)計算待評專利與正負(fù)理想解的猶豫模糊Bray-Curtis 距離，如表5 所示。

表5 待評專利與正負(fù)理想解的距離

由表5 可知，第4 類專利類與正理想解得距離最小，與負(fù)理想解的距離最大，初步推斷該類為最優(yōu)類。同時，可知第2 類專利類與正理想解得距離最大，與負(fù)理想解的距離最小，初步推斷該類為最劣項。

步驟6：根據(jù)距離矩陣PD 和ND，利用式(23)計算待評專利每個指標(biāo)的平衡參考解，如表6 所示。

表6 指標(biāo)綜合參考解

步驟7：根據(jù)式(16)～式(19)確定待評專利到平衡參考解的距離，從而得到一個正向距離矩陣和一個負(fù)向距離矩陣，如表7 所示。

表7 正向距矩陣與負(fù)向距離矩陣

表7（續(xù)）

由表7 可知，第4 類專利到平衡參考解的正向距離最少，到平衡參考解的負(fù)向距離最多，可進一步確定第四類專利為最優(yōu)專利，同理可得到第2 類專利為最差專利。

步驟8：根據(jù)式(24)～式(33)計算出待評專利到平衡參考解的總距離，并將其標(biāo)準(zhǔn)化，如表8 所示。

表8 各專利到平衡參考解的距離

由上表可知，按照各專利類到平衡參考解的距離可知，最優(yōu)專利類基本鎖定為第4 類，最差專利基本鎖定為第2 類。

步驟9：根據(jù)式(34)～式(35)計算待評專利的綜合優(yōu)劣勢度，得到的最優(yōu)專利類別符合管理者的最大滿意程度和最小失望程度，如表9 所示。

表9 綜合優(yōu)劣勢度及其排序

按照SSi值大小對待評專利進行排序，可知第4類專利為最優(yōu)專利(驗證了過程數(shù)據(jù)判斷)，第3 類專利次之，第2 類專利質(zhì)量最劣。因此，以第4 類專利為參考，其他三類專利可從c4(可替代程度)、c5(市場化能力)、c10(專利保護范圍)、c12(法律地位穩(wěn)固程度)進行改進與提高。

3.3 方法比較分析

為了說明本文方法的優(yōu)越性，與其他3 種不同的評價方法進行比較。這3 種評價方法分為兩種情況：（1)不考慮數(shù)據(jù)差異，基于傳統(tǒng)歐氏距離使用文獻［21］的方法對待評專利進行優(yōu)劣排序。（2)只考慮選取極值作為理想解對評價的影響，使用傳統(tǒng)猶豫模糊TOPSIS 方法如文獻［29］對專利進行優(yōu)劣排序；只考慮平均值作為參考解對評價的影響，使用文獻［30］的方法對專利進行優(yōu)劣排序。將以上3 種方法得到的結(jié)果與本文結(jié)果進行比較，如表10 所示。

表10 方法比較

比較分析以上不同方法的評價結(jié)果可知：當(dāng)基于傳統(tǒng)歐氏距離［21］計算各專利的綜合貼近度，可知第4 類專利為最優(yōu)專利，與本文方法得到的最優(yōu)專利類相同，但兩種方法計算結(jié)果的不同之處在于第1 類專利與第2 類專利的排序，即本文方法的排序結(jié)果是第1 類專利優(yōu)于第2 類專利，存在差異的原因在于傳統(tǒng)歐氏距離對于長度不同的HFS 需要進行預(yù)處理(補齊或刪除隸屬值)，其沒有考慮數(shù)據(jù)差異給最終結(jié)果帶來的影響。因此，第1 類專利應(yīng)優(yōu)于第2 類專利，本文結(jié)果更為準(zhǔn)確。

當(dāng)僅考慮參考解為極值時，使用文獻［29］計算得到第3類專利為最優(yōu)專利，第2類專利為最差專利，與本文方法得到的結(jié)果相差甚大，但聚焦于原始數(shù)據(jù)可知，第4 類專利的c1(創(chuàng)新度)、c3(創(chuàng)新專利成熟度)、c4(可替代程度)、c8(創(chuàng)新專利市場競爭力)、c10(專利保護范圍)、c12(法律地位穩(wěn)固程度)指標(biāo)評價值在不同程度上都優(yōu)于第3 類專利，可知本文方法所得到的結(jié)果精確度高于僅考慮極值作為參考解的方法精確度。

當(dāng)僅考慮參考值為平均值時，使用文獻［30］計算得到第4 類專利最優(yōu)，第2 類專利最差，與本文結(jié)果的最優(yōu)專利和最差專利相同，但第1 類專利和第3 類專利的排序有所差別。由原始數(shù)據(jù)可知，第3 類專利的c1(創(chuàng)新度)、c3(創(chuàng)新專利成熟度)、c4(可替代程度)、c10(專利保護范圍)、c11(許可實施狀況)、c12(法律地位穩(wěn)固程度)指標(biāo)值都優(yōu)于第1 類專利，其他指標(biāo)第1 類專利與第3 類專利差別不大，因此第3 類專利優(yōu)于第1 類專利。本文方法相較于僅考慮平均值為參考解的方法略勝一籌，但兩種方法的最優(yōu)專利與最差專利的排序是相同的，這在一定程度上反映了當(dāng)代管理者以平均解作為參考標(biāo)準(zhǔn)的思維選擇方式更適合處理多指標(biāo)以及沖突指標(biāo)的決策問題。

因此，本文方法在評價過程中同時考慮了極值與均值對待評專利的影響，還考慮了數(shù)據(jù)的差異性給評價帶來的影響，得到的最終結(jié)果更加符合實際評價情形。

4 結(jié)論

在創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略背景下，企業(yè)專利質(zhì)量的評估成為企業(yè)創(chuàng)新管理的重要內(nèi)容。本文基于猶豫模糊Bray-Curtis 距離測度，構(gòu)建了集成TOPSIS 法的依賴極值參考解思想和EDAS 法的依賴均值參考解思想的以指標(biāo)優(yōu)劣水平為性能度量的評價模型。通過以東莞W 高技術(shù)企業(yè)的4 類專利質(zhì)量評價為例，對所提方法的可行性進行了驗證，并與未考慮數(shù)據(jù)差異性的專利評價方法、猶豫模糊TOPSIS 法和猶豫模糊EDAS 法進行對比，驗證了所提方法的優(yōu)越性，為該問題的解決提供了一定的技術(shù)支撐。此外，評價結(jié)果表明在創(chuàng)新驅(qū)動發(fā)展背景下，企業(yè)可從創(chuàng)新專利的可替代程度、市場化能力、專利保護范圍以及法律地位穩(wěn)固程度這幾個方面提高專利質(zhì)量。