趙昆

關鍵詞：智慧圖書館;專利;科學計量;可視化分析

中圖分類號：G250 文獻標識碼：A 文章編號：1003-1588（2022）04-0085-03

我國自1950年頒布《保障發(fā)明權與專利暫行條例》，到1985年實施《中華人民共和國專利法》，再到2008年出臺《國家知識產權戰(zhàn)略綱要》，已成為名副其實的知識產權大國。我國的知識產權事業(yè)實現了從無到有、從小到大的歷史性跨越，取得了重大發(fā)展[1]。教育部頒布的《教育信息化“十三五”規(guī)劃》明確指出到2020年高校要基本實現智慧校園建設的目標，圖書館處于智慧化轉型的重大變革時期[2]。因此，筆者基于專利分析研究成果，對我國圖書館和相關行業(yè)的智能服務技術現狀進行了分析。

1研究方法與數據來源

1.1研究方法

CiteSpace是一款可視化文獻分析軟件，能夠顯示一個學科或知識域在一定時期發(fā)展的趨勢與動向，形成若干研究前沿領域的演進歷程[3]。VOSviewer是一個用于構建和可視化文獻計量網絡的軟件。筆者利用CiteSpace和VOSviewer對專利的關鍵詞和專利人關系進行了分析。

1.2數據來源

筆者以國家知識產權局數據庫為數據來源，以圖書館為關鍵詞，截止日期為2020年12月23，共獲取相關文獻3，528條，剔除重復數據后，得到相關文獻3，503條。

2專利發(fā)布總體分析

2.1圖書館相關專利公告發(fā)布情況統計

我國圖書館相關專利公告發(fā)布情況統計顯示：我國圖書館首項專利公告發(fā)布于1999年，1999—2009年處于萌芽階段，圖書館相關專利數量較少，每年的專利數量1～12件;2010—2015年處于發(fā)展階段，專利數量逐年增多，從2010年的43件增加到2015年的168件;2016—2020年處于快速發(fā)展階段，自2016年以來，相關專利申請迎來高速增長期，每年的專利申請量超過300件，此后每年以20%左右的增長率快速增多，專利數量和申請人數逐年增多。圖書館專利數量的增多，對于圖書館的發(fā)展和相關技術的轉化具有積極的推動作用。

2.2專利分布情況

2.2.1基于專利類型分析。相關的統計分析結果顯示，發(fā)明專利為850件，占專利總數的24.26%;實用技術專利2，441件，占專利總數的69.69%;外觀設計專利212件，占專利總數的6.05%，說明圖書館相關專利以實用技術為主，這些專利有較高的技術水準和創(chuàng)新性。

2.2.2基于專利申請人所在地區(qū)分析。基于專利申請人所在地區(qū)的統計分析，能夠展現各個地區(qū)的研發(fā)水平。相關的統計分析結果顯示，山東、江蘇和河南在圖書館方面的專利數量較多，新疆、西藏、甘肅、青海在圖書館方面的專利數量較少，部分國外機構或個人在中國申請專利，如美國、日本、韓國、瑞典、荷蘭等。

2.3圖書館相關專利主要專利權人

智慧圖書館建設推動了相關研究的開展，有1，646個專利權人在我國獲得相關專利。其中，機構作為專利權人有981個，占總數的59.6%;個人專利權人有665個，占總數的40.4%。相關的統計結果顯示，華北理工大學擁有的專利數量最多，其次是濱州學院;專利權人以學校為主，高校有486所，中小學有36所;技術型企業(yè)有429家，代表企業(yè)有深圳市海恒智能技術有限公司和上海阿法迪智能數字科技股份有限公司;公共圖書館有9家，數量較少;合作的專利項目有88件，僅占總數的5.35%，說明專利多為獨立發(fā)明。

2.4圖書館相關專利主要發(fā)明人

發(fā)明人通常是專利的實際主持人，專利數量既能在一定程度上展現發(fā)明人的研發(fā)實力，也能反映圖書館的競爭力。相關的統計結果顯示，楊敬紅參與的專利數量最多，有23件，來自深圳市海恒智能技術有限公司;羅濤參與的專利數量有21件，來自深圳市海恒智能技術有限公司;張桂東、楊雙琪和宋思奇參與多項專利研發(fā)，都來自華北理工大學。由此可見，這些機構已經形成穩(wěn)定的專利科研團隊。

筆者通過VOSviewer制作了發(fā)明人關系網絡圖譜，設置每位最小數量為5，共篩選出239人。以發(fā)布量為權重，圖標的大小表示發(fā)布專利數量的多少，連線表示發(fā)明人之間有合作關系，連線越粗，表明合作越多。發(fā)明人關系網絡圖譜的分析結果顯示，楊敬紅參與的專利發(fā)明數量最多，且與多位發(fā)明人有合作;一些圖標聯合成組，表明這些發(fā)明人已經有一定的研究圈子;雷水旺和張桂東等在近幾年的專利數量較多。

3專利研究成果分析

3.1專利關鍵詞共現分析

專利的標題表明專利的核心內容。筆者通過Python提取專利標題的關鍵詞，分析了專利的研究重點;以jieba分詞庫為中文分詞組件，采取精確的分詞模式，基于TF-IDF算法對關鍵詞進行了抽取;為減少錯誤，降低無意義的常用詞干擾，建立了用戶詞典。節(jié)點大小表示專利關鍵詞出現的頻次，關鍵詞之間的連線粗細表示共現頻次，顏色表示首次出現的年代。關鍵詞詞頻統計旨在通過關鍵詞的集中程度分析該領域研究的主題分布，并以此梳理研究內容[4]。專利關鍵詞共現圖譜分析結果顯示，1999年至2020年，專利關鍵詞有111個節(jié)點、123條連線，密度為0.0201。圖書館相關專利的研究重點有裝置、系統和書架，其中裝置、圖書和智能有較高的中心性。排名前10的關鍵詞出現在2003年至2014年，說明近年來新的研究方向尚未形成主導。

3.2專利關鍵詞聚類分析

筆者通過對數極大似然算法（LLR）對關鍵詞進行聚類分析，以獲取智慧圖書館相關的專利結構，探尋關鍵詞的組合分類。聚類模塊值（Q值）大于0.3意味著聚類結構顯著，此次聚類分析的Q值為0.7974，說明聚類結果有效;S=0.8664，數值大于0.7，說明聚類結果可信。此次分析共出現10個關鍵詞聚類標簽，分別是：裝置、專用、還書、管理系統、圖書、書架、服務、管理、書籍、多功能。

對某一研究領域的演進路徑進行分析，能夠清晰展現研究主題的發(fā)展脈絡和發(fā)展方向。研究者可根據演進路徑，對研究主題的發(fā)展趨勢進行預測。CiteSpace的Timeview功能既可對這種演進路徑進行可視化分析，也可對相關關鍵詞進行主題聚類[5]。筆者根據圖書館相關專利研究演進路徑圖，將圖書館相關專利研究內容歸納為三個研究熱點：一是為圖書館提供基礎服務的硬件設施。聚類標簽#0、#1、#2、#5、#9共現的關鍵詞有智能、裝置、識別、設備、書立、書車、監(jiān)控、書桌、照明、除塵、座椅等，時間為2010年至今，說明圖書館對硬件設施的需求，推動相關專利研發(fā)工作的持續(xù)開展。智慧圖書館只有依托良好的硬件設施，才能更好地發(fā)揮作用。二是與圖書館業(yè)務管理相關的系統或方法。聚類標簽#3、#6、#7共現的關鍵詞有虛擬圖書館、自動、還書、查詢、定位、聯網等。圖書館正常運行離不開科學的管理方法，與管理相關的專利研發(fā)時間跨度最長，涵蓋整個時期。這些專利技術提高了圖書館的工作效率，推動了圖書館的智能化發(fā)展。三是圖書資料的收藏和管理。聚類標簽#4、#8共現的關鍵詞有檢索、數字圖書館、RFID、藏書、展示等。圖書收藏和管理是圖書館的核心業(yè)務，圖書館和相關機構努力提升藏書質量和收藏管理能力，以期滿足讀者的多元化閱讀需求，因此這些關鍵詞涵蓋整個研究時區(qū)。

4結語

智慧圖書館以讀者需求為本，圍繞資源、人、空間三大要素開展智慧服務[6]。目前，以專利為代表的新技術給智慧圖書館帶來生機與活力。筆者通過對國家知識產權局數據庫的分析，構建了圖書館相關專利情況的知識圖譜，以便于圖書館掌握新技術的脈絡。圖書館的智慧化變革是一個動態(tài)的過程，本質是圖書館為了適應時代發(fā)展要求，積極進行的技術創(chuàng)新、服務創(chuàng)新、制度創(chuàng)新[7]。知識服務為圖書館的智慧化轉型奠定了基礎[8]，新技術的應用進一步促進圖書館的智慧化發(fā)展。因此，圖書館界應持續(xù)關注相關專利技術，推動自身的智慧化轉型。