宋凱，冉從敬

0 引言

知識經(jīng)濟時代，具備技術(shù)、經(jīng)濟、法律屬性的專利在區(qū)域產(chǎn)業(yè)和企業(yè)發(fā)展中發(fā)揮著關(guān)鍵作用。面對全球經(jīng)濟增長乏力、“一帶一路”建設(shè)深化、國內(nèi)動能轉(zhuǎn)換陣痛期，企業(yè)存在提升產(chǎn)品質(zhì)量、增強產(chǎn)品競爭力、推進產(chǎn)品“走出去”的現(xiàn)實需求，因此，依靠并大力發(fā)展知識產(chǎn)權(quán)才能贏得新一輪生產(chǎn)力布局調(diào)整的主動權(quán)。高校集聚大批具有重要技術(shù)價值的專利資源和雄厚的人才資源，能夠為國家科技發(fā)展和企業(yè)技術(shù)創(chuàng)新提供重要支持。但依據(jù)《2020年中國專利調(diào)查報告》，高校專利產(chǎn)業(yè)化率為3.8%、許可率為4.4%、轉(zhuǎn)讓率為3.6%[1]，表明高校專利應(yīng)用比例偏低，造成了大量科技浪費與閑置。《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二O三五年遠景目標(biāo)綱要》提出要改革國有知識產(chǎn)權(quán)歸屬和權(quán)益分配機制，擴大科研機構(gòu)和高等院校知識產(chǎn)權(quán)處置自主權(quán)?！丁笆奈濉眹抑R產(chǎn)權(quán)保護和運用規(guī)劃》，提出要支持高校和科研院所加強市場化知識產(chǎn)權(quán)運營機構(gòu)建設(shè)，提升知識產(chǎn)權(quán)轉(zhuǎn)化能力。拓寬專利技術(shù)供給渠道，推進專利技術(shù)供需對接，促進專利技術(shù)轉(zhuǎn)化實施。一系列政策頒布表明高校專利轉(zhuǎn)移轉(zhuǎn)化是國家持續(xù)關(guān)注的領(lǐng)域。政策實施旨在促進專利創(chuàng)造運用，提升高校專利轉(zhuǎn)移轉(zhuǎn)化效率，以實現(xiàn)技術(shù)價值轉(zhuǎn)化為產(chǎn)業(yè)價值，推動實現(xiàn)創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略。

目前存在多個高校專利運營平臺，如國家知識產(chǎn)權(quán)運營公共服務(wù)平臺、科易網(wǎng)、匯桔網(wǎng)等均提供高校專利對外展示窗口，為企業(yè)選擇高校專利開展技術(shù)交易提供系統(tǒng)支持。然而，隨著高校專利授權(quán)數(shù)量的快速增長，信息過載問題也隨之而來。信息量的不斷增加讓情報機構(gòu)遭受信息超載的困境[2]。在使用已有高校專利運營平臺過程中，面對海量高校專利，企業(yè)需要花費大量時間成本和人力成本進行專利篩選，在確定符合技術(shù)需求的專利過程中面臨較大困境，較難快速高效地鎖定相關(guān)高校專利。因此，如何構(gòu)建提升企業(yè)專利查找效率的推薦機制尤為必要。

已有高校專利運營平臺聚焦于業(yè)務(wù)功能和服務(wù)模式等問題，缺乏個性化推薦機制，導(dǎo)致企業(yè)不能快速定位符合需求的專利，高校專利仍束之高閣。20世紀(jì)90年代以來，推薦系統(tǒng)受到廣泛關(guān)注，在學(xué)術(shù)資源推薦[3]、圖書館個性化服務(wù)[4]、用戶個性化教育[5]、虛擬社區(qū)知識推薦[6]等場景中進行探索應(yīng)用，極大提升了用戶服務(wù)滿意度。此外，學(xué)者也將推薦方法應(yīng)用到專利技術(shù)交易和合作研發(fā)中，通過結(jié)合推薦主體特征，設(shè)計應(yīng)用場景，實現(xiàn)對技術(shù)需求者的專利推薦和合作推薦。Trappey等[7]提出融合機器學(xué)習(xí)和自然語言處理的專利推薦模型；Du等[8]設(shè)計基于語義增強的高質(zhì)量專利推薦系統(tǒng)；Chung等[9]提出基于社會網(wǎng)絡(luò)分析和文本挖掘的合作伙伴識別方法；Kang等[10]構(gòu)建基于主題模型的合作團隊選擇方法；張金柱等[11]設(shè)計基于表示學(xué)習(xí)的無監(jiān)督跨語言專利推薦方法；何喜軍等[12]構(gòu)建基于異構(gòu)信息網(wǎng)絡(luò)嵌入的專利技術(shù)主體間交易推薦模型；翟東升等[13]提出基于TRIZ理論的企業(yè)潛在研發(fā)伙伴的推薦方法；陳浩等[14]提出融合主題模型與決策數(shù)的跨地區(qū)專利合作關(guān)系發(fā)現(xiàn)與推薦方法。

綜上，個性化推薦目前已廣泛應(yīng)用于多個平臺場景，通過基于內(nèi)容或基于協(xié)同過濾的傳統(tǒng)推薦方法為用戶提供個性化服務(wù)，緩解了信息過載問題。同時，個性化推薦在專利技術(shù)交易和合作研發(fā)中的應(yīng)用也為本文研究提供了理論和實踐參考。從企業(yè)視角出發(fā)，將高校專利精準(zhǔn)推送給企業(yè)，對建立產(chǎn)學(xué)研深度融合的技術(shù)創(chuàng)新體系，實現(xiàn)高校優(yōu)質(zhì)專利在經(jīng)濟社會中的高效配置具有重要意義。已有高校專利運營平臺均缺乏必要的個性化推薦機制，導(dǎo)致企業(yè)不能快速定位符合需求的專利，陷入信息超載困境；而相關(guān)專利推薦研究較少綜合考慮企業(yè)畫像和專利技術(shù)影響力，導(dǎo)致推薦結(jié)果的匹配度有待進一步提升。因此，本文從技術(shù)研發(fā)屬性和競爭對手屬性兩個維度描述企業(yè)畫像，并結(jié)合基于內(nèi)容推薦和基于協(xié)同過濾推薦的思想，制定高校專利個性化推薦策略，為企業(yè)選擇高校專利開展技術(shù)交易提供決策支持。

1 基于企業(yè)畫像的高校專利個性化推薦模型構(gòu)建

基于企業(yè)畫像的高校專利個性化推薦模型見圖1，推薦模型主要涵蓋五個流程：數(shù)據(jù)檢索與預(yù)處理、技術(shù)主題提取與專利聚類、基于目標(biāo)企業(yè)技術(shù)研發(fā)屬性的專利推薦、基于目標(biāo)企業(yè)競爭對手屬性的專利推薦、基于企業(yè)畫像的高校專利個性化推薦列表。

圖1 基于企業(yè)畫像的高校專利個性化推薦模型圖

流程一：數(shù)據(jù)檢索與預(yù)處理

從企業(yè)視角出發(fā)，選取目標(biāo)企業(yè)，基于目標(biāo)企業(yè)重點關(guān)注的技術(shù)研究方向，確定技術(shù)領(lǐng)域；然后以技術(shù)領(lǐng)域作為關(guān)鍵詞在數(shù)據(jù)庫中進行檢索，獲取技術(shù)領(lǐng)域下包含目標(biāo)企業(yè)的企業(yè)專利數(shù)據(jù)和高校專利數(shù)據(jù)；進一步對專利數(shù)據(jù)進行清洗，獲取專利標(biāo)題和專利摘要，借助學(xué)術(shù)論文和專利技術(shù)功效詞形成技術(shù)領(lǐng)域?qū)I(yè)詞典，應(yīng)用R語言的jiebaR包進行專利文本自然語言處理，最后獲得實驗語料集。

流程二：技術(shù)主題提取與專利聚類

應(yīng)用R語言中的lda包對實驗語料集進行主題抽取，借助LDAvis模型確定最優(yōu)主題數(shù)目；通過設(shè)置主題數(shù)目，調(diào)整α和β兩個隱含參數(shù)，形成最優(yōu)主題模型，分別得到每個技術(shù)主題下的相關(guān)技術(shù)語義詞和“專利-主題”概率矩陣，用于對技術(shù)主題名稱進行總結(jié)，并結(jié)合K-means算法進行專利聚類[15]。

流程三：基于目標(biāo)企業(yè)技術(shù)研發(fā)屬性的專利推薦

企業(yè)受市場競爭、研發(fā)戰(zhàn)略、人力資源等影響，不能在一個技術(shù)領(lǐng)域的各個技術(shù)主題中同時發(fā)力，決定了在一個技術(shù)領(lǐng)域中企業(yè)會存在技術(shù)研發(fā)重點主題和技術(shù)研發(fā)薄弱主題，可從技術(shù)研發(fā)屬性維度描述企業(yè)畫像。依據(jù)專利文本聚類結(jié)果，統(tǒng)計目標(biāo)企業(yè)的專利布局情況，根據(jù)目標(biāo)企業(yè)的專利授權(quán)數(shù)量及申請人排名，通過閾值設(shè)定，確定企業(yè)的技術(shù)研發(fā)重點主題，從而結(jié)合基于內(nèi)容推薦的思想為企業(yè)進行高校專利推薦?；谀繕?biāo)企業(yè)技術(shù)研發(fā)屬性的專利推薦過程如下。

(1)對目標(biāo)企業(yè)技術(shù)研發(fā)重點主題下的專利進行匯總，形成目標(biāo)企業(yè)專利集合Etarget={PE1：(S1，S2，…，Sn)，PE2：(S1，S2，…，Sn)，…，PEm：(S1，S2，…，Sn)}，其 中P表示特定技術(shù)主題下目標(biāo)企業(yè)的專利，S表示應(yīng)用LDA模型獲取的目標(biāo)企業(yè)專利主題支持度，n表示主題數(shù)量，支持度范圍在0→1之間，越接近于1表明目標(biāo)企業(yè)專利與相應(yīng)技術(shù)主題越相關(guān)。

(2)匯總此技術(shù)主題下的高校專利，形成高校專利集合Uall={PU1：(S1，S2，…，Sn)，PU2：(S1，S2，…，Sn)，…，PUw：(S1，S2，…，Sn)}。

(3)在向企業(yè)推薦高校專利過程中，除要求推薦的精準(zhǔn)性，還要保證推薦質(zhì)量。在探析企業(yè)自身技術(shù)研發(fā)屬性外，還需要考慮高校專利技術(shù)影響力，將具備高影響力的專利推薦給企業(yè)。專利被引證次數(shù)能夠反映專利技術(shù)重要程度，被引證次數(shù)越多，越能夠體現(xiàn)對該方向上的其他專利技術(shù)創(chuàng)新產(chǎn)生重要的導(dǎo)向作用。但僅依賴被引證次數(shù)進行專利技術(shù)影響力評價存在兩個不足：一是沒有考慮專利主題因素，在學(xué)術(shù)文獻評價中，已有研究指出文獻影響力與學(xué)科領(lǐng)域、研究主題密切相關(guān)，將主題因素納入文獻影響力評價是合理且必要的[16]。此外，專利被引證次數(shù)具有時滯性，因此，對不同階段授權(quán)的專利，在應(yīng)用被引證次數(shù)進行影響力評價時需要考慮時間因素。例如，2015年授權(quán)的一件發(fā)明專利被引證次數(shù)為10次，而2019年授權(quán)一件發(fā)明專利被引證次數(shù)也為10次，如果按照被引證次數(shù)評價兩件專利的技術(shù)創(chuàng)新性及影響力，則不分伯仲，但2015年專利歷經(jīng)5年被引證次數(shù)才達到10次，而2019年授權(quán)專利僅1年就達到同樣量級，證明其創(chuàng)新性更高，時效性更強，技術(shù)研究更前沿。綜合以上分析，在進行專利技術(shù)影響力評價過程中，需要綜合考慮企業(yè)技術(shù)研發(fā)重點主題因素及專利授權(quán)時間因素，具體計算過程如下。

①對任意一件高校專利PUi，確定PUi的被引證次數(shù)，記為UCi，將專利被引次數(shù)與授權(quán)時間融合，計算融合時間因子后的被引證次數(shù)WC，計算公式為：

其中，t為數(shù)值常量，以專利授權(quán)時間為2012-2020年為例，2020年授權(quán)專利的t值為1，而2012年授權(quán)專利的t值為9，通過這種方式，凸顯授權(quán)時間較晚，被引證次數(shù)較高的專利重要性。為避免被引證次數(shù)為0的情況，將分子和分母分別做加1處理[17]。

②對任意一個技術(shù)研發(fā)重點主題Ti，確定Ti對PUi的支持度，記為PUSi，將融合時間因素后的專利被引證次數(shù)與技術(shù)主題支持度融合，作為高校專利的技術(shù)影響力指數(shù)(Patent Technology Influence Index，PTII)，計算公式為：

(4)計算得到高校專利Pi與技術(shù)研發(fā)重點主題下目標(biāo)企業(yè)所有專利的平均Cosine相似度Sim_Pi[18]，并進一步與技術(shù)影響力指數(shù)融合，形成高校專利匹配度(Patent Matching Degree，PMD)，其中W1和W2為指標(biāo)權(quán)重，分別取值0.5。根據(jù)技術(shù)研發(fā)重點主題下每件高校專利匹配度進行排名，形成基于企業(yè)技術(shù)研發(fā)屬性的高校專利推薦列表。

流程四：基于目標(biāo)企業(yè)競爭對手屬性的專利推薦

競爭對手屬性是描述企業(yè)在技術(shù)領(lǐng)域的最大技術(shù)競爭者，特別針對的是企業(yè)的技術(shù)研發(fā)薄弱主題。在此類主題中，結(jié)合基于協(xié)同過濾的推薦思想為企業(yè)進行高校專利推薦。因此，在分析目標(biāo)企業(yè)技術(shù)研發(fā)屬性的基礎(chǔ)上，探尋出目標(biāo)企業(yè)的技術(shù)研發(fā)薄弱主題，并發(fā)掘目標(biāo)企業(yè)競爭對手，以實現(xiàn)專利推薦?；谀繕?biāo)企業(yè)競爭對手屬性的專利推薦過程如下。

(1)針對目標(biāo)企業(yè)的技術(shù)研發(fā)薄弱主題，對其他企業(yè)申請人進行專利數(shù)量統(tǒng)計和排序，排名第一的企業(yè)申請人視為目標(biāo)企業(yè)的最大技術(shù)競爭者。

(2)對技術(shù)研發(fā)薄弱主題下的技術(shù)競爭者專利數(shù)量進行統(tǒng)計，形成技術(shù)競爭企業(yè)專利集合Ecompetitors={Ec1：(P1，P2，…，Pa)，Ec2：(P1，P2，…，Pb)，…，Ecn：(P1，P2，…，Pz)}。

(3)參考流程三中(3)的計算過程，計算目標(biāo)企業(yè)技術(shù)研發(fā)薄弱主題下每件高校專利的技術(shù)影響力。

(4)計算目標(biāo)企業(yè)技術(shù)研發(fā)薄弱主題下，每件高校專利與目標(biāo)企業(yè)技術(shù)競爭者專利的平均Cosine相似度，并結(jié)合高校專利技術(shù)影響力，計算高校專利匹配度-PMD。

(5)依據(jù)專利匹配度對目標(biāo)企業(yè)技術(shù)研發(fā)薄弱主題下的高校專利進行排名，形成基于目標(biāo)企業(yè)競爭對手屬性的專利推薦列表。

流程五：基于企業(yè)畫像的高校專利個性化推薦列表

從技術(shù)研發(fā)屬性和競爭對手屬性兩個維度描述企業(yè)畫像，結(jié)合基于內(nèi)容推薦和基于協(xié)同過濾推薦思想制定推薦策略，并依托專利匹配度指標(biāo)進行高校專利排名，通過對以上兩種不同推薦策略得到的推薦結(jié)果進行結(jié)合，形成高校專利個性化推薦列表?；诩夹g(shù)研發(fā)屬性的高校專利推薦，聚焦企業(yè)技術(shù)研發(fā)重點主題，通過轉(zhuǎn)讓高校專利，實現(xiàn)“強上加強”，圍繞城墻式布局、地毯式布局等構(gòu)建專利保護網(wǎng)，形成對企業(yè)占據(jù)競爭優(yōu)勢的專利組合?；诟偁帉κ謱傩缘母咝＠扑]，聚焦企業(yè)技術(shù)研發(fā)薄弱主題，通過借助高校技術(shù)力量，一方面可以快速提升在薄弱主題的技術(shù)實力，節(jié)約研發(fā)成本，實現(xiàn)彎道超車；另一方面為在薄弱主題開展專利布局積累基礎(chǔ)，防止被競爭對手遏制，提起專利訴訟。

2 結(jié)果分析

2.1 數(shù)據(jù)來源與實證設(shè)計

本文數(shù)據(jù)來源于IncoPat專利數(shù)據(jù)庫，選擇分析的技術(shù)領(lǐng)域為“云計算”。在數(shù)據(jù)檢索過程中，專利來源選擇為中國發(fā)明授權(quán)專利和實用新型專利，檢索式設(shè)置為標(biāo)題/摘要=(“云計算”or“云平臺”or“云存儲”or“云數(shù)據(jù)中心”or“數(shù)據(jù)云”or“醫(yī)療云”or“云計算中心”or“云計算系統(tǒng)”or“大數(shù)據(jù)云”or“云計算技術(shù)”)，時間截至2020年12月31日，共檢索到9，975件專利。對校企合作專利數(shù)據(jù)進行剔除，僅保留由高?；蚱髽I(yè)獨立申請的專利，剩余專利數(shù)據(jù)7，650件，其中高校數(shù)據(jù)1，520條、企業(yè)數(shù)據(jù)6，130條。

數(shù)據(jù)收集完成后，需要選擇一個目標(biāo)企業(yè)設(shè)計實證場景，遵循財政部、國家知識產(chǎn)權(quán)局聯(lián)合印發(fā)《關(guān)于實施專利轉(zhuǎn)化專項計劃助力中小企業(yè)創(chuàng)新發(fā)展的通知》的政策精神，本文重點考慮選擇“云計算”領(lǐng)域的中小企業(yè)進行研究。綜合考量企業(yè)的專利授權(quán)數(shù)量、成立時間、行業(yè)專注程度等，選擇“A公司”作為目標(biāo)企業(yè)，該企業(yè)成立于2010年，是專業(yè)云計算解決方案供應(yīng)商，專注于云計算、虛擬化、云存儲、云平臺、應(yīng)用虛擬化等領(lǐng)域的方案解決與服務(wù)提供，在云計算領(lǐng)域授權(quán)專利23件。因此，將應(yīng)用高校專利個性化推薦模型，根據(jù)“A公司”在“云計算”領(lǐng)域的企業(yè)畫像，進行高校專利個性化推薦，解決“找專利”問題。

2.2 “云計算”領(lǐng)域?qū)＠季纸y(tǒng)計

根據(jù)技術(shù)主題提取流程，當(dāng)主題數(shù)目設(shè)置為12個，α=0.01，β=0.02時，基于LDAvis模型呈現(xiàn)的主題可視化結(jié)果，各主題之間交叉度較小，主題之間相對獨立，表明主題數(shù)目最優(yōu)。依據(jù)最優(yōu)模型的輸出結(jié)果，應(yīng)用“專利-主題”概率矩陣進行專利聚類，結(jié)合技術(shù)主題下的相關(guān)詞對主題進行總結(jié)凝練。依據(jù)計算結(jié)果，統(tǒng)計“A公司”在“云計算”領(lǐng)域各個技術(shù)主題下的專利布局情況，見表1。“A公司”在“云計算”領(lǐng)域中3個技術(shù)主題的專利授權(quán)數(shù)量超過5件，在企業(yè)申請人排名中，這3個主題也進入前5名。因此，“A公司”技術(shù)研發(fā)重點主題和技術(shù)研發(fā)薄弱主題的閾值設(shè)置以“雙五”為閾值進行劃分，即專利授權(quán)數(shù)量超過5件且排名前5的技術(shù)主題。通過閾值設(shè)置，判斷出“A公司”在云計算領(lǐng)域有3個技術(shù)研發(fā)重點主題，分別為：“主題3→云服務(wù)器”“主題10→云計算機”“主題11→射頻識別”，其余9個主題視為“A公司”的技術(shù)研發(fā)薄弱主題。通過上述分析，實現(xiàn)對企業(yè)畫像中技術(shù)研發(fā)屬性的描述。

表1 “A公司”技術(shù)主題專利布局統(tǒng)計表

2.3 “云計算”領(lǐng)域最大技術(shù)競爭企業(yè)統(tǒng)計

對“A公司”技術(shù)研發(fā)薄弱主題下的企業(yè)申請人專利進行統(tǒng)計，確定“A公司”在各個技術(shù)研發(fā)薄弱主題下的最大技術(shù)競爭企業(yè)，統(tǒng)計結(jié)果見表2?！癆公司”在“主題1→虛擬化技術(shù)”“主題4→工業(yè)云計算”“主題5→云計算安全”“主題6→設(shè)備控制”“主題7→智能終端”“主題9→圖像處理”中的最大技術(shù)競爭企業(yè)是“華*技術(shù)有限公司”；在“主題2→云傳感器”“主題8→云管理”“主題12→大數(shù)據(jù)處理”中的最大技術(shù)競爭企業(yè)是“國*科技股份有限公司”。在本文所用實驗數(shù)據(jù)集中，華*技術(shù)有限公司擁有獨立授權(quán)專利115項，在所有企業(yè)申請人中排名首位?！叭A*云”是“華*技術(shù)有限公司”的云服務(wù)品牌，專注于云計算中公有云領(lǐng)域的技術(shù)研究與生態(tài)拓展，為企事業(yè)用戶提供一站式云計算基礎(chǔ)設(shè)施服務(wù)，已成為中國最大、全球領(lǐng)先的公有云服務(wù)與解決方案供應(yīng)商之一?！皣?科技股份有限公司”擁有獨立授權(quán)專利85項，在所有企業(yè)申請人中排名第二位?！皣?科技股份有限公司”在云計算領(lǐng)域擁有自主研發(fā)的安全可控G-CLOUD云操作系統(tǒng)，還擁有“職教云、政務(wù)云、應(yīng)急云、遙感云、交通云”等成功案例和整體解決方案，是中國領(lǐng)先的云計算全面解決方案及服務(wù)供應(yīng)商。通過以上分析，“華*技術(shù)有限公司”“國*科技股份有限公司”是“A公司”在云計算領(lǐng)域的最大技術(shù)競爭企業(yè)，“A公司”擁有獨立授權(quán)專利23件，與“華*技術(shù)有限公司”“國*科技股份有限公司”存在較大差距，而在技術(shù)研發(fā)薄弱主題中，“主題4→工業(yè)云計算”“主題8→云管理”“主題9→圖像處理”“主題12→大數(shù)據(jù)處理”中授權(quán)專利為零。因此，“A公司”在立足技術(shù)研發(fā)重點主題的基礎(chǔ)上，需要針對技術(shù)研發(fā)薄弱主題開展技術(shù)探索及專利布局，以提升其在云計算領(lǐng)域的競爭實力，拓展業(yè)務(wù)范圍，增加在云計算解決方案與應(yīng)用服務(wù)的市場占有率。通過以上過程，實現(xiàn)了對企業(yè)畫像中競爭對手屬性的描述。

表2 “A公司”技術(shù)薄弱主題下最大技術(shù)競爭企業(yè)統(tǒng)計表

2.4 “云計算”領(lǐng)域高校專利個性化推薦

通過分析技術(shù)研發(fā)屬性和競爭對手屬性，能夠描述A公司在云計算領(lǐng)域的企業(yè)畫像，并依據(jù)制定的推薦策略進行高校專利個性化推薦。本文以主題3和主題6為例，進行高校專利個性化推薦結(jié)果的展示，見表3-4，每個主題展示4件專利，排名結(jié)果以專利匹配度為衡量指標(biāo)。

分析表3發(fā)現(xiàn)，“主題3→云服務(wù)器”是A公司技術(shù)研發(fā)重點主題，因此，采用基于企業(yè)技術(shù)研發(fā)屬性的專利推薦流程，結(jié)合基于內(nèi)容推薦的思想，進行高校專利推薦。其中，專利匹配度排名第一的是湖南大學(xué)肖國慶等人的“一種可高效更新權(quán)限的多用戶可搜索加密方法和系統(tǒng)”，授權(quán)時間為2020年，被引證次數(shù)為2次，該發(fā)明規(guī)避數(shù)據(jù)權(quán)屬者與用戶的并行交互，提升數(shù)據(jù)權(quán)屬者的相關(guān)數(shù)據(jù)更新效率，但不會對用戶查詢產(chǎn)生影響，具有擴展應(yīng)用空間。排名第二位的是黑龍江大學(xué)郭賢達的“用于客戶信息管理的機器人”，授權(quán)時間為2018年，被引證次數(shù)為2次，通過將智能機器人管理系統(tǒng)與云計算實時平臺進行連接，提高客戶信息管理效率。排名第三位的是成都信息工程大學(xué)李斌勇等的“基于云平臺的智慧交通大數(shù)據(jù)預(yù)測分析系統(tǒng)”，授權(quán)時間為2018年，被引證次數(shù)為2次，該發(fā)明依托云計算平臺對多源交通數(shù)據(jù)進行預(yù)測處理，以提升汽車的通行效率。排名第四位的是魯東大學(xué)曲海平等的“一種基于云計算的數(shù)據(jù)交換監(jiān)控系統(tǒng)”，授權(quán)時間為2017年，被引證次數(shù)為2次，該發(fā)明能借助云計算后臺服務(wù)器遠程監(jiān)控實時交換數(shù)據(jù)。

表3 基于企業(yè)技術(shù)研發(fā)屬性的高校專利推薦匯總表

分析表4發(fā)現(xiàn)，“主題6→設(shè)備控制”是A公司的技術(shù)研發(fā)薄弱主題，最大技術(shù)競爭企業(yè)是“華*技術(shù)有限公司”，因此，采用基于企業(yè)競爭對手屬性的推薦流程，結(jié)合基于協(xié)同過濾推薦的思想進行專利推薦。其中，專利匹配度排名第一的是陜西科技大學(xué)孟彥京等人的“一種基于電氣PLC和遠程云平臺的復(fù)卷機控制系統(tǒng)”，授權(quán)時間是2018年，被引證次數(shù)為4次，本系統(tǒng)將采集到的復(fù)卷機數(shù)據(jù)傳輸至云平臺，實現(xiàn)移動端對復(fù)卷機的實時監(jiān)控，可降低人力成本，提高生產(chǎn)效率。排名第二位的是重慶交通大學(xué)林鵬飛等人的“一種支持多種支付方式的智能云存儲柜系統(tǒng)”，授權(quán)時間是2014年，被引證次數(shù)為4次，該存儲柜依托云平臺，實現(xiàn)支持在線支付、驗貨錄像等功能，可以保障相關(guān)方利益，提高派送效率。排名第三位的是北京工業(yè)大學(xué)沈琦等人的“一種基于Hadoop架構(gòu)的移動終端云資源調(diào)度方法”，授權(quán)時間是2017年，被引證次數(shù)為2次，該方法提升了移動終端的本地化執(zhí)行效率，在多并發(fā)和請求擁堵情況下，實現(xiàn)集群節(jié)點的復(fù)雜均衡。排名第四位的是湘潭大學(xué)曾以成等人的“基于FPGA和云平臺的智能家居系統(tǒng)”，授權(quán)時間是2015年，被引證次數(shù)為3次，本系統(tǒng)整合了三重網(wǎng)絡(luò)機制，能夠?qū)崿F(xiàn)對智能家居的高效控制，具有安全性高、適用范圍強、智能化程度高等優(yōu)勢。

表4 基于企業(yè)競爭對手屬性的高校專利推薦匯總表

3 模型評估

通過上述分析，針對A公司在云計算領(lǐng)域的企業(yè)畫像，分別結(jié)合基于內(nèi)容推薦和基于協(xié)同過濾推薦的思想，為A公司進行高校專利個性化推薦。財政部辦公廳、國家知識產(chǎn)權(quán)局辦公室發(fā)布的《關(guān)于實施專利轉(zhuǎn)化專項計劃 助力中小企業(yè)創(chuàng)新發(fā)展的通知》指出，校企技術(shù)交易率低的關(guān)鍵原因在于中小企業(yè)缺乏快捷高效尋求高校專利以及與專利權(quán)人、發(fā)明團隊對接的渠道。因此，相對于企業(yè)“被動”搜索專利，本文所提專利“主動”推薦模型將切實提升企業(yè)獲取高校專利的效率。此外，推薦過程中的重點內(nèi)容，一是構(gòu)建“A公司”的企業(yè)畫像，從技術(shù)研發(fā)屬性和競爭對手屬性兩個維度出發(fā)，為選擇應(yīng)用不同的推薦策略提供參考；二是推薦專利的優(yōu)先級是采用“專利匹配度”這一指標(biāo)進行排名，需要進一步對“專利匹配度”評價有效性進行評估，進而驗證本文所推薦模型的科學(xué)性和合理性。因此，本文采用“主題6→設(shè)備控制”的專利推薦結(jié)果，從相關(guān)性、統(tǒng)計學(xué)特征、區(qū)分能力三個角度展開分析。

3.1 相關(guān)性分析

將“主題6→設(shè)備控制”中專利匹配度與專利影響力、專利相似度、被引證次數(shù)、時間因子進行Spearman相關(guān)性分析，結(jié)果見表5。由表5可知，在0.01水平(雙側(cè))上，專利匹配度、專利影響力、專利相似度、被引證次數(shù)之間呈顯著正相關(guān)，相關(guān)系數(shù)介于0.453～0.927，但專利匹配度與時間因子呈顯著負相關(guān)。這種高度相關(guān)性與專利匹配度的設(shè)計原理有關(guān)，傳統(tǒng)的基于內(nèi)容或基于協(xié)同過濾的推薦，都僅考慮相似度的匹配，而本文提出的專利匹配度指標(biāo)又進一步考慮了專利影響力因素，將兩個指標(biāo)進行了進一步的融合。所以，專利匹配度與專利相似度以及專利影響力的相關(guān)系數(shù)分別為0.696、0.927，表明專利匹配度指標(biāo)是延續(xù)了傳統(tǒng)推薦方法中重視相似度匹配的重要特征。而專利影響力是綜合考慮了專利的被引證次數(shù)、企業(yè)技術(shù)研發(fā)主題因素及時間因子，其中專利被引證次數(shù)是評價專利技術(shù)創(chuàng)造性的通用指標(biāo)，專利影響力公式的設(shè)計就決定了時間因子會將時間靠前的專利突顯出來，而相關(guān)研究表明在影響力評價過程中融入主題因素能夠讓評價結(jié)果更加科學(xué)合理[19]。上述內(nèi)容表明，專利匹配度綜合考慮了專利相似性、專利被引證次數(shù)、專利技術(shù)主題、時間因子等因素，具有更全面的評價視角，用于專利推薦過程中，對專利進行評價是可行的，推薦結(jié)果是可接受的。

表5 相關(guān)性計算統(tǒng)計表

3.2 統(tǒng)計學(xué)特征分析

將“主題6→設(shè)備控制”中的專利匹配度繪制Q-Q圖，見圖2。Q-Q圖是用來鑒別樣本數(shù)據(jù)分布特征的一種統(tǒng)計圖形技術(shù)，如果被檢驗的樣本數(shù)據(jù)近似落在一條直線附近，則其理論分布為標(biāo)準(zhǔn)正態(tài)分布。分析圖2發(fā)現(xiàn)，主題6中各件專利匹配度對應(yīng)的數(shù)據(jù)點基本在一條直線附近，說明各件專利對應(yīng)的專利匹配度服從正態(tài)分布，指標(biāo)服從正態(tài)分布更符合人們的打分習(xí)慣。俞立平在分析期刊評價指標(biāo)的內(nèi)部差距時發(fā)現(xiàn)，目前多數(shù)期刊評價指標(biāo)普遍是右偏的，不服從正態(tài)分布，指標(biāo)數(shù)據(jù)右偏會導(dǎo)致期刊評價值偏低，影響期刊一般水平的判斷，并建議最好選取數(shù)據(jù)偏倚情況相對較好的指標(biāo)來評價期刊[20]?？梢?，服從正態(tài)分布的專利匹配度是進行高校專利推薦過程中較為理想的專利評價指標(biāo)。

圖2 樣本數(shù)據(jù)正態(tài)分布的Q-Q圖

3.3 區(qū)分能力分析

為判斷專利匹配度、專利影響力、專利被引證次數(shù)、專利相似度幾種指標(biāo)的區(qū)分能力，計算它們評價結(jié)果的標(biāo)準(zhǔn)差(STDEVP，SD)。標(biāo)準(zhǔn)差反映一組數(shù)據(jù)的發(fā)散程度，標(biāo)準(zhǔn)差越大，則數(shù)據(jù)越發(fā)散。四種指標(biāo)對應(yīng)的標(biāo)準(zhǔn)差分別為：被引證次數(shù)(SD)=0.931、專利相似度(SD)=0.078、專利影響力(SD)=0.151、專利匹配度(SD)=0.097，專利匹配度的標(biāo)準(zhǔn)差僅比專利相似度高，表明其評價結(jié)果發(fā)散程度較小。進一步對主題6下不同指標(biāo)的排名結(jié)果繪制折線圖，見圖3。其中橫軸表示專利，縱軸表示專利排名情況。

圖3 “主題6”四種評價指標(biāo)的高校專利排名變化圖

分析圖3發(fā)現(xiàn)，專利匹配度對應(yīng)的專利排名圖示是一條直線，表明沒有相同的評價結(jié)果，而專利影響力、專利被引證次數(shù)、專利相似度對應(yīng)的專利排名圖示是曲線，且具有較大的波動，出現(xiàn)不同專利具有相同評價結(jié)果的現(xiàn)象。以主題6中專利匹配度排名前兩位的專利為例，專利6-1和專利6-2的被引證次數(shù)均為4次，但前者的專利匹配度(PMD=0.984)要高于后者(PMD=0.776)，這是因為專利6-1授權(quán)時間為2018年，而專利6-2的授權(quán)時間為2014年，通過融入時間因子后計算專利影響力，專利6-1明顯高于專利6-2，因此，其專利匹配度的排名靠前。專利6-3和專利6-4的專利相似度均為0.928，且后者的專利被引證次數(shù)高于前者，但前者的專利匹配度(PMD=0.761)要高于后者(PMD=0.747)。這是因為專利6-3的專利授權(quán)時間是2017年，而專利6-4的專利授權(quán)時間是2015年，且專利6-3的技術(shù)主題支持度(UPS=0.990)要高于專利6-4(UPS=0.987)，所以專利6-3的專利影響力就高于專利6-4，使得專利6-3的專利匹配度高于專利6-4。可見，專利匹配度綜合考慮了專利被引證次數(shù)、企業(yè)技術(shù)研發(fā)主題、專利授權(quán)時間、專利相似度，能夠?qū)⑸鲜鲋笜?biāo)相同的專利有效地區(qū)分開來。因此，與被引證次數(shù)、專利影響力、專利相似度相比，專利匹配度具有較好的專利區(qū)分能力，通過結(jié)合基于企業(yè)畫像的推薦策略，適用于向企業(yè)推薦高校專利。

4 結(jié)語

本文提出基于企業(yè)畫像的高校專利個性化推薦理論模型，旨在為企業(yè)尋求高校專利開展技術(shù)交易時，從技術(shù)研發(fā)屬性和競爭對手屬性兩個維度構(gòu)建企業(yè)畫像，結(jié)合基于內(nèi)容推薦和基于協(xié)同過濾推薦的思想，依據(jù)“專利匹配度”指標(biāo)進行專利推薦。既關(guān)注了目標(biāo)企業(yè)在技術(shù)研發(fā)重點主題層面的資源傾斜，又兼顧其在技術(shù)薄弱主題層面的潛在需求，能夠改變以往企業(yè)在應(yīng)用高校專利運營平臺過程中的專利搜索模式，從“被動搜索”轉(zhuǎn)變?yōu)椤爸鲃油扑]”，幫助企業(yè)緩解專利信息過載困境，解決了企業(yè)“找專利”的問題。“專利匹配度”融合了多個維度指標(biāo)，能夠保證推薦專利的主題性、影響力、時效性、相關(guān)性，在傳統(tǒng)推薦方法僅重視推薦精準(zhǔn)性的基礎(chǔ)上，又進一步凸顯了推薦質(zhì)量，從而實現(xiàn)了最佳的推薦結(jié)果。本文不足之處在于，首先，企業(yè)畫像維度廣泛，本文僅從技術(shù)研發(fā)和競爭對手兩個屬性維度進行描述，畫像維度有待進一步拓展；其次，在專利相似度計算過程中，采用余弦相似度實現(xiàn)，雖然提升了計算效率，但忽略了語義關(guān)聯(lián)，后續(xù)研究需要重視從語義層面的探索。以上內(nèi)容會對本文的推薦結(jié)果產(chǎn)生一定影響，將在后續(xù)研究中加以改進。