- 相關(guān)推薦
基于專利共被引的世界500強(qiáng)企業(yè)技術(shù)競爭的專利地圖分析
引言
在科學(xué)文獻(xiàn)的引用行為中，引用動機(jī)大多是出于正面因素，例如向開拓者致敬（credit topioneer），對有關(guān)著作給予榮譽(yù)（honor to literature）等等，因此科學(xué)文獻(xiàn)的引用體現(xiàn)出了一種知識的繼承關(guān)系。與科學(xué)文獻(xiàn)的引用動機(jī)不同的是，專利文獻(xiàn)的引用動機(jī)則大多旨在指出所引用技術(shù)的問題、不足或缺陷，表達(dá)著對所引用技術(shù)的否定態(tài)度[1]，所以專利的引用表達(dá)的更多的是技術(shù)的競爭關(guān)系。
技術(shù)競爭情報(bào)(Competitive Technical Intelligence)是指能給組織的競爭地位帶來重大影響的外部科學(xué)或技術(shù)的威脅、機(jī)會或發(fā)展的信息，以及這些信息的獲取、監(jiān)控、分析、前瞻和預(yù)警過程[2]。專利計(jì)量方法已經(jīng)成為企業(yè)技術(shù)競爭情報(bào)研究的一種主要手段[3, 4]。
在此前的研究中，作者通過建立大型專利共被引矩陣，對世界500 強(qiáng)中的工業(yè)企業(yè)的專利發(fā)表強(qiáng)度、被引情況、專利共被引網(wǎng)絡(luò)進(jìn)行了研究[5]。本文在以往研究的基礎(chǔ)上，基于企業(yè)專利前向引用構(gòu)建企業(yè)專利共被引矩陣，結(jié)合科學(xué)計(jì)量學(xué)領(lǐng)域近年來迅猛發(fā)展的信息可視化技術(shù)，對世界500 強(qiáng)企業(yè)進(jìn)行技術(shù)競爭地圖分析。
1 國內(nèi)外研究現(xiàn)狀
1.1 專利計(jì)量方法
作者在Web of Science 數(shù)據(jù)庫（SCI、SSCI、A&HCI）和中文CNKI 中檢索專利的相關(guān)文獻(xiàn)，檢索發(fā)現(xiàn)，目前關(guān)于專利的研究非常多，但主要是從專利法學(xué)角度進(jìn)行的研究，定量分析的研究并不多見，尤其是專利共被引的研究很少，從Web of Science 中僅檢索到3 篇相關(guān)論文，CNKI 中僅2 篇與專利共被引相關(guān)的論文（檢索時(shí)間截至到2012 年8 月20 日）。
關(guān)于專利的研究主要集中在如下幾個(gè)方面：
（1）專利統(tǒng)計(jì)分析專利統(tǒng)計(jì)分析是最常見的專利研究方法。包括專利的發(fā)明人統(tǒng)計(jì)、專利權(quán)人統(tǒng)計(jì)、專利分類號統(tǒng)計(jì)、專利的時(shí)序分析等等。
（2）專利引用分析早在1949年，Seildel就首次系統(tǒng)地提出專利引用分析的概念[6]。到了1966年，Seidel的設(shè)想被Garfield實(shí)現(xiàn)。Garfield仿照他創(chuàng)立的科學(xué)引文索引（即SCI數(shù)據(jù)庫）的理念，利用美國專利商標(biāo)局（USPTO）建立專利引文索引（patent citation indexing）[7]。1994年，Narin正式提出基于專利引用分析的專利計(jì)量學(xué)的概念[8]。近年來，國內(nèi)關(guān)于專利引用分析的研究也日漸興盛，例如楊中楷、梁永霞等對專利引用過程中知識活動的研究[9, 10]，向希堯、蔡虹基于專利引用對技術(shù)溢出的分析[11]。
�。�3）專利共被引分析目前關(guān)于專利共被引的研究并不多見。主要有：Mogee等對禮來大藥廠的專利進(jìn)行共被引聚類分析來識別禮來藥廠的主要技術(shù)前沿[12]；Kuei-Kuei Lai利用專利共被引分析試圖建立新的專利分類系統(tǒng)[13]；國內(nèi)方面，邱均平等對有機(jī)電激發(fā)光技術(shù)領(lǐng)域的69項(xiàng)高被引專利的共被引分析[14]、以及基于專利權(quán)人共被引分析對皮膚洗護(hù)類專利進(jìn)行了研究[4]；王賢文基于專利共被引方法對世界500強(qiáng)中的工業(yè)企業(yè)的大型專利共被引網(wǎng)絡(luò)分析[5]。
�。�4） 專利內(nèi)容圖分析上述的統(tǒng)計(jì)、引用、共被引分析主要來自于科學(xué)計(jì)量學(xué)領(lǐng)域，而專利內(nèi)容圖分析主要是利用信息科學(xué)中的數(shù)據(jù)挖掘技術(shù)，深入到專利內(nèi)容的文本內(nèi)部。這方面包括Thomson Reuters公司Aureka 的專利地圖功能、Derwent Analytics 的文本聚類分析功能、亞利桑那大學(xué)Hsinchun Chen 開發(fā)的基于SOM 算法的專利內(nèi)容地圖分析[15]，以及通過對文獻(xiàn)關(guān)鍵詞聚類建立語義網(wǎng)絡(luò)來探測新興技術(shù)[16]。
整體看來，目前專利計(jì)量學(xué)在研究方法上以數(shù)量統(tǒng)計(jì)分析為主，關(guān)于引用、共被引的分析方法仍不多見，少數(shù)有關(guān)專利共被引的研究也只是涉及到某一領(lǐng)域的企業(yè)和專利。從未來的發(fā)展趨勢來看，專利計(jì)量研究將更多地融入科學(xué)計(jì)量學(xué)中的引用分析、共被引分析，信息科學(xué)中的可視化技術(shù)、文本/數(shù)據(jù)挖掘方法，從而使得研究者們更多地深入專利數(shù)據(jù)的內(nèi)部實(shí)質(zhì)，更好地把握技術(shù)競爭結(jié)構(gòu)，開展技術(shù)競爭情報(bào)研究。
1.2 專利計(jì)量在企業(yè)技術(shù)競爭情報(bào)研究中的應(yīng)用
專利計(jì)量方法是技術(shù)競爭情報(bào)研究的一種主要手段。例如Breitzman等基于專利引用分析對企業(yè)的合并、收購進(jìn)行技術(shù)競爭情報(bào)分析[3]；王賢文基于專利共被引方法對世界500強(qiáng)中的工業(yè)企業(yè)的技術(shù)競爭分析[5]；邱均平、羅力等基于專利權(quán)人共被引對皮膚洗護(hù)類企業(yè)技術(shù)競爭情報(bào)進(jìn)行了實(shí)證研究[4]；孫濤濤、金碧輝基于專利文獻(xiàn)耦合和專利引用關(guān)系挖掘DVD激光頭技術(shù)中的關(guān)鍵技術(shù)，研究企業(yè)技術(shù)競爭情報(bào)[17]；王興旺、孫濟(jì)慶研究了專利地圖與技術(shù)競爭分析之間的深層次聯(lián)系，提出基于專利地圖的技術(shù)競爭三維分析法[18]。
這些文獻(xiàn)對企業(yè)技術(shù)競爭情報(bào)分析具有重要價(jià)值，有些還具有開創(chuàng)性的意義。然而，這些研究在研究對象的選擇上都是側(cè)重于分析某個(gè)企業(yè)、領(lǐng)域、行業(yè)，很少從宏觀整體的角度來研究眾多企業(yè)所形成的技術(shù)競爭結(jié)構(gòu)。這其中的一個(gè)關(guān)鍵原因就是這些研究均是從專利的后向引用角度來進(jìn)行分析。如果要對不同技術(shù)領(lǐng)域之間的專利進(jìn)行共被引分析，例如本文選擇的500強(qiáng)企業(yè)涉及到51個(gè)行業(yè)，從后向引用的角度則無法實(shí)現(xiàn)為數(shù)眾多的企業(yè)共被引網(wǎng)絡(luò)的構(gòu)建。
2 數(shù)據(jù)與方法
2.1 數(shù)據(jù)
2.1.1 專利數(shù)據(jù)庫
本文的專利數(shù)據(jù)來自于德溫特創(chuàng)新索引（Derwent Innovation Index）。該專利數(shù)據(jù)庫是以德溫特世界專利索引（Derwent World Patent Index）和德溫特世界專利引文索引（PatentsCitation Index）為基礎(chǔ)形成的專利信息和專利引文信息數(shù)據(jù)庫，于1948年在英國創(chuàng)建，是Thomson Reuters集團(tuán)除了Web of Science之外的另一重要產(chǎn)品，目前是世界上最大的專利文獻(xiàn)數(shù)據(jù)庫，總計(jì)收錄了19,204,885條專利數(shù)據(jù)（查詢時(shí)間：2012年6月16日），并且還在以每周增加數(shù)萬條的速度不斷更新�！ �
2.1.2 樣本選擇世界
500強(qiáng)（Global 500）是《財(cái)富》雜志（Fortune）按照營業(yè)收入評選出的世界上500家最大的公司，每年評選一次。該榜單對評選出的500家企業(yè)分成了49個(gè)行業(yè)領(lǐng)域，其中企業(yè)分布數(shù)量最多的行業(yè)分別是煉油41家、商業(yè)銀行41家、車輛與零部件29家、電信18家、金屬18家。
通過從德溫特創(chuàng)新專利引文索引數(shù)據(jù)庫中分別檢索這些企業(yè)的專利發(fā)表數(shù)量，最后選擇專利發(fā)表數(shù)量大于100 的前232 家企業(yè)，作為本文的研究樣本。這些企業(yè)的行業(yè)分布如表1所示。
2.1.3 基于專利前向引用的全域共被引矩陣構(gòu)造方法
根據(jù) Web of Science 的解釋，前向引用（forward citation）關(guān)系為某篇文獻(xiàn)被哪些新的文獻(xiàn)所引用，后向引用關(guān)系則為某篇文獻(xiàn)引用哪些更早時(shí)期的文獻(xiàn)。
以往的共被引分析都是針對后向引用關(guān)系來構(gòu)建共被引矩陣。這種方法類似于社會網(wǎng)絡(luò)分析中的雪球方法（Snowball Methods），從一個(gè)或者一組頂點(diǎn)開始，搜尋其他與之關(guān)聯(lián)的頂點(diǎn)，然后構(gòu)造出一個(gè)網(wǎng)絡(luò)[20]。例如檢索甲骨文公司，得到2542 條專利，通過對這些專利的1 萬余條引用專利進(jìn)行分析，構(gòu)建出共被引矩陣。這種共被引關(guān)系可以稱為局域共被引關(guān)系（Local Co-citation）。但是由于從原始數(shù)據(jù)中獲得初始頂點(diǎn)的有限性，通過這種后向引文關(guān)系得到的共被引矩陣存在局限性。如果我們要研究汽車企業(yè)和電子、化工企業(yè)之間的專利共被引關(guān)系，利用后向引用關(guān)系則很難實(shí)現(xiàn)。
而通過專利的前向引用關(guān)系，可以構(gòu)建出大型的專利共被引網(wǎng)絡(luò)。類似于社會網(wǎng)絡(luò)分析中的全網(wǎng)絡(luò)方法（Full Network Methods）[19]，即首先確定所有的頂點(diǎn)（企業(yè)），然后搜尋每一個(gè)頂點(diǎn)與其他頂點(diǎn)的所有關(guān)系（專利共被引關(guān)系），這種共被引關(guān)系為全域共被引關(guān)系（Global Co-citation）。但是這種方法的缺點(diǎn)是必須要處理海量的數(shù)據(jù)信息。因?yàn)橐粋�(gè)企業(yè)的專利可能被成百上千的其他企業(yè)所引用，如果要分析多個(gè)企業(yè)之間的專利共被引關(guān)系（例如本文中的232 家500 強(qiáng)企業(yè)），涉及到的專利數(shù)量則數(shù)以千萬計(jì)。
如所示，a0 為企業(yè)a 的發(fā)表專利集合，a1 為a0 的引用專利集合（后向引用），a2為引用a0 的專利集合（前向引用）；b2 為b0 的前向引用專利集合。通過對a2 和b2 取交集運(yùn)算，得到企業(yè)a、b 的專利共被引次數(shù)。同理，對任意兩家企業(yè)的前向引用專利集合進(jìn)行交集運(yùn)算，最終構(gòu)造出全部232 家企業(yè)的專利共被引矩陣。
表2列出了部分企業(yè)的專利共被引矩陣，檢索時(shí)間段設(shè)定為2000-2012年。對角線上的數(shù)值為企業(yè)的專利總被引次數(shù)，其余數(shù)值為兩家企業(yè)的專利共被引次數(shù)。專利被引次數(shù)最多的企業(yè)為日立公司，總被引264637次，它與東芝公司的專利共被引次數(shù)為65965次，與IBM的專利共被引次數(shù)為65965次。
2.2 方法
2.2.1 共被引系數(shù)矩陣由于不同企業(yè)發(fā)表的專利數(shù)量差別很大，例如汽車行業(yè)的豐田、福特；電子電器行業(yè)的索尼、松下、飛利浦歷年發(fā)表的專利數(shù)量都數(shù)十萬計(jì)。而信息技術(shù)的甲骨文、埃森哲歷年發(fā)表的專利只有幾千條。所以必須對原始的共被引次數(shù)矩陣進(jìn)行標(biāo)準(zhǔn)化處理，即創(chuàng)建共被引系數(shù)矩陣。常見的計(jì)算共被引系數(shù)矩陣的方法有Jaccard系數(shù)、Cosine系數(shù)等，但是Van Eck與Waltman 認(rèn)為關(guān)聯(lián)強(qiáng)度（association strength）指標(biāo)比Jaccard和Cosine更適合用來進(jìn)行聚類分布的分析[20]。本文在此采用關(guān)聯(lián)強(qiáng)度的計(jì)算方法將表2中的共被引次數(shù)矩陣轉(zhuǎn)換成共被引系數(shù)矩陣，如下式所示：
2.2.2 專利地圖構(gòu)造類似于多維尺度分析（multidimensional scaling），在這一步驟中，將企業(yè)按照相似性矩陣中的相似性距離關(guān)系反映到二維平面中。企業(yè)i和企業(yè)j在地圖中的距離是根據(jù)二者之間的相似度sij來計(jì)算的。兩家企業(yè)的相似度越大，在地圖中的距離則越小。
3 結(jié)果
3.1 基于相似性矩陣的企業(yè)聚類分布作者在此采用荷蘭萊頓大學(xué)科學(xué)與技術(shù)研究中心（Centre for Science and TechnologyStudies，Leiden University）開發(fā)的VOSviewer 對232 家世界500 強(qiáng)企業(yè)進(jìn)行可視化分析[20]。VOSviewer 與其余軟件的多維尺度分析分析（例如SPSS、Ucinet、Pajek）所不同的是，為了避免樣本數(shù)量太多造成點(diǎn)和標(biāo)簽的重疊，它在構(gòu)圖的時(shí)候開發(fā)出獨(dú)特的去除重疊標(biāo)簽和層級顯示技術(shù)，突出顯示最重要節(jié)點(diǎn)的標(biāo)簽，如圖2 所示。圖中的232 個(gè)節(jié)點(diǎn)代表了232 家企業(yè)，節(jié)點(diǎn)的大小反映了該企業(yè)的被引次數(shù)，例如被引次數(shù)最高的企業(yè)日立公司（被引264637 次），其節(jié)點(diǎn)尺寸也是最大的。兩節(jié)點(diǎn)之間的距離反映了兩企業(yè)的共被引關(guān)聯(lián)強(qiáng)度，例如左上角豐田汽車、日產(chǎn)汽車、通用汽車之間的距離非常小。由于VOSviewer 在構(gòu)圖上的去除重疊標(biāo)簽和層級顯示技術(shù)，有部分節(jié)點(diǎn)的標(biāo)簽顯示得比較淡或者沒有顯示，而那些最為重要的節(jié)點(diǎn)則得到突出顯示。節(jié)點(diǎn)的不同顏色是按照Fortune 500 給每個(gè)企業(yè)的行業(yè)歸類來劃分的。39 種顏色代表了這232 家企業(yè)分屬的39 種行業(yè)。 VOSviewer 中對全部232 家企業(yè)進(jìn)行聚類。首先選擇程序默認(rèn)的Resolution 等于1.0，得到6 個(gè)聚類。如圖3 所示。
進(jìn)而選擇 Resolution 等于2.0，得到24 個(gè)聚類，比較圖4 與圖3 可以發(fā)現(xiàn)，最明顯的差異有兩處：（1）圖3 中右上方較大的節(jié)點(diǎn)都被劃分成獨(dú)立的聚類。例如三菱電機(jī)與日立、東芝、松下本來都屬于電子電器行業(yè)，但是在圖4 中它們被劃分成許多分散的聚類。（2）圖3 左下角的大聚類被重新劃分為3 個(gè)小聚類，分別是最下邊的杜邦、拜耳、默克、雅培等組成的化工制藥聚類；化工制藥聚類右上方由聯(lián)合技術(shù)、波音、通用電氣、霍尼韋爾等組成的航空國防聚類；以及其他零散企業(yè)組成的綜合聚類。
如果進(jìn)一步提高Resolution 值，會對被引次數(shù)較小的那些企業(yè)進(jìn)行更為準(zhǔn)確的聚類。傳統(tǒng)的聚類分析都是通過樹狀圖和龍骨圖對樣本進(jìn)行聚類，如果樣本過多的話（例如本文中的232 個(gè)樣本），則需要很大的構(gòu)圖空間。而VOSviewer 創(chuàng)造性地將多維尺度分析與聚類分析結(jié)合起來，既大大節(jié)省了構(gòu)圖空間，又可以更加清晰直觀地對聚類與聚類之間、樣本與樣本之間的關(guān)系進(jìn)行判斷。
從對 232 家世界500 強(qiáng)企業(yè)的聚類分布結(jié)果來看，電子電器、汽車、化工制藥、航空國防、信息技術(shù)是最為突出的技術(shù)群。從聚類之間的位置來看，航空國防對電子電器技術(shù)和汽車技術(shù)都起了很重要的橋接作用。
3.2 基于 Kernel 密度插值分布
的技術(shù)競爭整體結(jié)構(gòu)分析在圖 4 的聚類分布的基礎(chǔ)上，進(jìn)一步對232 家企業(yè)進(jìn)行Kernel 密度函數(shù)插值分析，從而更好地了解企業(yè)技術(shù)競爭的整體結(jié)構(gòu)。
圖為對232 家企業(yè)的專利共被引矩陣的Kernel 插值分布結(jié)果。圖中紅色區(qū)域代表企業(yè)分布密度最大，藍(lán)色區(qū)域則代表企業(yè)分布稀疏。圖4 中的企業(yè)的位置分布與圖2、圖3 完全一致，但是根據(jù)圖4 的Kernel 密度函數(shù)插值分布，可以看到這223 家企業(yè)形成的技術(shù)競爭結(jié)構(gòu)，其中以東芝、日立、NEC、富士通、IBM 等企業(yè)為代表的電子電器、信息技術(shù)是分布密度最大的區(qū)域。其次以豐田為代表的汽車技術(shù)領(lǐng)域，杜邦為代表的化工技術(shù)領(lǐng)域也比較顯著。按照Nees Jan van Eck 與 Ludo Waltman 對VOSviewer 軟件的解釋，分布在這些紅色區(qū)域中的企業(yè)整體上的專利被引次數(shù)也是相對最高的。
3.3 基于共被引網(wǎng)絡(luò)的關(guān)鍵企業(yè)分析
在利用社會網(wǎng)絡(luò)工具繪制共被引網(wǎng)絡(luò)的時(shí)候，Leydesdorff 認(rèn)為，Jaccard 系數(shù)更適合計(jì)算共被引強(qiáng)度矩陣[21]。因此，作者在此處采用Jaccard 系數(shù)方法將表2 中的共被引次數(shù)矩陣轉(zhuǎn)換成共被引系數(shù)矩陣，再進(jìn)一步利用社會網(wǎng)絡(luò)分析工具Netdraw 進(jìn)行分析。
設(shè)定閾值為0.03，網(wǎng)絡(luò)中一共保留有132 個(gè)節(jié)點(diǎn)和1230 條連線，節(jié)點(diǎn)的大小是根據(jù)節(jié)點(diǎn)在網(wǎng)絡(luò)中的中介中心性（betweenness centrality）大小計(jì)算出來的，節(jié)點(diǎn)連接不同聚類的連線越多，其中介中心性越大，因此中介中心性很好地體現(xiàn)了節(jié)點(diǎn)連接不同技術(shù)群聚類的關(guān)鍵性作用。圖5 的共被引網(wǎng)絡(luò)也呈現(xiàn)出清晰的技術(shù)聚類結(jié)構(gòu)，例如由默克、輝瑞、百時(shí)美施貴寶、諾華、葛蘭素史克、禮來等形成的制藥產(chǎn)業(yè)技術(shù)群；由杜邦、陶氏、巴斯夫、拜耳形成的化工產(chǎn)業(yè)技術(shù)群；由福特、通用、大眾、馬自達(dá)等形成的汽車產(chǎn)業(yè)技術(shù)群；以及最中心的由索尼、東芝、西門子、日立、三星電子等形成的電子電器產(chǎn)業(yè)技術(shù)群等等。
然而，最關(guān)鍵的是，通過圖5 的共被引網(wǎng)絡(luò)，可以挖掘出使不同技術(shù)群產(chǎn)生聯(lián)系的關(guān)鍵企業(yè)。例如，汽車產(chǎn)業(yè)技術(shù)群與電子電器產(chǎn)業(yè)技術(shù)群、化工產(chǎn)業(yè)技術(shù)群與電子電器產(chǎn)業(yè)技術(shù)群都是通過通用電氣公司產(chǎn)生聯(lián)系；而數(shù)據(jù)庫巨擘甲骨文公司則使銀行產(chǎn)業(yè)技術(shù)群與中央的主網(wǎng)絡(luò)產(chǎn)生聯(lián)系。我們在圖6 中用虛線環(huán)標(biāo)記了若干關(guān)鍵性企業(yè)，包括通用電氣公司、杜邦化學(xué)、IBM、甲骨文、亞馬遜網(wǎng)站等等。
而這些企業(yè)之所以成為關(guān)鍵性企業(yè)的原因，有如下兩點(diǎn)：（1）該企業(yè)的核心技術(shù)具有多元化發(fā)展的特征，例如通用電氣公司包括11 個(gè)業(yè)務(wù)集團(tuán)，除了生產(chǎn)消費(fèi)電器、工業(yè)電器設(shè)備外，還涉足武器制造、宇宙航空儀表、噴氣飛機(jī)引航導(dǎo)航系統(tǒng)、多彈頭彈道導(dǎo)彈系統(tǒng)、雷達(dá)和宇宙飛行系統(tǒng)等。（2）該企業(yè)的核心技術(shù)具有較強(qiáng)的基礎(chǔ)性。例如甲骨文公司的數(shù)據(jù)庫產(chǎn)品在金融服務(wù)業(yè)領(lǐng)域的廣泛應(yīng)用。
4 結(jié)論
本文通過從專利的前向引用關(guān)系構(gòu)建出世界500 強(qiáng)企業(yè)的專利共被引矩陣，從而使得對眾多不同行業(yè)的專利共被引研究成為可能。結(jié)合社會網(wǎng)絡(luò)分析及信息可視化技術(shù)，本文對專利數(shù)量大于100 的232 家世界500 強(qiáng)企業(yè)進(jìn)行技術(shù)競爭地圖的實(shí)證研究，研究技術(shù)群的聚類分布、技術(shù)競爭的整體結(jié)構(gòu)，以及挖掘技術(shù)競爭網(wǎng)絡(luò)中的關(guān)鍵性企業(yè)。電子電器產(chǎn)業(yè)作為專利發(fā)表強(qiáng)度最突出的行業(yè)領(lǐng)域，在技術(shù)整體競爭中發(fā)揮了非常重要的作用。航空國防產(chǎn)業(yè)則在電子電器與汽車產(chǎn)業(yè)之間形成了重要的橋接作用。通過共被引網(wǎng)絡(luò)挖掘出中介中心性最大的關(guān)鍵性企業(yè)，例如通用電氣、IBM、甲骨文，其在不同產(chǎn)業(yè)之間的技術(shù)橋梁作用也非常重要。
[參考文獻(xiàn)]
[1] 李睿，孟連生. 論專利引用行為與期刊論文引用行為在揭示知識關(guān)聯(lián)方面的差異[J]. 情報(bào)學(xué)報(bào),2012,29(3): 474-478.
[2] 李艷，趙新力，齊中英. 技術(shù)競爭情報(bào)的現(xiàn)狀分析[J]. 情報(bào)學(xué)報(bào), 2006,25(2): 242-253.
[3] Breitzman A, Thomas P, Cheney M. Technological powerhouse or diluted competence: techniques forassessing mergers via patent analysis[J]. R & D Management, 2002,32(1): 1-10.
[4] 邱均平，羅力，蘇金燕, 等. 基于專利權(quán)人共被引的企業(yè)技術(shù)創(chuàng)新態(tài)勢研究[J]. 情報(bào)科學(xué), 2012,(2):161-165.
[5] 王賢文，劉則淵，侯海燕. 基于專利共被引的企業(yè)技術(shù)發(fā)展與技術(shù)競爭分析：以世界500 強(qiáng)中的工業(yè)企業(yè)為例[J]. 科研管理, 2012,31(4): 127-138.
[6] Seidel A. Citation system for patent office[J]. Journal of the Patent Office Society, 1949,31: 554-567.
[7] Garfield E. Patent Citation Indexing and the Notions of Novelty, Similarity, and Relevance[J]. Journal ofChemical Documentation, 1966,6(2): 63-65.
[8] Narin F. Patent bibliometrics[J]. Scientometrics, 1994,30(1): 147-155.
[9] 楊中楷，梁永霞, 劉則淵. USPTO 中我國專利引用狀況的統(tǒng)計(jì)分析[J]. 圖書情報(bào)工作, 2012,(02): 42-46.
[10] 楊中楷，梁永霞，劉倩楠. 專利引用過程中的知識活動探析[J]. 科研管理, 2012,(02): 171-177.
[11] 向希堯，蔡虹. 跨國技術(shù)溢出網(wǎng)絡(luò)結(jié)構(gòu)分析與路徑識別——基于專利引用的實(shí)證分析[J]. 科學(xué)學(xué)研究,2012,(09): 1348-1354.
[12] Mogee ME. Patent co-citation analysis of Eli Lilly & Co. patents[J]. Research-Technology Management,1991,34(4): 43-49.
[13] Lai KK, Chang SM, Chang SB. Using patent citation to explore knowledge flow between differentindustries[M], 2007.
[14] 邱均平，馬瑞敏，徐蓓, 等. 專利計(jì)量的概念、指標(biāo)及實(shí)證——以全球有機(jī)電激發(fā)光技術(shù)相關(guān)專利為例[J]. 情報(bào)學(xué)報(bào), 2012,27(4): 556-565.
[15] Li X, Lin Y, Chen H, et al. Worldwide nanotechnology development: a comparative study of USPTO, EPO,and JPO patents (1976-2004)[J]. Journal of Nanoparticle Research, 2007,9(6): 977-1002.
[16] Kim Y, Suh J, Park S. Visualization of patent analysis for emerging technology[J]. Expert Systems withApplications, 2012,34(3): 1804-1812.
[17] 孫濤濤，金碧輝. 關(guān)鍵技術(shù)挖掘與企業(yè)技術(shù)競爭情報(bào)——以 DVD 激光頭技術(shù)為例[J]. 圖書情報(bào)工作,2012,52(5): 129-132.
[18] 王興旺，孫濟(jì)慶. 專利地圖在技術(shù)競爭分析中的應(yīng)用研究[J]. 圖書情報(bào)工作, 2012,53(12): 79-82.
[19] Hanneman R, Riddle M. Introduction to social network methods[EB/OL].
[20] Van Eck NJ, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping[J].Scientometrics, 2012, 84:523–538.
[21] Leydesdorff L. On the normalization and visualization of author co-citation data: Salton's cosine versus theJaccard index[J]. Journal of the American Society for Information Science and Technology. 2012, 59(1):77-85.
【基于專利共被引的世界500強(qiáng)企業(yè)技術(shù)競爭的專利地圖分析】相關(guān)文章：
淺論專利侵權(quán)責(zé)任06-03
專利侵權(quán)認(rèn)定中等同原則的運(yùn)用研究06-01
試析藥品專利無效與侵權(quán)中的若干問題探討05-12
基于戰(zhàn)略治理的企業(yè)環(huán)境風(fēng)險(xiǎn)研究08-28
基于軍網(wǎng)的雷達(dá)遠(yuǎn)程診斷技術(shù)研究08-10
基于ＣＳ管理的房地產(chǎn)企業(yè)開發(fā)設(shè)計(jì)06-04
基于勝任力的企業(yè)個(gè)體績效管理流程設(shè)計(jì)06-03