基于专利分析的产学研合作特征与关系预测研究

孙晓玲 庄伟华 李冰 陈娜

摘要：以产学研合作申请专利为研究对象，从合作主体、合作技术等方面对装备制造业的产学研合作特征进行分析，并利用网络表示学习算法node2vec进行合作预测研究。以辽宁、江苏、广东和北京的装备制造业为例进行对比分析，结果表明：各省市专利增长体量及申请人组成存在较大差异，发展缓慢省市的产学研合作局限在小团体内部，与其他区域相比校企合作较少；在技术特征中，不同省市的发展既各有侧重点，又有相同之处；最后通过合作预测发现最具有合作潜力的机构，为促进产学研合作提供决策支持。

关键词：产学研合作；专利分析；网络表示学习；合作预测

中图分类号：G350文献标識码： ADOI：10.3969/j.issn.1003-8256.2020.01.005

开放科学（资源服务）标识码（OSID）：

基金项目：国家自然科学基金青年项目（71704019）；辽宁省社科规划基金项目（L17CGL009）

企业、高校和科研机构是技术创新的主体，三者之间的合作能够有效促进技术创新，将高校和科研机构最新的技术与知识向企业进行转移，实现科技成果向实际生产力的转化，充分发挥各自优势、实现优势互补进而促进产业发展。

基于专利的产学研合作分析有助于发现目前专利合作网络中的优势和弊端，判断整个行业的发展趋势及发展方向，有利于促进专利技术的转移和专利科技的研发以及专利技术的交流。已有部分学者通过专利对我国不同区域及区域间的技术创新问题进行了探讨研究[1-4]。基于专利的产学研合作对于技术创新的推动作用也是研究热点[5-7]，以合作网络和共词网络作为工具进行分析能对研究内容进行更加直观的体现[8-12]。朱桂龙基于国家知识产权局的授权发明专利数据，运用网络图谱以及科学计量方法，结合产学研合作政策特点对我国产学研合作网络演化趋势及区域分布进行了比较研究[1]。刘凤朝等研究了“985高校”的产学研专利合作网络演化路径[10]。

装备制造业作为工业的核心和国民经济的生命线，被认为是衡量一个国家综合竞争能力的重要标志，能从宏观上反映一个国家的科技和工业实力。制造业是典型的技术密集型产业，技术创新的重要性在装备制造业的发展中日益凸显。装备制造业的技术创新问题一直受到学术界的关注，国内学者多从技术创新现状、能力评价、对策建议等方面进行研究。司林波从技术创新水平评价、技术创新的影响要素以及技术创新的实现途径等三个方面对国内外装备制造业技术创新研究进行了综述[13]。在创新能力评价方面，通过构建评价指标体系，对装备制造业技术创新能力的总体进行了评价[14-15]。在创新效率研究方面，区域装备制造业的创新效率是重点研究内容。李姝和姜春海通过综合运用横向比较法和纵向比较法对辽宁装备制造业技术创新现状加以系统分析，探究辽宁装备制造业技术创新中存在的问题[16]。娄岩从专利角度出发，从优势、劣势、威胁与机会四方面分析北京高端装备制造业发展现状[2]。

以上研究对装备制造业的技术创新问题的探讨大多利用面板数据中的多种指标进行评价，对于以专利为载体的技术创新具体技术内容层面以及合作预测方面还缺乏研究。本文将基于产学研合作专利视角，通过网络分析和专利技术特征分析等系统地探究装备制造业产学研合作特征，并利用网络表示学习算法发现潜在的合作关系。

1研究方法

1.1产学研合作主体分析

构建产学研合作网络，选用网络分析中衡量节点中心性的两个重要指标：度中心性和中介中心性，这两个指标能够反映节点在网络中所处的位置以及影响力。

度中心性是分析节点中心性最直接的度量指标，用于测量网络中一个节点与其他节点相联系的程度，度中心性越大，则该节点在网络中就越重要，在无向图中体现为直接与该点相连的节点的数量。其计算公式如下：

1.2产学研合作技术特征分析

IPC分类是目前国际通用的专利文献分类和检索工具，对IPC分类号代表的技术领域通过各项指标进行分析，可以了解产学研合作申请专利的特征及趋势，本文选用相对增长率以及离散系数作为主要分析指标[17]。

相对增长率是特定时间段内某一IPC类别专利申请数量的复合增长率与所有IPC类别专利申请数量复合增长率的比值，表示各IPC类别所代表的技术领域在时间维度上的成长。相对增长率大于1，说明该技术领域专利增长快于行业整体的专利增长；相对增长率小于1，说明该技术领域的专利增长落后于行业整体水平。其计算公式如下：

公式中Cj为第j种IPC类别的相对增长率，k表示IPC类别的数量，n为特定时间段的总长度，通常用年份作为单位，xj表示在特定时间段结束时第j种IPC类别的专利申请数量，xj表示在特定时间段开始时第j种IPC类别的专利申请数量。

离散系数是测度数据离散程度的相对统计量，主要用于比较各个IPC类别不同年份专利申请数量的离散程度，是标准差与平均数的比值，反映IPC类别所代表的技术领域在时间维度上的稳定性，离散系数的值越高，该领域的成长就越不稳定；离散系数越小，就说明该领域越稳定。其计算公式如下：

5产学研合作预测

选用基于随机游走的node2vec模型作为链路预测的方法，距离越接近的节点共同合作申请专利的可能性就越高，计算得到的辽宁省排名前十的产学研专利合作结果如表5所示。

预测排名前十的产学研合作專利申请人中，铁岭市光电研究与辽宁省电力有限公司铁岭供电公司合作申请专利的可能性最高。其他合作可能性也很高的专利申请人包括东北林业大学与辽宁省交通规划设计院有限责任公司，辽宁龙兴生物科技股份有限公司与鞍山师范学院，房屋土地开发公司与沈阳建筑工程学院，以及大连理工常熟研究院有限公司与大连盐化集团有限公司等，这些专利主体在未来合作申请专利的可能性很高。

6结论与建议

专利是技术创新的主要载体之一，通过研究专利能够很好地反映某一行业的发展历程以及技术演化特征和趋势。以辽宁装备制造业为研究对象，对装备制造业相关专利申请的现状、产学研合作的主体、技术演化特征等进行分析。

对比分析辽宁省、江苏省、广东省与北京市2008—2017年装备制造业的相关专利申请情况时，发现各省市历年的专利申请量不仅在数量上有较大差别，在专利申请人类别的组合上也有所区别。对产学研合作主体进行分析时，发现在合作网络中，辽宁省不同阶段的专利合作申请数量总体是逐渐增加的，但是高校与企业、科研院所与企业之间进行合作申请的专利数量较少，而在作为装备制造业大省的广东省和北京市的专利合作网络图中，其高校及科研院所与大中小企业进行专利合作申请的情形则非常普遍；对技术演化特征分析发现在不同类别的专利中，H02J3代表的供电或配电的电路装置或系统类专利的增长情况尤为突出，H02J3类专利在专利数量-相对增长率散点图的第一象限中表现最为突出，是总量最多、增长最快的一类专利，且在相对增长率-离散系数散点图中，该类专利的发展也是最为稳定的；最后对辽宁省专利主体未来的合作进行了预测，在一定程度上为促进产学研合作提供决策支持。在未来的发展中，辽宁省装备制造业应当利用现有的优势，同时借鉴其他装备制造业领先省市的发展经验，企业应当加强与高校及科研机构之间的合作，产学研三方有机结合，以共同促进产业发展。

参考文献：

[1]朱桂龙，杨东鹏.基于专利数据的产学研合作及政策演变研究[J].科技管理研究， 2017（23）： 181-185.

[2]娄岩，刘燕玲，黄鲁成.基于专利分析的北京高端装备制造业对策研究[J].科技管理研究， 2012（9）： 39-43.

[3]李文静.区域校企专利合作申请网络比较研究——基于广东的实证分析[J].现代情报， 2015（12）： 106-110， 118.

[4]陈伟，张永超，田世海.区域装备制造业产学研合作创新网络的实证研究——基于网络结构和网络聚类的视角[J].中国软科学， 2012（2）： 96-107.

[5]仲伟俊，梅姝娥，谢园园.产学研合作技术新模式分析[J].中国软科科学， 2009（8）： 174-181.

[6]赵爽.产学研合作网络时空演化研究——以中国装备制造业为例[J].现代管理科学， 2013（11）： 85-87.

[7]朱桂龙，张艺，陈凯华.产学研合作国际研究的演化[J].科学学研究， 2015（11）： 1669-1686.

[8]王朋等.校企科研合作复杂网络及其分析[J].情报理论与实践， 2010（6）： 89-93.

[9]孙冰，康敏，毛鸿影.基于共词聚类与可视化的开放式创新国外研究热点与主题分析[J].现代情报， 2018（9）： 122-131.

[10]刘凤朝，马荣康，姜楠.基于"985高校"的产学研专利合作网络演化路径研究[J].中国软科学， 2011（7）： 178-192.

[11]刘云等.基于专利计量的集成电路制造领域国际技术合作特征研究[J].科学学与科学技术管理， 2018（8）： 13-25.

[12]高霞，陈凯华.基于SIPO专利的产学研合作模式及其合作网络结构演化研究——以ICT产业为例[J].科学学与科学技术管理， 2016， 37（11）： 34-43.

[13]司林波.国内外装备制造业技术创新研究述评[J].经济问题探索， 2016（8）： 177-184.

[14]徐丰伟.基于协同的装备制造业技术创新能力评价指标体系研究[J] .科学管理研究， 2011（5）： 26-30.

[15]吳丽波.中国装备制造业技术创新能力研究[D].武汉理工大学， 2005.

[16]李姝，姜春海.基于技术创新的辽宁装备制造业振兴途径研究[J].宏观经济研究， 2010（5）： 82-88.

[17]刘凤朝，傅瑶，孙玉涛.基于专利的美国技术创新领域分布结构演变[J].科学学研究， 2013， 31（7）： 1086-1092.

[18]张斌.共词网络的结构与演化：概念与理论进展[J].情报杂志， 2014（7）： 103-109.

[19]吕琳媛，复杂网络链路预测[J].电子科技大学学报， 2010（5）： 651-661.

[20]张金柱，于文倩，刘菁婕，等.基于网络表示学习的科研合作预测研究[J].情报学报， 2018（2）： 132-139.

[21] Grover A， Leskovec J. node2vec： Scalable feature learning for networks [C]. New York：：Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2016： 855-864.

Research on Characteristics and Cooperation Prediction of IndustryUniversity-Research Institute Collaboration Based on Patents in Regional Equipment Manufacturing Industry

SUN Xiaoling，ZHUANG Weihua，LI Bing，CHEN Na（Institute of Science of Science and S&T Management， Dalian University of Technology， Dalian 116024， China）

Abstract：Using cooperative patent applications of industry， university and research institute as the research objects， the characteristics of technology evolution are analyzed from the aspects of cooperative network， cooperative technology， and cooperative prediction is studied by using network representation learning algorithm node2vec. Taking equipment manufacturing industry as an example， the results show： there are great differences in the volume of patent growth and the composition of applicants among provinces. The industry-university-research cooperation of provinces with slow development is confined to small groups， and the cooperation between universities and industries is less than that of other regions. Among the technical characteristics， the developments of different provinces have their own emphasis and similarities. Finally， through cooperation prediction， the most potential cooperative organizations are discovered， in order to provide support for promoting cooperation between industry and university.

Keywords： industry-university-research cooperation； patent analysis； network representation learning； collaboration prediction