产业链视角下基于图嵌入的专利布局意图挖掘方法研究

翟东升，阚慧敏，李梦洋，徐 硕，陈蒙蒙

（北京工业大学经济与管理学院，北京 100124）

1 引 言

近年来，中国相继发布《国家知识产权战略纲要》《关于新形势下加快知识产权强国建设的若干意见》等文件，认定了以专利为核心代表的知识产权要素的战略性资源地位，并提出了提升专利质量、强化专利布局等顶层设计思路。

任何一家企业的专利布局策略都是在了解产业链整体技术竞争态势的情况下，根据自身的专利情况及其他企业的布局现状及意图，指导企业进一步解决实际问题的针对性策略。但是在实践过程中，中国企业在专利布局方面存在认知与操作盲点[1]，而这一短板在近期中美贸易争端中更为凸显，阻碍了中国高新技术产业的自由发展。

因此，提出一套有效的专利布局分析方法具有重要意义，帮助企业了解己方布局缺陷获取强化建议，同时识别竞争对手的布局意图为己方提供防御策略，以期进一步为企业乃至国家实施技术防御或突破技术封锁指引方向，实现技术实施自由，保障产业链供应链安全稳定。

2 文献综述

近年来，技术竞争日益激烈，企业不断扩大专利申请，形成了专利聚集现象[2]。为了管理日益增多的专利，Blind等[3]将组合管理思想引入专利管理中，并证实构建特定的专利组合可以获得远大于单件专利的保护与威胁力度。随着研究的深入，学者们也认识到专利组合与企业战略的相关性，将专利组合定义为一种可以实现战略目标的异质专利资源集合[4]，本文将这种从战略性视角提出的专利组合称为专利布局。

为给企业专利布局提供科学合理的实施建议，研究人员从不同角度对专利布局进行了研究。一些学者从企业或组织层面开展工作，基于市场和技术维度或是动态发展角度研究企业内部的核心专利或专利组合的布局情况[5-8]，但其都忽略了一个问题，专利布局不能只关注企业自身的专利情况，更应该将企业放置到产业链上考虑。产业链是指某一行业中具有某种内在相关联系的企业集合，能够满足终端客户对某种产品或服务的需求[9]。企业之间可能是合作或竞争关系，只有充分考虑产业链上其他企业的布局情况及意图，才能更好地了解企业自身所处的技术环境。当然也有一些研究人员考虑了行业内其他企业的专利情况，利用专利地图、专利路线图等方法分析并指导专利布局[10-13]。专利地图等方法虽然可以帮助企业了解行业动态并指引技术发展方向，但其不能体现专利间存在的技术关联，并且无法展现产业链上各布局主体的技术攻防意图。因此，鉴于现有研究的局限性，本文刻画企业在产业链视角下的专利布局情况，并基于此进行布局意图挖掘，以期更好地指导企业进一步实施专利布局。

为更好地刻画及分析专利布局，需考虑专利布局的影响因素。一些学者从战略、经济以及专利引用等方面开展了研究[14-15]，但都未能对其根本性因素进行探究，即专利间所具有的微观技术关联结构，而基于这些微观结构所体现出的专利组合广度与强度是决定专利布局质量的核心因素[16]。专利布局的核心特征因素总结为两大类，第一类是显性特征，主要是权利要求数、专利引证情况等统计性指标；第二类则包括专利组合多样性、专利相关性等特征，该类特征通常是第一类特征按照一定规则变换所得的，用于对复杂的组合特质进行表达[2-3,17-19]。经过研究，学者们进一步确定了第二类特征才是影响企业专利布局的根源性因素，也是企业分析和实施专利布局时需要重点考虑的因素[16]。现有研究通常都涵盖了第一类特征指标，而本文从微观层面引入专利间的结构性与功能性技术关联关系，对第二类特征因素加以刻画，以此来获得更加全面的布局关键特征。

随着机器学习技术不断发展，图嵌入算法[20]可以将属性特征图转换为向量集，在嵌入过程中对图中拓扑结构信息进行良好捕捉，实现对节点的表示学习。王亦凡等[21]、Moon等[22]将图嵌入算法应用到医学领域，通过图嵌入从原始的图空间中学习复杂的拓扑结构和关联关系，并将获得的实体向量应用到体现医学实体的功能及作用的相似病案推荐及药物重定位领域。因此本文受相关研究启发，利用图嵌入算法学习专利间复杂的技术关联特征，获得更加精准的专利向量表示，并最终应用于能够体现专利功能及作用的专利布局领域。

综上，基于现有研究存在的问题，本文尝试刻画产业链视角下的专利分布结构，并基于此进行专利布局意图挖掘。首先，在微观层面引入结构性与功能性技术关联知识，修正专利知识组织结构并以此构建领域专利知识图谱；然后，利用图嵌入算法刻画产业链专利分布结构；最后，总结基本的专利分布模式及其蕴含的布局意图，并基于此进行专利布局意图挖掘，以期能够动态地指导企业乃至国家进一步实施专利布局，实现技术实施自由。

3 产业链视角下基于图嵌入的专利布局意图挖掘方法

3.1 图嵌入的基本原理

对于有M项专利的技术领域，将其图空间表示为G(V,E)，其中V为各类实体节点的集合，E为各类关系的集合。图嵌入的实质是通过某种形式的映射F将G转换至一个由低维稠密向量表征的空间G'，如图1所示[23]。

图1 图嵌入示意图[23]（彩图请见https://qbxb.istic.ac.cn/CN/volumn/home.shtml）

目前，知识图谱嵌入算法包括距离模型[24]、单层神经网络模型[25]、随机游走模型[23]、矩阵分解模型[26-27]和翻译模型[28-30]等几大类。前两类对实体关系的刻画能力相对薄弱，随机游走模型受制于学习采样策略容易出现过拟合与欠拟合问题，而在实际应用中矩阵分解模型的效能不如翻译模型[31]。翻译模型TransE[28]、TransH[29]算法在处理一对多、多对多的关系时效果不佳，而TransR[30]算法将实体和关系使用不同的语义空间表示，通过将实体映射到不同的关系空间，学习其在不同关系中的特征，能够获得更加精确的向量表示。专利知识图谱存在多对多且语义不同的关系，因此本文选取TransR算法来实现专利技术向量空间的构建。

TransR算法的基本原理及过程如下：对于每个三元组(h,r,t)，首先在实体空间和关系空间中分别设置实体向量h,t∈Rk以及关系向量r∈Rd，且k与d不一定相等，然后对每个关系r设置投影矩阵M r∈Rk×d，根据公式

获得不同关系空间中的实体投影向量h r和t r，并利用公式

计算映射后三元组得分，最后在关系空间中利用学习训练过程中的目标函数

进行训练，使得h r+r≈t r。其中，对实体、关系向量和投影矩阵实施约束：||h||2≤1，||r||2≤1，||t||2≤1，||hM r||2≤1，||tM r||2≤1；max(x,y)是取x和y的最大值；γ为正确三元组得分与错误三元组得分之间的间隔距离；S是正确三元组数据集；S′是错误三元组数据集，即负例。负例是通过对正确三元组的实体随机替换得到的。目标函数采用随机梯度下降训练。

3.2 研究框架

本文提出的产业链视角下基于图嵌入的专利布局意图挖掘方法整体过程如图2所示。主要包括3个模块，具体如下。

图2 产业链视角下基于图嵌入的专利布局意图挖掘方法

模块一：领域专利知识图谱构建。

Step1.检索专利数据，核验去噪后形成领域专利数据集。

Step2.构建专利知识图谱本体结构，基于此标注抽取实体，构建领域专利知识图谱。

模块二：基于图嵌入的技术向量空间专利分布结构研究。

Step3.利用TransR算法获取实体与关系的向量表示，并抽取出专利节点向量得到技术向量空间中的专利分布结构。

模块三：基于产业链专利分布结构实现布局意图挖掘。

Step4.确定目标企业，并基于核心专利指标体系判定企业核心专利。

Step5.根据与核心专利的距离圈定产业链上专利分析范围，构建目标企业产业链待分析专利集合。

Step6.基于Step3得到的专利节点向量可获取目标企业产业链专利分布结构并实现可视化。

Step7.根据Step6获得的产业链专利分布结构，以及5种基本专利分布模式及其蕴含的布局意图实现专利布局意图的挖掘。

Step8.更新专利数据，实现专利布局动态分析。

3.3 领域专利知识图谱构建

首先对专利知识图谱的本体结构进行设计。本文通过对专利间存在的技术关联性进行梳理，并对专利基于技术关联呈现出的结构形态进行研究，设计形成具有特定结构特征的专利知识图谱本体，从而达到在微观层面引入结构性与功能性技术关联知识的目的。

专利之间通常具有4种技术关联类型：集束型、降落伞型、星系型和链型[7]。各类技术关联关系及结构特征如表1所示。

表1 常见专利间技术关联类型表

专利技术关联关系与专利布局之间存在紧密关系[32]，不同技术关联关系的专利进行组合可以达到不同的保护或对抗效果，而专利布局内部的专利间又体现着不同的技术关联关系。因此，可以根据技术关联关系将专利组合排布成如图3所示的专利技术树。

图3 专利技术树

本文根据专利技术树将涉及的技术知识提取出来，设计出如图4所示的知识图谱本体结构，主要包含专利、功能、解决方案、改进方案、应用领域、产业链位置、IPC分类7类实体。

图4 专利知识图谱本体结构

其中，功能、解决方案、改进方案、应用领域和产业链位置5类实体用于刻画结构性技术关联信息，而以功能性为主、应用性为辅原则编制的IPC分类则提供进一步的功能性技术关联信息。

为了分析产业链上专利的整体竞争态势以及布局意图，设计的专利实体包括专利公开号、公开日期、公开国家、专利权人等内在属性。

然后基于专利知识图谱本体结构进行信息标注和抽取，构建领域专利知识图谱。

3.4 基于图嵌入的技术向量空间专利分布结构研究

3.4.1 基于图嵌入的专利技术向量空间构建

我们将TransR算法应用到专利知识图谱中。首先，根据领域专利知识图谱获得如表2所示的9类三元组。本文构建的为无向图，头实体与尾实体的划分不对结果产生影响。这里统一规定表2中第一列为头实体H，第二列为尾实体T。

表2 专利知识图谱中的三元组

接着，对专利知识图谱三元组数据进行嵌入训练。具体过程的伪代码，即基于专利知识图谱的TransR算法如下。

算法1.基于专利知识图谱的TransR算法

输入.S=(H,R,T)：专利知识图谱三元组样本//H为头实体，R为关系，T为尾实体

e、r初始化、归一化//e为实体向量，包括头实体h和尾实体t，r为关系向量

M r初始化//将关系映射矩阵M r初始化为k×d维的单位向量

为负样本，负样本由替换正确三元组的实体获得，进行负采样

最终学习得到7类实体节点与9种关系的向量表达，取出专利节点向量构建专利技术向量空间，其涵盖了专利间的技术关联与位置关系，将其作为基于图嵌入得到的技术向量空间中专利分布结构研究的基础。

3.4.2 技术向量空间中的专利分布结构研究

为研究技术向量空间中的专利分布结构，本文基于大量专利数据，对其在图空间G与技术向量空间G'中的专利分布情况进行分析，总结得到技术向量空间中的专利分布结构示意图（图5），其分布规律如下：

图5 技术向量空间中专利分布结构示意图

（1）技术相似度越高的专利间距离越近，采用相似技术方案的专利会形成小规模的专利集群。

（2）与核心专利存在集束型、降落伞型、星系型关联的专利会围绕核心专利分布，延展出的不同方向代表不同技术研发方案。

（3）与核心专利存在链型关系的专利，通常分布较远，处于边缘位置。

从算法角度看，TransR嵌入时会在某种关系空间中将具有此关系的实体相互拉近，远离不具有此关系的实体，在多个关系空间作用下专利节点向量不断更新，会让具有更多相同或相似技术关联关系的专利在向量空间中彼此靠近。一般而言，互为集束型、降落伞型、星系型的专利，其IPC分类、功能等相同或相似，所以空间距离较近；而链型专利为上下游专利，其功能、IPC分类、解决方案等大不相同，所以与核心专利相距较远。因此，技术向量空间G'中专利分布的距离及整体结构呈现出上述的分布规律。

以杜邦公司真实专利数据为例对分布规律进行验证。图6是杜邦公司专利在图空间G中的分布情况，图7是通过TransR算法得到的技术向量空间G'中的专利分布结构。核心专利CN1359404-A是一种形成导电性组合物的方法，杜邦公司围绕其在多个研发方向上设置保护专利，并做了链式扩展。在图空间G中，不同的研发方案以颜色作为区分。其中淡紫色涉及含氟聚合物的膜原料制备专利，桃红色是含氟聚合物单体扩散系的膜原料制备专利，这些专利是实现膜原料制备功能的不同技术方案，构成集束型关系；而在技术向量空间G'中这些专利围绕核心专利沿不同方向分布，并且技术方案越相似的专利距离越近，聚集成不同的专利集群。在图空间G中，蓝色CN103620846-A专利提供了制备复合聚合物离子交换膜的方法，属于中游膜生产领域，橘黄色CN1659733-A专利提供一种基于羧酸的离子交联聚合物燃料电池，属于下游应用领域，这两个专利与核心专利构成链型关系，其在技术向量空间G'中距离核心专利较远，处于边缘位置。通过对杜邦的专利分布情况进行分析，在一定程度上可以看出技术向量空间G'中的专利分布能够反映原始图空间G中专利之间真实的技术关联关系。

图6 杜邦公司在图空间中的专利分布情况

图7 杜邦公司在技术向量空间中的专利分布结构（彩图请见https://qbxb.istic.ac.cn/CN/volumn/home.shtml）

前人已经对专利布局结构和模式做了大量研究，并总结得到了专利布局可呈现出图8所示的结构体系[32]，其包括核心专利，与核心专利形成集束型、降落伞型、星系型关系的外围专利保护圈，以及上下游扩展专利等。本文利用TransR算法获得的技术向量空间的专利分布结构及分布规律，能够体现前人总结出来的专利布局结构，也在一定程度上证明了利用图嵌入方法刻画专利布局结构的有效性和正确性。

图8 专利布局结构示意图[32]

3.5 基于产业链专利分布结构的布局意图挖掘研究

3.5.1 产业链专利分布结构的刻画

刻画目标企业产业链专利分布结构时，首先要确定目标企业的核心专利，核心专利是指根据专利评价指标体系选取出来的企业高质量专利。本文具体的指标选取过程如下：经过文献调研[33-34]，总结选取了CII影响指数、被引专利数量、平均被引用量、相对被引证率、引证专利数量、技术强度、科学关联度、科学强度、IPC数、权利要求数、简单同族数、技术生命周期、专利寿命、发明人数量、专利异议与诉讼15个指标，并根据李清海等[33]关于专利质量指标间存在重复评估这一问题的研究结论，将上述指标列表提交给专利相关专家们，让其从数据可得性、评估有效性、企业专利评估针对性等方面考量，筛选得到本文所用的7个核心专利评估指标，即权利要求数、发明人数量、IPC数、简单同族数、引证专利数量、被引专利数量、专利寿命。

本文利用层次分析法（analytic hierarchy pro‐cess，AHP）计算得到企业核心专利评估指标的权重，过程如下。

首先，建立如图9所示的层次结构图。

图9 层次结构图

然后，专家对各指标的相对重要性进行评价，采用1-9标度法，得到判断矩阵。

接着，利用和积法[35]计算判断矩阵的最大特征根λmax和特征向量W。

最后，检验判断矩阵一致性，利用公式

计算一致性比例CR。当CR＜0.1时，认为判断矩阵的不一致程度在容许范围内。通过一致性检验，可用其归一化特征向量W作为权重，否则要重新调整判断矩阵。其中，RI可通过查询平均随机一致性表得到[36]。

获得企业核心专利后，需要圈定目标企业的产业链待分析专利，这一范围可以由与企业核心专利的距离来确定，距离选择越大，所获取的产业链研究视角就越宽广，对企业所处的竞争环境认识越全面，但分析成本也越大，目标集中度越低。在圈定的范围内，基于聚类算法对临近技术方向上的专利进行整合，在小集群内进行技术汇总与提炼，由此缩减庞杂的技术分支干扰，并在专利向量可视化过程中以不同颜色作为区分，为后期分析提供便利。

3.5.2 基于产业链专利分布结构的布局意图挖掘方法

从企业自身角度出发，专利布局的意图包括保护自身、对抗竞争对手以及未来的专利储备。依据这些布局意图可将专利布局整体策略分为保护式布局、对抗式布局以及储备式布局[32]。基于前人对专利布局实施要点的研究[32]并结合3.4.2节的技术向量空间中的专利分布规律，总结得到如图10a~图10c所示的5种基本的技术向量空间专利分布模式，并结合专利权人等信息挖掘其蕴含的布局意图（表3）。

表3 专利分布模式及其蕴含的布局意图

图10 专利分布模式示意图

基于图嵌入算法获得技术向量空间中专利分布结构后，通过匹配5种基本的专利布局模式对其进行分析，实现布局意图挖掘。

4 实证研究

新能源产业在优化能源结构、保障能源安全等方面起到重要作用，而氢燃料电池作为新能源发展的主流方向之一，成为新能源产业技术竞争的焦点。因此，本文选取氢燃料电池中最为关键的技术部件质子交换膜为例进行实证研究，以验证本文所提方法的可行性，并为我国在非全氟化质子交换膜技术领域的专利布局实施提供建议。

4.1 专利数据获取

本文采用Derwent Innovation专利数据库，经过调研，使用如表4所示的检索表达式进行检索。人工核验去重去噪后，最终获取非全氟化质子交换膜领域专利741条。

表4 检索表达式

4.2 专利知识图谱与技术向量空间构建

首先，根据专利知识图谱本体结构对实体信息进行标注抽取，完成领域专利知识图谱的构建。其中，专利实体的各项属性与IPC分类实体从结构化的专利著录项中直接抽取。功能、解决方案、改进方案、应用领域以及产业链位置的实体信息则由人工抽象总结标注，之后再通过领域专家座谈研讨进行修正核定。各类实体示例和专利知识图谱基本统计信息如表5、表6所示。

表5 实体示例

表6 领域专利知识图谱基本信息

之后，将TransR算法应用到领域专利知识图谱，获取专利实体的向量表示用于构建技术向量空间，为后续研究奠定分析基础。训练参数、专利实体向量示例与向量空间专利整体分布情况分别如表7与图11所示。

图11 领域专利技术向量空间的整体分布

表7 专利实体向量示例

4.3 非全氟化质子交换膜领域专利布局分析研究

4.3.1 非全氟化质子交换膜领域专利总体分析

非全氟化质子交换膜领域上游为膜材料制备，中游为利用膜材料进行交换膜制造，下游为交换膜的应用。

就全球而言，相关专利技术最早出现于1977年，2000年开始进入快速成长期，当前正处于成长期向成熟期过渡的阶段（图12a）。在该领域，日本、美国专利申请量遥遥领先，两国专利总占比超过70%（图12c）；而中国起步相对较晚，2002年才有相关专利出现（图12b），目前虽已进入成长期，但专利增长相对缓慢，今后发展面临巨大压力。

图12 非全氟化质子交换膜领域专利申请总体情况

4.3.2 非全氟化质子交换膜领域专利布局意图挖掘研究

本文选取目前在中国持有该领域专利较多的日本旭硝子、美国杜邦两家国外公司，对其进行产业链专利布局分析及布局意图挖掘，以期为中国企业提供良好的布局学习范本。

首先确定企业核心专利。由10位专家采用1-9标度法对核心专利评估指标的相对重要性进行评价，并对评价结果取平均值，得到判断矩阵。接着以和积法得到最大特征根以及各指标权重（保留2位小数），然后进行一致性检验，最终结果如表8所示。

表8 核心专利评估指标及权重

然后，本文以与核心专利临近的20项专利为分析视野，由此获知目标公司在产业链上的专利分布结构，并基于此实现专利布局意图挖掘。图13和图14中以“•”标记目标公司自身持有的专利，以“×”标记竞争对手持有的专利，聚类后以不同颜色区分不同的研发方向。

图14 杜邦公司产业链专利分布结构（彩图请见https://qbxb.istic.ac.cn/CN/volumn/home.shtml）

旭硝子公司的产业链专利分布结构如图13所示，其核心专利是2007年申请的CN1938887-A，是一种基于含氟聚合物的膜材料制备方法。旭硝子为保护其核心专利，在基于含氟聚合物单体扩散系的膜材料制备领域先后申请了专利2和专利3，形成了子专利群1，但随后美国杜邦、日本大金等竞争对手也在该技术方向上申请了多个专利（子专利群2），阻碍旭硝子在该方向上的进一步发展，企图迫使旭硝子公司在后续的技术竞争中考虑合作或在专利侵权中达成和解，希望以此获得技术实施自由。面对此威胁，旭硝子又先后在该技术发展方向上申请了专利5和专利6，对子专利群2初步形成外围包绕的对抗式专利布局，在一定程度上能够缓解竞争对手对核心专利围堵带来的消极影响。除此之外，围绕旭硝子的核心专利，杜邦等竞争对手在基于改进含氟聚合物的膜材料制备方向上申请多个专利（子专利群4），面对这种情况，旭硝子2019年在该技术发展方向上申请了专利20，意图阻碍竞争对手的进一步发展，但由于专利数量较少，旭硝子仍面临较大威胁。旭硝子较为重视产业链整体协同发展，从2007年开始就不断在中游和下游领域申请扩展专利，其中，中游扩展专利群主要涉及质子交换膜生产领域，下游扩展专利群主要关于膜组件制造等下游应用领域，通过这两个专利群分别从中游和下游领域为旭硝子在中国的业务发展提供支持和延续保护，形成了上中下游贯通的链式布局。

图13 旭硝子公司产业链专利分布结构（彩图请见https://qbxb.istic.ac.cn/CN/volumn/home.shtml）

杜邦公司的核心专利为CN1359404-A，主要是一种热熔形成导电组合物的方法，在离子交换膜领域有广泛应用。围绕核心专利，杜邦在自身具有优势的含氟聚合物单体扩散系的膜原料生产技术方向上申请了子专利群1，意图在该技术方向上对核心专利进行保护。但后续旭硝子、3M等竞争对手也在该技术发展方向上申请了多个专利（子专利群2），企图阻碍杜邦在该方向上的进一步发展。除此之外，日本旭硝子、日本大金等竞争对手在其他技术方向上对美国杜邦的核心专利进行进攻和围堵（子专利群3、子专利群4、子专利群6），企图利用差异化布局获得技术优势，从而在后续技术竞争中获得主动权。虽然在此过程中，杜邦公司在竞争对手的技术发展方向上申请了专利18和专利19，希望通过外围包绕式布局进行对抗，但由于专利数量较少，尚未形成强有力的对抗形势，因此仍面临较大威胁。另外，杜邦公司分别在中游质子交换膜制造领域和下游应用领域申请了两个专利作为后续产业链扩展业务发展的基点，为其核心专利提供延续性保护。

总体而言，国外公司基本都是采取多技术路线研发、上下游生产联动等策略对核心专利进行扩展和延续保护，在面对竞争对手的攻击和围堵时，一般采取外围包绕式、重点突围式专利布局进行对抗，为其在中国保持技术竞争优势提供支持。目前，各国外公司间虽然存在一些竞争与对抗，但整体上形成的联合专利布局，对中国的非全氟化质子交换膜领域的发展提出了巨大挑战。

类似地，我们对中国质子交换膜龙头企业山东东岳进行专利布局分析并提供针对性布局建议。其核心专利为CN106654328-B，是一种燃料电池用含氟离子交换膜的制备方法，属于中游膜生产领域。山东东岳主要在其具有优势的金属离子掺杂含氟聚合物的质子交换膜制备领域申请了子专利群1，希望对核心专利起到保护作用。但从图15中可以看出，旭硝子、日东等竞争对手在其他多个技术方向上对核心专利进行围堵和攻击（子专利群2~子专利群5），从当前情况来看，山东东岳并没有采取有效的专利保护或对抗措施，其在中游膜生产领域仍较大程度受制于竞争对手，可能会对其未来的发展造成隐患。山东东岳的专利主要集中在中游膜制备领域，在上游质子交换膜材料生产领域以及下游膜应用领域未发现设置支撑性专利，上游及下游生产能力的薄弱未来可能会对其中游产业造成很大影响，限制企业进一步发展壮大。

图15 中国山东东岳公司专利分布结构

现今，中国在质子交换膜领域的研发与生产单位稀少，其各自的专利申请尚未形成规模，且产业链上中下游贯通发展意识较弱。面对国外企业形成的联合专利布局，中国企业当前应以防御技术封锁、维护产业安全为目标，一方面采取规避封锁重点突围、设置延续保护性专利的布局战略，不断探索并强化中国自身优势技术方向，同时注重对产业链进行疏通整合形成整体优势；另一方面通过设置阻绝障碍性专利，限制国外公司在中国的布局速度及发展，从而维护企业乃至国家的技术实施自由。

5 结论

本文首先根据专利间存在的技术关联关系，构建了专利布局内的专利树状结构模型，基于此进一步提出了一种新的专利知识本体结构，利用该本体结构构建出的专利知识图谱，可以在微观层面引入结构性与功能性技术关联知识，为专利布局结构的刻画获取更为丰富的关键特征因素。

然后，本文探索了基于图嵌入的产业链专利分布结构刻画方法，能够更为科学、直观地展现出企业的产业链专利布局情况。接着总结了5种基本的专利分布模式及其蕴含的专利布局意图，并基于此实现产业链视角下的专利布局意图挖掘。

最后，本文以非全氟化质子交换膜技术领域为例，开展实证研究，为中国非全氟化质子交换膜产业的安全发展提出了应对建议。

本文提出的产业链视角下基于图嵌入的专利布局意图挖掘方法，能够帮助企业乃至国家，快速实现专利分布结构可视化，洞察产业链上各布局主体的专利布局策略与意图，以期为进一步实施专利布局指引方向，实现产业布局的优化。

本文的研究工作存在一些局限与不足。首先，本文初步探索了利用领域专利知识图谱进行专利分布结构刻画的方法，其中对专利技术信息的提取仍相对依赖于专家的工作，专利技术信息自动挖掘与抽取算法有待进一步研究；其次，本文是基于TransR算法，后续将进一步寻找效果更好的图嵌入算法以实现更为精准的专利分布结构刻画。