基于概念格的企业群体创新偏好挖掘研究

李丽莎，温浩宇，张云涛

（西安电子科技大学经济与管理学院,陕西西安 710119）

1 研究背景

新一轮科技革命和产业变革不断深入发展，众多科技领域逐渐进入关键核心技术攻坚期，企业创新能力的提升刻不容缓。十九届五中全会通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》首次把创新放在各项规划任务的首位，进行专章部署，将创新在国家战略层面提升到了一个新的高度，国家和社会对企业创新情况的关注程度与支持力度与日俱增。然而随着国家对高科技企业的重视程度以及扶持力度的提高，“伪高新”现象逐渐增多，甚至部分企业为了获得税收优惠及补贴，利用虚假消息包装自身创新特征及方向，为企业制定创新战略、政府制定扶持及补贴政策、投资者选择意向企业均带来了不同程度的困难［1］。

企业创新偏好即企业创新领域的倾向性, 既可以体现企业当前技术实力, 也可以体现企业对于未来发展方向的选择与未来行业发展方向的预测，对企业发展具有重要的战略意义, 也对政府及投资者确定税收优惠及补贴范围、选择意向投资企业具有重要参考价值。然而面对日渐增多的各类高科技企业以及真假掺杂的各类信息，政府与投资者如何从海量企业数据中尽快掌握各类企业创新偏好情况，精准刻画各类企业创新偏好特征，进而细化符合扶持投资方向的企业范围，各类企业又应该如何对标优秀企业及竞争企业选择创新发展方向、制定竞争战略并提升创新能力，成为了亟待解决的难题。

基于此，本文提出了一种利用模糊三支概念格对各类企业创新偏好进行画像的一种模型，利用概念格形式概念反映对象与属性关系的特点以及各概念间的泛化-特化关系的基础上，引入相似度定义，挖掘数据间隐含关系，从具体企业中抽象出一般创新偏好特征，通过数据揭示各类企业的创新偏好特征与发展规律，将数据压力转变为数据优势，辅助企业及政府制定创新战略与创新政策。

2 文献综述

企业创新作为创新发展的重要组成部分，其相关研究一直是国内外学者研究的热点话题。目前国内外学者对于创新的研究大多从创新能力的影响因素以及创新绩效的评价两方面进行阐述。其中在企业创新影响因素相关研究中学者们大致从宏观与微观两个层次进行了分析，宏观因素主要包括政策环境、经济环境与法律环境等因素［2-4］，微观因素主要包括管理者特征、企业专利合作网络等因素［5-6］。创新绩效的评价研究学者们则大多从评价方法与评价角度的异同入手进行分析［7-8］，获得了丰硕的成果。总体来说，企业创新能力的影响因素以及评价研究已经较为成熟，而企业创新特征以及创新偏好的研究却相对较少。企业创新偏好，其选择与定位关系到企业未来核心竞争力,体现出企业对未来市场发展的预测与未来发展方向的选择，对企业创新发展及政府部门制定创新政策具有重要意义。多年来，学者们尝试从不同角度对企业多种创新特征进行探索，以期多维度展示各领域及产业的创新特征及创新模式，为企业战略及政府政策制定提供建议。钱旭潮等［9］从技术创新成长角度将企业分为微创新、集成创新、延伸创新和持续创新4 个阶段，对每一阶段企业的内涵、特征及所需条件进行梳理，并从企业自身及政府出发给出创新发展建议，推动企业创新的可持续发展。张赤东［10］通过对407 家创新企业进行问卷调查，提出企业战略、行业特征与规模差异会导致企业创新展现不同的特征，中型企业、设备制造行业等创新类型与特征值得在创新政策制定中给予重点关注。毕静煜等［11］通过研究1996—2016 年中国医药制造业企业联盟组合数据，结合资源视角和社会网络理论研究了企业合作网络的地理位置和关系强度等特征对于企业创新产出的影响作用，为企业研发联盟的有效管理提供了依据。张贝贝等［12］以专利视角切入，通过分析芯片制造领域基本工艺技术的国际竞争格局及各国核心技术企业技术布局特征和创新模式，为我国芯片制造领域企业技术发展提供了全貌信息及战略制定参考。

目前创新特征研究以定性研究为主，且大多聚焦于某一具体行业或产业现状，进行针对性分析和阐述，缺乏企业创新偏好数据的深刻挖掘与全面刻画的共性方法。企业画像通过将企业真实数据抽象为一系列标签，形成多元化的企业标签集合，可实现对企业数据进行多层次多维度挖掘与刻画，为数据驱动下企业创新偏好特征识别与挖掘提供一般化解决方法。从构建技术来讲企业画像理论方法大多来源于用户画像，使用机器学习算法提取用户特征是目前学者使用较多的方法。如Liu 等［13］以新浪微博为例提出一种提取用户兴趣特征时引入辅助者信息，使用LDA 主题模型对用户追随者进行兴趣特征进行提取的用户画像方法，Dehghan 等［14］考虑专家专业知识的时间属性，使用短期记忆（LSTM）深层神经网络来根据专家不同年份的活动提取专家知识标签并构建专业知识树以及个人资料，提供了一种新的专家发现方法。Zigoris 等［15］引入相似度使用贝叶斯网络方法从已有用户处提取兴趣偏好，解决个性化推荐系统中 “冷启动问题”，但阈值的设置需要多次尝试，对用户数据要求较高。另外，基于本体的关系信息刻画用户信息也是用户画像领域比较热门的一种方法，单晓红等［16］提出一种以酒店评论为基础的酒店-用户本体模型，从用户信息属性、酒店信息属性和用户评价信息属性3 个维度构建用户画像，为酒店实现精准营销提供依据。整体而言，现有技术方法主要集中于对单一企业或者某一企业群体的标签进行挖掘，而缺乏对于各企业各标签间关系的挖掘与刻画，容易导致画像出现偏差。

概念格是Wille［17］最早于1982 年提出的形式概念分析的核心工具，利用其特有的层次结构及Hasse图，可以层次化展示企业各用户各属性间的隐含关系，弥补现有画像方法的不足，因此现在已有部分学者将其应用于用户画像领域，以此挖掘各类用户的多维特征及特征关联关系。随着三支决策论的发展，Qi 等［18］将三支决策思想应用于概念格领域形成三支概念格，将概念格拓展至同时拥有正域与负域的层次结构，后因考虑到现实生活中对象与属性的关系大多是模糊信息，龙柄翰等［19］将模糊理论与经典三支概念格结合，提出模糊三支概念格，解决了三支概念格不能描述模糊信息的问题。对于企业来说，发现边缘创新领域与发现核心创新领域一样重要，对企业的创新选择均有重要的指导意义；对于政府来说，发现非意向扶持与投资领域的企业可以避免无效投资，优化资源配置，因此本文使用模糊三支概念格对各类企业的创新偏好进行画像，并在此基础上，引入相似度定义，挖掘数据间隐含关系。一方面为企业创新偏好识别与挖掘提供新的模型与思路；另一方面，通过数据揭示各类企业的创新偏好特征与发展规律，在数据层面上为企业及政府赋能，为企业优化创新资源配置、政府增强精准性差异化施策效果进行尝试和初探。

3 模型设计

专利作为技术信息最有效的载体，包含了全球90%以上的最新技术情报，是衡量企业技术创新能力的关键标志之一［20］，而国际专利分类（IPC）是专利的技术分类编码，以等级的形式将专利划分到不同粒度的技术领域中，可以一定程度反映企业的技术布局及创新偏好，因此本文以专利IPC 分类号为切入点在单分类专利与共类专利的基础上构建企业创新偏好群体画像，识别挖掘各类企业群体创新偏好及各企业间创新偏好关联关系，全面刻画企业群体创新偏好领域特征及结构特征，为政府投资者缩小补贴投资企业范围、企业选择竞争对手提供新的方法。具体研究框架见图1 所示。

图1 研究设计框架

在分类基础上构建企业创新画像有利于在各类企业创新偏好画像对比的基础上，发现各类企业创新偏好的结构问题及短板方向，优化创新偏好的布局，最大化提升企业创新能力、挖掘领域内创新潜力。因此本研究基于模糊三支概念格，从专利IPC 视角，分别对领导型、稳定型、潜力型、危险型四类企业进行创新偏好画像模型构建，主要方法如下：

（1）基于熵值法，实现企业分类。对于分类维度来说，无论是企业经营能力还是成长能力，单一指标均不能全面衡量其真实表现，需要从多个要素和维度进行全面考察。企业经营能力主要通过企业发展规模及现有经营状况来体现企业现存整体实力及发展基础，其中企业发展规模主要从人员、资金两方面进行测度，经营状况通常反映于企业营运能力及盈利能力两个方面。与此对应，成长能力可以通过企业资产增长趋势、运营能力增长趋势、盈利能力增长趋势等动态指标测度企业目前的综合发展态势，从而反映企业的成长速度以及发展潜力。因此本文主要基于可行性、动态性和可获得性等指标选取原则在科学性、动态性、可获得性原则的基础上，参考结合陈晓红等［21］、朱彦杰［22］、Dai 等［23］国内外学者的相关研究成果，选取总资产、员工人数、营业收入、净利润、近3 年营业收入平均增长率、近3 年净利润平均增长率、近3 年总资产平均增长率共7 个指标，在使用熵值法对指标权重进行赋权的基础上，从经营能力、成长能力两个维度将企业分为领导型、稳定型、潜力型、危险性四类。

（2）引入时间权重函数，对专利进行时间衰减。考虑到企业创新关注领域漂移问题的存在，即企业创新布局会随着时间的推移而发生变化，企业近期的专利IPC 分类号比以前的专利更有参考价值，更能体现其当前的创新偏好，应该被赋予更高的权重。引入时间权重函数，利用公式（1）对专利进行时间衰减。

（3）基于专利共现网络，计算技术领域隶属度。按照专利IPC 分类号数量专利可分为单分类专利和共类专利，对于单分类专利，以专利分类号大组进行合并，各分类号重要性见公式（2）。

对于共类专利，使用专利共现网络的中心性测量指标确定企业专利各领域隶属度。其中关联矩阵以主分类号为行，副分类号涉及的分类号为列，行列交叉位置的值为主副分类号的关联强度。考虑到企业专利考虑到矩阵数据的稀疏性以及主副分类号的重复性问题，以IPC 分类号大组构建主副分类号关联矩阵。其中主副分类号的关联强度见公式（3）。

节点度中心性是衡量节点重要性的重要指标之一，节点度中心性越高，说明该专利号处于专利共现网络的中心地位，可以用来判断网络中的关键节点，由于需要在不同企业专利共现网络中比较度中心性，本文采用相对度中心性判断节点的重要性。

选用WIPO 提供的将IPC 号的前4 位和35 个技术领域相互映射的索引表，对专利分类号各节点进行技术领域合并并进行标准化，为某一技术领域的隶属度，将其定义为：

（4）基于模糊三支概念格构建企业群体创新偏好画像。在各企业专利技术领域隶属度的基础上构建各类企业的创新偏好模糊形式背景，选定阈值，依据各类企业模糊形式背景分别抽取各类企业三支模糊形式概念，进而得到企业创新偏好模糊OE 概念格与模糊AE 概念格，实现企业创新偏好群体画像。

（5）引入相似度概念，构建带有相似度的创新偏好模糊三支概念格。为了提高企业创新偏好画像刻画各企业各标签间关系的准确性，本研究提出基于模糊三支概念格的相似度定义，构建带有相似度的创新偏好模糊三支概念格，并对其隐含知识进行深入挖掘，为企业发现竞争对手及寻找特定领域企业创新偏好次序提供新的方法。

定义3：模糊三支概念格相似度。

式（7）中，p为子概念正域中外延比例，q为子概念负域中外延比例

4 实证研究

集成电路产业作为国民经济和社会发展的先导产业，其战略地位日益突出。作为产业链最前端，集成电路设计能力的自主可控程度代表了整个产业的技术水平，近年来国家对于该行业的扶持与补贴力度持续增大，对集成电路设计各企业创新偏好情况进行研究具有重要意义，因此本文选择集成电路设计行业企业对模型可行性进行验证，通过模型对行业内各类企业的创新偏好进行画像，为我国集成电路产业的发展提供依据。

4.1 企业创新偏好画像OE 构建

（1）数据获取及企业分类。考虑到数据的可得性，主要对上市企业进行研究，首先选择同花顺半导体及元件行业板块企业进行爬虫，得到109 家初始相关企业，由于该板块包括电气元件、集成电路设计、集成电路封测等行业，因此对109 家企业的所属行业及公司主营业务进一步细分，最终确定20家集成电路设计企业作为研究对象。

企业成长能力与经营能力相关数据主要整理于企业年报、招股说明书、国泰安数据库等。企业专利数据来源于Incopat 数据库，以上海贝岭公司为例，以“(AP=(上海贝岭)) AND (AD=［19600101 to 20210601］)”检索式检索可得上海贝岭公司截至2021 年6 月1 日的专利信息，依次方法，可得到其他企业专利数据。

通过对20 家企业数据进行标准化处理及熵值法计算，得到各指标权重赋值及各企业成长能力和经营能力评分，其中指标权重w1= 0.254，w2=0.233，w3=0.256，w4=0.257，w5=0.344，w6=0.323，w7=0.333，进而得到企业分类结果，其中领导型企业4 家，稳定型企业4 家，潜力型企业6 家，危险型企业6 家，各企业成长能力及经营能力情况及具体分类结果见图2 所示。

图2 20 家集成电路设计产业企业分类结果

（2）企业创新偏好画像构建。通过Incopat 数据库检索共获得6 563 条企业专利数据，其中领导型企业专利数据为2 061 条，潜力型企业专利数据为1 078 条，稳定型企业专利数据为1 979 条，危险型企业专利数据为1 445 条。经过上文对单分类专利以及多分类专利的处理，去除各企业隶属度均小于0.4 的技术领域（见表1），可以得到各类企业的创新偏好模糊形式背景（见表2 至表5），表中数据为各企业在对应技术领域的隶属度数值。

表1 集成电路设计行业企业技术领域符号解释

表2 集成电路设计产业4 家领导型企业形式背景

表 3 集成电路设计产业4 家稳定型企业形式背景

表4 集成电路设计产业6 家潜力型企业形式背景

表4（续）

表5 集成电路设计产业6 家危险型企业形式背景

为了后续表述方便，我们依次将领导型企业卓胜微、兆易创新、澜起科技、晶晨股份表示为x11、x12、x13、x14；将稳定型企业士兰微、紫光国微、扬杰科技、立昂微表示为x21、x22、x23、x24；将潜力型企业博通集成、乐鑫科技、斯达半岛、晶丰明源、北京君正、思瑞浦表示为x31、x32、x33、x34、x35、x36，将危险型企业表示为x41、x42、x43、x44、x45、x46。

由模糊形式背景可以看出，集成电路设计行业领导型、潜力型、稳定型企业主要创新领域集中在电气工程相关领域，危险型企业创新领域主要集中在电气工程相关领域与仪器相关领域。对于其他领域，各企业虽有涉及，但均不是企业创新重点。总体来说，集成电路设计行业各类企业创新关注点虽然在大方向上比较集中于电气工程领域，但在各细分领域创新偏好与布局仍存在一定差异，反映了该行业各类企业不同的创新需求点以及创新发展趋势。

取阈值α=0.4，依据各类企业模糊形式背景分别抽取各类企业三支模糊形式概念，建立模糊OE（见表6）形式概念集和模糊AE 形式概念集，并构造相应模糊OE 概念格与模糊AE 概念格，利用概念格特有的Hasse 图层次化展现各类企业创新偏好标签与特征以及各企业间及创新偏好间的层次关系，得到各类企业创新偏好群体画像。

表6 集成电路设计产业4 家领导型企业创新偏好模糊OE 形式概念集

表6（续）

4.2 企业创新偏好识别分析

不同类别企业概念格包含不同的概念节点，蕴含了各类企业不同的创新偏好标签及层次结构，反映了不同类型企业创新偏好画像差异。其中领导型企业模糊OE 概念格包含16 个概念节点，模糊AE概念格包含26 个概念节点；稳定型企业模糊OE 概念格包含7 个概念节点，模糊AE 概念格包含7 个概念节点；潜力型企业模糊OE 概念格包含43 个概念节点，模糊AE 概念格包含45 个概念节点；危险型企业模糊OE 概念格包含29 个概念节点，模糊AE 概念格包含37 个概念节点。

由企业创新偏好模糊概念格（见图3）以及企业创新偏好模糊AE 概念格（见图4）可以看出，对于集成电路设计行业而言，各类企业对于不同技术领域所投入创新关注度存在差异，创新偏好各有侧重，包含不同的创新偏好标签，同时各类企业的创新偏好布局也各有不同，存在较大的差异。

图3 20 家集成电路设计企业创新偏好模糊OE 概念格

图4 20 家集成电路设计企业创新偏好模糊AE 概念格

随着概念格层级增高，概念节点包含对象逐渐增多，对象共有属性逐渐减少，因此模糊OE 概念格高层级概念节点正域包含属性一般为企业群体核心创新特征，负域包含属性一般为企业群体边缘创新特征，根据这一概念格特点我们可以实现企业群体创新偏好标签的初步提取。同时模糊AE 概念格概念节点主要包含企业群体对于特定技术领域集合的隶属度倾向信息，从模糊AE 概念格低层级概念节点开始检索，直至找到每个企业首次包含于外延正域的概念节点时结束，这些概念节点中大部分概念节点越集中于Hasse 图下部，说明该类企业群体创新偏好布局越倾向于多领域协同发展，与之相反，则倾向于纵深发展。基于以上分析方法，结合图3、图4 集成电路设计产业各类企业创新偏好模糊概念格结果，我们可以实现各类企业创新偏好画像结果的初步分析。

（1）领导型企业创新偏好画像分析。5G 通信、物联网、人工智能快速发展，对芯片数据的传递与交换提出了更高的要求，企业对于相关应用领域的技术突破也愈加重视。从创新偏好模糊OE 概念格来看，领导型企业可以敏锐感知产业发展前景与方向，核心创新领域主要集中在数字通信领域和计算机技术领域，相关领域核心创新竞争主要体现在信息存储、数据处理、数字信息传输等技术，致力于解决芯片设计与多元应用领域融合过程中的技术问题。对于视听技术领域与电信领域，企业虽有关注，但对于大部分领导型企业而言，受电视机、扬声器行业总体规模增速放缓的影响，这两个领域均不是企业创新关注重点，处于边缘创新领域；而半导体器件、测量、控制等较为基础的技术领域，领导型企业甚少涉及。

对于创新偏好结构布局，从创新偏好模糊AE概念格可知大部分领导型企业创新偏好集中在少数领域，各领域创新隶属度倾向比较明显，但也有少部分企业各领域创新偏好较为平均，倾向于多领域创新，横向协同发展。企业x11和x12创新偏好集中在少数领域，倾向于创新纵深发展，企业x13在多个领域的创新隶属度都较高，比较注重创新横向多维发展。

对于领导型企业而言，应该在保证现有核心技术的优势地位的基础上，沿着企业的发展方向，对现有技术持续积累，实现现有技术组合的迭代和突破。同时寻求企业创新发展空间，尝试创新偏好领域的延伸，积极识别技术机会和技术融合，着力解决集成电路设计行业“卡脖子”的EDA 工具以及核心IP 等问题，为实现创新能力跃迁保持行业领先奠定基础。

（2）稳定型企业创新偏好画像分析。稳定型企业无论从创新偏好领域还是创新偏好结构布局来看，都处于比较保守的状态。首先稳定型在企业中占比最少，其次该类企业总体来说涉及创新领域较少，其中半导体为核心创新领域，电机，设备，能源、计算机技术领域为边缘创新领域，创新重点仍集中在较为基础的半导体器件以及电路装置与设备等方向，对于集成电路设计应用的创新鲜少关注，一定程度上束缚了企业的发展潜力。而从各企业整体的创新偏好布局来看，各企业均倾向于在原有技术领域内进行维持性创新，对于产业发展与市场需求缺乏积极探索，本质上没有从模仿者变为创新者。同时任何领域内较深的技术深度均会导致一定程度的技术僵化，阻碍企业发展其他领域，使企业面临核心竞争力随时丧失的风险，进而影响公司转型成为领导型企业。

稳定型企业若想转型成为领导企业，一定要优化公司存在已久的创新偏好布局与结构，保证现有创新领域的领先地位的基础上，借助企业多年发展的沉淀与积累，对标领导型企业，衡量自身情况，密切关注市场需求及应用领域，寻找创新领域延伸可能性，推进多领域同时演进，加速创新迭代，增强企业创新能力与核心竞争力的同时保证转型能力。

（3）潜力型企业创新偏好画像分析。潜力型企业核心创新偏好标签为基本通信原理与数字通信，该类企业更偏向于通信方向集成电路设计的创新，由于通信主要与电路以及信号相关，容易与现代技术相结合，开发出新的创新发展机遇，使企业跨越目前主流企业的防御体系，另辟蹊径，实现企业快速成长。因此潜力型企业对于计算机技术、电信、电机，设备，能源、视听技术、半导体等领导型及稳定型企业核心创新领域，仅有个别企业较为关注，属于边缘创新领域。

从创新偏好模糊AE概念格来看，潜力型企业大多数公司偏向于在特定的一个或两个领域深入创新，将有限资源集中于特定领域，在特定领域寻求公司发展。目前潜力型企业仍应注重特定领域的创新能力积累，为快速成长与规模扩大奠定基础，同时发现并抢占新的利基市场，争取寻求颠覆式创新，增强企业创新能力与核心竞争力，进而“弯道超车”，实现与领导型企业的非正面竞争性快速追赶。

（4）危险型企业创新偏好画像分析。对于危险型企业而言，大多数企业倾向于在测量、电机，设备，能源与半导体等仪器以及芯片封装测试等方向进行创新，对于集成电路设计的深层次应用领域计算机技术、基本通信、电信、数字通信领域投入较少的创新关注度，使企业创新潜力受到一定限制。而从创新偏好结构布局角度来看，危险型企业中较大一部分对于各创新领域关注度相差较小，在各方面的创新偏好比较平均，资源分配较为分散，没有重点发展领域。

危险性企业应该具有危机意识，积极调整企业创新偏好领域布局与结构布局，衡量企业现有情况及行业发展方向，精简企业重点创新方向，整合企业现有资源及能力，将分散的资源集中投入，寻求企业在某领域的优势发展，逐渐增强自主创新能力，将危机压力变为动力，为企业实现竞争优势追逐奠定基础。

4.3 企业群体创新偏好偏序信息挖掘

模糊三支概念格中除概念节点所含有的创新偏好标签外，依赖于概念格特有的层次结构以及每个概念节点中创新偏好隶属度数值，各概念间的层次关系与关联关系中也隐含有丰富的信息，根据概念相似度公式，计算各概念相似度，可以进一步准确量化各概念相关性，方便发掘概念隐含关系。限于篇幅，仅引入领导型企业各概念相似度数值，对领导型企业概念格数据信息进行深入挖掘，见图5、图6 所示。

图5 集成电路设计产业4 家领导型企业含有相似度的创新偏好模糊OE 概念格

图6 集成电路设计产业4 家领导型企业含有相似度的创新偏好模糊AE 概念格

（1）特定领域企业偏好次序挖掘。模糊AE 概念格以外延分为正域和负域，且各对象具有隶属度值，任何概念本身亦具有大量丰富的数据知识，在模糊AE 概念格中，任意指定一个或一类领域，能够快速找到相关企业并得到各企业在创新方面的偏好排序，为投资者衡量企业潜力，政府精准补贴提供依据。若指定领域为α6（计算机技术），则选择领导型企业顺序为x12，x13＞x14，企业x11处于AE7 概念的负域中，表明该领域不是x11企业的创新重点，不列入考虑；若进一步对企业在领域α1（数字通信）、α6（计算机技术）的创新能力均有较高要求时，选择企业顺序x13＞x14。因此，利用模糊AE 概念格所特有的各概念中的企业与各创新偏好的隶属关系以及概念间创新偏好的包含关系可以为政府和投资者选择意向企业提供一种新的方法。

（2）企业竞争对手发现。模糊三支概念格具有经典概念格所具备的完备性以及伽罗瓦链接约束［19］，模糊OE 概念格任何一条从上到下的通链，其父概念与子概念相比，概念外延增多，概念内涵减少，概念正域负域中各属性隶属度减小，同时基于各概念间的相似度计算，天然为企业竞争对手的发现提供条件。企业竞争对手主要是指在技术、产品、创新等层面与企业有高度相似性的具有竞争力的企业。借助概念格的有序性，可以得到各企业竞争对手排序，以企业x13为例，概念OE4与概念0E7、OE9、OE11的相似度分别为0.63、0.43、0.57，概念OE7对象为x11、x13，概念OE9 外延为x12、x13，概念OE11 外延为x13、x14，因此企业x13有序竞争对手为x11＞x14＞x12。类似地，可以得到其他企业竞争对手排序，为企业对标不同竞争对手确定差异化创新竞争战略提供理论依据。

5 结论与展望

本文在数据驱动下以专利为切入点提出一种基于模糊三支概念格构建企业创新偏好画像研究企业创新偏好特征的模型，并以集成电路设计行业进行实证研究，分别构建领导型、稳定型、潜力型、危险型四类企业创新偏好模糊OE 概念格与模糊AE 概念格，层次化展示集成电路设计行业各类企业总体的创新偏好标签以及创新偏好结构布局，实现了对集成电路行业各类企业创新偏好差异化数据呈现，为企业制定创新战略，政府细化创新政策提供理论依据。此外，通过模糊三支概念格概念间的相似度衡量，进一步挖掘创新偏好模糊三支概念格隐含信息，实现了对企业创新偏好信息的深层次应用，主要得出以下结论：

（1）概念格“外延-内涵”关系与企业画像的“企业-标签”关系本质上的同一性，以及概念格可视化工具Hasse 图最大程度保留企业数据细节等优势，可以对企业标签之间隐含关系进行深入挖掘，从而保证画像结果的准确性和完整性。

（2）集成电路设计产业各类企业在创新偏好的领域布局与结构布局方面各有差异，其中领导型企业创新主要倾向于数字通信和计算机技术等集成电路多元应用领域，对视听技术、测量、控制等领域较少关注，且大多领导型企业选择多领域协同发展的创新偏好布局；稳定型企业创新主要集中于较为基础的半导体器件以及电路装置与设备等方向，在领域布局方面也采取维持策略，缺乏对于其他领域的积极探索；潜力型企业主要创新发力方向为通信方向集成电路设计的创新，通过与现代技术的结合开发创新发展机遇，受规模影响，一般选择集中资源在单一领域进行纵深创新；危险型企业核心创新领域为测量、电机，设备，能源与半导体等仪器等方向，资源分配较为分散，没有较为明显的创新重点领域。

（3）根据集成电路设计产业各类企业创新偏好画像的标签呈现与结果分析，领导型应该稳步提升创新能力，重点布局高端技术；稳定型企业应着重提升创新热情，探索突破企业创新僵局；潜力型企业应当拓宽创新偏好关注边界，蓄力实现弯道超车；危险型企业需要及时调整企业创新资源布局，全力推动企业转危为安。

同时，本文也存在不足,需要在后续长远研究中进一步探索。第一，专利数据尽管包含了企业绝大部分的最新技术，但部分企业出于商业利益及颠覆技术保密的考虑，不会为企业核心技术申请专利，可能会对于企业创新偏好特征的抽取存在一定程度的影响。第二，本文仅对集成电路设计行业进行了实证分析，由于集成电路产业本身属于专利密集型产业，需要进一步探究模型在其他行业的效用性。因此在后续研究中，我们会应用本方法对更多领域企业群体进行创新特征研究，并根据不同产业结果的分析比较，对模型进行改进，提高模型的普适性。同时，将探索以更多源的创新测量方式确定企业创新偏好特征并利用概念格进行更深入的知识发现与挖掘，为企业、政府创新决策提供更多依据。