基于改进技术相似度计算的竞争对手辨别研究*

高道斌 吴 红 张 彪 崔 哲 李剑飞

(山东理工大学信息管理研究院 淄博 255049)

0 引 言

伴随人工智能等新兴技术领域的出现，技术更迭周期显著缩短，领域竞争日益激烈，企业经营环境愈发复杂和难以预料。在日新月异的市场竞争中，每个企业都不具备绝对优势，都有着不同的竞争对手和竞争方式。企业要想在激烈的市场竞争中占有一席之地，就必须对市场竞争态势进行分析，辨别竞争对手，采取差异性战略，做到知己知彼，方可百战不殆。否则即便领军企业，若不能准确前瞻、研判局面，不有效关注、辨别竞争对手并采取有力措施，也会被竞争对手赶超甚至淘汰出局，如博客网—从引领Web2.0的先驱成为无人问津的弃儿。竞争对手有多种分类，马天旗将竞争对手依据所提供产品与服务的相似性依次划分为核心、中间、外围及潜在竞争对手，并明确指出，针对不同类型的竞争对手，目标企业应制定不同的竞争策略以巩固竞争优势，如进攻、回避、联合、兼并等[1]。因此，辨别竞争对手并对其进行精准分类，就成为目标企业制定差异化竞争策略、在竞争中立于不败之地的现实所求。

1 相关研究

企业间竞争表面上表现为市场中所流通产品或服务的替代关系，内在因素却是技术竞争[2]。为巩固竞争优势，企业通常会将其视为命脉的核心技术进行科学、缜密的专利保护，所以专利文献是展示企业核心技术最为清楚、完整的数据源。目前已有众多学者以企业专利为数据源、以技术相似度为依据，从IPC相似性、文本内容相似性以及两者结合角度对竞争对手的分析、辨别进行了深入研究。

1.1 IPC相似性视角

Lee等以企业间专利IPC分类号的共现强度表示技术相似性，实现了对具有相似创新模式竞争对手的辨别[3]；刘高勇等通过IPC分类号对产业技术结构进行分析，并以IPC相似性度量专利关联性与企业间技术相似性，实现了对产业内竞争格局的分析，为竞争对手辨别提供参考[4]；温芳芳等以IPC分类号为媒介，构建专利耦合网络，实现了对潜在竞争对手/合作伙伴的有效识别[5]；Mun等以IPC分类号表示专利技术层次，在对其进行技术分解与层次聚类的基础上，对太阳能光伏技术领域的子领域进行详细划分，实现企业竞争对手辨别[6]。

1.2 文本内容相似性视角

考虑到专利文献内部特征所蕴含技术信息的重要性，部分学者通过专利文本内容反映技术相似性。Geum提出技术关联值概念，其核心观点为技术关联值越大的企业，成为竞争对手的可能性越高，并通过企业专利文本相似性进行了实证[7]；Kim、Wang等通过对专利文本中SAO结构的分析，为企业辨别技术竞争趋势提供了参考[8-9]；张杰等通过计算独立权利要求文本的SAO结构相似度对企业间相似专利进行识别，以此为企业竞争对手辨别提供依据[10]；史敏等基于语义将说明书文本进一步划分为技术背景与解决方案，通过比对两者间的相似性实现了竞争对手的辨别[11]。

1.3 IPC-文本内容相似性视角

为提升竞争对手辨别效果，少数研究结合IPC分类号与文本内容对企业间技术相似度进行测算。吴菲菲等综合考虑竞争对手技术应用领域相似度与技术内容相似度，实现了对OLED领域竞争对手的辨别[2]；向姝璇等基于改进Jaccard 算法所得的IPC组合相似度及独立权利要求文本相似度，对企业所拥有的专利文献整体相似度进行计算，实现了竞争对手的辨别[12]；Park等基于专利地图对企业专利文本进行挖掘，同时结合IPC等信息实现了对企业间技术相似性的度量，为企业辨别竞争对手提供依据[13]。

综上，以技术相似度为依据辨别竞争对手已成为业界共识，但还存在以下不足：仅通过IPC辨别会遗漏专利文献中的技术信息，导致辨别粒度较粗；在融入文本内容的研究中，基于权利要求书的对比视角较为单一，基于说明书的对比忽略了说明书中不同标题内容(技术领域、背景技术、发明内容等)重要性的主次，降低了辨别结果的准确性；另，企业间技术相似度对比除考虑技术内容本身，专利质量和市场领域也发挥了重要作用，但现有研究均未顾及，对比过于理想。基于此，本文在技术相似度计算中融入了专利说明书中标题内容权重、市场相似性和专利质量情境，以期更为细腻、准确的对竞争对手进行辨别和分类，为企业制定发展战略提供决策支持。

2 研究设计

从企业视角出发，竞争对手是指竞争环境中具有相似产品或技术的经营者，技术相似度作为度量企业间技术相似性的量化方法，能够有效辨别企业间的竞争关系。在专利文献中，说明书包括技术领域、背景技术、发明内容、有益效果等内容，相比于权利要求书、说明书摘要等，对技术内容的描述更为清楚、完整。为更加细腻、准确的辨别竞争对手，本文对技术相似度辨别模型进行了优化：首先从说明书中提取技术背景(背景技术)、技术方案(发明内容)、技术功效(有益效果)文本，采用AHP-熵权法[14]按照其对技术内容描述的地位主次赋予不同权重，计算目标-对手企业单件专利间的个体技术相似度；然后将各企业的专利依质量进行分类，分别依据目标-对手企业相同类别专利集合间不同维度的技术相似度计算整体技术相似度；最后从整体技术相似度、专利平均质量两个维度构建战略坐标，通过设置阈值将目标企业竞争对手进行细粒度分类。

2.1 个体技术相似度

单件专利是计算企业间技术相似度的基本单位，每件专利的技术内容由技术背景、技术方案、技术功效组成：技术背景阐述了与本发明具有关联的现有技术及该技术领域尚未解决的技术问题，以突出本发明的技术必要性；技术方案包含解决该技术问题、实现技术目的的具体技术，是本发明的实现途径；另，技术方案还涵盖了对本发明有益效果的阐述，表明了该发明的技术功效。技术背景、技术方案、技术功效在表达顺序上前后相承，在语义上形成“技术研发必要性—技术研发内容—技术有益效果”的表述闭环。在专利技术内容的表达上，虽然两件或多件发明的技术背景与技术功效可以高度重合甚至完全一致，但专利法对创造性与新颖性的要求，使得每项发明的技术方案必须具有唯一性，所以技术方案对展示技术内容的重要性要大于技术背景与技术功效，在计算个体技术相似度时应设置不同权重。基于此，个体技术相似度计算模型如图1所示。

图1 个体技术相似度计算模型

图中，专利A与专利B分别表示目标企业与对手企业的单件专利，sim1-3分别表示技术背景、技术方案、技术功效文本两两之间的余弦相似度。本文通过AHP-熵权法对个体技术相似度、整体技术相似度、专利质量评价指标体系中各指标(构成部分)进行组合赋权，这样既可以取两者之长，又可以克服AHP法主观随意性强和熵权法仅凭数据判断具有机械性的缺点，使赋权结果更加符合实际。组合赋权方式具体为：

ωi=αωi1+βωi2(α+β=1)

(1)

ɑ、β为AHP法、熵权法占组合权重的比重。本研究认为主观经验判断与客观数据分析对评价对象权重赋予同样重要，所以将两者比重均设置为0.5。ωi1、ωi2表示AHP法、熵权法所得权重，其中，AHP法权重赋予步骤为：首先确定指标集合，构建重要性毗邻判断矩阵，之后通过公式(2)对各指标进行归一化，然后通过公式(3)获得指标权重：

(2)

(3)

熵权法权重赋予步骤为：首先构建对象评价矩阵，对指标数值通过min-max法进行标准化，之后通过信息熵公式得到如公式(4)所示指标熵值，最后基于熵值通过公式(5)得到指标熵权：

(4)

(5)

结合文本余弦相似度与组合权重最终得到个体技术相似度：

V1=ω1sim1(TBA,TBB)+ω2sim2(TSA,TSB)+ω3sim3(TEA,TEB)

(6)

ω1、ω2、ω3分别表示技术背景相似度、技术方案相似度与技术功效相似度在个体技术相似度中的组合权重。

2.2 整体技术相似度

个体技术相似度虽能表示目标-对手企业单件专利间技术内容的相似性，却难以反映企业间整体的技术相似性及映射竞争关系，另，在企业间整体技术相似性的比较中，技术领域、技术市场和专利质量都发挥了不同的作用。基于此，本文提出了整体技术相似度计算模型，该模型将企业所有专利视作一个集合，计算目标-对手企业整体技术相似性。具体为：将专利集合分为核心、重点、一般三类，整体技术相似度为目标-对手企业三类专利集合技术相似度的加权总和，每类专利集合的技术相似度又由技术内容相似度、技术领域相似度、技术市场相似度的加权总和构成，技术内容相似度由目标-对手企业相同类别专利集合中个体技术相似度总和的均值表示，由此将个体技术相似度融入到整体相似度的计算过程中。整体技术相似度计算模型如图2所示。

图2 整体技术相似度计算模型

众多研究以专利质量作为企业专利分类划分的依据，总体观点为高质量专利对企业保持竞争优势、进行专利布局产生更重要的作用[15-16]。基于此，本文通过专利质量对专利进行类别划分：依据“二八法则”，将排名前20%专利视为核心专利，将排名20%～50%专利视为重点专利，其余为一般专利。为确保三类专利在整体技术相似度中所占权重的普适性和反映在计算过程中的易理解性，研究采用专家9分制评分法(权重总值为9)赋予不同类别专利在计算整体技术相似度中的权重，具体如表1所示。

表1 专利划分方式与含义

从表1可知，由于核心、重点、一般专利对企业间竞争态势影响情况依次递减且竞争强度依次降低，同时结合“高质量专利对企业保持竞争优势、进行专利布局产生更重要作用”的观点，因此，将三者在整体技术相似度中的权重分别设置为5/9、3/9、1/9，由此鲜明反映三类专利在辨别企业间竞争关系的不同重要性。经过加权的整体技术相似度为：

V2=αSIM1+βSIM2+λSIM3

(7)

ɑ、β、λ分别为目标-对手企业三类专利集合在整体技术相似度中的权重(与表1对应)。SIM1、SIM2、SIM3为目标-对手企业三类专利集合的技术相似度：

V3=aTCS+bTMS+cTFS

(8)

a、b、c分别表示TCS、TMS、TFS在同类别专利集合技术相似度中的权重，其赋予方式与个体技术相似度相同。TCS为技术内容相似度(Technical Content Similarity)，具体计算方式为：

(9)

V1表示目标-对手企业同类别专利集合中单件专利间的个体技术相似度，n表示目标-对手企业相同专利集合中单件专利间构成的专利对数量。

TMS为技术市场相似度(Technical Market Similarity)。占据市场是企业申请专利的目的之一，企业在获得发明授权后，需要将其转化为现实生产力以实现收益，因此对专利间市场竞争关系的分析十分重要。《国民经济行业分类号》规定了全社会经济活动的分类及代码，据此可对企业的经济活动进行分类。每件专利都与国民经济行业分类号(简称行业分类号)相关联，可以视作专利的经济活动领域与市场取向。基于此，本文使用基于Jaccard系数的行业分类号共现强度表示TMS：

(10)

(ICN)Am为目标企业第m件专利国民经济行业分类号，(ICN)Bk为对手企业第k件专利国民经济行业分类号，h表示目标-对手企业存在技术市场相似度的专利对数，属于h的专利对表示为：

coupleAm,Bk≠0∈(quantity_h)∪coupleAm,Bk=0∉(quantity_h)

TFS为技术领域相似度(Technical Field Similarity)。每件专利包含若干IPC号，由本技术领域审查员依据发明内容划分，代表专利应用领域，两件专利相同IPC号越多，表明应用领域竞争强度越大，分别拥有该专利的企业间竞争关系越强烈。本文借鉴吴菲菲等[2]的研究，将技术领域相似度表示为：

(11)

(IPC)Am为目标企业第m件专利IPC号，(IPC)Bk为对手企业第k件专利IPC号，l表示目标-对手企业存在技术领域相似度的专利对数，属于l的专利对表示为：

coupleAm,Bk≠0∈(quantity_l)∪coupleAm,Bk=0∉(quantity_l)

2.3 竞争对手细粒度辨别

通过目标-对手企业整体技术相似度计算，可识别出存在高度技术相似性的竞争对手，但技术相似度只是表征竞争关系的一个维度，需要更加立体的评判标准对竞争对手进行更加细化的辨别。专利质量是企业技术竞争强度的体现，专利平均质量高的企业，代表着技术基础、研发实力更加雄厚，在市场竞争中更有可能取得竞争优势，对目标企业产生威胁[15]。基于此，通过整体技术相似度-专利平均质量二维战略坐标将竞争对手划分为核心、潜在、外围、候选四类，如图3所示。

图3 整体技术相似度-专利平均质量战略坐标

在该战略坐标图中，纵轴代表目标-对手企业整体技术相似度，由公式(7)计算而得，该值越大表明两企业技术越相似，竞争关系越强烈；横轴代表企业专利平均质量，由下文中公式(13)计算而得，该值越大表示企业技术竞争力越强，对目标企业产生更大威胁。关于专利质量的评价，本文借鉴刘云、冯仁涛等[17-18]的观点，从技术性(技术质量)、法律性(法律质量)、市场性(经济质量)三方面进行。考虑到指标的权威性与易计算性，指标选取以国家知识产权局《专利价值

表2 专利质量评价指标体系

分析指标体系操作手册》为基础，同时结合文献调研与专家智慧，选取结果如表2所示。

为消除量纲影响，使用min-max法获得单件专利各项指标标准化数值xi，结合指标组合权重wi后，单件专利质量P_Q的评价方式为：

P_Q=w1x1+w2x2+w3x3+w4x4+w5x5+w6x6+w7x7+w8x8

(12)

各企业专利平均质量A_P_Q评价方式为(m代表企业专利数量)：

(13)

依据整体技术相似度-专利平均质量二维战略坐标，各类型竞争对手辨别的方式与具体含义如表3所示。

表3 各类竞争对手含义及辨别依据

3 实证研究

人工智能是引领未来的战略性技术，是国际竞争的新焦点。我国为抢抓人工智能发展重大战略机遇，于2017年制定了《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。基于此，研究以我国人工智能为行业领域、以领头羊百度公司为目标企业，对其竞争对手进行辨别。

3.1 数据获取

人工智能涉及领域非常广泛，考虑到百度公司的业务范围，本文更认同《人工智能技术专利深度分析报告》(以下简称报告，由我国专利保护协会联合人工智能领域业内技术专家和专利分析专家合作完成)对人工智能的解析：应着重强调核心算法及相关的应用场景，人工智能的核心问题为建构能够跟人类相似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等，尤其以软件、算法相关的技术为代表。

专利数据以智慧芽数据库为数据源，该数据库具有更新及时、收录全面、格式规范的特点，能保证数据的权威性。检索词以《报告》划定的人工智能领域分支为主，同时结合文献调研与专家智慧，最终确定关键词为：人工智能、机器学习、基础算法、智能搜索、智能推荐、语音识别、自然语言处理、自动驾驶、计算机视觉、图像识别、深度学习、手势控制、智能机器人、视频识别。由于上述关键词有相当部分体现的是技术功能，说明书摘要结构为发明名称+技术方案+技术功效，包含了最能体现技术功能的上述关键词，所以检索字段设定为发明名称与摘要，这样既克服了众多IPC分类号带来的不确定性，又确保了检索结果的全面性和准确性。专利类型设置为授权发明，法律状态设置为有效，受理局设置为中国，专利权人类型设置为公司，检索日期为2021年6月20日，共获取专利10 374件，专利权人4 573个。通过浏览专利权人，发现数量排名20以后的公司专利数据较少，比较零散，难以对百度构成竞争威胁，故选择数量排名前20的企业(包含百度)为辨别对象，删除重复与噪音数据后共获得有效专利2 438件，进一步剔除数据缺失专利后，剩余2 422件。

3.2 专利质量评价

3.2.1指标权重赋予

邀请5位高校领域教师、3位企业技术骨干组成评审小组，将专利质量评价指标作为目标因素，构建两两重要性比较矩阵，通过公式(2)-(3)获得各指标AHP法权重；对专利指标数据进行标准化处理后，通过公式(4)-(5)获得熵权法权重；通过公式(1)获得组合权重，如表4所示。

表4 专利质量评价指标权重赋予结果

3.2.2前20位公司专利平均质量计算

首先通过公式(12)计算各企业的单件专利质量；其次通过公式(13)计算各企业专利平均质量，具体结果如表5所示。

表5 企业专利平均质量(降序)

其中，微软公司专利平均质量最高，为0.1478，平安国际最低，为0.0385，究其原因：微软作为互联网行业巨头拥有着丰富的技术积累，在人工智能领域技术研发中具有巨大优势，且其产品面向国际市场，因此更加注重专利质量；平安国际成立年限较短，企业仍处于发展期，自身技术资源积累量较少，涉猎人工智能领域时间较短，因此其专利质量较低。

3.3 技术相似度计算

3.3.1专利文本内容提取

通过3.2部分得到单件专利质量后，首先，依据表1专利类别划分方式，将所有专利划分为核心、重点、一般专利，由此得到每个企业上述三类专利集合；然后在人工阅读说明书的基础上，基于线索句/词与段落表述规律，利用python的re模块编写正则表达式，通过内置的findall函数提取说明书中技术背景、技术方案与技术功效内容，结合Excel菜单栏功能进行辅助提取，步骤详情见表6；最后以专利权人为单位，通过Excel表格进行分列存储，并对其进行编号，每个企业分别有核心、重点、一般专利集合所对应的上述数据，如表7所示。

表6 单件专利技术背景、方案、功效提取步骤详情

表7 技术背景、技术方案、技术功效文本提取结果(百度公司部分核心专利)

3.3.2专利文本内容清洗

使用Excel“替换”功能将原始语料中标点剔除。由于说明书中有多个无意义词汇，如“本发明”“提供”“实现”“实施例”等，会影响文本相似度计算结果的准确性，因此，通过建立停用词表将其剔除。另，由于人工智能领域专利的专有名词较多，通过建立专有名词词表以提升分词效果，部分停用词与专有名词如表8所示。

表8 停用词与人工智能领域专有名词(部分)

3.3.3百度-对手企业个体技术相似度计算

通过停用词与自建人工智能领域专有名词表对语料进行清洗后，使用Python中jieba库进行分词，使用gensim库中Word2vec模型对语料进行训练，之后通过余弦相似度计算目标-对手企业单件专利对经向量表示后的技术背景、技术方案、技术功效文本相似度，将其作为公式(1)中三者熵权权重分析数据源；将技术背景、技术方案、技术功效作为AHP法目标因素，通过公式(2)-(5)结合公式(1)，确定三者在计算个体技术相似度中的权重分别为：0.2454、0.4351、0.3196，该结果与前文中所提出“技术方案重要性大于技术背景与技术功效”的观点保持一致。在对百度与对手企业的单件专利进行编码后，通过公式(6)对个体技术相似度进行计算并构建相似度矩阵，如表9所示。

表9 百度-华为核心专利集合个体技术相似度矩阵(部分)

3.3.4百度-对手企业整体技术相似度计算

通过公式(9)-(11)分别计算百度-对手企业的技术内容、技术市场、技术领域相似度，将其作为公式(1)中三者熵权权重分析数据源；将技术内容、技术市场、技术领域作为AHP法目标因素，通过公式(2)-(5)结合公式(1)，确定三者在计算整体技术相似度中的权重分别为：0.3491、0.2858、0.3201。最后，通过公式(7)-(8)得到百度与所有对手企业的整体技术相似度，如表10所示。

表10 整体技术相似度计算结果—以百度为目标企业(降序)

表10中，联想、阿里巴巴的整体技术相似度显著高于其他对手企业，为0.6273、0.6029，说明两企业与百度的核心、重点专利技术相似性高，展露了与百度的直接竞争关系。进一步的，专利质量整体较高的企业竞争力更强，作为竞争对手对目标企业威胁程度更高，因此需结合专利质量分析竞争对手的威胁程度，细化竞争对手所处竞争地位。

3.4 竞争对手辨别与结果分析

依据表3将所有对手企业划分为核心、潜在、外围、候选竞争对手4类，各类型竞争对手对目标企业的竞争威胁程度依次递减，如图4所示。

3.4.1核心竞争对手

阿里巴巴、联想、华为、微软、通用、三星、讯飞、三菱、奇虎为核心竞争对手。天眼查数据显示，除讯飞、三菱外，其余企业均与百度经营范围存在多处重合，包括计算机软硬件、通信设备、电子产品、信息系统集成服务等，与百度存在直接竞争关系。讯飞主营范围是以自然语言处理、机器学习为主的人工智能产品，技术关注度高，拥有多件核心专利；百度近几年申请了多件自然语言处理、机器学习领域的核心专利，如公开号为CN108062246B的“用于深度学习框架的资源调度方法和装置”、公开号为CN107241260B的“基于人工智能的新闻推送的方法和装置”等，均与讯飞核心专利的技术领域与技术内容保持高度相似；讯飞“AIUI开放平台”与百度“AI开放平台”的服务内容与服务目标高度一致，都是对人工智能服务的延伸，两者在技术、产品、服务策略方面的高度相似展露了高强度竞争关系。三菱近几年注重对自动驾驶领域的技术研发，申请了多件核心专利，如公开号为CN106200631B的“自动驾驶控制装置及自动驾驶控制方法”、公开号为CN108137059B的“驾驶辅助装置”等，以及多件关于语音识别的核心专利，百度近几年同样开始关注自动驾驶领域，不仅申请了多件核心专利且推出了“阿波罗自动驾驶平台”，旨在向开发者提供开放、完整的自动驾驶策略，上述产品与专利申请态势展露了百度正在不断拓宽自动驾驶领域的技术市场与技术研发范围，与三菱在市场主营范围、专利申请技术领域方面存在直接冲突。上述企业整体技术实力雄厚，专利质量高，技术内容与百度高度相似，与百度相比，处于竞争优势，因此为核心竞争对手。

图4 竞争对手辨别结果—以百度为目标企业

3.4.2潜在竞争对手

本田、丰田、吉利、发那科、OPPO、国网为潜在竞争对手。上述企业虽与百度在经营范围方面未呈现直接冲突，整体技术相似性较低，但本田、丰田、吉利近几年均在申请百度目前正在拓展的自动驾驶领域相关专利，且整体专利质量较高。国网、OPPO在图像识别领域保持着专利申请质量与数量的领先。发那科专注智能机器人领域并有多件机器学习、智能机器人领域的核心专利，技术基础雄厚；百度近几年不断增加图像识别、机器学习、智能机器人领域的专利申请量，且在提升产品市场转化效率。上述企业拥有着高质量专利，在未来，若转变专利市场布局取向，有可能成为百度核心竞争对手。

3.4.3外围竞争对手

腾讯、平安国际为外围竞争对手。腾讯虽整体专利拥有量显著高于其他企业，且与百度经营范围、专利技术领域保持高度相似，但核心专利占比与专利平均质量均较低，整体专利竞争实力较弱。平安国际为新兴企业，专注智慧城市、人工智能技术、信息技术的产品与服务，并在上述领域不断增加专利申请量，其专利技术领域、产品及服务与百度保持高度相似，但由于缺乏技术积累导致整体专利质量较低，与百度相比处在竞争劣势地位。上述企业虽经营范围、产品、服务、专利技术领域与百度高度相似，但由于整体专利质量较低，与百度相比，处于竞争劣势，因此为外围竞争对手。

3.4.4候选竞争对手

格力、光年无限为候选竞争对手。格力的主营范围为家电，包括冰箱、电视、热水器等，近几年开始拓展智能机器人市场，专利申请量不断增加，但由于与主营业务研发方向不匹配，导致研发投入较低，整体以智能机器人为主的人工智能领域专利质量较低且研发方向分散。光年无限虽与百度经营范围保持多方相似，但技术研发重点为智能机器人，核心专利较少且整体上与百度在该技术领域的专利相似度较低。上述企业与百度的经营范围或专利技术内容相似度低，且人工智能领域专利质量低、研发方向分散，因此为候选竞争对手。

4 结 语

辨别竞争对手类型、知彼知己，是企业制定差异化竞争策略的前提与巩固自身竞争优势的保障。本文针对现有研究存在的辨别粒度较粗、准确性低的问题，对技术相似度辨别模型进行了优化。首先，以专利说明书为研究样本，提取其中的技术背景、技术方案和技术功效，并按照其对技术内容描述的地位主次分别赋予不同权重，细粒度计算目标-对手企业单件专利间的个体技术相似度；其次，结合文献调研与专家智慧，将各企业专利依质量划分为核心、重点、一般3个类别，并从技术内容、技术市场(行业分类号)、技术领域(IPC分类号)3个维度，分别计算目标-对手企业相同类别专利集合间的技术相似度，然后按照专利质量对每类专利集合的技术相似度赋予权重，获得每个竞争对手的整体技术相似度；再次，依据整体技术相似度和专利平均质量两个维度构建战略坐标，通过设置阈值将竞争对手细粒度划分为核心、潜在、外围、候选4类；最后以人工智能领域为例，以中国有效专利数量排名前20企业为研究对象，以百度为目标企业，对本方法进行了实证，结合企业专利、产品、商业等多维信息验证了本方法的准确性与有效性。

本文创新之处在于：在个体技术相似度和整体技术相似度计算中，融入说明书中不同标题内容权重、市场相似性和专利质量等情境，更加细腻、准确的对竞争对手进行辨别和分类，为企业科学制定差异化竞争策略提供有力的决策支持；不足之处在于：对专利质量进行评价时没有考虑技术领域、市场大小等因素，辨别准确性有待进一步提高。