基于专利交易数据的高校技术创新团队识别和跟踪方法研究——以浙江大学为例

发布时间：2021-08-13 23:35

　　技术创新团队的发现、培育工作,对于促进高校产学研联系具有重要的战略意义。利用IncoPat中高校专利交易数据,通过共现网络、聚类、战略坐标图识别技术创新团队,依据历时网络的关联、变化进行演变分析,结合发明人的科学研究背景信息获悉其科学技术关联,并以浙江大学为例,进行了实例研究。结果表明,自然语言处理技术与可视化知识图谱相结合的方法,能促进技术创新团队识别、跟踪工作的深入开展,并能提高中文专利数据的分析深度。 

【文章来源】：嘉兴学院学报. 2020,32(03)

【文章页数】：8 页

【部分图文】：

研究流程图

SciMAT是一个嵌入了方法、算法、度量指标的开源知识图谱制作工具,能够为图谱制作中的不同步骤提供支持。[7]为识别和跟踪技术创新团队,需利用SciMAT进行发明人数据预处理,划分时间阶段,设置网络生成、聚类生成所需各种阈值,比较不同图谱的可解释性和有效性。以浙江大学为例,提取记录中“许可/转让年”后,按“年”进行许可/转让数量统计可得到图2。由图2可知,浙江大学授权发明专利的许可/转让数量呈波浪式上升趋势。据此可划分出3个时间阶段,分别是2003-2008年、2009-2013年、2014-2019年。

技术创新团队识别主要利用发明人聚类及聚类指标进行。其中,2003-2008年浙江大学授权发明专利交易中主要发明人团队聚类的战略坐标图如图3所示。图中圆圈代表发明人聚类,圆圈大小被设置为交易专利数量。图中横坐标是中心度,表明不同聚类的重要程度;纵坐标为密度,表明不同聚类的发展程度。由此得到4个不同象限,不同象限的聚类具有不同性质。右上象限的聚类发展较好,且对领域的构成较为重要,通常被称为引擎性聚类,这些聚类内部紧密相关,且具有较好的外部相关性;左上象限的聚类内部联系较好,但不具有重要的外部联系,往往非常专业,但有一定外围性。左下象限的聚类既薄弱又边缘化,主要表现为新兴或消失的聚类;右下象限的聚类对研究领域很重要,但尚未开发,往往是横向、一般的或基本的聚类。[10]图3中位于右上象限发展较好且较为重要的发明人聚类是倪明江团队。结合SciMAT输出报告中的聚类网络图、上下文信息可以发现,倪明江团队共18人,团队成员间联系较为紧密,主要成员包括岑可法、骆仲泱、高翔、施正伦、余春江等人,其专利交易内容多与烟气治理、燃烧工艺有关。


本文编号：3341339