王 健

（遼寧省科學(xué)技術(shù)情報(bào)研究所，遼寧沈陽 110168）

目前，國內(nèi)外學(xué)者對核心專利的確定方法主要包括基于被引頻次的識別方法，例如Trajtenberg在對電腦掃描產(chǎn)業(yè)相關(guān)專利分析的基礎(chǔ)上，論證了社會(huì)創(chuàng)新收益與專利引證之間呈顯著正相關(guān)關(guān)系[1]。Abert、Narin、Harhoff等對工業(yè)產(chǎn)業(yè)專利研究發(fā)現(xiàn)，專利被引次數(shù)可以用作確認(rèn)核心專利的遴選指標(biāo)[2-3]。國內(nèi)學(xué)者孟宇等[4]通過對RFID天線相關(guān)技術(shù)進(jìn)行專利戰(zhàn)略分析，將被引次數(shù)較高的專利定義為核心專利。基于同族專利數(shù)量的識別方法，國內(nèi)外有些專家通過比較同族專利數(shù)量來判斷核心專利。近年來，隨著專利成本的增加，迫使企業(yè)和專利申請機(jī)構(gòu)在申請同族專利時(shí)更加關(guān)注具有高經(jīng)濟(jì)價(jià)值、高技術(shù)質(zhì)量的核心專利。例如Lanjouw等[5]的研究表明，發(fā)明的技術(shù)重要性與同族專利數(shù)量成正相關(guān)性，證明了同族專利數(shù)量決定專利價(jià)值，折射出核心專利。

布拉德福定律是由英國著名文獻(xiàn)學(xué)家Samuel Clement Bradford于20世紀(jì)30年代率先提出的描述文獻(xiàn)分散規(guī)律的經(jīng)驗(yàn)定律[6-7]，指出如果將科技期刊按其刊載某學(xué)科專業(yè)論文的數(shù)量多少排序，那么可以把期刊分為核心區(qū)、相關(guān)區(qū)和非相關(guān)區(qū)，在保證各個(gè)區(qū)論文數(shù)量相等的條件下，核心區(qū)、相關(guān)區(qū)、非相關(guān)區(qū)期刊數(shù)量成1 : n : n2的關(guān)系。專利文獻(xiàn)與科技期刊文獻(xiàn)在許多方面是相似的，如果對專利文獻(xiàn)所涉及的技術(shù)領(lǐng)域按照國際專利分類號（IPC）進(jìn)行分類，那么相同或相近技術(shù)領(lǐng)域的專利文獻(xiàn)大部分都集中分布在少數(shù)幾個(gè)IPC分類號下, 只有少數(shù)專利文獻(xiàn)分散在其他多個(gè)分類號下。也就是說，專利文獻(xiàn)中的技術(shù)領(lǐng)域分布存在與科技期刊文獻(xiàn)同樣的集中性，遵循布拉德福定律。這對本文研究核心專利分布提供了理論依據(jù)。

本文在現(xiàn)有核心專利識別研究的基礎(chǔ)上，開展核心專利識別研究，以湯森路透公司的Thomson Innovation數(shù)據(jù)庫為數(shù)據(jù)源，在充分研究課題行業(yè)背景、技術(shù)領(lǐng)域的基礎(chǔ)上，對領(lǐng)域關(guān)鍵技術(shù)進(jìn)行分類，以智能化誤差位移補(bǔ)償技術(shù)、智能化振動(dòng)抑制技術(shù)、智能化驅(qū)動(dòng)技術(shù)、智能化刀具監(jiān)控技術(shù)、智能化防干涉功能、自動(dòng)編程、智能化維護(hù)監(jiān)控功能、智能操作八大關(guān)鍵技術(shù)為主線，提出基于布拉德福定律確定數(shù)控機(jī)床加工過程自適應(yīng)控制核心技術(shù)范圍，為企業(yè)和研究機(jī)構(gòu)更精準(zhǔn)地掌握領(lǐng)域核心技術(shù)、研發(fā)具有自主知識產(chǎn)權(quán)的機(jī)床設(shè)備提供了新的思路和方法。

1 核心專利的布拉德福定律驗(yàn)證

本文采用主題詞和IPC組合的方式檢索專利文獻(xiàn)，檢索公開日為2005一2015年的專利，截止到2016年4月1日，共檢索到1454條相關(guān)專利。根據(jù)布拉德福定律描述的“等級排序”思想，對檢索到的專利數(shù)據(jù)進(jìn)行歸納整理，共涉及186個(gè)IPC主分類號，大約52%的專利文獻(xiàn)分布在G05B和B23Q兩個(gè)大類中。按照遞減順序排列，得到相應(yīng)的等級排序表（表1）。

將IPC主分類號按包含專利數(shù)量大致分為3個(gè)區(qū)，每個(gè)區(qū)的專利數(shù)量大致相等，即布拉德福定律的n=3。從具體分布來看，核心區(qū)主分類號數(shù)量為1，擁有專利437件，此區(qū)域?qū)＠紝＠偭康?0.06%；相關(guān)區(qū)主分類號數(shù)量為15，擁有專利486件，此區(qū)域?qū)＠紝＠偭康?3.43%；離散區(qū)主分類號數(shù)量為171，擁有專利531件，此區(qū)域?qū)＠紝＠偭康?6.52%。3個(gè)區(qū)域內(nèi)的主分類號數(shù)之比為1 : 15 : 171，專利密度之比約為13 : 10 : 1?？傻?，布拉德福系數(shù)約等于12，核心效應(yīng)比較明顯，核心區(qū)存在大量的專利分布。據(jù)此，本文列出世界數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)專利離散分布表（表2）。

采用同樣的方法，將所有專利依次分為4區(qū)、5區(qū)、6區(qū)。在每區(qū)專利數(shù)量大致相同的條件下，統(tǒng)計(jì)主分類號數(shù)量，計(jì)算布拉德福系數(shù)，以衡量布拉德福離散程度，驗(yàn)證布拉德福規(guī)律。

當(dāng)n=4時(shí)，核心區(qū)、相關(guān)區(qū)、離散區(qū)的主分類號數(shù)量之比為1 : 8 : 30 : 145，布拉德福系數(shù)為4。

當(dāng)n=5時(shí)，核心區(qū)、相關(guān)區(qū)、離散區(qū)的主分類號數(shù)量之比為1 : 3 : 10 : 30 : 140，布拉德福系數(shù)為3。

當(dāng)n=6時(shí)，核心區(qū)、相關(guān)區(qū)、離散區(qū)的主分類號數(shù)量之比為1 : 2 : 7 : 15 : 33 : 126，布拉德福系數(shù)為2。

從上述世界數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)領(lǐng)域?qū)＠墨I(xiàn)進(jìn)行區(qū)域離散狀況來看，都遵循了布拉德福分布特點(diǎn)，即各區(qū)主分類號數(shù)量大致都呈現(xiàn)等比排列的特點(diǎn)。

由表1的數(shù)據(jù)可知，IPC主分類號總量為N=187，其對應(yīng)的專利文獻(xiàn)總量為A=1454，取分區(qū)數(shù)n=3，計(jì)算布拉德福系數(shù)m。比利時(shí)的埃格博士曾于1986年提出一個(gè)布拉德福離散系數(shù)計(jì)算法。其公式是：

表1 全球數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)專利統(tǒng)計(jì)數(shù)據(jù)

表2 世界數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)專利離散分布表

在式（1）中，m為布拉德福系數(shù)，e為自然對數(shù)的底數(shù)，E為歐拉系數(shù)，Y為標(biāo)注專利文獻(xiàn)最多的主分類號對應(yīng)的專利數(shù)量，n為分區(qū)數(shù)。因此，式中的E=0.5772，n=3，本文專利數(shù)據(jù)中排名第一位的IPC號為G05B00/19，即Y=437?，F(xiàn)將相關(guān)數(shù)據(jù)帶入式（1）中，計(jì)算結(jié)果如下：

1990年，埃格又提出一個(gè)核心區(qū)數(shù)量計(jì)算方法。其公式是：

在式（2）中，P為核心區(qū)IPC分類號數(shù)量，e為自然對數(shù)的底數(shù)，E為歐拉系數(shù)，Y同樣為標(biāo)注專利文獻(xiàn)最多的主分類號對應(yīng)的專利數(shù)量，因此式（2）中的E=0.5772，Y=437。將數(shù)據(jù)帶入式（2）中，計(jì)算結(jié)果如下：

依據(jù)上述結(jié)果來看，利用區(qū)域驗(yàn)證法和計(jì)算法獲得的布拉德福系數(shù)在推斷相關(guān)區(qū)及離散區(qū)專利文獻(xiàn)數(shù)量上保持一致，而在推斷核心專利文獻(xiàn)數(shù)量方面存在較大偏差。在此并不能排除存在布拉德福定律受其理論完整性、計(jì)算誤差和統(tǒng)計(jì)誤差等因素的影響。因此，計(jì)算法得到的核心區(qū)IPC分類號數(shù)量與實(shí)際的核心區(qū)分類號數(shù)量不一致這個(gè)結(jié)論并不與布拉德福定律關(guān)于“核心專利分類數(shù) : 相關(guān)專利分類數(shù) : 離散專利分類數(shù)=1 : n : n2”相矛盾，而更能證明數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)領(lǐng)域的技術(shù)集中度較高。

表3 世界前十名被引專利數(shù)量分布情況

表4 專利被引次數(shù)權(quán)重指標(biāo)

2 核心專利引證分析與核心專利主體

為驗(yàn)證布拉德福定律結(jié)果的準(zhǔn)確性，筆者將運(yùn)用專利引證分析方法進(jìn)一步確定領(lǐng)域核心專利。專利引證分析是一種有價(jià)值的競爭情報(bào)工具，常用于篩選行業(yè)或競爭對手的核心技術(shù)，即基于專利被引頻次來定義領(lǐng)域核心專利[8-10]。表3列出了數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)專利的前十名被引專利數(shù)量分布情況，被引頻次在21次至41次不等，IPC號為G05B和B23Q的專利被引次數(shù)達(dá)到46%以上。此結(jié)果與布拉德福定律區(qū)域驗(yàn)證法的結(jié)果吻合。

此外，本文采用了文獻(xiàn)計(jì)量學(xué)中通常采用的歸一化處理，將各項(xiàng)指標(biāo)都轉(zhuǎn)化為0～1的數(shù)值，以消除不同指標(biāo)類型的差異，被引次數(shù)指標(biāo)通過歸一化后“數(shù)值= 專利被引數(shù)量/專利被引數(shù)量總和”。計(jì)算時(shí)取小數(shù)點(diǎn)后4 位，再將每項(xiàng)專利的歸一化數(shù)值乘以權(quán)重0.23，最終得到引文權(quán)重指標(biāo)數(shù)值（表4）。

在一定程度上，專利被引次數(shù)權(quán)重指標(biāo)也充分說明了數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)領(lǐng)域核心專利的分布情況。一方面，從專利被引次數(shù)權(quán)重指標(biāo)排名情況來看，來自美國卡特彼勒公司和美國自動(dòng)精密工程公司的專利US8139108B2和US20100176270A1被引次數(shù)指標(biāo)權(quán)重?cái)?shù)值最高，可以說其在數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)領(lǐng)域中屬于核心專利。另一方面，從專利主體來看，國外核心專利均來自企業(yè)，而國內(nèi)則被高校所占據(jù)，被引次數(shù)權(quán)重指標(biāo)排名前十的專利中8件專利來自于美國和英國企業(yè)，2件專利來自于北京航空航天大學(xué)和清華大學(xué)。專利主體分析部分將在下一節(jié)中著重論述。

筆者將100件核心專利主體分為企業(yè)、大學(xué)、科研院所和個(gè)人四類。如表5所示，企業(yè)作為優(yōu)先權(quán)主體的核心專利數(shù)量達(dá)到60%，是數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)核心專利的主要來源。其中，就美國而言，企業(yè)作為優(yōu)先權(quán)主體所申請的核心專利數(shù)量遠(yuǎn)遠(yuǎn)超過其他三類主體，這就為提升企業(yè)創(chuàng)新能力建設(shè)提供了良好條件。而就中國而言，一方面，核心專利數(shù)量占前100件核心專利數(shù)量的53.0%，排名第一位，但企業(yè)作為優(yōu)先權(quán)主體所申請的核心專利數(shù)量占總專利數(shù)量的36.4%，與美國企業(yè)相比，我國企業(yè)創(chuàng)新能力建設(shè)相對不足，缺乏以核心關(guān)鍵技術(shù)為支撐的核心競爭力。另一方面，大學(xué)已經(jīng)成為我國核心專利申請的重要主體，這主要是因?yàn)槲覈块T科技項(xiàng)目的驗(yàn)收通常都有明確的知識產(chǎn)權(quán)考核指標(biāo)，高等學(xué)校為通過項(xiàng)目驗(yàn)收，必須積極地進(jìn)行專利申請。而科研院所和四大專利權(quán)主體間合作申請專利數(shù)量卻非常稀少。

表5 核心專利專利權(quán)主體分布單位：件

3 案例分析——以核心專利US8139108B2為例

核心專利US8139108B2是美國卡特彼勒公司于2007年1月31日申請、2012年3月20日公開的專利。該專利主題是“仿真系統(tǒng)中實(shí)現(xiàn)實(shí)時(shí)的機(jī)器數(shù)據(jù)”，共有參考專利20件。從年份分布來看，最早的在1989年，最晚的在2010年。2006年有3件專利，1989年、1995年、1999年、2000年、2003年、2005年和2010年各有2件，1998年、2004年和2009年各有1件專利。從專權(quán)利人分布來看，US8139108B2引用美國通用電器公司的有3件專利；引用本公司和霍尼韋爾公司的各有2件專利，其余13件專利分別來自其他不同的專利權(quán)人。從優(yōu)先權(quán)國家分布來看，18件專利引用了美國專利，2件專利引用了歐洲專利局的專利。

從圖1可以看出，該專利在2014一2016年被引次數(shù)大幅度上升，表明在這一階段該專利技術(shù)已經(jīng)成長為領(lǐng)域熱點(diǎn)?？ㄌ乇死展緡@該專利申請了大量的外圍專利，形成了專利技術(shù)的戰(zhàn)略包圍，對該專利進(jìn)行了技術(shù)保護(hù)。但自從ANDERSON NOEL WAYNE 在2013年首次引用該專利開始，在2015年、2016年持續(xù)引用該專利，引用次數(shù)為7次。另外，自2011年以來，其他公司對該項(xiàng)專利的外圍引用也逐漸增多，表明這項(xiàng)專利技術(shù)的應(yīng)用范圍及市場正得到持續(xù)的拓展。預(yù)期，隨著數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)的進(jìn)一步發(fā)展，該專利有可能成長為領(lǐng)域基礎(chǔ)性專利，以其為核心所衍生的外圍技術(shù)將積聚成技術(shù)族群。

圖1 核心專利US8139108B2的被引關(guān)系網(wǎng)絡(luò)圖

4 結(jié)語

利用布拉德福定律的區(qū)域法、計(jì)算法結(jié)合專利被引權(quán)重指標(biāo)形成的核心專利分布來看，雖然統(tǒng)計(jì)結(jié)果與理論值不完全吻合，但由于統(tǒng)計(jì)數(shù)據(jù)的復(fù)雜性，筆者認(rèn)為，將布拉德福定律應(yīng)用到數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)領(lǐng)域的核心專利中仍具有可行性，可以認(rèn)為數(shù)控機(jī)床加工過程自適應(yīng)控制技術(shù)領(lǐng)域核心專利文獻(xiàn)分布遵循“核心專利分類數(shù) : 相關(guān)專利分類數(shù) : 離散專利分類數(shù)=1 : n : n2”的布拉德福定律，且技術(shù)集中度較高。運(yùn)用核心專利引證分析能夠進(jìn)一步證明布拉德福定律應(yīng)用于專利文獻(xiàn)統(tǒng)計(jì)中的有效性。另外，筆者認(rèn)為，既然布拉德福定律可以應(yīng)用于IPC分類號，那么其是否可以應(yīng)用于專利權(quán)人、發(fā)明人、權(quán)利要求等，這將成為下一步的研究方向。

[1]TRAJTENBERG M.A penny for your quotes: patent citation sand the value of inventions[J].RAND Journal of Economics, 1990, 21(1): 172-187.

[2]ABERT M B, AVERY D, NARIN F.Direct validation of citation counts as indicators of industrially important patents[J].Research Policy, 1991, 20(3): 251-259.

[3]HARHOFF D, NARIN F, SCHERER F M, et al .Citation frequency and the value of patented inventions[J].The Review of Economics and Statistics, 1999(8): 511-515.

[4]盂宇, 牛媛媛.RFID相關(guān)技術(shù)專利分析(二)[J].中國電子商情(RFID 技術(shù)與應(yīng)用), 2006(6): 49-53.

[5]LANJOUW J O, SEHANKERMAN M.Patent quality and research productivity: measuring innovation with multiple indicators[J].Economic Journal, 2004,114(495): 441-465.

[6]呂義超, 劉紅光, 王君.布拉德福定律在專利文獻(xiàn)中應(yīng)用的可行性研究[J].圖書情報(bào)研究, 2011, 4(2): 49-52.

[7]楊利軍, 吳智君.低被引文獻(xiàn)對布拉德福定律的影響研究[J].情報(bào)理論與實(shí)踐, 2016, 39(9): 43-46.

[8]馬永濤, 張旭, 傅俊英, 等.核心專利及其識別方法綜述[J].情報(bào)雜志, 2014, 33(5): 38-43.

[9]羅天雨.核心專利判別方法及其在風(fēng)力發(fā)電產(chǎn)業(yè)中的應(yīng)用[J].圖書情報(bào)工作, 2012, 56(24): 96-101.

[10]尹瑾, 趙玉梅.我國中藥核心專利技術(shù)區(qū)域分布研究[J].湖南工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2011, 16(3):11-14.