嚴 俊，余軍合，徐 斌，吳 宇

（寧波大學 機械工程與力學學院，浙江 寧波 315211）

一、引言

產業(yè)集群能夠帶來競爭優(yōu)勢，如何在激烈競爭的國內和國際環(huán)境下保持競爭優(yōu)勢和可持續(xù)發(fā)展是目前很多產業(yè)集群面臨的問題。隨著《中國制造2025》國家戰(zhàn)略的出臺，創(chuàng)新是引領發(fā)展的第一動力，培育一批以技術優(yōu)勢為核心競爭力的產業(yè)集群成為制造強國的戰(zhàn)略方針之一。因而，集群核心競爭力的重要性越來越突出，尤其基于技術優(yōu)勢的核心競爭力成為產業(yè)集群長遠發(fā)展的重要條件。

受限于經濟狀況，大多數中小型集群成員因為硬件設備及研究能力不足，不能全面地投入整個產品的創(chuàng)新研發(fā)，而是專注于產品某個零部件進行優(yōu)化研究。為了打造以技術優(yōu)勢為核心競爭力的產業(yè)集群，尤其是以中小型集群成員為主的產業(yè)集群則需在技術創(chuàng)新研發(fā)中做到分工明確、資源合理利用、產業(yè)協同。做到以上幾點，就必須提高集群各主體對技術創(chuàng)新的認識與理解，了解各主體的技術優(yōu)勢，從技術角度對產業(yè)集群各主體進行劃分，從而引導產業(yè)集群轉型升級，提高可持續(xù)創(chuàng)新力。專利是創(chuàng)新成果的載體，通過專利技術的相似性建立集群內部各主體之間的關聯性，從而對產業(yè)集群各主體進行技術劃分具有可行性。

二、專利技術相關性分析方法

專利的相似關聯性是基于專利內容的相似程度建立的，其主要的方法包括共引分析法、共類分析法和文本挖掘的方法。

專利共引分析法的核心思想表現為：專利在進行創(chuàng)新設計時不可避免地會參考前人的專利設計，同樣未來的專利在進行創(chuàng)新設計時也會參考現在的專利，這樣就形成專利引用網絡，通過專利引用網絡就能建立專利之間的關聯關系。卞志昕（2011）[1]考慮了共鏈分析法與共引分析法的差異，將兩者相結合分別對專利公司與學術機構進行專利耦合分析，表明專利共引分析能夠反應行業(yè)的專利分布情況。劉云等（2013）[2]將專利共引分析法應用到電動汽車行業(yè)中，挖掘電動汽車核心專利之間的關聯關系，并研究了電動汽車核心技術的演化過程。宋超和劉海濱（2016）[3]在專利共引可視化方面引入拉力算法，并在生物質能領域進行了實證分析，能夠進行專利技術的預見研究。共引分析法對于某個技術領域的專利關聯性分析較為合適，但是由于共引分析需要大量的專利文獻，而產業(yè)集群的專利相對于整個行業(yè)的專利較少，很難將產業(yè)集群所有專利通過共引分析法建立關聯關系，所以其對于產業(yè)集群的專利相似關聯性建立并不完全適用。

專利共類分析法強調同屬一類的專利具有相似關聯性。常見的專利分類有基于國際分類號（IPC）和德溫特分類。國際分類號（IPC）是從專利功能和應用角度，采用部-分部-大類-小類-大組-小組等級的形式描述技術類別；德溫特分類則把專利按學科劃分為20 個大類，每個大類用字母表示，跟隨的兩位數字表示專利所屬學科領域。兩者都是通過對專利進行編碼從而實現對專利進行分類?；诜诸愄枌＠M行分析，相關研究也層出不窮。張憲義（2013）[4]通過對德溫特創(chuàng)新索引數據庫1991—2010年所有專利進行共類專利耦合分析，能夠揭示出相關聯的技術、識別關鍵基礎技術以及技術演化過程。溫芳芳（2017）[5]基于德溫特分類號耦合的分析方法，對29 家樣本企業(yè)的技術相關性特征進行分析，揭示企業(yè)之間潛在的競爭與合作關系。周磊和楊威（2016）[6]提出一種基于專利共類耦合矩陣建立知識網絡流的方法，挖掘了4G 技術知識網絡。共類分析利用專利的分類號來區(qū)分專利的內容，在一定程度上很難區(qū)分相同分類號間專利內容之間差異。由于產業(yè)集群生產的產品相似，專利的IPC 分類號集中，如果僅從IPC 分類號對產業(yè)集群進行分析，很難識別產業(yè)集群各主體之間技術的差異性。

文本挖掘的方法為專利內容的分析提供了新的方法。通過文本挖掘技術能夠挖掘專利的詞語或者主題，利用詞語和主題來描述專利的內容，對比詞語和主題的差異就能建立專利之間的相似關聯性。文本關鍵詞提取方法的研究不斷涌現，Luhn（1957）[7]提出基于詞頻統(tǒng)計的方法篩選出關鍵詞。Salton 和Yang（1973）[8]提出通過詞頻和文檔概率相結合的方法（TF-IDF 算法）來篩選關鍵字。Blei 等（2003）[9]提出了基于主題模型關鍵詞抽取算法LDA，能夠建立“文檔-關鍵詞-主題”之間的概率關系。MIHALCEA R 和TARAU P（2004）[10]提出基于圖模型的TextRank 關鍵詞抽取算法。在專利主題挖掘方面，楊超等（2017）[11]等利用LDA主題模型對專利中的SAO 三元組結構進行主題挖掘，提高了主題的辨識度。許海云等（2016）[12]總結了目前專利文本技術主題識別中的關鍵技術不足之處，提出了專利文本技術主題識別關鍵技術的發(fā)展趨勢。姜春濤（2015）[13]提出利用圖結構的表示法挖掘中文專利文本的語義信息，為專利智能分析提供語義支持。侯婷等（2015）[14]等利用文本挖掘技術抽取技術主題和規(guī)范化主題，為技術主題分析提供基礎工作。從現有研究來看，對于專利信息的抽取與標注大多都是由關鍵詞和主題來完成且方法較為成熟。利用詞和主題來表達專利內容具有可行性。一方面，同一產業(yè)集群內集群成員的專利設計都是圍繞著優(yōu)化同類產品而展開的，集群成員間專利設計內容上具有相似性，其相似性可以由同一主題表達；另一方面，專利設計具有一定的創(chuàng)新性，集群成員間專利設計內容上的差異性可以由不同主題來表達。

共引分析法和共類分析法都是依據專利自身指標來構建專利間的關聯關系，不需要對專利內容信息進行抽取。但是都需要對大量專利數據進行分析，來構建關聯性，不適用于產業(yè)集群專利的分析。本文將采用文本挖掘的方法抽取專利內容信息，用不同主題來表達專利內容上的不同。基于集群成員擁有的專利在主題分布的不同，計算集群成員間專利耦合強度，從而識別專利相似的集群成員。

三、產業(yè)集群專利主題耦合分析方法研究

（一）專利主題耦合分析

在進行專利主題耦合分析之前，需要建立“主題-專利文本-集群成員”的映射關系。LDA 作為一種文檔主題生成模型，其本質為一個三層貝葉斯概率模型，包含詞、主題和文檔三層結構。生成模型就是通過主題和文檔的對應概率關系來確定文本的主題，同是由于專利文檔和主題并不是一一對應，一個專利可能有一個或多個主題。專利摘要是對專利內容的概括，其能夠體現專利的主要內容，可以從專利摘要中抽取專利主題。集群成員與專利文本的關系是確定的，可以通過LDA 從專利摘要中抽取主題，建立集群成員和主題的映射關系，其關系圖如圖1 所示。

圖1 產業(yè)集群成員A 與成員B 專利主題耦合關系示意圖

專利主題耦合分析是通過比較專利主題在專利中的共現關系來實現的，體現了不同專利之間的相似性。兩個專利間的主題耦合關系越明顯則表明其相似程度越強。產業(yè)集群中兩個成員的專利主題共現情況可以反映兩個集群成員的技術相似性。專利耦合一般通過專利共引關系來測算，對于主題共現關系的專利主題耦合強度還沒有?？梢韵葘⒓撼蓡T專利集基于主題進行向量化，借助于向量的距離來表示集群成員專利集技術耦合強度。

本文基于集群成員專利集在不同主題上的分布數量對集群成員專利進行向量化，其向量表達式為Cj=（b1j，b2j，…，bkj，…，bnj），其中bkj表示集群成員j 所有專利中涉及專利主題k 的專利個數，n為產業(yè)集群專利主題數目。若將圖1 中成員A 和成員B 的專利進行量化，由于成員A 的專利在主題A、主題B、主題C……主題H 分布的數量分別為2、1、1、1、1、1、0、0，則成員A 專利向量CA=（2，1，1，1，1，1，0，0），成員B 專利向量CB=（0，0，0，1，1，1，1，1）。測算向量距離的方法有以下幾種：

（1）歐式距離是測算向量距離的經典指標之一，其物理含義就是講向量坐標投射成多維空間的點，計算兩點之間的距離。若有兩個n 維變量C1（b11，b21，…，bk1，…，bn1）與C2（b12，b22，…，bk2，…，bn2），則歐式距離的定義如公式1 所示：

若C1、C2表示集群成員專利向量，則其歐式距離的含義表示集群成員的專利集在主題分布數量的差異，當兩個集群成員專利集在主題分布一致時距離為0，其耦合強度最大；當兩個集群成員專利集在主題分布數量差異越大則其歐式距離越大，專利耦合強度越小。根據公式1 可以計算出成員A 與成員B 專利耦合強度為2.828，歐式距離能夠很好地表示兩個集群成員專利集在主題分布數量的不同，但是其受制于專利集中專利數量大小的影響，并不能表示集群成員在主題投入的偏向。

（2）為了消除專利集自身大小的影響，更能體現出集群成員對于專利主題的偏向差異可以借助正弦距離來表示集群成員專利技術差異性。正弦距離是用兩個向量的夾角表示兩個向量的距離，若有兩個n 維變量C1（b11，b21，…，bk1，…，bn1）與C2（b12，b22，…，bk2，…，bn2），則正弦距離如公式2所示。

若C1、C2表示集群成員專利向量，則其正弦距離的含義表示集群成員的專利集在主題分布比例的差異，當兩個集群成員專利集在主題分布比例一致時距離為0，耦合強度越大；當兩個集群成員專利在主題分布比例差異越大，則其正弦距離越大，耦合強度越小。根據公式2 可以計算出成員A 與成員B 專利耦合強度為0.528，正弦距離能夠更好地表示兩個集群成員專利集在主題分布比例的不同，表示出集群成員在主題投入的偏向。

（3）為了體現出集群成員間的技術競爭關系，借助杰卡德距離表示集群成員專利技術差異性。杰卡德距離表示兩個集合A 和B 不相同元素占兩個集合總元素的百分比，杰卡德距離衡量的是集合A 與集合B 的區(qū)分度，其計算如公式3所示：

若C1、C2表示集群成員專利向量，則其杰卡德距離的含義表示集群成員的專利集在主題分布的區(qū)分度，當兩個集群成員專利集在主題分布一致時距離為0，耦合強度越大；當兩個集群成員專利集在主題分布差異越大，則其杰卡德距離越大，耦合強度越小。根據公式3 可以計算出成員A與成員B 專利耦合強度為0.667，杰卡德距離能夠表示兩個集群成員專利在主題分布的區(qū)分度，能展示出產業(yè)集群成員間技術競爭程度。

（二）集群成員間技術相似性可視化分析

為了直觀地將專利耦合分析結果應用于產業(yè)集群技術情報分析，需要將專利耦合分析、多維尺度分析和數據處理等方法相結合，構建出可視化的集群成員專利耦合關系圖譜。產業(yè)集群成員間技術相似性可視化與應用分析框架如圖2 所示。

圖2 技術相關性可視化與應用分析流程框架

產業(yè)集群成員間技術相關性可視化分析與應用流程包括五個階段：

1.數據準備。建立合適的能反映產業(yè)集群專利概況的數據庫，按照一定檢索策略檢索出產業(yè)集群技術領域原始專利數據；圍繞著目標集，將數據進行清洗、合并及轉換處理，構建該產業(yè)集群專利權人數據備選集；按照專利權人的專利數量從備選集中選定該產業(yè)集群主要專利權人作為分析對象。

2.主題挖掘。將專利摘要文本進行清洗，包括分詞、去停用詞、詞性標注等。將清洗過后的專利摘要文本利用IF-IDF（term frequency-inverse document frequency）算法篩選出專利關鍵詞。將關鍵詞集利用LDA（Latent Dirichlet Allocation）文檔主題模型生成專利主題，并經過多次調試最終確定主題個數形成產業(yè)集群專利主題。

3.主題耦合分析。根據專利“專利文本-關鍵詞-主題”映射關系將專利文本主題進行標注。根據產業(yè)集群成員（專利權人）的專利所涉及主題的情況建立集群成員專利向量，根據向量距離定義計算所有集群成員間的兩兩耦合強度指數，建立產業(yè)集群技術相似矩陣。

4.可視化分析。集群成員聚類分析是根據集群成員間的技術相似程度將技術相近的企業(yè)劃分為同一類，多維尺度（MDS：multi-di-mensional scaling）分析方法能將高維度空間數據映射到二維空間并保持數據之間的全局結構[15]，在符合相關擬和指標前提下，將兩者結合可以把集群成員專利向量投射到二維平面，標出相同聚類集群成員團體，從而構建產業(yè)集群成員專利耦合關系圖譜。

5.應用分析。產業(yè)集群成員專利耦合圖譜直觀地反映了所分析的產業(yè)集群技術領域主要成員之間的技術相似性，從而可以作為產業(yè)集群技術分布格局、潛在競爭對手與備選合作伙伴的重要依據，具體應用思路將結合注塑機產業(yè)集群的實例分析說明。

四、注塑機產業(yè)集群成員間技術相關性分析

（一）數據源及預處理

1.數據源。本文基于中國專利檢索系統(tǒng)（http://www.pss-system.gov.cn）及潤桐專利數據庫（https://www.rainpat.com）檢索所需專利數據。

2.檢索策略。采用注塑機行業(yè)主要結構名稱等18 個不同形式的關鍵詞用以檢索專利數據，共計檢索出專利信息22 513 條。

3.數據清洗。將檢索到的注塑機行業(yè)專利按照地址篩選出浙江省和廣東省產業(yè)集群注塑機專利，分別為4 783 條和4 894 條。由于許多企業(yè)以子公司、分公司名稱申請專利，所以需要將其進行合并?？梢愿鶕刂?、申請人名稱進行相似度對比以及結合該產業(yè)集群成員信息為參考進行合并。

4.分析對象確定。由于外觀專利其技術特征都是利用設計圖來展示，并沒有在摘要中描述，所以本文選取發(fā)明專利和實用新型專利作為分析數據。本文的目的是通過集群成員間的技術偏向不同識別潛在的競爭與合作對象，分析的應該是產業(yè)集群主要成員的技術相似性。所以選取浙江省和廣東省注塑機集群專利量前50 名的成員作為分析對象，專利量分別占總體的70.12%和67.12%，可以確定所選取的分析對象為產業(yè)集群主要技術研發(fā)成員。

5.專利主題挖掘。將專利摘要文本利用NLPIRICTCLAS 漢語分詞系統(tǒng)進行分、去停用詞、詞性標注處理。利用TF-IDF 算法選取專利關鍵詞，利用LDA 主題模型對關鍵詞進行聚類，經過多次調試確定聚類個數為6 最為合適，最后形成專利主題-主題詞表，如表1 所示。

從表1 可以看出，第一類主要描述的是油路系統(tǒng)、第二類為電機控制系統(tǒng)、第三類為調模系統(tǒng)、第四類為注射系統(tǒng)、第五類為加料系統(tǒng)、第六類為注塑機外部結構。

表1 注塑機產業(yè)集群專利主題詞分布（局部）

（二）數據分析與可視化

1.耦合強度矩陣構建。通過主題詞分布表，根據專利摘要中關鍵詞與主題詞對應關系將專利內容利用主題進行標注。根據集群成員專利的主題分布數量建立成員專利向量。本文主要目的是研究集群成員技術的偏向性從而對產業(yè)集群進行分析。所以將集群成員進行兩兩配對，利用正弦距離計算集群成員間的專利耦合強度，最后建立耦合強度矩陣，如表2、表3 所示。其中浙江省注塑機成員用Z1、Z2、Z3，…，Z50表示，廣東省注塑機成員用G1、G2、G3，…，G50表示。

表2 浙江省注塑機產業(yè)集群成員專利耦合強度矩陣（局部）

表3 廣東省注塑機產業(yè)集群成員專利耦合強度矩陣（局部）

2.集群成員聚類?；诮⒑玫膶＠詈蠌姸染仃嚳梢詷嫿▽哟尉垲悎D，如圖3、圖4 所示。

分析圖3 可知，若按照橫軸20 刻度線對浙江注塑機產業(yè)集群成員進行劃分可以將其分為三類，成員個數分別為35、9 和6。若按照橫軸15 刻度線對其進行劃分，則可將其分為五類，成員個數分別為20、15、9、4 和2。

在圖4 中若按照橫軸20 刻度線對廣東注塑機產業(yè)集群成員進行劃分可以將其分為兩類，成員個數分別為41、9。若按照橫軸15 刻度線對其進行劃分，則可將其分為三類，成員個數分別為41、5 和4。

圖3 浙江注塑機集群成員 層次聚類

圖4 廣東注塑機集群成員 層次聚類

3.集群成員專利耦合關系圖譜構建。將表2、表3 中的產業(yè)集群專利耦合強度矩陣導入SPSS中，將其轉化為皮爾森相關系數。以相關系數數據為基礎展開多維尺度分析（本次分析Stress 值分別為0.072 13 和0.082 13，表明分析結果較好、符合要求），輸出了浙江注塑機產業(yè)集群和廣東注塑機產業(yè)集群主要成員的專利耦合關系圖譜，如圖5、圖6 所示。按照上述層次聚類圖橫軸刻度15 所劃分的類別對圖譜進行標注，將浙江和廣東集群分別劃分為5 個和3 個組群。產業(yè)集群專利耦合關系圖譜可視化地展現了產業(yè)集群主要成員間的專利耦合關系。圖譜中每個點代表一個集群成員，兩者之間的距離代表兩個集群成員間的耦合關系強度。

（三）應用分析

在圖3 和圖5 中展示出浙江注塑機產業(yè)集群主要成員的耦合關系可以分為5 個類別，從類別內部看，位置越靠近的集群成員之間耦合強度越高，表明它們之間的技術相似性越強。

圖5 浙江注塑機產業(yè)集群主要成員專利耦合關系圖譜

圖6 廣東注塑機產業(yè)集群主要成員專利耦合關系圖譜

產業(yè)集群專利耦合關系圖譜可以明確該產業(yè)集群的技術分布情況。浙江注塑機產業(yè)集群類別Ⅰ包括20 個集群成員，其范圍較大、點比較分散，在該區(qū)域的集群成員技術優(yōu)勢涵蓋較廣，包括油路系統(tǒng)、調模系統(tǒng)和注射系統(tǒng)。類別Ⅱ包括15 個集群成員，其范圍也比較大，且位置處于圖譜中心，其技術較為均衡。類別Ⅲ包括9 個集群成員，其范圍相對于類別Ⅰ和類別Ⅱ較小，在該區(qū)域的集群成員技術優(yōu)勢在于電機控制系統(tǒng)。類別Ⅳ包括4 個集群成員，其范圍較小，在該區(qū)域的集群成員優(yōu)勢在于加料系統(tǒng)。類別V 僅含有2個集群成員，其技術優(yōu)勢在于注塑機外部結構。

產業(yè)集群專利耦合關系圖譜可以識別集群成員間的技術競爭與合作對象。在產業(yè)集群專利耦合圖譜中，處于同一類別的集群成員具有一定程度的技術相似性，都可能是潛在的競爭對手。在圖譜中的位置越近，說明兩個集群成員技術相似度越高，存在的潛在競爭越直接。對于技術合作對象的選擇，包括兩個方面。一方面是為了聚集研發(fā)能力解決共同面臨的技術難題，可以選擇同類別且距離較近的集群成員進行合作；另一方面是為了解決產業(yè)技術鏈不同環(huán)節(jié)之間的有效融合問題，例如類別Ⅲ和類別Ⅳ中的企業(yè)，分別為電機控制和加料系統(tǒng)。電機控制主要研究的是電機控制的精確度等問題，而加料系統(tǒng)則研究的是注塑機加料的零部件和機械結構，兩者都是服務于“加料”這一生產過程。所以這兩個類別的企業(yè)可以選擇跨類別合作，有利于技術的集成。

圖4 和圖6 展示出廣東注塑機產業(yè)集群可以分為3 類。類別Ⅰ包括41 個集群成員，其范圍較大、點比較分散，在該區(qū)域的集群成員技術優(yōu)勢涵蓋較廣，包括油路系統(tǒng)、調模系統(tǒng)和注射系統(tǒng)。類別Ⅱ包括5 個集群成員，其范圍較小，位于該區(qū)域的集群成員技術優(yōu)勢在于電機控制系統(tǒng)，類別Ⅲ包括4 個集群成員，但是其范圍比類別Ⅱ略大，在該區(qū)域的集群成員技術優(yōu)勢在于加料和注塑機外部結構。

對比圖5 和圖6 可以看出，浙江省和廣東省注塑機產業(yè)集群具有一些共性和特性。其共性在于，位于范圍較大的類別的集群成員技術優(yōu)勢都是注射系統(tǒng)、油路系統(tǒng)和調模系統(tǒng)。注塑機的主要作用就是注塑成型，而注射系統(tǒng)、油路系統(tǒng)和調模系統(tǒng)都直接關系到注塑效果的好壞，所以該領域的專利都集中在這三部分。浙江省注塑機產業(yè)集群成員類別比廣東省注塑機成員類別要多，其成員技術分布也比廣東省較為分散。這是因為浙江省注塑機產業(yè)集群更為成熟，其中浙江省有海天、海太、雙馬等全國聞名的注塑機企業(yè)。

（四）與已有研究方法的對比分析

1.與共引耦合分析的對比。共引耦合分析是通過專利共引來計算專利權人之間的技術相似性的。但是對于產業(yè)集群的專利耦合分析并不合適。其一是因為專利引用并不好獲取，有些專利的引文需要單獨進行抽取；其二是因為專利共引需要建立專利的引用網絡，產業(yè)集群的專利有限，集群成員間很難利用專利共引建立耦合關系。而對于整個行業(yè)的分析，行業(yè)內的主要成員專利數量較大，可以通過專利共引建立耦合關系。

2.與共類耦合分析的對比。共類耦合分析是通過專利權人共有分類號的多少來計算專利權人之間的技術相似性的。其對于產業(yè)集群耦合分析也不適合。由于整個行業(yè)的技術差異性較大，其專利分類號差異性也較大，所以適合利用分類號對整個行業(yè)進行耦合分析。但是產業(yè)集群是對于某個地區(qū)產業(yè)的分析，其技術相似性較高，所以其IPC 分類號較集中，如果基于IPC 分類號對產業(yè)集群進行專利耦合分析會造成難以識別集群成員技術差異性。本文對于這一點進行了對比分析，以浙江省注塑機產業(yè)集群為例，利用IPC 分類號作出產業(yè)集群耦合關系圖譜，如圖7 所示。

圖7 基于IPC 分類號的產業(yè)集群專利耦合關系圖譜

由圖7 可以看出基于IPC 分類號并不適合產業(yè)集群，圖中大部分的點都集中到一個很小的區(qū)域，并不能從圖中看出各集群成員間技術的差異性。其原因是浙江省注塑機產業(yè)集群IPC 分類號都集中在B29C45，其數量占專利總數量的78.21%。B29C45 則表示專利內容為注塑成型，對于注塑產業(yè)集群分析而言，粒度過大，不能展示出技術發(fā)展的細節(jié)特征。

五、結論

集群成員間的技術相關性分析是對產業(yè)集群技術分布、集群成員競爭對手識別與合作對象選擇的重要依據。本文對目前專利分析方法進行了分析，說明了基于專利耦合分析能夠更為準確地體現集群成員間的技術相似程度。對比了共類耦合分析、共引耦合分析和主題耦合分析的適用對象，可以看出共類耦合分析、共引耦合分析更加適用于整個行業(yè)的分析，而對于產業(yè)集群的分析則需要利用主題耦合分析。本文將挖掘與專利耦合分析相結合，利用文本挖掘技術挖掘產業(yè)集群專利主題，基于專利主題對專利進行向量化，利用向量距離計算公式計算集群成員間的專利耦合強度。利用多維尺度分析，展示了集群成員的技術相關性，并結合圖譜分析了浙江省注塑機產業(yè)集群技術分布，說明了集群成員競爭對手識別和合作對象的選擇方法。最后對比了浙江省和廣東省注塑機產業(yè)集群技術分布的不同，驗證了該方法的普遍性。

本研究僅選取了注塑機產業(yè)集群主要成員作為分析對象，在反映產業(yè)集群技術情況上具有局限性。此外，本文計算專利耦合強度利用的是向量之間正弦值進行的，沒有對比正弦距離、歐氏距離和杰克德距離差異性，若是為了精確地對比集群成員的技術相似性，則需要多次對比驗證專利耦合強度計算公式的差異性。