許 軼，李 婧，許海云，李姝影

(中國(guó)科學(xué)院成都文獻(xiàn)情報(bào)中心,成都 610041)

1 引言

技術(shù)轉(zhuǎn)移是指知識(shí)或技術(shù)通過某種載體（人、物、信息）在國(guó)家、地區(qū)、行業(yè)、科研生產(chǎn)內(nèi)部或之間的輸出和輸入過程。技術(shù)轉(zhuǎn)移是實(shí)現(xiàn)技術(shù)有效利用的重要手段，也是將科技成果轉(zhuǎn)變成現(xiàn)實(shí)生產(chǎn)力并實(shí)現(xiàn)其經(jīng)濟(jì)價(jià)值的基本途徑[1]。專利作為世界上最大的技術(shù)信息源，包含了世界科學(xué)技術(shù)信息總量的90%～95%，是公認(rèn)的知識(shí)和技術(shù)創(chuàng)新重要結(jié)晶和載體[2]。目前專利的許可和轉(zhuǎn)讓已經(jīng)成為轉(zhuǎn)移數(shù)量最多、創(chuàng)新性強(qiáng)和市場(chǎng)認(rèn)可度高的技術(shù)轉(zhuǎn)移方式[3]。

高校和科研院所是創(chuàng)新的原始發(fā)源地，儲(chǔ)備了大量的專利技術(shù)，僅2020 年Incopat 專利數(shù)據(jù)庫(kù)中檢索其獲得發(fā)明授權(quán)專利148 928 件，但當(dāng)年有效發(fā)明專利轉(zhuǎn)讓和許可率均未超過6.7%[4]，絕大多數(shù)專利未實(shí)現(xiàn)技術(shù)產(chǎn)業(yè)化。對(duì)于當(dāng)前技術(shù)領(lǐng)域分布廣、管理資源有限的高校和科研院所來說，如何在海量的專利申請(qǐng)中準(zhǔn)確識(shí)別可轉(zhuǎn)移的專利技術(shù)進(jìn)行精準(zhǔn)高效的運(yùn)營(yíng)是當(dāng)前專利管理工作面臨的一大難題。

專利動(dòng)態(tài)特征是從提交專利申請(qǐng)到審批、維持直至失效的生命周期內(nèi)處于動(dòng)態(tài)演變的特征屬性[5]，專利動(dòng)態(tài)特征隨技術(shù)知識(shí)的擴(kuò)散呈現(xiàn)動(dòng)態(tài)演變，其價(jià)值和影響力也并不是一成不變的。而專利轉(zhuǎn)移的預(yù)測(cè)往往需要參考專利價(jià)值水平。因此，揭示與專利轉(zhuǎn)移相關(guān)的動(dòng)態(tài)特征，用動(dòng)態(tài)發(fā)展的視角為識(shí)別專利技術(shù)轉(zhuǎn)移潛力提供更為科學(xué)合理的方法，幫助高校和科研院所開展有效的專利分級(jí)管理和精準(zhǔn)產(chǎn)業(yè)化，對(duì)盤活高校院所專利存量，發(fā)揮其在創(chuàng)新驅(qū)動(dòng)中的引領(lǐng)作用具有重要的現(xiàn)實(shí)意義。

2 文獻(xiàn)綜述

2.1 專利引文網(wǎng)絡(luò)研究

專利引文是當(dāng)某項(xiàng)專利文獻(xiàn)公布時(shí)，在專利文本中列出的與該專利申請(qǐng)相關(guān)的其他文獻(xiàn)，包括專利文獻(xiàn)和科技期刊、論文、著作、會(huì)議論文等非專利文獻(xiàn)。專利引用關(guān)系反映了某件專利研發(fā)的技術(shù)基礎(chǔ)和科學(xué)基礎(chǔ)，體現(xiàn)了技術(shù)之間的累積和傳承關(guān)系。專利之間的引證關(guān)系形成了引文網(wǎng)絡(luò)，專利引文網(wǎng)絡(luò)是知識(shí)傳播的重要途徑。當(dāng)前，研究專利引文已經(jīng)成為專利信息分析研究的重要組成部分[6]。已有分析大都繼承了文獻(xiàn)計(jì)量學(xué)的研究手段，提出了諸如被引次數(shù)、科學(xué)關(guān)聯(lián)度、技術(shù)生命周期、專利引用的外延性指數(shù)等分析指標(biāo)[7-9]。還有一些研究從社會(huì)網(wǎng)絡(luò)學(xué)的角度，基于專利引用關(guān)系構(gòu)建網(wǎng)絡(luò)模型，揭示和分析隱藏的創(chuàng)新系統(tǒng)構(gòu)建方式以及知識(shí)流動(dòng)模式。其中，識(shí)別重要專利是重要的應(yīng)用之一。WANG[10]分析不同的技術(shù)發(fā)展階段的專利引證網(wǎng)絡(luò)節(jié)點(diǎn)的中介和閉合位置對(duì)其專利價(jià)值的影響。專利引文分析有助于識(shí)別新興技術(shù)以及重點(diǎn)專利，但目前在方法層面仍存在一定的局限性。

2.2 專利技術(shù)轉(zhuǎn)移識(shí)別研究

總體來說，對(duì)具有轉(zhuǎn)移潛力的專利技術(shù)預(yù)測(cè)的核心因素之一在于對(duì)專利技術(shù)質(zhì)量和價(jià)值的識(shí)別。近年來國(guó)內(nèi)外研究人員從宏觀、中觀、微觀層面不斷探索識(shí)別具備轉(zhuǎn)移潛力的專利技術(shù)的方法。部分學(xué)者從專利價(jià)值評(píng)估的角度探討專利可轉(zhuǎn)移性問題，認(rèn)為具有高價(jià)值的專利更具有可轉(zhuǎn)移性，通過研究高價(jià)值專利的認(rèn)定，實(shí)現(xiàn)可轉(zhuǎn)移專利的識(shí)別。

隨著專利研究的不斷發(fā)展，尤其是針對(duì)專家智慧法的不足，一些學(xué)者提出了運(yùn)用專利指標(biāo)體系法開展專利價(jià)值評(píng)估。SOHN[11]基于技術(shù)開發(fā)者、技術(shù)接受者和環(huán)境因素3 個(gè)方面構(gòu)建技術(shù)轉(zhuǎn)移的預(yù)測(cè)模型，有學(xué)者[12]從技術(shù)許可方角度建立了專利評(píng)價(jià)體系，上述研究包含了大量經(jīng)濟(jì)與市場(chǎng)評(píng)價(jià)，如技術(shù)轉(zhuǎn)移者的經(jīng)驗(yàn)、研究者經(jīng)驗(yàn)、技術(shù)接受者市場(chǎng)能力、企業(yè)技術(shù)市值、新產(chǎn)品導(dǎo)入頻率等，這些指標(biāo)很難單純從專利文獻(xiàn)計(jì)量中獲取實(shí)測(cè)值。美國(guó)CHI Research 公司提出專利數(shù)量、同族專利指數(shù)、專利成長(zhǎng)率、技術(shù)重心指數(shù)、專利引證數(shù)等11 項(xiàng)專利量化指標(biāo)，評(píng)估機(jī)構(gòu)專利的價(jià)值。TONG[13]發(fā)現(xiàn)專利權(quán)利要求數(shù)量越多，技術(shù)創(chuàng)新能力越強(qiáng)。王天歌等[14]基于被引次數(shù)、權(quán)利要求數(shù)、同族專利國(guó)家數(shù)等指標(biāo)用于識(shí)別核心專利技術(shù)。上述研究多基于專利文獻(xiàn)本身性質(zhì)設(shè)置可量化的指標(biāo)，針對(duì)專利特征屬性進(jìn)行了多角度的研究，但總體上對(duì)專利價(jià)值的探討過于片面，不夠細(xì)致。

PARK 等[15]提出了利用TRIZ 演化趨勢(shì)作為評(píng)估技術(shù)的標(biāo)準(zhǔn)，識(shí)別可能發(fā)生技術(shù)轉(zhuǎn)移的專利。WANG[16]用多維決策和二元語義分析設(shè)計(jì)了航空發(fā)動(dòng)機(jī)渦輪制造方法類專利技術(shù)轉(zhuǎn)移可行性評(píng)價(jià)模型。但上述方法都還處于探索階段，對(duì)處理的數(shù)據(jù)規(guī)模存在限制。部分學(xué)者運(yùn)用專利引文分析法來識(shí)別具有轉(zhuǎn)移潛力的技術(shù)。PARK 等[17]將技術(shù)與產(chǎn)業(yè)之間的關(guān)系作為量化指標(biāo)，從知識(shí)流動(dòng)的角度研究了技術(shù)轉(zhuǎn)移的可能性。CHOI等[18]利用網(wǎng)絡(luò)關(guān)聯(lián)度、特征向量、新穎性作為評(píng)價(jià)指標(biāo)提出了預(yù)測(cè)技術(shù)轉(zhuǎn)移的綜合模型。張克群等[19]采用引文網(wǎng)絡(luò)分析了專利的外向度數(shù)中心性、內(nèi)向度數(shù)中心性、內(nèi)向接近中心性和有效規(guī)模等指標(biāo)對(duì)專利價(jià)值的影響。專利引文分析有助于識(shí)別新興技術(shù)以及重點(diǎn)專利，但所采用的指標(biāo)，如度中心性，計(jì)算簡(jiǎn)單，僅僅依據(jù)鄰居信息判斷節(jié)點(diǎn)的重要性，且在多數(shù)情況下，網(wǎng)絡(luò)中的大量節(jié)點(diǎn)容易被賦予相同的度值，基于度中心性的排序常常難以將這些節(jié)點(diǎn)的重要性區(qū)分開來。因而在很多情況下精準(zhǔn)度不夠高。

3 研究方法

3.1 識(shí)別指標(biāo)的選取

本文認(rèn)為專利技術(shù)轉(zhuǎn)移潛力是動(dòng)態(tài)變化的，其產(chǎn)業(yè)化成熟度隨著技術(shù)發(fā)展和知識(shí)傳播而動(dòng)態(tài)發(fā)展。專利之間的引證關(guān)系反映了技術(shù)知識(shí)的流動(dòng)，體現(xiàn)了其對(duì)后續(xù)技術(shù)的影響力。并且，隨著時(shí)間的推移，先前專利（先有技術(shù)）被后續(xù)專利（在后發(fā)明）引用的情況也隨之變化，因此專利技術(shù)影響力應(yīng)該是動(dòng)態(tài)發(fā)展的（圖1）。

圖1 專利引用網(wǎng)絡(luò)動(dòng)態(tài)示意圖Fig.1 The dynamic schematic diagram of the patent citation network

專利的大多數(shù)靜態(tài)特征在專利申請(qǐng)時(shí)就已確定，如權(quán)利要求數(shù)量、申請(qǐng)人數(shù)量、發(fā)明人數(shù)量等，而專利的動(dòng)態(tài)關(guān)系是隨著以下兩個(gè)因素發(fā)展而成的：一是與先前專利和后續(xù)專利的引證關(guān)系變化（包括直接引用和間接引用等結(jié)構(gòu)化數(shù)據(jù)），二是基于產(chǎn)品布局戰(zhàn)略而引起的專利家族的變化。高校院所專利能否轉(zhuǎn)移與其法律、技術(shù)和市場(chǎng)3 種因素密切相關(guān)。本文將專利轉(zhuǎn)移潛力視為靜態(tài)特征和動(dòng)態(tài)關(guān)系的結(jié)合，在已有的研究基礎(chǔ)上，從動(dòng)態(tài)發(fā)展的視角設(shè)計(jì)專利技術(shù)轉(zhuǎn)移預(yù)測(cè)評(píng)價(jià)指標(biāo)體系（表1）。以下將重點(diǎn)動(dòng)態(tài)關(guān)系指標(biāo)進(jìn)行闡釋。

表1 專利技術(shù)轉(zhuǎn)移評(píng)價(jià)指標(biāo)體系Table1 Evaluation index system for patent technology transfer

3.1.1 局部網(wǎng)絡(luò)特征與專利技術(shù)轉(zhuǎn)移潛力

專利引用網(wǎng)絡(luò)中的“節(jié)點(diǎn)”即各件專利，“連接”即各專利自引和他引的關(guān)系；專利直接引文網(wǎng)絡(luò)是一種有向網(wǎng)絡(luò)，對(duì)知識(shí)流動(dòng)、創(chuàng)新傳播研究具有重要價(jià)值[20]。專利引文網(wǎng)絡(luò)節(jié)點(diǎn)自身及其鄰域節(jié)點(diǎn)的結(jié)構(gòu)屬性可用于度量節(jié)點(diǎn)技術(shù)重要性和對(duì)信息的控制力。

度數(shù)中心性（Degree Centrality）指網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)所有鏈接的數(shù)量，如果節(jié)點(diǎn)的鄰居規(guī)模越大則該節(jié)點(diǎn)越重要[21]。專利引文網(wǎng)絡(luò)中具有較高度數(shù)中心性的節(jié)點(diǎn)，表示其與更多專利具有直接的聯(lián)系，獲取資源的能力更強(qiáng)。

其中，mij表示與節(jié)點(diǎn)i 相連的邊。

結(jié)構(gòu)洞（Structural Hole）是Burt 基于“弱連接”基礎(chǔ)上提出的，他認(rèn)為處于結(jié)構(gòu)洞位置的個(gè)體連接了不同的群體和資源，占據(jù)結(jié)構(gòu)洞越多的節(jié)點(diǎn)會(huì)獲得更多的競(jìng)爭(zhēng)優(yōu)勢(shì)和網(wǎng)絡(luò)控制能力[22,23]，結(jié)構(gòu)洞約束系數(shù)用于描述網(wǎng)絡(luò)中某個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)直接或間接聯(lián)系的緊密程度。專利引用網(wǎng)絡(luò)中，處于結(jié)構(gòu)洞位置的專利在不同群組或節(jié)點(diǎn)之間傳遞資源或信息，因此更容易導(dǎo)致新技術(shù)的產(chǎn)生、促進(jìn)技術(shù)發(fā)展。

約束度計(jì)算公式為

其中，節(jié)點(diǎn)q 是節(jié)點(diǎn)i 和節(jié)點(diǎn)j 的共同鄰接點(diǎn)，Cij表示在節(jié)點(diǎn)i 的所有鄰接點(diǎn)中節(jié)點(diǎn)j 所占的權(quán)重比例。則節(jié)點(diǎn)i 的網(wǎng)絡(luò)約束系數(shù)為

3.1.2 網(wǎng)絡(luò)全局屬性與專利技術(shù)轉(zhuǎn)移潛力

基于專利引用網(wǎng)絡(luò)的全局結(jié)構(gòu)信息可以更全面地衡量某節(jié)點(diǎn)獲取資源、控制資源的能力，本文引入了社會(huì)網(wǎng)絡(luò)分析中常用的中心性度量方法——接近中心性和中介中心性。

接近中心性（Closeness Centrality）表示節(jié)點(diǎn)i 到其他節(jié)點(diǎn)距離的平均值的倒數(shù)[24]，用于反映節(jié)點(diǎn)不受其他節(jié)點(diǎn)控制的能力。專利引文網(wǎng)絡(luò)中，一件專利的接近中心性越大，說明該專利不受其他專利影響的能力越強(qiáng)，在網(wǎng)絡(luò)中越處于中心位置。節(jié)點(diǎn)q 的接近中心性計(jì)算公式為

其中，dij表示節(jié)點(diǎn)i 到節(jié)點(diǎn)j 的距離。

中介中心性（Betweenness Centrality）[25]利用擔(dān)任其它兩個(gè)節(jié)點(diǎn)之間最短路的橋梁的次數(shù)來評(píng)估節(jié)點(diǎn)的重要性，反映了知識(shí)傳播過程中重要節(jié)點(diǎn)對(duì)整個(gè)網(wǎng)絡(luò)中信息流的控制能力。專利引文網(wǎng)絡(luò)中，中介中心性越高，說明該專利對(duì)其他專利的影響力越強(qiáng)。節(jié)點(diǎn)q的中介中心性計(jì)算公式為

其中，gij表示節(jié)點(diǎn)i 到節(jié)點(diǎn)j 的最短路徑數(shù)目，gij(q)表示節(jié)點(diǎn)i 到節(jié)點(diǎn)j 途中經(jīng)過節(jié)點(diǎn)q 的最短路徑數(shù)目；Bij(q)表示節(jié)點(diǎn)q 能控制節(jié)點(diǎn)i 和節(jié)點(diǎn)j 的能力。

3.1.3 專利布局與專利技術(shù)轉(zhuǎn)移潛力

專利家族規(guī)模是指專利家族涵蓋的專利申請(qǐng)數(shù)量。專利的申請(qǐng)和維護(hù)需要付出人力和經(jīng)濟(jì)成本，只有當(dāng)專利技術(shù)越重要，專利權(quán)人才會(huì)圍繞該技術(shù)布局多件專利，以實(shí)現(xiàn)技術(shù)壟斷性。專利家族規(guī)模是隨著技術(shù)創(chuàng)新發(fā)展和技術(shù)重要性的提高而逐步擴(kuò)大的。

專利家族覆蓋國(guó)家數(shù)量用于表征專利保護(hù)的地域范圍。專利保護(hù)具有地域性，專利權(quán)人需要在多個(gè)相關(guān)法律管轄區(qū)申請(qǐng)保護(hù)才能避免被侵權(quán)，這需要專利權(quán)人支付高昂的費(fèi)用。專利保護(hù)的地域范圍越寬，說明該專利的產(chǎn)業(yè)化潛力越大。

3.2 構(gòu)建技術(shù)轉(zhuǎn)移預(yù)測(cè)模型

決策樹是一種典型的機(jī)器學(xué)習(xí)分類方法。首先對(duì)數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策規(guī)則對(duì)新數(shù)據(jù)進(jìn)行分析。本質(zhì)上決策樹是通過一系列規(guī)則對(duì)數(shù)據(jù)進(jìn)行分類的過程。決策樹構(gòu)造分兩步進(jìn)行。第一步，決策樹的生成：由訓(xùn)練樣本集生成決策樹的過程。一般情況下，訓(xùn)練樣本數(shù)據(jù)集是根據(jù)實(shí)際需要有歷史的、有一定綜合程度的，用于數(shù)據(jù)分析處理的數(shù)據(jù)集。決策樹的生成就是不斷的選擇最優(yōu)的特征對(duì)訓(xùn)練集進(jìn)行劃分，是一個(gè)遞歸的過程。第二步，決策樹的剪枝：決策樹的剪枝是對(duì)上一階段生成的決策樹進(jìn)行檢驗(yàn)、校正和修下的過程，主要是用新的樣本數(shù)據(jù)集中的數(shù)據(jù)（測(cè)試集）校驗(yàn)決策樹生成過程中產(chǎn)生的初步規(guī)則，將影響預(yù)衡準(zhǔn)確性的分枝剪除[26]。

決策樹中的每一個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)數(shù)據(jù)集的某一屬性，越靠近根節(jié)點(diǎn)的屬性對(duì)于分類結(jié)果越重要。因此，基于決策樹算法直觀的邏輯推導(dǎo)過程，可以對(duì)專利技術(shù)轉(zhuǎn)移影響因素的重要程度進(jìn)行研究。

已發(fā)生轉(zhuǎn)讓或許可的專利是被實(shí)踐證明具有轉(zhuǎn)移轉(zhuǎn)化潛力的技術(shù)。因此本文采用專利轉(zhuǎn)讓和許可數(shù)據(jù)作為技術(shù)轉(zhuǎn)移潛力的代理變量，用于預(yù)測(cè)專利技術(shù)“能”或“不能”轉(zhuǎn)移轉(zhuǎn)化。因變量Y 是分類變量，當(dāng)專利發(fā)生交易行為時(shí)，因變量Y 取值為“1”，專利未曾發(fā)生交易行為時(shí)，因變量Y 取值為“0”。自變量則為表1 中列出的指標(biāo)（X1，X2，……）。在交易專利集和迄今未發(fā)生交易行為的專利集中分別隨機(jī)取樣，構(gòu)建訓(xùn)練樣本集和測(cè)試樣本集。

4 實(shí)證研究

為了評(píng)估專利轉(zhuǎn)移轉(zhuǎn)化預(yù)測(cè)模型的效果，驗(yàn)證該模型在院所高校專利分級(jí)管理中的可行性和有效性，本文選取石墨烯傳感器領(lǐng)域的專利為研究對(duì)象進(jìn)行實(shí)證研究。本文的專利交易包括專利轉(zhuǎn)讓、許可、質(zhì)押等法律事件。

實(shí)證過程中，專利基本數(shù)據(jù)和專利引用數(shù)據(jù)來源于德溫特創(chuàng)新平臺(tái)（Derwent Innovation），中國(guó)的專利轉(zhuǎn)讓、許可和質(zhì)押數(shù)據(jù)來源于IncoPat 科技創(chuàng)新情報(bào)平臺(tái)，美國(guó)、歐洲專利局、德國(guó)的受理專利的交易數(shù)據(jù)來源于Relecura 專利檢索分析數(shù)據(jù)庫(kù)。截至檢索日（2018 年11 月），石墨烯傳感器技術(shù)全球?qū)＠灿?jì)4 120 項(xiàng)家族，專利申請(qǐng)共計(jì)6 643 個(gè)，其中中國(guó)、美國(guó)、歐洲專利局、德國(guó)受理的專利中發(fā)生交易的專利申請(qǐng)共計(jì)372 個(gè)。

根據(jù)檢索得到石墨烯傳感器相關(guān)專利的引用數(shù)據(jù)，利用Pajek 軟件構(gòu)建專利引用關(guān)系圖譜。節(jié)點(diǎn)代表專利申請(qǐng)，連線表示各專利申請(qǐng)之前存在的引用關(guān)聯(lián)，連線的粗細(xì)是引用強(qiáng)度的反映，及引用次數(shù)與連線粗細(xì)成正比。連線的箭頭方向代表引用關(guān)系發(fā)生的方向。本文借助社會(huì)網(wǎng)絡(luò)分析工具Pajek 對(duì)數(shù)據(jù)進(jìn)行分析，計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)影響力指標(biāo)。本文認(rèn)為專利在其交易發(fā)生年的引文網(wǎng)絡(luò)指標(biāo)達(dá)到了轉(zhuǎn)移轉(zhuǎn)化的標(biāo)準(zhǔn)，故交易專利的引文網(wǎng)絡(luò)動(dòng)態(tài)指標(biāo)均采集于交易發(fā)生年的引用關(guān)系圖譜（表2）。

表2 石墨烯傳感器專利技術(shù)轉(zhuǎn)移評(píng)價(jià)指標(biāo)值示例Table2 Examples of evaluation index values of patent technology transfer of graphene sensors

表2 （續(xù)）Table 2 （continued）

在交易專利集和迄今未發(fā)生交易行為的專利集中分別隨機(jī)取樣，構(gòu)建訓(xùn)練樣本集和測(cè)試樣本集。訓(xùn)練樣本集專利數(shù)量為375 個(gè)，測(cè)試樣本集為251 個(gè)。輸入機(jī)器學(xué)習(xí)程序，構(gòu)建決策樹模型。

如圖2 所示決策樹模型，圖塊的顏色代表了判斷方向，黃色為Ture，藍(lán)色為False。圖塊顏色深淺代表了分類效果，顏色越深，分類效果越好。

圖2 決策樹分節(jié)點(diǎn)圖示Fig.2 Diagram of decision tree model sub-nodes of patent technology transfer of graphene sensors

結(jié)果顯示，該決策樹模型共有57 個(gè)葉節(jié)點(diǎn)。樹型結(jié)構(gòu)的第一層是按照研究對(duì)象的內(nèi)向度數(shù)中心性（X6，X4）來進(jìn)行拆分，所以在本文對(duì)專利轉(zhuǎn)化價(jià)值影響最大的因素是內(nèi)向度數(shù)中心性（X6）。其次是外向度數(shù)中心性（X3，X5）、內(nèi)向接近度數(shù)中心性（X8）、外向接近中心性（X7）和專利年齡（X13）。這些指標(biāo)位于決策樹頂端、分類的Sample 數(shù)量多、且大部分分類結(jié)果區(qū)分度大，說明這些指標(biāo)對(duì)于分類預(yù)測(cè)具有重要影響。其中內(nèi)向度數(shù)中心性（X6）、外向度數(shù)中心性（X5）、內(nèi)向接近中心性（X8）、外向接近中心性（X7）均為專利引文網(wǎng)絡(luò)計(jì)算得到的指標(biāo)，可見專利引文網(wǎng)絡(luò)指標(biāo)成為對(duì)專利價(jià)值分類的重要判斷因素。

而中介中心性（X9）、結(jié)構(gòu)洞約束系數(shù)（X10）、權(quán)利要求穩(wěn)定性（X14）并未出現(xiàn)在決策樹模型中，這說明在本次測(cè)試的樣本集中，上述3 個(gè)指標(biāo)對(duì)判斷專利轉(zhuǎn)移轉(zhuǎn)化價(jià)值的影響不顯著。本文專利轉(zhuǎn)移轉(zhuǎn)化預(yù)測(cè)模型檢驗(yàn)效果如下。該預(yù)測(cè)模型準(zhǔn)確率（Accuracy）為0.90，說明正確預(yù)測(cè)的正反例數(shù)在總數(shù)中的占比達(dá)到90%，這表明模型較為可靠。通常認(rèn)為AUC 值介于0.5 到1.0 之間，較大的AUC 代表了較好的分類預(yù)測(cè)效果，本文的模型AUC 值為0.887，實(shí)現(xiàn)了較好的分類預(yù)測(cè)效果。Kappa 檢測(cè)用于測(cè)量?jī)纱闻袛嗟囊恢滦?，即兩個(gè)判斷的結(jié)果是否相似，Kappa＞0，此時(shí)說明有意義，Kappa 值愈大，說明一致性愈好；Kappa≥0.75，說明已經(jīng)取得了相當(dāng)滿意的一致程度。本文Kappa 為0.79，說明結(jié)果一致性較好。命中率（Precision）、覆蓋率（Recall）等指標(biāo)平均值也達(dá)到0.9 以上，說明模型預(yù)測(cè)效果較好（表3、表4）。

表3 預(yù)測(cè)模型準(zhǔn)確值及AUC 值Table 3 Accurate value and AUC value of prediction model

表4 預(yù)測(cè)模型評(píng)估指標(biāo)Table 4 Evaluation indicators of the prediction model

從根節(jié)點(diǎn)開始，對(duì)實(shí)例的某一特征進(jìn)行測(cè)試，根據(jù)測(cè)試結(jié)果，將實(shí)例分配到其子結(jié)點(diǎn)；這時(shí)，每一個(gè)子結(jié)點(diǎn)對(duì)應(yīng)著該特征的一個(gè)取值。如此遞歸地對(duì)實(shí)例進(jìn)行測(cè)試并分配，直至達(dá)到葉結(jié)點(diǎn)。最后將實(shí)例分配到葉結(jié)點(diǎn)的類中。

本文中，決策樹分析法對(duì)于14 種維度進(jìn)行考量，對(duì)于不同的維度分配不同的概率，然后根據(jù)不同情況下的概率值進(jìn)行專利轉(zhuǎn)移轉(zhuǎn)化價(jià)值的計(jì)算，這樣使最終得到的專利評(píng)估值更加接近真實(shí)值，為專利的成功轉(zhuǎn)化提供條件，使未經(jīng)商業(yè)化的新技術(shù)的運(yùn)用成為可能。將所得的預(yù)測(cè)模型應(yīng)用于石墨烯電容器領(lǐng)域現(xiàn)有專利（共計(jì)6 107個(gè)）轉(zhuǎn)移轉(zhuǎn)化預(yù)測(cè)，其中共預(yù)測(cè)出1 197 個(gè)專利申請(qǐng)具有轉(zhuǎn)移轉(zhuǎn)化的可能。

5 結(jié)論與展望

本文的目的是構(gòu)建技術(shù)轉(zhuǎn)移的預(yù)測(cè)模型，需要確定預(yù)測(cè)模型的重要變量。在本文中，我們從統(tǒng)計(jì)學(xué)角度進(jìn)行了選擇技術(shù)轉(zhuǎn)移的預(yù)測(cè)模型的重要變量，提出了一種預(yù)測(cè)專利分析的技術(shù)轉(zhuǎn)移模型，基于統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)的回歸分析和決策樹建模。為了找到更具體的關(guān)系，利用決策樹模型用于定位各個(gè)變量對(duì)技術(shù)轉(zhuǎn)移的影響。通過該模型，高校和科研院所可以根據(jù)研究所得的重要指標(biāo)來動(dòng)態(tài)監(jiān)測(cè)專利轉(zhuǎn)移轉(zhuǎn)化可能性的變化，可針對(duì)性地提前制定轉(zhuǎn)移轉(zhuǎn)化方案。

在下一步工作安排中，數(shù)據(jù)規(guī)?？梢赃M(jìn)一步擴(kuò)大，對(duì)模型設(shè)計(jì)的科學(xué)性以及方法運(yùn)用的有效性還有待進(jìn)一步的研究。評(píng)價(jià)指標(biāo)可更豐富，研究不同領(lǐng)域指標(biāo)敏感度的差異性。同時(shí)，將專利價(jià)值指標(biāo)中考慮技術(shù)發(fā)展階段，不同技術(shù)發(fā)展階段面臨不同的指標(biāo)判斷組合。