李 冰，丁 堃，孫曉玲

（大連理工大學(xué)科學(xué)學(xué)與科技管理研究所，大連 116024）

1 引 言

企業(yè)關(guān)注的轉(zhuǎn)移轉(zhuǎn)化工作主要包括技術(shù)引進(jìn)、技術(shù)輸出以及技術(shù)合作。為了使得企業(yè)進(jìn)行更優(yōu)質(zhì)的轉(zhuǎn)移轉(zhuǎn)化，在各項(xiàng)工作的展開(kāi)中需要進(jìn)行對(duì)自身專利的盤(pán)點(diǎn)，包括與對(duì)標(biāo)企業(yè)技術(shù)比較分析自身的優(yōu)劣勢(shì)、調(diào)整企業(yè)專利組合等。同時(shí)，更加需要對(duì)行業(yè)內(nèi)專利技術(shù)評(píng)估以及技術(shù)持有者的評(píng)價(jià)，以便在專利技術(shù)轉(zhuǎn)移轉(zhuǎn)化中尋求到最佳的合作伙伴，在專利布局中防范可能的競(jìng)爭(zhēng)對(duì)手。然而，外部專利數(shù)量的迅速增長(zhǎng)，意味著大量新技術(shù)的不斷產(chǎn)生與更替，對(duì)于企業(yè)進(jìn)行后項(xiàng)工作而言，會(huì)造成時(shí)間成本和資金成本的大量消耗。如何在大的行業(yè)范圍內(nèi)幫助企業(yè)縮小尋找范圍，快速定位潛在關(guān)系對(duì)象是本文想要解決的主要問(wèn)題。

對(duì)于這項(xiàng)工作的開(kāi)展，若采取行業(yè)范圍內(nèi)專利及專利持有者的逐一篩選和評(píng)估無(wú)疑不是最明智的選擇，本文的研究思想是將企業(yè)在這一環(huán)節(jié)的工作聚焦在圍繞自身的發(fā)展?fàn)顩r，牢牢把握現(xiàn)有的專利情報(bào)信息。這要求企業(yè)在對(duì)自身專利的盤(pán)點(diǎn)過(guò)程中，不僅需要關(guān)注已有的專利，對(duì)于已有專利的引用專利更加需要關(guān)注，這部分專利蘊(yùn)含的信息是企業(yè)技術(shù)發(fā)展的知識(shí)基礎(chǔ)，也是挖掘企業(yè)關(guān)注技術(shù)的信息依托。已有研究表明，技術(shù)相似性是企業(yè)挖掘技術(shù)競(jìng)爭(zhēng)對(duì)手與合作伙伴的重要依據(jù)，可以給企業(yè)在全球范圍內(nèi)尋求技術(shù)競(jìng)合對(duì)象提供有效的決策信息支持[1]。對(duì)于專利引用信息的有效利用，可以挖掘企業(yè)關(guān)注的技術(shù)內(nèi)容，而關(guān)注相似技術(shù)的企業(yè)則可能成為合作伙伴或是競(jìng)爭(zhēng)對(duì)手，在實(shí)際中需結(jié)合具體情況而定，但可以達(dá)到縮小查找范圍、精準(zhǔn)定位的研究目的。

目前，采用專利信息挖掘企業(yè)合作伙伴的研究主題可以概括為兩部分內(nèi)容。其一是產(chǎn)學(xué)研合作研究。例如，王菲菲等[2]基于論文合作和專利合作網(wǎng)絡(luò)對(duì)產(chǎn)學(xué)研潛在合作機(jī)會(huì)進(jìn)行預(yù)測(cè)；許海云等[3]和王超等[4]基于基礎(chǔ)研究、應(yīng)用研究、轉(zhuǎn)移轉(zhuǎn)化、商品化和產(chǎn)業(yè)化五個(gè)環(huán)節(jié)組成的創(chuàng)新鏈對(duì)潛在產(chǎn)學(xué)研合作對(duì)象進(jìn)行識(shí)別；周超強(qiáng)[5]通過(guò)構(gòu)建科技領(lǐng)域詞典，結(jié)合技術(shù)需求以及基于潛在語(yǔ)義的文本相似度計(jì)算，實(shí)現(xiàn)了專家推薦系統(tǒng)，并對(duì)產(chǎn)學(xué)研合作進(jìn)行專家推薦；付鑫金等[6]利用科技查新識(shí)別產(chǎn)學(xué)研潛在合作對(duì)象；冉從敬等[7]從企業(yè)視角出發(fā)，構(gòu)建了校企合作選擇模型，為校企合作提供了便捷路徑；Kang 等[8]將LDA （latent Dirichlet allocation） 主題模型和聚類(lèi)算法相結(jié)合，對(duì)特定技術(shù)領(lǐng)域的子技術(shù)類(lèi)別進(jìn)行分類(lèi)，并在每個(gè)類(lèi)別中為企業(yè)確定最佳大學(xué)合作伙伴。其二是方法性研究，即對(duì)于尋找企業(yè)潛在合作伙伴的方法研究。例如，溫芳芳[9]通過(guò)構(gòu)建專利分類(lèi)號(hào)的耦合網(wǎng)絡(luò)分析企業(yè)間的潛在合作關(guān)系；楊梓[10]在其學(xué)位論文中利用專利數(shù)據(jù)，采用文本挖掘等方法，對(duì)技術(shù)關(guān)聯(lián)的企業(yè)間潛在創(chuàng)新合作的可能性進(jìn)行了探討；傅俊英等[11]通過(guò)測(cè)度專利之間的相似性，來(lái)度量專利權(quán)人之間的技術(shù)相似性，進(jìn)而對(duì)中小企業(yè)的潛在合作伙伴進(jìn)行識(shí)別；溫亮等[12]通過(guò)構(gòu)建基于SAO （subject-action-object） 語(yǔ)義分析的技術(shù)合作伙伴識(shí)別體系，對(duì)網(wǎng)絡(luò)內(nèi)企業(yè)重點(diǎn)子技術(shù)領(lǐng)域進(jìn)行相似度分析，從而識(shí)別企業(yè)潛在的技術(shù)合作伙伴；Angue 等[13]提出了一種基于專利組合的對(duì)偶分析方法，幫助企業(yè)識(shí)別潛在合作伙伴。

不同于上述研究，本文指明異質(zhì)性網(wǎng)絡(luò)建模的理論基礎(chǔ)，利用企業(yè)引用專利的直接互動(dòng)給關(guān)系，構(gòu)建企業(yè)-專利的異質(zhì)性網(wǎng)絡(luò)。在研究方法上，新興的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法在分類(lèi)和預(yù)測(cè)問(wèn)題上均達(dá)到了理想的效果，然而，已有的研究對(duì)于這類(lèi)方法的利用依然不盡完善，對(duì)于算法的選擇和研究的理論并沒(méi)有做到十分的匹配。本文在二部圖理論的基礎(chǔ)上，選取基于SimRank 鏈路預(yù)測(cè)算法為實(shí)驗(yàn)方法，對(duì)企業(yè)潛在的技術(shù)合作伙伴和競(jìng)爭(zhēng)對(duì)手進(jìn)行預(yù)測(cè)挖掘，并基于text2vec 的表示學(xué)習(xí)對(duì)專利文本進(jìn)行向量化表示，對(duì)潛在競(jìng)合對(duì)象和目標(biāo)企業(yè)的專利文本進(jìn)行相似度計(jì)算，衡量?jī)蓚€(gè)企業(yè)的技術(shù)差異度，進(jìn)而判斷競(jìng)合關(guān)系。本文進(jìn)一步完善了以專利信息為依據(jù)對(duì)企業(yè)合作伙伴挖掘的主題研究，豐富了該主題的研究框架，更為實(shí)際企業(yè)發(fā)展中尋找潛在關(guān)系對(duì)象提供新的思路，縮小查找范圍，節(jié)約企業(yè)發(fā)展成本。

2 研究設(shè)計(jì)

2.1 異質(zhì)網(wǎng)絡(luò)構(gòu)建的理論模型

二部圖是圖論中一種特殊的模型。其定義為：若G= (V,E) 的頂點(diǎn)集V的一個(gè)劃分是V=V1∪V2,V1∩V2= ?，使得G中的任何一條邊的兩個(gè)端點(diǎn)分別在V1和V2中，如圖1a 所示。在二部圖的基礎(chǔ)上延伸出完全二部圖和有向二部圖等概念。實(shí)踐中，已有關(guān)于二部圖利用的相關(guān)研究，如利用二部圖可以求出網(wǎng)頁(yè)的最大匹配與完全匹配，挖掘出隱含的知識(shí)社群，以及最常用的將V1作為用戶集，V2作為商品集，進(jìn)行產(chǎn)品的推薦[14-16]。

圖1 企業(yè)-專利二部圖設(shè)計(jì)

本文借鑒二部圖的理論思想，將企業(yè)看作用戶，專利看作商品，企業(yè)對(duì)于專利的引用可以看作用戶對(duì)商品的選擇，以此構(gòu)建企業(yè)-專利的異質(zhì)性網(wǎng)絡(luò)，可以充分體現(xiàn)企業(yè)與專利的直接互動(dòng)關(guān)系。在這里，企業(yè)之間的合作以及專利之間的引用關(guān)系暫時(shí)不考慮，由此得到的數(shù)據(jù)集的鏈接關(guān)系符合二部圖理論。

2.2 研究方法

2.2.1 鏈路預(yù)測(cè)

在二部圖理論的基礎(chǔ)上，本文選用的研究方法是基于SimRank 指標(biāo)的鏈路預(yù)測(cè)算法。近年來(lái)，鏈路預(yù)測(cè)方法由于其廣泛的應(yīng)用性已經(jīng)得到了普遍的認(rèn)可，并且在學(xué)術(shù)研究中已經(jīng)與專利信息挖掘進(jìn)行了較好的結(jié)合[17-19]，其內(nèi)涵的算法有很多，其中比較經(jīng)典的如優(yōu)先連接（preferential attachment，PA）、共同鄰居（common neighbor，CN）、 Salton 指標(biāo)（也叫余弦相似性）、Jaccard 指標(biāo)、Sorenson 指標(biāo)、大度節(jié)點(diǎn)有利指標(biāo)（hub promoted index）、大度節(jié)點(diǎn)不 利指 標(biāo)（hub depressed index） 和LHN-I 指標(biāo)等，對(duì)于鏈路預(yù)測(cè)算法有不同計(jì)算方式的不同分類(lèi)[20]。已有研究表明[21]，SimRank 算法在預(yù)測(cè)效果方面顯得較為穩(wěn)定，受到網(wǎng)絡(luò)結(jié)構(gòu)擾動(dòng)的影響相對(duì)較小，這是本文選擇SimRank 的原因之一；另外，該算法的計(jì)算思想與二部圖模型更加契合，體現(xiàn)了研究理論與研究方法相結(jié)合的研究設(shè)計(jì)，故本文選取SimRank 算法。

SimRank 算法的思想是，若同一類(lèi)型的兩個(gè)對(duì)象與第二類(lèi)型的相似對(duì)象相關(guān)，則兩者是相似的。這種思想與本研究的目的相契合，映射到本研究中就是：如果圖1 中的專利1 和專利5 相似，那么企業(yè)1 和企業(yè)2 就具有更多鏈接的可能性，引用相似專利的企業(yè)更可能成為潛在的合作者或競(jìng)爭(zhēng)者。對(duì)于算法的計(jì)算，本文采用Antonellis 等[22]計(jì)算公式

其中，s(a,b) 是節(jié)點(diǎn)a和b的相似度，當(dāng)a=b時(shí)，s(a,b) = 1；Ii(a) 表示節(jié)點(diǎn)a的第i個(gè)in-neighbor 或out-neighbor；當(dāng)I(a) = ?或I(b) = ?時(shí)，s(a,b)=0；參數(shù)C為阻尼系數(shù)，本研究中設(shè)為0.8。對(duì)于Sim‐Rank 算法有效性的驗(yàn)證，本文采用預(yù)測(cè)值與實(shí)際鏈接情況進(jìn)行比較。

2.2.2 表示學(xué)習(xí)

通過(guò)鏈路預(yù)測(cè)可以挖掘出潛在競(jìng)合對(duì)象，而對(duì)于競(jìng)爭(zhēng)對(duì)手的確認(rèn)，本文從技術(shù)威脅角度考慮，技術(shù)威脅衡量的是技術(shù)差距、技術(shù)差異等實(shí)際因素，可能給企業(yè)自身利益與安危帶來(lái)的影響。本文以專利數(shù)量衡量技術(shù)差距，以專利文本內(nèi)容相似性衡量技術(shù)差異進(jìn)行潛在競(jìng)爭(zhēng)對(duì)手的確認(rèn)。

在技術(shù)差異度量中，將專利技術(shù)進(jìn)行文本向量化表示，深度學(xué)習(xí)中的表示學(xué)習(xí)可以將研究對(duì)象，如詞匯、短語(yǔ)、句子等的語(yǔ)義信息，表示為稠密低維的實(shí)值向量，目前已有較為成熟的運(yùn)用[23-24]，由于篇幅限制本文不再詳細(xì)介紹。從技術(shù)特征和功效特征兩個(gè)角度，本文對(duì)專利文本的技術(shù)標(biāo)簽進(jìn)行抽取，然后采用text2vec 將抽取的技術(shù)功效句進(jìn)行語(yǔ)義向量表示。 text2vec 包是由Dmitriy Selivanov 于2016 年10 月所寫(xiě)的R 包①http://text2vec.org/index.html，此包主要是為文本分析和自然語(yǔ)言處理提供了一個(gè)簡(jiǎn)單高效的API （appli‐cation programming interface） 框架，可以進(jìn)行詞向量化操作、word2vec 的升級(jí)版GloVe 詞嵌入表達(dá)、主題模型分析以及相似性度量四大方面。在專利向量表示之后，通過(guò)計(jì)算向量之間的相似度來(lái)度量?jī)蓚€(gè)企業(yè)間的技術(shù)差異性，余弦相似度的計(jì)算公式為

其中，A、B分別表示兩家企業(yè)專利文本的表示向量；Ai表示向量A的第i維度值，Bi表示向量B的第i維度值，這里A、B均為128 維度的向量；n為128。由此計(jì)算可得cos(A,B)在(-1,1)區(qū)間，該值越接近1，表示兩個(gè)向量相似度越大，專利表示向量之間的相似度越大，技術(shù)差異越小。

綜上所述，將本文的研究設(shè)計(jì)梳理成圖，如圖2 和圖3 所示。首先，在數(shù)據(jù)獲取和預(yù)處理之后，基于專利引用信息，構(gòu)建企業(yè)-專利有向二部圖，網(wǎng)絡(luò)邊的權(quán)重以引用頻次進(jìn)行計(jì)量。其次，對(duì)算法在本研究中的有效性進(jìn)行檢驗(yàn)，將企業(yè)與企業(yè)之間的實(shí)際合作次數(shù)作為實(shí)體鏈接的實(shí)際值，與鏈路預(yù)測(cè)的預(yù)測(cè)值進(jìn)行比較，進(jìn)而檢驗(yàn)算法是否合格，若合格則進(jìn)行下一步的實(shí)際預(yù)測(cè)應(yīng)用。在實(shí)際預(yù)測(cè)中，本文制定隨機(jī)抽取數(shù)據(jù)集構(gòu)成的網(wǎng)絡(luò)圖中10%的節(jié)點(diǎn)作為測(cè)試集，剩余90% 的節(jié)點(diǎn)作為訓(xùn)練集。最后，在隨機(jī)生成的節(jié)點(diǎn)中選取目標(biāo)企業(yè)，通過(guò)目標(biāo)企業(yè)的預(yù)測(cè)鏈接對(duì)象類(lèi)型將預(yù)測(cè)關(guān)系進(jìn)行劃分，高校和科研院所視為目標(biāo)企業(yè)潛在轉(zhuǎn)移轉(zhuǎn)化對(duì)象，企業(yè)視為潛在競(jìng)合對(duì)象。在競(jìng)合關(guān)系的判別上，本研究以技術(shù)差距作為參考，以技術(shù)差異為主要標(biāo)準(zhǔn)，即在同技術(shù)領(lǐng)域內(nèi)，技術(shù)越相似的企業(yè)越可能成為競(jìng)爭(zhēng)對(duì)手。

圖2 企業(yè)合作/競(jìng)爭(zhēng)關(guān)系預(yù)測(cè)流程圖

3 實(shí)證分析

3.1 數(shù)據(jù)獲取與處理

燃料電池是一種等溫進(jìn)行、直接將儲(chǔ)存在燃料和氧化劑中的化學(xué)能高效、無(wú)污染地轉(zhuǎn)化為電能的發(fā)電裝置。從節(jié)約能源和保護(hù)生態(tài)環(huán)境的角度來(lái)看，燃料電池是極具應(yīng)用價(jià)值的發(fā)電技術(shù)，因此成為新興技術(shù)之一，目前被廣泛應(yīng)用在各個(gè)領(lǐng)域，包括航空航天、潛艇、電動(dòng)汽車(chē)等。

本文將實(shí)證研究限定在燃料電池領(lǐng)域，地區(qū)限定為中國(guó)，選用IncoPat 專利數(shù)據(jù)庫(kù)作為本文的數(shù)據(jù)來(lái)源，該數(shù)據(jù)庫(kù)收錄了120 個(gè)國(guó)家/地區(qū)/組織超過(guò)一億件的專利著錄數(shù)據(jù)和部分PDF 格式的說(shuō)明書(shū)全文，其數(shù)據(jù)來(lái)源于官方和商業(yè)數(shù)據(jù)提供商，并且更新速度快。本文對(duì)2018 年至今的發(fā)明和授權(quán)專利數(shù)據(jù)進(jìn)行獲取，中文檢索以 “燃料電池” 為主題詞，英文檢索以“fuel cell OR fuel batter*” 為主題詞。數(shù)據(jù)下載時(shí)間為2020 年8 月，共6083 條，合并同族后獲得5784 個(gè)專利族作為本文的源數(shù)據(jù)，由于本文主要研究主體為企業(yè)，故過(guò)濾掉申請(qǐng)人類(lèi)型為 “個(gè)人” 的專利數(shù)據(jù)，剩余5561 個(gè)族。

獲取數(shù)據(jù)之后對(duì)數(shù)據(jù)進(jìn)行處理，去除沒(méi)有引用數(shù)據(jù)的專利，提取每項(xiàng)專利的專利權(quán)人信息和引用的專利信息。將專利P1 對(duì)專利P2、P3 的引用視為P1 的專利權(quán)人對(duì)P2、P3 的引用，專利權(quán)人對(duì)每項(xiàng)專利引用的頻次視為專利權(quán)人和專利鏈接的權(quán)重，由此可以獲得企業(yè)與專利的鏈接關(guān)系，去除重復(fù)的引用對(duì)，最后，生成由5200 個(gè)節(jié)點(diǎn)組成的5423 對(duì)節(jié)點(diǎn)鏈接關(guān)系。同時(shí)，將專利權(quán)人中的合作關(guān)系提取出來(lái)，合作次數(shù)作為權(quán)利人之間的鏈接權(quán)重，記為對(duì)比數(shù)據(jù)，以便后續(xù)模型有效性的檢驗(yàn)使用。

3.2 實(shí)證結(jié)果

3.2.1 模型測(cè)試

在實(shí)證之前，本文對(duì)模型進(jìn)行有效性檢驗(yàn)，檢驗(yàn)方式采用預(yù)測(cè)鏈接權(quán)重與實(shí)際鏈接權(quán)重進(jìn)行對(duì)比。首先，對(duì)全部數(shù)據(jù)進(jìn)行預(yù)測(cè)，將預(yù)測(cè)結(jié)果與第3.1 節(jié)中數(shù)據(jù)處理的對(duì)比數(shù)據(jù)進(jìn)行權(quán)利人合作關(guān)系匹配，得到不同權(quán)利人合作以及對(duì)應(yīng)的兩組數(shù)據(jù)值，分別是預(yù)測(cè)鏈接值和實(shí)際鏈接值，選取其中排名前200 對(duì)合作關(guān)系進(jìn)行相關(guān)性檢驗(yàn)，檢驗(yàn)結(jié)果如圖4 和表1 所示，圖4 是預(yù)測(cè)鏈接值和實(shí)際鏈接值的散點(diǎn)圖，表1 是回歸分析結(jié)果。

圖4 預(yù)測(cè)值與實(shí)際值散點(diǎn)圖

表1 回歸分析結(jié)果

從回歸分析結(jié)果來(lái)看，MultipleR為0.75，表明預(yù)測(cè)值和實(shí)際值之間具有一定的相關(guān)性，該模型是可行的。

3.2.2 結(jié)果分析

1） 目標(biāo)企業(yè)確定

對(duì)于隨機(jī)生成的10% 的預(yù)測(cè)主體，本文將預(yù)測(cè)鏈接值排名前20 位的鏈接組合顯示如表2 所示。其中，預(yù)測(cè)對(duì)象1 和預(yù)測(cè)對(duì)象2 均來(lái)自隨機(jī)生成的主體之中，并且在實(shí)際中還未有鏈接關(guān)系，預(yù)測(cè)鏈接權(quán)重是各個(gè)主體對(duì)在未來(lái)鏈接的可能性。

由表2 可知，預(yù)測(cè)結(jié)果中，排名第1 位的是安徽江淮汽車(chē)集團(tuán)股份有限公司和大連理工大學(xué)，預(yù)測(cè)鏈接為1.117。為了更加清晰地顯示預(yù)測(cè)對(duì)象的活躍度，將預(yù)測(cè)值排名前1000 位的節(jié)點(diǎn)對(duì)中各個(gè)節(jié)點(diǎn)出現(xiàn)的頻次進(jìn)行統(tǒng)計(jì)并可視化（圖5）。其中，連線代表存在潛在的合作或競(jìng)爭(zhēng)關(guān)系，節(jié)點(diǎn)的大小代表出現(xiàn)頻次。由圖5 可以明顯看到，安徽江淮汽車(chē)集團(tuán)股份有限公司在所有主體中相對(duì)比較活躍，通過(guò)檢查本研究的原數(shù)據(jù)發(fā)現(xiàn)，其與燃料電池技術(shù)相關(guān)的專利申請(qǐng)均為獨(dú)立發(fā)明，下文將其作為目標(biāo)企業(yè)進(jìn)行分析。

圖5 隨機(jī)節(jié)點(diǎn)出現(xiàn)頻次

表2 隨機(jī)節(jié)點(diǎn)中預(yù)測(cè)分?jǐn)?shù)排名Top20

安徽江淮汽車(chē)集團(tuán)股份有限公司是一家集全系列商用車(chē)、乘用車(chē)及動(dòng)力總成等集研、產(chǎn)、銷(xiāo)和服務(wù)于一體的先進(jìn)節(jié)能汽車(chē)與新能源汽車(chē)并舉的綜合型汽車(chē)企業(yè)集團(tuán)。該企業(yè)擁有上萬(wàn)件專利，其中，燃料電池相關(guān)專利共107 條，專利申請(qǐng)信息如圖6所示。

圖6 安徽江淮汽車(chē)集團(tuán)股份有限公司燃料電池專利申請(qǐng)情況

安徽江淮汽車(chē)集團(tuán)股份有限公司對(duì)于燃料電池的關(guān)注從2008 年開(kāi)始；2009—2011 年的專利申請(qǐng)量為0，表明此時(shí)期企業(yè)對(duì)于燃料電池技術(shù)的利用還處于摸索階段；2015—2018 年是企業(yè)對(duì)燃料電池專利申請(qǐng)量極具上升的階段時(shí)期，意味著已經(jīng)將燃料電池技術(shù)與企業(yè)的產(chǎn)品進(jìn)行有效結(jié)合，如燃料電池汽車(chē)及其配套設(shè)施等。

2） 潛在關(guān)系預(yù)測(cè)與競(jìng)合關(guān)系判別

本研究將以安徽江淮汽車(chē)集團(tuán)股份有限公司作為研究的目標(biāo)對(duì)象，對(duì)其潛在轉(zhuǎn)移轉(zhuǎn)化對(duì)象和競(jìng)爭(zhēng)者進(jìn)行預(yù)測(cè)，即將其與實(shí)驗(yàn)數(shù)據(jù)的全部主體進(jìn)行鏈接預(yù)測(cè)，得到預(yù)測(cè)值排名前10 位的結(jié)果，如表3 所示。

從表3 可以看出，安徽江淮汽車(chē)集團(tuán)股份有限公司的潛在轉(zhuǎn)移轉(zhuǎn)化對(duì)象包含四所高校，分別是清華大學(xué)、西安交通大學(xué)、大連理工大學(xué)以及湘潭大學(xué)，從預(yù)測(cè)鏈接權(quán)重可以看出，其與清華大學(xué)的合作最為可能。通過(guò)中英文主題詞檢索加專利權(quán)人限定，檢索出清華大學(xué)擁有的燃料電池相關(guān)專利共813 件；之后可能合作的是西安交通大學(xué)，擁有燃料電池專利261 件；最后可能合作的是大連理工大學(xué)和湘潭大學(xué)，分別擁有專利399 件和34 件。在預(yù)測(cè)排名前10 位的主體中含有6 家企業(yè)，分別是濰柴動(dòng)力股份有限公司、中通客車(chē)控股股份有限公司、上海楞次新能源汽車(chē)科技有限公司、小飛象汽車(chē)技術(shù)（蘇州） 有限公司、珠海格力電器股份有限公司以及湖北雷迪特冷卻系統(tǒng)股份有限公司。對(duì)于鏈接關(guān)系，在實(shí)際中可能是合作也可能是競(jìng)爭(zhēng)關(guān)系，需要結(jié)合企業(yè)的實(shí)際技術(shù)產(chǎn)品和發(fā)展戰(zhàn)略而定，本研究只進(jìn)行初步的關(guān)系確認(rèn)。

表3 與安徽江淮汽車(chē)集團(tuán)股份有限公司有潛在鏈接關(guān)系對(duì)象Top10

由于篇幅限制，在競(jìng)合關(guān)系對(duì)象中，本文以中通客車(chē)控股股份有限公司為例進(jìn)行競(jìng)合關(guān)系確認(rèn)，對(duì)于其他企業(yè)的分析同理。在技術(shù)差距上，統(tǒng)計(jì)目標(biāo)企業(yè)和中通客運(yùn)的發(fā)明和授權(quán)專利數(shù)量，兩家企業(yè)分別為73 條和26 條，可以看出，在技術(shù)差距上，目標(biāo)企業(yè)處于優(yōu)勢(shì)地位。本研究抽取每項(xiàng)專利的功效句作為專利的技術(shù)內(nèi)容表征，將專利內(nèi)容進(jìn)行語(yǔ)義向量表示，通過(guò)計(jì)算向量之間的相似度來(lái)度量技術(shù)差異性，得到73×26 的專利矩陣。相似性分值排序前10 名和后10 名如表4 所示。

表4 安徽江淮和中通客運(yùn)的燃料電池技術(shù)相似性

從相似性的分值可以將中通客運(yùn)基本確定為競(jìng)爭(zhēng)對(duì)手，將其主要技術(shù)與目標(biāo)企業(yè)進(jìn)行對(duì)比，主要技術(shù)以IPC 分類(lèi)號(hào)進(jìn)行表示，如圖7 所示。其中，B60L 代表電動(dòng)車(chē)輛動(dòng)力裝置，B60K 代表車(chē)輛動(dòng)力裝置或傳動(dòng)裝置的布置或安裝，B60J 代表車(chē)輛的窗、擋風(fēng)玻璃、非固定車(chē)頂、門(mén)或類(lèi)似裝置。研究發(fā)現(xiàn)，除了在B60L 和B60K 兩項(xiàng)技術(shù)上兩家企業(yè)的專利數(shù)量持平，以及在B60J 技術(shù)上中通客運(yùn)略領(lǐng)先之外，其余安徽江淮的專利數(shù)量均在中通客運(yùn)之上。雖然目標(biāo)企業(yè)在整體技術(shù)差距上位于優(yōu)勢(shì)地位，但若進(jìn)行布局或預(yù)警的防范考慮，上述三個(gè)技術(shù)均存在技術(shù)差距專利風(fēng)險(xiǎn)，需要企業(yè)及時(shí)調(diào)整專利布局。

圖7 安徽江淮和中通客車(chē)的主要技術(shù)分布

對(duì)于其他企業(yè)，譬如，上海楞次新能源汽車(chē)科技有限公司，其主營(yíng)業(yè)務(wù)范圍包括新能源汽車(chē)技術(shù)、船舶動(dòng)力系統(tǒng)技術(shù)、燃料電池技術(shù)領(lǐng)域內(nèi)的技術(shù)開(kāi)發(fā)，與本研究的目標(biāo)企業(yè)安徽江淮汽車(chē)集團(tuán)股份有限公司有重合的產(chǎn)品，即新能源汽車(chē)，所以在該項(xiàng)業(yè)務(wù)中更有可能成為目標(biāo)企業(yè)的潛在競(jìng)爭(zhēng)對(duì)手；而其另一項(xiàng)主營(yíng)業(yè)務(wù)，燃料電池技術(shù)的開(kāi)發(fā)以及汽車(chē)零部件的生產(chǎn)經(jīng)營(yíng)也有可能為兩家企業(yè)帶來(lái)合作，所以企業(yè)之間既有競(jìng)爭(zhēng)關(guān)系又有合作關(guān)系，不能簡(jiǎn)單憑預(yù)測(cè)權(quán)重?cái)?shù)值判斷，需要結(jié)合實(shí)際的生產(chǎn)發(fā)展來(lái)分析。本研究的現(xiàn)階段結(jié)果只是為企業(yè)發(fā)展戰(zhàn)略提供參考。

4 結(jié)論與不足

本文的創(chuàng)新之處在于指明了異質(zhì)性網(wǎng)絡(luò)構(gòu)建的理論基礎(chǔ)，構(gòu)建企業(yè)-專利有向異質(zhì)性網(wǎng)絡(luò)，并在理論基礎(chǔ)之上選擇基于SimRank 指標(biāo)的鏈路預(yù)測(cè)算法作為本文的研究方法。本文的研究思想是將企業(yè)持有專利的引用專利視為企業(yè)對(duì)引用專利所蘊(yùn)含的技術(shù)知識(shí)的關(guān)注和需要，本文的研究目的是挖掘企業(yè)的相似技術(shù)需要，以幫助企業(yè)在尋找潛在轉(zhuǎn)移轉(zhuǎn)化對(duì)象和防范競(jìng)爭(zhēng)者的工作縮小范圍，快速、準(zhǔn)確地定位關(guān)系對(duì)象。在實(shí)證中，為符合二部圖理論的標(biāo)準(zhǔn)，本文忽略企業(yè)之間的合作以及專利之間的引用，建立了企業(yè)與專利的直接互動(dòng)關(guān)系，并將企業(yè)之間的實(shí)際合作作為對(duì)算法有效性的檢驗(yàn)。最后，本文以燃料電池技術(shù)為例進(jìn)行實(shí)證，將實(shí)驗(yàn)隨機(jī)產(chǎn)生的10% 的測(cè)試節(jié)點(diǎn)中出現(xiàn)頻次最大的節(jié)點(diǎn)作為本研究的目標(biāo)對(duì)象，預(yù)測(cè)目標(biāo)企業(yè)的潛在技術(shù)轉(zhuǎn)移轉(zhuǎn)化對(duì)象，并利用深度學(xué)習(xí)的表示學(xué)習(xí)方法對(duì)目標(biāo)企業(yè)的競(jìng)合對(duì)象進(jìn)行技術(shù)差異度度量，對(duì)競(jìng)合關(guān)系做進(jìn)一步判別。

在實(shí)際生活中，專利技術(shù)轉(zhuǎn)移轉(zhuǎn)化以及研發(fā)合作多發(fā)生在具有親緣、地緣、業(yè)緣等關(guān)系的企業(yè)之間，如母公司和子公司之間、隸屬于同一母公司的多個(gè)子公司之間、在商業(yè)領(lǐng)域存在戰(zhàn)略合作關(guān)系的公司之間等[9]。因此，本文的研究思路應(yīng)用到實(shí)際中還需結(jié)合企業(yè)的實(shí)際發(fā)展規(guī)劃以及潛在關(guān)系對(duì)象的發(fā)展情況。若實(shí)際中企業(yè)的業(yè)務(wù)或產(chǎn)品相同或相似，則為直接競(jìng)爭(zhēng)者；若業(yè)務(wù)存在上下游關(guān)系或產(chǎn)品以及產(chǎn)品零部件存在互補(bǔ)關(guān)系，則更可能成為合作聯(lián)盟。同時(shí)，競(jìng)爭(zhēng)與合作是相互轉(zhuǎn)化、相互依存的，由企業(yè)發(fā)展的不同時(shí)期和市場(chǎng)環(huán)境等多種因素而定。本文現(xiàn)階段的研究是在大的行業(yè)范圍內(nèi)幫助企業(yè)縮小尋找最佳的轉(zhuǎn)移轉(zhuǎn)化對(duì)象范圍，定位潛在關(guān)系對(duì)象，提供方法的參考，節(jié)約企業(yè)發(fā)展成本并對(duì)企業(yè)戰(zhàn)略規(guī)劃起到一定的輔助作用。

本研究的不足之處在于，對(duì)潛在轉(zhuǎn)移轉(zhuǎn)化關(guān)系的預(yù)測(cè)是基于圖的拓?fù)浣Y(jié)構(gòu)信息進(jìn)行隨機(jī)游走來(lái)衡量任意對(duì)象之間的相似性程度，進(jìn)而達(dá)到預(yù)測(cè)的目的，缺少對(duì)專利文本內(nèi)容的深入挖掘。下一步工作將對(duì)文本內(nèi)容的研究進(jìn)行補(bǔ)充完善。