李 睿，向姝璇，黃靖蕓

（1.四川大學(xué)災(zāi)后重建與管理學(xué)院，成都 610207；2.四川大學(xué)公共管理學(xué)院，成都 610065）

1 專利許可信息及其情報意義

專利權(quán)分為所有權(quán)和使用權(quán)。專利許可的全稱為專利實施許可，也稱專利許可證貿(mào)易，是指專利技術(shù)所有人或其授權(quán)人依專利權(quán)許可合同許可他人在一定期限、一定地區(qū)、以一定方式實施其所擁有的專利，并向他人收取使用費用。專利許可是在不轉(zhuǎn)移財產(chǎn)所有權(quán)的條件下，讓渡財產(chǎn)中的權(quán)利[1]。早在20年前，IBM公司81億美元的利潤總額中，就有21%（約17億美元）來自專利權(quán)的許可和轉(zhuǎn)讓[2]。

“專利許可信息”可在國家知識產(chǎn)權(quán)局網(wǎng)站所提供的專利“法律事件”信息中查詢?！皩＠S可”在經(jīng)濟學(xué)的視野下，是度量專利從技術(shù)知識轉(zhuǎn)化為社會生產(chǎn)力的有效衡量指標(biāo)[3]；“專利許可”在科技社會學(xué)視野下，是科技創(chuàng)新成果實現(xiàn)社會擴散的重要途徑，多數(shù)“專利許可”引致的技術(shù)“溢出效應(yīng)”[4]有益于技術(shù)進步和社會創(chuàng)新；在知識產(chǎn)權(quán)法規(guī)視野下，許可雙方的技術(shù)信息不對稱性和專利權(quán)的排他性，給予了許可方優(yōu)勢地位，被許可方要花費更多的成本以獲取更多的技術(shù)信息籌碼來改善劣勢[5]。

學(xué)界對“專利許可信息”的情報意義有多種表述，可以歸納為以下幾方面：專利許可信息能夠體現(xiàn)許可方專利權(quán)人保持著當(dāng)前產(chǎn)品市場中的領(lǐng)導(dǎo)者地位[6]；專利許可信息能夠顯示許可方專利權(quán)人實現(xiàn)專利產(chǎn)品外部開發(fā)的意圖[7]；專利許可次數(shù)越多，說明專利權(quán)人的技術(shù)價值越高[8]；發(fā)生了許可的專利相對于沒有發(fā)生許可的專利，通常能夠贏得更高的經(jīng)濟利益[9]。有學(xué)者[10]指出，發(fā)達國家通過專利許可控制了全球產(chǎn)業(yè)技術(shù)鏈的高端。也有學(xué)者基于理性經(jīng)濟人假設(shè)認為，當(dāng)被許可方為許可達成支付相當(dāng)?shù)慕灰壮杀緯r，出于期待收益最大化的考量，會慎重選擇高質(zhì)量且高回報的專利[11]，即許可方專利通常為高價值專利。

綜上，本文認為，“專利許可”反映著專利權(quán)人（許可方與被許可方）在行業(yè)中的角色地位和功能，“專利許可信息”對于評估專利價值和分析行業(yè)競爭-合作態(tài)勢均具有重要的情報意義。

2 專利許可與專利引用的相關(guān)研究基礎(chǔ)

世界權(quán)威專利情報機構(gòu)CHI（Computer Horizon Institution）公司在幫助用戶（專利權(quán)人）達成專利許可時，常使用“專利引用信息”預(yù)判二者之間可進行許可談判的技術(shù)主題[12]。有學(xué)者認為，專利許可關(guān)系體現(xiàn)著許可方和被許可方之間的經(jīng)濟利益制衡，而與此同時專利引用關(guān)系表達著許可方和被許可方之間的知識流動和銜接[13]。有學(xué)者構(gòu)建模型描述專利被引用頻次與專利許可之間的關(guān)聯(lián)[14]。文獻[15-16]發(fā)現(xiàn)，許可方的專利許可次數(shù)與其專利被引頻次之間存在正相關(guān)關(guān)系。文獻[17]發(fā)現(xiàn)，許多中國公司（專利權(quán)人）在獲得專利許可之前先引用了許可方的專利。文獻[18]以美國加州大學(xué)的專利許可為例，研究發(fā)現(xiàn)了被許可專利權(quán)人和非被許可專利權(quán)人對許可方專利的引用情況存在明顯差異。文獻[19]綜合研究了專利許可案例和相關(guān)專利訴訟案例，認為專利引用關(guān)系釋放的是混雜信號，不能僅憑專利間的直接引用關(guān)系預(yù)判專利許可的可能性。

前人的研究提供了“專利許可與專利引用之間存在相關(guān)性”的線索和素材，但由于研究視角和研究樣本的多樣化，致使研究結(jié)論各不相同?？傮w來看，目前學(xué)界還沒有形成較為全面和統(tǒng)一的認知，雖然有少量國外學(xué)者研究了專利引用（包括前向和后向引用）與專利許可的相關(guān)性，但尚未見有將各種專利引用關(guān)系（直接引用、引用耦合、共被引）綜合應(yīng)用于專利許可預(yù)見的實證研究。

本文認為，專利許可是技術(shù)創(chuàng)新成果的直接擴散途徑，而專利引用則是技術(shù)知識關(guān)聯(lián)與傳輸?shù)耐ǖ溃捎趯＠S可和專利引用在知識關(guān)聯(lián)層面的互通性，使得二者具備了天然的邏輯關(guān)聯(lián)。另外，專利引用通常發(fā)生在專利許可之前，這就使得基于專利引用預(yù)見專利許可成為了可能。但在現(xiàn)實經(jīng)濟活動中，專利許可與專利引用之間究竟存在怎樣的關(guān)聯(lián)？相互關(guān)聯(lián)的特征變量是哪些？關(guān)聯(lián)的程度強弱如何？這些問題均需要開展進一步的研究和探索。

3 專利許可與專利引用的關(guān)聯(lián)邏輯研究

3.1 專利許可的研究樣本選擇

中國專利中發(fā)生“專利許可”最多的行業(yè)是通信行業(yè)[20]，因此，本文選擇通信行業(yè)作為實證研究對象，以發(fā)生了專利許可的通信行業(yè)專利作為研究樣本，編程進行數(shù)據(jù)信息析取，獲得發(fā)生了許可的4985項專利。發(fā)生了專利許可的專利權(quán)人共計540位（發(fā)生了專利許可10次以上的專利權(quán)人如附表所示）。其中，505位專利權(quán)人發(fā)生了后向引用，247位專利權(quán)人發(fā)生了前向引用，共采集到后向引用信息6876條和前向引用信息1332條。

許多學(xué)者開展過對專利許可關(guān)系網(wǎng)的研究，發(fā)現(xiàn)許可關(guān)系對應(yīng)著專利權(quán)人之間實質(zhì)性的技術(shù)知識關(guān)聯(lián)[21-23]。本文構(gòu)建了通信領(lǐng)域的專利權(quán)人許可關(guān)系網(wǎng)絡(luò)，如圖1所示。

3.2 專利引用計量指標(biāo)選定

專利引用的計量指標(biāo)在前期相關(guān)研究中通常被分為三類：直接引用、引用耦合以及共被引[24-25]。其中，直接引用（包括前向引用和后向引用）是基于專利申請人或?qū)彶閱T人為判斷建立的“實在關(guān)系”，而引用耦合和共被引則是間接引用，是基于傳遞、對偶關(guān)系產(chǎn)生的“虛擬關(guān)系”[26]。引用耦合（1963年由Kessler首次提出）[27]是指所引用的參考文獻相同的關(guān)系，共被引（1973年由Small首次提出）[28]是指同時被別的主體共同引用的關(guān)系。引用耦合是“主動型”引用關(guān)系，而共被引是“被動型”引用關(guān)系[29]。

關(guān)于專利之間的直接引用關(guān)系，前人的研究得出了不同的結(jié)論。以氮化鎵半導(dǎo)體材料、碳納米管等領(lǐng)域?qū)＠麨闃颖镜膶嵶C研究發(fā)現(xiàn)，直接引用關(guān)系相比于另兩種引用關(guān)系能夠最快地反映技術(shù)之間的知識關(guān)聯(lián)和更替演進[30]；但在生物醫(yī)學(xué)領(lǐng)域開展的實證研究顯示，基于直接引用關(guān)系得出的結(jié)果很不準(zhǔn)確[31]，專利直接引用關(guān)系無法避免人為或者隨機產(chǎn)生的引用噪聲和傾向問題，需要通過另外兩種間接引用關(guān)系來補充和修正[32]。

關(guān)于專利之間的引用耦合關(guān)系，前人的認識較為一致：有些沒有發(fā)生直接引用關(guān)系的專利之間存在較強的知識關(guān)聯(lián)，而這種關(guān)聯(lián)在引用耦合關(guān)系中能夠被很好地體現(xiàn)[33-34]；來自DVD激光頭領(lǐng)域、平板顯示領(lǐng)域、電動汽車領(lǐng)域的實證研究顯示，引用耦合關(guān)系能更為準(zhǔn)確、實時地體現(xiàn)出企業(yè)（專利權(quán)人）之間的技術(shù)關(guān)聯(lián)性[35-38]；也有實證研究顯示，引用耦合關(guān)系能夠較好地描述不同領(lǐng)域知識主體之間的演化共變關(guān)系（同步進化）[39]。

關(guān)于專利之間的共被引關(guān)系，前人的研究也體現(xiàn)出了不同的看法。有學(xué)者認為，專利被引的時間滯后性使得專利共被引分析結(jié)果在時效性上受到很大局限[40]；另有學(xué)者卻認為，專利共被引關(guān)系雖然時效性不強，但很適合用于發(fā)現(xiàn)成熟技術(shù)體系中的“關(guān)聯(lián)專利族”[41]；反之，也有學(xué)者認為，專利共被引通常多發(fā)于高被引專利之間，不足以均勻地反映全景技術(shù)動態(tài)中的“關(guān)聯(lián)專利族”[42-43]，容易造成專利關(guān)聯(lián)信息的遺漏[44]。

“共被引”與“引文耦合”既有聯(lián)系又有區(qū)別[45]。有研究發(fā)現(xiàn)，引用耦合關(guān)系所體現(xiàn)的“關(guān)聯(lián)專利族”有36%與共被引關(guān)系所體現(xiàn)的“關(guān)聯(lián)專利族”重合，而共被引關(guān)系所體現(xiàn)的“關(guān)聯(lián)專利族”有29%與引用耦合關(guān)系所體現(xiàn)的研究“關(guān)聯(lián)專利族”重合[46]。因此，有學(xué)者提出了混合使用“耦合-共引”關(guān)系的思路[47-49]。

有些學(xué)者[50-52]指出，利用引用網(wǎng)絡(luò)進行節(jié)點特征分析是改進引用分析的有效方法。專利權(quán)人（節(jié)點）在直接引用網(wǎng)絡(luò)（前向引用網(wǎng)絡(luò)和后向引用網(wǎng)絡(luò)）中的“連接數(shù)”以及專利權(quán)人（節(jié)點）在間接引用網(wǎng)絡(luò)（引用耦合網(wǎng)絡(luò)和共被引網(wǎng)絡(luò)）中的“中心度”都是表征節(jié)點特征的有效指標(biāo)，專利權(quán)人（節(jié)點）的中心度體現(xiàn)著該專利權(quán)人（節(jié)點）在專利引用關(guān)系網(wǎng)絡(luò)中的位勢和輻射力[53-54]。

因此，本文兼收并蓄了前人的多元觀點和經(jīng)驗，選定了6項專利引用指標(biāo)來綜合表征專利引用的各方面特征，具體計量指標(biāo)包括：前向引用頻次、后向引用頻次、前向引用網(wǎng)絡(luò)連接數(shù)、后向引用網(wǎng)絡(luò)連接數(shù)、引用耦合網(wǎng)絡(luò)中心度以及共被引網(wǎng)絡(luò)中心度（圖2）。

圖2 研究流程圖

3.3 專利許可與專利引用的相關(guān)性計量

3.3.1 計量過程

（1）引用數(shù)據(jù)的獲取與計量。對540位樣本專利權(quán)人的4985項許可方專利的法律事件信息逐一進行人工查詢（無法批量檢索下載），逐一拷貝獲得許可方專利的施引（后向引用）信息6876條，被引（前向引用）信息1332條。

（2）引用網(wǎng)絡(luò)構(gòu)建與計量。構(gòu)建直接引用關(guān)系矩陣（后向引用關(guān)系矩陣、前向引用關(guān)系矩陣），繪制直接引用網(wǎng)絡(luò)（后向引用網(wǎng)絡(luò)、前向引用網(wǎng)絡(luò)），計量各節(jié)點（專利權(quán)人）網(wǎng)絡(luò)連接數(shù)；構(gòu)建間接引用關(guān)系矩陣（引用耦合矩陣、共被引矩陣），繪制間接引用網(wǎng)絡(luò)（引用耦合網(wǎng)絡(luò)、共被引網(wǎng)絡(luò)），計量各節(jié)點（專利權(quán)人）中心度。中心度的計量主要有三種形式：度數(shù)中心度、接近中心度和中介中心度。本文選擇以“中介中心度”的形式進行計量，這是由于中介中心度（由Freeman于1979年提出）側(cè)重于節(jié)點對資源的控制程度測量[55]，即對整個網(wǎng)絡(luò)的集中或集權(quán)程度和整個網(wǎng)絡(luò)圍繞一個節(jié)點或一組節(jié)點來組織運行的程度[56]；本文在專利間接引用網(wǎng)絡(luò)中主要考查的是節(jié)點的“媒介”能力、“橋梁”作用，中介中心度這一指標(biāo)更契合本文的計量需求和分析邏輯。中介中心度計算公式為

其中，σst表示節(jié)點s和t之間的最短路徑的數(shù)量；σst(v)表示最短路徑中經(jīng)過節(jié)點v的數(shù)量。上述計量過程使用的軟件工具為UCINET。

3.3.2 計量結(jié)果

本文計量了540位樣本專利權(quán)人的以下專利引用指標(biāo)：①前向引用頻次；②后向引用頻次；③前向引用網(wǎng)絡(luò)連接數(shù)；④后向引用網(wǎng)絡(luò)連接數(shù)；⑤引用耦合網(wǎng)絡(luò)中心度；⑥共被引網(wǎng)絡(luò)中心度。計量結(jié)果如表1所示。

表1 樣本專利權(quán)人專利引用指標(biāo)計量結(jié)果（由于篇幅所限僅列出部分示例）

本文使用可視化工具軟件Gephi構(gòu)建的直接引用網(wǎng)絡(luò)（后向引用網(wǎng)絡(luò)、前向引用網(wǎng)絡(luò)）和間接引用網(wǎng)絡(luò)（引用耦合網(wǎng)絡(luò)、共被引網(wǎng)絡(luò)）分別如圖3~圖6所示。

圖3 許可方專利權(quán)人后向引用網(wǎng)絡(luò)

圖6 許可方專利權(quán)人共被引網(wǎng)絡(luò)

3.4 專利許可與專利引用之間的關(guān)聯(lián)

利用Kendall的tau_b和Spearman的rh，計算 專利權(quán)人的專利許可頻次與一系列專利引用指標(biāo)值之間的相關(guān)度系數(shù)，所使用軟件為SPSS，計算結(jié)果如表2所示。

如表2所示，專利許可指標(biāo)與一系列專利引用指標(biāo)均存在正相關(guān)關(guān)系，這與本文第2節(jié)所述的前人研究的結(jié)論相符合。本文進一步研究發(fā)現(xiàn)，專利許可指標(biāo)與一系列專利引用指標(biāo)之間的相關(guān)度系數(shù)和顯著度數(shù)值存在較大差異，具體描述如下。

表2 專利許可指標(biāo)與專利引用指標(biāo)之間的相關(guān)度系數(shù)

（1）從直接引用（前向引用與后向引用）網(wǎng)絡(luò)來看，專利權(quán)人的前向引用網(wǎng)絡(luò)連接數(shù)和后向引用網(wǎng)絡(luò)連接數(shù)均與專利許可正相關(guān)；但在相關(guān)度系數(shù)的數(shù)值上，“前向引用”遠低于“后向引用”，尤其是Kendall的tau_b的相關(guān)性計算結(jié)果，“前向引用”的相關(guān)性顯著度比“后向引用”低了一個數(shù)量級。

（2）從間接引用（引用耦合與共被引）網(wǎng)絡(luò)來看，專利權(quán)人在引用耦合網(wǎng)絡(luò)中的中心度和其在共被引網(wǎng)絡(luò)中的中心度均與專利許可頻次正相關(guān)；但在相關(guān)度系數(shù)數(shù)值上，“共被引”遠低于“引用耦合”。

（3）Kendall的tau_b和Spearman的rh對專利權(quán)人的專利“許可”頻次與其各種“引用”指標(biāo)值之間的相關(guān)性計算結(jié)果是一致的，各種“引用”指標(biāo)按相關(guān)度系數(shù)數(shù)值從大到小排序，依次為：后向引用頻次、引用耦合網(wǎng)絡(luò)中心度、后向引用網(wǎng)絡(luò)連接數(shù)、共被引網(wǎng)絡(luò)中心度、前向引用網(wǎng)絡(luò)連接數(shù)、前向引用頻次。

3.5 專利許可與專利引用之間的關(guān)聯(lián)邏輯闡釋

專利不僅具有技術(shù)文獻屬性（是記錄某項發(fā)明內(nèi)容的文獻），更具有經(jīng)濟契約屬性（是指定壟斷利益范圍的法律規(guī)約）。專利引用關(guān)系不僅是技術(shù)之間知識關(guān)聯(lián)的產(chǎn)物，更是專利權(quán)人追求壟斷利益的產(chǎn)物。下文將在創(chuàng)新經(jīng)濟學(xué)視野下，對所發(fā)現(xiàn)的一系列“專利引用”特征與“專利許可”之間的相關(guān)性及其次序進行歸因，從而實現(xiàn)對專利許可與專利引用之間的關(guān)聯(lián)邏輯的闡釋。

圖4 許可方專利權(quán)人前向引用網(wǎng)絡(luò)

3.5.1 專利權(quán)人的前向引用與專利許可正相關(guān)程度低的原因

專利權(quán)人被引（前向引用）并不像論文作者被引那樣意味著學(xué)術(shù)地位和影響力，而是具有與壟斷利益相關(guān)的經(jīng)濟學(xué)意義。創(chuàng)新經(jīng)濟學(xué)的鼻祖Schum‐peter提出的“創(chuàng)新性破壞”理論認為，技術(shù)創(chuàng)新的過程是后來的新技術(shù)不斷“淘汰”先前的舊技術(shù)（即創(chuàng)新對原有技術(shù)的破壞）的替代式發(fā)展過程[57]。麻省理工學(xué)院的Caballero和哈佛大學(xué)的Jaffe用專利“被引”函數(shù)描述了“創(chuàng)新性破壞”[58]。其中，C(t,s)是第t年的專利被第s年的專利引用的頻次（前向引用頻次），S(t)和P(s)分別是第t年和第s年的專利總量，a(t,s)表示第s年的新技術(shù)對第t年的舊技術(shù)的“創(chuàng)新性破壞”?；趧?chuàng)新經(jīng)濟學(xué)的“創(chuàng)新性破壞”理論，專利權(quán)人的被引頻次（前向引用）意味著被淘汰或替代，因此，專利的前向引用基本與專利許可無關(guān)。

然而，“創(chuàng)新性破壞”的情形并不是專利被引的全部情形，在專利審查的視野下，專利權(quán)人的被引與專利許可之間存在相關(guān)性。在審查創(chuàng)造性和判定可授權(quán)范圍時，如果有上位類的母概念技術(shù)獲得專利權(quán)在先，下位類的子概念技術(shù)（專利申請書）是對母概念技術(shù)在更細節(jié)層面的創(chuàng)造性發(fā)展，即新產(chǎn)生的子概念技術(shù)，則具有創(chuàng)造性，可授予專利權(quán)，但其權(quán)利范圍將落在母概念技術(shù)的從屬性子范圍內(nèi)，該子概念專利實施時，須向母概念專利交納許可費。例如，“用氯化物制造制冷劑”這一新專利的審查員引用“用鹵素化合物制造制冷劑”這一上位類的母概念在先專利權(quán)，是為了將其權(quán)利范圍限定在母概念專利的下位概念范圍內(nèi)，并且子概念專利實施時，須向母概念專利（被引專利）交納許可費。這種情形的“被引”（前向引用）與專利許可直接正相關(guān)。

圖5 許可方專利權(quán)人引用耦合網(wǎng)絡(luò)

綜上，專利只有在作為上位概念的在先專利被引（前向引用）時才與專利許可正相關(guān)，而在“創(chuàng)新性破壞”的過程中，專利被引（前向引用）基本與專利許可無關(guān)，因此，從總體上講，專利被引（前向引用）與專利許可之間表現(xiàn)出的正相關(guān)性則相對較低。

3.5.2 專利權(quán)人的后向引用與專利許可正相關(guān)程度高的原因

專利不一定會被引（前向引用），發(fā)生被引的（被其他專利前向引用）的專利在專利總量中只占少數(shù)，在本文的研究樣本中僅占26.72%。然而，專利基本都會施引（后向引用），這是因為專利審查制度規(guī)定審查員須引用對比文件，專利申請人（專利權(quán)人）須引用相關(guān)技術(shù)背景信息，社會公眾有權(quán)引用異議或宣告某專利無效的證據(jù)。專利施引（后向引用）信息遠比專利被引（前向引用）信息更為豐富，在本文的研究樣本中，施引（后向引用）率高達到137.93%，平均每項專利施引（后向引用）了1.38項現(xiàn)有技術(shù)信息。

如第3.4.1節(jié)所述，在審查員引用“對比文件”作為判定專利申請的新穎性、創(chuàng)造性以及可授權(quán)范圍的依據(jù)的情形下，有部分引用關(guān)系在邏輯上預(yù)示著專利許可的可能性。在專利申請人（專利權(quán)人）施引（后向引用）相關(guān)技術(shù)背景信息的情形下，施引（后向引用）是自利性經(jīng)濟行為。例如，杜邦公司在收購上海特安綸公司芳砜綸面料業(yè)務(wù)未果后，在多國申請了一系列芳砜綸面料的用途專利，覆蓋了該面料用于耐火紙材、阻燃紗線、防護器具等的用途；杜邦公司在申請這一系列用途專利時須施引（后向引用）上海特安綸公司的芳砜綸面料專利，這類引用行為即體現(xiàn)著施引者的“專利包圍策略”——上海特安綸公司的芳砜綸面料專利要應(yīng)用于上述用途時必須獲取杜邦公司的專利許可。在專利權(quán)人策略性施引的情形下，后向引用（施引）與專利許可之間存在著直接的正相關(guān)性。

綜上，專利權(quán)人的施引（后向引用）都與專利許可正相關(guān)，因此，后向引用與專利許可之間表現(xiàn)出頗高的正相關(guān)度。

3.5.3 專利權(quán)人引用耦合與專利許可正相關(guān)程度相對更高的原因

引用耦合關(guān)系，是后向引用（施引）關(guān)系在專利引用網(wǎng)絡(luò)中進一步趨同和聚合的結(jié)果，體現(xiàn)了創(chuàng)新行為主體（專利權(quán)人）之間的目標(biāo)共同性和技術(shù)協(xié)同性，這正是專利許可的邏輯基礎(chǔ)和行為動力。

群體動力理論認為，在行為主體的心理場中，行為目標(biāo)具有吸引行為個體的誘發(fā)力，對相同目標(biāo)的趨就是導(dǎo)致群體行為的動力[59]。在創(chuàng)新行為主體的心理場中，共同的技術(shù)功能目標(biāo)能夠吸引互補共生的技術(shù)群體，并引導(dǎo)對應(yīng)專利權(quán)人群體的行為（引用行為）趨就。社會協(xié)同學(xué)認為，通過合作，系統(tǒng)將按照一些普適規(guī)律產(chǎn)生空間、時間或功能結(jié)構(gòu)，這是一種相變的統(tǒng)一性，是結(jié)構(gòu)形成過程及其規(guī)律的統(tǒng)一性[60]。在社會協(xié)同學(xué)視野下，創(chuàng)新系統(tǒng)中的專利權(quán)人引用耦合，映射著創(chuàng)新價值鏈上不同技術(shù)環(huán)節(jié)間的知識關(guān)聯(lián)與相變統(tǒng)一，也映射著創(chuàng)新生態(tài)鏈上不同創(chuàng)新主體間的協(xié)作共生與結(jié)構(gòu)統(tǒng)一。例如，GSM（Global System for Mobile Communica‐tions，全球移動通信系統(tǒng)）通信技術(shù)專利池是摩托羅拉、諾基亞、愛立信等公司（專利權(quán)人）之間頻繁交叉許可形成的專利共生聯(lián)盟，聯(lián)盟成員（專利權(quán)人）之間的專利引用耦合度較高[61]。

綜上，專利權(quán)人引用耦合與專利許可之間存在著更深層次的關(guān)聯(lián)，因此，兩者會表現(xiàn)出更高程度的正相關(guān)性。

3.5.4 專利權(quán)人共被引與專利許可正相關(guān)程度相對更低的原因

被引頻次是一種瞬時的數(shù)值，一項專利在下一時刻將會被什么新的專利引用，會與哪些專利出現(xiàn)新的共被引關(guān)系均是未知的。共被引關(guān)系是動態(tài)變化的，永遠不確定、不完整。

事實上，只有高被引專利權(quán)人之間才具有發(fā)生“共被引”的較大可能性，大多數(shù)被引頻次一般或較低的專利權(quán)人之間，均難以發(fā)生共被引關(guān)系。這就使得“共被引”不能完整地呈現(xiàn)創(chuàng)新系統(tǒng)的相變結(jié)構(gòu)。有統(tǒng)計顯示[62]，美國專利中有50%的被引發(fā)生在專利公布后的10年之后，有25%的被引發(fā)生在專利公布后的20年之后，使得越是早期的專利發(fā)生共被引的概率越高，這其實是一種系統(tǒng)性誤差。

共被引關(guān)系和引用耦合關(guān)系分別是前向引用（被引）關(guān)系和后向引用（施引）關(guān)系在專利引用網(wǎng)絡(luò)中進一步收斂和凝聚的結(jié)果。由于前向引用（被引）與專利許可的正相關(guān)度遠低于后向引用（施引），因此，“共被引”與專利許可的正相關(guān)度也遠低于“引用耦合”。

本文通過實證研究發(fā)現(xiàn)，專利許可與專利引用的多項計量指標(biāo)之間存在著程度各異的相關(guān)性。這些相關(guān)性共同構(gòu)成了專利許可與專利引用之間的關(guān)聯(lián)關(guān)系，這種關(guān)聯(lián)關(guān)系的底層邏輯實質(zhì)上是專利引用的法律效果和市場效應(yīng)。專利法賦予專利引用的法定功能是“技術(shù)對比”，基于創(chuàng)新經(jīng)濟學(xué)原理不難發(fā)現(xiàn)，專利引用在實現(xiàn)其“技術(shù)對比”功能的同時也進行了技術(shù)分析、鑒別與選擇，使得專利引用與專利許可在技術(shù)市場情境中產(chǎn)生底層邏輯上的對接。

本文試圖將所發(fā)現(xiàn)的這一關(guān)聯(lián)應(yīng)用于情報學(xué)實踐，即以專利許可與專利引用之間的關(guān)聯(lián)為橋梁，探索一種基于已經(jīng)發(fā)生的“專利引用”能夠預(yù)見未來可能發(fā)生的“專利許可”的方法。由于本文所發(fā)現(xiàn)的關(guān)聯(lián)不是單項指標(biāo)間的關(guān)聯(lián)，而是專利許可與多項專利引用計量指標(biāo)所構(gòu)成的“指標(biāo)組合”之間的關(guān)聯(lián)，因此，本文從醫(yī)學(xué)診斷學(xué)和生物信息學(xué)中獲取了構(gòu)建方法的思路。在醫(yī)學(xué)診斷學(xué)視域下，某一疾病的診斷不是依據(jù)單一檢驗指標(biāo)，而是依據(jù)多項檢驗指標(biāo)所形成的“指標(biāo)組合”，診斷時，不僅要依據(jù)組合中的指標(biāo)種類和個數(shù)，更要依據(jù)指標(biāo)間的相互關(guān)系。在生物信息學(xué)視域下，某一生命性狀并不只與某一基因特征相關(guān)，而是與若干基因特征的組合相關(guān)，尤其是與組合的方式和結(jié)構(gòu)相關(guān)。因此，本文聚焦“專利許可”與多項“專利引用”計量指標(biāo)之間的相關(guān)性及其強弱次序，嘗試將多項“專利引用”特征與“專利許可”之間的相關(guān)性有序集成起來，客觀綜合地反映“專利許可”與“專利引用”之間的實際關(guān)聯(lián)，并在此基礎(chǔ)上構(gòu)建用于預(yù)見專利許可的“專利權(quán)人預(yù)估許可指數(shù)”。

4 “專利權(quán)人預(yù)估許可指數(shù)”構(gòu)建與有效性檢驗

4.1 專利權(quán)人預(yù)估許可指數(shù)構(gòu)建

4.1.1 算法結(jié)構(gòu)

充分納入與專利許可相關(guān)的各項專利引用特征變量，即將第3.3節(jié)中所得的6種專利引用特征變量納入“指數(shù)”。尊重各項專利引用特征變量在相關(guān)度上的客觀差異，基于6種專利引用特征變量的相關(guān)度次序設(shè)置權(quán)重，在所構(gòu)建的“指數(shù)”中，有序融入各項專利引用特征與專利許可的協(xié)變規(guī)律。

依據(jù)常用的歸一化方法Brovey變換法構(gòu)建基本算法結(jié)構(gòu)。設(shè)計算法結(jié)構(gòu)為

其中，專利權(quán)人預(yù)估許可指數(shù)為P；Fi為第i個因素的指標(biāo)值（共6種專利引用指標(biāo)值）；Wi為第i個因素的權(quán)重。

4.1.2 集成路徑

基于層次分析法的創(chuàng)始人Saaty[63]提出的“序關(guān)系-權(quán)重轉(zhuǎn)換”方法，以賦權(quán)對象的相對秩序關(guān)系作為權(quán)重計算的依據(jù)，將已知的序關(guān)系轉(zhuǎn)換為相應(yīng)的權(quán)重值，實現(xiàn)對一系列“專利引用”特征的有序集成。

“序關(guān)系-權(quán)重轉(zhuǎn)換”方法是在層次分析法的基礎(chǔ)上改良而來，利用“不劣于”關(guān)系不需要進行一致性檢驗，克服原有主要缺點[64]。序關(guān)系-權(quán)重轉(zhuǎn)換方法是以賦權(quán)對象的相對秩序關(guān)系作為權(quán)重計算的依據(jù)，對評價指標(biāo)重要度之比進行賦值，最低權(quán)重為1與所有重要度之比和的倒數(shù)；然后，再根據(jù)對應(yīng)比例關(guān)系倒推評價指標(biāo)集各指標(biāo)的權(quán)重[65]，即將已知的序關(guān)系轉(zhuǎn)換為相應(yīng)的權(quán)重值。原序關(guān)系分析法采用的是比例標(biāo)度法，本質(zhì)上是把指標(biāo)之間重要程度的概念量化，要求指標(biāo)間比例關(guān)系具有傳遞性，即強一致性（基本一致性）；然而，這樣的指標(biāo)體系往往會與人類思維脫節(jié)。隨著相關(guān)研究的推進，有學(xué)者提出了改進的序關(guān)系分析法，提出注重弱一致性（次序一致性）的評價標(biāo)準(zhǔn)體系，在對原始數(shù)據(jù)進行歸一化無量綱處理后，改進的序關(guān)系-權(quán)重轉(zhuǎn)換算法[66]為

4.1.3 構(gòu)建流程

專家對賦權(quán)對象建立序關(guān)系；確定指標(biāo)的重要性標(biāo)度，即理性判斷相鄰對象間貢獻度Ci-1與Ci之比ri，計算公式為

將貢獻度的比值ri代入公式(3)計算權(quán)重Wi。當(dāng)賦權(quán)對象的數(shù)量為m時，則可依據(jù)上述序關(guān)系-權(quán)重轉(zhuǎn)換模型計算出各個對象的權(quán)重Wm。

（1）設(shè)立虛擬專家。表2中描述了Kendall和Spearman兩種算法所得的后向引用頻次、引用耦合網(wǎng)絡(luò)中心度、后向引用網(wǎng)絡(luò)連接數(shù)、共被引網(wǎng)絡(luò)中心度、前向引用網(wǎng)絡(luò)連接數(shù)、前向引用頻次等6項專利引用特征變量與專利許可之間的相關(guān)性，現(xiàn)將Kendall和Spearman兩種算法視作兩位虛擬的“專家”，將Kendall相關(guān)度系數(shù)值和Spearman相關(guān)度系數(shù)值虛擬為“兩位專家的打分”。

（2）建立序關(guān)系。表2中Kendall和Spearman兩種算法結(jié)果（兩位專家打分）排序具備一致性，按照相關(guān)度系數(shù)值進行排序，得到“序關(guān)系”如表3所示。

表3 專利引用特征變量的序關(guān)系計算結(jié)果

（3）計算貢獻度的比值ri。依據(jù)公式(4)對同一位專家的“打分”進行兩兩求比值，得到一種貢獻度比值；對兩位專家的“打分”都進行計算后，得到兩種貢獻程度比值；再對兩者求平均值，作為最終的ri。實際計算過程是將Kendall相關(guān)度系數(shù)值與Spearman相關(guān)度系數(shù)值分別視作貢獻度Ci1、Ci2，再采用公式(4)分別計算相鄰對象貢獻度之比ri1、ri2，對ri1和ri2求平均值，得到最終ri，計算過程結(jié)果如表4所示。

表4 專利引用特征變量的權(quán)重計算結(jié)果

（4）計算權(quán)重Wm。將r5代入據(jù)公式(3)，求得W6。類似地，再依次計算W5、W4、W3、W2、W1，計算過程結(jié)果如表4所示。

（5）形成“專利權(quán)人預(yù)估許可指數(shù)”。將表4計算所得的{W10.2394,W20.2195,W30.2088,W40.1272,W50.1164,W60.0887}，與專利引用特征變量｛F1后向引用頻次,F2引用耦合網(wǎng)絡(luò)中心度,F3后向引用網(wǎng)絡(luò)連接數(shù),F4共被引網(wǎng)絡(luò)中心度,F5前向引用網(wǎng)絡(luò)連接數(shù),F6前向引用頻次｝，對應(yīng)代入公式(2)，即得到“專利權(quán)人預(yù)估許可指數(shù)”P。

4.2 “專利權(quán)人預(yù)估許可指數(shù)”有效性檢驗

利用第5.1節(jié)所得的“專利權(quán)人預(yù)估許可指數(shù)”P進行計算，將計算得到的P值（預(yù)測值）與實際值進行對比，對比方式如表5所示。

表5 專利權(quán)人預(yù)估許可指數(shù)計算結(jié)果及排序與實際值對比（篇幅所限只列出部分）

將預(yù)估專利許可情況（預(yù)測的專利權(quán)人許可頻次行業(yè)內(nèi)排序）與實際專利許可情況（實際的專利權(quán)人許可頻次行業(yè)內(nèi)排序）進行對比，計算樣本專利權(quán)人的預(yù)估許可指數(shù)與實際許可次數(shù)的擬合度，即運用RSQ函數(shù)計算兩個數(shù)據(jù)序列的擬合優(yōu)度判定系數(shù)，求得擬合優(yōu)度判定系數(shù)為0.70，擬合度較好。

經(jīng)檢驗，預(yù)估的專利許可情況與實際的專利許可情況吻合較好，本文所構(gòu)建的專利許可預(yù)估指數(shù)在樣本范圍內(nèi)有效，并且基于專利“引用”預(yù)見專利“許可”的方法在通信行業(yè)內(nèi)具有可行性。

5 結(jié)語

在創(chuàng)新經(jīng)濟學(xué)視野下，專利引用行為是技術(shù)知識的對比選擇行為，專利許可行為是專利權(quán)人的競爭-合作選擇行為?！皩＠谩焙汀皩＠S可”既是由專利權(quán)人在知識生態(tài)系統(tǒng)中的共生關(guān)系所決定的，也是由專利權(quán)人在創(chuàng)新經(jīng)濟系統(tǒng)中的競-合關(guān)系所塑造的。本文客觀地認知了一系列“專利引用”特征與“專利許可”之間的協(xié)變事實，并依托成熟的應(yīng)用數(shù)學(xué)方法構(gòu)建了“專利許可預(yù)估指數(shù)”，以實現(xiàn)在“專利引用”分析基礎(chǔ)上對“專利許可”的預(yù)見。

總之，本文突破了孤立研究“引用”的文獻計量學(xué)范式，將一系列“專利引用”特征與“專利許可”的相關(guān)性有機集成，把其中蘊含的復(fù)雜利益博弈綜合映射到“專利權(quán)人預(yù)估許可指數(shù)”中，為開展前瞻性的專利情報服務(wù)工作提供了新方法。

附表主要專利權(quán)人（許可10次以上）數(shù)據(jù)統(tǒng)計