- 相關(guān)推薦
基于專(zhuān)利共被引的世界500強企業(yè)技術(shù)競爭的專(zhuān)利地圖分析
引言
在科學(xué)文獻的引用行為中，引用動(dòng)機大多是出于正面因素，例如向開(kāi)拓者致敬（credit topioneer），對有關(guān)著(zhù)作給予榮譽(yù)（honor to literature）等等，因此科學(xué)文獻的引用體現出了一種知識的繼承關(guān)系。與科學(xué)文獻的引用動(dòng)機不同的是，專(zhuān)利文獻的引用動(dòng)機則大多旨在指出所引用技術(shù)的問(wèn)題、不足或缺陷，表達著(zhù)對所引用技術(shù)的否定態(tài)度[1]，所以專(zhuān)利的引用表達的更多的是技術(shù)的競爭關(guān)系。
技術(shù)競爭情報(Competitive Technical Intelligence)是指能給組織的競爭地位帶來(lái)重大影響的外部科學(xué)或技術(shù)的威脅、機會(huì )或發(fā)展的信息，以及這些信息的獲取、監控、分析、前瞻和預警過(guò)程[2]。專(zhuān)利計量方法已經(jīng)成為企業(yè)技術(shù)競爭情報研究的一種主要手段[3, 4]。
在此前的研究中，作者通過(guò)建立大型專(zhuān)利共被引矩陣，對世界500 強中的工業(yè)企業(yè)的專(zhuān)利發(fā)表強度、被引情況、專(zhuān)利共被引網(wǎng)絡(luò )進(jìn)行了研究[5]。本文在以往研究的基礎上，基于企業(yè)專(zhuān)利前向引用構建企業(yè)專(zhuān)利共被引矩陣，結合科學(xué)計量學(xué)領(lǐng)域近年來(lái)迅猛發(fā)展的信息可視化技術(shù)，對世界500 強企業(yè)進(jìn)行技術(shù)競爭地圖分析。
1 國內外研究現狀
1.1 專(zhuān)利計量方法
作者在Web of Science 數據庫（SCI、SSCI、A&HCI）和中文CNKI 中檢索專(zhuān)利的相關(guān)文獻，檢索發(fā)現，目前關(guān)于專(zhuān)利的研究非常多，但主要是從專(zhuān)利法學(xué)角度進(jìn)行的研究，定量分析的研究并不多見(jiàn)，尤其是專(zhuān)利共被引的研究很少，從Web of Science 中僅檢索到3 篇相關(guān)論文，CNKI 中僅2 篇與專(zhuān)利共被引相關(guān)的論文（檢索時(shí)間截至到2012 年8 月20 日）。
關(guān)于專(zhuān)利的研究主要集中在如下幾個(gè)方面：
�。�1）專(zhuān)利統計分析專(zhuān)利統計分析是最常見(jiàn)的專(zhuān)利研究方法。包括專(zhuān)利的發(fā)明人統計、專(zhuān)利權人統計、專(zhuān)利分類(lèi)號統計、專(zhuān)利的時(shí)序分析等等。
�。�2）專(zhuān)利引用分析早在1949年，Seildel就首次系統地提出專(zhuān)利引用分析的概念[6]。到了1966年，Seidel的設想被Garfield實(shí)現。Garfield仿照他創(chuàng )立的科學(xué)引文索引（即SCI數據庫）的理念，利用美國專(zhuān)利商標局（USPTO）建立專(zhuān)利引文索引（patent citation indexing）[7]。1994年，Narin正式提出基于專(zhuān)利引用分析的專(zhuān)利計量學(xué)的概念[8]。近年來(lái)，國內關(guān)于專(zhuān)利引用分析的研究也日漸興盛，例如楊中楷、梁永霞等對專(zhuān)利引用過(guò)程中知識活動(dòng)的研究[9, 10]，向希堯、蔡虹基于專(zhuān)利引用對技術(shù)溢出的分析[11]。
�。�3）專(zhuān)利共被引分析目前關(guān)于專(zhuān)利共被引的研究并不多見(jiàn)。主要有：Mogee等對禮來(lái)大藥廠(chǎng)的專(zhuān)利進(jìn)行共被引聚類(lèi)分析來(lái)識別禮來(lái)藥廠(chǎng)的主要技術(shù)前沿[12]；Kuei-Kuei Lai利用專(zhuān)利共被引分析試圖建立新的專(zhuān)利分類(lèi)系統[13]；國內方面，邱均平等對有機電激發(fā)光技術(shù)領(lǐng)域的69項高被引專(zhuān)利的共被引分析[14]、以及基于專(zhuān)利權人共被引分析對皮膚洗護類(lèi)專(zhuān)利進(jìn)行了研究[4]；王賢文基于專(zhuān)利共被引方法對世界500強中的工業(yè)企業(yè)的大型專(zhuān)利共被引網(wǎng)絡(luò )分析[5]。
�。�4） 專(zhuān)利內容圖分析上述的統計、引用、共被引分析主要來(lái)自于科學(xué)計量學(xué)領(lǐng)域，而專(zhuān)利內容圖分析主要是利用信息科學(xué)中的數據挖掘技術(shù)，深入到專(zhuān)利內容的文本內部。這方面包括Thomson Reuters公司Aureka 的專(zhuān)利地圖功能、Derwent Analytics 的文本聚類(lèi)分析功能、亞利桑那大學(xué)Hsinchun Chen 開(kāi)發(fā)的基于SOM 算法的專(zhuān)利內容地圖分析[15]，以及通過(guò)對文獻關(guān)鍵詞聚類(lèi)建立語(yǔ)義網(wǎng)絡(luò )來(lái)探測新興技術(shù)[16]。
整體看來(lái)，目前專(zhuān)利計量學(xué)在研究方法上以數量統計分析為主，關(guān)于引用、共被引的分析方法仍不多見(jiàn)，少數有關(guān)專(zhuān)利共被引的研究也只是涉及到某一領(lǐng)域的企業(yè)和專(zhuān)利。從未來(lái)的發(fā)展趨勢來(lái)看，專(zhuān)利計量研究將更多地融入科學(xué)計量學(xué)中的引用分析、共被引分析，信息科學(xué)中的可視化技術(shù)、文本/數據挖掘方法，從而使得研究者們更多地深入專(zhuān)利數據的內部實(shí)質(zhì)，更好地把握技術(shù)競爭結構，開(kāi)展技術(shù)競爭情報研究。
1.2 專(zhuān)利計量在企業(yè)技術(shù)競爭情報研究中的應用
專(zhuān)利計量方法是技術(shù)競爭情報研究的一種主要手段。例如Breitzman等基于專(zhuān)利引用分析對企業(yè)的合并、收購進(jìn)行技術(shù)競爭情報分析[3]；王賢文基于專(zhuān)利共被引方法對世界500強中的工業(yè)企業(yè)的技術(shù)競爭分析[5]；邱均平、羅力等基于專(zhuān)利權人共被引對皮膚洗護類(lèi)企業(yè)技術(shù)競爭情報進(jìn)行了實(shí)證研究[4]；孫濤濤、金碧輝基于專(zhuān)利文獻耦合和專(zhuān)利引用關(guān)系挖掘DVD激光頭技術(shù)中的關(guān)鍵技術(shù)，研究企業(yè)技術(shù)競爭情報[17]；王興旺、孫濟慶研究了專(zhuān)利地圖與技術(shù)競爭分析之間的深層次聯(lián)系，提出基于專(zhuān)利地圖的技術(shù)競爭三維分析法[18]。
這些文獻對企業(yè)技術(shù)競爭情報分析具有重要價(jià)值，有些還具有開(kāi)創(chuàng )性的意義。然而，這些研究在研究對象的選擇上都是側重于分析某個(gè)企業(yè)、領(lǐng)域、行業(yè)，很少從宏觀(guān)整體的角度來(lái)研究眾多企業(yè)所形成的技術(shù)競爭結構。這其中的一個(gè)關(guān)鍵原因就是這些研究均是從專(zhuān)利的后向引用角度來(lái)進(jìn)行分析。如果要對不同技術(shù)領(lǐng)域之間的專(zhuān)利進(jìn)行共被引分析，例如本文選擇的500強企業(yè)涉及到51個(gè)行業(yè)，從后向引用的角度則無(wú)法實(shí)現為數眾多的企業(yè)共被引網(wǎng)絡(luò )的構建。
2 數據與方法
2.1 數據
2.1.1 專(zhuān)利數據庫
本文的專(zhuān)利數據來(lái)自于德溫特創(chuàng )新索引（Derwent Innovation Index）。該專(zhuān)利數據庫是以德溫特世界專(zhuān)利索引（Derwent World Patent Index）和德溫特世界專(zhuān)利引文索引（PatentsCitation Index）為基礎形成的專(zhuān)利信息和專(zhuān)利引文信息數據庫，于1948年在英國創(chuàng )建，是Thomson Reuters集團除了Web of Science之外的另一重要產(chǎn)品，目前是世界上最大的專(zhuān)利文獻數據庫，總計收錄了19,204,885條專(zhuān)利數據（查詢(xún)時(shí)間：2012年6月16日），并且還在以每周增加數萬(wàn)條的速度不斷更新�！ �
2.1.2 樣本選擇世界
500強（Global 500）是《財富》雜志（Fortune）按照營(yíng)業(yè)收入評選出的世界上500家最大的公司，每年評選一次。該榜單對評選出的500家企業(yè)分成了49個(gè)行業(yè)領(lǐng)域，其中企業(yè)分布數量最多的行業(yè)分別是煉油41家、商業(yè)銀行41家、車(chē)輛與零部件29家、電信18家、金屬18家。
通過(guò)從德溫特創(chuàng )新專(zhuān)利引文索引數據庫中分別檢索這些企業(yè)的專(zhuān)利發(fā)表數量，最后選擇專(zhuān)利發(fā)表數量大于100 的前232 家企業(yè)，作為本文的研究樣本。這些企業(yè)的行業(yè)分布如表1所示。
2.1.3 基于專(zhuān)利前向引用的全域共被引矩陣構造方法
根據 Web of Science 的解釋?zhuān)跋蛞茫╢orward citation）關(guān)系為某篇文獻被哪些新的文獻所引用，后向引用關(guān)系則為某篇文獻引用哪些更早時(shí)期的文獻。
以往的共被引分析都是針對后向引用關(guān)系來(lái)構建共被引矩陣。這種方法類(lèi)似于社會(huì )網(wǎng)絡(luò )分析中的雪球方法（Snowball Methods），從一個(gè)或者一組頂點(diǎn)開(kāi)始，搜尋其他與之關(guān)聯(lián)的頂點(diǎn)，然后構造出一個(gè)網(wǎng)絡(luò )[20]。例如檢索甲骨文公司，得到2542 條專(zhuān)利，通過(guò)對這些專(zhuān)利的1 萬(wàn)余條引用專(zhuān)利進(jìn)行分析，構建出共被引矩陣。這種共被引關(guān)系可以稱(chēng)為局域共被引關(guān)系（Local Co-citation）。但是由于從原始數據中獲得初始頂點(diǎn)的有限性，通過(guò)這種后向引文關(guān)系得到的共被引矩陣存在局限性。如果我們要研究汽車(chē)企業(yè)和電子、化工企業(yè)之間的專(zhuān)利共被引關(guān)系，利用后向引用關(guān)系則很難實(shí)現。
而通過(guò)專(zhuān)利的前向引用關(guān)系，可以構建出大型的專(zhuān)利共被引網(wǎng)絡(luò )。類(lèi)似于社會(huì )網(wǎng)絡(luò )分析中的全網(wǎng)絡(luò )方法（Full Network Methods）[19]，即首先確定所有的頂點(diǎn)（企業(yè)），然后搜尋每一個(gè)頂點(diǎn)與其他頂點(diǎn)的所有關(guān)系（專(zhuān)利共被引關(guān)系），這種共被引關(guān)系為全域共被引關(guān)系（Global Co-citation）。但是這種方法的缺點(diǎn)是必須要處理海量的數據信息。因為一個(gè)企業(yè)的專(zhuān)利可能被成百上千的其他企業(yè)所引用，如果要分析多個(gè)企業(yè)之間的專(zhuān)利共被引關(guān)系（例如本文中的232 家500 強企業(yè)），涉及到的專(zhuān)利數量則數以千萬(wàn)計。
如所示，a0 為企業(yè)a 的發(fā)表專(zhuān)利集合，a1 為a0 的引用專(zhuān)利集合（后向引用），a2為引用a0 的專(zhuān)利集合（前向引用）；b2 為b0 的前向引用專(zhuān)利集合。通過(guò)對a2 和b2 取交集運算，得到企業(yè)a、b 的專(zhuān)利共被引次數。同理，對任意兩家企業(yè)的前向引用專(zhuān)利集合進(jìn)行交集運算，最終構造出全部232 家企業(yè)的專(zhuān)利共被引矩陣。
表2列出了部分企業(yè)的專(zhuān)利共被引矩陣，檢索時(shí)間段設定為2000-2012年。對角線(xiàn)上的數值為企業(yè)的專(zhuān)利總被引次數，其余數值為兩家企業(yè)的專(zhuān)利共被引次數。專(zhuān)利被引次數最多的企業(yè)為日立公司，總被引264637次，它與東芝公司的專(zhuān)利共被引次數為65965次，與IBM的專(zhuān)利共被引次數為65965次。
2.2 方法
2.2.1 共被引系數矩陣由于不同企業(yè)發(fā)表的專(zhuān)利數量差別很大，例如汽車(chē)行業(yè)的豐田、福特；電子電器行業(yè)的索尼、松下、飛利浦歷年發(fā)表的專(zhuān)利數量都數十萬(wàn)計。而信息技術(shù)的甲骨文、埃森哲歷年發(fā)表的專(zhuān)利只有幾千條。所以必須對原始的共被引次數矩陣進(jìn)行標準化處理，即創(chuàng )建共被引系數矩陣。常見(jiàn)的計算共被引系數矩陣的方法有Jaccard系數、Cosine系數等，但是Van Eck與Waltman 認為關(guān)聯(lián)強度（association strength）指標比Jaccard和Cosine更適合用來(lái)進(jìn)行聚類(lèi)分布的分析[20]。本文在此采用關(guān)聯(lián)強度的計算方法將表2中的共被引次數矩陣轉換成共被引系數矩陣，如下式所示：
2.2.2 專(zhuān)利地圖構造類(lèi)似于多維尺度分析（multidimensional scaling），在這一步驟中，將企業(yè)按照相似性矩陣中的相似性距離關(guān)系反映到二維平面中。企業(yè)i和企業(yè)j在地圖中的距離是根據二者之間的相似度sij來(lái)計算的。兩家企業(yè)的相似度越大，在地圖中的距離則越小。
3 結果
3.1 基于相似性矩陣的企業(yè)聚類(lèi)分布作者在此采用荷蘭萊頓大學(xué)科學(xué)與技術(shù)研究中心（Centre for Science and TechnologyStudies，Leiden University）開(kāi)發(fā)的VOSviewer 對232 家世界500 強企業(yè)進(jìn)行可視化分析[20]。VOSviewer 與其余軟件的多維尺度分析分析（例如SPSS、Ucinet、Pajek）所不同的是，為了避免樣本數量太多造成點(diǎn)和標簽的重疊，它在構圖的時(shí)候開(kāi)發(fā)出獨特的去除重疊標簽和層級顯示技術(shù)，突出顯示最重要節點(diǎn)的標簽，如圖2 所示。圖中的232 個(gè)節點(diǎn)代表了232 家企業(yè)，節點(diǎn)的大小反映了該企業(yè)的被引次數，例如被引次數最高的企業(yè)日立公司（被引264637 次），其節點(diǎn)尺寸也是最大的。兩節點(diǎn)之間的距離反映了兩企業(yè)的共被引關(guān)聯(lián)強度，例如左上角豐田汽車(chē)、日產(chǎn)汽車(chē)、通用汽車(chē)之間的距離非常小。由于VOSviewer 在構圖上的去除重疊標簽和層級顯示技術(shù)，有部分節點(diǎn)的標簽顯示得比較淡或者沒(méi)有顯示，而那些最為重要的節點(diǎn)則得到突出顯示。節點(diǎn)的不同顏色是按照Fortune 500 給每個(gè)企業(yè)的行業(yè)歸類(lèi)來(lái)劃分的。39 種顏色代表了這232 家企業(yè)分屬的39 種行業(yè)。 VOSviewer 中對全部232 家企業(yè)進(jìn)行聚類(lèi)。首先選擇程序默認的Resolution 等于1.0，得到6 個(gè)聚類(lèi)。如圖3 所示。
進(jìn)而選擇 Resolution 等于2.0，得到24 個(gè)聚類(lèi)，比較圖4 與圖3 可以發(fā)現，最明顯的差異有兩處：（1）圖3 中右上方較大的節點(diǎn)都被劃分成獨立的聚類(lèi)。例如三菱電機與日立、東芝、松下本來(lái)都屬于電子電器行業(yè)，但是在圖4 中它們被劃分成許多分散的聚類(lèi)。（2）圖3 左下角的大聚類(lèi)被重新劃分為3 個(gè)小聚類(lèi)，分別是最下邊的杜邦、拜耳、默克、雅培等組成的化工制藥聚類(lèi)；化工制藥聚類(lèi)右上方由聯(lián)合技術(shù)、波音、通用電氣、霍尼韋爾等組成的航空國防聚類(lèi)；以及其他零散企業(yè)組成的綜合聚類(lèi)。
如果進(jìn)一步提高Resolution 值，會(huì )對被引次數較小的那些企業(yè)進(jìn)行更為準確的聚類(lèi)。傳統的聚類(lèi)分析都是通過(guò)樹(shù)狀圖和龍骨圖對樣本進(jìn)行聚類(lèi)，如果樣本過(guò)多的話(huà)（例如本文中的232 個(gè)樣本），則需要很大的構圖空間。而VOSviewer 創(chuàng )造性地將多維尺度分析與聚類(lèi)分析結合起來(lái)，既大大節省了構圖空間，又可以更加清晰直觀(guān)地對聚類(lèi)與聚類(lèi)之間、樣本與樣本之間的關(guān)系進(jìn)行判斷。
從對 232 家世界500 強企業(yè)的聚類(lèi)分布結果來(lái)看，電子電器、汽車(chē)、化工制藥、航空國防、信息技術(shù)是最為突出的技術(shù)群。從聚類(lèi)之間的位置來(lái)看，航空國防對電子電器技術(shù)和汽車(chē)技術(shù)都起了很重要的橋接作用。
3.2 基于 Kernel 密度插值分布
的技術(shù)競爭整體結構分析在圖 4 的聚類(lèi)分布的基礎上，進(jìn)一步對232 家企業(yè)進(jìn)行Kernel 密度函數插值分析，從而更好地了解企業(yè)技術(shù)競爭的整體結構。
圖為對232 家企業(yè)的專(zhuān)利共被引矩陣的Kernel 插值分布結果。圖中紅色區域代表企業(yè)分布密度最大，藍色區域則代表企業(yè)分布稀疏。圖4 中的企業(yè)的位置分布與圖2、圖3 完全一致，但是根據圖4 的Kernel 密度函數插值分布，可以看到這223 家企業(yè)形成的技術(shù)競爭結構，其中以東芝、日立、NEC、富士通、IBM 等企業(yè)為代表的電子電器、信息技術(shù)是分布密度最大的區域。其次以豐田為代表的汽車(chē)技術(shù)領(lǐng)域，杜邦為代表的化工技術(shù)領(lǐng)域也比較顯著(zhù)。按照Nees Jan van Eck 與 Ludo Waltman 對VOSviewer 軟件的解釋?zhuān)植荚谶@些紅色區域中的企業(yè)整體上的專(zhuān)利被引次數也是相對最高的。
3.3 基于共被引網(wǎng)絡(luò )的關(guān)鍵企業(yè)分析
在利用社會(huì )網(wǎng)絡(luò )工具繪制共被引網(wǎng)絡(luò )的時(shí)候，Leydesdorff 認為，Jaccard 系數更適合計算共被引強度矩陣[21]。因此，作者在此處采用Jaccard 系數方法將表2 中的共被引次數矩陣轉換成共被引系數矩陣，再進(jìn)一步利用社會(huì )網(wǎng)絡(luò )分析工具Netdraw 進(jìn)行分析。
設定閾值為0.03，網(wǎng)絡(luò )中一共保留有132 個(gè)節點(diǎn)和1230 條連線(xiàn)，節點(diǎn)的大小是根據節點(diǎn)在網(wǎng)絡(luò )中的中介中心性（betweenness centrality）大小計算出來(lái)的，節點(diǎn)連接不同聚類(lèi)的連線(xiàn)越多，其中介中心性越大，因此中介中心性很好地體現了節點(diǎn)連接不同技術(shù)群聚類(lèi)的關(guān)鍵性作用。圖5 的共被引網(wǎng)絡(luò )也呈現出清晰的技術(shù)聚類(lèi)結構，例如由默克、輝瑞、百時(shí)美施貴寶、諾華、葛蘭素史克、禮來(lái)等形成的制藥產(chǎn)業(yè)技術(shù)群；由杜邦、陶氏、巴斯夫、拜耳形成的化工產(chǎn)業(yè)技術(shù)群；由福特、通用、大眾、馬自達等形成的汽車(chē)產(chǎn)業(yè)技術(shù)群；以及最中心的由索尼、東芝、西門(mén)子、日立、三星電子等形成的電子電器產(chǎn)業(yè)技術(shù)群等等。
然而，最關(guān)鍵的是，通過(guò)圖5 的共被引網(wǎng)絡(luò )，可以挖掘出使不同技術(shù)群產(chǎn)生聯(lián)系的關(guān)鍵企業(yè)。例如，汽車(chē)產(chǎn)業(yè)技術(shù)群與電子電器產(chǎn)業(yè)技術(shù)群、化工產(chǎn)業(yè)技術(shù)群與電子電器產(chǎn)業(yè)技術(shù)群都是通過(guò)通用電氣公司產(chǎn)生聯(lián)系；而數據庫巨擘甲骨文公司則使銀行產(chǎn)業(yè)技術(shù)群與中央的主網(wǎng)絡(luò )產(chǎn)生聯(lián)系。我們在圖6 中用虛線(xiàn)環(huán)標記了若干關(guān)鍵性企業(yè)，包括通用電氣公司、杜邦化學(xué)、IBM、甲骨文、亞馬遜網(wǎng)站等等。
而這些企業(yè)之所以成為關(guān)鍵性企業(yè)的原因，有如下兩點(diǎn)：（1）該企業(yè)的核心技術(shù)具有多元化發(fā)展的特征，例如通用電氣公司包括11 個(gè)業(yè)務(wù)集團，除了生產(chǎn)消費電器、工業(yè)電器設備外，還涉足武器制造、宇宙航空儀表、噴氣飛機引航導航系統、多彈頭彈道導彈系統、雷達和宇宙飛行系統等。（2）該企業(yè)的核心技術(shù)具有較強的基礎性。例如甲骨文公司的數據庫產(chǎn)品在金融服務(wù)業(yè)領(lǐng)域的廣泛應用。
4 結論
本文通過(guò)從專(zhuān)利的前向引用關(guān)系構建出世界500 強企業(yè)的專(zhuān)利共被引矩陣，從而使得對眾多不同行業(yè)的專(zhuān)利共被引研究成為可能。結合社會(huì )網(wǎng)絡(luò )分析及信息可視化技術(shù)，本文對專(zhuān)利數量大于100 的232 家世界500 強企業(yè)進(jìn)行技術(shù)競爭地圖的實(shí)證研究，研究技術(shù)群的聚類(lèi)分布、技術(shù)競爭的整體結構，以及挖掘技術(shù)競爭網(wǎng)絡(luò )中的關(guān)鍵性企業(yè)。電子電器產(chǎn)業(yè)作為專(zhuān)利發(fā)表強度最突出的行業(yè)領(lǐng)域，在技術(shù)整體競爭中發(fā)揮了非常重要的作用。航空國防產(chǎn)業(yè)則在電子電器與汽車(chē)產(chǎn)業(yè)之間形成了重要的橋接作用。通過(guò)共被引網(wǎng)絡(luò )挖掘出中介中心性最大的關(guān)鍵性企業(yè)，例如通用電氣、IBM、甲骨文，其在不同產(chǎn)業(yè)之間的技術(shù)橋梁作用也非常重要。
[參考文獻]
[1] 李睿，孟連生. 論專(zhuān)利引用行為與期刊論文引用行為在揭示知識關(guān)聯(lián)方面的差異[J]. 情報學(xué)報,2012,29(3): 474-478.
[2] 李艷，趙新力，齊中英. 技術(shù)競爭情報的現狀分析[J]. 情報學(xué)報, 2006,25(2): 242-253.
[3] Breitzman A, Thomas P, Cheney M. Technological powerhouse or diluted competence: techniques forassessing mergers via patent analysis[J]. R & D Management, 2002,32(1): 1-10.
[4] 邱均平，羅力，蘇金燕, 等. 基于專(zhuān)利權人共被引的企業(yè)技術(shù)創(chuàng )新態(tài)勢研究[J]. 情報科學(xué), 2012,(2):161-165.
[5] 王賢文，劉則淵，侯海燕. 基于專(zhuān)利共被引的企業(yè)技術(shù)發(fā)展與技術(shù)競爭分析：以世界500 強中的工業(yè)企業(yè)為例[J]. 科研管理, 2012,31(4): 127-138.
[6] Seidel A. Citation system for patent office[J]. Journal of the Patent Office Society, 1949,31: 554-567.
[7] Garfield E. Patent Citation Indexing and the Notions of Novelty, Similarity, and Relevance[J]. Journal ofChemical Documentation, 1966,6(2): 63-65.
[8] Narin F. Patent bibliometrics[J]. Scientometrics, 1994,30(1): 147-155.
[9] 楊中楷，梁永霞, 劉則淵. USPTO 中我國專(zhuān)利引用狀況的統計分析[J]. 圖書(shū)情報工作, 2012,(02): 42-46.
[10] 楊中楷，梁永霞，劉倩楠. 專(zhuān)利引用過(guò)程中的知識活動(dòng)探析[J]. 科研管理, 2012,(02): 171-177.
[11] 向希堯，蔡虹. 跨國技術(shù)溢出網(wǎng)絡(luò )結構分析與路徑識別——基于專(zhuān)利引用的實(shí)證分析[J]. 科學(xué)學(xué)研究,2012,(09): 1348-1354.
[12] Mogee ME. Patent co-citation analysis of Eli Lilly & Co. patents[J]. Research-Technology Management,1991,34(4): 43-49.
[13] Lai KK, Chang SM, Chang SB. Using patent citation to explore knowledge flow between differentindustries[M], 2007.
[14] 邱均平，馬瑞敏，徐蓓, 等. 專(zhuān)利計量的概念、指標及實(shí)證——以全球有機電激發(fā)光技術(shù)相關(guān)專(zhuān)利為例[J]. 情報學(xué)報, 2012,27(4): 556-565.
[15] Li X, Lin Y, Chen H, et al. Worldwide nanotechnology development: a comparative study of USPTO, EPO,and JPO patents (1976-2004)[J]. Journal of Nanoparticle Research, 2007,9(6): 977-1002.
[16] Kim Y, Suh J, Park S. Visualization of patent analysis for emerging technology[J]. Expert Systems withApplications, 2012,34(3): 1804-1812.
[17] 孫濤濤，金碧輝. 關(guān)鍵技術(shù)挖掘與企業(yè)技術(shù)競爭情報——以 DVD 激光頭技術(shù)為例[J]. 圖書(shū)情報工作,2012,52(5): 129-132.
[18] 王興旺，孫濟慶. 專(zhuān)利地圖在技術(shù)競爭分析中的應用研究[J]. 圖書(shū)情報工作, 2012,53(12): 79-82.
[19] Hanneman R, Riddle M. Introduction to social network methods[EB/OL].
[20] Van Eck NJ, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping[J].Scientometrics, 2012, 84:523–538.
[21] Leydesdorff L. On the normalization and visualization of author co-citation data: Salton's cosine versus theJaccard index[J]. Journal of the American Society for Information Science and Technology. 2012, 59(1):77-85.
【基于專(zhuān)利共被引的世界500強企業(yè)技術(shù)競爭的專(zhuān)利地圖分析】相關(guān)文章：
專(zhuān)利文獻寶躲的開(kāi)采-企業(yè)專(zhuān)利戰略的重中之重03-24
企業(yè)專(zhuān)利資本化戰略12-07
基于企業(yè)生態(tài)位理論的企業(yè)競爭策略研究03-19
高新技術(shù)企業(yè)基于價(jià)值鏈的競爭戰略分03-01
基于技術(shù)跨越的企業(yè)技術(shù)學(xué)習探討03-22
探討世界500強的項目管理03-13