基于指数随机图模型的专利引用关系形成影响因素及机理研究

Formation of patent citing relationship is affected by a number of factors, and the current analyzing methods cannot explain the characteristics of the patent citation network as a complex network. This project takes exponential random graph model (ERGM) as the quantitative research method, to establish a model for supporting comprehensive analysis involving of multiple relation-based factors, and using this model as the foundation to carry out an research on the effected mechanisms of these factors. By statistical inference method, the project will explain the strength and significance of the factors, and explore the cross and penetrated relationships between these factors. Evaluating the current regulation of information disclosure statement; using stimulation to realize the structural inference for network extraction; and propose a weighted scheme for multiple citation-based integration. The research has theoretic and practical value in the science and technology evaluation and patent analysis.

专利引用关系的形成受很多因素影响，且当前的分析方法无法解释专利引文网络的复杂网络特征。本项目采取指数随机图模型作为定量研究方法，构建支持多种网络关系因素进行综合分析的ERG模型，并以此作为基础开展影响专利引用关系形成的机理研究，对关系形成的复杂影响因素进行统计推断，解释影响因素的正负向及强弱效应，及各影响因素之间的交叉渗透关系等现象，提出专利引证责任设定方案，并通过模型仿真实现利用局部构造对整体网络结构的推断，提出专利引用多重关系整合的权重设置方案。本项目的研究对于科技评价和技术挖掘工作的开展具有重要的理论价值和实践意义。

专利引文由于能够追踪技术发展的脉络，测量国家、区域间的技术扩散、技术溢出，衡量发明、技术的质量与价值，分析创新主体的技术战略行为，因此，在科技评价过程中具有十分重要的作用。近年来，学者们通过网络分析方法引入专利引文分析，涌现大量专利引文网络相关的研究成果，这些研究极大丰富了专利引文分析的视角，突破了传统单纯依赖专利引文频数进行分析的思路，采用可视化及描述性统计方法对专利引文的结构、动态特征开展了大量的讨论。然而，由于缺乏一套综合性的统计网络推断方法，极大限制了研究人员从社会网络分析中获得有效的分析结论。根据关系形成理论，专利引文关系形成不仅受到了自身属性特征的影响，也包括内部网络自组织结构特征以及外部网络协同作用的共同影响。而传统的回归模型对观察对象设定的独立性假设，无法将网络的结构效应因素整合到模型中来提供综合性的统计推断。ERGM模型是一种创新性的统计推断方法，它能够将属性特征、自组织特征以及网络协同特征三种特征综合起来观察。.在ERG模型的指引下，梳理现有文献中关于专利引文网络形成影响因素的关键研究进展，建立起关键研究进展与ERG模型中网络结构间的映射关系，形成一个可用于指导专利引用关系形成模型的解释框架，该解释框架由网络自组织、专利自身属性、网络协变量三部分构成，为后续网络统计推断奠定基础。同时，本研究以奈拉滨药物的专利引文网络作为研究对象，利用ERGM系统检验了影响专利引用关系的五种机制：专利属性的主效应；专利引用时间的差值效应；专利引用关系的聚敛效应；专利引用关系的传递效应；专利引用关系的网络协同效应，并对上述五种机制对于专利引用关系形成的综合影响进行了评价。

内容获取失败，请点击重试