专利引证网络中创新节点的浮现与长期演化研究

In the era of big data and big science, it has become a share focus issue to sort out the context of knowledge developing from heterogeneous information resources and making accurate judgments on the key areas and innovation trends of science and technology. Citation network, which could detect large and young emerging clusters earlier, shows the best performance in detecting a research front and has the least risk of missing emerging research domains because core papers are included in the largest component. In the patent citation network, how to explore innovative nodes, especially those have the potential of long-term impact, in their early stage? Our research tries to explore the citation process of innovative nodes from large time span: First, we will study the dynamic structure characteristic of patent citation network(PCN), analyzing the emerging mechanism of innovation nodes in the evolution process of PCN. Second, the long-term evolution of innovation nodes will be discussed in PCN. Third, the detection method of innovation nodes will be proposed. Then, we will design and build a experimental system for simulating the emerging process and long-term evolution of innovation node in PCN. At last, empirical studies of discovering the most impact innovative patents in the past decades and prediction analysis of the the most potential patent in the earlier future will be proposed. This research has important theoretical implications to effectively cope with the information crisis, and has practical significance to provide methods and tools for trends prediction and decision-making reference for countries and enterprises in science and technology strategy.

大数据和大科学时代背景下，从庞杂的信息资源中理清知识发展的脉络，对科技的重点领域和创新趋势做出准确的判断变得异常困难。直接引证网络分析可以快速发现大规模、新兴潜隐趋势，具有最好的探测效果，关键文献被排除在新兴研究领域之外的风险是最小的。在专利引证网络中，如何发现创新节点？特别是那些具有长期发展潜力的创新节点，并且在这些节点的初创期就找到它们。本课题尝试从大时间跨度上探讨创新节点的引证过程：探讨专利引证网络的动态结构特征演变，研究专利引证网络演化中创新节点的浮现机理，分析专利引证网络中创新节点的长期演化模型，为有效应对情报危机、探寻战略性的科技创新发现提供理论支撑；研究专利引证网络演化中创新节点的探测方法，构建基于专利引证网络创新节点长期演化的仿真系统，实证和预测未来最具发展实力的科技专利，为科技趋势预测提供方法和工具，为国家和企业制定科技发展战略提供决策参考。

本课题收集和整理了近40年各类专利数据约770万条，建立了专利分析原型系统，具备全文检索子、专利网络分析、模拟仿真、趋势探测、专利大数据分析和深度学习等功能。学术研究从以下几方面展开：.1）专利引证网络演化中的动态结构特征方面。首先，比较分析了直接引证网络和文献耦合网络用于探测新兴趋势的效能差异。然后，综合利用链路计数和相对熵方法识别专利引文网络中的关键创新节点，研究了引文网络的动态时变特征和节点影响力的时变性。最后，探讨了科技创新主路径上的链路与弱连接的关系问题。.2）专利引证网络中科技创新节点的浮现研究。首先，分析了科技发展过程中的大趋势和小趋势和趋势叠加的状况，进行了科技创新路径上重大转变节点的识别研究。然后，从路径演化和引文分析两个角度分析了科技创新路径转换的发生原因和内在机理。最后，对专利网络演化中创新节点的创新程度度量进行了研究，探讨了不同类型研究机构的创新性质。.3）专利引证网络演化中创新路径和创新节点的探测方法。第一，构建一种基于引文路径叠加的科技创新主路径发现方法。第二，基于专利文献的关联关系设计了一种新的科技创新路径发现方法。第三，提出了多源前向局域搜索路径、多汇逆向局域搜索路径、全局组合路径来发现科技创新路径。第四，考虑技术主路径引用链接的权重演变，提出基于边链接影响力流的主路径搜索策略。.4）专利引证网络中创新节点和创新路径演化的实证、仿真和预测方面，前述创新节点和链接特征以及科技创新路径发现方法我们均采用专利数据和科学引文数据进行了实证研究。.综上所述，本课题主要探讨了基于专利大数据的创新节点度量、创新路径发现、创新趋势探测三个方面的问题。本研究对于知识管理、科技评价、产业发展规划及企业技术发展管理具有重要意义，可以为科技发展和创新趋势预测提供方法和工具，为国家和企业制定科技创新发展战略提供决策参考。