基于关键节点与关键路径的专利集群网络演进研究

实证研究表明，专利信息包含着全球90%～95%的科技信息[1]，若专利知识得到有效利用，可节省40%～60%的时间和精力，而实际情况是，蕴含着海量知识的专利却未被充分利用。专利作为技术和知识的重要载体，已成为研究机构和企业创新过程中必须借鉴的重要信息源。专利文献记载着技术创新、工艺创新、流程创新和产品创新的核心内容，呈现了技术不同时期研发状况，是判断产业创新态势的重要指标[2]，也是衡量技术演进的重要指标[3]。知识和技术溢出是集群演化的关键因素[4]，整个技术扩散过程亦通过专利引文网络更加清晰地展示出来[5]，反映了产业技术演进过程，有助于梳理技术发展历程和预测未来发展趋势。

根据国内外对技术演进的讨论，将每一个专利看作一个知识的载体，通过对知识载体传承的引证网络进行分析，识别出关键路径和关键节点是技术演进研究的重要内容。学者们对专利集群网络进行了大量理论和实证研究，验证了关键节点和关键路径对技术演进及网络演化的重要性，但目前缺乏针对专利集群网络演进过程中关键节点与关键路径节点比较分析和可视化呈现的研究。

本文综合利用关键节点和关键路径研究技术演进特征，依据专利数量和专利权人数量变化特征划分技术生命周期，构建每一阶段专利集群网络并加以可视化呈现。基于搜索路径节点对(search path node pair，SPNP)方法识别专利集群网络关键路径，对网络演进不同阶段关键节点和关键路径中的节点进行比较分析，从核心专利和关键路径两个层面，更全面地展现技术演进过程和特征。

本文选取碳化硅肖特基势垒二极管(silicon-carbide Schottky barrier diode，SiC-SBD)专利为实证数据。碳化硅(Silicon carbide，SiC)作为第三代半导体产业关键基础材料，是制造耐高压、耐高温、高频工作、大功率半导体器件的理想材料，碳化硅半导体器件在军事国防、电动汽车、高速铁路、舰船驱动、光伏和风力发电等领域具有极其重要的应用前景，碳化硅半导体器件的技术创新与突破、持续优化改进以及全面推广已成为我国亟待开展并不断深化的工作。SiC-SBD作为一款发展较早、日趋成熟并成功商业化应用的典型产品，专利集群网络生命周期特征显著，研究SiC-SBD集群网络和演进规律，为专利集群网络分析提供一个案例和框架；同时，通过专利集群网络识别核心技术，为我国政府、高校、研究机构和企业了解该领域前沿技术、制定研发计划、开展专利申请等提供决策依据。

1 文献综述

在专利集群网络中，存在着起点、终点、中介点和孤立点。中介中心性(Betweenness Centrality)在识别媒介角色中最早被提出，广泛应用在组织绩效评价、复杂网络分析、论文质量分析、网站影响力评价等方面[6]。如果没有中介节点连接，当新技术和新知识出现时，网络中会出现结构洞并形成一个个相互独立的小网络，导致知识传播和技术传承受阻。而处在结构洞连接位置的节点，能够通过信息过滤获得更多竞争优势和创新能力[7]，通常该节点揭示巨大的知识传播潜力或令人非常感兴趣的工作。如陈超美等[8]开发的文本挖掘与可视化软件Citespace，使用节点在网络中的中介中心度来测度结构洞和转折点，并针对高中介中心度节点在知识图谱中的作用作出分析和解释；Wang等[9]发现专利引用网络中介中心性与未来专利引用量、专利维持年限具有因果关系，能够预测专利质量；Hung & Wang [10]在研究无线电识别网络(FRID)的网络特性时发现，81%的专利网络链接与少数高中介中心度节点相关；Hochull Choe等[11]研究太阳能电池技术知识网络时发现，具有高中介中心度的组织位于网络中心并引领技术知识流动；Wang等[12]通过美国专利商标局数据库(USPTO)检索联合专利分类以探讨纳米技术演进时发现，纳米技术发展趋势与高中介中心度专利发展趋势具有相关性；Abbasi等[13]在研究作者合作网络中3种中心性对潜在合作者吸引力时发现，新进入作者更倾向于与高中介中心度作者合作，协作网络不断发展，高中介中心度作者的合作关系越来越多，地位也变得越来越重要；Ju & Sohn [14]基于文本和数据挖掘的稀土元素专利模式，用中介中心性表示技术转折以及划分技术集群；Hou等[15]在研究多层次科学研究合作网络时发现，中介中心性曲线服从Zifp-Pareto分布；Liu等[16]研究纳米技术合作网络时发现，高中介中心度节点代表着具有核心竞争力的大型组织，其发挥了重要中介作用，并吸引更多组织进行合作。Innography平台测度专利强度参考了十余个相关指标，如专利被引频次指标、同族专利大小、权利要求数量指标、专利申请时程、专利年龄、专利诉讼等，常被用作识别核心专利并分析专利价值，但其指标间权重确定具有一定主观性，专利检索式构建比较麻烦且需要专业分析。通过专利集群网络研究技术演进，当技术路径出现分支，下一阶段技术如何发展，需要通过中介节点加以判断，识别网络中高中介中心度节点具有重要意义。

Hummon&Doreain[17]在关于关键路径的应用研究中，提出路径连接统计值(search path link count，SPLC)、搜索路径节点对(search path node pair，SPNP)以及节点对投影计数(node pair projection count，NPPC)三种路径统计算法，根据网络搜索路径中的遍历数计算链路连通性，并且将权重分配给每个网络连线；Hummon & Doreian[17]在提出关键路径方法时发现，出度大于零的引文网络节点，最后都收缩于关键路径；Fontana等[18]通过较多节点网络分析验证了Hummom的理论，并认为所有路径基本上收敛于关键路径，全局关键路径分析具有重要意义；Verspagen[19]通过计算认为，SPNP和SPLC方法计算结果相似，在运用SPNP基础上提出关键路径网络演化(network of the evolution of top path，NETP)方法，用以揭示最优路径随时间变化；Choi & Park[20]提出前向引用节点对(forward citation node pair，FCNP)概念；黄鲁成等[21]对前向引用关系专利进行了技术知识扩散潜力测度。研究技术演进路径对把握技术脉络、预测技术发展趋势和学习先进技术具有重要意义。学者们通过专利数据对主路径展开了大量研究，分析主要围绕以下方面展开：关键路径全局分析或局部分析，单一关键路径分析或多路径组合分析，基于关键路径或起点到终点遍历方式搜索关键路径，关键路径上节点或连线权重分析、多起点路径分析、关键路径成分分析等[22]。运用关键路径分析技术演进具有直观、快捷和方便等特点，但引用网络具有一定时间滞后性，已有文献在确定和分析关键路径时，错过了约20%的重要专利[23]。

2 基于关键节点与关键路径的专利集群网络演化分析方法

2.1 关键节点测度

根据Freeman等[24]、Ulrik等[25]学者的理论，中介中心性(Betweenness Centrality)描述的是一个点在多大程度上位于网络中其它“点对”的“中间”，是指网络中经过某点并连接这两点的最短路径占这两点之间最短路径总数之比，是常用的中心性测度指标之一。在专利集群网络中，如果一个专利节点处于大量其它专利节点对的最短路径上，则该专利节点具有较高中介中心度。

在运用过程中，常基于两个假设：各路径权值相等；知识从一个专利传播到另一个专利过程中总是走最短路径。通常中介中心度越高的节点，对知识流动促进作用越强[26]。中介中心性测度的是节点作为信息枢纽的能力，在技术演进过程中扮演着桥梁作用，连接同一网络中的新旧知识。中介中心性分析对符合无标度(scale-free)特征的网络尤为重要[27]，即网络中心度分布呈现明显“少数节点拥有大量联结，大量节点拥有少数联结”现象，具有高中介中心度的节点是技术知识传播的重要来源[28]。中介中心度计算公式如下：

其中，s、t和v表示节点，σst表示专利节点s和专利节点t间最短路径的数量，σst(v)表示最短路径经过专利节点v的数量。在实际运用中，中介中心度计算方法一般分为两步：计算所有节点对的最短路径数和最短路径长度；针对单个节点，加总其所有节点对的依赖值。

2.2 关键路径识别

专利引文网络具有较高的复杂性，比单链基本专利引用复杂得多，蕴含着知识传播、流转、扩散、重组等过程，是知识的传播网络，为识别核心技术演进提供原理。根据Hummon等[17]学者的基本理论，判断节点是否为重要节点，应该考虑网络中整体连接结构。基于搜索路径节点对(Search path node pair，SPNP)的关键路径识别方法如下：

SPNP(Suv)=N(u)×N'(v)

其中，Suv表示由引用专利指向施引专利的有向边，SPNP为节点对数目，SPNP(Suv)表示含有节点对和有向边的专利引用频数。N(u)表示被专利u引证的节点数目，包括u本身及直接或间接被专利u引用的节点数。N'(v)表示引证专利v的节点数目，包括v本身及直接或间接引证专利v的节点数。计算每一个路径的SPNP值，统计值越大，其在连通网络中的重要性越高，SPNP方法考虑了中介节点在关键路径中的作用。

2.3 基于关键节点与关键路径的专利集群网络演进思路

识别基于路径依赖的媒介专利节点，对中介中心度进行测量，只研究网络中少量连接点而不是整个网络，为技术演进提供了一种分析方法，为多维度和多角度研究技术演进提供了新思路。

基于关键节点与关键路径的专利集群网络演进具体分析步骤如下：

(1)数据下载和清洗。确定专利集群网络演进研究所使用专利数据库和检索条件，根据专利检索表达式搜索和下载数据。通常来说，专利信息为公开数据，专利数据库选取不但要考虑合理性和易获取性，更重要的是尽量考虑综合性和全面性。

(2)统计分析。对专利技术领域、专利增长变化等基本信息进行分析，确定最终数据集，检索专利量和专利权人数量变化特征，并按时间进行统计，采取程序语言进行数据处理、清洗及矩阵构建。本文采用Matlab编程对数据进行处理、清洗和分类以保证数据的真实有效性，并构建专利引用关系矩阵。

(3)专利集群网络模型构建和结果输出。构建基于技术生命周期的专利集群网络演进模型，对专利集群网络进行关键节点、关键路径分析以及可视化呈现，从两个层面分析专利集群网络演进。

3 碳化硅肖特基二极管专利集群网络演进实证分析

3.1 碳化硅肖特基二极管专利集群分析

本文数据来源于德温特数据库(Derwent Innovation Index，DII)，该数据库收集了自1963年以来全球40多个专利机构1 300万项基本专利和3 000万项专利，每周增加约4万项专利，是世界上收录专利数据最全和最权威的专利数据库之一。运用高级检索中布尔运算符输入TS=("silicon carbide") AND TS= Schottky，检索时间为1963-2017年，检索日期为2017年10月27日，共检索到1 238个专利族，涉及671个国际专利代码(International Patent Code，IPC)。

3.1.2 技术领域分类

《国际专利分类表》(international patent classification，IPC分类)是根据1971年签订的《国际专利分类斯特拉斯堡协定》编制的，是目前惟一国际通用专利文献分类和检索工具，为世界各国普遍使用，结合专利数据分析能够较为全面揭示技术发展领域基本状况。目前，IPC是对专利进行技术分类的重要方法，几乎涵盖了与发明创造相关的全部领域，一般分部、大类、小类、主组、分组5个等级，SiC-SBD专利的IPC分类如表1所示。碳化硅肖特基二极管(SiC-SBD)专利量和主要IPC随时间变化的总体情况如图1所示。

从主要IPC构成可以看出，SiC-SBD发展主要涉及专业性强的半导体器件(H01L)领域。依据IPC代码含义，排名前列的IPC主要为肖特基二极管材料制备和加工技术、二极管制造工艺、势垒电极分析、绝缘栅产生场效应研究等。

3.1.3 专利集群网络演进生命周期

专利技术生命周期是指在技术发展过程中，专利申请量和申请人/发明人/专利权人数量的一般性周期规律，可以判断专利所处技术发展阶段，预测技术未来发展方向。依据专利最早优先权日对专利数据进行按年统计，通过专利申请量和专利权人数量可将SiC-SBD专利演化过程划分为萌芽期、成长期、成熟期和衰退期，如图2所示。

(1)萌芽期。1999年以前，专利数量和专利权人数量很少，且年增长量变化幅度小，属于SiC-SBD专利集群网络萌芽期。碳化硅肖特基势垒二极管在1985年问世，由Yoshida制作在立方相碳化硅(3C-SiC)上，1986年SiC-SBD相关专利可查询。

(2)成长期。2000-2009年，专利数量和专利权人数量总体上逐年增加，说明这一时期存在新技术的突破。2004-2005年出现了专利数量和专利权人数量的年增长量减少的状况，SiC-SBD研究机构存在一定的调整，但随后专利数量和专利权人数量又开始了小幅增长，一些新机构加入该领域的研究，这一阶段为技术成长期。

(3)成熟期。2010-2013年为技术规模达到顶峰前的快速发展期，专利数量和专利权人数量以较快速度增长，说明技术有了重大突破，其隐含经济价值开始显现，众多机构在这一时期加入该领域研究，此阶段处于技术成熟期。2001年，德国英飞凌公司推出SiC-SBD产品，美国科锐和意法半导体厂商也紧随其后推出了SiC-SBD产品。2013年9月29日，碳化硅半导体国际学会“ICSCRM 2013”年会召开，24个国家的半导体企业、科研院校等136家单位与会，科锐、三菱、罗姆、英飞凌和飞兆等在会议上均展示了最新量产化的SiC-SBD器件。

(4)衰退期。2014年至今，SiC-SBD专利量和专利权人量年增长量均下降，说明经过30多年的发展，SiC-SBD技术处于成熟期末期并开始进入衰退期。目前为止，具有低损耗、耐高温和耐高压等特性的SiC-SBD已经从实验室进入实用器件生产阶段。

3.2 碳化硅肖特基二极管专利集群网络演进核心专利识别

通过SiC-SBD发展趋势分析，可以将该技术发展分为4个时期，分别为1986-1999年、2000-2009年、2010-2013年，2014-2017年。根据技术发展不同阶段，识别每一阶段关键节点作为核心专利。

(1)萌芽期专利集群网络及核心专利。1986-1999年是SiC-SBD萌芽阶段，技术多为基础工艺，此阶段核心专利体现原创性和无法替代性，是后续研究的基础。此阶段专利集群网络包含346个节点，1 755条边，中介中心度越大的点颜色越深，如图3a所示。

运用网络中介中心性识别出核心专利，值大于零的7个专利分别为US4897710-A、US5216264-A、US5635412-A、US5612547-A、US5135885-A、JP63047983-A、US5389799-A，是本阶段核心专利，核心专利授权国为美国(US)和日本(JP)。如表2所示，所列7件专利值相差较大。其中，部分专利值较小，而值越大越能够体现知识快速传播和技术再创新。图3b为核心专利间引用关系网络，核心专利间引用关系较简单，知识传播途径为由US4897710-A到US5216264-A和JP63047983-A，由US5135885-A到US5635412-A两条路径。

(2)成长期专利集群网络及核心专利。 2000-2009年SiC-SBD专利增长速度较快，虽然年申请量在2004-2006年间基本保持不变，但专利量和专利权人数量总体呈现同步增长趋势，本阶段为成长期，这一时期专利的经济价值有所体现。该阶段申请或获得核心专利所在国家、地区或组织主要为美国(US)、日本(JP)、欧洲(EP)以及世界知识产权组织(WO)。此阶段专利集群网络包含5 233个节点，73 732条边，如图4a所示。

如表3所示，值排名前20的专利中，US6313482-B1、US6573128-B1、US6673662-B2、US7026650-B2、EP1349202-A2、JP2004221513-A的值均大于3 000，说明以上专利具有显著技术延续性，对后续技术演进起到必不可少的作用。图4b为核心专利之间引用关系图，说明核心专利间引用比较频繁，知识传播途径多样且传播路径短，有利于知识快速传播。

(3)成熟期专利集群网络及核心专利。 2010-2013年，专利数量和专利权人数量增长速度较快，SiC-SBD技术发展迅速，2013年专利增长量达到峰值。如图5a所示，本阶段专利集群网络包含5 553个节点，41 065条边。如表4所示，值排名前20的专利中，核心专利授权国增加了加拿大(CA)和中国(CN)。如图5b所示，排名前20的核心专利间引用关系较弱。

(4)衰退期专利集群网络及核心专利。2014-2017年，专利数量和专利权人数量增长幅度较第三阶段有所下降，且一直呈现下降趋势，可以看出，SiC-SBD技术研究增长速度放缓，这一时期核心专利价值体现为其经济价值。如图6a所示，本阶段专利集群网络包含3 609个节点，11 974条边。如表5所示，值大于零的10个专利分别为US9214458-B2、JP2014192352-A、KR2014035594-A、P2015046500-A、JP2014060276-A等，是本阶段核心专利。如图6b所示，核心专利间引用关系非常弱，短期内技术延续性较差。

3.3 SiC-SBD专利集群网络关键路径分析

将提取的1986-2017年专利引用关系矩阵数据导入Gephi进行格式转换，利用Pajek软件对引用网络进行关键路径分析，通过对专利进行关键路径分析，获取SiC-SBD专利集群网络关键路径。网络中连线由施引专利指向被引专利，技术演进方向与引用方向相反。

1986-2017年，SiC-SBD专利集群网络包含12 781个节点，128 264条边，依据搜索路径节点对方法，关键路径合并同族专利后包含12个节点，可以看出技术演进基本状况，如图7所示。

对SiC-SBD关键路径中节点对应的专利进行分析发现，SiC-SBD技术最早由夏普、富士电机、罗姆和科锐等电子设备公司掌握。SiC-SBD专利量在萌芽期较少，主要是基础性研究，成长期技术发展方向为SiC-SBD不同结构研究，目前以完善和设计器件结构、改进二极管性能为主要研究方向。

3.4 基于关键节点与关键路径的SiC-SBD专利集群网络演化结果分析

综合核心专利和关键路径可以得出：

(1)萌芽期技术发展方向由US4897710-A到US5216264-A和US5614749-A，其中，US4897710-A和US5216264-A是最初的核心专利。此阶段，具有高中介中心度的专利在技术演进过程中是重要知识传播途径，尤其是时间久远且被多次引用的核心专利。

(2)成长期技术发展轨道延续了专利US5614749-A，依次增加了US6313482-B1、US6673662-B2、US7262434-B2(同族专利JP2004221513-A)等专利。其中，US6313482-B1、US6673662-B2、JP2004221513-A、US7902054-B2和US7262434-B2是成长期排名前20的高中介中心度核心专利。

(3)成熟期技术发展轨道增加了JP5926893-B(同族专利JP2012231019-A)。

(4)衰退期技术发展轨道通过WO2014045550-A1(同族专利JP2014060276-A)和WO2016002058-A1延续，其中WO2014045550-A1是衰退期核心专利。通过关键节点和关键路径分析得到的专利节点重合率约为58%。

4 结论与启示

本文运用中介中性测度关键节点，运用搜索路径节点对(SPNP)识别关键路径，提出了基于关键节点与关键路径的专利集群网络演进分析方法。以德温特数据库收录的碳化硅肖特基二极管专利资料进行实证研究，应用统计分析方法，结合专利生命周期划分、中介中心度计算和关键路径提取等方法，对SiC-SBD集群网络进行系统分析，并对专利集群网络演进过程中每一阶段核心专利和整体网络的关键路径中节点进行比较和可视化呈现。

通过分析可以得出，随着时间推移，SiC-SBD专利量变化呈现一般性周期规律，依据技术生命周期可以判断专利所处技术发展阶段以及预测技术发展方向。碳化硅肖特基二极管专利涉及的主要研究内容为材料制备和加工技术、二极管制造工艺、势垒电极分析、绝缘栅场效应等。该技术先后在美国、日本、欧洲快速发展，我国对该领域技术的研究从技术成熟期开始迅速发展，但从关键技术路径来看，关键技术仍然以美国和日本专利为主。目前SiC-SBD已经开始商业量产，成熟期专利主要研究方向是完善和设计器件结构、改进二极管性能等。技术生命周期划分及技术演进分析与SiC-SBD发展历史基本吻合，研究框架和分析方法具有一定实践意义。

通过SiC-SBD专利集群网络研究，得到几点重要启示：专利集群网络中介中心度高的关键节点在技术演进和再创新中起着重要作用，识别技术发展过程中的关键路径和高中介中心度节点，有利于发现技术演进规律和未来发展方向；在运用引用网络研究技术演进时，关键路径上的专利节点与高中介中心度的核心专利重合度高，高中介中心度节点间关系体现着技术演进方向，在研究短间隔或近期核心专利以及预测技术演进时，运用中介中心性分析比关键路径分析更具先导性；利用专利集群网络特征评估核心专利，具有快速、低成本、直观等特点，方便对基础技术和技术前沿进行分析。

本研究也存在一些不足之处：为尽量得到最全面的引用关系网络，提取数据时保留了同族专利，引用关系更为全面但集群网络也更为复杂；对专利关系矩阵的构建依赖于直接引用关系，并未对专利共现和共被引进行比较分析；对专利集群网络的复杂网络特性进行实证分析，发现高中介中心度节点与关键路径节点重合度较高，其计算理论基础都涉及网络中的最短路径和节点对，但未从关系假设检验和数学运算角度进行验证与计算，中介中心度值的高低未给出具体界定范围，这也是未来研究可以拓展的方向。

[1] LIU C,YANG J.Decoding patent information using patent maps [J].Data Science Journal,2008,7:14-22.

[2] 杨仲基,王宏起,王珊珊,等.基于动态网络方法的产业专利合作态势研究——以中国石墨烯产业为例[J].科技进步与对策,2018,35(9):59-65.

[3] 王江,王光辉.中国电动汽车技术演进分析:行动者网络视角[J].科技进步与对策,2018,35(11):60-68.

[4] 杨张博,高山行.生物技术产业集群技术网络演化研究——以波士顿和圣地亚哥为例[J].科学学研究,2017,35(4):520-533.

[5] 孙冰,徐晓菲,苏晓.技术扩散主路径及核心企业的识别研究——以手机芯片专利引文网络为例[J].情报学报,2019,38(2):201-208.

[6] 肖宇锋,江洪,董克.专利权人引用网络中的媒介角色研究[J].现代图书情报技术,2011,(11):60-66.

[7] RONALD S B,NORM C.The network structure of management roles in a large matrix firm [J].Evaluation and Program Planning,1992,15(3):303-326.

[8] CHEN C M.CiteSpace II:detecting and visualizing emerging trends and transient patterns in scientific literature[J].Journal of the American Society for Information Science and Technology,2006,57(3),359-377.

[9] WANG J C,CHIANG C H,LIN S W.Network structure of innovation:can brokerage or closure predict patent quality[J].Scientometrics,2010,84(3):735-748.

[10] HUNG S W,WANG A P.Examining the small world phenomenon in the patent citation network:a case study of the radio frequency identification (RFID) network [J].Scientometrics,2010,82:121-134.

[11] HOCHULL C,DUK H,HEE D K.Structural properties and inter-organizational knowledge flows of patent citation network:the case of organic solar cells[J].Renewable and Sustainable Energy Reviews,2016,55:361-370.

[12] WANG A P,HOU C E,HUNG S W.Exploration of the evolution of nanotechnology from a patent co-classification perspective[J].Nanotechnology Reviews,2018,7(3):233-245.

[13] ABBASI A, HOSSAIN L, LEYDESDORFF L.Betweenness centrality as a driver of preferential attachment in the evolution of research collaboration networks[J].Journal of Informetrics,2012,6(3):403-412.

[14] JU Y H,SOHN,S Y.Identifying patterns in rare earth element patents based on text and data mining[J].Scientometrics,2015,102:389-410.

[15] HOU Y Y,XIA Y G,LIU T,et al.Research on multi-layered scholarly cooperation network based on journal articles and patents[J].Journal of the China Society for Scientific and Technical Information,2014,33:1057-1066.

[16] LIU F C,ZHANG N,CAO C.An evolutionary process of global nanotechnology collaboration:a social network analysis of patents at USPTO[J].Scientometrics,2017,111:1449-1469.

[17] HUMMON N P,DOREIAN P.Connectivity in a citation network:the development of DNA theory[J].Social networks,1989,11(1):39-63.

[18] FONTANA R,NUVOLARI A,VERSPAGEN B.Mapping technological trajectories as patent citation networks:an application to data communication standards [J].Science and Technology Policy Research,2008,18:6-10.

[19] VERSPAGEN B.Mapping technological trajectories as patent citation networks:a study on the history of fuel cell research[J].Advance in Complex System,2005,10 (1):93-115.

[20] CHOI C,PARK Y. Monitoring the organic structure of technology based on the patent development paths[J].Technological Forecasting and Social Change,2009,76 (6):754-768.

[21] 黄鲁成,刘玉敏,吴菲菲,等.基于专利全引用信息的技术知识扩散特征研究——以石墨烯技术为例[J].科学学与科学技术管理,2017,38(4):149-161.

[22] 中国科学技术信息研究所.专利分析的方法探索与实证研究[M].北京:科学技术出版社,2017.

[23] PARK H,MAGEE C L.Tracing technological development trajectories:a genetic knowledge persistence-based main path approach[J].Plos One,2017,12(1):1-18.

[24] FREEMAN L C.Centrality in social networks:conceptual clarification[J].Social Networks,1979,1:215-239.

[25] ULRIK B.On variants of shortest-path betweenness centrality and their generic computation[J].Social Networks,2008,30:136-145.

[26] MAGEE C,BASNET S,FUNK J,et al.Quantitative empirical trends in technical performance[J].Technological Forecasting and Social Change,2016,104:237-246.

[27] 马艳艳,刘凤朝,孙玉涛.中国大学专利被企业引用网络分析——以清华大学为例[J].科研管理,2012,33(6):92-99.

[28] MARTINELLI A,NOMALER O.Measuring knowledge persistence:a genetic approach to patent citation networks[J].Journal of Evolutionary Economics,2014,24(3):623-652.