论文部分内容阅读
本文将一定时期区间内的某技术领域的具备一定竞争力和/或市场价值的专利称为核心专利，并假设这些专利与其他专利相比具有某种特殊属性，可以从专利文献信息中分离出来，称这种分离方法为核心专利识别。 核心专利识别方法大致可以分为主观和客观两大类，本文着重研究了后者，即根据专利文献信息中的某些数值指标及其加权组合的值的大小识别核心专利，并给出了核心专利的量化定义。 专利文献信息的属性很多，本文选择其中的专利发明人数、专利权人数、专利引用非专利文献数、施引专利计数、专利引用专利文献数、同族专利成员计数、权利要求计数、同族专利国家/地区数等八组属性，将其值作为识别核心专利的指标。为此，定义这八组指标的加权值为核心专利综合指数(Composite Index of CorePatent，以下简称CICP)，在此基础上深入地分析研究了加权系数的三种确定方法，即层次分析法(AHP)、粗糙集理论(RS)和TOPSIS(Technique for Order Preferenceby Similarity to an Ideal Solution)法。研究表明，粗糙集理论能更有效地分析和处理专利信息，与层次分析法相比其结果更为客观，权重确定结果比TOPSIS法更理想。此外，研究还表明，在同一时间段，不同技术领域，其指标效力并不一样，即各指标权重不一样，本文称此为指标效力的技术领域分析;在同一技术领域，不同时间段，其指标效力亦不一样，本文称此为指标效力的时域分析。 在上述研究的基础上构建了核心专利识别模型，借助Thomson Innovation专利检索平台和Excel表格处理工具，采用AHP-RS新方法确定核心专利识别指标的组合权重系数，计算出专利信息序列的CICP值，实现了从大量专利信息中识别出核心专利的目标，结果较为满意，研究成果丰富了核心专利识别的理论和方法。