论文部分内容阅读
技术转移对于我国实施自主创新战略、推动经济集约式增长具有十分重要的意义。长期以来，技术转移是我国国家创新体系建设中的薄弱环节，除了缺乏良好的体制、机制和政策环境以外，在实施层面往往遇到了来自技术层面的阻力。识别专利组合是解决上述问题的有效途径之一，对于提高专利价值和专利转移效率具有十分重要的意义。基于此，本文提出了一种计算机辅助识别专利组合的方法体系，结合多种统计和分析方法构建了专利组合技术相关性指标、互补性指标以及组合识别模型。相较于传统依赖专家经验判断的方法来说，该方法具有节约人力成本、深入发掘技术关联等优势。 本研究的思路是以理论研究为基础，提出识别专利组合的方法体系并进行实证分析的过程: 首先，在明确研究背景及意义的基础上，界定了专利组合、专利技术关联性的概念，区分了技术转移中两类特征鲜明的专利组合——基于技术相似性的组合与基于同一产品不同技术的组合。梳理了专利组合识别方法以及专利技术关联性方法的研究现状，对现有研究方法进行总结和评述，为后续研究提供了理论基础和方法切入点。 然后，提出了本文识别专利组合的方法体系，在对专利组合进行技术特征分析的基础上，借鉴机器学习中监督学习的思想，从已由领域内技术专家认可的专利组合出发，构建专利组合技术相关性指标和互补性指标，其中互补性指标可分为聚合性、交叉性和差异性三个维度;提出基于变异系数加权的多指标综合评价模型来识别专利组合;最终预测出该技术领域潜在未知的专利组合。 接下来，实证研究以日本东京毅力科创株式会社的电子半导体领域在华专利为分析对象，验证了指标的测度效力和专利组合识别模型的有效性，并最终识别出两种类型的组合11个，并对预测结果进行评估分析。 最后，在上述方法研究和实证研究的基础上，探讨了该方法在技术转移中的应用和对策建议，对本文的研究方法、研究贡献进行总结，提出了现阶段研究的不足和后续研究的方向。