2021-03-16

---

一、1-s2.0-S0040162520313317-main

1.

比较专利分析，以识别全球研究趋势
用于电池存储，氢和生物能源

2.

1392 / 5000
翻译结果
专利文件可提供有关哪些国家正在投资某些技术的知识，并使其成为专利。
可能确定潜在的创新趋势。本文的目的是分析可能会导致专利侵权的趋势
导致了三种能源技术的创新：生物质的热化学转化（Bioenergy），锂离子电池存储以及通过碱性水电解制氢。根据不同的专利指标，
比较最活跃的国家/地区，以洞悉一个国家/地区的全球市场地位，
特别是德国，在此用作参考。与此相对应的是免费提供的专利分析
该软件工具是通过欧洲专利局的开放专利直接开发的
服务。命名技术的结果表明，德国的专利权活动被认为较低。
与日本，中国和美国等国家进行比较。鉴于德国在电池和
氢具有可比性，在确定的国家和数量上，生物能源显示出不同的结果
找到专利。但是，建议考虑将专利之外的更广泛的范围考虑在内，以使其稳健
有关特定技术趋势的声明。本研究中提出的工具和方法可以用作
在任何技术领域进行探索性评估的蓝图。

二、1-s2.0-S1751157721000092-main

1.

强有力的桥梁还是集中的桥梁？
碳纤维增强材料的四个应用领域

2.

专利的主要目的是保护技术发明。根据经验，发明人（和专利代理人）应力争达到以下最大范围：本发明的保护。我们的基础研究问题是，该规则是否在所有情况下都证明是有帮助的。我们旨在通过信息计量学来回答这个问题方法，重点是在技术的多个应用领域之间架设专利。先前的工作已经确定了在两个或多个应用领域之间架起桥梁的专利技术。到目前为止，仅对这些桥接专利进行了少量分析以获取关于如何实现“桥接”强度的想法。本文的目的之一就是填补这一空白并通过基于文本挖掘的方法对此类专利进行表征，声明分析，并进行正向引文分析。我们选择碳纤维增强塑料的情况以我们为基础的四个专利领域为例，我们为其开发了一套基本专利。我们在此专利集中确定语义锚点，然后-桥接专利我们通过接受稍低的精度水平来扩展我们的专利集，这会带来更高的召回价值。我们发现，桥接专利包括与非桥接专利相比，索赔的数量更多，索赔的复杂性更高。有趣的是，作为独立变量的桥接强度与U形曲线描述了作为因变量的正向引用。这个答案
基础研究问题，即发明人在撰写专利申请时
应该牢固地桥接或集中精力。

3.

关键字：
专利情报
专利计量学
索赔分析
向前引用
技术范围
文本挖掘分析

三、1208.4380

1.

本文介绍了代表所有技术类别的新的全球专利地图，
定位单个组织和技术领域的专利数据的方法
全球地图。这种覆盖图技术可以支持竞争情报和
政策决策。全球专利地图基于引用之间的相似性
国际专利分类（IPC）类别之间的关系
2000年至2006年的欧洲专利局（EPO）专利。此专利数据集，摘录自
PATSTAT数据库中的数据，包括基于466个IPC的760,000项专利记录
类别。我们将由此分类得出的全球专利地图与相关
其他全球专利地图的努力。该论文覆盖了与纳米技术相关的专利
全球两家公司和两个不同纳米技术子领域的活动
专利地图。该练习显示了专利覆盖图在可视化方面的潜力
技术领域，并可能为决策提供支持。此外，这项研究
显示基于引用模式的IPC类别彼此相似
（因此在全球专利地图中很接近）不一定在同一层次中
IPC分支，从而揭示了分类为
与IPC计划中不同（有时是遥远）主题领域有关。

2.

介绍
知识或技术前景的可视化已成为
自其起源以来的出版物和专利分析（Hinze，Reiss，＆Schmoch，1997;
小（1973年）。但是，仅在最近几十年中，计算能力得到了改善
而且算法允许创建覆盖整个数据库的大型地图，即所谓的全球科学地图（请参见Klavans＆Boyack，2009年的概述； Rafols，Porter，
＆Leydesdorff，2010）.i
这些科学图谱或科学图是可视化的
使用网络分析算法的科学领域之间的关系。
科学地图的可视化程序通常用于探索
并以视觉方式识别科学前沿，掌握科学的范围和发展
领域，并分析科研变革的前沿（Van den Besselaar＆
Leydesdorff，1996）。科学制图工作也被用于激发跨学科讨论，以找到交流科学进步的方法（例如，参见
地图科学，网址为http://www.scimaps.org/）。尽管科学地图无法替代
其他用于数据分析的方法论方法，“视觉思维”可以帮助解释
并通过将抽象的和无形的数据集转换为
可见而具体的东西（Chen，2003）。可以使用多种方法来创建
可视化。
本文的目的是双重的：首先，介绍一项全球专利的结果
地图，其次，引入“覆盖地图”技术来定位相对
组织专利活动的技术地位以支持竞争
情报和政策决策。本研究借鉴了
2个
技术距离来解释技术之间的联系并阐述一种方法
对技术格局进行有意义的可视化。
这种可视化方法是科学经验的逻辑扩展
叠加图。它紧密地借鉴了我们之前在科学制图方面的工作（Rafols等，
2010年），并为理解专利态势开辟了新途径，正如我们将
看到与科学景观明显不同。需要开发工具来
基准并捕获组织创新活动的时间变化，或者
技术变革的模式也激发了这项工作。更笼统地说，这个新
方法也伴随着层次结构知识的更广泛变化
科学技术领域（即具有相匹配的子学科和专业
部门结构）转变为因社会变化而产生的“认知方式”网络
契约（Gibbons等，1994），增加了机构间的混合性（Etzkowitz和
莱德斯多夫（Leydesdorff，2000），以及认知和社会结构之间的不和谐。我们的论文
将表明在许多情况下，基于引用到引用的技术相似性
引用与用于组织专利的层次结构不同
知识。
为了举例说明这种方法提供的分析支持，本文
说明了专利覆盖图的应用以对两家公司的纳米技术相关的专利活动进行基准测试，并揭示了专利的核心结构
在两个不同的纳米技术子领域开展活动。纳米技术是一个统称
指的是改善或启用材料的各种新兴技术，
设备和系统使用了工程和组装带来的新颖特性
物质的规模很小。在纳米尺度上，科学发现已经揭晓
3
新颖的特性为广泛的市场应用提供了潜力
细分，例如能源，制药和半导体。具有广泛的
潜在的应用领域，预计纳米技术将具有重要的业务和
未来几年的经济影响。我们之前的工作说明了科学是如何重叠的
地图有助于更好地了解地图的特征和演变
纳米技术领域及其子领域（例如，参见Porter＆Youtie，2009； Rafols和
迈尔（Meyer），2010年）。
本文的组织如下。第2节回顾并讨论了
技术距离和专利文献分析。第3节介绍了
方法论方法。第4节介绍了基于应用程序的初步输出
专利覆盖图到通用专利数据集的分析以及公司专利的分析
投资组合和技术领域。第5节讨论了
该方法，并详细说明专利映射的下一步和未来。纸也
包括访问作者提供的补充材料的信息
在线，如附录中所述。

四、1503.02373

1.

信息科学文献中的最新著作介绍了使用专利的案例
数据库和专利分类信息以构建技术网络图
领域，旨在帮助竞争情报分析和创新决策。
建立这样的专利网络需要适当衡量两者之间的距离
专利分类系统中的不同类别的专利。尽管存在
文献中有各种距离测量方法，目前尚不清楚如何持续评估和
比较它们，以及选择哪些来构建专利技术网络图。
这种模糊性限制了这种技术地图的开发和应用。
在此，我们建议比较替代距离量度，并找出较优的距离量度。
通过分析所得专利在结构特性上的异同
网络地图。使用1976年至2006年的美国专利数据和国际专利
分类系统中，我们比较了12种代表性的距离度量，这些度量量化了场间知识库的接近度，场交叉多样化的可能性或频率。
创新代理，以及同一专利中专利类别的共现。我们的比较
分析表明，专利技术网络图基于归一化的共同参考和
发明人多元化可能性衡量指标是最好的代表。

2.

关键字：
信息映射，专利，创新，技术网络，技术距离

五、1901.03925

1.

专利类别的网络图已被广泛用于分析一致性和
发明者，公司，行业，地区的技术或知识位置的多样化，
等等。要创建这样的网络，需要采取措施将不同类别的
专利数据库中的专利，并且通常指示知识的接近度（或距离）。事先的
研究使用了基于不同观点的各种知识接近性度量
和关联规则。目前尚不清楚如何持续评估和比较它们，以及哪些
对于构建通常有用的总专利类别网络而言，这种方式更为优越。这样的
不确定性限制了先前报告的地图的通用性和应用范围。在此处，
我们使用统计方法从综合
通过评估和比较其对历史的解释力来确定一组典型措施
各个发明人和组织的专利组合的扩展
专利类别。基于1976年至2017年完整的美国授权专利数据库，
我们的分析将基于参考的Jaccard指数确定为具有统计学上的优势的指标，
解释两者的历史多元化并预测两者的未来发展方向
技术领域的个人发明家和组织。

2.

关键字：信息映射，专利，创新，多元化，专利技术
网络，知识距离

3.

信息科学文献中的最新研究已经提出了各种网络图。
专利类别（Alstott等，2017b; Engelsman＆van Raan，1994; Joo＆Kim，2010; Kay等
等，2014； Leydesdorff等，2014； Nakamura等人，2015年； Yan＆Luo，2017b）。在这样的
网络中，顶点是专利分类系统中的专利类别，并且近似
技术领域（例如有机化学），以及顶点之间的边缘被加权
根据技术领域之间的知识接近度（或距离）和
基于大量专利文件信息。这样的网络图涵盖了所有技术
在专利系统中进行分类，并利用整个专利数据库来计算知识
接近度具有统计意义，因此被认为是总数的表示形式
技术空间（Alstott et al。，2017b）。图1是专利技术的示例
网络图。
此类专利技术网络已用于分析专利组合
区域多元化（Boschma等，2014; Rigby，2015），企业（Breschi等，2003; Luo
等，2017; Teece等，1994），个人（Alstott等，2017a）和系统产品（Song
等（2016年）。这些研究一致表明，
不论分析水平如何，多元化都可能比最近的领域更广泛
在技​​术领域遥远的人，反过来暗示了知识的预测能力
接近技术多样化和寻求创新（Frenken et al。，2007;
Leten等，2007）。但是，这些研究使用了各种知识接近度的量度
基于不同的观点和关联规则。目前尚不清楚一般采取哪些措施
在构建总体技术网络图方面具有优势。这种模糊性限制了
将技术网络图用于一般目的和环境。我们应对这一挑战
在这项研究中。
在这里，我们使用一种统计方法来评估和比较
专利组合历史扩展的替代知识接近度指标
跨不同专利类别的单个发明人，组织，地区或设计领域。
通过使用USPTO数据对各种指标进行统计比较，基于参考的Jaccard
衡量知识库重叠程度的指数提供了最高的解释性
赋予发明人和组织先前的下一个领域的权力
域。反过来，建议将该指标及其产生的技术空间图用于
一般情况下的说明性和预测性分析。图1举例说明了
使用3位数CPC上的上级度量构建的总体技术空间图。
图1.基于类对专利的Jaccard的总体技术空间图，基于
测量CPC中122种3位数专利类别之间的知识接近度。原本的
网络非常密集，因此此处的可视化仅包含最大生成树
（即，连接所有顶点并最大化总边权重的最少121条边）
作为骨干网，再加上原始网络带来的1,069条最强优势。网络
使用Yan和Luo（2017a）的技术确定阈值过滤
删除尽可能多的弱边缘，但保持尽可能多的解释力
网络越好。

六、Discovering-new-technology-opportunities-based-on-patents–Tex_2017_Technova

1.

关键字：
新技术构想
专利分析
F项
文字挖掘
技术机会

2.

长期以来，发现新技术机会一直是实践和学术界的重要课题。
在各种寻找机会的方法中，最常用的方法之一是识别新兴
或专利文件中的空置技术。与此相符的是，本研究旨在提出一种新颖的方法
基于F项的新技术思想的发展，根据F术语对专利文件进行分类
其中描述的发明的技术属性。由于对技术属性进行了分析
根据F术语的应用，从各个角度出发，
有关技术的系统性信息，F术语可以为生成新技术提供有效指导
技术思想，如果运用得当。
在这种方法中，我们首先选择目标技术来寻求新的机会。然后，从F项数据的文本挖掘结果中，我们确定具有与目标相似的技术属性的其他技术
技术，称为参考技术。下一步是提取常用的技术属性
在参考技术中使用，但尚未在目标技术中使用。最后，我们可以获得新的
通过将这些技术属性应用于目标技术来获得技术思想。这是最早的之一
尝试采用F项进行专利分析；拟议的方法可以显示如何最好地采取
F项的优势以及专利中大量可用的技术信息，并且在
重大和次要创新的思想创造过程。

3.

技术机遇分析对于开发新技术的重要性日益明显，这是因为
开展和发展新业务的固有风险（Lee等，
2015）。技术机会分析，通过该技术推导
新技术创意可以极大地促进增长，
企业的成功，大致可分为两种类型（Cho等，
2016）：涉及到预期的新技术和新产品
尚未开发或仍在不断涌现（例如，Daim等，
2006年； Lee等，2015； Noh等人，2016年）；另一个与新
利用以下技术可以创造或开发的市场：
目前拥有的公司（例如Park等，2012； Park等，2013b；
Yoon等，2014； Yoon等人，2015年）。在这项研究中，我们专注于
前者，通过推导认识到技术机会
具有技术进步潜力的新技术思想，
在整个行业和单个企业中，并定义
技术机会是“技术进步的潜力”
通过从新思想中创造价值”。
长期以来，专利分析一直被用作有用的分析工具
用于技术机会分析，尤其是对以下方面的支持：
创造新的想法。此类专利分析的结果可以作为技术趋势或技术发展路径来表示。
图表，图形和网络的形式，可以提供复杂的信息
易于有效地理解（Yoon，2010年）。然而，
最近，越来越多的尝试集成数据挖掘
技术应用于专利分析，以进行系统的技术机会分析（Lee et al。，2015）。具体来说，在这些尝试中，
国际专利分类（IPC）系统或一组关键字
通过使用带有专利文件的文本挖掘应用程序进行识别
通常用于机会分析。也就是说，在收集了
IPC代码或专利中的一组关键字用于定义一种技术，并进行了进一步分析以监控技术
根据IPC编码趋势或确定空缺的技术领域，或
关键字（例如Jeong和Kim，2014； Lee等，2009； Wang等，
2015）。
尽管它们具有价值，但这些研究确实有一些缺点。首先，可能缺乏使用IPC的技术机会分析
通过单一IPC观点对技术进行分类以来的具体性
似乎太简单了，无法代表技术的各个方面。
此外，它无法处理以下问题的收敛（或融合）问题：
技术和技术多样化。二，技术
使用文本挖掘识别的关键字进行机会分析
申请仍然取决于专家在多个过程中的投入；
因此，该技术可能不如最初预期的那样系统化。这
从专利文件中提取的关键字通常包含嘈杂的数据，
因此应仔细考虑和检查选择
进一步分析所需的关键字。

七、liu2020

1.

一种基于专利的方法来监视
技术创新的发展
基于知识扩散

2.

目的–本文的目的是研究启发中知识的传播方式
技术创新，并能够监控技术创新的发展趋势
基于专利数据分析，从而明智地管理知识以进行创新。
设计/方法/方法–知识创新潜力（KIP）的概念旨在
通过源于知识的专利累计数量来衡量知识的创新性
灵感。 KIP计算公式通过以下两个特定扩散模型的形式回归
进行了一系列基于专利的指标的实证研究，涉及前瞻性和前瞻性
向后引用数字以揭示有关创新的知识管理策略
活动。
研究结果–通过经验研究比较了两种用于回归KIP公式的特定扩散模型
结果表明Gompertz模型比Logistic模型具有更高的准确度
技术创新的发展曲线。此外，基于专利的指标分析
过度扩散阶段还显示，在较早扩散阶段申请的专利通常具有更高的
前向引用数字表示更高的创新性，而后者则申请了专利
通常需要更多的非专利引文和
向后引文数量。
原创性/价值–尽管有大量关于知识基础的文献
技术创新，仍有讨论知识传播和传播的机制的空间。
启发性的知识。据作者所知，这项研究是对定量分析的首次尝试。
从知识传播角度看技术创新中知识的创新性
支持与创新活动相关的合理知识管理的发现。
关键词技术创新知识管理扩散模型创新策略
基于专利的指标

八、

1.

在世界范围内，智慧城市的构想已经吸引了
市政府和私营企业。双方都在思考转变的方式
将城市变成一个可知可预测的空间。转型的关键
是一种算法，其工作在大多数情况下仍然对普通大众不可见。
但是，算法是强大的实体，它们构成了我们越来越大的一部分
生活。结果，越来越多的研究集中在算法如何
影响城市的劳动和总体社会经济生活。因此，有
需要更批判地考虑如何研究算法和工作
他们表演。本文利用专利数据来展示算法
塑造城市公民身份和劳动。专利数据通常用于商业
和技术环境来执行诸如创新评估，
竞争对手分析和跟踪技术发展。在本文中，
专利分析用于解决两个相互关联的目标：
产生算法控制城市的关键参与者；并调查
他们正在研究的关键技术及其发展潜力
这些技术。本文的目的是双重的：首先，为
研究算法的各种方法和观点；二，检查
专利和专利如何促进城市的算法治理。
关键词
智慧城市，算法政府性，平台资本主义，平台工人，
专利分析

2.

世界上一半以上的人口居住在城市中，人类已成为一种
城市物种（Galloway，2017）。快速的城市化进程导致市政府转向
数据驱动系统，以使城市更易于了解和控制（Kitchin等，
2017）。数据驱动技术与城市的融合被广泛称为“智慧城市”。智慧城市理念的关键是大数据的积累
用于编辑“社会现实”的图片（Rouvroy，Berns和Libbrecht，2013年）。它是
基于这样的社会现实，即市政府寻求解决社会经济问题的方法，
环境和治理挑战（Yigitcanlar et al。，2018）。但是，城市
并非只有政府在推动智慧城市的发展。 Kitchin等。 （2017）指向
他们所谓的“城市技术专家制”的出现，使技术专家获得
通过控制城市治理的制定方式来实现权力。对于Kitchin等。 （2017），城市
技术专家是首席数据官，顾问，设计师，工程师，变更管理公务员和受私营企业支持的学者。在
在经济增长缓慢的时代，市政府呼吁城市技术官僚们
城市更具生产力和企业家精神（Savini＆Raco，2019）。因此，它在
市政府和城市技术专家的共同利益，使智慧城市成为现实。
前者使用大数据来表述“社会现实”，而后者似乎在利用
大数据来全面了解“市场现实”。
算法在智能大数据的提取和分析中起着至关重要的作用
城市应用。越来越多的研究表明算法如何介导
从劳动（陈，2018年；孙，2019年）到司法系统，这是我们生活中越来越大的一部分
（Završnik，2019年），以及我们作为消费者的行为（Pallant，2017年）。特别感兴趣
在本文中，出现了由
Rouvroy，Berns和Libbrecht（2013）。对于他们来说，算法的政府性是
大企业自动提取，汇总和分析的政治依据
用于建模和预测行为的数据。政治理由的一部分是市场主导的
旨在塑造和预测消费者行为的意识形态。大技术
公司建立了由算法组成的平台，这些算法将用户和服务联系在一起
提供者。在使用Uber，Airbnb或Amazon等平台时，算法可以使用
每次在线点击或“点赞”即可建立用户的数字资料（Cheney-Lippold，2018年）。
因此，算法治理的市场原理取决于不断增长的
用于建立数字身份的大量用户数据。基于这些身份，公司
不仅能够根据用户的历史记录推荐产品和服务
偏好设置，还可以预测用户将来可能需要的内容。因此算法
以几乎不可察觉的方式变得个性化。
尽管人们对算法的政府性越来越感兴趣，但公众仍然
对算法如何在社会中发挥作用缺乏了解（Diakopoulos，
2014）。根据Diakopoulos（2014）的理解，这种理解将增加
公众参与有关算法能力辩论的能力。 Kitchin（2017），上
另一方面，认为有很多方法可以理解算法。他
进一步论证说，研究算法的角度越多，我们就会越好
认识他们。本文提出了对专利文件进行分析的一种方法
了解算法。使用专利作为方法的三个原因是
确定。首先，专利文件是丰富的信息资源，因此可以为您提供帮助
我们来看看算法的黑匣子。其次，专利文件易于获取
在诸如Google Patents和Espacenet之类的平台上在线。第三，尽管技术
专利文件中使用的语言，可以使用特殊方法对其进行系统地分析
该软件可以揭示本来可以隐藏的信息。但是，这是
必须记住，并非所有算法发明都已获得专利或可申请专利。