基于专利大数据的中国国际专利技术流动分析

经过多年的飞速发展,我国国内专利数量已经位居世界前列。然而我国的国际专利在世界范围的发展与影响仍然缺乏基于实证数据的系统研究。文章基于美国专利商标局(USPTO)发布的专利数据,从近400万件专利及引用网络中分析我国相关专利的发展态势与国际交流情况,以期为我国深度参与国际技术活动提供政策启示。研究发现,中国专利与特定地区的技术交流频繁,在某些技术领域具有显著特色,整体保持着良好的发展态势。不过,在USPTO专利数量和影响方面仍然与其他发达国家和地区存在明显差距。

结合时间切片信息的作者共引分析方法与实证

[目的 /意义]传统作者共引分析(ACA)方法将领域发展视为一个整体,忽略领域发展期间的变化,导致知识图谱解读会产生一定的偏差。本文旨在引入时间变量,找出领域发展期间的转变关键节点,并以此作为时间切片的划分依据,利用ACA绘制每个时间切片内部的知识图谱,观察领域内的子领域发展与核心作者的变化。[方法 /过程]首先通过作者的年度发文比例对时间切片进行选取,借鉴经济学均线理论对曲线做平滑处理,选取曲线变化度较高的年份作为转变节点切割时间段,并对每个时间切片内进行ACA的运算与结果分析。[结果 /结论]结果显示,随着时间的变迁,领域知识图谱发生了相应的变化,利用作者发文比例选择时间切点进行综合时间切片的作者共引分析提高了聚类结果的群聚性,且有助于挖掘出科学共同体的更多细节。

关键词共引分析的科学计量方法研究

文献共引分析、作者共引分析和期刊共引分析等共引分析方法经常作为绘制知识图谱的重要手段。本研究以引文关键词为基础扩展传统共引分析方法,提出关键词共引分析(Keyword Co-citation Analysis,KCA)方法作为绘制知识图谱的新路线。该方法主要包括数据集遴选、原始关键词共引矩阵构建、相关矩阵转化和知识图谱绘制及其评估四个主要步骤。网络分析和MDS测度分析结果显示,KCA方法所绘制的知识图谱能够清楚描绘出领域的知识结构,且聚类性能较好。