专利引用关系形成的解释框架一个指数随机图模型视角-图书情报工作.PDFVIP

第６３卷 第５期　２０１９年３月 专利引用关系形成的解释框架：一个指数随机图模型视角 １ ２ ２ ３ ■ 杨冠灿 　陈亮　张静 　李纲 １ ２ 中国人民大学信息资源管理学院　北京 １００８７２　 中国科学技术信息研究所　北京 １０００３８ ３武汉大学信息管理学院　武汉４３００７２ 摘要：［目的／意义］近年来，围绕着专利引文网络结构特征的研究出现大量的研究成果，这些成果都从某 种程度上折射出专利引文关系的形成受到来自属性特征之外关系特征的影响，而现有的以回归方法为基础的 统计推断方法难以将这些因素纳入到分析框架中，因此，急需探索新的方法。［方法／过程］从关系形成视角， 专利引用关系形成可表示三种广义的关系形成过程：自组织影响过程、自身属性影响过程、网络协变量影响过 程，并建立关系形成过程与网络配置间的映射关系，最终，形成一整套可用于理解复杂专利引用关系形成问题 的解释框架。［结果／结论］提出一整套可用于理解复杂专利引用关系形成问题的解释框架，该框架是未来进 一步构建网络统计模型的理论基础，另外，解释框架包含丰富的网络配置项，预示着未来指数随机图模型在文 献计量、科学网络分析上广阔的应用前景。 关键词：专利引用关系形成　解释框架　统计网络模型 分类号：Ｇ３０６ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１９．０５．０１２ １　引言 前提的。而网络分析的核心对象是关系数据，对其设 定独立性假设是不合适的，这也使得传统的回归分析 　　专利引文由于能够追踪技术发展的脉络，测量国 方法不具备对上述假设进行检验的能力。 家、区域间的技术扩散、技术溢出，衡量发明、技术的质 　　因此，建立一套能够适应网络研究复杂性的统计 ［１］ 量与价值，分析创新主体的技术战略行为 ，因此，在 网络推断方法成为当前专利引文网络研究中亟待解决 科技评价过程中具有十分重要的作用。近年来，学者 的关键问题，而解决问题需要跳出传统以属性数据为 们将网络分析方法引入专利引文分析，涌现了大量专 基础的分析框架。指数随机图（ＥｘｐｏｎｅｎｔｉａｌＲａｎｄｏｍ 利引文网络相关的研究成果，这些研究极大丰富了专 Ｇｒａｐｈ，ＥＲＧ）模型是一种以关系形成（ｔｉｅｆｏｒｍａｔｉｏｎ）为 利引文分析的视角，突破了传统单纯依赖专利引文频 ［５］ 对象的研究方法 ，ＥＲＧ模型是以关系数据为基础， 数进行分析的思路，采用可视化及描述性统计方法对 以依赖性假设为条件，选择网络局部结构作为网络统 专利引文的结构、动态特征开展了大量的讨论［２，３］。然 计量来观察复杂网络的整体结构特征，从而获得对于 而，由于缺乏一套综合性的统计网络推断方法，极大限 ［６］ 网络复杂性、关联性以及随机性整体认知的方法 ， 制了研究人员从社会网络分析中获得有效的分析结 本文的研究目标是：在 ＥＲＧ模型的指引下，梳理现有 ［４］ 论 。 文献中关于专利引文网络形成影响因素的关键研究进 　　专利引文网络的形成是一个复杂问题，其影响因 展，建立起关键研究进展与ＥＲＧ模型中网络局部结构 素可能包括专利引文网络自身演化过程、专利自身属 间的映射关系，形成一个可用于指导专利引用关系形 性特征以及网络外部因素等；传统的统计推断方法（如 成模型的解释框架，为后续网络统计推断打下基础。 回归方法）是以属性型数据为基础的，以独立性假设为