基于指数随机图模型的专利引用关系形成机制研究_以奈拉滨药物为例_.docxVIP

的 的i找私戈作 第63卷第10期2019年5月 杨冠灿，刘占麟，李纲.基于指数随机图模型的专利引用关系形成机制研究 杨冠灿，刘占麟，李纲.基于指数随机图模型的专利引用关系形成机制研究——以奈拉滨药物为例[J].图书情报工作， 2019,63(10) ：75 -86. PAGE PAGE # PAGE PAGE # PAGE PAGE # 网络出版时间：2019-06-03 15:59:48 网络出版地址： /kcms/detail/ll.1541.G21018.003.html 第63卷第10期2019年5月 基于指数随机图模型的专利引用关系形成机制研究 以奈拉滨药物为例 ■杨冠灿1刘占麟2李纲3 1中国人民大学信息资源管理学院北京100872 2华盛顿大学工业工程系西雅图98105 3武汉大学信息管理学院武汉430072 摘要：[目的 摘要：[目的/意义]专利引用关系形成问题是理解创新网络的一个重要问题。传统的回归模型对观察对 象设定的独立性假设，无法将网络的结构效应因素整合到模型中来提供综合性的统计推断。指数随机图模型 (ERGM，Exponential Random Graph Model)是一种创新性的统计推断方法，它能够将属性特征、自组织特征以及 网络协同特征三种特征综合起来观察《 [方法/过程]以奈拉滨药物的专利引文网络作为研究对象，利用ERGM 系统检验了影响专利引用关系的五种机制：专利属性的主效应；专利引用时间的差值效应；专利引用关系的聚 敛效应；专利引用关系的传递效应；专利引用关系的网络协同效应。[结果/结论]五种机制都在奈拉滨药物的 专利引用关系的形成过程发挥了作用3但三种效应对于奈拉滨药物的专利引用关系的形成作用最为显著：共 享发明人关系协同效应、共享家族关系协同效应、传递效应^一些辅助机制也会对专利引文关系形成产生影 响，如引文时滞、权利要求数量和参考文献数量， 关键词：专利引用关系形成指数随机图模型（ERGM) 奈拉滨统计网络模型 分类号：G306 DOI：10. 13266/j. issn. 0252 -3116.2019. 10.009 * *本文系国家自然科学基金项目“基于指数随机图模型的专利引用关系形成影响因素及机理研究”（项目编号、国家自然科学基金 项目“面向专利文本中实体关系抽取的远程监督方法研究”（项目编号和国家自然科学基金重大项目“国家安全大数据综合信息集 成与分析方法”（项目编号研究成果之一^ 作者简介：杨冠灿（0RCID:〇〇〇〇-〇〇〇2 -1706 -1884)，讲师，博士，E-mail:yanggc@mc. edu. cn;刘占麟，博士研究生；李纲（0RCID:〇〇〇〇-〇〇〇1 -5573 -6400)，教授，博士，博士生导师。 收稿日期:2018 -08 -05修回日期:2018 -11 -27本文起止页码:75 -86本文责任编辑:杜杏叶 引言 专利引文由于能够追踪技术发展的脉络，测量国 家、区域间的技术扩散、技术溢出，衡量发明、技术的质 量与价值，分析创新主体的技术战略行为^2]，而在科 技评价过程中具有十分重要的作用。近年来，学者们 通过网络分析方法引入专利引文分析，涌现大量专利 引文网络相关的研究成果，极大丰富了专利引文分析 的视角，突破了传统单纯依赖专利引文频数进行分析 的思路，采用可视化及描述性统计方法对专利引文的 结构、动态特征开展了大量的讨论[3 4]。 然而，专利引用关系形成机制问题研究是目前研 究中较为薄弱的一环，究其原因，主要表现为两点： ①观察视角上的不足。专利引文网络的形成是一个复 杂问题，其影响因素可能包括了专利引文网络自身演化过程，专利自身属性特征以及网络外部因素等;单纯 地采用属性特征指标或者网络指标都难以很好的解释 专利引用关系的形成机制问题[5];另外，很多在单一视 角下成立的研究结论之间，在更高层次进行观察时可 能存在冲突。②统计推断方法的不足。传统的统计推 断方法，如回归方法，是以属性型数据为基础的，以独 立性假设为前提的，而网络分析的核心对象是关系数 据，因此，对其设定独立性假设是不合适的[6];同时，有 一些专门针对网络数据的统计推断方法，如二次指派 程序（Quadratic Assignment Procedure，QAP )方法虽然 能符合网络数据的统计推断特点，但其受到了其框架 的约束，在包容不同数据类型扩展性方面存在不 足[7_8]Q正是存在上面两点不足，需要进一步探索新 的方法来回答专利引用关系形成的机制问题。 指数随机图模型（Exponential Random Graph Mod- el，ERGM