專利情報數據挖掘——企業獲取競爭優勢的法寶

[摘要] 本文站在企業戰略決策和獲取競爭優勢的角度闡述了專利情報分析對于企業技術經濟發展的重要意義和影響。探討了數據挖掘技術在專利情報分析中的優勢。在此基礎上，提出了以數據挖掘為主、以傳統的數理統計學為輔的專利情報數據挖掘方法，并做了深入的實證研究，展示了數據挖掘技術在企業戰略發展和決策的前景。

[關鍵詞] 專利情報 數據挖掘 企業決策 競爭優勢

一、專利情報分析在企業戰略決策中的地位和作用

隨著當代世界經濟的全球化、貿易的自由化，國內外企業間的競爭日益激烈。在科學技術迅猛發展的今天，企業間的競爭已轉化為科學技術的競爭、技術創新能力的競爭，并集中體現為自主知識產權，特別是專利數量及質量的競爭。因此，專利情報在企業發展中的戰略地位正逐步得到增強。企業只有站在戰略的高度來認識和處理專利工作，強化專利發明的創造及專利管理，并在經營活動中有效地實施專利戰略去開拓市場，才能有效地遏止競爭對手，以較少的投入獲得較大的市場競爭份額，不斷提高企業自身的競爭能力，取得市場競爭優勢和經濟效益。

專利情報技術價值只有通過分析才能充分體現出來。在各國企業紛紛開展的專利戰略研究中，最核心的部分就是專利情報分析。企業從研發項目選題決策到研發項目實施過程，專利情報分析都可以有效地支持企業的研發活動，為企業制定技術開發戰略提供科學準確的決策依據。專利情報分析可以讓企業決策者和研發人員準確了解到：其一，現有技術所處的成長階段；其二，新技術的發展動態和可能應用的領域；其三，本行業的技術發展動態；其四，競爭熱點技術領域；其五，競爭對手的研發動態；其六，新產品的可能壽命、潛在市場和經濟價值。

總之，專利情報分析不僅是企業爭奪專利的前提，更能為企業發展提供技術策略，評估競爭對手的情報，認清自己的相對專利地位和技術領域的發展趨勢，在技術開發、合作和貿易中有效地保護自身權益，制定出正確的技術開發戰略、最佳的研發計劃。

二、數據挖掘是目前最先進的專利情報分析方法

1.數據挖掘的定義

數據挖掘是一種利用各種分析工具建構數據分析模型，從而在大型的數據庫(或數據倉庫)中提取人們感興趣的知識的過程。這些知識是隱含的、事先未知的、潛在有用的信息，提取的知識一般可以表達為概念、規則、規律、模式、約束、可視化等形式。這些表達形式蘊含了數據庫中一組對象之間的特定關系，揭示出一些有用的信息，為科學研究、經營決策、市場策劃、經濟預測、工業控制等提供依據。

2.數據挖掘技術產生的背景

伴隨數據庫技術的廣泛應用，企業管理中積累了大量的有用數據，包括市場、客戶、供貨商、競爭對手，以及未來趨勢等重要信息，企業管理對數據處理技術要求不斷提高。但是信息超載與非結構化，使得企業決策組織無法有效利用現存的信息，甚至使決策行為產生混亂與誤用。基于總體假定進行推斷和檢驗的傳統的統計分析方法對這些海量、異構、分散數據的處理已顯得無能為力， 顯露出很大的局限性。因此，如何從這些復雜的專利文獻數據中以智能化的操作方式深入分析其中隱含的規律， 如何發現、提取這些知識并加以利用就成了當務之急。

計算機技術的快速發展為專利情報分析提供了極大的便利條件，產生了數據挖掘等當今信息科學的前沿技術和管理方法，促使專利情報分析方法向自動化、智能化、可視化的方向發展。

3.專利情報數據挖掘的優勢和發展現狀

與傳統的基于統計的專利情報分析法（如：查詢、報表、聯機應用分析等）相比，專利情報數據挖掘方法具有明顯的優勢。

(1)方法優勢。數據挖掘與傳統的統計分析方法的本質區別在于統計是根據隨機性的觀測樣本數據以及問題的條件和假定，對未知事務做出以概率形式表述的推斷；而數據挖掘則是在沒有明確假設的前提下去挖掘信息、發現知識。與統計相比，數據挖掘工具處理大量的實際數據更有優勢，無須專業的統計背景也能使用數據挖掘的工具，而且，數據挖掘從大型數據庫提取所需數據，利用專屬計算機軟件進行分析，更能滿足企業的需求。此外，從理論的角度來看，數據挖掘與統計也不同，其目的在于方便企業的末端使用者應用，而非為統計學家提供檢驗工具。

(2)成果優勢。數據挖掘技術同統計分析方法相比較， 挖掘算法的研究成果無論從數量上還是實用性上都具有巨大優勢。例如根據挖掘任務，數據挖掘算法包括分類或預測模型發現、數據總結、聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等。近幾年來，自然語言理解、語義關聯分析、詞頻分布統計、語料學研究等可以用于進行情報分析的技術方法和工具，已經成為數據挖掘算法的重要研究方向。因此，無論從體系結構上，還是從具體方法上，數據挖掘算法都能夠很好地融合到專利情報分析系統中去。

(3)發展現狀。目前，大多數國內學者對專利情報的分析仍停留在對數量特征的統計分析上，并且對于專利數據中的各種偏差性影響幾乎都沒有考慮，而國外學者則多利用數據挖掘的理論和數據可視化手段，正在研究專利信息的自動分析方法。總之，對于專利信息的利用，國內目前基本上仍處于定性分析和信息的統計計算管理水平上，尚不能從內容上自動挖掘專利數據中的知識規律。

三、專利情報數據挖掘的方法與流程

數據挖掘的產生并不是為了替代傳統的統計分析技術，相反，對于統計分析方法，數據挖掘主要體現在利用統計和人工智能技術進行高級多元統計方法的應用上，是對這些方法的拓展和深化。因此，本文提出以數據挖掘為主、以數理統計為輔的兩者結合的專利情報數據挖掘方法。專利情報數據挖掘的任務就是從專利數據中發現模式。數據挖掘的模式主要有關聯規則、分類、聚類、序列模式等。與之對應的分析方法包括關聯分析、分類分析、聚類分析、模式識別、可視化方法、人工神經網絡等等。其中，關聯分析是本文專利情報數據挖掘方法研究的重點。

在現有研究的基礎上，根據實際需要，可將專利情報數據挖掘流程劃分為以下四大模塊：數據獲取與數據預處理、數據挖掘與監測、數據可視化以及情報分析與整合。其中，后三項統稱為數據挖掘分析。

（1）數據獲取與數據預處理：根據專利情報分析工作的目的，確定解決問題的性質和數據挖掘的目標，明確科技監測的需求，初步選取監測對象。利用Spider技術，對下載服務器下達獲取指令，服務器將相關數據進行獲取，形成本地化數據庫；對于獲取的數據，采用數據預處理技術從目標數據集中剔除錯誤數據和冗余數據，去除噪聲及無關數據，進行有效數據提取，經數據集成后，形成特定領域的情報監測數據集，為監測分析做準備。

（2)數據挖掘與監測：結合監測需求，運用技術預測、自然語言處理、信息萃取、知識發現等工具，依據特定的數據挖掘算法（如關聯分析、模糊聚類、技術組(群)自動識別、關鍵技術識別、自然語言處理等），在數據庫中提取數據模式。

(3)數據可視化：運用一定的方法將提取出的數據模式表達成某種易于理解的、直觀的知識或模式（圖，表等），對監測數據集和所擁有的本地化數據庫進行初步分析，形成監測分析結果報告，提交給情報分析人員。

（4）情報分析與整合：情報人員結合自己的專業知識，對監測分析結果進行系統、深層次地分析，在相關持續性投入技術、破壞性技術和新的研究方向等領域形成情報信息的監測分析報告，提交給該領域相關方面的專家。由專家憑借自己的知識和經驗，對分析報告進行評估，再將評估意見反饋給情報人員，對監測報告進行修訂，形成最終報告。由專家的專業知識來保證情報分析的有效性和可靠性。

四、專利情報數據挖掘方法的實證研究

依據上述方法和步驟，以通信技術領域的中國專利數據為例，對專利情報數據挖掘方法進行實證研究。我們對該領域進行了管理層面和技術層面的深入分析，并以可視化圖表的形式展現分析結果。以下是其中對高產申請人進行專利情報數據挖掘的全過程。

1.數據獲取與數據預處理

本文所采用的數據來自國家知識產權局專利數據庫（www.sipo.gov.cn），在該數據庫中我們選擇所有專利類型，包括發明專利、實用新型專利和外觀設計專利作為數據源。數據獲取的具體過程如下：

(1)根據通信領域的特點結合專家意見確定我國通信技術領域的關鍵技術名詞。

(2)以上述技術名詞為關鍵詞，在中國專利數據庫的摘要和題目字段中進行檢索，形成我國通信技術領域原始數據庫。

對該原始數據庫中的數據進行數據抽取、數據清洗和數據轉換等一系列數據預處理工作，獲得我國通信技術領域最終的專利數據庫，有效專利總數為4339條，數據覆蓋的時間范圍是1985年至2007年9月。

2.高產主IPC挖掘分析

(1)數據挖掘方法。采取分類分析與OLAP分析相結合的挖掘方法，對我國通信技術領域專利主IPC（專利分類號）排名前十位的技術及其年度分布狀況進行深入細致的分析。首先，采取K近鄰規則分類法，對高產主IPC的分布狀況進行分類，制成可視化圖表，并根據分類結果得出分析結論；然后，在此基礎上，對這些技術的年度分布狀況作進一步的剖析，挖掘出該技術的發展趨勢，運用OLAP技術形象地展現出分析結果，并由此得出更深層次的專利情報。

(2)分類分析。K近鄰規則分類法是指從測試樣本點開始生成，不斷擴大區域，直到包含進K個訓練樣本點為止，并且把測試樣本點的類別歸為這最近的K個訓練樣本點出現頻率最大的類別。表中展示了利用此分類法分析出的通信技術領域中國專利主IPC（專利分類號）數量在100以上的分布情況，此處的IPC分類僅劃分到小類（取前四位）。從表中可以看出，通信領域的專利主要集中在H04L（數字信息的傳輸）小類，例如電報通信等，共有專利945件，即21.8%的專利都與其相關。其次是H04B（傳輸，包括載有信息信號的傳輸，其傳輸與信息的特性無關）、H04Q（選擇），分別有892件、543件，這些都是與通信領域的相關處理技術密切關聯的。

表 我國通信技術高產主IPC分布情況

(3)OLAP分析。根據上述分類分析結果，采用OLAP技術，進一步挖掘IPC排名前十位的技術年度分布狀況。由挖掘可知，通訊領域的技術申請專利最早出現在1986年，分布在H04L（數字信息的傳輸）、HO4B（傳輸，包括載有信息信號的傳輸，其傳輸與信息的特性無關）和H04J（多路復用通訊）3個部類。在以后的年度，各類IPC技術不斷發展，申請專利數量逐漸增多，并且都在2005年達到了最大值。

圖中，我們可以更清楚地看到IPC排名前十的技術發展趨勢。很明顯地，排名前三的IPC 發展速度相對更快。其中信息傳輸技術（H04B）一直持續發展，專利數量逐年增長，尤其在2001年之后增長迅速，成為通訊領域的主要發展技術。數字信息的傳輸技術（H04L），雖然出現的時間很早，但在隨后的幾年里中斷了發展，直到近幾年，數字信息傳輸技術才成為發展的熱點，并在2004年首次超過了H04B技術，其后發展突飛猛進，成為通訊領域專利數量最多的技術。

圖 IPC排名前十的技術發展趨勢分布

(4)挖掘結果綜述。對排名前十位的主IPC技術及其年度發展趨勢分布的挖掘可以反映出專利申請人的經濟利益趨向和市場開拓方向。由上述表和圖可以看出，通信技術的研發主要集中在H04B（傳輸）和H04L（數字信息的傳輸，例如電報通信）上。與調制解調器、服務器和路由器等相關的技術是該領域的關鍵技術和研發重點。據此，企業可以比較國內外技術發展水平，識別技術空白點，避免同一科技領域的重復研究，節約資源，減少投資風險和策劃的不確定性，選擇和確定科研項目，確定有價值的專利、產品領域或替代品，更好地關注有市場前景的技術，改良發明創新思路，調整自身的研發方向，增加專利的回報，以獲取更大的經濟效益。

五、結論與展望

本文對專利情報數據挖掘方法進行了全面深入的探討，并依據挖掘流程對其進行了針對性的實證研究。結果表明，通過數據挖掘技術，能夠使企業從以往的海量資料庫中整理與收集、有效快速地獲取信息，轉換數據表達形式，揭示數據背后隱藏的規律，挖掘出不同的信息與知識，充分發揮信息再利用的作用，以滿足企業戰略決策的需要，擴大產品和市場，提高企業的競爭優勢和經濟效益；獲取大量的與專利技術的經濟市場及技術本身的價值有關的重要情報：專利技術的經濟市場范圍、發明創造的技術價值等等，從而為企業的戰略決策提供強有力的技術支持。數據挖掘技術成功地參與企業科學管理的例子已經為國外很多知名企業所公認。

然而，我國目前的大部分企業還沒能夠將企業的經營和專利戰略很好地結合起來，相信隨著企業專利戰略意識的不斷加強，隨著數據挖掘技術的不斷發展和專利情報數據挖掘方法輔助企業尋找和提高盈利增長點的事例越來越多，專利情報數據挖掘方法一定會在我國各個領域和眾多企業中得到廣泛應用和發展。

參考文獻:

[1]張明龍:我國專利發展現狀與趨勢分析[J].發展， 2008， 1

[2]曹雷:面向專利戰略的專利信息分析研究[J].科技管理研究， 2005， 3

[3]唐煒劉細文:專利分析法及其在企業競爭對手分析中的應用[J].現代情報， 2005， 9

[4]趙巖趙慧娟:數據挖掘理論與技術[J].福建電腦，2006，2

[5]樊冬梅:統計與數據挖掘的關系探討[J].會計實務，2006.9

[6]魏瑜陸靜：數據挖掘與統計學的關系淺析[J].沿海企業與科技， 2005，9

[7]胡永剛：數據挖掘中可視化技術綜述[J].計算機與現代化， 2004，10

[8]周奕辛：數據清洗算法的研究與應用[D].2005，7

[9]夏火松：數據倉庫與數據挖掘技術[M].北京：科學出版社， 2004，3

[10] 張彥，張為民：專利情報分析[J].現代情報，2007，

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。