基于DDA專利分析挖掘商業基礎需求情報

趙寧 翟鳳勇 張玲

摘 要 專利是衡量技術創新能力和水平的重要指標，通過專利分析可以揭示技術創新信息和水平。以仿人機器人領域為例，基于DI數據庫檢索獲得專利情報數據，導入專利情報分析工具DDA平臺，利用其豐富的分析和可視化功能，通過使用DDA分析列表、共現矩陣、圖譜的功能，對仿人機器人領域進行多角度專利分析。

關鍵詞 DI DDA 情報挖掘 仿人機器人

分類號 G252.62

DOI 10.16810/j.cnki.1672-514X.2019.06.006

Abstract Patent is an important index to measure the ability and level of technological innovation， which can reveal the technological innovation information and level. This paper takes the field of humanoid robot as an example， based on DI database to retrieve patent information data， imports the platform of DDA for patent information analysis， and uses its abundant analysis and visualization functions. By using the functions of DDA analysis list， co-occurrence matrix and Atlas map， multi-angle patent analysis in the field of humanoid robot is carried out.

KeywordsDI. DDA. Information mining. Humanoid robot.

據世界知識產權組織（WIPO）的統計，專利涵蓋了人類95%的科技成果，反映了經濟發展相關信息，也是產業技術創新能力的直接體現[1]。作為一種標準化、公開透明、客觀化的文獻，專利信息對技術發明有詳細描述，可以從本質上揭示企業、科研機構和發明人員技術創新能力[2]，因而隨著技術競爭的日益激烈，商業需求研究也增加了專利戰略研究，為科研機構和企業開發新技術、產品提供決策參考，其研究核心就是專利分析。中國專利類型分為發明、實用新型和外觀設計，國外并沒有外觀設計專利，而實用新型在很多國家也不涉及，并且發明專利按照國際標準經過實審才能去公開判斷授權，所以發明專利在全部專利類型里科技含量最高，最能代表技術創新能力的類型，可以表明主體的技術創新水平和實力?；诖耍疚膬H對Derwent Innovation（DI） 檢索出的發明專利進行分析，在德溫特數據分析平臺（Derwent Data Analyzer，DDA）中進行情報挖掘分析，從而獲得有價值的策略情報。

1 專利分析工具DDA功能

DDA平臺可以進行海量數據的多角度挖掘和可視化全景分析，形成切實可行的情報[3]。DDA在數據導入、數據清理、數據分析和結果的可視化方面都具有優勢，尤其在數據清洗方面可使得分析的結果更加準確、貼近事實，并且DDA具有矩陣分析的獨特功能，能夠結合不同字段對專利文獻信息進行多角度的分析，更能實現商業需求，其一鍵生成報告的功能使得分析更加有效率[4]。

（1） 數據導入。DDA可以對Web of Science核心合集的科技論文數據、InCites和Essential Science Indicators的指標數據、德溫特專利數據（DWPI），Derwent Innovation（DI）以及STN、PubMed、中文論文數據庫，甚至Excel表格等不同的結構化數據類型進行兼容與整合，進行多樣化的需求分析。

（2） 數據整理。DDA管理數據包括數據集、管理字段、拆分文件、合并文件、處理冗余記錄等。DDA的特點可以對數據深層清理，包括通過機器模糊運算實現，利用內設的敘詞表對作者/發明人、科研機構/公司、國際分類號等字段清理，不僅清理標引不一致、輸入錯誤數據，合并同義詞等，而且支持手工清理分組標引、Excel編寫清理的規則，可以保存成敘詞表;根據需求自定義分組標引，可以進行機構學院設置、技術自定義分類…將繁復的條目按需求分類。

（3）數據分析。DDA通過有效的分析可將無序的數據轉化為高附加值的情報，主要通過List、Matrices、Maps等分析工具進行。List可快速排序分析各個字段，對比任何兩個列表，揭示其共性或某列表獨特性。利用此特性可對比分析科研機構或者企業競爭對手方面的信息。Matrices通過不同字段可以建立共現矩陣Co-occurance Matrix、自相關矩陣Auto-correlation Matrix、互相關矩陣Cross-correlation Matrix、因子矩陣Factor matrix，從中發現隱含的趨勢或者相關性。其用途主要在于對比不同對象在研究方向、發展趨勢、合作態勢等多角度的分布與規律。Maps可通過各類腳本與可視化工具，生成直觀的分析成果，包括地域分布圖、技術趨勢氣泡圖、詞云圖、集群圖譜，例如將主成分因素、相關性分析結果形成可視化圖譜，揭示機構間、科研人員間或者各類技術間的關系。

（4） 生成報告。數據分析屬于一二維分析，而預制的分析模塊生成的報告屬于三維分析，其中包括透視表、機構報告、機構對比報告、技術領域分析報告，DDA可以一鍵生成。

2 實證研究流程與數據檢索

本文通過DI和DDA進行仿人機器人領域的商業需求分析，分析內容包括技術創新趨勢、機構和企業分析、挖掘技術創新團隊、技術合作伙伴分析等。專利情報挖掘分析過程框架如圖1所示。

本文檢索利用關鍵詞仿人機器人、仿生機器人，測試組合形成檢索式，采用Dewent Innovation（DI）數據庫進行檢索，結合關鍵詞在數據庫測試的結果，以TI=（humanoid ADJ robot* or bio* ADJ robot*） 檢索截止時間為2018年5月19日，經過去重得到2980個專利族，通過字段KI=（a or a1 or a2 or b or b1 or b2 or c）篩選發明專利得到1349個專利族。

3 仿人機器人領域商業需求分析

機器人技術的發展和應用體現了國家科技和工業水平，從創新角度來看，隨著制造業結構變化，機器人與人工智能、數字制造技術相互促進、服務，其應用涵蓋了社會諸多領域[5]，其中仿人和高仿真將是機器人主要發展方向，可以代替人進行各種作業[6]。近年來，我國政府逐漸加大了此領域的研究和開發[7]。

仿人機器人領域商業需求分析目標是針對科研機構和企業，主要利用DWPI專利權人代碼進行分析。專利權人代碼為世界22 000家左右大企業設計了唯一代碼，涵蓋了機構及所有子公司合集，這樣專利檢索可以保證企業名稱存在多種形式統一，標引一致[8]。除了通過DDA平臺自動生成專利報告外，還可以節選部分DDA相關信息，立足商業基礎需求進行手工分析。

3.1 技術創新趨勢分析

DDA的柱狀堆積圖提供一種可視化呈現效果，顯示在仿人機器人領域研發機構如何積極地尋求獲取新技術。通過DDA堆積柱狀圖可以獲取每個機構在給定年份提交的專利申請量，由此可以很容易看出申請趨勢，并比較各個機構的申請狀況。

對仿人機器人領域排名前15的專利權人創建一個組，設定時間跨度為15年，以專利權為行矩陣，以所選年為列矩陣，生成共現矩陣。選擇矩陣分析腳本，通過“Report - Plot Matrix in Excel”生成柱狀堆積圖，如圖2所示，每年顯示一個柱，在柱中不同顏色代表不同機構，所占區域大小與該機構公開發明專利數量成正比，區域越大意味著公開的專利越多，而柱高度表明給定年份的申請發明專利總量。圖2可以看出在仿人機器人領域，法國ALDEBARAN ROBOTICS、日本索尼、日本本田、韓國三星、美國通用公司前幾年一直投入比重大，近幾年國內北京理工大學、常州大學發明申請比重增大。

3.2 機構和企業的評估分析

3.2.1 評估機構在尋求新技術方面的積極程度

在仿人機器人領域，通過發明專利申請量與授權量的比例，可以發現擁有專利數量多的機構在推動新技術研發方面更加積極，而授權量多的則表明該機構所擁有的技術創新質量要好于其他機構。

通過位于宏指令（Macros）文件夾中的資源（Resources） 文件夾敘詞表，針對專利申請和授權專利分別建組，打開公開號選擇組/顯示組點擊創建的組為行，以所選機構為列，這里選擇Top15的機構，生成共現矩陣，運行腳本繪制柱狀圖，如圖3所示。

圖3提供了一種可視化呈現效果，表明企業擁有專利數量。柱狀圖代表每一個機構，不同顏色代表申請專利數量和授權專利數量，每個區域的面積與該機構持有申請或者授權專利數量成正比。圖3顯示日本本田專利申請數量多，表明其在技術創新方面積極。從圖3也可以看出中國的研究機構授權量不如國外機構比例大。

3.2.2 頂級機構分析

DDA對排名前30的機構進行分組，每個層級的機構組、個人專利權人、政府機構及學術機構字段創建組，通過比較各組占有的區域，來獲得所關注領域專利分布全景的線索。排名前30的公司控制著絕大多數專利，這些公司可能會積極地保護自己的知識產權，在申請專利的時候防止侵權訴訟。若專利主要由個體發明人和專利組合規模較小的公司所控制，那么這些專利持有人可能會尋找投資資金，這個組可能是引入專利授權或者收購的“黃金目標。

根據仿人機器人Top30的機構組別持有記錄數比例，看到排名靠前的公司還是由幾家大公司把持，例如日本本田、法國ALDEBARAN ROBOTICS、韓國三星、日本豐田、索尼等，可見其仿人機器人領域被傳統的高科技公司所布局，占據領導地位，新型的中小微企業在專利申請上占據不到優勢在申請該領域的專利的時需防止侵權訴訟，中國排名靠前的基本是科研院所，包括北京理工大學、上海大學、清華大學、哈爾濱工業大學、浙江大學、上海交通大學，可以認為以高校實驗室為主的研發是仿人機器人領域技術發展中不可忽視的重要力量。企業在技術發展儲備中可以積極尋求與高?？蒲性核暮献?，加快發展速度。

3.2.3 確定研究相似技術的機構

排名前列的機構是否正在開發相似技術，某一領域是否有過多參與者，機構在技術研發方面有多少重疊，都可以通過DDA互相關聯圖譜來展現。利用基于分配給專利的DWPI手工代碼來進行技術分類，這樣視圖將顯示相似技術公開的機構。通過對前30個專利權人創建組，對手工代碼進行字段互相關聯操作，生成圖譜，如圖4所示。機構用節點表示，通過其持有專利記錄的DWPI手工代碼之間進行比較，如果兩個機構持有相同手工代碼的專利，節點之間用線連接，機構間的連線越粗，表示其手工代碼越匹配，即這些機構涵蓋的相似技術越多。圖譜中互聯機構的聚類，表明機構致力于研發相似的技術;若節點之間沒有聯系，表示這些機構間共享的手工代碼極少，意味著研發中心是不同的。

如圖4所示，在仿人機器人領域，法國ALDEBARAN ROBOTICS智能機器人研發公司和迪士尼公司，日本索尼、日本科技廳、日本川田高知、北京理工大學和浙江大學研發相似的技術，其他機構的研發重點有所不同。相似機構可以作為合作伙伴進行技術上的合作，也同樣屬于競爭對手，需要做好對知識產權的預防保護。

3.3 挖掘技術創新團隊和合作伙伴

通過DDA聚類圖中可以找到發明人和他們的發明專利，即可分析在所關注的機構中的高產發明人，這些發明人中哪些人在一個團隊里共同工作，這些發明團隊創造過哪些專利?；趯＠涗洈盗縿摻ㄅ琶?5的機構，通過發明人/專利權人矩陣列表，雙擊所要了解的發明人機構所在的列，可以關聯每個發明人的記錄數，對此列進行排序以了解該機構活躍發明人（技術創新人才）。

將圖譜限定在最活躍的發明人之中，選擇排名靠前的發明人添加至組，創建聚類圖如圖5所示。如限定特定機構——北理工的發明人，可清楚了解研究人員團隊和這些團隊之間的關系。

聚類圖中顯示組中每個發明人，用不同的顏色標識，專利則以每個發明人鏈接“節點”小球呈現，單個節點包含由一個發明人獨立研發的專利，組節點包含多個發明人合作研發的專利，組節點可能是兩個或兩個以上的發明人相鏈接，發明人與節點之間通過線連接。通過圖可以看出幾個發明人以不同的組合方式合作研發不同的專利，產生互聯節點的“聚類”，顯示重要發明人之間的合作關系，如北理工黃強和余張國、陳學超、張偉民、高峻峣合作頻繁，黃強和李科偉團隊卻無合作關系。點擊專利可見黃強發明人團隊仿人機器人運動規劃新方法，提出快速傳感反射控制，通過評價運動相似性，提高機器人的穩定性，解決多自由度機器人擬人化復雜運動。以此操作，可對各機構創新團隊進行挖掘，了解其最新動向。

針對企業和學術科研機構專利權人也可分別建組，通過DDA的共現矩陣列出專利權人為學術機構和企業的專利，可以顯示曾經合作過的機構。共現矩陣的數據單元中，交叉點表示已經發生過合作以及該合作創造了多少專利。從本文的實際操作結果來看，仿人機器人領域企業與學術科研院所合作并不頻繁，其中只有日本豐田和本田公司分別和日本早稻田大學和美國伊利諾伊大學合作，日本富士公司和神戶大學合作過專利，北京天宇科創科技發展有限公司和北京航空航天大學合作。

3.4 市場上專利組合增長率

若想了解市場中什么類型的機構持有多數專利、頂級機構專利組合增長投資、個別機構加速或減緩技術開發等等情況，可以通過每年層級分組的專利權人的專利申請量來觀察。通過企業、學術機構、政府排名前15的提出專利的申請量矩陣，生成柱狀堆積圖。

如圖6所示，學術機構申請比例越來越大。此外，通過對特定的專利權人層級——Top15中的7個企業進行分析，可了解每年的專利申請情況，從中可發現占總申請數比重較大的組，并可發現是否有新的參與方陣加入該領域，或者機構是否正在鞏固其在專利中的主導地位。查看這些學術機構在一段時間內的表現，可以了解到每個機構的戰略組成，這有助于預測其未來方向。在這7個企業中，法國ALDEBARAN ROBOTICS公司和日本豐田似乎在大力增加專利申請，意味著這兩個科研機構都很注重技術創新。

3.5 挖掘重點技術和技術融合方向

DWPI手工代碼可表明企業技術創新方向，揭示其專利技術外部特征和應用領域，可以使我們更為深入地分析專利信息[9]。通過手工代碼共現矩陣和聚類分析技術研發熱點，為機構、企業提供重點技術的挖掘。

在DDA中通過DWPI選取相關機器人專利手工代碼，生成矩陣圖，其中交叉的節點表示手工代碼共同出現的專利量，通過查看器可生成如圖7所示的DWPI手工代碼共現圖。節點之間連線越粗，說明這些分類號在同一文獻中出現的次數越多，由此表示這些節點之間的技術融合越高，而這些關系緊密的節點所涉及的文獻相關技術關聯度也就越高，也就表明機構企業間的技術相似度越高，其技術主題接近，這是識別合作對象和競爭對手的依據，而連線越少的節點代表的文獻相關技術關聯度則較低[10]。

從上述共現圖關系可以看出技術特征接近的主要研究技術領域，其中機器人手和電氣設備的流程控制技術關聯度高;計算機控制流程、控制機械手操作、控制電氣設備等技術相關聯度高，即仿人機器人驅動裝置和控制部分作為主要研究內容?？梢哉J為該項技術發明融合主要集中在研究機械手、計算機系統傳感器的控制方法上。

DWPI手工代碼中共現關聯主要為P62-E與P62-F、X25-A03E、X25-A03F、T06-D07B、T01-J07B。結合表1可知，P62-E指仿人機器人機械手、P62-F指代機械手測量、指示、傳感部分;X25-A03E為操縱裝置在機器人裝備制造中的加工、組裝、過程控制， X25-A03F為機器人裝備制造中對材料加工、零件組裝的過程控制技術，說明控制機械手操作是仿人機器人領域技術創新的重點。T06-D07B 、T01-J07B所涵蓋的技術重要度集中在所指代的計算機控制系統操作機械手，這是研發重點突破所在。

4 結語

基于DDA的專利分析，通過仿人機器人的例子，本文對專利相關字段進行矩陣分析、圖譜呈現，從技術創新趨勢、機構企業分析、挖掘技術創新團隊和合作伙伴、市場增長情況、重點技術及融合等角度，挖掘分析其商業基礎需求情報。分析是一個反復比較的過程，審視相關圖表可以提出額外的關聯問題，這些問題分析都可以由DDA進行深度分析解答，如對于機構專利潛在的侵權、專利失效管理、合作基金來源、技術創新市場效應都可以做進一步需求分析探討。

參考文獻：

馮昌揚.國內外專利研究文獻綜述：2003-2012年[J].知識管理論壇，2013（1）：52-62.

鮑志彥.高校技術創新能力評價實證研究：基于專利信息的測度分析[J].農業圖書情報學刊，2016，28（8）：5-10.

Derwent Data Analyzer[EB/OL].[2018-05-25].https：//clarivate.com.cn/products/derwent-data-analyzer/.

任福繼，孫曉.智能機器人的現狀及發展[J].科技導報，2015，33（21）：32-38.

于秀麗，魏世民，廖啟征.仿人機器人發展及其技術探索[J].機械工程學報，2009，45（3）：71-75.

仿人機器人.百度百科[EB/OL].[2018-05-20].https：//baike.baidu.com/item/%E4%BB%BF%E4%BA%BA%E6%9C%BA%E5%99%A8%E4%BA%BA/61320.

李曉玄.仿人機器人發展概況[J].電子技術與軟件工程，2016（11）：127-128.

利用Thomson Data Analyzer挖掘技術情報[EB/OL].[2018-05-25].http：//www.docin.com/p-327687163.html.

溫芳芳.基于德溫特專利分類號耦合的技術多緣性與技術相似性研究：以29家福布斯全球2000強汽車企業為例[J].情報理論與實踐，2017，40（8）：87-92.

王旭東.基于德溫特手工代碼的專利技術挖掘研究[D].大連：大連理工大學，2017.