基于高效用關(guān)聯(lián)規(guī)則挖掘的技術(shù)創(chuàng)新合作團(tuán)隊(duì)發(fā)現(xiàn)
——以新能源汽車產(chǎn)業(yè)專利數(shù)據(jù)為例

武慶圓，楊智杰，張雪雯，朱 侯

(1.廣東金融學(xué)院互聯(lián)網(wǎng)金融與信息工程學(xué)院，廣東廣州 510521；2.中山大學(xué)計(jì)算機(jī)學(xué)院，廣東廣州 510275；3.中山大學(xué)信息管理學(xué)院，廣東廣州 510275)

合作研發(fā)是企業(yè)規(guī)避風(fēng)險(xiǎn)、高效創(chuàng)新的重要方式之一，它可以壓縮創(chuàng)新周期、節(jié)約成本。另外，通過技術(shù)創(chuàng)新合作可以幫助企業(yè)提高自身知識儲備，補(bǔ)全短板，發(fā)揮競爭優(yōu)勢。為此，各類創(chuàng)新主體均積極利用各種方式實(shí)現(xiàn)多類型的技術(shù)創(chuàng)新合作行為。專利是科學(xué)技術(shù)創(chuàng)新成果的最重要載體之一，其包含豐富的技術(shù)信息，如專利分類號可以反映技術(shù)創(chuàng)新領(lǐng)域的主要態(tài)勢，專利權(quán)人類型及合作行為可以了解競爭對手或合作伙伴的戰(zhàn)略意向及合作演化規(guī)律。

發(fā)展新能源汽車是我國從汽車大國邁向汽車強(qiáng)國的必由之路，也是應(yīng)對氣候變化、推動綠色發(fā)展的重要舉措。2020 年國務(wù)院辦公廳印發(fā)的《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021—2035 年）》表明國家推動新能源汽車產(chǎn)業(yè)發(fā)展的決心，到2025 年，我國新能源汽車市場競爭力需明顯增強(qiáng)，動力電池、驅(qū)動電機(jī)、車用操作系統(tǒng)等關(guān)鍵技術(shù)應(yīng)取得重大突破，安全水平全面提升。到2035 年，純電動汽車應(yīng)成為新銷售車輛的主流。我國“十四五”規(guī)劃中進(jìn)一步提出，要加快壯大新能源汽車等新一代戰(zhàn)略性新興技術(shù)產(chǎn)業(yè)。為此，提升新能源汽車產(chǎn)業(yè)的技術(shù)創(chuàng)新能力成為產(chǎn)業(yè)界、學(xué)術(shù)界共同關(guān)注的問題。本文基于高效用關(guān)聯(lián)規(guī)則挖掘理論對新能源汽車產(chǎn)業(yè)開展實(shí)證分析，結(jié)果表明，將專利價(jià)值的評價(jià)模型與高效用關(guān)聯(lián)規(guī)則挖掘方法相結(jié)合，能夠極大提升技術(shù)創(chuàng)新合作團(tuán)隊(duì)發(fā)現(xiàn)的召回率。另外，與傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法相比，基于高效用關(guān)聯(lián)規(guī)則獲得的高價(jià)值團(tuán)隊(duì)在分布數(shù)量、分布類型等方面呈現(xiàn)明顯優(yōu)勢。

1 文獻(xiàn)綜述

當(dāng)前，許多學(xué)者從不同視角對創(chuàng)新主體間的合作網(wǎng)絡(luò)類型、合作演化機(jī)制、合作推薦機(jī)制等展開研究。一方面，學(xué)者積極探討創(chuàng)新主體的合作類型及角色演化，如魏來等［1］提出發(fā)明權(quán)人和專利權(quán)人的四種合作類型：指導(dǎo)式合作、權(quán)威式合作、支持式合作、推動式合作。Beaudry 等［2］認(rèn)為創(chuàng)新主體的合作網(wǎng)絡(luò)有四種類型：高中心度發(fā)明人、明星發(fā)明人、重復(fù)合作、國際合作，并發(fā)現(xiàn)高中心度發(fā)明人和明星發(fā)明人對于專利質(zhì)量有積極的影響，而重復(fù)合作有負(fù)面影響。Lei 等［3］利用信息計(jì)量分析討論太陽能電池技術(shù)領(lǐng)域的三種合作類型在不同區(qū)域的表現(xiàn)：本地（同一城市)、國內(nèi)（同一國家的不同城市）和國際協(xié)作。Agostini 等［4］研究了三種合作網(wǎng)絡(luò)（聯(lián)盟、供應(yīng)商、子公司）是否與專利自身的質(zhì)量和價(jià)值相關(guān)。Lee 等［5］構(gòu)建了一種多指標(biāo)體系模型，用于分析通信技術(shù)、生物技術(shù)、納米技術(shù)在發(fā)明人和受讓人之間協(xié)作方面的技術(shù)趨同和差異；另一方面，學(xué)者積極探索發(fā)現(xiàn)合作團(tuán)隊(duì)、合作網(wǎng)絡(luò)的有效方法與模型，如寧子晨等［6］以數(shù)據(jù)挖掘領(lǐng)域的學(xué)術(shù)型發(fā)明人為紐帶，提出三類角度（專利主體、關(guān)聯(lián)詞、IPC）的關(guān)聯(lián)分析方法，探究數(shù)據(jù)挖掘領(lǐng)域內(nèi)專利文獻(xiàn)與學(xué)術(shù)論文的主體、主題關(guān)聯(lián)關(guān)系。李欣等［7］利用專利權(quán)人、發(fā)明人類研發(fā)主體，發(fā)現(xiàn)顛覆性新興技術(shù)研發(fā)合作網(wǎng)絡(luò)的演化特征分析模型，揭示新興技術(shù)研發(fā)合作團(tuán)隊(duì)、合作網(wǎng)絡(luò)的動態(tài)演化特征。武蘭芬等［8］利用社會網(wǎng)絡(luò)分析法，從多維視角對中美3D 打印技術(shù)創(chuàng)新與合作團(tuán)隊(duì)狀況進(jìn)行比較研究。Park 等［9］基于書目耦合和潛在語義分析方法用于探索潛在的研發(fā)合作團(tuán)隊(duì)。Pereira 等［10］通過社會網(wǎng)絡(luò)分析研究在生物技術(shù)方面申請專利的機(jī)構(gòu)之間的合作態(tài)勢。綜上，現(xiàn)有研究主要基于信息計(jì)量、社會網(wǎng)絡(luò)分析等方法對合作類型、合作團(tuán)隊(duì)的結(jié)構(gòu)、態(tài)勢展開研究?；陉P(guān)聯(lián)規(guī)則挖掘方法對專利主體的合作團(tuán)隊(duì)展開研究的相對較少，現(xiàn)有研究主要將關(guān)聯(lián)規(guī)則與其他方法相結(jié)合對專利分類號進(jìn)行共現(xiàn)聚類，進(jìn)而用于推測新興技術(shù)熱點(diǎn)、技術(shù)融合現(xiàn)狀、技術(shù)發(fā)展趨勢等。如：Jun［11-12］利用關(guān)聯(lián)規(guī)則方法中的三個(gè)指標(biāo)發(fā)現(xiàn)數(shù)據(jù)庫專利的技術(shù)空白點(diǎn)，并采用關(guān)聯(lián)規(guī)則挖掘和自組織映射對圖形領(lǐng)域進(jìn)行技術(shù)預(yù)測及應(yīng)用。Sangsung 等［13］將關(guān)聯(lián)規(guī)則挖掘、聚類分析、網(wǎng)絡(luò)分析相結(jié)合，用于發(fā)現(xiàn)不同國家對于稀土元素技術(shù)的關(guān)注程度上的差異及變化趨勢。Han 等［14］將信息熵、社會網(wǎng)絡(luò)分析、關(guān)聯(lián)規(guī)則挖掘方法相結(jié)合，用于發(fā)現(xiàn)信息通信技術(shù)領(lǐng)域的技術(shù)融合分布情況。

本文認(rèn)為技術(shù)合作創(chuàng)新團(tuán)隊(duì)的發(fā)現(xiàn)不應(yīng)僅局限于某類方法模型。關(guān)聯(lián)規(guī)則挖掘方法適用于描述復(fù)雜的關(guān)系數(shù)據(jù)并發(fā)現(xiàn)其中的重要模式，能夠更全面地揭示和發(fā)現(xiàn)技術(shù)創(chuàng)新合作團(tuán)隊(duì)。但隨著創(chuàng)新主體的合作類型和行為日趨復(fù)雜，傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘方法已較難全面地發(fā)現(xiàn)高價(jià)值的合作團(tuán)隊(duì)［15］。針對上述問題，本文提出一種基于高效用關(guān)聯(lián)規(guī)則挖掘的技術(shù)創(chuàng)新合作團(tuán)隊(duì)發(fā)現(xiàn)方法，通過結(jié)合專利價(jià)值的評價(jià)模型，能夠更加全面地獲得高價(jià)值的技術(shù)創(chuàng)新合作團(tuán)隊(duì)。

2 高效用關(guān)聯(lián)規(guī)則挖掘的原理及模型構(gòu)建

對于技術(shù)創(chuàng)新合作團(tuán)隊(duì)的精準(zhǔn)發(fā)現(xiàn)，傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘算法（如Apriori 和FP-growth）雖已得到廣泛應(yīng)用，但在發(fā)現(xiàn)項(xiàng)集的強(qiáng)關(guān)聯(lián)性時(shí)，它們尚未考慮項(xiàng)集頻次和項(xiàng)集的本質(zhì)性差異［16］。具體而言，上述方法將所有項(xiàng)集視為完全平等的個(gè)體，忽略了項(xiàng)集價(jià)值屬性間的差異，難以如實(shí)反映技術(shù)融合中的原始技術(shù)與衍生技術(shù)、基礎(chǔ)技術(shù)與應(yīng)用技術(shù)、主流技術(shù)與邊緣技術(shù)間的差別。在包含銷售利潤的商品交易數(shù)據(jù)分析領(lǐng)域，Hong 等［17］提出了一種有效地尋找高平均效用項(xiàng)目集的挖掘算法，使用每個(gè)“事務(wù)”（即交易記錄）中“項(xiàng)集”（即商品）的最大效用的總和作為上限，估計(jì)項(xiàng)目集的實(shí)際平均效用，并分兩個(gè)階段處理它。兩步挖掘算法中的效用評估包括：對“事務(wù)”原始價(jià)值的計(jì)算和估值；對“項(xiàng)集”的價(jià)值計(jì)算和估值。高效用關(guān)聯(lián)規(guī)則挖掘方法的基本原理不僅考慮單個(gè)事務(wù)中項(xiàng)集出現(xiàn)的頻次，而且衡量項(xiàng)集間本質(zhì)差異性，該方法推測出的強(qiáng)關(guān)聯(lián)項(xiàng)集是實(shí)際效用較高的項(xiàng)目集合，而非傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘推導(dǎo)出的高共現(xiàn)頻次的項(xiàng)目集合。受此啟發(fā)，本文提出基于兩步驟高效用關(guān)聯(lián)規(guī)則挖掘的合作項(xiàng)集發(fā)現(xiàn)方法，以更加全面地檢測目標(biāo)產(chǎn)業(yè)中高價(jià)值的專利權(quán)人創(chuàng)新團(tuán)隊(duì)，進(jìn)而輔助創(chuàng)新主體獲得競爭優(yōu)勢，搶占優(yōu)勢機(jī)會。

2.1 “事務(wù)”的原始價(jià)值模型構(gòu)建與實(shí)現(xiàn)

根據(jù)高效用關(guān)聯(lián)規(guī)則挖掘的原理，我們將每項(xiàng)專利等同于“事務(wù)”，每位專利權(quán)人等同于“項(xiàng)集”。專利有價(jià)值大小、質(zhì)量高低之分。專利價(jià)值可包括經(jīng)濟(jì)、市場、技術(shù)等多維度，學(xué)術(shù)界尚無明確統(tǒng)一的價(jià)值專利評價(jià)體系。本文從專利價(jià)值衡量過程的價(jià)值穩(wěn)定性和指標(biāo)的可獲取性，考慮將同族專利數(shù)量、專利向前引證數(shù)作為衡量專利原始效用的主要依據(jù)。其中，同族專利是指根據(jù)同一發(fā)明創(chuàng)造，在多個(gè)國家或者地區(qū)進(jìn)行的專利申請或者專利授權(quán)而形成的專利組合［18］，其是衡量專利市場、經(jīng)濟(jì)價(jià)值的一個(gè)重要指標(biāo)。一般來說，同族專利數(shù)越多的專利，其專利價(jià)值可能越高［19］，其未來的市場潛力越大［20］。此外，專利向前引證即指專利被其他專利所引證，體現(xiàn)專利對后續(xù)技術(shù)的影響［21］。向前引證數(shù)越多，專利技術(shù)價(jià)值越高，則該專利相對于其他專利就越重要［22］。具體的價(jià)值計(jì)算流程如下：

對于專利i，定義專利i發(fā)表后第一年被引頻次為Ci，專利i發(fā)表后的被引總頻次為TCi，專利i的同族總數(shù)為TFi，則：

上式中，CPi衡量專利i的被引價(jià)值，F(xiàn)Pi體現(xiàn)專利i的專利同族價(jià)值，TPi表示專利i的原始價(jià)值，由被引價(jià)值和同族價(jià)值組成。

計(jì)算每位專利權(quán)人的平均利潤分布占比，EPi表示專利i的每位專利權(quán)人的價(jià)值分布，由專利i的原始價(jià)值與專利權(quán)人數(shù)量相除獲得，如下所示：

式（4）中，Ni代表專利i的專利權(quán)人總數(shù)。

Pk表示第k個(gè)專利權(quán)人的總價(jià)值，令Q為包含k的專利權(quán)人的專利集合，則：

2.2 “項(xiàng)集”的價(jià)值計(jì)算與模型實(shí)現(xiàn)

高效用關(guān)聯(lián)規(guī)則挖掘具體包含11 個(gè)計(jì)算步驟，通過計(jì)算最終得到高效用項(xiàng)集集合。

輸入：矩陣項(xiàng)集的分布情況。

（1）一組包含m個(gè)項(xiàng)的集合I= {i1,i2, …,im}，其中每個(gè)項(xiàng)ij都有利潤取值，即專利權(quán)人ij的價(jià)值Pj。

（2）一個(gè)事務(wù)數(shù)據(jù)庫D= {t1,t2, …,tn}，其中每個(gè)事務(wù)包括一定數(shù)量的項(xiàng)目集合，即每個(gè)專利對應(yīng)的專利權(quán)人集合。

（3）最小平均效用閾值λ。

輸出：一組高平均效用程序項(xiàng)目集。

步驟1：計(jì)算每個(gè)事務(wù)tk中每一項(xiàng)ij的效用值ujk=qjk×Pj，其中qjk為j= 1,…,m,k=1,…,n時(shí)tk中ij的數(shù)量。

步驟2：求每一個(gè)事務(wù)tk中的最大效用值muk=max{u1k,u2k,…,umk}，其中k= 1,…,n。

步驟3：計(jì)算每一項(xiàng)ij的平均效用上限ubj，作為包含ij的事務(wù)的最大效用的總和：

步驟4：檢查項(xiàng)目ij的平均效用上界是否大于或等于λ。如果ij滿足上述條件，將其放入長度為1 的候選平均效用集合C1：

步驟5：設(shè)置r= 1，其中r表示當(dāng)前候選平均效用程序項(xiàng)目集中要處理的項(xiàng)目數(shù)量。

步驟6：從Cr生成候選集Cr+1，其中Cr+1中的每個(gè)候選項(xiàng)中的所有r子項(xiàng)目集都必須包含在Cr中。

步驟7：計(jì)算每個(gè)候選平均效用 (r+ 1)-項(xiàng)目集的平均效用上界ubs，作為其中包括的事務(wù)s的最大效用的總和：

步驟8：檢查每個(gè)候選 (r+1)-項(xiàng)目集s的平均效用上界是否大于或等于λ。如果s不滿足上述條件，將其從Cr+1中移除。

步驟9：如果Cr+1為null，執(zhí)行下一步；否則，設(shè)置r=r+ 1，重復(fù)步驟6～9。

步驟10：對于每個(gè)候選平均效用項(xiàng)目集s，計(jì)算其實(shí)際平均效用值aus，如下所示：

其中ujk為事務(wù)tk中每一項(xiàng)ij的效用值，|s|為事務(wù)tk中每一項(xiàng)的數(shù)量。

步驟11：檢查每個(gè)候選平均效用項(xiàng)目集s的實(shí)際平均效用值aus是否大于等于k。如果s滿足上述條件，將其放入高平均效用項(xiàng)目集H中。

式（11）中C是所有候選平均效用程序項(xiàng)目集的集合。

通過上述價(jià)值評估及具體的步驟實(shí)現(xiàn)，最終可以得出具體的專利權(quán)人的價(jià)值效用判斷。整體的算法流程如下所示：

算法1：高效用關(guān)聯(lián)規(guī)則的算法流程

初始化：項(xiàng)集 I，其中第j 項(xiàng)為ij，其對應(yīng)的利潤為Pj，第j 個(gè)事務(wù)為tj，最小平均效用閾值為λ 1.for j = 1, 2, …, m do 2.for k = 1, 2, …, n do 3.4.end for 5.end for 6.7.8.9.10.11.do 12.images/BZ_133_351_1020_369_1039.png13.14.15.16.while do 18.17.for 19.end for 20.

3 實(shí)證分析

本文從定量、定性兩類視角對高效用關(guān)聯(lián)規(guī)則挖掘、基于Apriori 算法的傳統(tǒng)關(guān)聯(lián)規(guī)則獲得的兩類團(tuán)隊(duì)進(jìn)行比較。首先，從定量視角，結(jié)合鏈路預(yù)測理論及相關(guān)評價(jià)指標(biāo)，進(jìn)行兩類團(tuán)隊(duì)的推薦效果分析，以驗(yàn)證高效用關(guān)聯(lián)規(guī)則挖掘的有效性；其次，從定性視角，對比分析兩類挖掘算法下專利權(quán)人的群體數(shù)量、人員類型、群體價(jià)值的異同，并從共現(xiàn)項(xiàng)集（2 ～10）分布進(jìn)行規(guī)律總結(jié)和異同性分析。最后，總結(jié)分析新能源汽車技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新合作團(tuán)隊(duì)的現(xiàn)有態(tài)勢，對比國內(nèi)外創(chuàng)新合作團(tuán)隊(duì)異同，為我國新能源汽車產(chǎn)業(yè)高效技術(shù)創(chuàng)新提供服務(wù)支持與決策建議。

3.1 數(shù)據(jù)來源

參照《戰(zhàn)略性新興產(chǎn)業(yè)專利檢索手冊》，本文通過專業(yè)文獻(xiàn)和專家資訊從德溫特?cái)?shù)據(jù)庫中獲取專利數(shù)據(jù)，最終確定具體的檢索式為：TI = (“hybrid electric vehicle*” OR “electric vehicle*” OR “plug-in electric vehicle*” OR “fuel vehicle*” OR “new energy vehicles*” OR “new energy automobile*”)OR TS = (“hybrid electric vehicle*” OR “electric vehicle*” OR “plug-in electric vehicle*” OR “fuel vehicle*” OR “new energy vehicles*” OR “new energy automobile*”)。原始專利文獻(xiàn)的檢索時(shí)間從2000 年1 月1 日至2015 年12 月31 日，獲 取 專利數(shù)據(jù)29 046 條，專利權(quán)人共23 017 人。考慮到專利權(quán)人的價(jià)值計(jì)算需考慮被引用頻次，我們設(shè)定原始專利被引用的截止時(shí)間為2020 年12 月31 日。此外，傳統(tǒng)的Apriori 關(guān)聯(lián)規(guī)則挖掘算法按照置信度為30%，支持度為3%得出相關(guān)結(jié)果用于對比分析。

3.2 評價(jià)指標(biāo)

我 們 基 于2000 年1 月1 日 至2015 年12 月31日的合作團(tuán)隊(duì)的預(yù)測結(jié)果與2016 年1 月1 日至2020年12 月31 日的實(shí)際專利權(quán)人數(shù)據(jù)開展定量實(shí)證研究，并采用精確率（Precision）、召回率（Recall）和F1 三種評價(jià)指標(biāo)對合作團(tuán)隊(duì)的預(yù)測有效性進(jìn)行比較分析。若結(jié)果標(biāo)記為出現(xiàn)和未出現(xiàn)，則具體有4 種可能的結(jié)果：實(shí)際為出現(xiàn)的并被預(yù)測為出現(xiàn)的數(shù)量為TP，實(shí)際為未出現(xiàn)但被預(yù)測為出現(xiàn)的數(shù)量為FP，實(shí)際為出現(xiàn)的但被預(yù)測為未出現(xiàn)的數(shù)量為FN，實(shí)際為未出現(xiàn)的且被預(yù)測為未出現(xiàn)的數(shù)量為TN。如表1 所示。

表1 混淆矩陣

三種評價(jià)指標(biāo)的計(jì)算公式如下：

（1） 精確率是指正確預(yù)測為出現(xiàn)的占所有被預(yù)測為出現(xiàn)的比例，如下：

（2） 召回率是指預(yù)測為出現(xiàn)的數(shù)量占所有實(shí)際出現(xiàn)的數(shù)量的比例，如下：

（3）F1 是精確率和召回率的平均權(quán)重，越接近于 1 表示預(yù)測結(jié)果越好，越接近 0 表示預(yù)測結(jié)果越差。表示如下：

兩種方法得到的評價(jià)指標(biāo)對比如表2 所示。

表2 評價(jià)指標(biāo)對比分析

在多類指標(biāo)綜合比較下，我們發(fā)現(xiàn)高效用關(guān)聯(lián)規(guī)則挖掘方法優(yōu)于傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘方法。前者在反映全面性的召回率（Recall）和F1 指標(biāo)上均高于傳統(tǒng)方法，這反映了網(wǎng)絡(luò)體系中的信息被挖掘得越充分，預(yù)測的全面性越高；而在精確率（Precision）指標(biāo)上，傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法要優(yōu)于高效用的關(guān)聯(lián)規(guī)則挖掘方法，其原因可能是傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法得到的專利權(quán)人在分布上較為集中（主要為機(jī)構(gòu)），而高效用關(guān)聯(lián)規(guī)則挖掘得到的專利權(quán)人分布類型相對多樣，較多涉及到專利權(quán)個(gè)體，一定程度上稀釋了單位為主體的分布程度。關(guān)于兩類結(jié)果的具體分析和對比將在下文中詳細(xì)展開。

3.3 兩類規(guī)則的特征對比

（1）頻次統(tǒng)計(jì)分析。通過篩選和統(tǒng)計(jì)分析，我們選取前25%的效用值為截止閾值，并提取1 ～10項(xiàng)共現(xiàn)項(xiàng)集。相應(yīng)地，傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘方法共得出1 ～6 項(xiàng)共現(xiàn)項(xiàng)集。兩類關(guān)聯(lián)規(guī)則的人群頻次對比如表3 所示。

表3 兩類關(guān)聯(lián)規(guī)則人群頻次對比結(jié)果 單位：人次

從表3 中可看出，在共現(xiàn)項(xiàng)集的挖掘深度上，高效用關(guān)聯(lián)規(guī)則的人群數(shù)量分布遠(yuǎn)高于傳統(tǒng)關(guān)聯(lián)規(guī)則，并且傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法得到的最大共現(xiàn)項(xiàng)集為6，而高效用關(guān)聯(lián)規(guī)則挖掘的最大共現(xiàn)項(xiàng)集為10?？梢?，高效用關(guān)聯(lián)規(guī)則的挖掘效率高于傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法。

（2）核心團(tuán)隊(duì)類型分析。關(guān)聯(lián)規(guī)則挖掘方法符合“如果一個(gè)項(xiàng)集是頻繁項(xiàng)集，則它的所有子集都是頻繁項(xiàng)集”的基本原理。為此，本文進(jìn)一步統(tǒng)計(jì)分析了兩類規(guī)則的1 項(xiàng)集中專利權(quán)人的類型分布，如表4 所示。

表4 專利權(quán)人類型分布情況

高效用關(guān)聯(lián)規(guī)則的1 項(xiàng)集的核心群體覆蓋了專利權(quán)人的三種類型，其中以個(gè)人類型的高價(jià)值專利權(quán)人最多，表明專利技術(shù)創(chuàng)新的原動力主要來自于個(gè)人。此外，企業(yè)在高價(jià)值專利權(quán)人的頻次分布中排名第二，主要屬于日本、美國、歐盟三大地域。排名第三的是高校/科研機(jī)構(gòu)，這類高校/科研機(jī)構(gòu)主要包括：韓國嶺南大學(xué)、日本靜岡大學(xué)、名古屋大學(xué)、東京大學(xué)，中國天津大學(xué)、同濟(jì)大學(xué)、清華大學(xué)，日本三菱材料與東京研究所等；而傳統(tǒng)關(guān)聯(lián)規(guī)則只涉及企業(yè)這一種類型，具有較大的局限性?？傮w而言，高效用關(guān)聯(lián)規(guī)則不僅覆蓋了傳統(tǒng)關(guān)聯(lián)規(guī)則中的所有機(jī)構(gòu)，而且在類型上更加多樣和綜合。高效用關(guān)聯(lián)規(guī)則在一定程度上實(shí)現(xiàn)了對目標(biāo)產(chǎn)業(yè)的全面理解，不僅可以直觀了解新能源汽車行業(yè)的核心企業(yè)分布，同時(shí)基于個(gè)人、高校機(jī)構(gòu)可深度了解其該行業(yè)的產(chǎn)學(xué)研、協(xié)同創(chuàng)新的發(fā)展態(tài)勢。

（3）高價(jià)值群體類型分析。由于高效用關(guān)聯(lián)規(guī)則1 項(xiàng)集對應(yīng)的5 757 專利主體分布較為廣泛，本文從價(jià)值高、共現(xiàn)高兩個(gè)維度進(jìn)一步精粹出48 位機(jī)構(gòu)類專利權(quán)人，該群體不僅價(jià)值分布高，且全部出現(xiàn)在2 ～10 的項(xiàng)集分布中，說明是新能源汽車產(chǎn)業(yè)的技術(shù)創(chuàng)新的活躍群體，如表5 所示。

表5 高效用關(guān)聯(lián)規(guī)則挖掘下的核心企業(yè)分布

日本、美國、德國、歐盟等是新能源汽車領(lǐng)域的技術(shù)領(lǐng)先地區(qū)，且日本、美國為該技術(shù)領(lǐng)域優(yōu)勢國家。高效用關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大眾汽車集團(tuán)、寶馬汽車、戴姆勒集團(tuán)、豐田汽車公司及專門提供汽車相關(guān)服務(wù)的博世集團(tuán)、松下集團(tuán)依舊是核心技術(shù)研發(fā)集團(tuán)和機(jī)構(gòu)。另外，核心群體也出現(xiàn)在高校機(jī)構(gòu)，如靜岡大學(xué)和名古屋大學(xué)，而傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法則主要集中于福特汽車集團(tuán)、通用汽車集團(tuán)、三菱汽車集團(tuán)、豐田汽車集團(tuán)、雅馬哈汽車有限公司等。通過對比兩類方法發(fā)現(xiàn)的核心集團(tuán)可見，高效用方法在核心公司的群體發(fā)現(xiàn)上更全面。

3.4 兩類規(guī)則的共現(xiàn)項(xiàng)集分布對比分析

傳統(tǒng)關(guān)聯(lián)規(guī)則和高效用關(guān)聯(lián)規(guī)則對應(yīng)的每條原始專利在價(jià)值上的差異明顯，傳統(tǒng)關(guān)聯(lián)規(guī)則的高共現(xiàn)專利權(quán)人涉及的專利原始價(jià)值分布范圍為0.01 ～0.02（原始效用取值范圍為：0 ～0.1）；而高效用關(guān)聯(lián)規(guī)則的高價(jià)值專利權(quán)人的專利原始價(jià)值分布處于0.04 ～0.05。

高效用關(guān)聯(lián)規(guī)則的挖掘結(jié)果不僅能夠體現(xiàn)傳統(tǒng)企業(yè)的技術(shù)價(jià)值，如豐田、本田、住友、福特等，同時(shí)能夠發(fā)現(xiàn)其他類型的高價(jià)值、潛在專利權(quán)人，如汽車發(fā)動機(jī)提供商（ATB 技術(shù)有限公司、愛信精機(jī)），新能源汽車電池提供商（鋰電池制造商A123、24 M 公司-半固態(tài)電池研發(fā)商），汽車零部件提供商（東海理化、半導(dǎo)體和電子元器件提供商J.S.T.MFG）等。而傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法得到的核心專利權(quán)人主要集中于豐田、福特、住友等傳統(tǒng)的汽車重點(diǎn)企業(yè)，較少地發(fā)現(xiàn)新穎的高價(jià)值專利權(quán)人。相對而言，多類型的專利權(quán)人團(tuán)隊(duì)能夠更全面、有效地反映機(jī)構(gòu)之間的合作關(guān)系以及新能源汽車供應(yīng)鏈的研發(fā)態(tài)勢，能更有效地發(fā)現(xiàn)高價(jià)值、多維度的技術(shù)研發(fā)創(chuàng)新團(tuán)隊(duì)，從而實(shí)現(xiàn)精準(zhǔn)跟蹤、監(jiān)控技術(shù)研發(fā)熱點(diǎn)和技術(shù)機(jī)會等目標(biāo)，兩類算法的研發(fā)團(tuán)隊(duì)如表6 所示。

表6 兩類算法的項(xiàng)集示例對比分析（節(jié)選）

4 結(jié)論分析和建議

4.1 全球視角下新能源汽車研發(fā)團(tuán)隊(duì)分布

對新能源汽車行業(yè)的高效用關(guān)聯(lián)規(guī)則豐富的結(jié)果進(jìn)行梳理、篩選發(fā)現(xiàn)在不同項(xiàng)集的結(jié)果中，有三類核心研發(fā)團(tuán)隊(duì)表現(xiàn)一直非常突出：豐田集團(tuán)（TOYOTA JIDOSHA KK）是世界十大汽車工業(yè)公司之一，其在2015 年發(fā)布的環(huán)境挑戰(zhàn)2050 全球戰(zhàn)略，指出未來將以汽車企業(yè)為中心，立足整個(gè)行業(yè)乃至整體社會生活形態(tài)的環(huán)境發(fā)展計(jì)劃。豐田集團(tuán)未來規(guī)劃分為短期、中期和長期三個(gè)階段。短期目標(biāo)是提高內(nèi)燃機(jī)燃效，擴(kuò)充HEV（混合動力汽車）車型；中期目標(biāo)是加快推進(jìn)PHEV（插電式混合動力汽車）車型；長期目標(biāo)是在2050 年消除發(fā)動機(jī)車型，使HEV 和PHEV 車型占總銷量的七成，F(xiàn)CV（燃料電池車）和EV（純電動汽車）占三成。同時(shí)，豐田集團(tuán)與相關(guān)機(jī)構(gòu)展開積極合作，2017 年與鈴木簽署業(yè)務(wù)合作備忘錄，2019 年與松下成立車載電池合資公司，2019 年與清華大學(xué)合作在北京成立研究機(jī)構(gòu)，2019 與（北京）寧德時(shí)代新能源科技股份有限公司建立全面合作伙伴關(guān)系［23］。

同樣，在新能源汽車領(lǐng)域方面，通用汽車集團(tuán)進(jìn)一步相關(guān)布局規(guī)劃，2017 年，通用汽車針對中國市場新能源車的發(fā)展方向，提出將投入資金265 億元，在未來兩年投產(chǎn)一款純電動車型，到2020 年推出至少10 款新能源車型，預(yù)計(jì)通用汽車中國旗下凱迪拉克、別克和雪佛蘭三大品牌的新能源汽車年銷量總計(jì)或達(dá)15 萬輛；到2025 年別克、雪佛蘭和凱迪拉克旗下將近全部產(chǎn)品在華實(shí)現(xiàn)不同程度的電氣化技術(shù)，新能源汽車年銷量總計(jì)或達(dá)50 萬輛［24］。

汽車網(wǎng)絡(luò)技術(shù)研究所是日本一家研究新電源系統(tǒng)、信息的網(wǎng)絡(luò)及控制等核心技術(shù)目標(biāo)的研究機(jī)構(gòu)，其充分運(yùn)用尖端技術(shù)，與住友電工、住友電裝合作，支撐著住友電工集團(tuán)的束線系統(tǒng)業(yè)務(wù)。現(xiàn)在的束線事業(yè)，正處于混合動力汽車和電動汽車的市場擴(kuò)大及追求節(jié)能、輕量化的環(huán)境對應(yīng)；關(guān)系到汽車外部的信息化對應(yīng)的發(fā)展中［25］。

以上三類團(tuán)隊(duì)不僅和自身集團(tuán)中各類分公司、子公司的研發(fā)合作非常緊密，同時(shí)與汽車的上下游企業(yè)機(jī)構(gòu)的合作研發(fā)頻率、互動也非常頻繁，如豐田集團(tuán)的技術(shù)研發(fā)對象中有電裝（DENSO）株式會社、日本愛信精機(jī)株式會社、松下電器產(chǎn)業(yè)株式會社、NIPPON JIDOSHA BUHIN SOGO、東海理化公司、日本索肯公司等；通用汽車集團(tuán)有寶馬公司（德系豪華汽車品牌）、克萊斯勒集團(tuán)有限責(zé)任公司等；汽車網(wǎng)絡(luò)技術(shù)有限公司有住友電氣工業(yè)株式會社、豐田自動車株式會社等。通過結(jié)合專利技術(shù)創(chuàng)新領(lǐng)域分析，本文進(jìn)一步將三類集團(tuán)專利技術(shù)領(lǐng)域分布進(jìn)行對比，發(fā)現(xiàn)通用汽車集團(tuán)、汽車網(wǎng)絡(luò)集團(tuán)和豐田集團(tuán)的技術(shù)研究領(lǐng)域主要分布于B 部、H 部和F 部。其中，通用汽車集團(tuán)主要涉及B 部、H 部和F 部，汽車網(wǎng)絡(luò)集團(tuán)主要涉及H 部（H01、H02、H05）和B 部，豐田集團(tuán)主要涉及B 部和H 部，如表7 所示。

表7 不同集團(tuán)技術(shù)領(lǐng)域分布

4.2 國內(nèi)視角下新能源汽車研發(fā)團(tuán)隊(duì)分布

高效用關(guān)聯(lián)規(guī)則挖掘的高價(jià)值專利權(quán)人的分布中，公司機(jī)構(gòu)大多隸屬于日本、美國、歐盟等地區(qū)，中國相對而言所占據(jù)比例較小，進(jìn)一步分析發(fā)現(xiàn)隸屬于中國的公司機(jī)構(gòu)分布如表8 所示。

表8 中國高價(jià)值專利權(quán)人分布情況

表8（續(xù)）

中國高價(jià)值專利權(quán)人的類型主要為公司和高校研究機(jī)構(gòu)，同時(shí)傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘得到的人群中只有3 家中國企業(yè)：比亞迪、奇瑞和馬自達(dá)。通過分析發(fā)現(xiàn)，在新能源汽車領(lǐng)域中，對于技術(shù)研發(fā)創(chuàng)新的關(guān)注團(tuán)隊(duì)?wèi)?yīng)不僅限制于汽車集團(tuán)，相關(guān)的汽車零件提供商和高校也應(yīng)列入重點(diǎn)監(jiān)控關(guān)注對象中。具體而言，中國的相關(guān)高校開始積極參與該領(lǐng)域的技術(shù)創(chuàng)新中，如清華大學(xué)、同濟(jì)大學(xué)、吉林大學(xué)、重慶大學(xué)和西安交通大學(xué)，它們具有較高的技術(shù)創(chuàng)新價(jià)值度。

通過全球及國內(nèi)視角對比分析，本文提出相關(guān)建議：（1）關(guān)注全球汽車頭部企業(yè)的技術(shù)創(chuàng)新進(jìn)展：新能源汽車的技術(shù)創(chuàng)新門檻較高，該領(lǐng)域的高價(jià)值技術(shù)依舊集中在傳統(tǒng)的汽車頭部企業(yè)中，中國汽車頭部企業(yè)也已積極展開相關(guān)技術(shù)創(chuàng)新和探索。（2）發(fā)現(xiàn)創(chuàng)新團(tuán)隊(duì)的合作類型：通過實(shí)證發(fā)現(xiàn)，高技術(shù)價(jià)值企業(yè)與相關(guān)科研機(jī)構(gòu)的合作頻繁且緊密，相關(guān)企業(yè)應(yīng)積極探索自身與高校等科研機(jī)構(gòu)的合作深度、廣度的方法，更有利于提高創(chuàng)新效率，促進(jìn)技術(shù)轉(zhuǎn)化產(chǎn)品的效率和方式。（3）精準(zhǔn)了解行業(yè)創(chuàng)新技術(shù)領(lǐng)域：新能源汽車行業(yè)的技術(shù)類別依舊集中于B、H、F 領(lǐng)域，但在二級技術(shù)領(lǐng)域的分布上均有差異，領(lǐng)域創(chuàng)新機(jī)構(gòu)可以進(jìn)一步結(jié)合具體的技術(shù)創(chuàng)新領(lǐng)域，可更高效地發(fā)現(xiàn)合作伙伴和競爭對手。

5 總結(jié)與展望

本文從高效用關(guān)聯(lián)規(guī)則挖掘理論出發(fā)，提出并實(shí)現(xiàn)了一種兩步驟的高效用關(guān)聯(lián)規(guī)則挖掘方法。此外，以全球新能源汽車產(chǎn)業(yè)的專利數(shù)據(jù)為例，得到相應(yīng)的高效用專利權(quán)人研發(fā)團(tuán)隊(duì)，并將其與利用Apriori 傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法的實(shí)證結(jié)果進(jìn)行對比分析。結(jié)果表明，首先，高效用關(guān)聯(lián)規(guī)則方法可根據(jù)具體的戰(zhàn)略目標(biāo)和價(jià)值傾向靈活調(diào)整專利效用的計(jì)算方式，從而可更精準(zhǔn)發(fā)現(xiàn)目標(biāo)高效用群體。其次，高效用關(guān)聯(lián)規(guī)則在發(fā)現(xiàn)高價(jià)值創(chuàng)新合作主體上更為全面、綜合，對挖掘出的合作團(tuán)隊(duì)進(jìn)一步分析可精準(zhǔn)地跟蹤技術(shù)研發(fā)對手或發(fā)現(xiàn)合作對象，以至于為發(fā)現(xiàn)技術(shù)潛在機(jī)會、新興熱點(diǎn)帶來積極意義。

本研究存在的局限和不足：對于原始專利的價(jià)值效用確定，只選取了兩類指標(biāo)參與計(jì)算，在未來的研究中，可以建立一個(gè)多指標(biāo)體系的定性定量結(jié)合的價(jià)值判斷模型，使得對于專利價(jià)值的判斷更為全面。其次，可進(jìn)一步引入時(shí)間維度，更為動態(tài)、全面地了解該行業(yè)的合作網(wǎng)絡(luò)演化過程和態(tài)勢。