[摘要]追蹤人才流動軌跡、探究人才流動規(guī)律備受關注,專利發(fā)明者可為人才流動研究奠定數(shù)據(jù)基礎.基于中國知識產權局2000—2009年公開的發(fā)明申請專利,設計了發(fā)明者姓名消歧算法,挖掘了流動發(fā)明者信息,探討了東部、東北、中部、西部四大區(qū)域的發(fā)明者流動現(xiàn)狀及趨勢.研究表明,文章中使用的算法具有合理性,可有效提取中國專利的流動發(fā)明者.

　　[關鍵詞]專利統(tǒng)計;姓名消歧;發(fā)明者流動;區(qū)域;中國

　　一、引言

　　人才是建設創(chuàng)新型國家的中堅力量,其流動將導致知識的轉移和溢出[1].日益頻繁的人才流動現(xiàn)象,加快了不同創(chuàng)新主體對新知識與技能的獲取、吸收和整合,帶動了其創(chuàng)新水平和能力的變化.周德祿[2]指出,人才流動實現(xiàn)了人力資源的再配置,建立健全人才流動機制以促進人才有效流動是獲得創(chuàng)新收益的基本路徑.故追蹤人才流動軌跡、探究人才流動規(guī)律具有重要的理論和實踐意義.但個體數(shù)據(jù)的可獲得性制約著該研究領域的發(fā)展.專利發(fā)明者可為探析人才流動奠定數(shù)據(jù)基礎.通過梳理發(fā)明者流動的相關研究,朱容輝等[3]指出,學術界就發(fā)明者流動概念的界定基本達成共識,認為發(fā)明者流動即發(fā)明者在不同組織中任職,可通過追蹤同一發(fā)明者連續(xù)擁有專利的申請(或權利)人的變化進行推斷.但專利發(fā)明者未有唯一化標識,故對發(fā)明者姓名進行消歧是考察發(fā)明者流動的先決條件.學者們多基于美國專利與商標局數(shù)據(jù)庫(USPTO),或歐洲專利局數(shù)據(jù)庫(EPO),探討了該問題,且為滿足大規(guī)模數(shù)據(jù)分析的需要,啟發(fā)式算法逐漸應用.因語言、文化等差異,已有的姓名消歧算法對歐美等西方國家發(fā)明者的識別效果較好,對中國等亞洲國家發(fā)明者的識別效果有待改善.借鑒現(xiàn)有研究成果,本文基于2000—2009年中國知識產權局(CNIPA)公開的發(fā)明專利信息,對發(fā)明者流動數(shù)據(jù)進行挖掘.后續(xù)結構如下:第二部分描述了數(shù)據(jù)來源并設計了流動發(fā)明者的識別算法;第三部分挖掘了流動發(fā)明者的信息,并探討了區(qū)域層面的發(fā)明者流動現(xiàn)狀及趨勢;第四部分闡述了本文的主要研究結論與研究不足.

　　二、數(shù)據(jù)與研究方法

　　使用CNIPA數(shù)據(jù)庫2000—2009年公開的發(fā)明專利,在根據(jù)專利已有信息消除發(fā)明者姓名歧義的基礎上,對中國區(qū)域間的發(fā)明者流動情況進行了實證分析.

　　(一)發(fā)明者姓名消歧

　　1.提取專利關鍵字段.葉作亮等[4]將專利文獻信息劃分為類值與文本兩大屬性.前者以字符形式展現(xiàn),便于數(shù)據(jù)分析,包括技術分類號、發(fā)明者等.后者以一篇或一段文本出現(xiàn),數(shù)據(jù)處理過程較為復雜,包括專利名稱、摘要、全文等.借鑒現(xiàn)有文獻中用于發(fā)明者姓名消歧的專利關鍵字段并考慮數(shù)據(jù)的可操作性,本文選取公開(公告)日、發(fā)明(設計)人、主分類號、地址4個字段.其中,公開(公告)日可用于追蹤發(fā)明者流動產生的時間,發(fā)明(設計)人提供了參與技術創(chuàng)新的人員署名情況,主分類號提供了專利所屬技術領域的信息,地址可用于追蹤發(fā)明者的流動方向.需指出,本文搜集的專利數(shù)據(jù)按公開(公告)日排序,故以該日期而非申請日對發(fā)明者的流動時間進行推斷.2.構建發(fā)明者—專利實例.提取專利中的公開(公告)日、發(fā)明(設計)人、主分類號、地址4個字段,并基于發(fā)明(設計)人構建了發(fā)明者—專利實例(inventorGpatentinstances)[5],即根據(jù)專利發(fā)明者署名將一條專利拆分成若干條專利.3.關鍵字段相似度計算首先,計算了發(fā)明者的相似度,由兩條專利擁有共同發(fā)明者姓名數(shù)量占合作發(fā)明者姓名數(shù)量的比值進行度量,見式(1).SIMIt=(Mi∩Nj)(Mi∪Nj)(1)式中,SIMI1代表發(fā)明者的相似度,Mi、Nj代表專利i、j擁有合作者姓名的集合.其次,計算了主分類號的相似度,通過比對兩條專利主分類號的前三位進行測度.若前三位完全相等,則相似度SIMI2取值為1,否則為0.最后,基于最小編輯距離(MinimumEditDistance)算法[6]計算了地址相似度.兩個專利地址字段的最小編輯距離,是指將一專利地址字段轉換為另一專利地址地段所需的最小編輯次數(shù).編輯距離越小,表明兩個字符串越相似;反之,越不相似.4.關鍵字段的權重賦予綜合相似度的計算公式見下:SIMIt=∑3i=1wi×SIMIi(2)式中,wi代表權重,SIMIt代表綜合相似度.若SIMIt大于一特定閾值,則認為是同一發(fā)明者;否則,不是同一發(fā)明者.基于人工識別的發(fā)明者姓名消歧信息[7]為各字段賦予了權重,見式(3):SIMIt=2×SIMI1+0.1×SIMI2+1.5×SIMI3(3)

　　(二)發(fā)明者流動挖掘

　　在為發(fā)明者賦予唯一標識碼的基礎上,進一步挖掘了中國四大區(qū)域即東部、東北、中部和西部的發(fā)明者流動信息,東部包含京津冀等省區(qū),東北包含遼吉黑,中部包含晉皖贛等省區(qū),西部包含陜甘寧等省區(qū).此時,專利關鍵字段共計有6個,分別是唯一標識碼、發(fā)明者姓名、公開(公告)日、發(fā)明(設計)人、技術分類號和地址.因中國專利文獻提供信息的有限性,本文使用第一申請人的地址信息表征發(fā)明者的隸屬地區(qū),并通過追蹤同一發(fā)明者在不同時期不同地點申請的專利對其是否發(fā)生流動進行研判,流動時間為流入新地區(qū)第一個申請專利的公開時間.例如,張三在陜西省申請最后一個專利的公開年份為2000年,后在安徽省申請第一個專利的公開年份為2003年,則認為張三的流動方向為西部至中部,流動時間為2003年.據(jù)此,篩選了CNIPA中四大區(qū)域間的流動發(fā)明者及其對應的專利信息.

　　三、分析結果

　　(一)四大區(qū)域的發(fā)明者流動分布

　　圖1展示了中國東部(E)、東北(NE)、中部(M)、西部(W)四大區(qū)域的發(fā)明者流動分布情況.其中,標簽“E→W”代表發(fā)明者從東部地區(qū)流向西部地區(qū),標簽“NE→E”代表發(fā)明者從東北地區(qū)流向東部地區(qū),其他標簽不再贅述.結果顯示,隨著時間推移,四大區(qū)域的發(fā)明者流動呈明顯增長態(tài)勢.此外,中部、西部和東北地區(qū)的發(fā)明者向東部地區(qū)流動愈加頻繁,東部地區(qū)發(fā)明者流向中部、西部、東北地區(qū)的趨勢呈現(xiàn),但中部、西部、東北地區(qū)之間的發(fā)明者流動較為薄弱.

　　(二)四大區(qū)域的發(fā)明者流動差值

　　進一步的,本文計算了四大區(qū)域的發(fā)明者流入與流出差值,以反映不同區(qū)域對人才的吸引和保留能力,見圖2.結果顯示,整體而言,東部地區(qū)的發(fā)明者流動表現(xiàn)為順差,即發(fā)明者的流入數(shù)量高于流出數(shù)量,表明該地區(qū)對人才有較強的吸引和保留能力;中部、西部和東北地區(qū)的發(fā)明者流動表現(xiàn)為逆差,即發(fā)明者的流出數(shù)量高于流入數(shù)量,表明這三個地區(qū)對人才吸引和保留能力較弱.

　　四、總結

　　(一)結論

　　本文在借鑒現(xiàn)有研究成果并結合中國專利數(shù)據(jù)特征的基礎上,使用2000—2009年CNIPA公開的中國發(fā)明專利數(shù)據(jù),設計了發(fā)明者姓名消歧算法,挖掘了流動發(fā)明者信息,分析了東部、東北、中部、西部四大區(qū)域的發(fā)明者流動態(tài)勢.研究發(fā)現(xiàn):(1)各區(qū)域的發(fā)明者流動愈加頻繁;(2)東部地區(qū)發(fā)明者流向其他區(qū)域的趨勢呈現(xiàn),但東北、中部、西部之間的發(fā)明者交互較為薄弱;(3)與其他區(qū)域相比,東部地區(qū)對發(fā)明者的吸引和保留能力較強.此結果與先前研究一致[8G9],表明本文設計的算法對中國發(fā)明者流動的挖掘具有合理性。

　　(二)研究不足

　　本研究存在一定局限性.1.流動界定.在中國專利文獻中,未提供每位發(fā)明者的地理位置,未提供發(fā)明者與申請人之間的隸屬關系,且地址字段僅與第一申請人相對應.本文使用第一申請人的地址信息表征發(fā)明者的隸屬地區(qū),并通過追蹤同一發(fā)明者在不同時期不同地點申請的專利對其是否發(fā)生流動進行推斷,故基于中國專利數(shù)據(jù)的發(fā)明者流動挖掘不僅包含了因發(fā)明者空間地理位置變化導致的流動.2.算法設計.受限于數(shù)據(jù)分析的客觀條件,本文僅從中國專利文獻中提取了發(fā)明(設計)人、主分類號、地址三個字段用于發(fā)明者姓名消歧.而專利文獻包含了豐富的信息,如專利摘要、全文等,對此類文本字段進行數(shù)據(jù)挖掘并納入綜合相似度的求解因子中,將有助于改善中國發(fā)明者的姓名消歧效果.此外,融合多源異構數(shù)據(jù)進行姓名消歧并補足發(fā)明者個體信息,可豐富發(fā)明者流動的相關研究。

　　《中國區(qū)域發(fā)明者流動的數(shù)據(jù)挖掘研究》來源：《管理現(xiàn)代化》，作者:朱容輝 劉樹林 涂文杰