论文部分内容阅读
摘要：[目的/意义]不同于已有文献主要关注特定技术领域内的技术关联关系，本文分析并预测多种技术间的有向交互影响关系，为促进目标技术提升及预测技术进步提供战略支持。[方法/过程]基于中国35个技术领域的专利共类数据，在Choi等专利交互影响分析方法的基础上，计算35个技术领域间的有向交互影响值，并根据影响值的大小对技术对进行分组，构建技术交互影响网络并分析交互影响的变化趋势。[结果/结论]整个技术领域内存在高比例的偏向及单向影响技术对，食品化学（FOC）是发出影响最大的技术领域，仪器领域的测量（MEA）、电气工程领域的电气机械、设备、能源（EAE）和COM（电脑技术）、化学领域的基本材料化学（BMC）、材料、冶金（MAM）是交互影响网络中的核心领域，处于交互影响网络的核心。
关键词：专利共类 技术领域 有向交互影响
分类号：G250
引用格式：李瑞茜， 陈向东， 崔云霞， 崔彩霞. 基于专利共类的有向技术交互影响分析[J/OL]. 知识管理论坛， 2018， 3（3）： 160-171[引用日期]. http：//www.kmf.ac.cn/p/136/.
1 引言
随着技术创新步伐的加快，技术之间的关联关系日趋复杂多变。这种技术间的关联关系会对技术扩散产生影响，多种技术间的不断融合和相互作用提升了使用交互影响分析来预测和分析技术的重要性。传统的交互影响分析法依赖于专家定性评价或直觉[1-3]，因而很难保持结果的一致性。C. Choi等提出了一种基于专利数据的定量交互影响分析法[4]，这种方法在评估技术交互影响时克服了定性交互影响法中概率估测的主观随意性，并为之后的技术交互影响研究奠定了基础。D. Thorleuchter等[5]比较内外部研发技术交互影响的差异，进而分析了交互影响的特征、网络、复杂关系和变化趋势。C. Kim等使用关联规则挖掘和分析网络过程方法，基于技术交互影响来确定信息通信领域的核心技术[6]。马荣康和刘凤朝基于专利技术共类构建识别不同纳米技术领域交叉影响模式的分析框架，对比了美国、日本、德国与韩国的纳米技术发展模式，探讨了中国纳米技术的发展现状及技术实现跨越式发展的政策启示[7]。秦立芳根据 2000 -2011年间纳米、生物、信息技术领域各热点技术所包含的专利数目及任意两技术共同包含的专利数目，计算任意两技术间的交叉影响值，并通过设定影响关系阈值分析了各技术间的影响关系[8]。S. Gauch等提出了识别技术收敛趋势和测量技术趋同的标准，如探索性鉴定技术集聚，使用技术领域的广度区分集中和扩散的趋同趋势，并使用交叉影响评估方法进行深入分析，以衡量技术趋同的水平和趋势[9]。
已有文献主要关注某个特定技术领域内的技术关联关系，没有对多个技术领域的关联影响值进行全面深入的考察；而且以往文献忽略了技术流的方向性，技术知识流是知识流动的过程，存在知识输出方和知识接收方，这一局限会影响对技术知识流活动规律的探索[10]。黄斌等[11]认识到这一问题，针对C. Choi等专利交叉影响分析法存在的不足，以太阳能聚光器技术领域中的5种技术为研究对象，从影响类型的划分、影响方向和特定技术影响力3个方面对之前的研究进行修正与完善。
在已有文献对技术交互影响的分析中，专利共类是一种常用的数据，一项专利有两个或以上用途的产品组合时，审查员就会给出与其用途相应的多个分类号，主分类号代表了专利的主要用途，最能充分反映一项专利的技术主题，它与专利技术创新的相关性最高，次要用途确定的分类号为副分类号。从信息科学和技术的角度来看，专利分类提供了专利的知识组织。尽管专利分类号由专利审查员人为施加，但OECD手册（1994年）明确专利是根据技术特征划分的技术类别，可以作为技术关联的潜在指标。而且，共类分析假设分类号归属于一个专利的频率可以代表知识联系和溢出强度[12]，具有可根据多级技术分类分析多种技术水平的优势，能克服专利共引时间滞后及共词定性判断不一致的问题[6]。H.Lim和Y. Park[13]以及H. Park和J. Yoon[14]指出在一件专利中，发明的专有知识被分配给主分类号，它与专利技术创新的相关性最高，其他相关知识则被分配给多个副分类号，主分类号与其他副分类号间的关系可以视为知识流动的方向。周磊和杨威认为专利共类的实质是主分类号生产知识而副分类号接收知识，二者间的关系应被视为技术知识从知识的源头流向应用终端[10]。
因此，本研究在已有文献的基础上，结合专利技术领域的共类信息和技术流方向，基于C. Choi等提出的专利交叉影响分析方法，参考黄斌等的研究，使用专利共类数据对不同技术领域间有向的交叉影响值进行考察，计算得到技术间的关联影响值，为制定策略以增强目标技术的竞争力、预测技术进步提供战略支持。首先，计算技术领域间的有向交互影响值。其次，根据技术领域间的交互影响值的大小，对技术对做了分类。再次，构建交互影响网络来识别技术间的复杂关系。最后，分析技术间交互影响值随时间发生的变化。结果有助于帮助决策者预测未来趋势及制定更好的研发战略。
2 专利数据采集与处理
为了尽可能全面涵盖不同领域技术间的交互影响，选择WIPO 2008年5月发布的《国际专利分类号与技术领域对照表》中的五大技术领域的35个子领域（见表1）。尽管35个技术领域分类的区分度不够明显，使得从字面上看来有些技术较为相近，但相近技术的侧重点和应用领域不同，且该表提供了最初的分类标准，是其他各分类体系的参照标准，就此进行研究依然具有一定意义。数据采集于CNIPR专利信息服务平台，数据范围为中国发明授权专利，获得授权是专利质量的重要体现[15]，同时，因有效期届满或因未缴纳年费专利权终止的无效专利被排除在外，以提高样本数据的准确性。通过限定主分类号为i领域、分类号为不同于i的j领域，就可以获取主分类号为i领域、副分类号为j领域的专利数。检索表达式为：主分类号=（领域i） and 分类号=（领域j） and 国省代码=（北京 or 天津 or 河 or 山西 or 内蒙古 or 辽宁 or 吉林 or 黑龙江 or 上海 or 江苏 or 浙江 or 安徽 or 福建 or 江西 or 山东 or 湖北 or 湖南 or 广东 or 广西 or 四川 or 贵州 or 云南 or 西藏 or 陕西 or 甘肃 or 青海 or 宁夏 or 新疆 or 海南 or 重慶）。通过技术分类号的共类检索，提取出1996-2016年全国35个技术领域内获得授权的有效专利数，作为本研究的样本数据。以每件授权发明专利申请时的主和副国际专利分类号为依据，建立35*35的非对称技术关联共类矩阵，共类矩阵中的行代表主分类号技术领域，列表示副分类号技术领域，元素值为该位置对应的主分类号与副分类号共类的专利数，表示所在行领域i的技术知识流向所在列领域j的技术的次数。因为这里主要关注35个领域间的技术关联，同时基于数据可得性的考虑，各技术领域与其自身的关系就不再考虑。 3 研究方法
3.1 技术交互影响的方向
技术关联影响的方向决定了技术发展的趋势，为研发投入支持技术领域发展提供决策基础。本文分析技术对间的直接关联影响。如果以i为主分类号且j为副分类号的专利件数大于以j为主分类号且i为主分类号的专利件数，则称i与j的关联影响为i对j的偏向关联影响；反之，则称j与i的关联影响为j对i的偏向关联影响；如果仅存在以i为主分类号且j为副分类号的专利，或仅存在j为主分类号且i为副分类号的专利，则称领域i对领域j有单向关联影响（或领域j对领域i有单向关联影响）；如果以i为主分类号且j为副分类号的专利件数等于以j为主分类号且i为副分类号的专利件数，则称i与j间由等向关联影响；如果不存在i为主分类号且j为副分类号的专利或j为主分类号且i为副分类号的专利，则称i与j无关联影响。
3.2 技术交互影响种类
参考黄斌等的研究，将技术直接交互影响分为以下几类：
⑴技术领域i对技术领域j的关联影响
从技术知识流的视角看，如果技术领域i和j存在偏向或等向影响，那么它们之间任何一方的发展都能促进另一方的发展；如果技术领域i对技术领域j单向影响，那么技术领域i的发展可以促进技术领域j的发展，而技术领域j不能促进i。如果技术领域i和j是无向影响，那么两者间任何一方的发展都不会促进另一方面的发展。
4 研究结果
4.1 技术领域间的交互影响值
如表2所示，通过加总行和与列和，得到35个技术领域发出和收到的影响总值。表2中的技术i表示影响技术，技术j表示受影响技术。同时，也列出35个技术领域受影响和影响其他技术的最大值及技术领域。表2里电气工程领域技术以加粗斜体下划线表示，仪器领域技术以加粗斜体表示，化学领域技术以粗体表示，机械工程领域技術以斜体表示，其他领域技术以正常字体表示。
可以看到，整体看来，电气工程和化学领域受到和对其自身领域技术影响最大，仪器领域受到和对电气工程及化学领域影响最大，机械工程领域受其自身技术影响较多，同时对电气工程、化学产生较多影响，其他领域受到和对仪器及机械工程影响较大。影响力最高的技术是食品化学FOC，累积影响值0.996，说明食品化学领域99.6%的专利也出现在其他技术领域的专利中。
具体看来，第2、3、11、16、17、18、25、33、34组的技术对间互为影响技术和被影响技术，以电气工程领域的通讯TEL和视听技术AVT为例，二者之间相互影响值为最大，且ITEL→AVT（0.2416）< IAVT→TEL（0.3620），存在偏向影响IAVT→TEL=0.1204，说明技术AVT对TEL的影响更大。数字通讯技术DIG对通讯TEL的影响值最高，IDIG→TEL=0.535 9，而ITEL→DIG=0384 3，DIG对TEL的影响更大，IDIG→TEL=0.151 6。跨领域而言，对化学领域的药物PHA影响最大的是食品化学FOC，IFOC→PHA（0.417 5）> IPHA→FOC（0.394 9），FOC对PHA的偏向影响IFOC→PHA（0.222 6）。机械工程领域机床技术MAT对处理技术HAN的影响最大，且IMAT→HAN（0.070 1） > IPHA→FOC（0.112 2），存在MAT对HAN的偏向影响。跨领域而言，化学的高分子化学/聚合物MCP对机械工程领域的其他特种加工机床OPM的偏向影响更大。其他领域的家具、游戏技术FUG对仪器的医药技术MED的影响更大，IMED→FUG（0.064 2） > IFUG→MED （0.107）。ITPM→OCG（0.082 7） > IOCG→TPM（0.134 5），说明其他领域的其他消费品OCG对机械工程的纺织和造纸机TPM的影响更大。对仪器的生物材料分析技术ABM影响最大的是化学的生物技术BIO，IBIO→ABM（0.095 8） > IABM→BIO（0.305 9），所以ABM对BIO的影响更大，偏向影响为IABM>BIO= 0.210 1。
在非互为最大影响的技术对中，同一领域内，对DIG影响最大的是IT管理方法技术ITM，IITM→BIG（0.053 7）>IDIG→ITM（0.399 9），存在着技术ITM对DIG的偏向影响IITM→DIG= 0.463 8。对基本通讯进程BCP影响最大的同样是电气工程领域的DIG，IDIG→BCP（0.027 7） < IBCP→DIG（0.168 0），所以存在技术BCP对DIG的偏向影响IDIG>BCP=0.140 3。对电脑技术COM影响最大的是DIG，且IDIG→COM（0.306 3） < ICOM→DIG（0.230 1），所以存在DIG对COM的偏向影响IDIG→COM0.140 3。化学领域中，对化学的有机精细化工OFC影响最大的是化学工程CHE，ICHE→OFC（0.207 4） < IOFC→CHE（0.189 9），所以CHE对OFC的影响更大ICHE>OFC=0.017 5。
跨领域的技术对中，对电气机械、设备、能源EAE影响最大的技术领域是机械工程的发动机EPT，影响值IEPT→EAE为0.165 0，EAE对EPT的影响值为0.0265，尽管双方的发展均能促进对方的发展，但技术EAE影响技术EPT发展的程度较大，技术EAE对技术EPT的偏向影响值为IEAE→EPT=0.013 85。对电气工程领域的IT管理方法ITM影响最大的是机械领域的热力加工设备TPA，且ITPA→ITM（0.225 3） < IITM→TPA（0），所以技术TPA单向影响ITM，ITPA→ITM=IIPA→ITM=0.225 3。对电气工程领域的半导体SEM影响最大是仪器领域的光学技术OPT，对OPT影响影响最大的是SEM，但IOPT→SEM（0.154 0） < ISEM→OPT（0.171 1），因此SEM对OPT的影响更大，ISEM>OPT=0.171 1。对仪器领域的测量技术MEA影响最大的是化学领域的微结构和纳米技术MSN，IMSN→MEA（0.330 0） < IMEA→MSN（0.053 3），所以MSN对MEA的影响更大IMSN>MEA=0.276 7。对仪器的控制技术CON影响最大的是电气领域的IT管理方法ITM，IITM→CON（0.197 1） < ICON→ITM（0.037 6），所以ITM对CON的影响更大。对仪器的医药技术MED影响最大的是化学领域的药物PHA，IPHA→MED（0.147 1） < IMED→PHA（0.095 1），所以PHA对MED的影响更大，IPHA>MED=0.052。对化学领域的生物技术BIO影响最大的是仪器的生物材料分析ABM，IABM→BIO（0.305 9）> IBIO→ABM>（0.095 8），所以ABM对BIO的偏向影响更大IABM>BIO=0.210 1。 除了领域内不同技术间的偏向影响外，跨领域的偏向影响中电气工程领域内部分技术与机械工程领域内技术产生偏向影响，电气工程对仪器产生偏向影响，化学对仪器产生偏向影响，化学影响机械，其他领域对仪器、机械工程技术产生偏向影响。技术间的影响是基于技术所需的领域知识和资源要素决定的，技术领域间的影响并无明显的作用规律。对于存在偏向影响和单向影响的技术对而言，如果企业在技术DIG具有竞争优势，其也会在TEL获取优势。这也能用于预测技术进步，因为一种技术的发展会影响另一种技术的发展。例如，技术DIG的进步也会促进技术TEL的发展。如果技术DIG发展得很快，技术领域TEL也会在不久的将来有发展。
4.2 技术分组
基于关联影响对技术分组有助于理解它们的特征。使用参考虚线Y=X，将技术对区域分为偏向、单向、等向和无向影响。同时，将技术关联影响的平均值（Y=0.032 6， X=0.026 2）作为边界值，根据边界值将技术关联影响的整个区域分为高-高、高-低、低-高、低-低影响四大块。这两种分类方法的结果如图1所示，X轴Ij→i代表以j为主分类号技术对i为副分类号技术的影响，Y轴Ii→j表示以i为主分类号的技术对j为副分类号技术的影响。以图1中的点（ITM，DIG）为例，其投射在Y轴上的值IITM→DIG为以ITM领域为主分类号的技术对DIG为副分类号技术的影响值，投射在X轴上的值IDIG→ITM是以DIG为主分类号技术对ITM为主分类号技术的影响值。（FOC，PHA）的以FOC为主分类号的技术对以PHA为副分类号技术的影响值Y大于以ITM为主分类号的技术对TPA为副分类号的影响值X，且该点的Y值和X值处于高-高水平。点（TPA，ITM）以TPA为主分类号的技术对以ITM为副分类号技术的影响值Y大于以ITM为主分类号的技术对TPA为副分类号的影响值X，且该点的Y值和X值处于高-低水平。点（ITM，AVT）以ITM为主分类号的技术对以AVT为副分类号技术的影响大于以AVT为主分类号技术对ITM为副分类号技术的影响，该点的Y值和X值处于低-低水平。点（PHA，BIO）的以BIO为主分类号的技术对副分类号PHA的影响大于PHA为主分类号的技术对BIO副分类号的影响，且该点的Y值和X值处于低-高水平。
整体看来，高-高影响水平的110个点都是技术间存在偏向影响的点，即处于高-高水平的技术对能相互促进，且一种技术对另一种技术的影响更大。处于高-低区域的56对技术中除了TPA对ITM产生单向影响外，其余技术间都是偏向影响。位于低-高区域的49个点除2对技术间是单向影响外，其余都存在双向及偏向影响。对于低-低区域的380个点，其中40个点技术对属于单向影响，只存在一种技术对另一技术的單向影响，31个点的技术间无影响。可以重点关注和管理前三个区域内的存在偏向及单向影响的技术领域，以做出是否发展技术战略的决定。
4.3 交互影响网络图
在计算了技术领域间的影响值之后，两种及更多种技术间的复杂关系（如一种技术可能影响两种或更多种技术，多种技术也可能影响同一种技术）需要通过网络图来识别。图形的节点和边分别代表了与其他技术有双向或单向影响的技术，以及技术间的关联影响。箭头暗示了技术间偏向和单向影响的方向。当构建网络图时，两点间边的阈值越低，网络图就越密集。图2是基于1996-2016年全国35个技术领域技术间影响值形成的整体复杂网络关系网络图。偏向影响技术对用白色点表示，单向影响技术用灰色表示。密集网络显示了技术间高度相关的联系。但与此同时，由于节点较多，连接关系较为复杂，核心技术领域间的影响关系难以从该图中清晰分辨。
为了筛选出技术领域共类网络中拥有强连接的节点，从而确定核心技术领域及其连接关系，将两点间边的阈值提高至0.1，即将两个技术间影响值大于0.1的边显示在网络图3中，节点大小根据其影响值的度数中心度确定，边的粗细由关联影响值大小决定。经筛选后可以看到，中心度较大的技术领域——仪器的MEA（测量）、电气工程的EAE（电气机械、设备、能源）和COM（电脑技术）、化学领域BMC（基本材料化学）、MAM（材料、冶金）是交互影响网络中的核心领域，受其他节点影响并能对其他节点产生重大影响。在大于0.1的影响关系中，仪器MEA受到电气EAE、机械工程TRA（运输）、仪器领域的CON（控制）、ABM（生物材料分析），电气工程领域BCP（基本通讯工程）、化学领域MSN（微结构和纳米技术）、PHA（药物）的单向影响，又对COM产生单向影响。MCP（高分子化学及聚合物）、OPM（其他特种加工）、BMC（基本材料化学）之间存在偏向（双向）影响。
4.4 交互影响的变化
技术关联影响随着需求变化和新技术的出现而发生变化。因此，有必要去分析技术交互影响关系的变化，以决定哪种技术应该接受投资和发展，从而得到合意结果，该结果是公私部门研发战略决策制定的来源。考虑到特定年份搜集到的专利数据的完整性，本部分将对2004到2014年全国35个技术领域交互影响的变化进行检验。通过两种技术间交互影响的变化检验了交互影响的变化趋势。图4反映了变化最大的10对技术在两个方向上的影响关系Ii→j和Ij→i的变化。例如，技术对（通讯TEL，视听技术AVT）呈上升趋势。2004年其在Y轴（F1）和X轴（F2）影响值分别是0.077 4和0.450 0，但2014年变成0.410 8和0.445 4，这两种技术间的关系随时间越来越近。
呈递减影响趋势的技术对有（光学OPT，通讯TEL）（生物技术BIO，药物PHA）（土木工程CIE，特种加工OPM）（微结构纳米MSN， 测量MEA）（家具游戏FUG，控制CON）。在两个方向都递减的技术对有（生物材料分析ABM，生物技术BIO）（ABM，PHA）（TEL，DIG）（电脑技术COM，TEL）。 5 結论及建议
根据1996-2016年中国35个技术领域间的有效发明专利授权数据，建立了基于非对称的技术关联矩阵，并对技术直接关联影响进行了分析，结果提供了分析技术发展、预测未来趋势的方法，为利用技术关联影响促进技术融合发展提供了新的参考及依据。具体结论如下：
⑴技术的直接交互影响关系分为偏向、单向、等向和无向影响。电气工程和化学领域受到和对其自身领域技术影响最大，仪器领域受到和对电气工程及化学领域影响最大，机械工程领域受其自身技术影响较多，对电气工程、化学产生较多影响，其他领域受到和对仪器及机械工程影响较大。各领域间的影响是基于技术研发所需知识和要素产生的。除了领域内不同技术间的偏向影响外，跨领域的偏向影响中电气工程内部分领域与机械工程内技术产生偏向影响，电气工程对仪器产生偏向影响，化学与仪器产生偏向影响，化学偏向影响机械工程，其他领域对仪器、机械工程技术产生偏向影响。技术间的影响并无明显的作用规律。
⑵对技术对的分组可以发现，技术间高-高影响水平的点都是存在偏向影响，即处于高-高水平的技术对能相互促进，且一种技术对另一种技术的影响更大。处于高-低区域的技术对和低-高区域的技术对因为其中一种技术的影响力相对较高，因此除少数技术对是单向影响外，其余都存在偏向影响。在低-低区域的技术对因为技术影响力有限，故只存在单向影响和无影响。
⑶通过使用偏向和单向影响技术对构建的技术关联影响网络，可以识别多种技术间的复杂关系。仪器的MEA（测量）、电气工程的EAE（电气机械、设备、能源）和COM（电脑技术）、化学领域BMC（基本材料化学）、MAM（材料、冶金）是交互影响网络中的核心领域，这些核心领域是战略性新兴领域和基础支撑领域，受其他技术影响并能对其技术点产生重大影响。
根据结论提出以下政策建议：
⑴应根据技术间的直接影响值大小，重点关注和管理存在偏向及单向影响的技术领域。决策者一方面可以根据一种技术发展对另一种技术发展的影响来预测技术进步，另一方面可以制定公共政策、确立技术战略促使目标技术较快发展。
⑵通过分析技术对随时间变化的关联影响，可以把握技术对的发展模式或整体方向。从特定年份关联影响下每年积累的专利信息及变化程度，识别技术关联影响的递增及增减变化，并据此选择有利的研发投入时机，制定研发策略，决定哪种技术应该接受投资和发展，从而得到合意结果。
⑶应继续加大对影响力最高食品化学技术FOC和核心技术MEA、EAE、COM、BMC、MAM的投资，充分挖掘其涉及到的化学、机械工程和电气工程技术领域的发展潜力，发挥影响力最高技术的影响力，利用核心技术领域对技术网络的控制能力，同时实现技术更新与突破，促进相关新兴技术领域的培育。
参考文献：
[1] SCHULER A， THOMPSON WA， VERTINSKY I， et al.Cross impact analysis of technological innovation and development in the softwood lumber industry in Canada： a structural modeling approach[J]. IEEE transactions onengineeringmanagement，1991，38 （3）： 224–236.
[2] BLANNING R W， REINIG B A. Cross-impact analysis using group decision support systems： an application to the future of Hong Kong[J]. Futures， 1999， 31（1）： 39-56.
[3] VILLACORTA P J， MASEGOSA A D， CASTELLANOS D， et al. A new fuzzy linguistic approach to qualitative cross impact analysis[J]. Applied soft computing， 2014， 24（11）： 19-30.
[4] CHOI C， KIM S， PARK Y. A patent-based cross impact analysis for quantitative estimation of technological impact： the case of information and communication technology[J]. Technological forecasting and social change， 2007， 74（8）： 1296-1314.
[5] THORLEUCHTER D， VAN DEN POEL D，NZIE A. A compared R&D-based and patent-based cross impact analysis for identifying relationships between technologies[J]. Technological forecasting & social change， 2010， 77（7）：1037-1050.
[6] KIM C， LEE H， SEOL H， et al. Identifying core technologies based on technological cross-impacts： an association rule mining （ARM） and analytic network process （ANP） approach[J].Expert systems with applications，2011，38（10）： 12559-12564. [7] 馬荣康，刘凤朝. 基于专利交互影响分析的纳米技术发展模式国际比较[J]. 中国软科学， 2012（12）：49-58.
[8] 秦立芳. 基于专利交叉影响法的NBI会聚趋势研究[D]. 北京：北京工业大学， 2013.
[9] GAUCH S， BLIND K. Technological convergence and the absorptive capacity of standardization[J]. Technological forecasting and social change， 2015， 91（2）： 236-249.
[10] 周磊，杨威.基于专利IPC的技术知识流网络挖掘[J].现代情报，2016， 36（1）：45-50.
[11] 黄斌， 黄鲁成， 吴菲菲，等. 基于专利交叉影响分析法的技术影响关系研究[J]. 科技管理研究， 2015， 35 （15）：147-151.
[12] BRESCHI S， LISSONI F， MALERABA F. Knowledge-relatedness in firm technological diversification[J]. Research policy， 2003， 32（1）： 69–87.
[13] LIM H， PARK Y. Identification of technological knowledge intermediaries[J]. Scientometrics， 2010， 84（3）： 543-561.
[14] PARK H， YOON J. Assessing coreness and intermediarity of technology sectors using patent co-classification analysis： the case of Korean national R&D[J]. Scientometrics， 2014， 98（2）： 853-890.
[15] 李蓓，陈向东. 基于专利合作网络的我国中药合作创新研究[J].中国中药杂志，2015，40（6）：1212-1218.
作者贡献说明：
李瑞茜：构思论文、查找处理数据并撰写论文；
陈向东：提出有益的论文修改建议；
崔云霞：查找专利数据；
崔彩霞：查找专利数据。
Abstract： [Purpose/significance] It is different from the existing research literatures which focus on the technical relationships in specific technical fields， this paper aims at analyzing and predicting the directional cross impacts among various technologies and providing strategic support for the development of target technology and forecasting technological progress. [Method/process] Using the patent co-classification data of 35 technical fields in China， this paper calculated the directed cross impact values between 35 technical areas based on the patent cross impact analysis methods of Choi and others. Then， according to the impact value， the technical pairs were grouped， and cross impact network was built and changes of cross impact was analyzed. [Result/conclusion] There exists a high proportion of bias and one-way technology impact in the whole technology fields. Food chemistry （FOC） is the most influential technical field. Measurement （MEA） in the instrument field， electrical machinery， equipment， energy （EAE） and computer technology （COM） in the electrical engineering field， as well as basic materials chemistry （BMC） and material， metallurgy （MAM） in chemistry field are the core technology fields， locating at the core of the network.
Keywords： patent co-classification technical field directed cross impact
关键词：专利共类 技术领域 有向交互影响
分类号：G250
引用格式：李瑞茜， 陈向东， 崔云霞， 崔彩霞. 基于专利共类的有向技术交互影响分析[J/OL]. 知识管理论坛， 2018， 3（3）： 160-171[引用日期]. http：//www.kmf.ac.cn/p/136/.
1 引言
随着技术创新步伐的加快，技术之间的关联关系日趋复杂多变。这种技术间的关联关系会对技术扩散产生影响，多种技术间的不断融合和相互作用提升了使用交互影响分析来预测和分析技术的重要性。传统的交互影响分析法依赖于专家定性评价或直觉[1-3]，因而很难保持结果的一致性。C. Choi等提出了一种基于专利数据的定量交互影响分析法[4]，这种方法在评估技术交互影响时克服了定性交互影响法中概率估测的主观随意性，并为之后的技术交互影响研究奠定了基础。D. Thorleuchter等[5]比较内外部研发技术交互影响的差异，进而分析了交互影响的特征、网络、复杂关系和变化趋势。C. Kim等使用关联规则挖掘和分析网络过程方法，基于技术交互影响来确定信息通信领域的核心技术[6]。马荣康和刘凤朝基于专利技术共类构建识别不同纳米技术领域交叉影响模式的分析框架，对比了美国、日本、德国与韩国的纳米技术发展模式，探讨了中国纳米技术的发展现状及技术实现跨越式发展的政策启示[7]。秦立芳根据 2000 -2011年间纳米、生物、信息技术领域各热点技术所包含的专利数目及任意两技术共同包含的专利数目，计算任意两技术间的交叉影响值，并通过设定影响关系阈值分析了各技术间的影响关系[8]。S. Gauch等提出了识别技术收敛趋势和测量技术趋同的标准，如探索性鉴定技术集聚，使用技术领域的广度区分集中和扩散的趋同趋势，并使用交叉影响评估方法进行深入分析，以衡量技术趋同的水平和趋势[9]。
已有文献主要关注某个特定技术领域内的技术关联关系，没有对多个技术领域的关联影响值进行全面深入的考察；而且以往文献忽略了技术流的方向性，技术知识流是知识流动的过程，存在知识输出方和知识接收方，这一局限会影响对技术知识流活动规律的探索[10]。黄斌等[11]认识到这一问题，针对C. Choi等专利交叉影响分析法存在的不足，以太阳能聚光器技术领域中的5种技术为研究对象，从影响类型的划分、影响方向和特定技术影响力3个方面对之前的研究进行修正与完善。
在已有文献对技术交互影响的分析中，专利共类是一种常用的数据，一项专利有两个或以上用途的产品组合时，审查员就会给出与其用途相应的多个分类号，主分类号代表了专利的主要用途，最能充分反映一项专利的技术主题，它与专利技术创新的相关性最高，次要用途确定的分类号为副分类号。从信息科学和技术的角度来看，专利分类提供了专利的知识组织。尽管专利分类号由专利审查员人为施加，但OECD手册（1994年）明确专利是根据技术特征划分的技术类别，可以作为技术关联的潜在指标。而且，共类分析假设分类号归属于一个专利的频率可以代表知识联系和溢出强度[12]，具有可根据多级技术分类分析多种技术水平的优势，能克服专利共引时间滞后及共词定性判断不一致的问题[6]。H.Lim和Y. Park[13]以及H. Park和J. Yoon[14]指出在一件专利中，发明的专有知识被分配给主分类号，它与专利技术创新的相关性最高，其他相关知识则被分配给多个副分类号，主分类号与其他副分类号间的关系可以视为知识流动的方向。周磊和杨威认为专利共类的实质是主分类号生产知识而副分类号接收知识，二者间的关系应被视为技术知识从知识的源头流向应用终端[10]。
因此，本研究在已有文献的基础上，结合专利技术领域的共类信息和技术流方向，基于C. Choi等提出的专利交叉影响分析方法，参考黄斌等的研究，使用专利共类数据对不同技术领域间有向的交叉影响值进行考察，计算得到技术间的关联影响值，为制定策略以增强目标技术的竞争力、预测技术进步提供战略支持。首先，计算技术领域间的有向交互影响值。其次，根据技术领域间的交互影响值的大小，对技术对做了分类。再次，构建交互影响网络来识别技术间的复杂关系。最后，分析技术间交互影响值随时间发生的变化。结果有助于帮助决策者预测未来趋势及制定更好的研发战略。
2 专利数据采集与处理
为了尽可能全面涵盖不同领域技术间的交互影响，选择WIPO 2008年5月发布的《国际专利分类号与技术领域对照表》中的五大技术领域的35个子领域（见表1）。尽管35个技术领域分类的区分度不够明显，使得从字面上看来有些技术较为相近，但相近技术的侧重点和应用领域不同，且该表提供了最初的分类标准，是其他各分类体系的参照标准，就此进行研究依然具有一定意义。数据采集于CNIPR专利信息服务平台，数据范围为中国发明授权专利，获得授权是专利质量的重要体现[15]，同时，因有效期届满或因未缴纳年费专利权终止的无效专利被排除在外，以提高样本数据的准确性。通过限定主分类号为i领域、分类号为不同于i的j领域，就可以获取主分类号为i领域、副分类号为j领域的专利数。检索表达式为：主分类号=（领域i） and 分类号=（领域j） and 国省代码=（北京 or 天津 or 河 or 山西 or 内蒙古 or 辽宁 or 吉林 or 黑龙江 or 上海 or 江苏 or 浙江 or 安徽 or 福建 or 江西 or 山东 or 湖北 or 湖南 or 广东 or 广西 or 四川 or 贵州 or 云南 or 西藏 or 陕西 or 甘肃 or 青海 or 宁夏 or 新疆 or 海南 or 重慶）。通过技术分类号的共类检索，提取出1996-2016年全国35个技术领域内获得授权的有效专利数，作为本研究的样本数据。以每件授权发明专利申请时的主和副国际专利分类号为依据，建立35*35的非对称技术关联共类矩阵，共类矩阵中的行代表主分类号技术领域，列表示副分类号技术领域，元素值为该位置对应的主分类号与副分类号共类的专利数，表示所在行领域i的技术知识流向所在列领域j的技术的次数。因为这里主要关注35个领域间的技术关联，同时基于数据可得性的考虑，各技术领域与其自身的关系就不再考虑。 3 研究方法
3.1 技术交互影响的方向
技术关联影响的方向决定了技术发展的趋势，为研发投入支持技术领域发展提供决策基础。本文分析技术对间的直接关联影响。如果以i为主分类号且j为副分类号的专利件数大于以j为主分类号且i为主分类号的专利件数，则称i与j的关联影响为i对j的偏向关联影响；反之，则称j与i的关联影响为j对i的偏向关联影响；如果仅存在以i为主分类号且j为副分类号的专利，或仅存在j为主分类号且i为副分类号的专利，则称领域i对领域j有单向关联影响（或领域j对领域i有单向关联影响）；如果以i为主分类号且j为副分类号的专利件数等于以j为主分类号且i为副分类号的专利件数，则称i与j间由等向关联影响；如果不存在i为主分类号且j为副分类号的专利或j为主分类号且i为副分类号的专利，则称i与j无关联影响。
3.2 技术交互影响种类
参考黄斌等的研究，将技术直接交互影响分为以下几类：
⑴技术领域i对技术领域j的关联影响
从技术知识流的视角看，如果技术领域i和j存在偏向或等向影响，那么它们之间任何一方的发展都能促进另一方的发展；如果技术领域i对技术领域j单向影响，那么技术领域i的发展可以促进技术领域j的发展，而技术领域j不能促进i。如果技术领域i和j是无向影响，那么两者间任何一方的发展都不会促进另一方面的发展。
4 研究结果
4.1 技术领域间的交互影响值
如表2所示，通过加总行和与列和，得到35个技术领域发出和收到的影响总值。表2中的技术i表示影响技术，技术j表示受影响技术。同时，也列出35个技术领域受影响和影响其他技术的最大值及技术领域。表2里电气工程领域技术以加粗斜体下划线表示，仪器领域技术以加粗斜体表示，化学领域技术以粗体表示，机械工程领域技術以斜体表示，其他领域技术以正常字体表示。
可以看到，整体看来，电气工程和化学领域受到和对其自身领域技术影响最大，仪器领域受到和对电气工程及化学领域影响最大，机械工程领域受其自身技术影响较多，同时对电气工程、化学产生较多影响，其他领域受到和对仪器及机械工程影响较大。影响力最高的技术是食品化学FOC，累积影响值0.996，说明食品化学领域99.6%的专利也出现在其他技术领域的专利中。
具体看来，第2、3、11、16、17、18、25、33、34组的技术对间互为影响技术和被影响技术，以电气工程领域的通讯TEL和视听技术AVT为例，二者之间相互影响值为最大，且ITEL→AVT（0.2416）< IAVT→TEL（0.3620），存在偏向影响IAVT→TEL=0.1204，说明技术AVT对TEL的影响更大。数字通讯技术DIG对通讯TEL的影响值最高，IDIG→TEL=0.535 9，而ITEL→DIG=0384 3，DIG对TEL的影响更大，IDIG→TEL=0.151 6。跨领域而言，对化学领域的药物PHA影响最大的是食品化学FOC，IFOC→PHA（0.417 5）> IPHA→FOC（0.394 9），FOC对PHA的偏向影响IFOC→PHA（0.222 6）。机械工程领域机床技术MAT对处理技术HAN的影响最大，且IMAT→HAN（0.070 1） > IPHA→FOC（0.112 2），存在MAT对HAN的偏向影响。跨领域而言，化学的高分子化学/聚合物MCP对机械工程领域的其他特种加工机床OPM的偏向影响更大。其他领域的家具、游戏技术FUG对仪器的医药技术MED的影响更大，IMED→FUG（0.064 2） > IFUG→MED （0.107）。ITPM→OCG（0.082 7） > IOCG→TPM（0.134 5），说明其他领域的其他消费品OCG对机械工程的纺织和造纸机TPM的影响更大。对仪器的生物材料分析技术ABM影响最大的是化学的生物技术BIO，IBIO→ABM（0.095 8） > IABM→BIO（0.305 9），所以ABM对BIO的影响更大，偏向影响为IABM>BIO= 0.210 1。
在非互为最大影响的技术对中，同一领域内，对DIG影响最大的是IT管理方法技术ITM，IITM→BIG（0.053 7）>IDIG→ITM（0.399 9），存在着技术ITM对DIG的偏向影响IITM→DIG= 0.463 8。对基本通讯进程BCP影响最大的同样是电气工程领域的DIG，IDIG→BCP（0.027 7） < IBCP→DIG（0.168 0），所以存在技术BCP对DIG的偏向影响IDIG>BCP=0.140 3。对电脑技术COM影响最大的是DIG，且IDIG→COM（0.306 3） < ICOM→DIG（0.230 1），所以存在DIG对COM的偏向影响IDIG→COM0.140 3。化学领域中，对化学的有机精细化工OFC影响最大的是化学工程CHE，ICHE→OFC（0.207 4） < IOFC→CHE（0.189 9），所以CHE对OFC的影响更大ICHE>OFC=0.017 5。
跨领域的技术对中，对电气机械、设备、能源EAE影响最大的技术领域是机械工程的发动机EPT，影响值IEPT→EAE为0.165 0，EAE对EPT的影响值为0.0265，尽管双方的发展均能促进对方的发展，但技术EAE影响技术EPT发展的程度较大，技术EAE对技术EPT的偏向影响值为IEAE→EPT=0.013 85。对电气工程领域的IT管理方法ITM影响最大的是机械领域的热力加工设备TPA，且ITPA→ITM（0.225 3） < IITM→TPA（0），所以技术TPA单向影响ITM，ITPA→ITM=IIPA→ITM=0.225 3。对电气工程领域的半导体SEM影响最大是仪器领域的光学技术OPT，对OPT影响影响最大的是SEM，但IOPT→SEM（0.154 0） < ISEM→OPT（0.171 1），因此SEM对OPT的影响更大，ISEM>OPT=0.171 1。对仪器领域的测量技术MEA影响最大的是化学领域的微结构和纳米技术MSN，IMSN→MEA（0.330 0） < IMEA→MSN（0.053 3），所以MSN对MEA的影响更大IMSN>MEA=0.276 7。对仪器的控制技术CON影响最大的是电气领域的IT管理方法ITM，IITM→CON（0.197 1） < ICON→ITM（0.037 6），所以ITM对CON的影响更大。对仪器的医药技术MED影响最大的是化学领域的药物PHA，IPHA→MED（0.147 1） < IMED→PHA（0.095 1），所以PHA对MED的影响更大，IPHA>MED=0.052。对化学领域的生物技术BIO影响最大的是仪器的生物材料分析ABM，IABM→BIO（0.305 9）> IBIO→ABM>（0.095 8），所以ABM对BIO的偏向影响更大IABM>BIO=0.210 1。 除了领域内不同技术间的偏向影响外，跨领域的偏向影响中电气工程领域内部分技术与机械工程领域内技术产生偏向影响，电气工程对仪器产生偏向影响，化学对仪器产生偏向影响，化学影响机械，其他领域对仪器、机械工程技术产生偏向影响。技术间的影响是基于技术所需的领域知识和资源要素决定的，技术领域间的影响并无明显的作用规律。对于存在偏向影响和单向影响的技术对而言，如果企业在技术DIG具有竞争优势，其也会在TEL获取优势。这也能用于预测技术进步，因为一种技术的发展会影响另一种技术的发展。例如，技术DIG的进步也会促进技术TEL的发展。如果技术DIG发展得很快，技术领域TEL也会在不久的将来有发展。
4.2 技术分组
基于关联影响对技术分组有助于理解它们的特征。使用参考虚线Y=X，将技术对区域分为偏向、单向、等向和无向影响。同时，将技术关联影响的平均值（Y=0.032 6， X=0.026 2）作为边界值，根据边界值将技术关联影响的整个区域分为高-高、高-低、低-高、低-低影响四大块。这两种分类方法的结果如图1所示，X轴Ij→i代表以j为主分类号技术对i为副分类号技术的影响，Y轴Ii→j表示以i为主分类号的技术对j为副分类号技术的影响。以图1中的点（ITM，DIG）为例，其投射在Y轴上的值IITM→DIG为以ITM领域为主分类号的技术对DIG为副分类号技术的影响值，投射在X轴上的值IDIG→ITM是以DIG为主分类号技术对ITM为主分类号技术的影响值。（FOC，PHA）的以FOC为主分类号的技术对以PHA为副分类号技术的影响值Y大于以ITM为主分类号的技术对TPA为副分类号的影响值X，且该点的Y值和X值处于高-高水平。点（TPA，ITM）以TPA为主分类号的技术对以ITM为副分类号技术的影响值Y大于以ITM为主分类号的技术对TPA为副分类号的影响值X，且该点的Y值和X值处于高-低水平。点（ITM，AVT）以ITM为主分类号的技术对以AVT为副分类号技术的影响大于以AVT为主分类号技术对ITM为副分类号技术的影响，该点的Y值和X值处于低-低水平。点（PHA，BIO）的以BIO为主分类号的技术对副分类号PHA的影响大于PHA为主分类号的技术对BIO副分类号的影响，且该点的Y值和X值处于低-高水平。
整体看来，高-高影响水平的110个点都是技术间存在偏向影响的点，即处于高-高水平的技术对能相互促进，且一种技术对另一种技术的影响更大。处于高-低区域的56对技术中除了TPA对ITM产生单向影响外，其余技术间都是偏向影响。位于低-高区域的49个点除2对技术间是单向影响外，其余都存在双向及偏向影响。对于低-低区域的380个点，其中40个点技术对属于单向影响，只存在一种技术对另一技术的單向影响，31个点的技术间无影响。可以重点关注和管理前三个区域内的存在偏向及单向影响的技术领域，以做出是否发展技术战略的决定。
4.3 交互影响网络图
在计算了技术领域间的影响值之后，两种及更多种技术间的复杂关系（如一种技术可能影响两种或更多种技术，多种技术也可能影响同一种技术）需要通过网络图来识别。图形的节点和边分别代表了与其他技术有双向或单向影响的技术，以及技术间的关联影响。箭头暗示了技术间偏向和单向影响的方向。当构建网络图时，两点间边的阈值越低，网络图就越密集。图2是基于1996-2016年全国35个技术领域技术间影响值形成的整体复杂网络关系网络图。偏向影响技术对用白色点表示，单向影响技术用灰色表示。密集网络显示了技术间高度相关的联系。但与此同时，由于节点较多，连接关系较为复杂，核心技术领域间的影响关系难以从该图中清晰分辨。
为了筛选出技术领域共类网络中拥有强连接的节点，从而确定核心技术领域及其连接关系，将两点间边的阈值提高至0.1，即将两个技术间影响值大于0.1的边显示在网络图3中，节点大小根据其影响值的度数中心度确定，边的粗细由关联影响值大小决定。经筛选后可以看到，中心度较大的技术领域——仪器的MEA（测量）、电气工程的EAE（电气机械、设备、能源）和COM（电脑技术）、化学领域BMC（基本材料化学）、MAM（材料、冶金）是交互影响网络中的核心领域，受其他节点影响并能对其他节点产生重大影响。在大于0.1的影响关系中，仪器MEA受到电气EAE、机械工程TRA（运输）、仪器领域的CON（控制）、ABM（生物材料分析），电气工程领域BCP（基本通讯工程）、化学领域MSN（微结构和纳米技术）、PHA（药物）的单向影响，又对COM产生单向影响。MCP（高分子化学及聚合物）、OPM（其他特种加工）、BMC（基本材料化学）之间存在偏向（双向）影响。
4.4 交互影响的变化
技术关联影响随着需求变化和新技术的出现而发生变化。因此，有必要去分析技术交互影响关系的变化，以决定哪种技术应该接受投资和发展，从而得到合意结果，该结果是公私部门研发战略决策制定的来源。考虑到特定年份搜集到的专利数据的完整性，本部分将对2004到2014年全国35个技术领域交互影响的变化进行检验。通过两种技术间交互影响的变化检验了交互影响的变化趋势。图4反映了变化最大的10对技术在两个方向上的影响关系Ii→j和Ij→i的变化。例如，技术对（通讯TEL，视听技术AVT）呈上升趋势。2004年其在Y轴（F1）和X轴（F2）影响值分别是0.077 4和0.450 0，但2014年变成0.410 8和0.445 4，这两种技术间的关系随时间越来越近。
呈递减影响趋势的技术对有（光学OPT，通讯TEL）（生物技术BIO，药物PHA）（土木工程CIE，特种加工OPM）（微结构纳米MSN， 测量MEA）（家具游戏FUG，控制CON）。在两个方向都递减的技术对有（生物材料分析ABM，生物技术BIO）（ABM，PHA）（TEL，DIG）（电脑技术COM，TEL）。 5 結论及建议
根据1996-2016年中国35个技术领域间的有效发明专利授权数据，建立了基于非对称的技术关联矩阵，并对技术直接关联影响进行了分析，结果提供了分析技术发展、预测未来趋势的方法，为利用技术关联影响促进技术融合发展提供了新的参考及依据。具体结论如下：
⑴技术的直接交互影响关系分为偏向、单向、等向和无向影响。电气工程和化学领域受到和对其自身领域技术影响最大，仪器领域受到和对电气工程及化学领域影响最大，机械工程领域受其自身技术影响较多，对电气工程、化学产生较多影响，其他领域受到和对仪器及机械工程影响较大。各领域间的影响是基于技术研发所需知识和要素产生的。除了领域内不同技术间的偏向影响外，跨领域的偏向影响中电气工程内部分领域与机械工程内技术产生偏向影响，电气工程对仪器产生偏向影响，化学与仪器产生偏向影响，化学偏向影响机械工程，其他领域对仪器、机械工程技术产生偏向影响。技术间的影响并无明显的作用规律。
⑵对技术对的分组可以发现，技术间高-高影响水平的点都是存在偏向影响，即处于高-高水平的技术对能相互促进，且一种技术对另一种技术的影响更大。处于高-低区域的技术对和低-高区域的技术对因为其中一种技术的影响力相对较高，因此除少数技术对是单向影响外，其余都存在偏向影响。在低-低区域的技术对因为技术影响力有限，故只存在单向影响和无影响。
⑶通过使用偏向和单向影响技术对构建的技术关联影响网络，可以识别多种技术间的复杂关系。仪器的MEA（测量）、电气工程的EAE（电气机械、设备、能源）和COM（电脑技术）、化学领域BMC（基本材料化学）、MAM（材料、冶金）是交互影响网络中的核心领域，这些核心领域是战略性新兴领域和基础支撑领域，受其他技术影响并能对其技术点产生重大影响。
根据结论提出以下政策建议：
⑴应根据技术间的直接影响值大小，重点关注和管理存在偏向及单向影响的技术领域。决策者一方面可以根据一种技术发展对另一种技术发展的影响来预测技术进步，另一方面可以制定公共政策、确立技术战略促使目标技术较快发展。
⑵通过分析技术对随时间变化的关联影响，可以把握技术对的发展模式或整体方向。从特定年份关联影响下每年积累的专利信息及变化程度，识别技术关联影响的递增及增减变化，并据此选择有利的研发投入时机，制定研发策略，决定哪种技术应该接受投资和发展，从而得到合意结果。
⑶应继续加大对影响力最高食品化学技术FOC和核心技术MEA、EAE、COM、BMC、MAM的投资，充分挖掘其涉及到的化学、机械工程和电气工程技术领域的发展潜力，发挥影响力最高技术的影响力，利用核心技术领域对技术网络的控制能力，同时实现技术更新与突破，促进相关新兴技术领域的培育。
参考文献：
[1] SCHULER A， THOMPSON WA， VERTINSKY I， et al.Cross impact analysis of technological innovation and development in the softwood lumber industry in Canada： a structural modeling approach[J]. IEEE transactions onengineeringmanagement，1991，38 （3）： 224–236.
[2] BLANNING R W， REINIG B A. Cross-impact analysis using group decision support systems： an application to the future of Hong Kong[J]. Futures， 1999， 31（1）： 39-56.
[3] VILLACORTA P J， MASEGOSA A D， CASTELLANOS D， et al. A new fuzzy linguistic approach to qualitative cross impact analysis[J]. Applied soft computing， 2014， 24（11）： 19-30.
[4] CHOI C， KIM S， PARK Y. A patent-based cross impact analysis for quantitative estimation of technological impact： the case of information and communication technology[J]. Technological forecasting and social change， 2007， 74（8）： 1296-1314.
[5] THORLEUCHTER D， VAN DEN POEL D，NZIE A. A compared R&D-based and patent-based cross impact analysis for identifying relationships between technologies[J]. Technological forecasting & social change， 2010， 77（7）：1037-1050.
[6] KIM C， LEE H， SEOL H， et al. Identifying core technologies based on technological cross-impacts： an association rule mining （ARM） and analytic network process （ANP） approach[J].Expert systems with applications，2011，38（10）： 12559-12564. [7] 馬荣康，刘凤朝. 基于专利交互影响分析的纳米技术发展模式国际比较[J]. 中国软科学， 2012（12）：49-58.
[8] 秦立芳. 基于专利交叉影响法的NBI会聚趋势研究[D]. 北京：北京工业大学， 2013.
[9] GAUCH S， BLIND K. Technological convergence and the absorptive capacity of standardization[J]. Technological forecasting and social change， 2015， 91（2）： 236-249.
[10] 周磊，杨威.基于专利IPC的技术知识流网络挖掘[J].现代情报，2016， 36（1）：45-50.
[11] 黄斌， 黄鲁成， 吴菲菲，等. 基于专利交叉影响分析法的技术影响关系研究[J]. 科技管理研究， 2015， 35 （15）：147-151.
[12] BRESCHI S， LISSONI F， MALERABA F. Knowledge-relatedness in firm technological diversification[J]. Research policy， 2003， 32（1）： 69–87.
[13] LIM H， PARK Y. Identification of technological knowledge intermediaries[J]. Scientometrics， 2010， 84（3）： 543-561.
[14] PARK H， YOON J. Assessing coreness and intermediarity of technology sectors using patent co-classification analysis： the case of Korean national R&D[J]. Scientometrics， 2014， 98（2）： 853-890.
[15] 李蓓，陈向东. 基于专利合作网络的我国中药合作创新研究[J].中国中药杂志，2015，40（6）：1212-1218.
作者贡献说明：
李瑞茜：构思论文、查找处理数据并撰写论文；
陈向东：提出有益的论文修改建议；
崔云霞：查找专利数据；
崔彩霞：查找专利数据。
Abstract： [Purpose/significance] It is different from the existing research literatures which focus on the technical relationships in specific technical fields， this paper aims at analyzing and predicting the directional cross impacts among various technologies and providing strategic support for the development of target technology and forecasting technological progress. [Method/process] Using the patent co-classification data of 35 technical fields in China， this paper calculated the directed cross impact values between 35 technical areas based on the patent cross impact analysis methods of Choi and others. Then， according to the impact value， the technical pairs were grouped， and cross impact network was built and changes of cross impact was analyzed. [Result/conclusion] There exists a high proportion of bias and one-way technology impact in the whole technology fields. Food chemistry （FOC） is the most influential technical field. Measurement （MEA） in the instrument field， electrical machinery， equipment， energy （EAE） and computer technology （COM） in the electrical engineering field， as well as basic materials chemistry （BMC） and material， metallurgy （MAM） in chemistry field are the core technology fields， locating at the core of the network.
Keywords： patent co-classification technical field directed cross impact