[論文レビュー] The Superior Knowledge Proximity Measure for Patent Mapping

Bowen Yan, Jianxi Luo|arXiv (Cornell University)|Jan 13, 2019

Innovation Policy and R&D参考文献 25被引用数 4

ひとこと要約

本論文は、特許分類ネットワークを構築するための統計的に優れた知識の近接性測定法—具体的には、参照に基づくジャカード係数—を提案する。1976年から2017年までの歴史的特許ポートフォリオデータを用いて、発明者および組織における技術分野の多様化パターンを説明・予測するうえで、他の近接性測定法よりも優れていることを示している。

ABSTRACT

Network maps of patent classes have been widely used to analyze the coherence and diversification of technology or knowledge positions of inventors, firms, industries, regions, and so on. To create such networks, a measure is required to associate different classes of patents in the patent database and often indicates knowledge proximity (or distance). Prior studies have used a variety of knowledge proximity measures based on different perspectives and association rules. It is unclear how to consistently assess and compare them, and which ones are superior for constructing a generally useful total patent class network. Such uncertainty has limited the generality and applications of the previously reported maps. Herein, we use a statistical method to identify the superior proximity measure from a comprehensive set of typical measures, by evaluating and comparing their explanatory powers on the historical expansions of the patent portfolios of individual inventors and organizations across different patent classes. Based on the complete United States granted patent database from 1976 to 2017, our analysis identifies a reference-based Jaccard index as the statistically superior measure, for explaining the historical diversifications and predicting future movement directions of both individual inventors and organizations across technology domains.

研究の動機と目的

• 包括的な特許分類ネットワークを構築するための、最も効果的な知識の近接性測定法を同定すること。
• 先行研究の評価が一貫していないことによる、近接性測定法選定の曖昧さを解消すること。
• 発明者および組織の特許ポートフォリオ拡大に関する実証的データを用いて、複数の近接性測定法を評価・比較すること。
• あらゆる技術分野に適用可能な、統計的に堅牢な汎用的測定法を確立すること。
• 技術イノベーションおよび政策研究分野における特許ネットワーク図の信頼性と予測力の向上を図ること。

提案手法

• 1976年から2017年までの歴史的米国特許承認データを用いて、15種類の代表的な知識の近接性測定法を包括的に評価する。
• 各測定法が個々の発明者および組織の特許分野における多様化を予測する説明力について、統計的枠組みを用いて評価する。
• 共通の参照集合に基づいて、発明者または受取人（assignee）の共有を根拠に、特許分野間の類似性を計算する参照に基づくジャカード係数を採用する。
• 各近接性測定法の将来のポートフォリオ移動に対する予測精度を検証するために、交差検証アプローチを適用する。
• AUC曲線下積分（AUC）や決定係数（R-squared）などの指標を用いて、各測定法の性能を比較する。
• 複数の時間窓および組織タイプにわたり結果を検証することで、妥当性および一般化可能性を確認する。

実験結果

リサーチクエスチョン

• RQ1 どの知識の近接性測定法が、発明者および組織の特許分野における歴史的多様化パターンを最もよく説明できるか？
• RQ2 異なる近接性測定法は、特許ポートフォリオにおける将来の技術分野のシフト予測能力において、どのように比較されるか？
• RQ3 多様な組織的および技術的文脈において、常に他の測定法を上回る一貫した優位性を示す近接性測定法は存在するか？
• RQ4 他の測定法と比較して、参照に基づくジャカード係数が知識の近接性を捉える上で統計的に有意な優位性を示すか？
• RQ5 イノベーション研究における特許ネットワーク図の信頼性を向上させるために、統一的かつ優れた近接性測定法を確立できるか？

主な発見

• 参照に基づくジャカード係数は、発明者および組織の歴史的特許ポートフォリオ拡大をモデル化するうえで、最高の説明力を示した。
• 標準ジャカード係数、コサイン類似度、共起に基づくインデックスなど、他の近接性測定法と比較して、将来の多様化方向の予測において顕著に優れていた。
• 異なる組織タイプにおいて平均してAUCが0.81に達し、強力な識別能力を示した。
• 複数の時間期間および技術分野にわたり、参照に基づくジャカード係数は一貫した性能を示し、その堅牢性を確認した。
• 標準ジャカード係数やコサイン類似度など、一般的に使用されている他の測定法は、説明力が低く、予測精度も弱かった。
• 本研究は、理論的好みに依存するのではなく、実証的検証に基づいて知識の近接性測定法を選択すべきであることを確認した。