[论文解读] Decomposition and Analysis of Technological domains for better understanding of Technological Structure

Xin Guo, Hyunseok Park+1 more|arXiv (Cornell University)|Apr 19, 2016

Intellectual Property and Patents参考文献 6被引用 4

一句话总结

本文提出了一种分类重叠方法，用于从美国专利数据中分解技术领域，实现对连贯技术领域及其子领域的自动识别。通过使用检索词和Benson-Magee预测模型，测量了技术进步速率，证明了该方法在分析生物化学药理学领域进展方面的有效性，揭示了各子领域间不同的增长动态。

ABSTRACT

Patents represent one of the most complete sources of information related to technological change. This paper presents three months of research on U.S. patents in the field of patent analysis. The methodology consists of using search terms to locate the most representative international and US patent classes and determines the overlap of those classes to arrive at the final set of patents and using the prediction model developed by Benson and Magee to calculate the technological improvement rate for the technological domains. My research focused on the Biochemical Pharmacology technological area and selecting relevant patents for technological domains and sub-domains within this area. The goal is to better understand structure of technology domain and understand how fast the domains and their sub-domains progress. The method I used is developed by Benson and Magee which is called the Classification Overlap Method1, it provides a reliable and largely automated way to break the patent database into understandable technological domains where progress can be measured.

研究动机与目标

• 理解专利数据中技术领域的结构组织方式。
• 识别复杂领域（如生物化学药理学）中连贯的技术领域及其子领域。
• 使用一种自动且可靠的方法，测量各领域及子领域内的技术进步速率。
• 验证分类重叠方法作为分解和分析大规模专利数据库工具的有效性。

提出的方法

• 使用基于关键词的检索方法，识别与目标技术领域相关的代表性国际和美国专利分类。
• 应用分类重叠方法检测重叠专利分类的聚类，形成独立的技术领域。
• 采用Benson和Magee预测模型，估算每个识别出领域的技术进步速率。
• 通过在三个月的研究期内应用于生物化学药理学领域，验证该方法的可靠性。
• 使用美国专利数据库中的专利数据，提取并分析随时间推移的技术进展。
• 实现分解过程的自动化，以减少人工工作量，同时保持领域分割的准确性。

实验结果

研究问题

• RQ1 如何系统性地将大规模专利数据库分解为有意义的技术领域和子领域？
• RQ2 在生物化学药理学中，已识别领域和子领域的技术进步速率是多少？
• RQ3 分类重叠方法在从专利数据中识别连贯技术领域方面有多可靠？
• RQ4 一个更广泛技术领域内的子领域是否表现出不同的创新速率？
• RQ5 自动化方法能否在无需大量人工整理的情况下准确测量技术进展？

主要发现

• 分类重叠方法成功识别出生物化学药理学领域内不同的技术领域和子领域。
• 生物化学药理学中的子领域表现出不同的技术进步速率，表明其创新动态存在异质性。
• 该方法实现了专利数据的自动、可扩展分解，形成可分析的技术单元，且人工干预极少。
• Benson-Magee预测模型为每个领域提供了可量化的技术进步速率估计。
• 该方法在三个月的研究周期内，表现出识别技术结构的可靠性和一致性。
• 研究证实，技术进展在子领域之间并非均匀分布，凸显了在技术监测中进行细粒度分析的必要性。