一种专利技术生命周期分析方法

本发明属于专利分析技术领域，更具体地涉及一种基于成分分析的专利技术生命 周期分析方法。

当今知识产权创新已成为国家综合力竞争的决定性力量，知识产权的重要载体是 专利，专利在推动科技进步，提高创新能力中起着举足轻重的作用。而其中的关键是将先进 的专利技术运用到国家的建设，企业的发展中，它能让国家或者企业准确把握当前的技术 发展现状，了解对方的竞争力度，做出统筹决策的有效安排，最终促使经济水平的迅速提 升、各国综合实力的显著提高，社会的快速发展。但在运用和利用专利技术之前，专利的评 议分析就变得尤为重要。一件专利只有通过全面准确的评议和分析，才能对其存在的价值 实现真正的定位，才能将其运用到合适的领域，合适的时机。

专利分析具体因方向不同有较大差异，如情报分析、预警分析技术、生命周期的分 析，主要有原文分析、简单统计分析、以简单统计为基础的对比分析、动态矢量分析等；而这 些分析中最为重要的分析之一是技术生命周期的分析。目前常用的方法有s曲线法、技术生 命周期图示法、相对指标法、相对增长率法和TCT五种法，这五种方法基本都是基于单指标 的分析，比如利用专利申请量或专利人的申请数量随时间的变化趋势进行周期的判断。这 些传统的方法并不一定能反映专利技术生命周期的准确性和客观性。其实，事实上影响专 利技术生命周期的指标不仅仅这两个指标，还有比如专利分类号、发明人数量、科技引文数 量等等许多的指标，这些指标对专利技术生命周期的影响也不能被忽视，它们对多指标的 研究更具有合理性。从这一角度考虑，使用多指标的专利技术生命周期的研究，不失为一种 更可靠的修复技术。

传统的专利技术生命周期的研究基本都是对专利申请量，或者专利人的申请数量 随时间的变化趋势进行分析，事实上，比如优先权专利申请量、公司专利权人数量、机构专 利权人数量、科学引文数量、专利引文数量、IPC数量、IPC top5数量、IPC top10、MC、MC top5数量、MC top10数量等指标更能反映国家或者企业科技进步的现状、技术研究兴趣或 热点的转移情况、在一定程度上摸清对方当前技术发明人的注意力以及该项技术领域发展 的去向，甚至可以判断出最活跃的领域；因此这些指标也会对专利的生命周期有影响。

然而多指标的分析往往使问题变得更加复杂，本发明提出了一种基于常用统计学 方法——主成分分析方法(principal component analysis以下简称pca)的专利技术生命 周期分析方法。将多指标变量降维为较少数的综合指标进行专利生命周期的分析研究，这 使得对问题的分析研究更加简单化，也更加具有客观性和合理性。

本发明采用如下技术方案：

一种专利技术生命周期分析方法，包括以下步骤，

S1、采集专利文档；

S2、选取m个专利指标，将所有专利文档按照m个专利指标进行分析，得到如下矩 阵，n为年份，

其中，

S3、将上述矩阵进行数据标准化，得到标准化矩阵：

其中，平均值标准差得到，

其中，

S4、计算标准化处理后的数据协方差矩阵S＝(sij)m*m、特征值λ和对应的特征向量V，

其中，

特征值λ:λ1≥λ2≥…λm>0,

特征向量V＝(a1,a2,……,am),

S5、利用特征值计算方差贡献率ti：每一个特征值除以特征值总和，

即：

S6、计算累积方差贡献率G(r)：第一个方差贡献率、前两个方差贡献率之和，……， 所有方差贡献率之和，

即：

S7、选取主成分个数r；

S8、计算r个主成分中每个主成分得分：主成分对应的特征向量乘以标准化数据 阵，

Fi＝a1iY1+a2iY2+…+amiYm，i＝1，2，…，r。

本技术方案进一步的优化，还包括步骤S9，将选取的主成分得分画折线图，并根据 技术生命周期的四阶段特征分析折线图。

本技术方案进一步的优化，所述步骤S7选取主成分个数方法为：累积贡献率G(r) ≥85％时，r的最小值。

本发明相对于现有技术，具有如下优点：

1.使用多指标能更好地提高专利生命周期分析的客观性和可靠性；

2.使用主成分分析法能把多指标降维为少数的综合指标，起到使复杂问题简单化 的作用。

图1是传统专利分析方法折线图；

图2是专利技术生命周期分析方法的折线图。

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部 分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参 考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中 的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

现结合附图和具体实施方式对本发明进一步说明。

本发明优选一实施例的一种专利技术生命周期分析方法，包括以下步骤：

S1、采集专利文档，

收集数据：该实施例是对专利数据生命周期的分析研究，因此需要从合适的专利 数据库中提取专利数据。专利数据库有免费和商业两类。但由于免费专利数据库的语言和 结果格式多样，因此不能很好的提取指标变量，所以该文的指标数据主要来源于商业专利 数据库——德温特创新索引数据库(简称DII)。收集数据为1985-2008年纳米生物传感器专 利指标数据。

S2、选取m个专利指标，将所有专利文档按照m个专利指标进行分析，得到如下矩 阵，n为年份，

其中，

传统的专利技术生命周期多是对专利申请人和专利申请数量两个指标的研究，指 标数据的较少提取影响实验结果的客观性，因此该文通过调研影响专利周期的因素，从DII 中提取了13个专利指标用于专利技术生命周期的研究。13个指标分别是：专利申请量 (indicator 1)、优先权专利申请量(indicator 2)、公司专利权人数量(indicator 3)、机 构专利权人数量(indicator 4)、发明人数量(indicator 5)、科学引文数量(indicator 6)、专利引文数量(indicator 7)、IPC数量(indicator 8)、IPC top5数量(indicator 9)、 IPC top10数量(indicator 10)、MC(indicator 11)、MC top5数量(indicator 12)、MC top10数量(indicator 13)。该实施例的n为年份，m为专利指标，因此，n＝24，m＝13，得到原 始数据矩阵，如下：

indicato r1 indicato r2 indicato r3 indicato r4 indicato r5 indicato r6 indicato r7 indicato r8 indicato r9 indicator1 0 indicator1 1 indicator1 2 indicator13

1985 0 2 3 0 4 2 2 10 1 2 12 0 0

1986 8 9 10 0 4 5 6 20 7 9 58 5 5

1987 7 4 3 3 7 2 2 14 4 4 32 3 3

1988 5 5 4 4 12 3 4 10 4 5 51 3 3

1989 6 5 5 0 16 3 4 13 4 5 43 1 1

1990 7 4 3 2 16 2 3 7 2 4 37 2 2

1991 4 1 0 1 5 1 1 1 0 0 7 0 0

1992 3 5 4 3 11 1 3 10 3 4 29 4 4

1993 6 3 1 2 6 3 3 6 1 2 12 1 1

1994 5 11 5 3 12 9 9 16 10 10 82 10 10

1995 6 2 1 1 2 1 1 3 2 2 19 1 1

1996 5 6 2 4 19 5 5 9 5 6 59 5 5

1997 12 21 11 8 81 12 15 28 13 16 168 16 17

1998 18 24 14 15 116 17 21 45 19 20 224 20 22

1999 23 29 11 20 113 27 29 52 22 28 250 22 23

2000 36 36 19 15 153 26 32 52 31 34 284 25 30

2001 52 80 24 46 271 54 68 67 58 74 482 50 58

2002 87 126 45 57 423 76 92 83 87 109 688 72 80

2003 130 165 71 63 576 90 121 87 123 145 827 98 108

2004 166 167 59 73 578 91 114 83 121 145 771 92 103

2005 214 236 79 106 778 83 124 109 182 201 1058 166 182

2006 265 236 86 108 853 92 130 99 178 200 1115 153 181

2007 292 292 100 148 1089 86 137 108 225 254 1212 218 242

2008 357 320 92 160 1100 72 133 105 247 281 1234 254 280

S3、将上述矩阵进行数据标准化，得到标准化矩阵：

其中，平均值标准差

其中，

该实施例的标准化后的数据矩阵为：

indicato r1 indicato r2 indicato r3 indicato r4 indicato r5 indicato r6 indicato r7 indicato r8 indicato r9 indicator1 0 indicator1 1 indicator1 2 indicator13

1985 -0.6670 -0.7006 -0.7116 -0.7078 -0.7002 -0.8146 -0.7895 -0.8499 -0.6989 -0.7028 -0.8075 -0.6804 -0.6797

1986 -0.5922 -0.6330 -0.5055 -0.7078 -0.7002 -0.7326 -0.7146 -0.5940 -0.6229 -0.6247 -0.7022 -0.6135 -0.6198

1987 -0.6016 -0.6812 -0.7116 -0.6473 -0.6920 -0.8146 -0.7895 -0.7475 -0.6609 -0.6805 -0.7617 -0.6403 -0.6437

1988 -0.6203 -0.6716 -0.6822 -0.6271 -0.6783 -0.7873 -0.7521 -0.8499 -0.6609 -0.6694 -0.7182 -0.6403 -0.6437

1989 -0.6109 -0.6716 -0.6527 -0.7078 -0.6674 -0.7873 -0.7521 -0.7731 -0.6609 -0.6694 -0.7366 -0.6670 -0.6677

1990 -0.6016 -0.6812 -0.7116 -0.6674 -0.6674 -0.8146 -0.7708 -0.9267 -0.6862 -0.6805 -0.7503 -0.6536 -0.6557

1991 -0.6296 -0.7102 -0.8000 -0.6876 -0.6974 -0.8420 -0.8083 -1.0802 -0.7115 -0.7251 -0.8190 -0.6804 -0.6797

1992 -0.6389 -0.6716 -0.6822 -0.6473 -0.6810 -0.8420 -0.7708 -0.8499 -0.6735 -0.6805 -0.7686 -0.6269 -0.6318

1993 -0.6109 -0.6909 -0.7705 -0.6674 -0.6947 -0.7873 -0.7708 -0.9523 -0.6989 -0.7028 -0.8075 -0.6670 -0.6677

1994 -0.6203 -0.6136 -0.6527 -0.6473 -0.6783 -0.6232 -0.6583 -0.6963 -0.5849 -0.6136 -0.6473 -0.5467 -0.5598

1995 -0.6109 -0.7006 -0.7705 -0.6876 -0.7056 -0.8420 -0.8083 -1.0291 -0.6862 -0.7028 -0.7915 -0.6670 -0.6677

1996 -0.6203 -0.6619 -0.7411 -0.6271 -0.6592 -0.7326 -0.7333 -0.8755 -0.6482 -0.6582 -0.6999 -0.6135 -0.6198

1997 -05549 -05171 -04761 -05464 -04897 -05412 -05459 -03892 -05470 -05466 -04504 -04664 -04759

1998 -0.4989 -0.4881 -0.3877 -0.4052 -0.3941 -0.4045 -0.4334 0.0459 -0.4710 -0.5020 -0.3222 -0.4129 -0.4160

1999 -0.4522 -0.4398 -0.4761 -0.3043 -0.4023 -0.1310 -0.2835 0.2250 -0.4330 -0.4128 -0.2627 -0.3862 -0.4040

2000 -03308 -03722 -02405 -04052 -02930 -01584 -02273 02250 -03191 -03458 -01849 -03460 -03201

2001 -0.1813 0.0527 -0.0932 0.2202 0.0295 0.6073 0.4475 0.6089 0.0227 0.1004 0.2684 -0.0117 0.0155

2002 0.1455 0.4970 0.5251 0.4422 0.4449 1.2089 0.8973 1.0184 0.3898 0.4909 0.7400 0.2825 0.2792

2003 0.5471 0.8736 1.2907 0.5632 0.8630 1.5917 1.4409 1.1208 0.8455 0.8925 1.0582 0.6302 0.6148

2004 0.8833 0.8929 0.9374 0.7649 0.8685 1.6190 1.3097 1.0184 0.8202 0.8925 0.9300 0.5500 0.5548

2005 1.3316 1.5593 1.5263 1.4307 1.4150 1.4003 1.4971 1.6838 1.5923 1.5172 1.5870 1.5397 1.5017

2006 1.8078 1.5593 1.7324 1.4711 1.6200 1.6464 1.6095 1.4279 1.5417 1.5060 1.7175 1.3658 1.4897

2007 2.0600 2.1001 2.1447 2.2780 2.2649 1.4823 1.7407 1.6582 2.1367 2.1085 1.9396 2.2351 2.2209

2008 2.6670 2.3705 1.9091 2.5201 2.2950 1.0995 1.6658 1.5814 2.4151 2.4097 1.9899 2.7165 2.6763

S4、计算标准化处理后的数据协方差矩阵S＝(sij)m*m、特征值λ和对应的特征向量 V，

其中，

计算协方差矩阵(cov)以及其特征值(λ包括后续步骤都要是从大到小排列)和对 应的特征向量(V)；

由于数据比较多，协方差矩阵(cov)以表格形式列出:

1.0000 0.9883 0.9675 0.9883 0.9884 0.8538 0.9258 0.8852 0.9903 0.9877 0.9630 0.9896 0.9921

0.9883 1.0000 0.9887 0.9943 0.9981 0.9087 0.9655 0.9318 0.9994 0.9997 0.9888 0.9906 0.9920

0.9675 0.9887 1.0000 0.9719 0.9897 0.9368 0.9792 0.9461 0.9867 0.9875 0.9911 0.9662 0.9690

0.9883 0.9943 0.9719 1.0000 0.9946 0.8803 0.9452 0.9192 0.9949 0.9949 0.9779 0.9949 0.9959

0.9884 0.9981 0.9897 0.9946 1.0000 0.9063 0.9632 0.9317 0.9978 0.9979 0.9883 0.9895 0.9915

0.8538 0.9087 0.9368 0.8803 0.9063 1.0000 0.9852 0.9631 0.8974 0.9084 0.9523 0.8488 0.8538

0.9258 0.9655 0.9792 0.9452 0.9632 0.9852 1.0000 0.9725 0.9586 0.9656 0.9882 0.9253 0.9287

0.8852 0.9318 0.9461 0.9192 0.9317 0.9631 0.9725 1.0000 0.9267 0.9327 0.9709 0.8993 0.9020

0.9903 0.9994 0.9867 0.9949 0.9978 0.8974 0.9586 0.9267 1.0000 0.9992 0.9856 0.9937 0.9948

0.9877 0.9997 0.9875 0.9949 0.9979 0.9084 0.9656 0.9327 0.9992 1.0000 0.9883 0.9912 0.9923

0.9630 0.9888 0.9911 0.9779 0.9883 0.9523 0.9882 0.9709 0.9856 0.9883 1.0000 0.9661 0.9693

0.9896 0.9906 0.9662 0.9949 0.9895 0.8488 0.9253 0.8993 0.9937 0.9912 0.9661 1.0000 0.9995

0.9921 0.9920 0.9690 0.9959 0.9915 0.8538 0.9287 0.9020 0.9948 0.9923 0.9693 0.9995 1.0000

特征值λ:λ1≥λ2≥…λm>0,

协方差矩阵的特征值为：12.56255438，0.356575687，0.047397256，0.015678957， 0.009786344，0.004365259，0.001878105，0.000751188，0.000390658，0.000281526， 0.000214949，7.84E-05，4.73E-05。

特征向量矩阵V＝(a1,a2,……,am),

特征向量矩阵为(以表格形式列出)：

0.0696 0.1032 -0.0054 -0.0698 0.0753 -0.0789 -0.0843 -0.1451 -0.8570 -0.0641 -0.2030 -0.2885 0.2766

-0.4821 0.2792 0.5374 0.0192 -0.1925 0.4513 -0.0236 -0.2083 0.1201 -0.0488 -0.1003 -0.0986 0.2815

0.0339 0.0707 -0.0700 -0.2385 0.2823 0.1108 -0.1525 0.1793 0.1101 0.7790 -0.2891 0.0619 0.2800

0.0859 0.1507 -0.0829 -0.0477 0.4518 0.2832 -0.1344 0.5583 0.1129 -0.4422 0.1544 -0.1910 0.2795

-0.0654 -0.1119 0.1436 0.3136 -0.5306 -0.3528 -0.1176 0.5838 -0.0081 0.0845 -0.0824 -0.1026 0.2813

-0.0504 -0.0579 -0.3066 -0.3907 -0.3025 0.1185 -0.0365 0.0367 -0.0331 -0.3212 -0.3269 0.5994 0.2624

-0.0475 0.2470 0.1449 0.3665 0.4200 -0.5190 -0.0076 -0.2055 0.1595 -0.1624 -0.2331 0.3334 0.2760

-0.0554 -0.0083 0.0515 0.0452 -0.0023 0.0151 -0.2462 -0.0625 -0.2270 0.1753 0.7724 0.4200 0.2688

0.0709 -0.0465 -0.5699 0.5866 -0.1251 0.3344 -0.0734 -0.2747 0.1121 0.0532 -0.0461 -0.1381 0.2811

0.3619 -0.6895 0.3523 -0.0894 0.0700 0.0339 -0.2501 -0.2401 0.1685 -0.1151 -0.0679 -0.0988 0.2815

0.2938 -0.0572 0.1537 0.0834 0.0043 0.1506 0.8572 0.0913 -0.0800 0.0829 0.0733 0.1280 0.2810

0.3868 0.4620 -0.0855 -0.3568 -0.2931 -0.2647 -0.0125 -0.2336 0.2993 -0.0261 0.1971 -0.2926 0.2774

-0.6084 -0.3354 -0.2851 -0.2488 0.1330 -0.2897 0.2689 -0.0859 0.1056 -0.0124 0.1607 -0.2804 0.2779

S5、利用特征值计算方差贡献率ti：每一个特征值除以特征值总和，

即：

方差贡献率T＝[0.966350337，0.027428899，0.003645943，0.001206074， 0.000752796，0.000335789，0.00014447，5.77837E-05，3.00506E-05，

2.16558E-05，1.65346E-05，6.03264E-06，3.63593E-06]T。

S6、计算累积方差贡献率G(r)：第一个方差贡献率、前两个方差贡献率之和，……， 所有方差贡献率之和，

即：

计算累积方差贡献率：0.966350337，0.993779236，0.997425179，0.998631252， 0.999384048，0.999719837，0.999864307，0.99992209，0.999952141，0.999973797， 0.999990331，0.999996364，1。

S7、选取主成分个数r：一般的使用累积贡献率来选取(累积贡献率≥85％)；由于 第一主成分贡献率为0.966350337，显著大于0.85，因此本例中只需提取第一个主成即可，r ＝1。

S8、计算r个主成分中每个主成分得分：主成分对应的特征向量乘以标准化数据 阵，

Fi＝a1iY1+a2iY2+…+amiYm，i＝1，2，…，r。

计算各主成分得分(以向量形式表示，T表示转置)，各主成分对应的特征向量乘以 标准化数据阵；

主成分得分：(-2.634592988 -2.318051668 -2.513394399 -2.49274943 - 2.499988158 -2.566037502 -2.732625445 -2.537657487 -2.628182508 -2.257365437 -2.676886728 -2.462569391 -1.815866235 -1.415814627 -1.163594739 -0.926948607 0.566071615 2.026102338 3.407230875 3.326033901 5.430637385 5.683580163 7.326481893 7.876187181)T。

S9，将选取的主成分得分画折线图，并根据技术生命周期的四阶段特征分析折线 图，参阅图2所示。

观察图2，纳米生物传感器从1985-1996年这段时间，曲线基本趋于平滑状态，斜率 基本接近0，根据技术生命周期(萌芽期、成长期、成熟期、衰退期共四个阶段)萌芽期阶段特 征进行分析：任何新兴技术在最开始的阶段，由于市场技术的不明确和研发风险的较大性， 均表现出成长缓慢的现象，据此特征可以判断1985-1996年的这段时间是纳米生物传感器 的萌芽期。

从1997年到2008年的曲线，每年都表现出一个明显的上升趋势，说明这段时间，纳 米生命传感器的技术正在快速发展，市场在不断扩大，加入的企业也在大量增加，据此特征 说明该阶段正处于纳米生物传感器的成长期。

但由于该文获取的数据有限，没有验证纳米生物传感器的熟期和衰退期。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明 白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对 本发明做出各种变化，均为本发明的保护范围。