專利許可與專利引用的關聯(lián)邏輯及其情報學應用

李 睿，向姝璇，黃靖蕓

（1.四川大學災后重建與管理學院，成都 610207；2.四川大學公共管理學院，成都 610065）

1 專利許可信息及其情報意義

專利權分為所有權和使用權。專利許可的全稱為專利實施許可，也稱專利許可證貿易，是指專利技術所有人或其授權人依專利權許可合同許可他人在一定期限、一定地區(qū)、以一定方式實施其所擁有的專利，并向他人收取使用費用。專利許可是在不轉移財產所有權的條件下，讓渡財產中的權利[1]。早在20年前，IBM公司81億美元的利潤總額中，就有21%（約17億美元）來自專利權的許可和轉讓[2]。

“專利許可信息”可在國家知識產權局網站所提供的專利“法律事件”信息中查詢?！皩＠S可”在經濟學的視野下，是度量專利從技術知識轉化為社會生產力的有效衡量指標[3]；“專利許可”在科技社會學視野下，是科技創(chuàng)新成果實現社會擴散的重要途徑，多數“專利許可”引致的技術“溢出效應”[4]有益于技術進步和社會創(chuàng)新；在知識產權法規(guī)視野下，許可雙方的技術信息不對稱性和專利權的排他性，給予了許可方優(yōu)勢地位，被許可方要花費更多的成本以獲取更多的技術信息籌碼來改善劣勢[5]。

學界對“專利許可信息”的情報意義有多種表述，可以歸納為以下幾方面：專利許可信息能夠體現許可方專利權人保持著當前產品市場中的領導者地位[6]；專利許可信息能夠顯示許可方專利權人實現專利產品外部開發(fā)的意圖[7]；專利許可次數越多，說明專利權人的技術價值越高[8]；發(fā)生了許可的專利相對于沒有發(fā)生許可的專利，通常能夠贏得更高的經濟利益[9]。有學者[10]指出，發(fā)達國家通過專利許可控制了全球產業(yè)技術鏈的高端。也有學者基于理性經濟人假設認為，當被許可方為許可達成支付相當的交易成本時，出于期待收益最大化的考量，會慎重選擇高質量且高回報的專利[11]，即許可方專利通常為高價值專利。

綜上，本文認為，“專利許可”反映著專利權人（許可方與被許可方）在行業(yè)中的角色地位和功能，“專利許可信息”對于評估專利價值和分析行業(yè)競爭-合作態(tài)勢均具有重要的情報意義。

2 專利許可與專利引用的相關研究基礎

世界權威專利情報機構CHI（Computer Horizon Institution）公司在幫助用戶（專利權人）達成專利許可時，常使用“專利引用信息”預判二者之間可進行許可談判的技術主題[12]。有學者認為，專利許可關系體現著許可方和被許可方之間的經濟利益制衡，而與此同時專利引用關系表達著許可方和被許可方之間的知識流動和銜接[13]。有學者構建模型描述專利被引用頻次與專利許可之間的關聯(lián)[14]。文獻[15-16]發(fā)現，許可方的專利許可次數與其專利被引頻次之間存在正相關關系。文獻[17]發(fā)現，許多中國公司（專利權人）在獲得專利許可之前先引用了許可方的專利。文獻[18]以美國加州大學的專利許可為例，研究發(fā)現了被許可專利權人和非被許可專利權人對許可方專利的引用情況存在明顯差異。文獻[19]綜合研究了專利許可案例和相關專利訴訟案例，認為專利引用關系釋放的是混雜信號，不能僅憑專利間的直接引用關系預判專利許可的可能性。

前人的研究提供了“專利許可與專利引用之間存在相關性”的線索和素材，但由于研究視角和研究樣本的多樣化，致使研究結論各不相同?？傮w來看，目前學界還沒有形成較為全面和統(tǒng)一的認知，雖然有少量國外學者研究了專利引用（包括前向和后向引用）與專利許可的相關性，但尚未見有將各種專利引用關系（直接引用、引用耦合、共被引）綜合應用于專利許可預見的實證研究。

本文認為，專利許可是技術創(chuàng)新成果的直接擴散途徑，而專利引用則是技術知識關聯(lián)與傳輸的通道，由于專利許可和專利引用在知識關聯(lián)層面的互通性，使得二者具備了天然的邏輯關聯(lián)。另外，專利引用通常發(fā)生在專利許可之前，這就使得基于專利引用預見專利許可成為了可能。但在現實經濟活動中，專利許可與專利引用之間究竟存在怎樣的關聯(lián)？相互關聯(lián)的特征變量是哪些？關聯(lián)的程度強弱如何？這些問題均需要開展進一步的研究和探索。

3 專利許可與專利引用的關聯(lián)邏輯研究

3.1 專利許可的研究樣本選擇

中國專利中發(fā)生“專利許可”最多的行業(yè)是通信行業(yè)[20]，因此，本文選擇通信行業(yè)作為實證研究對象，以發(fā)生了專利許可的通信行業(yè)專利作為研究樣本，編程進行數據信息析取，獲得發(fā)生了許可的4985項專利。發(fā)生了專利許可的專利權人共計540位（發(fā)生了專利許可10次以上的專利權人如附表所示）。其中，505位專利權人發(fā)生了后向引用，247位專利權人發(fā)生了前向引用，共采集到后向引用信息6876條和前向引用信息1332條。

許多學者開展過對專利許可關系網的研究，發(fā)現許可關系對應著專利權人之間實質性的技術知識關聯(lián)[21-23]。本文構建了通信領域的專利權人許可關系網絡，如圖1所示。

3.2 專利引用計量指標選定

專利引用的計量指標在前期相關研究中通常被分為三類：直接引用、引用耦合以及共被引[24-25]。其中，直接引用（包括前向引用和后向引用）是基于專利申請人或審查員人為判斷建立的“實在關系”，而引用耦合和共被引則是間接引用，是基于傳遞、對偶關系產生的“虛擬關系”[26]。引用耦合（1963年由Kessler首次提出）[27]是指所引用的參考文獻相同的關系，共被引（1973年由Small首次提出）[28]是指同時被別的主體共同引用的關系。引用耦合是“主動型”引用關系，而共被引是“被動型”引用關系[29]。

關于專利之間的直接引用關系，前人的研究得出了不同的結論。以氮化鎵半導體材料、碳納米管等領域專利為樣本的實證研究發(fā)現，直接引用關系相比于另兩種引用關系能夠最快地反映技術之間的知識關聯(lián)和更替演進[30]；但在生物醫(yī)學領域開展的實證研究顯示，基于直接引用關系得出的結果很不準確[31]，專利直接引用關系無法避免人為或者隨機產生的引用噪聲和傾向問題，需要通過另外兩種間接引用關系來補充和修正[32]。

關于專利之間的引用耦合關系，前人的認識較為一致：有些沒有發(fā)生直接引用關系的專利之間存在較強的知識關聯(lián)，而這種關聯(lián)在引用耦合關系中能夠被很好地體現[33-34]；來自DVD激光頭領域、平板顯示領域、電動汽車領域的實證研究顯示，引用耦合關系能更為準確、實時地體現出企業(yè)（專利權人）之間的技術關聯(lián)性[35-38]；也有實證研究顯示，引用耦合關系能夠較好地描述不同領域知識主體之間的演化共變關系（同步進化）[39]。

關于專利之間的共被引關系，前人的研究也體現出了不同的看法。有學者認為，專利被引的時間滯后性使得專利共被引分析結果在時效性上受到很大局限[40]；另有學者卻認為，專利共被引關系雖然時效性不強，但很適合用于發(fā)現成熟技術體系中的“關聯(lián)專利族”[41]；反之，也有學者認為，專利共被引通常多發(fā)于高被引專利之間，不足以均勻地反映全景技術動態(tài)中的“關聯(lián)專利族”[42-43]，容易造成專利關聯(lián)信息的遺漏[44]。

“共被引”與“引文耦合”既有聯(lián)系又有區(qū)別[45]。有研究發(fā)現，引用耦合關系所體現的“關聯(lián)專利族”有36%與共被引關系所體現的“關聯(lián)專利族”重合，而共被引關系所體現的“關聯(lián)專利族”有29%與引用耦合關系所體現的研究“關聯(lián)專利族”重合[46]。因此，有學者提出了混合使用“耦合-共引”關系的思路[47-49]。

有些學者[50-52]指出，利用引用網絡進行節(jié)點特征分析是改進引用分析的有效方法。專利權人（節(jié)點）在直接引用網絡（前向引用網絡和后向引用網絡）中的“連接數”以及專利權人（節(jié)點）在間接引用網絡（引用耦合網絡和共被引網絡）中的“中心度”都是表征節(jié)點特征的有效指標，專利權人（節(jié)點）的中心度體現著該專利權人（節(jié)點）在專利引用關系網絡中的位勢和輻射力[53-54]。

因此，本文兼收并蓄了前人的多元觀點和經驗，選定了6項專利引用指標來綜合表征專利引用的各方面特征，具體計量指標包括：前向引用頻次、后向引用頻次、前向引用網絡連接數、后向引用網絡連接數、引用耦合網絡中心度以及共被引網絡中心度（圖2）。

圖2 研究流程圖

3.3 專利許可與專利引用的相關性計量

3.3.1 計量過程

（1）引用數據的獲取與計量。對540位樣本專利權人的4985項許可方專利的法律事件信息逐一進行人工查詢（無法批量檢索下載），逐一拷貝獲得許可方專利的施引（后向引用）信息6876條，被引（前向引用）信息1332條。

（2）引用網絡構建與計量。構建直接引用關系矩陣（后向引用關系矩陣、前向引用關系矩陣），繪制直接引用網絡（后向引用網絡、前向引用網絡），計量各節(jié)點（專利權人）網絡連接數；構建間接引用關系矩陣（引用耦合矩陣、共被引矩陣），繪制間接引用網絡（引用耦合網絡、共被引網絡），計量各節(jié)點（專利權人）中心度。中心度的計量主要有三種形式：度數中心度、接近中心度和中介中心度。本文選擇以“中介中心度”的形式進行計量，這是由于中介中心度（由Freeman于1979年提出）側重于節(jié)點對資源的控制程度測量[55]，即對整個網絡的集中或集權程度和整個網絡圍繞一個節(jié)點或一組節(jié)點來組織運行的程度[56]；本文在專利間接引用網絡中主要考查的是節(jié)點的“媒介”能力、“橋梁”作用，中介中心度這一指標更契合本文的計量需求和分析邏輯。中介中心度計算公式為

其中，σst表示節(jié)點s和t之間的最短路徑的數量；σst(v)表示最短路徑中經過節(jié)點v的數量。上述計量過程使用的軟件工具為UCINET。

3.3.2 計量結果

本文計量了540位樣本專利權人的以下專利引用指標：①前向引用頻次；②后向引用頻次；③前向引用網絡連接數；④后向引用網絡連接數；⑤引用耦合網絡中心度；⑥共被引網絡中心度。計量結果如表1所示。

表1 樣本專利權人專利引用指標計量結果（由于篇幅所限僅列出部分示例）

本文使用可視化工具軟件Gephi構建的直接引用網絡（后向引用網絡、前向引用網絡）和間接引用網絡（引用耦合網絡、共被引網絡）分別如圖3~圖6所示。

圖3 許可方專利權人后向引用網絡

圖6 許可方專利權人共被引網絡

3.4 專利許可與專利引用之間的關聯(lián)

利用Kendall的tau_b和Spearman的rh，計算 專利權人的專利許可頻次與一系列專利引用指標值之間的相關度系數，所使用軟件為SPSS，計算結果如表2所示。

如表2所示，專利許可指標與一系列專利引用指標均存在正相關關系，這與本文第2節(jié)所述的前人研究的結論相符合。本文進一步研究發(fā)現，專利許可指標與一系列專利引用指標之間的相關度系數和顯著度數值存在較大差異，具體描述如下。

表2 專利許可指標與專利引用指標之間的相關度系數

（1）從直接引用（前向引用與后向引用）網絡來看，專利權人的前向引用網絡連接數和后向引用網絡連接數均與專利許可正相關；但在相關度系數的數值上，“前向引用”遠低于“后向引用”，尤其是Kendall的tau_b的相關性計算結果，“前向引用”的相關性顯著度比“后向引用”低了一個數量級。

（2）從間接引用（引用耦合與共被引）網絡來看，專利權人在引用耦合網絡中的中心度和其在共被引網絡中的中心度均與專利許可頻次正相關；但在相關度系數數值上，“共被引”遠低于“引用耦合”。

（3）Kendall的tau_b和Spearman的rh對專利權人的專利“許可”頻次與其各種“引用”指標值之間的相關性計算結果是一致的，各種“引用”指標按相關度系數數值從大到小排序，依次為：后向引用頻次、引用耦合網絡中心度、后向引用網絡連接數、共被引網絡中心度、前向引用網絡連接數、前向引用頻次。

3.5 專利許可與專利引用之間的關聯(lián)邏輯闡釋

專利不僅具有技術文獻屬性（是記錄某項發(fā)明內容的文獻），更具有經濟契約屬性（是指定壟斷利益范圍的法律規(guī)約）。專利引用關系不僅是技術之間知識關聯(lián)的產物，更是專利權人追求壟斷利益的產物。下文將在創(chuàng)新經濟學視野下，對所發(fā)現的一系列“專利引用”特征與“專利許可”之間的相關性及其次序進行歸因，從而實現對專利許可與專利引用之間的關聯(lián)邏輯的闡釋。

圖4 許可方專利權人前向引用網絡

3.5.1 專利權人的前向引用與專利許可正相關程度低的原因

專利權人被引（前向引用）并不像論文作者被引那樣意味著學術地位和影響力，而是具有與壟斷利益相關的經濟學意義。創(chuàng)新經濟學的鼻祖Schum‐peter提出的“創(chuàng)新性破壞”理論認為，技術創(chuàng)新的過程是后來的新技術不斷“淘汰”先前的舊技術（即創(chuàng)新對原有技術的破壞）的替代式發(fā)展過程[57]。麻省理工學院的Caballero和哈佛大學的Jaffe用專利“被引”函數描述了“創(chuàng)新性破壞”[58]。其中，C(t,s)是第t年的專利被第s年的專利引用的頻次（前向引用頻次），S(t)和P(s)分別是第t年和第s年的專利總量，a(t,s)表示第s年的新技術對第t年的舊技術的“創(chuàng)新性破壞”?；趧?chuàng)新經濟學的“創(chuàng)新性破壞”理論，專利權人的被引頻次（前向引用）意味著被淘汰或替代，因此，專利的前向引用基本與專利許可無關。

然而，“創(chuàng)新性破壞”的情形并不是專利被引的全部情形，在專利審查的視野下，專利權人的被引與專利許可之間存在相關性。在審查創(chuàng)造性和判定可授權范圍時，如果有上位類的母概念技術獲得專利權在先，下位類的子概念技術（專利申請書）是對母概念技術在更細節(jié)層面的創(chuàng)造性發(fā)展，即新產生的子概念技術，則具有創(chuàng)造性，可授予專利權，但其權利范圍將落在母概念技術的從屬性子范圍內，該子概念專利實施時，須向母概念專利交納許可費。例如，“用氯化物制造制冷劑”這一新專利的審查員引用“用鹵素化合物制造制冷劑”這一上位類的母概念在先專利權，是為了將其權利范圍限定在母概念專利的下位概念范圍內，并且子概念專利實施時，須向母概念專利（被引專利）交納許可費。這種情形的“被引”（前向引用）與專利許可直接正相關。

圖5 許可方專利權人引用耦合網絡

綜上，專利只有在作為上位概念的在先專利被引（前向引用）時才與專利許可正相關，而在“創(chuàng)新性破壞”的過程中，專利被引（前向引用）基本與專利許可無關，因此，從總體上講，專利被引（前向引用）與專利許可之間表現出的正相關性則相對較低。

3.5.2 專利權人的后向引用與專利許可正相關程度高的原因

專利不一定會被引（前向引用），發(fā)生被引的（被其他專利前向引用）的專利在專利總量中只占少數，在本文的研究樣本中僅占26.72%。然而，專利基本都會施引（后向引用），這是因為專利審查制度規(guī)定審查員須引用對比文件，專利申請人（專利權人）須引用相關技術背景信息，社會公眾有權引用異議或宣告某專利無效的證據。專利施引（后向引用）信息遠比專利被引（前向引用）信息更為豐富，在本文的研究樣本中，施引（后向引用）率高達到137.93%，平均每項專利施引（后向引用）了1.38項現有技術信息。

如第3.4.1節(jié)所述，在審查員引用“對比文件”作為判定專利申請的新穎性、創(chuàng)造性以及可授權范圍的依據的情形下，有部分引用關系在邏輯上預示著專利許可的可能性。在專利申請人（專利權人）施引（后向引用）相關技術背景信息的情形下，施引（后向引用）是自利性經濟行為。例如，杜邦公司在收購上海特安綸公司芳砜綸面料業(yè)務未果后，在多國申請了一系列芳砜綸面料的用途專利，覆蓋了該面料用于耐火紙材、阻燃紗線、防護器具等的用途；杜邦公司在申請這一系列用途專利時須施引（后向引用）上海特安綸公司的芳砜綸面料專利，這類引用行為即體現著施引者的“專利包圍策略”——上海特安綸公司的芳砜綸面料專利要應用于上述用途時必須獲取杜邦公司的專利許可。在專利權人策略性施引的情形下，后向引用（施引）與專利許可之間存在著直接的正相關性。

綜上，專利權人的施引（后向引用）都與專利許可正相關，因此，后向引用與專利許可之間表現出頗高的正相關度。

3.5.3 專利權人引用耦合與專利許可正相關程度相對更高的原因

引用耦合關系，是后向引用（施引）關系在專利引用網絡中進一步趨同和聚合的結果，體現了創(chuàng)新行為主體（專利權人）之間的目標共同性和技術協(xié)同性，這正是專利許可的邏輯基礎和行為動力。

群體動力理論認為，在行為主體的心理場中，行為目標具有吸引行為個體的誘發(fā)力，對相同目標的趨就是導致群體行為的動力[59]。在創(chuàng)新行為主體的心理場中，共同的技術功能目標能夠吸引互補共生的技術群體，并引導對應專利權人群體的行為（引用行為）趨就。社會協(xié)同學認為，通過合作，系統(tǒng)將按照一些普適規(guī)律產生空間、時間或功能結構，這是一種相變的統(tǒng)一性，是結構形成過程及其規(guī)律的統(tǒng)一性[60]。在社會協(xié)同學視野下，創(chuàng)新系統(tǒng)中的專利權人引用耦合，映射著創(chuàng)新價值鏈上不同技術環(huán)節(jié)間的知識關聯(lián)與相變統(tǒng)一，也映射著創(chuàng)新生態(tài)鏈上不同創(chuàng)新主體間的協(xié)作共生與結構統(tǒng)一。例如，GSM（Global System for Mobile Communica‐tions，全球移動通信系統(tǒng)）通信技術專利池是摩托羅拉、諾基亞、愛立信等公司（專利權人）之間頻繁交叉許可形成的專利共生聯(lián)盟，聯(lián)盟成員（專利權人）之間的專利引用耦合度較高[61]。

綜上，專利權人引用耦合與專利許可之間存在著更深層次的關聯(lián)，因此，兩者會表現出更高程度的正相關性。

3.5.4 專利權人共被引與專利許可正相關程度相對更低的原因

被引頻次是一種瞬時的數值，一項專利在下一時刻將會被什么新的專利引用，會與哪些專利出現新的共被引關系均是未知的。共被引關系是動態(tài)變化的，永遠不確定、不完整。

事實上，只有高被引專利權人之間才具有發(fā)生“共被引”的較大可能性，大多數被引頻次一般或較低的專利權人之間，均難以發(fā)生共被引關系。這就使得“共被引”不能完整地呈現創(chuàng)新系統(tǒng)的相變結構。有統(tǒng)計顯示[62]，美國專利中有50%的被引發(fā)生在專利公布后的10年之后，有25%的被引發(fā)生在專利公布后的20年之后，使得越是早期的專利發(fā)生共被引的概率越高，這其實是一種系統(tǒng)性誤差。

共被引關系和引用耦合關系分別是前向引用（被引）關系和后向引用（施引）關系在專利引用網絡中進一步收斂和凝聚的結果。由于前向引用（被引）與專利許可的正相關度遠低于后向引用（施引），因此，“共被引”與專利許可的正相關度也遠低于“引用耦合”。

本文通過實證研究發(fā)現，專利許可與專利引用的多項計量指標之間存在著程度各異的相關性。這些相關性共同構成了專利許可與專利引用之間的關聯(lián)關系，這種關聯(lián)關系的底層邏輯實質上是專利引用的法律效果和市場效應。專利法賦予專利引用的法定功能是“技術對比”，基于創(chuàng)新經濟學原理不難發(fā)現，專利引用在實現其“技術對比”功能的同時也進行了技術分析、鑒別與選擇，使得專利引用與專利許可在技術市場情境中產生底層邏輯上的對接。

本文試圖將所發(fā)現的這一關聯(lián)應用于情報學實踐，即以專利許可與專利引用之間的關聯(lián)為橋梁，探索一種基于已經發(fā)生的“專利引用”能夠預見未來可能發(fā)生的“專利許可”的方法。由于本文所發(fā)現的關聯(lián)不是單項指標間的關聯(lián)，而是專利許可與多項專利引用計量指標所構成的“指標組合”之間的關聯(lián)，因此，本文從醫(yī)學診斷學和生物信息學中獲取了構建方法的思路。在醫(yī)學診斷學視域下，某一疾病的診斷不是依據單一檢驗指標，而是依據多項檢驗指標所形成的“指標組合”，診斷時，不僅要依據組合中的指標種類和個數，更要依據指標間的相互關系。在生物信息學視域下，某一生命性狀并不只與某一基因特征相關，而是與若干基因特征的組合相關，尤其是與組合的方式和結構相關。因此，本文聚焦“專利許可”與多項“專利引用”計量指標之間的相關性及其強弱次序，嘗試將多項“專利引用”特征與“專利許可”之間的相關性有序集成起來，客觀綜合地反映“專利許可”與“專利引用”之間的實際關聯(lián)，并在此基礎上構建用于預見專利許可的“專利權人預估許可指數”。

4 “專利權人預估許可指數”構建與有效性檢驗

4.1 專利權人預估許可指數構建

4.1.1 算法結構

充分納入與專利許可相關的各項專利引用特征變量，即將第3.3節(jié)中所得的6種專利引用特征變量納入“指數”。尊重各項專利引用特征變量在相關度上的客觀差異，基于6種專利引用特征變量的相關度次序設置權重，在所構建的“指數”中，有序融入各項專利引用特征與專利許可的協(xié)變規(guī)律。

依據常用的歸一化方法Brovey變換法構建基本算法結構。設計算法結構為

其中，專利權人預估許可指數為P；Fi為第i個因素的指標值（共6種專利引用指標值）；Wi為第i個因素的權重。

4.1.2 集成路徑

基于層次分析法的創(chuàng)始人Saaty[63]提出的“序關系-權重轉換”方法，以賦權對象的相對秩序關系作為權重計算的依據，將已知的序關系轉換為相應的權重值，實現對一系列“專利引用”特征的有序集成。

“序關系-權重轉換”方法是在層次分析法的基礎上改良而來，利用“不劣于”關系不需要進行一致性檢驗，克服原有主要缺點[64]。序關系-權重轉換方法是以賦權對象的相對秩序關系作為權重計算的依據，對評價指標重要度之比進行賦值，最低權重為1與所有重要度之比和的倒數；然后，再根據對應比例關系倒推評價指標集各指標的權重[65]，即將已知的序關系轉換為相應的權重值。原序關系分析法采用的是比例標度法，本質上是把指標之間重要程度的概念量化，要求指標間比例關系具有傳遞性，即強一致性（基本一致性）；然而，這樣的指標體系往往會與人類思維脫節(jié)。隨著相關研究的推進，有學者提出了改進的序關系分析法，提出注重弱一致性（次序一致性）的評價標準體系，在對原始數據進行歸一化無量綱處理后，改進的序關系-權重轉換算法[66]為

4.1.3 構建流程

專家對賦權對象建立序關系；確定指標的重要性標度，即理性判斷相鄰對象間貢獻度Ci-1與Ci之比ri，計算公式為

將貢獻度的比值ri代入公式(3)計算權重Wi。當賦權對象的數量為m時，則可依據上述序關系-權重轉換模型計算出各個對象的權重Wm。

（1）設立虛擬專家。表2中描述了Kendall和Spearman兩種算法所得的后向引用頻次、引用耦合網絡中心度、后向引用網絡連接數、共被引網絡中心度、前向引用網絡連接數、前向引用頻次等6項專利引用特征變量與專利許可之間的相關性，現將Kendall和Spearman兩種算法視作兩位虛擬的“專家”，將Kendall相關度系數值和Spearman相關度系數值虛擬為“兩位專家的打分”。

（2）建立序關系。表2中Kendall和Spearman兩種算法結果（兩位專家打分）排序具備一致性，按照相關度系數值進行排序，得到“序關系”如表3所示。

表3 專利引用特征變量的序關系計算結果

（3）計算貢獻度的比值ri。依據公式(4)對同一位專家的“打分”進行兩兩求比值，得到一種貢獻度比值；對兩位專家的“打分”都進行計算后，得到兩種貢獻程度比值；再對兩者求平均值，作為最終的ri。實際計算過程是將Kendall相關度系數值與Spearman相關度系數值分別視作貢獻度Ci1、Ci2，再采用公式(4)分別計算相鄰對象貢獻度之比ri1、ri2，對ri1和ri2求平均值，得到最終ri，計算過程結果如表4所示。

表4 專利引用特征變量的權重計算結果

（4）計算權重Wm。將r5代入據公式(3)，求得W6。類似地，再依次計算W5、W4、W3、W2、W1，計算過程結果如表4所示。

（5）形成“專利權人預估許可指數”。將表4計算所得的{W10.2394,W20.2195,W30.2088,W40.1272,W50.1164,W60.0887}，與專利引用特征變量｛F1后向引用頻次,F2引用耦合網絡中心度,F3后向引用網絡連接數,F4共被引網絡中心度,F5前向引用網絡連接數,F6前向引用頻次｝，對應代入公式(2)，即得到“專利權人預估許可指數”P。

4.2 “專利權人預估許可指數”有效性檢驗

利用第5.1節(jié)所得的“專利權人預估許可指數”P進行計算，將計算得到的P值（預測值）與實際值進行對比，對比方式如表5所示。

表5 專利權人預估許可指數計算結果及排序與實際值對比（篇幅所限只列出部分）

將預估專利許可情況（預測的專利權人許可頻次行業(yè)內排序）與實際專利許可情況（實際的專利權人許可頻次行業(yè)內排序）進行對比，計算樣本專利權人的預估許可指數與實際許可次數的擬合度，即運用RSQ函數計算兩個數據序列的擬合優(yōu)度判定系數，求得擬合優(yōu)度判定系數為0.70，擬合度較好。

經檢驗，預估的專利許可情況與實際的專利許可情況吻合較好，本文所構建的專利許可預估指數在樣本范圍內有效，并且基于專利“引用”預見專利“許可”的方法在通信行業(yè)內具有可行性。

5 結語

在創(chuàng)新經濟學視野下，專利引用行為是技術知識的對比選擇行為，專利許可行為是專利權人的競爭-合作選擇行為。“專利引用”和“專利許可”既是由專利權人在知識生態(tài)系統(tǒng)中的共生關系所決定的，也是由專利權人在創(chuàng)新經濟系統(tǒng)中的競-合關系所塑造的。本文客觀地認知了一系列“專利引用”特征與“專利許可”之間的協(xié)變事實，并依托成熟的應用數學方法構建了“專利許可預估指數”，以實現在“專利引用”分析基礎上對“專利許可”的預見。

總之，本文突破了孤立研究“引用”的文獻計量學范式，將一系列“專利引用”特征與“專利許可”的相關性有機集成，把其中蘊含的復雜利益博弈綜合映射到“專利權人預估許可指數”中，為開展前瞻性的專利情報服務工作提供了新方法。

附表主要專利權人（許可10次以上）數據統(tǒng)計