基于算法歸因框架的專利維持時間影響因素探究

付振康 柳炳祥 鄢春根 周子鈺 宮秀燕

(1.南京大學信息管理學院,南京,210023; 2.景德鎮(zhèn)陶瓷大學信息工程學院,景德鎮(zhèn),333403; 3.景德鎮(zhèn)陶瓷大學知識產權信息中心,景德鎮(zhèn),333403; 4.黑龍江八一農墾大學經濟管理學院,大慶,163316)

1 引言

專利維持時間(patent maintenance time)又稱專利壽命(patent lifespan),指專利自申請日至專利失效日所經歷的時間[1],目前專利維持時間被公認為可以作為專利質量或專利價值的衡量指標[1-5]。然而,專利維持時間雖然能夠較好地反映專利價值,但是也存在嚴重的滯后性[3],即維持時間需要在專利權終止或者期限屆滿時才能確定,而在此時評價專利質量或專利價值已經毫無意義。目前,理論界和實務界在使用專利維持時間時,往往是通過設定閾值來判斷專利的價值,例如,鄧潔等將維持時間大于6.6年的專利定義為高質量專利[4],國家知識產權局將維持時間在10年以上的發(fā)明專利定義為高價值專利[5],但即使設定閾值,采用維持時間來測度專利價值也至少需要6年時間。

在專利申請或者授權前期,如果能對專利未來的維持狀況進行一定程度的預見,將對專利價值評估、專利質押融資和專利成果轉化等工作具有十分重要的意義。在數智時代,結合大數據和智能算法對專利維持時間進行預測,在一定程度上可以解決專利維持時間在實際應用過程中的滯后性問題。但是,對專利維持時間進行精準預測的前提是要在繁雜的數據中找到與專利維持時間密切相關的因素,然后才能建立相關的預測模型進行預測。在專利大數據背景下,哪些因素會影響專利維持時間,以及采用何種方法能夠準確且全面地測度不同因素對專利維持時間的影響效應大小等問題,是實現專利維持時間精準預測亟待解決的問題。

因此,本文以2001—2017年中國國家知識產權局授權的50余萬件專利作為研究樣本,從可解釋性機器學習的視角出發(fā),構建基于生存分析的機器學習算法歸因框架,探究不同因素對專利維持時間的作用大小,并分析不同因素在不同專利文獻生命周期階段影響效應的變化情況。在理論層面,本研究可以為專利維持時間影響因素分析及維持時間預測提供新的研究視角及研究模型;在實踐層面,本研究可以為專利價值評估和企業(yè)專利維持決策提供較為準確的指標體系。

2 相關研究

國內外關于專利維持時間影響因素的實證研究旨在刻畫不同因素與專利維持時間之間的關聯(lián)關系,研究領域多集中在情報學、科技政策和技術創(chuàng)新管理等領域。

在情報學視域下,研究者多從文獻計量的視角探究不同專利文獻計量指標和專利維持時間之間的關聯(lián)關系。例如,Bessen[6]的研究表明,后向引證頻次與專利維持之間存在正相關性,但相關性程度較弱,這類正相關性在Harhoff等[7]、Hikkerova等[8]和Gam-bardella等[9]的研究中同樣得到證明。李睿等[10]同樣發(fā)現專利后向引證頻次與專利維持時間之間存在顯著正相關性,但不同的引證類別與專利維持時間之間的相關性強弱有所差異;而胡成等[11]研究表明后向引證頻次與專利維持時間之間呈現弱負相關關系。除專利的引證指標外,部分學者也對專利的權利要求數量、文獻篇幅、首權字數、專利家族規(guī)模和技術覆蓋范圍等指標與專利維持時間之間的關系進行了探究。喬永忠[12-13]研究表明,發(fā)明人數量對專利維持時間具有顯著正向影響,審查周期對專利維持時間具有顯著的負向影響,權利要求數量對專利維持時間的影響因專利公開國別的不同而存在異質性;Lee[14]發(fā)現權利要求數量對專利維持時間具有顯著的正向影響,而發(fā)明人數量對專利維持時間的影響并不顯著;吳紅等[15]指出,權利要求數量以及專利家族規(guī)模對中國發(fā)明專利維持時間具有顯著正向影響,而日本發(fā)明專利維持時間僅受發(fā)明人數量的顯著正向影響;而劉雪鳳等[16]則發(fā)現,發(fā)明人數量對專利維持時間具有負向影響,權利要求數量以及專利家族規(guī)模對專利維持時間具有顯著的正向影響;肖冰[17]認為權利要求數量以及審查周期對專利維持時間具有顯著正向影響,而發(fā)明人數量和同族專利數量對專利維持時間的影響效應并不顯著;馮仁濤[18]實證了首權字數、權利要求數量、發(fā)明人數量以及合作開發(fā)均正向影響專利維持時間,而專利審查周期以及技術覆蓋范圍對專利維持時間具有負向影響,首權字數對專利維持時間的影響效應受文獻篇幅的調節(jié)。

在科技政策和技術創(chuàng)新管理的研究視域下,研究者多數關注的是創(chuàng)新政策環(huán)境、技術市場環(huán)境、技術擴散和專利年費制度等經濟社會環(huán)境對專利維持的影響。毛昊等[19]研究表明,規(guī)模較大企業(yè)的專利維持受政策環(huán)境的影響較大,而專利管理水平較高、自評專利質量較高的企業(yè)的專利維持主要受市場環(huán)境驅動;張軍榮等[20]研究發(fā)現,中國“拜杜法案”的實施并未顯著地提升高校和科研機構的專利維持時間;Jang等[21]發(fā)現,企業(yè)的專利存量對專利維持具有非線性影響效應,企業(yè)盈利能力、企業(yè)規(guī)模和行業(yè)內年均銷售增長速率對專利維持時間具有正向影響,而企業(yè)年齡對企業(yè)專利維持具有負向影響效應;李蘭花等[22]對我國“211高?！钡膶＠S持時間的實證研究表明,專利商業(yè)化時間和市場不確定性對高校專利維持時間具有正向影響,而市場供給競爭強度對高校的專利維持時間具有負向影響;Lee等[23]研究表明,專利技術的社會擴散度和功能多元性對專利維持時間具有顯著影響;喬永忠[24]認為專利年費制度對專利維持具有顯著影響,且在不同國家和不同時期的影響效應不同。

通過梳理相關文獻發(fā)現,國內外學者雖然就專利維持時間的影響因素開展了相應研究,但是相關研究依然存在進一步深化的空間:①在研究方法方面,多采用線性模型對影響因素的效應大小進行估計,不能有效地刻畫各因素之間的非線性關系;②在影響因素的選取方面,研究者多是從專利價值或專利質量的視角選取影響專利維持時間的因素,較少有研究從專利維持時間自身出發(fā),系統(tǒng)歸納和整理影響專利維持的主要因素;③在樣本數據方面,多是以特定技術領域或特定時間內的專利數據作為樣本,研究結果會出現選擇性偏誤,導致不同研究結果的差異較大;④在實證研究方面,多是探索各因素與維持時間之間的靜態(tài)關系,較少探索各因素和維持時間之間的動態(tài)關系。

鑒于此,本文以2001—2017年間在中國國家知識產權局申請并獲得授權的510614件發(fā)明專利作為樣本,基于生物學理論視角歸納影響專利維持時間的因素,同時構建融合生存分析的可解釋性機器學習算法歸因框架,分析影響專利維持時間的各因素作用大小,同時分析不同技術領域和不同時間段內影響因素作用的變化情況。

3 研究設計與方法

3.1 問題定義

專利生命周期包括申請、授權和失效(包括未繳年費、無效宣告、訴訟無效和期限屆滿)三種狀態(tài),這類似于“生命體”的孕育、出生和消亡,很多學者也認為專利維持時間數據是一種典型的生存數據,即無論將數據采集的截止時間定于何時,都會有一些專利已經失效,而另一些專利依然在維持當中,因此專利維持時間數據存在大量的右截尾數據[15,22,25-29]。基于此,本文將專利維持時間的分析或者預測定義為一個生存分析問題,在研究過程中使用生存分析方法進行模型構建和歸因分析。

3.2 研究框架與研究流程

算法歸因也稱數據驅動歸因(data-driven attribution),該方法常用于用戶價值細分、線上線下的營銷分析當中。算法歸因需要以機器學習模型作為基準模型,對變量間的潛在模式和量化關系進行挖掘。雖然機器學習算法在大規(guī)模復雜數據之間潛在關聯(lián)模式挖掘和預測方面體現出了其獨特的優(yōu)勢,但是作為“黑盒模型”,其無法解釋的預測過程也使其在應用過程中受到一定質疑。在專利維持時間的預測過程中,決策者不僅需要精準的預測結果,也需要具體的邏輯判斷過程。因此,本文結合可解釋機器學習方法,構建了如圖1所示的算法歸因框架,從大規(guī)模專利數據中挖掘影響專利維持時間的潛在因素及其關系模式,為專利維持時間的相關研究提供新的研究視角和研究方法。

圖1 算法歸因框架

3.2.1 專利維持時間影響因素指標體系構建

根據生物學理論,可以將影響人類壽命的因素劃分為“先天因素”和“后天因素”,“后天因素”又可以分為“行為因素”和“環(huán)境因素”,因此本文依照該理論,將影響專利維持時間的因素劃分為三個維度,其中“先天因素”代表專利文獻自身的因素,“行為因素”代表專利權人后期對相關專利的運營等行為,“環(huán)境因素”代表專利技術所處行業(yè)的市場環(huán)境等[29]。有學者認為,醫(yī)療水平和經濟環(huán)境等“后天因素”對人類壽命的影響更大,“后天因素”決定了70%至80%的壽命[30-31]。但本文認為在專利生命周期當中,“先天因素”對專利維持的影響更大,因為專利技術的創(chuàng)新性和專利的法律保護范圍會直接影響專利權人的維持行為。結合前人研究,表1歸納總結了影響專利維持時間的31項主要因素。

表1 專利維持時間影響因素指標體系

3.2.2 基準預測模型構建與評估

與傳統(tǒng)的統(tǒng)計學歸因方法不同,算法歸因是通過機器學習預測模型,對數據間的潛在模式和量化關系進行刻畫,機器學習模型的選擇會直接影響不同特征之間關系的量化結果[36-37]。本文使用XGBoost算法構建生存預測模型,引入XGBoost算法的原因主要包括以下三個方面:①XGBoost算法是基于Boosting思想的基礎算法,通過添加正則化項提高模型的泛化能力,采用二階導數的方式提升模型的精準性,進而使預測結果更加準確,同時防止出現過擬合現象;②本文專利維持時間影響因素共包括31個自變量,這使得特征集數據較為復雜,而傳統(tǒng)的Cox模型是風險比例半參數模型,需要較強的在先假設,因此在中高維復雜數據集上的表現較差,而XGBoost算法在中高維數據集上具有良好的訓練速度和預測精度,可以提升專利維持時間影響因素分析的準確性及效率;③XGBoost算法采用決策樹對基學習器進行優(yōu)化,這使得XGBoost算法具有較高的可解釋性,這一特性對于準確量化分析不同因素對專利維持時間的影響效應,建立穩(wěn)健的算法歸因框架至關重要。

本文構建的Cox-XGBoost模型是一種特殊的回歸模型,其原理與傳統(tǒng)XGBoost機器學習回歸模型一致,即通過梯度提升算法和正則化項來構建一個性能更好的預測模型,在此不再贅述。值得注意的是Cox-XGBoost模型的輸出為每件專利的對數風險函數值,并非每件專利的實際存活時間,這與生存分析的原理是一致的。

在模型評估過程中,采用生存分析常用的一致性指數(Concordance Index,CI)[38]和Brier評分(Brier Score,BS)[39]作為評價準則對模型的性能進行評估。CI值主要衡量模型的區(qū)分度,BS主要衡量模型的正確率。CI值的計算式如公式(1)所示。其中,n為樣本數量,K為預測結果與實際結果一致的配對樣本數量,M為預測結果與實際結果一致的配對樣本數量。CI值的取值范圍為[0.5,1],且CI值越趨近于1,則證明預測效果越好,若CI值結果小于0.6,則證明模型預測結果較差。

(1)

(2)

3.2.3 基于SHAP的解釋器模型構建

本文采用SHAP方法[40]構建可解釋模型。與一般的機器學習可解釋性方法不同,SHAP不僅可以解釋不同因素的特征重要性,還可以解釋不同因素的邊際貢獻,同時也能夠提供對單個樣本的局部解釋,在解釋過程中不會受因素間多重共線性的影響[41],因此SHAP方法可以用于量化揭示不同因素對專利維持時間的影響。Shapley值的計算方法如公式(3)所示。

(3)

4 實證分析

4.1 數據準備與實驗設置

4.1.1 數據獲取與處理

由于世界各國對發(fā)明專利的保護期限及年費繳納制度有不同的規(guī)定,各國的經濟環(huán)境和政策環(huán)境也不盡相同,故為避免由此帶來的誤差,本文僅選擇在中國國家知識產權局進行申請并獲得授權的發(fā)明專利集作為初始專利數據庫。我國的專利制度于1985年實施,至今歷經多次改革,為避免不同時期專利維持情況的差異,本文將樣本的時間窗口設置為2001—2017年。根據上述策略,本文采用incoPat數據庫進行數據采集,根據incoPat數據庫的檢索規(guī)則,制定如下檢索式:(AD=[20010101 to 20171231]) AND (PNC=(CN)) AND (PAT=4)。

根據上述檢索式共收集到3,851,819件專利文獻數據,根據所構建影響因素指標體系中技術循環(huán)周期、技術原創(chuàng)性和技術激進性的指標測度的要求,為避免上述指標出現大量空值帶來噪聲,采用德溫特世界專利索引(Derwent World Patents Index,DWPI)以及INNOGRAPHY數據庫補充檢索專利的引文數據,將后向引證頻次和前向引證頻次為0的專利去除。最終共得到510,614條專利數據,包含350余萬條引用和被引用信息,數據的時間分布如圖2所示。在樣本數據確定后,根據31項影響因素對應的測度方式,提取相應的特征變量構建特征數據集。特征數據集構建完成后,統(tǒng)計各因素項的缺失值,然后通過隨機森林算法對缺失值進行插補,完成后隨機將數據集按照7∶3的比例劃分為訓練集和測試集。

圖2 數據樣本時間分布圖

4.1.2 基準模型設置與評估

為防止XGBoost模型出現過擬合問題,同時保證模型具有較高的預測精度,本文采用貝葉斯優(yōu)化算法對影響模型性能的主要參數進行超參數調節(jié),調參過程中使用負對數似然函數作為損失函數并以此作為調參過程中的評價標準。根據上述調參方法,得到模型主要參數的最優(yōu)值:learning_rate=0.110,max_depth=7,lambda=0.796,alpha=0.002。根據最優(yōu)參數迭代10000次訓練模型,并采用10折交叉驗證的方式得到模型在測試集上的平均CI值為0.789,平均BS值為0.131,表明模型具有較高的準確性,可以采用該模型作為算法歸因框架的基準模型。在得到最優(yōu)基準預測模型后,采用Python語言調用SHAP工程包構建解釋器。

4.2 全樣本因素效應探索性分析

4.2.1 全樣本因素重要性分析

本文根據公式(3)對每個樣本都進行一次因素的Shapley值計算,在得到每個樣本各因素的Shapley值后,將所有樣本在同一因素上的Shapley值進行加和后求平均,得到不同因素對專利在觀察期內生存風險的影響程度。由于SHAP方法滿足可加性原理,所以先天因素、行為因素和環(huán)境因素的總Shapley值可由各具體因素的Shapley值加和得出,各因素的全局重要性解釋如圖3所示。

圖3 各影響因素的全局重要性圖

由圖3可知,先天因素、行為因素和環(huán)境因素的重要性分別為1.91、1.42和0.62,說明先天因素對專利是否繼續(xù)維持的影響最大,與上文的理論分析一致。圖3(b)不僅展示了各因素的Shapley值,還反映了不同因素對專利維持時間的作用方向,其中紅色代表因素在樣本點上取值較高,藍色代表因素在樣本點上取值較低,每個因素的影響效應圖由數據集內的所有樣本點構成。由于Cox-XGBoost模型最終的輸出是專利的生存風險概率,故在坐標軸左側的樣本點對專利的維持具有正向影響,在坐標軸右側的樣本點對專利維持具有負向影響。專利權人類型、簡單同族專利規(guī)模、專利運營、提出實審時長、審查時長、發(fā)明人數量和權利要求數量等因素的取值越高,其Shapley值越低,說明這些因素是專利維持的保護因素,而同族國家/地區(qū)、專利權人數量和首權字數等因素的取值越高,樣本點的Shapley值越高,說明這些因素是專利維持的危險因素。

為對比基于機器學習模型的算法歸因和傳統(tǒng)統(tǒng)計學歸因方法在歸因解釋方面的異同,本文采用Cox模型對專利維持時間的影響因素進行了分析,分析結果如表2所示。由表可知,不同因素的Shapley值排名與Cox模型回歸系數的大小和顯著性情況基本一致,專利權人類型、簡單同族專利規(guī)模和專利運營等對專利維持時間有顯著影響的因素基本也位于Shapley值排名的前列,這說明算法歸因框架可以有效獲取變量間的影響效應關系。與Cox模型統(tǒng)計歸因方法相比,基于算法的歸因框架不僅可以對全局進行解釋,也可以對不同因素對微觀個體的影響進行解釋,故基于算法歸因的方法探究專利維持時間的影響因素具有一定優(yōu)越性。

表2 Cox模型分析結果

此外,根據前人研究,同族國家/地區(qū)數與專利價值之間存在正相關關系,即同族國家/地區(qū)數越多專利價值越高,而專利價值和專利維持時間之間也為正相關關系[38-39],故同族國家/地區(qū)數與專利維持時間之間也應該是正相關關系,而本文卻得出了與之矛盾的結果。針對這一現象可能的解釋是,傳統(tǒng)歸因方法得出的結論有一定的局限性,僅考慮到同族國家/地區(qū)數與專利維持時間或專利價值之間的線性關系,未考慮到同族國家/地區(qū)數與其他因素之間的交互效應或者其他因素對其的調節(jié)效應。而本文算法歸因框架是基于數據和模型驅動的,目的是挖掘不同數據之間的關聯(lián)模式,更多考慮的是不同數據之間的非線性關系,故對于同族國家/地區(qū)數這一因素而言,兩種方法得出相反的結論屬于正?，F象,未來需要進一步探究不同因素之間的交互效應,才能得出更加可靠的結論。

4.2.2 不同文獻生命周期階段因素重要性分析

由于在不同時間申請的專利,其所處的生命周期階段有所不同,例如2001年申請并獲得授權的文獻已經處在生命周期的末期,而2017年申請的專利則處于生命周期的早期。本文根據專利申請時間分布將專利文獻劃分為17個時間區(qū)間,并按照成長期、成熟期和衰退期將專利文獻劃分為三個生命周期階段(如圖4所示),按照時間區(qū)間分別計算各子因素的Shapley值,并通過公式(4)計算各子因素的Shapley值的當年占比[40],其中I為各因素的集合,i為各個子因素項,φi為各子因素當年的Shapley值,ωi為各因素Shapley值的當年占比。

圖4 各子因素的絕對平均Shapley值占比隨生命周期的變化圖

(4)

圖4顯示了各子因素的重要性占比變化趨勢,圖中氣泡大小表示ωi值,由圖可知,大部分子因素的重要性占比并未出現較強的生命周期變化趨勢,這也證明了各因素對專利維持時間的影響效應較為穩(wěn)定。在先天因素中,專利權人類型的Shapley值占比呈現明顯的生命周期變化趨勢,在專利文獻的生命周期早期(成長期),專利權人類型對專利維持時間的影響程度較大,而在成熟期和衰退期,專利權人類型對專利維持時間的影響程度逐漸降低?？赡艿脑蚴?在專利文獻的生命周期早期,不同專利權人申請專利的目的和動機各不相同,對于大部分高校和科研院所而言,其專利申請是由評獎評優(yōu)、職稱評定驅動的,申請專利的動機并不是為了保護自身的技術,雖然其申請的專利所保護的技術具有較高的創(chuàng)新性,但在專利申請獲得授權后,部分專利權人便不會繼續(xù)繳納年費以維持專利權有效性;對于企業(yè)而言,其申請專利的目的是保護自身的技術方案和產品,從而在法定保護期占據一定的壟斷地位,獲得更多的收益,因此企業(yè)在專利申請獲得授權后的前期更加傾向于維持專利權有效。而在專利文獻的成熟期和衰退期,隨著技術和產品的不斷更新迭代,專利所保護技術方案的技術價值和經濟價值逐漸衰退,原有技術和產品可能已不再適應市場需求,此時專利是否維持更多地取決于其法律價值,故在此時專利權人的類型對于專利維持時間的影響程度逐漸減弱。

在行為因素中,同族國家/地區(qū)數和簡單同族專利規(guī)模對專利維持的影響呈現明顯的生命周期變化趨勢。在專利文獻生命周期的早期,同族國家/地區(qū)數和簡單同族專利規(guī)模對專利維持時間的影響程度較小,在成熟期和衰退期,上述兩個因素項對專利維持時間的影響程度較大。究其原因,在專利生命周期的早期即成長期,大部分專利申請人僅僅關注國內市場,并未開展專利的國際布局,因此大部分專利的同族國家/地區(qū)數以及簡單同族專利規(guī)模相似,上述兩個因素對專利維持時間的影響程度較小;在專利生命周期的成熟期和衰退期,大部分專利會因其技術價值和經濟價值逐漸貶值而失效,而對于布局國家數量和同族專利數量較多的專利而言,由于其對于專利權人具有較高的法律保護價值,即使專利的技術價值和經濟價值較低,專利權人也會因其具有較高的法律價值而傾向于繼續(xù)維持該專利,直至專利因期限屆滿而失效。由此也可以說明對于衰退期的專利而言,其是否具有獨特的法律價值對于其維持時間具有較大的影響。

在環(huán)境因素中,各因素項對專利維持時間的影響與其他因素項相比則較小,也未見有明顯的變化趨勢,這說明市場環(huán)境對不同生命周期的專利而言,其影響程度較為穩(wěn)定,不會隨專利文獻生命周期的變化而變化。究其原因,專利申請對于專利權人而言是在法定保護期內使專利權人占據一定的壟斷地位,使其能夠在激烈的市場競爭中占據一定優(yōu)勢,對于不同生命周期階段的專利而言,其是否維持都會受到市場環(huán)境因素的間接影響,所以市場環(huán)境因素對專利維持的影響較為穩(wěn)定。

為進一步探究先天因素、行為因素和環(huán)境因素隨專利文獻生命周期的變化趨勢,本文繪制了如圖5所示的三大因素重要性的生命周期變化趨勢圖。由圖可知,在專利生命周期的早期即成長期階段,先天因素對專利維持時間的影響最大,其次是行為因素,最后是環(huán)境因素;在專利生命周期的成熟期階段,先天因素對專利維持時間的影響程度略高于行為因素,環(huán)境因素對專利維持時間的影響程度最小;在專利生命周期的衰退期,行為因素對專利維持時間的影響程度最大,其次是先天因素,最后是環(huán)境因素。在不同的生命周期階段,環(huán)境因素對專利維持時間的影響程度大致相同,而行為因素和先天因素對專利維持時間的影響程度變化較大,這與上文分析結果基本一致。

圖5 三大因素重要性生命周期變化圖

4.2.3 不同領域的因素重要性分析

為進一步分析在不同技術領域內各影響因素項對專利維持時間的影響效應,本文按照IPC代碼的部,將專利分為A部(人類生活必需品)、B部(作業(yè);運輸)、C部(化學;冶金)、D部(紡織;造紙)、E部(固定建筑物)、F部(機械工程;照明;加熱;武器;爆破)、G部(物理)、H部(電學)8個不同的技術領域,根據公式(4)計算各子因素在不同技術領域內的Shapley值占比,按照計算結果繪制了如圖6所示的熱力矩陣圖,圖中顏色越深表明因素重要性越高。由圖可知,不同因素在不同技術領域的重要性排名與全局解釋時的排名一致,專利權人類型、專利運營、同族國家/地區(qū)數和簡單同族專利規(guī)模在不同技術領域內的重要性依舊排名前列。不同技術領域之間相同因素的重要性略有差異,例如,專利權人類型在E部的重要性明顯高于其他領域,而同族國家/地區(qū)數和簡單同族專利規(guī)模的重要性要弱于其他技術領域,市場活躍度和市場競爭強度在A部的重要性要略高于其他技術領域。這可能是由于不同技術領域,技術成熟度、技術創(chuàng)新難度和專利申請文件撰寫的方式具有一定差異,在技術成熟度較高、技術創(chuàng)新難度較低的技術領域,只有占據行業(yè)領先地位和核心地位的企業(yè)才會投入較高的費用進行新技術的研發(fā)和專利的申請與維持,從而形成行業(yè)的壟斷地位,所以針對此類技術領域的專利而言,先天因素中的專利權人類型、專利權人國家和發(fā)明人數量對專利維持的影響較大。在醫(yī)藥、化學和電學等領域,技術創(chuàng)新難度較大、技術更新速度較快、市場競爭強度更高,所以市場活躍度、市場競爭強度和市場不確定性對專利維持的影響要大于其他技術領域。

圖6 不同技術領域各子因素Shapley值占比圖

圖7顯示了先天因素、行為因素和環(huán)境因素在不同技術領域內的重要性占比,由圖可知,三大因素在不同技術領域的重要性排名與全局解釋時排名基本一致。先天因素在E部和G部的重要性略高于其他技術領域,而行為因素和環(huán)境因素略低于其他技術領域,環(huán)境因素在A部、D部和F部的重要性略高于其他技術領域。這類差異的可能原因在于,不同技術領域之間存在固有的內生性差異,在建筑、機械工程和紡織技術(B部、D部、E部、F部)等較為成熟的技術領域,專利的產出較少(占全部專利的26.28%),技術領域內的市場競爭強度和專利交易的活躍度較低,故在上述領域專利的先天因素與其他領域相比占比更高。而在醫(yī)藥、生物技術、化學冶金和電學領域(A部、C部、G部、H部),市場需求旺盛、創(chuàng)新主體數量龐大、每年的專利產出數量較高(占全部專利的73.72%),但是上述領域技術創(chuàng)新難度較大,雖然專利產出較多,但是真正能夠產業(yè)化并被市場認可的專利技術較少,加之激烈的市場競爭促使上述領域的相關創(chuàng)新主體不斷進行技術更新迭代,從而導致專利的維持時間逐漸縮短,因此行為因素和環(huán)境因素對專利維持的影響更大。

圖7 三大因素在不同技術領域內的重要性對比

4.2.4 因素效應關系分析

通過全局重要性能夠大致判斷不同因素對專利維持時間的影響,但是無法對因素與專利維持之間的非線性關系進行更為細微的觀測。因此,本部分根據各因素的Shapley值繪制了各因素與專利維持時間之間的SHAP依賴圖,如圖8所示(由于篇幅原因,本部分僅展示各因素中重要性排名靠前的子因素的SHAP依賴圖),圖中一個點表示一個專利樣本,橫坐標為樣本因素的取值,縱坐標表示樣本該因素的Shapley值,若樣本點的Shapley值大于0,表明該因素取值提升了專利生存風險,若樣本點的Shapley值小于0,表明該因素取值降低了專利生存風險。

圖8 各子因素的影響效應關系圖(部分)

當專利權人類型為科研單位、企業(yè)或者共同申請時,專利的生存風險率較低,說明科研院所和企業(yè)的專利申請維持時間會更長。在專利權人國家當中,當申請人為中國申請人時,Shapley值均小于0,而申請人國別為美國、日本和韓國等其他國家時,大部分樣本點的Shapley值大于0,這說明相較于國外申請人,國內申請人的專利失效風險率更低。當發(fā)明人數量大于4時,大部分樣本點的Shapley值小于0,這表明發(fā)明人數量一旦超過4,專利維持時間會更長。權利要求數量的Shapley值呈現明顯的下降趨勢,當權利要求數量超過10時,大部分樣本點的Shapley值會低于0;當權利要求數量超過100時,樣本點的Shapley值均小于0,可能原因在于權利要求數量表示專利的保護范圍和權利穩(wěn)定性,當專利的權利要求數量越多時,專利的保護范圍越大,權利基礎也更加穩(wěn)定,法律保護價值越高。技術激進性呈現出W型的波動效應,這說明技術過于激進對專利的維持具有負向效應。

專利運營因素的SHAP依賴圖表明,專利交易的次數越多,專利維持時間會更長,原因是交易次數越多的專利,商業(yè)價值會更高,專利維持時間越長帶來的收益越高。大部分樣本的擴展同族專利規(guī)模都集中在0至100之間,當擴展同族專利規(guī)模的值大于10時Shapley值都小于0,說明擴展同族專利規(guī)模超過10項以后,專利的失效風險會更低。專利家族規(guī)模對專利維持的影響呈現先小幅下降,后大幅上升后又小幅下降的趨勢,但是大部分樣本點的Shapley值均高于0,說明專利家族規(guī)模越大,越不利于專利的維持,可能的原因是,當專利家族規(guī)模越大時,所需投入的專利維持成本會越高,一旦專利的價值不足以彌補專利維持費用后,專利權人便會放棄維持。大部分樣本點的提出實審時長的Shapley值小于0,說明提出實審時長越長,專利維持時間越長,這可能與本文對專利維持時間的定義有關,即實審時長和維持時間是部分與整體的關系,故其對專利維持具有正向效應。

審查時長與專利維持時間也是部分與整體的關系,故審查時長越長,專利維持時間也會越長。當樣本點的市場競爭強度值升高時,Shapley值也會相應升高,當市場競爭強度值高于500時,Shapley值均高于0,說明市場競爭強度越高,技術淘汰速度越快,專利維持時間會越短。市場活躍度的SHAP依賴圖呈現明顯的U型曲線,當市場活躍度小于0時,Shapley值逐漸降低,市場活躍度大于0時,Shapley值逐漸升高,這說明當技術市場區(qū)域穩(wěn)定和成熟時,專利的維持時間會更長,當技術市場處于發(fā)展期時,市場的“洗牌”速度會更快,從而導致專利維持時間變短。

根據上述分析,本文總結了如圖9所示的不同因素對專利維持的影響框架。首先,影響專利維持的三種因素之間會相互影響,其中先天因素和環(huán)境因素均會影響專利權人的行為因素,三種因素形成的聯(lián)動效應會直接影響專利的維持時間。例如,不同類型的專利權人,由于專利申請的動機不同,專利運營和專利布局等行為也會不同;同時,在不同的市場環(huán)境下,專利權人也會有不同的專利運營策略和保護策略。此外,在不同的文獻生命周期階段以及不同的技術領域,不同因素對專利維持時間的影響效應略有差異,因此,文獻生命周期階段和專利所處的技術領域會對上述因素的影響效應產生調節(jié)作用。

圖9 不同因素對專利維持的影響框架

4.3 穩(wěn)健性檢驗

4.3.1 多模型訓練與精度評估

在算法歸因框架中,本文以Cox-XGBoost模型作為基準模型,然而,基于生存分析方法的機器學習模型還包括生存樹(Survival Tree,ST)、隨機生存森林(RandomSurvival Forest,RSF)、極端隨機生存森林(Extremely Random Survival Forest,ERSF)和深度神經網絡生存分析(DeepSurv),前三種是基于樹模型的生存分析機器學習模型,DeepSurv是基于深度神經網絡的生存分析機器學習算法。本文進一步建立了上述四種模型,采用相同數據集對模型進行訓練和評估,最終得到模型的性能如表3所示。通過不同模型的效果比較來看,機器學習模型的CI值均在0.7以上,其中XGBoost模型的CI值最高,為0.789,遠高于Cox模型的0.695;BS值均在0.15以下,均小于Cox模型的0.151。綜上,基于機器學習模型的生存分析方法性能高于傳統(tǒng)的Cox模型,確保了基于機器學習的算法歸因框架結果的準確性和穩(wěn)健性。

表3 多類機器學習模型的效果比較

4.3.2 基于排列特征重要性的因素重要性檢驗

為保證本文算法歸因框架挖掘出的因素與專利維持之間的關系不受模型和歸因方法的影響,本研究進一步采用Cox-XGBoost模型的信息增益方法和RSF算法的排列特征重要性算法對專利維持時間影響因素的重要性進行挖掘,并將結果與上文實證結果對比,以驗證結果的穩(wěn)健性,檢驗結果如表4所示?；贑ox-XGBoost模型信息增益算法得到的因素重要性排名與基于Shapley值的因素重要性排名雖然略有差異,但是差異并不明顯。另外,基于RSF模型得到的排列特征重要性不僅可以反映因素的重要性,也反映了因素對專利維持時間的影響方向,基于RSF模型得到因素的排列特征重要性及其影響方向與上文得到的因素重要性和影響方向雖然具有略微差異,但是大部分因素的影響方向和重要性與上文分析結果一致。 綜上, 基于算法歸因框架得到的影響因素重要性及其對專利維持時間的影響方向較為穩(wěn)定。

表4 基于RSF的排列重要性算法的因素重要性結果

5 研究發(fā)現與結果討論

5.1 研究發(fā)現

本文從生物學理論角度出發(fā),采用Cox-XGBoost模型和可解釋性機器學習方法構建了算法歸因框架,并根據該框架對中國2001—2017年的專利數據進行了實證分析,挖掘專利維持時間的主要因素,并對不同因素的影響效應進行了揭示。

研究表明,本文構建的算法歸因框架與傳統(tǒng)歸因方法相比,不僅可以挖掘高維非線性因素對專利維持時間的影響效應,在分析不同因素對微觀樣本的具體影響效應方面也具有一定的優(yōu)越性。此外,研究表明先天因素對專利維持時間的影響最大,其次是行為因素和環(huán)境因素,這與Choi等[29]的研究有一定出入,他們認為環(huán)境因素對美國專利維持的影響更大,本文對該差異的解釋是:在Choi等的研究中,沒有將市場競爭、市場的活躍性和市場不確定性等市場因素加入,僅僅是采用部分文獻計量指標進行測度;此外,其衡量因素重要性的方式為Wald統(tǒng)計量,但是在傳統(tǒng)的統(tǒng)計歸因模型中,因素重要性采用Wald統(tǒng)計量的卡方值進行檢驗更為準確;最后,在不同經濟環(huán)境和政策環(huán)境下,專利的維持是具有差異的,本文是以中國專利作為樣本進行分析,而Choi等是以美國專利作為樣本,故出現上述差異是正常的樣本選擇性偏差。除上述差異外,本文對所選影響因素的影響效應分析結果與現有研究[10-16]的分析結果基本一致。此外,本文還對前人未曾研究的市場競爭強度、市場活躍度、市場不確定性、技術原創(chuàng)性、技術激進性和技術通用性等因素進行了測度和分析,同時還對不同因素在不同專利文獻生命周期階段、不同領域以及不同因素的效應關系進行了詳細探究,這些指標可以為未來探究不同市場環(huán)境下專利維持行為提供一定的借鑒和參考。

5.2 結果討論

在數智時代,機器學習模型的應用領域不斷擴展,在專利維持時間預測領域,也應該積極引進智能算法,通過多源數據融合的方式,構建專利維持預測模型,進而幫助企業(yè)構建完善的專利預警體系和完善的競爭情報系統(tǒng),提升企業(yè)在專利競爭中的競爭力。本文的主要貢獻在于:一是構建了基于可解釋機器學習的算法歸因框架,可以揭開機器學習這一“黑盒模型”的神秘面紗,以數據和模型驅動的方式揭示不同因素對專利維持的真實影響效應,可為專利維持時間的相關研究提供新方法,同時也可為未來專利維持時間的預測提供理論支撐,避免過度依賴數據和算法的負面效應;二是從生物學視角構建了專利維持時間的影響因素指標體系,并在現有指標的基礎上進行了擴展,同時采用大規(guī)模專利數據集對指標的影響效力進行了驗證,這為未來專利維持時間影響因素、專利價值評估以及專利年費制度等相關研究提供了新的理論視角及研究指標。

當然,本研究還存在以下不足:一是在樣本選取方面,囿于數據的處理能力,僅選擇了中國專利作為樣本進行了縱向的分析,并未收集其他國家專利進行橫向擴展的研究;二是在影響因素方面,僅基于專利結構化數據對影響因素進行了測度,并未結合專利文本語義數據、經濟數據和行業(yè)發(fā)展數據。三是在研究方法和研究模型方面,本文僅采用了現有的生存分析機器學習模型,并未對模型進行改進,使其更加適用于專利維持時間預測及相關研究。在未來,可以考慮收集不同國家的專利維持數據,從多個角度探究不同國家專利維持特征的差異,深入分析專利文獻計量指標與專利維持之間的相關性及其因果關系;此外,在多源數據環(huán)境下,可以考慮將經濟數據、行業(yè)發(fā)展數據、企業(yè)運營數據與專利數據進行融合,基于融合數據集,對生存分析機器學習模型進行進一步改進,使其更加適用于專利維持數據,進而構建可靠、準確、科學的專利維持時間預測模型;最后,可以進一步拓寬專利維持時間預測模型的應用場景,例如可以將專利維持時間預測模型進一步應用于核心專利識別和潛在高價值專利識別當中。