基于专利文献的技术生命周期分析模式研究

《基于专利文献的技术生命周期分析模式研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学硕士学位论文基于专利文献的技术生命周期分析模式研究姓名：高利丹申请学位级别：硕士专业：产业经济学指导教师：贾志永20110410西南交通大学硕士研究生学位论文第1页摘要为了作出正确的技术投资决策，决策者需要了解该技术的生命周期现状。现有对技术生命周期进行评估的方法主要是利用专利申请数量随时间变化制作S曲线，通过观察S曲线的起伏变化来得出技术的生命周期阶段情况。除专利申请数量外，其他指标如专利权人的数量、国际专利分类号的数量、发明人数量等也能反应技术生命周期的变化情况，因此只利用单个或两个指标制作S曲线或反向S曲

2、线不能充分反应技术的发展态势。虽然近年有少量研究开始探索采用多指标研究技术的生命周期，但成效不显著，且这类研究也只是把每个指标单独用于描绘其数量随时间的变化。因此本文提出一种基于专利文献的多指标技术生命周期计算模型。该模型包括如下主要步骤：(1)挑选可量化的基于专利文献的指标；(2)选择参考技术(训练样本)，并通过专家咨询或文献调研方式获得参考技术的生命周期阶段情况，提取各阶段指标值；(3)采用最近邻分类器比较计算参考技术中的指标特征值与测试技术(测试样本)指标的值，在训练样本的训练点中寻找与测试样本的测试点具有最近距离的

3、特征值，而该训练点的特征即代表测试点的特征，从而根据该训练点所在的技术生命周期信息得出测试点的技术生命周期信息。本研究采用了13个基于专利文献的可量化指标；选择薄膜晶体管液晶显示技术(TF■LCD)与阴极射线管显示技术(CRT)作为参考技术，纳米生物传感器(NBS)作为测试技术，计算纳米生物传感器的技术生命周期情况。计算结果显示，纳米生物传感器技术的生命周期情况为：萌芽期：1985—1996，成长期：1997年以后。计算结果送予专家检验，专家意见与计算结果一致。当前纳米生物传感器仍处于成长期，还有很多关键问题待解决。通过专

4、利分析可知，目前纳米生物传感器技术研究领先的国家是美国，但从主要专利权人情况看，大的研发机构以韩国居多。因此在技术成长阶段，对于少数在技术萌芽期就进入该技术领域的企业而言，由于企业有前一阶段的研发基础，因此可以利用先前积累的经验进一步在辅助产品和技术改进上进行技术创新；对于大部分后续进入此技术领域的企业而言，目前市场并未完全成形，还有很多关键技术还待解决，因此机会很多，作好技术布局，注意追踪具有相似研究内容的竞争者，并跟踪研发的前沿，如重点跟踪美国和韩国的专利技术内容，即时制定和调整研发战略，确保研发技术具有领先性，为成熟

5、期的市场做好铺垫。关键词：技术生命周期专利指标最近邻分类器纳米生物传感器AbstractToestimatethefuturedevelopmentofonetechnologyandmakedecisionswhethertoinvestInitornot，oneneedstoknowthestagestatusofthetechnologylifecycle(TLC)．nemajorapproachtoanalyzingTLCUSeStheS-curvetoobservepatentapplicationsoverti

6、me．Butusingthepatentapplicationcountsalonetorepresentthedevelopmentoftechnologyoversimplifiesthesituation．Inthispaper,webuildamodeltocalculatetheTLCforanobjecttechnologybasedonmultiplepatent—relatedindicators．Themodelincludesthefollowingsteps：first，wefocusondevisi

7、ngandassessingpatent．basedTLCindicators．Thenwechoosesometechnologies(trainingtechnologies)withidentifiedlifecyclestages，andfinallycomparetheindicatorfeaturesintrainingtechnologieswiththeindicatorvaluesinallobjecttechnology(testtechnology)byNearestNeighbourClassifi

8、er,whichiswidelyusedinPatternRecognition，toprocessthedatabycalculatingthenearestdistanceamongthetestpointandtrainingpointstofindthemostsimilarfeatureint