专利情报分析方法及应用研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
表 !" 某汽车电子产品领域核心发明人群分布研究
划分区域 第一区域 （ 本领域核心发明人群） 第二区域 （ 本领域一般发明人群） 第三区域 （ 本领域相关发明人群） 总计 发明人数 #!( !"’& (&(% wk.baidu.com!(% 专利申请量 （ 件） (#"’ (#$% (&(% $%&&%
核心发明人群展开重点研究， 可借此分析所在的公 司、 区域、 国家的创新活动特点与趋势。 此外， 还可应用文献计量学的洛特卡定律对专利 发明人、 申请人进行分析统计， 由此揭示专利权人的 分布情况及公司与企业技术创新的人力资源状况。 !* !) 专利定性分析方法 专利定性分析方法主要针对专利文献内在特 征， 即专利文献所包含的技术内容， 运用归纳、 演绎、 分析、 综合、 抽象、 概括等方法， 由表及里， 进行质的 分析， 以揭示其内在规律， 形成有机的情报集合。 !* !* $) 技术功效矩阵分析法 主要分析专利技术 （ 包括方法、 设备和操作原 理） 及其功效间的对应关系， 通过专利数量来有效 衡量为提升技术功效而投入的技术力量， 从而更明 确为提升某一技术功效所必需的技术投入， 再结合 自身技术潜力， 对发展计划实施的难易程度进行估 计。另一方面， 运用技术功效矩阵分析方法有利于 找出技术领域内的瓶颈问题， 帮助对类似技术主题 和优先解决的技术障碍等问题的合理决策。
!""’ 年第 ( 期) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) 对这一群体加以重点关注甚至开展跟踪研究， 有助于 了解领域内创新活动的源头， 掌握创新动态。 以某汽车 电 子 产 品 相 关 专 利 为 例， 截 至 !""# 年， 该技术领域有专利申请 $%&&% 项， 涉及 ’!(% 位 发明人， 每位发明人的申请量从一项至数十项不等， 其中申请量最高的发明人提出了 #& 项申请。对上 述专利申请及发明人进行统计研究， 利用布拉德福 定律划分该技术领域的核心发明人群、 一般性发明 人群、 相关发明人群， 从而确定该领域的高产出率核 心创新群体 （ 详见表 ! ） 。
图 .0 专利技术生命周期示意图
以某汽车电子产品为例， 对其专利申请量、 专利 申请人数量的变化关系分析表明： 上世纪 73 年代中 期该技术进入快速发展阶段， 专利数量与研发者数 量大量增加， 尤其在 2777 年后更多研发者进入该技 术市场； 而自 .33. 年起， 该技术已开始呈现由发展 期向成熟期过渡的趋势 （ 见图 4 ） 。
［ 作者简介］ , 方曙， 中国科学院国家科学图书馆副馆长、 成 都分馆馆长、 研究员； 张娴， 副研究员； 肖国华， 副研究员。
式的组合运用。 0/ 主要分析方法及应用 在专利情报分析实践中， 通常按定性分析、 定量 分析、 拟定量分析等类型划分各种分析方法。对于 分析结果， 尽可能地以各种视觉直观的图表形式加 以反映， 如形成具有类似地图指向功能的专利地图 等。常用的专利情报分析方法如下。 #( !, 专利定量分析方法 专利定量分析方法， 即利用数理统计、 科学计量 等方法对专利文献及其相关信息进行加工整理和统 计分析， 以此针对发展趋势做出预测和推断。它是 专利情报分析方法中的重要方法之一， 通过数学模 型等方法来研究专利文献中所记载的技术、 法律和 经济信息， 对其间蕴藏的技术水平与商业价值进行 量化的揭示与科学的反映。定量分析方法涉及到对 专利文献各种外部特征的统计， 国内外专家为此建
以某电子产品为例， 计算其中国专利的 !、 !、 )， 依时间变化趋势可知 （ 见图 2 ） ： 该电子产品技 "、 术生长 率 ! 值 从 .333 年 到 .332 年 增 长 较 大， 从 .332 年至 .334 年有变小趋势， .335 年重新上升， 表 现出一定的 技 术 生 长 特 性； 技术成熟系数 ! 值除 .334 年略有波动外， 整体呈上升趋势， 在 .33. 、 .335 年增幅较大， 尤其是 .335 年达历史新高， 表明该技 术在国内尚未成熟； 技术衰老系数 " 值起伏不大， 没有体现出明显的技术衰老特征； 新技术特征系数 ) 值的变化规律与 !、 除 ! 值的变化规律性相似， .334 年外， 其余各年均呈上升趋势， 表现出新技术 特性。综合表明， 该技术在国内仍属新技术范畴， 今 后一段时期内仍有上升空间。
图 #" 人工膝关节专利技术功效示意图
) ) 例如， 对人工膝关节关键专利
［ &］
的技术与功效矩
发过程中， 不断分析现有专利 （ 特别是新近公开的） 的权利要求点， 从中寻找权利空白， 不断调整技术研 发方向， 为自身新技术专利申请规划权利空间， 以保 证顺利获得专利并得到最大经济利益； 其二是在侵 权判断中的应用， 新产品上市后， 无论是被诉侵权还 是诉他人侵权， 都可由专利、 技术和法律专业人员通 过对双方技术要点、 权利要求点进行比对， 判断是否 “ 在被控侵权的产品或方法中， 包括了独立权利要 求中的每一个技术特征” ， 由此分辨侵权可能。
图 40 某汽车电子产品专利技术生命周期图
.6 26 40 布拉德福定律应用法
图 !" 某电子产品中国专利 #、 $ 随时间变化一览图 !、 "、
布拉德福定律指出， 如果将科技期刊按其刊载某 专业论文数量多寡， 以递减顺序排列， 则可分出一个 核心区和相继的几个区域， 每区刊载的论文量相等， 此时核心期刊和相继区域期刊数量约成 28 /8 /. …… 的关系。布拉德福定律提出的这一描述文献分散规 律的经验定律， 对于专利文献同样具有指导意义。通 过这些定律在专利情报分析中的应用， 有助于分析研 究主题领域内的核心技术分布、 核心研发群体分布等 特点。例如应用布拉德福定律确定研发高产出人群， 91
加， 申请人数量维持不变， 前期取得优势的有限几家 公司掌握了主要技术并主导着该技术发展， 技术已 趋于成熟， 以商品改良设计型专利为主； 技术衰退 期， 申请数量下滑， 申请人数降低， 经市场淘汰仅少 数优势厂商生存， 商品型态固定， 技术无进展， 以小 幅改良型专利为主。此后， 技术是否能进入复活期， 主要取决于是否有突破性创新为技术市场注入活 力。
［ !3. ］ 立了众多专利分析、 评价等指标 ， 例如： 技术发展
阶段测量、 技术生命周期分析法、 “ 文献计量学定律 应用法” 如布拉德福文献离散定律应用法等。 #( !( !, 技术发展阶段测量方法 通过计算技术生长率 （ L） 、 技术成熟系数 （ %） 、 技术衰老系数 （ &） 和新技术特征系数 （ &） ， 根据 L、 & 的值随时间变化情况测算某技术领域的技 %、 &、 ［ /］ 术发展阶段 。具体测量方法见表 ! ：
技术衰老系数 连续计 算 数 年， 若 " 值变 （# &’） （ $ # &’ &(） "" 小， 预示该技术日渐陈旧 （ "） 反映某项 技 术 新 兴 或 衰 老 新技术特征系数 新 的综合指标。 / 值越大， . . ) " *+,（ ! & ） ! （ )） 技术特征越强， 预示它越具 有发展潜力 0 注： #： 当年某技术领域的发明专利申请 （ 公布） 数量 ’： 当年某技术领域的实用新型专利申请 （ 公布） 数量 (： 当年某技术领域的外观设计专利或商标申请 （ 公布） 数量 %： 追溯 1 年某技术领域的发明专利申请 （ 公布） 累积数量
.6 26 .0 技术生命周期分析方法 通过对专利数量与专利申请人数量二者的时序 变化分析， 专利技术生命周期在理论上被划分为 1
［ 1］ 个阶段 （ 如图 . 所示） ： 技术起步期， 专利申请数
量和申请人数都较少， 领域内研究者不多， 研究成果 较少， 处于实验开发阶段； 技术发展期， 申请数量和 申请人数均大幅增长， 较多力量进入该技术市场， 多 为产品导向型专利； 技术成熟期， 专利数量继续增 万方数据
总第 !!" 期 #$$% 年 % 月
&’( !!" )*+( ， #$$%
专利情报分析方法及应用研究
# 方 , 曙! ， , 张, 娴# , 肖国华#
（ !( 西南交通大学经济管理学院， 成都， -!$$.! ） （ #( 中国科学院国家科学图书馆成都分馆， 成都， -!$$/! ） , 专利情报分析方法是从专利文献中提取技术、 经济、 法律信息形成有效情报的重要方法， ［ 摘要］ 是制定专利战略、 增强竞争优势、 保护知识产权的基础和前提。本文从定量、 定性、 拟定量三种类型 入手， 讨论了专利情报分析的常用方法， 并结合实证分析探讨了各方法的主要功能、 作用及结果表 现形式。 ［ 关键词］ , 专利情报分析, 专利信息分析, 专利地图 ［ 中图分类号］0.1#, ［ 文献标识码］2, ［ 文章编号］!$$.3#%4% （ #$$% ） $/3$$-/3$［ !"#$%&’$ ］ , 567897 :9;’<=67:’9 696+>?:? @’*+A 8B7<6@7 78@C9’+’D:@6+，8@’9’=:@6+ 69A +8D6+ E6+*8 ;<’= F67897? :9 ’<A8< 7’ C:DC+:DC7 ?F8@:;:@ ;867*<8? 69A F<’E:A8 :9?:DC7? :97’ 78@C9’+’D:@6+ A8E8+’F=897? :9 ?F83 @:;:@ ;:8+A?( G6:9 696+>7:@6+ =87C’A? @+6??:;:8A H> I*697:767:E8 ，I*6+:767:E8 69A I*6?:3I*697:767:E8，J8<8 ?7*A:8A C8<8， JC:+8 7C8 ;*9@7:’9? 69A 89A F<’A*@7? ’; 86@C =87C’A J8<8 F<8?8978A( K’=8 8=F:<:@6+ 696+>3 ?:? @6?8? J8<8 6+?’ ’;;8<8A( ［ ()* +,%-#］ , 567897 :9;’<=67:’9 696+>?:?, 567897 :978++:D89@8 696+>?:?, 567897 =6F ./ 专利情报分析 专利情报分析， 即是对专利文献中包含的技术 信息、 经济信息、 法律信息通过科学的加工、 整理与 分析， 进行深度挖掘与缜密剖析， 形成具有较高技术 与商业价值的专利情报。专利情报分析有助于分析 技术分布态势， 掌握技术研发的历史起源、 当前状况 和未来趋势， 从而为技术创新活动进行科学合理的 定位。因此， 专利情报分析方法是指导政府部门、 科 研机构、 高新企业进行专利战略布局和专利技术研 发的有效分析手段之一， 有助于为不同层面的科技 经济发展战略的制定与部署提供科学依据， 为提升 自主创新能力、 优化实施效果、 增强竞争优势提供重 要的方向引导与决策辅助。 专利情报分析从不同角度与层面对专利文献中 蕴藏的信息进行聚集与分析， 归纳起来主要包括 / 种基本模式： 申请人、 研发机构或企业等 !发明人、 研发与竞争主体情况； "特定技术领域活动情况； # 国家 （ 地区） 的活动情况； $专利数量的时序变化。 , , 由于分析方法与内容错综复杂， 应用目的不尽 相同，多数情况下根据具体研究目的选择以上各模
-/
万方数据
方0 曙等： 专利情报分析方法及应用研究 :#/; <=> ?-(6 ： @?*?#,(= #/A %BBCD(#-DE/ EF -=? G#-?/- H/FE,I#-DE/ %/#CJ*D*
表 !" 技术发展阶段测量参数
计量参数 技术生长率 （ !） 技术成熟系数 （ !） 计算公式 ! " #$ % $ # & ’） ! " #（ 计算意义 连续 计 算 数 年， 若 ! 值递 增， 说明该领域技术正在萌 芽或生长阶段 连续计 算 数 年， 若 ! 值递 减， 则反映技术日趋成熟
) ) 分析结果如表 ! 所示： 约 ’* !%+ 的发明人 （ #!( 人） 完成了近 $ , % 的专利申请， 这是该领域专利创 新的核心人群； 紧接着 !-* &&+ 的发明人完成了另 $ , % 的专利申请， 产出已趋向分散； 余下 $ , % 专利申 请则更分散在 &(* $"+ 发明人当中。对由此确定的
划分区域 第一区域 （ 本领域核心发明人群） 第二区域 （ 本领域一般发明人群） 第三区域 （ 本领域相关发明人群） 总计 发明人数 #!( !"’& (&(% wk.baidu.com!(% 专利申请量 （ 件） (#"’ (#$% (&(% $%&&%
核心发明人群展开重点研究， 可借此分析所在的公 司、 区域、 国家的创新活动特点与趋势。 此外， 还可应用文献计量学的洛特卡定律对专利 发明人、 申请人进行分析统计， 由此揭示专利权人的 分布情况及公司与企业技术创新的人力资源状况。 !* !) 专利定性分析方法 专利定性分析方法主要针对专利文献内在特 征， 即专利文献所包含的技术内容， 运用归纳、 演绎、 分析、 综合、 抽象、 概括等方法， 由表及里， 进行质的 分析， 以揭示其内在规律， 形成有机的情报集合。 !* !* $) 技术功效矩阵分析法 主要分析专利技术 （ 包括方法、 设备和操作原 理） 及其功效间的对应关系， 通过专利数量来有效 衡量为提升技术功效而投入的技术力量， 从而更明 确为提升某一技术功效所必需的技术投入， 再结合 自身技术潜力， 对发展计划实施的难易程度进行估 计。另一方面， 运用技术功效矩阵分析方法有利于 找出技术领域内的瓶颈问题， 帮助对类似技术主题 和优先解决的技术障碍等问题的合理决策。
!""’ 年第 ( 期) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) 对这一群体加以重点关注甚至开展跟踪研究， 有助于 了解领域内创新活动的源头， 掌握创新动态。 以某汽车 电 子 产 品 相 关 专 利 为 例， 截 至 !""# 年， 该技术领域有专利申请 $%&&% 项， 涉及 ’!(% 位 发明人， 每位发明人的申请量从一项至数十项不等， 其中申请量最高的发明人提出了 #& 项申请。对上 述专利申请及发明人进行统计研究， 利用布拉德福 定律划分该技术领域的核心发明人群、 一般性发明 人群、 相关发明人群， 从而确定该领域的高产出率核 心创新群体 （ 详见表 ! ） 。
图 .0 专利技术生命周期示意图
以某汽车电子产品为例， 对其专利申请量、 专利 申请人数量的变化关系分析表明： 上世纪 73 年代中 期该技术进入快速发展阶段， 专利数量与研发者数 量大量增加， 尤其在 2777 年后更多研发者进入该技 术市场； 而自 .33. 年起， 该技术已开始呈现由发展 期向成熟期过渡的趋势 （ 见图 4 ） 。
［ 作者简介］ , 方曙， 中国科学院国家科学图书馆副馆长、 成 都分馆馆长、 研究员； 张娴， 副研究员； 肖国华， 副研究员。
式的组合运用。 0/ 主要分析方法及应用 在专利情报分析实践中， 通常按定性分析、 定量 分析、 拟定量分析等类型划分各种分析方法。对于 分析结果， 尽可能地以各种视觉直观的图表形式加 以反映， 如形成具有类似地图指向功能的专利地图 等。常用的专利情报分析方法如下。 #( !, 专利定量分析方法 专利定量分析方法， 即利用数理统计、 科学计量 等方法对专利文献及其相关信息进行加工整理和统 计分析， 以此针对发展趋势做出预测和推断。它是 专利情报分析方法中的重要方法之一， 通过数学模 型等方法来研究专利文献中所记载的技术、 法律和 经济信息， 对其间蕴藏的技术水平与商业价值进行 量化的揭示与科学的反映。定量分析方法涉及到对 专利文献各种外部特征的统计， 国内外专家为此建
以某电子产品为例， 计算其中国专利的 !、 !、 )， 依时间变化趋势可知 （ 见图 2 ） ： 该电子产品技 "、 术生长 率 ! 值 从 .333 年 到 .332 年 增 长 较 大， 从 .332 年至 .334 年有变小趋势， .335 年重新上升， 表 现出一定的 技 术 生 长 特 性； 技术成熟系数 ! 值除 .334 年略有波动外， 整体呈上升趋势， 在 .33. 、 .335 年增幅较大， 尤其是 .335 年达历史新高， 表明该技 术在国内尚未成熟； 技术衰老系数 " 值起伏不大， 没有体现出明显的技术衰老特征； 新技术特征系数 ) 值的变化规律与 !、 除 ! 值的变化规律性相似， .334 年外， 其余各年均呈上升趋势， 表现出新技术 特性。综合表明， 该技术在国内仍属新技术范畴， 今 后一段时期内仍有上升空间。
图 #" 人工膝关节专利技术功效示意图
) ) 例如， 对人工膝关节关键专利
［ &］
的技术与功效矩
发过程中， 不断分析现有专利 （ 特别是新近公开的） 的权利要求点， 从中寻找权利空白， 不断调整技术研 发方向， 为自身新技术专利申请规划权利空间， 以保 证顺利获得专利并得到最大经济利益； 其二是在侵 权判断中的应用， 新产品上市后， 无论是被诉侵权还 是诉他人侵权， 都可由专利、 技术和法律专业人员通 过对双方技术要点、 权利要求点进行比对， 判断是否 “ 在被控侵权的产品或方法中， 包括了独立权利要 求中的每一个技术特征” ， 由此分辨侵权可能。
图 40 某汽车电子产品专利技术生命周期图
.6 26 40 布拉德福定律应用法
图 !" 某电子产品中国专利 #、 $ 随时间变化一览图 !、 "、
布拉德福定律指出， 如果将科技期刊按其刊载某 专业论文数量多寡， 以递减顺序排列， 则可分出一个 核心区和相继的几个区域， 每区刊载的论文量相等， 此时核心期刊和相继区域期刊数量约成 28 /8 /. …… 的关系。布拉德福定律提出的这一描述文献分散规 律的经验定律， 对于专利文献同样具有指导意义。通 过这些定律在专利情报分析中的应用， 有助于分析研 究主题领域内的核心技术分布、 核心研发群体分布等 特点。例如应用布拉德福定律确定研发高产出人群， 91
加， 申请人数量维持不变， 前期取得优势的有限几家 公司掌握了主要技术并主导着该技术发展， 技术已 趋于成熟， 以商品改良设计型专利为主； 技术衰退 期， 申请数量下滑， 申请人数降低， 经市场淘汰仅少 数优势厂商生存， 商品型态固定， 技术无进展， 以小 幅改良型专利为主。此后， 技术是否能进入复活期， 主要取决于是否有突破性创新为技术市场注入活 力。
［ !3. ］ 立了众多专利分析、 评价等指标 ， 例如： 技术发展
阶段测量、 技术生命周期分析法、 “ 文献计量学定律 应用法” 如布拉德福文献离散定律应用法等。 #( !( !, 技术发展阶段测量方法 通过计算技术生长率 （ L） 、 技术成熟系数 （ %） 、 技术衰老系数 （ &） 和新技术特征系数 （ &） ， 根据 L、 & 的值随时间变化情况测算某技术领域的技 %、 &、 ［ /］ 术发展阶段 。具体测量方法见表 ! ：
技术衰老系数 连续计 算 数 年， 若 " 值变 （# &’） （ $ # &’ &(） "" 小， 预示该技术日渐陈旧 （ "） 反映某项 技 术 新 兴 或 衰 老 新技术特征系数 新 的综合指标。 / 值越大， . . ) " *+,（ ! & ） ! （ )） 技术特征越强， 预示它越具 有发展潜力 0 注： #： 当年某技术领域的发明专利申请 （ 公布） 数量 ’： 当年某技术领域的实用新型专利申请 （ 公布） 数量 (： 当年某技术领域的外观设计专利或商标申请 （ 公布） 数量 %： 追溯 1 年某技术领域的发明专利申请 （ 公布） 累积数量
.6 26 .0 技术生命周期分析方法 通过对专利数量与专利申请人数量二者的时序 变化分析， 专利技术生命周期在理论上被划分为 1
［ 1］ 个阶段 （ 如图 . 所示） ： 技术起步期， 专利申请数
量和申请人数都较少， 领域内研究者不多， 研究成果 较少， 处于实验开发阶段； 技术发展期， 申请数量和 申请人数均大幅增长， 较多力量进入该技术市场， 多 为产品导向型专利； 技术成熟期， 专利数量继续增 万方数据
总第 !!" 期 #$$% 年 % 月
&’( !!" )*+( ， #$$%
专利情报分析方法及应用研究
# 方 , 曙! ， , 张, 娴# , 肖国华#
（ !( 西南交通大学经济管理学院， 成都， -!$$.! ） （ #( 中国科学院国家科学图书馆成都分馆， 成都， -!$$/! ） , 专利情报分析方法是从专利文献中提取技术、 经济、 法律信息形成有效情报的重要方法， ［ 摘要］ 是制定专利战略、 增强竞争优势、 保护知识产权的基础和前提。本文从定量、 定性、 拟定量三种类型 入手， 讨论了专利情报分析的常用方法， 并结合实证分析探讨了各方法的主要功能、 作用及结果表 现形式。 ［ 关键词］ , 专利情报分析, 专利信息分析, 专利地图 ［ 中图分类号］0.1#, ［ 文献标识码］2, ［ 文章编号］!$$.3#%4% （ #$$% ） $/3$$-/3$［ !"#$%&’$ ］ , 567897 :9;’<=67:’9 696+>?:? @’*+A 8B7<6@7 78@C9’+’D:@6+，8@’9’=:@6+ 69A +8D6+ E6+*8 ;<’= F67897? :9 ’<A8< 7’ C:DC+:DC7 ?F8@:;:@ ;867*<8? 69A F<’E:A8 :9?:DC7? :97’ 78@C9’+’D:@6+ A8E8+’F=897? :9 ?F83 @:;:@ ;:8+A?( G6:9 696+>7:@6+ =87C’A? @+6??:;:8A H> I*697:767:E8 ，I*6+:767:E8 69A I*6?:3I*697:767:E8，J8<8 ?7*A:8A C8<8， JC:+8 7C8 ;*9@7:’9? 69A 89A F<’A*@7? ’; 86@C =87C’A J8<8 F<8?8978A( K’=8 8=F:<:@6+ 696+>3 ?:? @6?8? J8<8 6+?’ ’;;8<8A( ［ ()* +,%-#］ , 567897 :9;’<=67:’9 696+>?:?, 567897 :978++:D89@8 696+>?:?, 567897 =6F ./ 专利情报分析 专利情报分析， 即是对专利文献中包含的技术 信息、 经济信息、 法律信息通过科学的加工、 整理与 分析， 进行深度挖掘与缜密剖析， 形成具有较高技术 与商业价值的专利情报。专利情报分析有助于分析 技术分布态势， 掌握技术研发的历史起源、 当前状况 和未来趋势， 从而为技术创新活动进行科学合理的 定位。因此， 专利情报分析方法是指导政府部门、 科 研机构、 高新企业进行专利战略布局和专利技术研 发的有效分析手段之一， 有助于为不同层面的科技 经济发展战略的制定与部署提供科学依据， 为提升 自主创新能力、 优化实施效果、 增强竞争优势提供重 要的方向引导与决策辅助。 专利情报分析从不同角度与层面对专利文献中 蕴藏的信息进行聚集与分析， 归纳起来主要包括 / 种基本模式： 申请人、 研发机构或企业等 !发明人、 研发与竞争主体情况； "特定技术领域活动情况； # 国家 （ 地区） 的活动情况； $专利数量的时序变化。 , , 由于分析方法与内容错综复杂， 应用目的不尽 相同，多数情况下根据具体研究目的选择以上各模
-/
万方数据
方0 曙等： 专利情报分析方法及应用研究 :#/; <=> ?-(6 ： @?*?#,(= #/A %BBCD(#-DE/ EF -=? G#-?/- H/FE,I#-DE/ %/#CJ*D*
表 !" 技术发展阶段测量参数
计量参数 技术生长率 （ !） 技术成熟系数 （ !） 计算公式 ! " #$ % $ # & ’） ! " #（ 计算意义 连续 计 算 数 年， 若 ! 值递 增， 说明该领域技术正在萌 芽或生长阶段 连续计 算 数 年， 若 ! 值递 减， 则反映技术日趋成熟
) ) 分析结果如表 ! 所示： 约 ’* !%+ 的发明人 （ #!( 人） 完成了近 $ , % 的专利申请， 这是该领域专利创 新的核心人群； 紧接着 !-* &&+ 的发明人完成了另 $ , % 的专利申请， 产出已趋向分散； 余下 $ , % 专利申 请则更分散在 &(* $"+ 发明人当中。对由此确定的