专利网络中的跨层扩散:通过企业-技术协同作用预测创新

《TECHNOLOGY IN SOCIETY》:Cross-layer diffusion in patent networks: Forecasting innovation through enterprise–technology synergy

【字体: 大 中 小 】 时间:2025年12月22日 来源:TECHNOLOGY IN SOCIETY 12.5

编辑推荐:

  余德健|沈傲秋|左文进南京审计大学商学院,中国江苏省南京市211815摘要企业在预测创新方向和识别快速发展的技术领域的战略合作伙伴时面临严峻挑战,因为传统的单层网络模型往往忽略了企业间关系和跨领域技术扩散之间的协同效应。为了解决这一局限性,我们将企业视角与双层专利网络相结合,以分

  
余德健|沈傲秋|左文进
南京审计大学商学院,中国江苏省南京市211815

摘要

企业在预测创新方向和识别快速发展的技术领域的战略合作伙伴时面临严峻挑战,因为传统的单层网络模型往往忽略了企业间关系和跨领域技术扩散之间的协同效应。为了解决这一局限性,我们将企业视角与双层专利网络相结合,以分析协同技术扩散链接并预测创新前沿的方向。我们使用了一个基于扩散的双层专利网络模型,该模型动态地将企业层面的技术相似性网络与技术主题共现网络结合起来。通过采用基于扩散的网络分析方法,该模型量化了技术元素在组织和学科边界之间的传播,并识别出新兴的技术方向和合作机会。该模型在“区块链+审计”领域的数据集上进行了实证验证,有效预测了未来的研究方向,并为企业推荐了潜在的技术发展领域和合作伙伴。这项研究为双层网络中技术元素的扩散过程提供了宝贵的见解,并为企业在动态技术环境中的创新决策提供了战略指导。

引言

为了保持竞争力并应对未来的挑战,企业必须及时跟踪技术变革的趋势并预测技术发展(Park & Yoon, 2018)。技术创新已成为企业竞争力的不可或缺的来源(Wu et al., 2023)。作为追求创新的重要手段,研发(R&D)活动促使企业进行大量投资(Gu et al., 2021)。突破性创新作为打破现有技术架构的技术,可以创造新的市场并增强企业的竞争力。因此,企业必须及时识别突破机会,并利用现有能力抓住市场并维持优势(Ke, 2020)。因此,创新应被视为在企业和技术网络中的扩散;预测轨迹取决于对知识流动渠道的建模,而不是将发明视为孤立事件。这一视角促使我们采用多维方法,努力捕捉准确反映企业实际状况和技术现实的全面视图。
然而,企业在监控复杂的技术变革和建立有效的合作伙伴关系方面目前面临不同的挑战。在这种情况下,企业需要系统的方法来监控技术发展并预测未来趋势(Kim & Shin, 2018),以确定哪些技术领域值得关注,识别哪些潜在合作伙伴可以在创新过程中提供支持,并制定有前景的技术方向和可行的战略计划(Robinson et al., 2013)。特别是在创新过程中,分析过去和现在的技术轨迹已成为企业获得竞争优势的重要资产(Choi & Park, 2009)。然而,企业往往缺乏对跨学科技术和合作机会的全面理解。多维视角更好地反映了跨学科和跨行业的创新,其中识别技术主题领域和适当的技术竞争力至关重要(Bhatt et al., 2022; Qiao et al., 2025; Singhal et al., 2020)。从技术创新扩散的角度来看(Rogers et al., 2014),创新不是孤立事件,而是在相互依赖的代理和知识元素之间传播的。吸收能力理论(Cohen & Levinthal, 1990)进一步表明,知识获取随着认知/技术距离的增加而减少,因此以技术接近性为特征的企业层可以代表潜在的知识扩散渠道。多层扩散和异构信息网络(Kivel? et al., 2014)的推理表明,流动取决于层内和层间的互动。基于扩散的资源分配指数通过追踪共同邻居/元路径中介提供了可解释的分数。因此,本研究引入了一个双层网络,代表了企业创新过程中的相关实体和关系。我们区分了主题共现、企业合作和技术相似性。主题共现指的是在同一专利中出现的主题之间的联系。合作表示明确的企业间连接(如联合申请或许可协议),而本研究不依赖于此类联系。本研究模拟了一个企业层(企业间技术相似性)和一个主题层(主题共现)。我们使用“企业-技术协同效应”(ETS)一词来表示层间的相互强化;在操作上,当这两个层被联合建模时,ETS就被测量出来。双层网络包含节点之间的各种类型的连接,并提供了丰富的层内和层间信息(Li et al., 2025),这使得与单层网络相比,能够更全面和复杂地预测和探索技术趋势和轨迹。
本研究旨在回答两个关键问题:(1)企业层面的技术相似性和主题层面的共现如何共同塑造双层专利网络中的扩散?(2)在跨层扩散的情况下,哪些主题方向预示着即将到来的突破,它们意味着哪些合作伙伴?利用企业的专利数据,我们构建了一个双层网络,包括(i)企业层面的技术相似性网络和(ii)主题层面的共现网络。同时,采用了一种基于扩散的链接预测模型(Zhou et al., 2007),并将其从单层设置扩展到双层设置,从而捕捉到单层模型经常低估的同类节点之间的扩散(Zhang et al., 2023)。在技术方面,从企业到主题组合的层间映射使得知识能够在层内和层间流动。这解决了单层模型无法充分反映现实世界情况的局限性。与单层网络相比,我们的双层网络模拟了企业层面的技术相似性和主题层面的技术共现,从而提供了对创新网络中知识扩散和资源整合的更全面表示(Zhang et al., 2025),并帮助企业进行技术预测和合作伙伴推荐。
作为本研究的一个具体案例,区块链技术(也称为分布式账本技术(Nakamoto, 2008)被描述为十年最具颠覆性的技术(Bhatt et al., 2023),由于其去中心化、防篡改、透明和安全的特性,解决了实体识别和商业信任的传统问题(Holotiuk et al., 2019)。区块链审计领域提供了一个理想的研究案例:企业依赖于专业且快速发展的主题组合,相邻主题经常共同进化,为跨层扩散创造了有利条件。我们利用这一设置来研究跨层扩散如何在实践中信号化创新轨迹。通过构建一个整合企业层面技术相似性和主题层面扩散的双层网络,我们能够探索区块链技术在审计领域的发展,填补当前相关研究的空白,帮助企业预测主题轨迹并提供合作伙伴建议,以支持前瞻性的技术战略。本研究的贡献包括以下几点:从概念上讲,我们定义了ETS并将其与共现和合作区分开来。在方法上,我们通过捕捉层间企业到主题的映射,将基于扩散的链接预测扩展到双层设置。在实证上,我们揭示了区块链审计领域内新兴轨迹的结构信号。在管理上,该框架能够为潜在主题和合作伙伴建议提供支持,以支持前瞻性的技术战略。
本文的结构如下:第2节是对一些相关研究的回顾;第3节介绍了本研究的数据和方法以及评估性能部分;第4节展示了案例研究的结果和分析;第5节讨论了整个研究;第6节是本研究的结论。

章节片段

基于网络的专利分析

自21世纪初以来,对复杂网络分析的研究兴趣迅速从应用物理扩展到计算机科学和社会科学(Borgatti et al., 2009)。特别是在文献计量学中,网络分析的应用逐渐出现,最初主要是为了通过文献耦合研究学术合作和学科互动(Yan et al., 2010; Yang et al., 2010)。随着网络分析方法的发展,文献计量学的兴趣显著增加

数据和方法

图1展示了本研究中提出的框架,该框架分为四个主要阶段:第1阶段是原始数据的数据收集和预处理工作(第3.1节);第2阶段是构建双层网络(第3.2节);第3阶段是一个两阶段的基于扩散的模型,分别从技术相似性层和技术主题层进行预测,最终输出潜在建议的列表

描述性分析

为了验证本研究提出的方法的可行性,我们分析了“区块链+审计”技术领域的专利数据,试图探索每个企业的技术知识轨迹。对于案例研究,我们收集了一个包含2440项专利的数据集。图3显示了数据集的一些描述性信息,其中包括(a)每年专利数量的统计图表和趋势;(b)专利数量分布的图表

讨论

在本研究中,我们基于双层网络理论构建了技术领域之间的链接,并借助网络分析方法从复杂的专利网络中提取了潜在的技术创新领域。通过分析“区块链+审计”领域的专利数据,我们将技术领域分类为相邻领域和外部领域,并为目标受让人提供了潜在的发展方向。本研究的主要贡献是:

理论和实践意义

从理论角度来看,本研究通过提出基于异质扩散的链接预测框架,推进了对技术扩散和创新协同效应的理解。与依赖静态同质关系的传统相似性模型不同,所提出的双层网络通过捕捉企业层面的知识相似性和跨领域技术共现,弥合了创新研究中的微观-宏观差距。这一框架丰富了理论

CRediT作者贡献声明

余德健:撰写——审阅与编辑,撰写——原始草稿,验证,监督,资源获取,概念化。沈傲秋:撰写——原始草稿,可视化,验证,软件,方法论,调查,正式分析,数据整理,概念化。左文进:撰写——审阅与编辑,撰写——原始草稿,可视化,验证,监督,概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

致谢

本研究得到了国家社会科学基金重点项目(项目编号24AGL002)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号