专利信息分析的方法一般可分为统计分析法（定量分析）、技术分析法（定性分析）以及两者相结合的相关分析法（半定量分析）三类。

不论采用何种方法，专利量始终是一个最基本的数据量。比如在定量分析中，通过每年专利申请量的变化情况来分析技术发展状况；利用对专利分类的统计来评价有关国家或企业的科技发展重点等。在定性分析中，按专业内容列表分析企业专利的技术特色时就需要进行数量上的统计。进行专利信息分析，主要应用技术、人、时间和地点4个主要要素，进行二维和多维的组配，然后进行定性、定量分析，从而获得隐含的技术信息、经济信息、法律信息。

5.3.2.1　定量分析方法

专利定量分析方法主要有专利技术生命周期法、统计频次排序法、布拉德福文献离散定律、时间序列法和趋势回归法等。由于篇幅限制，本节将重点介绍技术生命周期分析法。

技术生命周期分析是专利定量分析中常用的方法之一。通过分析专利技术所处的发展阶段来推测未来技术发展方向。它针对的研究对象可以是某件专利文献所代表的技术的生命周期，也可以是某一技术领域整体技术的生命周期。

人们通过对专利申请数量或获得专利权的数量与时间序列关系、专利申请企业数与时间序列关系等分析研究，发现专利技术在理论上遵循技术引入期、技术发展期、技术成熟期和技术淘汰期4个阶段的周期性变化。

（1）技术引入期。专利数量少，大多是原理性的基础专利，只有少数几个企业参与技术研究与市场开发，集中度较高。

（2）技术发展期。随着技术的不断发展，市场扩大，介入的企业增多，技术分布的范围扩大，表现为大量的相关专利申请和专利申请人的激增。

（3）技术成熟期。当技术处于成熟期时，由于市场有限，进入的企业开始趋缓，专利增长的速度变慢。由于技术的成熟，只有少数的企业继续从事相关领域的技术研究。

（4）技术淘汰期。当技术老化后，企业也因收益递减而纷纷退出市场，此时有关领域的专利技术几乎不再增加，每年申请的专利数和企业数都呈负增长。

基于专利技术生命周期理论上存在的4个阶段，人们利用多种方法来测算专利的技术生命周期。下面重点介绍专利数量测算法，主要用于研究相关技术领域的技术生命周期。

专利数量测算法通过计算技术生长率（ν）、技术成熟系数（α）、技术衰老系数（β）和新技术特征系数（N）的值测算专利技术生命周期。

所谓技术生长率（ν）是指某技术领域发明专利申请或授权量占过去5年该技术领域发明专利申请或授权总量的比率，如式（5.1）所示。

其中，a为该技术领域当年发明专利申请量或授予量；A为追溯到过去5年的该技术领域的发明专利申请累积量或授权累积量。如果连续几年技术生长率持续增大，则说明该技术处于生长阶段。

所谓技术成熟系数（α）是指某技术领域发明专利申请或授权量占该技术领域发明专利和实用新型专利申请或授权总量的比率，如式（5.2）所示。如果技术成熟系数逐年变小，说明该技术处于成熟期。

其中，a为该技术领域当年发明专利申请量或授予量；b为该技术领域当年实用新型专利申请量或授权量。

所谓技术衰老系数（β）是指某技术领域发明专利和实用新型专利申请或授权量占该技术领域发明专利、实用新型专利和外观设计专利申请或授权总量的比率。如式（5.3）所示，如果β逐年变小，说明该技术处于衰老期。

其中，c为该技术领域当年外观设计专利申请量或授权量。

所谓新技术特征系数（N）是由技术生长率（ν）和技术成熟系数（α）推算而来，如式（5.4）所示，在某一技术领域如果N值越大，说明新技术的特征越强。

5.3.2.2　专利定性分析

专利定性分析是对专利信息内在特征进行质的分析，通过对专利文献的内在特征（专利技术内容）进行归纳和演绎、分析与综合以及抽象与概括等分析，探索某一技术的发展状况。它在专利信息分析中有广泛的应用领域。

（1）专利技术功效矩阵分析。

专利技术功效矩阵分析是指通过对专利文献反映的主题技术内容和技术方案的主要技术功能之间的特征研究，揭示它们之间的相互关系。这种研究方法的结果常常用功效矩阵图表形式表示。

专利技术功效矩阵分析的步骤是先对研究的技术内容进行分类，然后再按照技术功能分类，最后进行归纳和推理以及分析与综合。这种方法可以用来研究现有技术发展重点以及尚未开发的技术空白点。

（2）技术角度分析法。

专利技术角度分析法是专利功效矩阵分析方法的延伸。在专利信息定性分析中，分析人员常常会将采集的专利文献集合按材料（material）、特性（personality）、动力（energy）、结构（structure）、时间（time）5个方面进行加工、整理和分类，构造mpest技术角度图，从技术分类入手，对研究对象进行分群来揭示被研究的技术领域的专利特征。

也有分析软件将采集的专利文献集合分为处理（treatment）、效果（effect）、材料（material）、加工（process）、产品（product）、结构（structure）6个方面，并且对每个方面也都做了一定的延伸，参见表5.7。在实际工作中也可将类与类进行组合，如材料与处理方法、材料与产品等，形成多种矩阵图表来研究技术重点或技术空白点。

表5.7　技术角度分类示意图

(www.daowen.com)

（3）技术发展图。

在专利信息定性分析中，分析人员常常会按照技术发展的时间先后，将分析结果中专利文献的简要内容用图示的方式，直接展示给客户。在技术发展图中，根据研究目的的不同，用户可以自行设计展示的技术内容，以便为决策者提供简洁、直观的技术信息。

5.3.2.3　专利半定量分析

从本质上说定量分析和定性分析之间既有区别又有联系。在实际工作中将两者结合起来应用，可以更好地揭示事物的本质。专利信息分析也不例外。针对不同的分析目的，分析人员有时要采用定量和定性相结合的分析方法，即半定量分析方法。专利半定量分析通常由数理统计入手，然后进行全面、系统的技术分类和比较研究，再进行有针对性的量化分析，最后进行高度科学抽象的定性描述，使整个分析过程由宏观到微观，逐步深入进行。专利分析中比较常见的半定量分析方法有专利引文分析和专利数据挖掘等，它们是对专利信息进行深层次分析的方法。

（1）专利引文分析。

专利引文分析是指，利用各种数学和统计学的方法，以及比较、归纳、抽象和概括等逻辑方法，对专利文献的引用或被引用现象进行分析，以揭示专利文献之间、专利文献与科学论文之间相互关联的数量特征和内在规律的一种文献计量方法。专利计量研究的方法主要包含3个方面，即专利数量研究、专利引用分析研究和其他关联分析。

由于文献的引文分析可以由表及里地揭示出科学思想的相互关联、延续继承情况，并探索事物之间的结构与规律，所以得到了各种研究分析的广泛借鉴，同时也就被应用于各个方面。专利文献信息比较容易获得，并且数据类型十分规范，这就使得专利信息的分析变得简单方便。将文献中的引文分析应用到专利信息的分析中，可以使得专利引文分析更具可行性。

当然，专利引文分析区别于一般的文献引文分析，且具有自己的特点以及独特的分析方法与角度。一般来说，专利引文分析会从被引专利的国家、所属机构、发明人以及专利技术主题本身等多个方面进行定性分析，也会从专利数量、年份等数字形式的角度进行定量分析。专利引文分析的方法被广泛应用于预测竞争对手新产品、寻找技术空白点、评价开发的新技术价值等方面。专利引文分析具有以下几个明显的作用：

①利用专利引文来寻找一项技术发明的出处。专利文献与一般科学文献主要的一个共同功能都是进行技术的披露。借助技术的披露，后来的研发者可以在先前研究者的基础上对原有技术进行思想继承，并且进一步突破与创新。

②利用专利引文分析作为知识扩散的测度指标。以专利引用作为衡量知识扩散的工具，并假设专利相互引用会带来知识的扩散，揭示了专利引用在知识流动与扩散中的作用。这种知识的流动与扩散，不止是适用于地理间的知识扩散分析，也适用于不同领域间的知识流动分析。

③利用专利引用来衡量一项技术发明的价值。随着知识经济时代的到来，无形资产的价值日益重要。而在众多无形资产中，专利最能为企业带来明显的收益。据统计，用于产业中较为先进的专利技术，其被引用的次数比起一般专利来说能高出五倍多。而现阶段，大量的无形资产评估都是以几种基于期权和市场基准的基本方法为基础，适用于专利技术的评估方法尚不成熟，国外有大量学者从专利引用的角度来对专利技术这一特殊的无形资产进行评估。

（2）专利数据挖掘。

随着2018年中美贸易摩擦的不断升温，以专利为主的知识产权纠纷受到新闻媒体的争相报道，一时间“专利”“知识产权”“知识产权保护”等词汇不断进入人们的视野。这在一定的程度上，促进了全民的产权保护意识，同时也使人们认识到专利申请的重要性。在重视产权保护的社会大环境下，很多企业为了在竞争中获得先机，纷纷增加其在产品研发和专利申请方面的投入。因此，近些年专利申请数量不断增多。另一方面，专利申请的领域在不断拓宽，延伸到了人们生产生活的方方面面。最为突出的表现是新技术的出现催生了新的产业，而新的产业的出现会新增大量专利。例如，与我们生活密切相关的无线移动通信技术从2G发展到如今的5G，催生了一大批新的产业和专利。

综上所述，专利数量的增加和专利涉及领域的广泛性，使得专利之间的关系变得更加复杂，很难通过传统的数理统计方法发现大量专利之间深层次的关系。因此，数据挖掘作为一种新的专利分析方法被引入到专利分析领域。

专利数据挖掘是通过数据挖掘的方法找出大量专利之间的联系，把握专利的动态变化，为企业专利申请和技术改革提供参考依据。专利数据挖掘的主要方法包括：专利的关联分析、专利的聚类分析、专利的时间序列分析等。其中专利的关联分析是通过对大量专利进行相关分析，找出专利之间的关联。专利的聚类分析是指把杂乱无章的专利按照专利之间的相似性分为不同的类，以便于我们对专利进行管理和进一步分析。专利的时间序列分析是按照时间发展的先后顺序对专利进行分析，以判断专利的发展变化趋势。

5.3.2.4　专利图表的应用

图表分析即列表作图，是信息加工、整理的一种处理方法和信息分析结果的表达形式。它既是信息整序的一种手段，又是信息整序的一种结果，具有直观生动、简洁明了、通俗易懂和便于比较等特点。随着信息技术的迅猛发展，计算机与网络的普及，图表分析被信息分析人员普遍采用。

在专利信息分析中，按不同的分类标准可将专利图表分为不同的类型。例如，按图形的形状，可以将专利图表分为：饼图、柱状图、散点图、动态曲线图、树形图、雷达图等。按空间纬度，可以将专利图表分为：二维图形和三维图形等。按处理数据的手段分，可以将专利图表分为：定性分析图和定量分析图。下面主要对清单图表、矩阵表、技术发展图进行介绍。

（1）清单图表。

这是一种最简单的专利信息分析图表。根据需要分析的内容要求，将采集到的专利信息一一列出，便得到专利分析清单图表。

（2）矩阵表。

在专利信息分析中，利用技术矩阵图表的形式，直观地反映技术要素之间的相互关系，从而对研究对象进行深入细致的分析。表5.8是较为常见的矩阵分析图表。

表5.8　专利技术功效矩阵表

续表

注：∗表示一件专利。

通过矩阵形式，描述专利技术要素之间的相互关系，以便揭示影响某一技术领域发展的重要问题，如重点技术或空白技术等。有时，增加一个时间轴，不仅可以看出技术发展趋势，还可以了解每一个重点技术聚集的时间，从而有效把握技术变化的动态。

（3）技术发展图。

在专利定性分析中，分析人员常常会按照技术发展的时间先后，将分析结果中专利文献的简要内容用图示的方式，直接展示给客户。

通过技术发展图可以确定技术发展过程，了解技术起源，同时提供了相关技术领域专利权人在时间和空间上的联系和分布，为可能的专利权诉讼提供强有力的证据。如图5.17所示，是专利在某技术主题下随时间而变化的发展情况。要素1、2、3都是某技术主题下所要求的必不可少的技术，在这三种技术要素中产生了许多专利技术。可以看出，专利P2是要素3的技术产生的专利，然而这项专利技术的起源却是要素1的技术所产生的专利P1，这说明了专利技术要素虽然不同，但是在一定程度上却是可以为后续专利或者其他要素技术提供借鉴的，也说明了要素3与要素1的技术之间有联系性。