Выявление технологической взаимодополняемости предприятий на основе анализа патентного массива
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
Научный журнал Моделирование, оптимизация и информационные технологииThe scientific journal Modeling, Optimization and Information Technology
cетевое издание
issn 2310-6018

Выявление технологической взаимодополняемости предприятий на основе анализа патентного массива

idКоробкин Д.М. Фоменков С.А.   Колесников С.Г.   Безрученко А.Ю.  

УДК 004.853
DOI: 10.26102/2310-6018/2022.39.4.010

  • Аннотация
  • Список литературы
  • Об авторах

Технологическая взаимодополняемость (комплементарность) играет все более важную роль в принятии стратегических решений о том, с какими партнерами вести бизнес, а также для расширения разнообразия инновационной деятельности путем создания альянсов или слияний. Современные количественные измерения взаимодополняемости технологий в значительной степени основаны на исследованиях, основанных на патентных классификационных кодах. Однако этот подход игнорирует конкретные технологии в той или иной области и, следовательно, полученные результаты являются лишь общими указателями. Предлагается разработать подход к количественному измерению комплементарности технологий предприятий на основе статистического машинного анализа патентного массива. Целью исследования является разработка технологии кластеризации документов патетного ведомства США USPTO (United States Patent and Trademark Office) и выявления технологической взаимодополняемости предприятий на основе сравнения кластерной информации. Теоретическая ценность заключается в разработанных алгоритмах парсинга патентов; кластеризации патентного массива на основе метода hLDA (Hierarchical Latent Dirichlet Allocation, иерархическое латентное размещение Дирихле); формирования матрицы «Предприятия – Кластеры (Темы)»; визуализации связей предприятий в кластеризованном патентном пространстве. Практическая значимость работы заключается в разработанном программном приложении выявления технологической взаимодополняемости предприятий, эффективность работы которого была проверена на ряде тестовых примеров.

1. 1. Guo Y. Research on the Risk Prevention of Overseas M & A of Chinese Enterprises. Proc. of the 2022 7th International Conference on Financial Innovation and Economic Development. 2022. DOI: 10.2991/aebmr.k.220307.085.

2. 2. Purba N. S., Nooraeni R. Using LDA for Innovation Topic of Technology : Quantum Dots Patent Analysis. Proc. of the 1st International Conference on Statistics and Analytics. 2020;1. DOI: 10.4108/eai.2-8-2019.2290336.

3. 3. Li H., Tan R., Xu В., Huo J. Patent design around method based on AFD for umbrella-type patent strategy. Journal of Mechanical Engineering. 2016;52(5):1–11. DOI: 10.3901/JME.2016.05.001.

4. 4. Wang M.-Y. Exploring potential R&D collaborators with complementary technologies: the case of biosensors. Technological Forecasting and Social Change. 2012;79(5):862–874. DOI: 10.1016/j.techfore.2011.11.002.

5. 5. Wang X., Li R., Liu Y., Lei M. A Morphology-Driven Method for Measuring Technology Complementarity: Empirical Study Involving Alzheimer's Disease. Journal of Data and Information Science. 2022;7(3):20–48. DOI: 10.2478/jdis-2022-001.

6. 6. Borodin N., Korobkin D., Bezruchenko A., Fomenkov S. The search for R&D partners based on patent data. Journal of Physics Conference Series. 2021;2060(1):012022. DOI: 10.1088/1742-6596/2060/1/012022.

7. 7. Sun L., Xu W. Enterprise Complementarity Based on Patent Information. Wireless Communications and Mobile Computing. 2022;2022(6):1–7. DOI: 10.1155/2022/5797285.

8. 8. Wang Х., Qiao Y., Hou Y., Zhang S., Han X. Measuring Technology Complementarity Between Enterprises With an hLDA Topic Model. IEEE Transactions on Engineering Management. 2021;68(5):1309–1320. DOI: 10.1109/TEM.2019.2958113.

9. 9. Patents USPTO. United States Patent and Trademark Office. Доступно по: https://www.uspto.gov/patents (дата обращения: 07.11.2022).

10. 10. Korobkin D., Fomenkov S., Fomenkova M., Vayngolts I., Kravets A. The Software for Computation the Criteria-Based Assessments of the Morphological Features of Technical Systems. Cyber-Physical Systems. 2021;350:161–172. DOI: 10.1007/978-3-030-67892-0_14.

11. 11. Gibbs sampler for the Hierarchical Latent Dirichlet Allocation topic model. GitHub. Доступно по: https://github.com/joewandy/hlda (дата обращения: 07.11.2022).

12. 12. Natural Language Toolkit documentation. NLTK Project. Доступно по: https://www.nltk.org (дата обращения: 07.11.2022).

Коробкин Дмитрий Михайлович
кандидат технических наук доцент

ORCID |

Волгоградский государственный технический университет

Волгоград, Российская Федерация

Фоменков Сергей Алексеевич
доктор технических наук профессор

Волгоградский государственный технический университет

Волгоград, Российская Федерация

Колесников Сергей Григорьевич

Волгоградский государственный технический университет

Волгоград, Россия

Безрученко Алексей Юрьевич

Волгоградский государственный технический университет

Волгоград, Российская Федерация

Ключевые слова: патент, USPTO, технологическая взаимодополняемость, кластеризация, hLDA

Для цитирования: Коробкин Д.М. Фоменков С.А. Колесников С.Г. Безрученко А.Ю. Выявление технологической взаимодополняемости предприятий на основе анализа патентного массива. Моделирование, оптимизация и информационные технологии. 2022;10(4). Доступно по: https://moitvivt.ru/ru/journal/pdf?id=1264 DOI: 10.26102/2310-6018/2022.39.4.010

206

Полный текст статьи в PDF

Поступила в редакцию 08.11.2022

Поступила после рецензирования 30.11.2022

Опубликована 13.12.2022