芯片产业加权专利合作网络研究

为揭示芯片专利合作网络的内在耦合机制以及互补机制,为决策者制定合理的产学研合作政策和芯片产业发展战略提供理论依据,以中国芯片产业为研究对象,运用社会网络分析方法,通过构建芯片产业加权专利合作网络,从网络结构、关联性、社群和重要节点等方面研究中国芯片产业加权专利合作网络的结构特征。研究结果表明:中国芯片产业加权专利合作网络具有幂律分布的特性;企业在芯片产业的专利合作申请中占据主导地位;北京、上海和广东等经济发达地区是该网络节点的重要组成;度值较大的专利申请人呈现明显的连接偏好,节点的权重比度值增加得更快,网络具有同配性质;国家电网公司是该网络中最为重要的节点,电子科技大学、台湾积体电路制造股份有限公司占据该网络的重要位置。据此,对提升中国芯片产业培育和发展提出对策建议。     

中国大学-企业专利申请合作网络研究

 利用从中国国家知识产权局专利检索数据库中检索到的7736项中国大学和企业联合申请发明专利的数据,构建了中国大学-企业专利申请合作网络图,采用社会网络分析技术对专利申请合作网络的规模、密度、中心度和中心势等网络结构指标进行了测度。研究发现,1990年以来中国大学-企业专利申请合作网络的规模迅速增大;网络密度分析结果显示,各类型专利申请合作网络成员间的联系强度有所区别;企业的中心度和中心势尚未真正形成,反映出中国进一步推进产学合作的空间还很大。     

中国专利快速增长背后的结构性分析——基于专利申请统计数据

以1985—2013年中国境内专利申请数量为样本,采用趋势和结构分析法分别对发明专利、实用新型专利和外观设计专利的申请变化情况进行统计分析,并且利用Wilcoxon带符号秩检验法对中国专利申请主体行为的市场动机进行研究。研究结果表明:中国《专利法》的修订对专利申请行为有显著的影响;中国专利申请行为的市场化程度提高很快,已逐步转变为市场驱动下企业为主的专利申请;中国的3种专利申请量大体相当,实用新型专利申请数量最多,发明专利次之,外观设计专利最少;中国专利的创新能力提升很快,但仍显不足,发明专利申请量有待进一步提高。     

长三角地区专利情报对比分析研究

本文从专利申请情况和专利发展态势两个方面,对长三角地区2003-2012年间的专利情报进行了对比分析。专利申请情况主要从申请数量和申请结构方面进行了统计分析;专利发展情况主要利用年成长率、技术生长率、技术成熟率、技术衰老系数及新技术特征等指标进行了对比分析。分析发现,江苏省专利申请量增长率最快,上海市结构布局最合理,并根据结论提出对策建议。     

中国专利快速增长背后的结构性分析——基于专利申请统计数据博士后科学基金第58批面上资助项目（2015M581127）。

本文以1985年—2013年中国境内专利申请数量为样本,采用趋势和结构分析法,分别对发明专利,实用新型专利和外观设计专利的申请变化情况进行了统计分析,并且利用Wilcoxon 带符号秩检验法对中国专利申请主体行为的市场动机进行了研究,结果表明：中国《专利法》的修订对专利申请行为有显著的影响;中国专利申请行为的市场化程度提高很快,已逐步转变为市场驱动下企业为主的专利申请;中国发明,实用新型和外观设计三种专利申请量大体相当,实用新型专利申请数量最多,发明专利次之,外观设计专利最少;中国专利的创新能力提升很快,但仍显不足,发明专利申请量有待进一步提高。     

集佳律师事务所/集佳知识产权代理有限公司

<正>在中国20个城市及美国、日本设有分支机构。拥有专利代理人165人,专利工程师170人,商标代理人66人,律师61人。集佳每年代理200余件知识产权诉讼案件。在专利代理服务方面,集佳在"北京专利代理机构专利申请代理业务总量前十名"和"北京专利代理机构发明专利申请代理业务总量前十名"排名中,均名列第一。     

普睿司曼电缆领域专利分析综述

普睿司曼集团作为全球具有代表性的电缆企业,对其电缆领域专利申请布局进行研究有重要意义,本文通过对普睿司曼集团的全球专利申请态势、技术构成、目标市场,中国专利申请态势、技术构成、重点专利进行了全面的分析,以期为国内申请人在电缆领域专利布局提供借鉴。     

全球跨国专利申请网络的拓扑特征及顶层结构

基于1996—2015年全球62国往来专利申请数据,分4个阶段构建了全球跨国专利申请完全网络,并从中提取顶层排名网络(Top1网络),在此基础上探究了全球跨国专利申请的社群结构及演化趋势。结果表明:(1)全球跨国专利申请活动日益频繁且其完全网络存在明显的"小世界"和"核心—边缘"结构特征。美国、日本及德国、英国、法国等欧洲发达国家在全球跨国专利申请完全网络中一直占据中心地位,但中国在网络中的控制力和影响力不断提高。(2)全球跨国专利申请顶层排名网络存在明显的社群结构,但社群的数量在不断减少,且网络中小社群逐渐融汇成大社群。(3)全球跨国专利申请表现出极强的集中性和垄断性,美国、德国和日本对全球跨国专利申请顶层排名网络的社群演化有决定性的影响,而以中国为代表的发展中国家则在顶层网络中处于边缘地位,对顶层网络社群结构的影响力有限。     

基于社会网络分析的我国芯片产业加权专利合作网络研究*

芯片产业是现代产业体系中基础性、战略性和先导性的产业,基于合作专利数据研究芯片产业加权网络的结构特征,有助于揭示我国芯片专利合作网络的内在耦合机制以及互补机制,为决策者制定合理的产学合作政策和芯片产业发展战略提供理论依据。本文以中国芯片产业为研究对象,运用社会网络分析方法,通过构建芯片产业加权专利合作网络,从网络结构、关联性、社群和重要节点等方面,研究了芯片产业加权专利合作网络的结构特征。研究结果表明：中国芯片产业加权专利合作网络具有幂律分布的特性；企业在芯片产业的专利合作申请中占据主导地位,北京、上海和广东等经济发达地区是该网络节点的重要组成；度值较大的专利申请人呈现明显的连接偏好,节点的权重比度值增加的更快,网络具有同配性质；国家电网公司是该网络最为重要的节点,电子科大、台积电占据该网络中的重要位置。据此,本文对提升中国芯片产业发展提出了建议。     

专利国际申请的费用及其控制策略研究*--基于专利审查高速路的研究视角

全球专利申请激增,专利国际申请费用成为专利申请人获得一国专利权必须考虑的成本,主要为价格成本和交易成本。各国政府根据专利国际申请的态势和本国的国情来制定专利申请价格,因地制宜调整专利国际申请所需的费用。同时,许多国家积极参与专利审查国际协作(专利审查高速路)之中,该合作模式本身并不需要支付使用费或仅仅支付少量费用,且能提高专利申请的授权率、减少答复审查意见通知书的次数、降低继续审查请求及申诉率等,从而降低专利申请至授权之间的交易成本,实现资源的优化配置,促进科技创新。     

数据挖掘技术在网络舆情预测中的应用

提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型GM模型对网络舆情进行预测,然后采用BP神经网络对GM模型预测结果进行修正,同时采有粒子群算法优化BP神经网络参数,最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明,本文模型可以准确预测网络舆情变化趋势,提高了网络舆情预测精度。     

基于AES和RSA的网络数据加密方案

为了解决网络传输中数据的安全性,阐述了最新的数据加密标准AES和公开密钥密码技术RSA算法,比较了两者的主要优缺点,并利用AES算法的效率以及DES算法中密钥产生和管理的方便性等特点,将两者结合起来,提出了一种新的网络数据加密方案,该网络数据加密方案可以有效地解决数据在网络传输中的保密性等问题.     

面向大数据的网络舆情异常数据监测与应用研究

[目的/意义]通过对网络舆情数据的动态监测和异常感知,及时预警舆情异常,为政府掌握舆情决策的先动优势提供理论模型和可行思路。[方法/过程]分析大数据环境下激增、波动等网络舆情数据异常现象,明确舆情趋势预测、动态感知异常等异常数据监测机理。基于此,首先运用Gompertz模型进行舆情趋势区间预测,其次定义偏离度进行数据异常评级,并确定预警等级,实现异常数据的及时捕捉和快速预警。[结论/结果]通过实例验证,证明了模型可行性,可以为政府舆情引导程度提供度量依据,也为编制智能化的舆情监测软件提供算法支持。     

社会网络应用中数据迁移的隐私风险模式研究

由于在社会网络应用程序站点上自愿添加个人身份信息的人数不断增加,站点服务商可以从中获益,但是同时数据误用的风险会威胁个人用户的隐私信息以及服务商的商业模式。本文根据最近的调查,分析了开发隐私保护社会网络应用的主要需求,在此基础上提出了隐私风险模式,以增强数据或社会网络迁移过程中的信息隐私保护。通过确定与个人身份信息迁移过程中重要的问题设计出了该隐私风险模式。     

大数据时代的网络信息伦理治理研究

随着移动互联网、云计算和智能便携技术的发展,人类社会已进入"大数据"时代。本文主要探讨了大数据技术应用、创新和研发中的信息伦理失范及其治理问题。指出大数据技术在给人类社会带来了积极变化的同时,也引发了信息异化、数据权利、信息隐私和数字鸿沟等网络信息伦理问题。最后,从伦理治理的角度出发,文章提出了一组促进和谐信息社会有序运作的网络信息伦理原则。     

数据挖掘技术与网络办公自动化系统

近年来人们频繁地使用计算机来提高自身工作效率,但是在需要协同工作的现代工作环境中,我们更需要提高我们的整体工作效率。利用网络通讯基础、先进的网络应用平台以及强大的后台数据仓库,建设一个安全、可靠、开放、高效的信息网络和办公自动化、信息管理电子化系统,为管理部门提供现代化的日常办公条件及丰富的综合信息服务。     

基于生命周期的国内关联数据研究综述

指出关联数据的概念自2006年被提出后,受到社会各界的广泛关注。依据关联数据的生命周期,从基础知识解析、发布、互联、应用、网络维护以及许可协议6个方面,对我国的关联数据研究进展进行评述。指出图书馆是我国关联数据研究的积极参与者,但国内的研究力量较为薄弱,研究进度和深度相对滞后。     

基于专利数据的我国华东地区医产学研合作网络特征分析

为推动华东地区医产学研协同创新体系专业化建设,基于该区域内2004—2021年授权发明专利数据分析其医产学研合作发展状况,并以6年为时间窗格,利用社会网络分析方法分析其医产学研专利合作网络演化特征。结果表明：2004—2021年华东地区医产学研合作逐渐发展为规模较大、合作密度较高的网络,并在不同时期内呈现出较为明显的演化趋势,网络规模与合作频次不断增加,子网络数量和规模也呈现增长趋势;上海、江苏和浙江发挥排头兵作用,其中以浙江大学为首的高校和以中国科学院上海药物研究所为首的研究院的作用尤为突出,高校和研究所占据网络的核心地位并逐渐形成多中心合作子网络,而医药大企业并未起到重要的作用。根据研究发现,提出加快技术成果转化、激发核心节点带动作用、加强企业主导地位和提高医疗机构参与度等进一步推动华东地区医产学研协同创新发展的对策建议。     

Data fusion with factored quantization for stock trend prediction using neural networks

As compared to the continuous temporal distributions, discrete data representations may be desired for simplified and faster data analysis and forecasting. Data compression can introduce one of the efficient ways to reduce continuous historical stock market data and present them in discrete forms; while predicting stock trend, a primary concern is towards up and down directions of the price movement and thus, data discretization for a focused approach can be beneficial. In this article, we propose a quantization-based data fusion approach with a primary motivation to reduce data complexity and hence, enhance the prediction ability of a model. Here, the continuous time-series values are transformed into discrete quantum values prior to applying them to a prediction model. We extend the proposed approach and factorize quantization by integrating different quantization step sizes. Such fused data can reduce the data to mainly concentrate on the stock price movement direction. To empirically evaluate the proposed approach for stock trend prediction, we adopt long short-term memory, deep neural network, and backpropagation neural network models and compare our prediction results with five existing approaches on several datasets using ten performance metrics. We analyze the impact of specific quantization factors and determine the individual best as well as overall best factor sizes; the results indicate a consistent performance enhancement in stock trend prediction accuracy as compared to the considered baseline methods with an improvement up to 7%. To evaluate the impact of quantization-based data fusion, we analyze time required to execute the experiments along with percentage reduction in the number of unique numeric terms. Further, these results are statistically evaluated using Wilcoxon signed-rank test. We discuss the superiority and applicability of factored quantization-based data fusion approach and conclude our work with potential future research directions.     

数据挖掘在科技评估中的应用

简要回顾了科技评估方法的发展历程，从科技评估概念、特点及其在我国的开展情况入手，系统研究了数据挖掘在科技评估中的应用，并对实践过程中出现的问题进行了分析。将数据挖掘应用于科技评估有助于提高科技评估工作的产出效益．促进科技评估工作进一步发展。