专利信息分析可视化：解锁技术奥秘，点亮创新之路

专利信息分析可视化：解锁技术奥秘，点亮创新之路

专利信息分析可视化是将复杂专利数据转化为直观图表的过程，它不仅能够帮助研究人员快速理解技术发展趋势，还能为企业的战略决策提供有力支持。本文将为您详细介绍专利信息分析可视化的重要性和具体方法，包括定量分析、定性分析、拟定量分析等不同分析方法，以及数据思维、逻辑思维、方法思维和交流思维等关键概念。

一、专利信息分析概述

专利信息利用贯穿创新活动的全过程，对提升创新效益和产业竞争力有至关重要且不可或缺的作用，更是应对专利侵权纠纷、进行海外专利布局、提升专利价值等战略决策过程中必不可少的内容。

专利信息分析是专利信息利用的核心手段之一，是实现专利情报挖掘和专利信息增值的关键步骤。专利信息分析采用科学的统计分析方法或数据处理手段从杂乱无章的专利信息中挖掘出体系化、系统化、有价值的情报，能够从专利的角度反观市场，具有总揽全局及预测未来技术及市场发展方向的功能。

根据分析对象可分析的程度，通常将专利信息分析方法分为定量分析、定性分析、拟定量分析等。

（1）定量分析

定量分析通过量与量之间的变化来反映专利之间的关系，它不仅能将零碎的信息转化为系统的、完整的、有价值的信息，还能帮助分析和预测技术发展趋势，科学地评价一定时空范围内企业的技术研发重点和技术创新的价值。

（2）定性分析

定性分析是将专利文献信息的内部特征（如说明书、权利要求书的内容等）运用数据挖掘等数段进行归纳和整理，然后运用专业技术进行解读、分析的方法，可以获得更加全面和潜在的技术信息。

（3）拟定量分析

拟定量分析是定量分析与定性分析相结合的分析方法，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。

上述三种类型的专利信息分析方法常见的分析手段如下图1所示：

图1 专利信息分析方法

二、专利信息分析可视化

在专利信息分析可视化的过程中，“分析”和“可视化”是有机统一的整体，两者是相辅相成的。假如能够理解这一点，那就不应该把专利信息分析可视化理解成是对“专利信息分析”的“可视化”，而应该解读成为对“专利信息”的“分析”和“可视化”。换句话说，专利信息分析可视化包括了两个主要环节，首先是分析，即从专利原始数据中提取信息的环节；其次是可视化，是将信息绘制成图表的关键环节。下图2展示了专利信息分析可视化的基本流程。

图2 专利信息分析可视化的基本流程

三、可视化图表的主要类型及设计规范

任何一个可视化图表的产生，都将经历4个角度的思维过程：数据、逻辑、方法、交流，如下图3所示。

图3 可视化思维角度

（1）数据思维

数据思维是专利信息分析可视化思维的基础。第一是要保证数据的正确展示，既包括确保数据的准确，还包括采用合适的可视化图表展示数据。第二是保证数据与情报的对应性，即数据要与图表最后表达的情报信息对应，数据能够支撑信息和情报的输出。第三是要保证数据的全面性，尽可能通过更多数据角度支撑最终的结论，以保证结论的正确性。第四是要尽可能通过专利信息分析可视化表达出数据解读成情报的逻辑过程。

（2）逻辑思维

逻辑思维包括直线逻辑、辅助逻辑、周延逻辑、组合逻辑。直线逻辑是其他逻辑思维的基础，其核心是要在可视化图表制作的过程中，充分考虑读者阅读图表时的直接逻辑推断，保证读者在阅读相应图表时所理解的信息与作者想要表达的内容相一致。辅助逻辑是在可视化图表制作的过程中，能够紧密围绕分析需求的重要逻辑思维，其核心在于通过可视化图表中元素的设置辅助说明作者要表达的内容。周延逻辑是在可视化图表的制作以及解读的过程中，保证通过图表所展示的内容推断得出结论的过程是有效的和可靠的。缺乏周延逻辑思维，可能会导致分析内容无法支撑分析结论，甚至自相矛盾。组合逻辑是在可视化图表制作的过程中，将多种类型或多个维度的信息组合起来，使得多组信息之间能够相互印证或通过差异对比产生新的情报信息。

（3）方法思维

方法思维主要涉及比较法、归纳法、剖析法等。比较法是专利信息分析可视化最基本的方法。利用归纳法可以将复杂的信息简化，保留主要信息，略去次要信息，保证信息传递的效率。剖析法是对一些细微的环节进行深入的分析，最终获得在产业中具有较强实际应用价值的信息情报。

（4）交流思维

专利信息分析可视化的最终目的，是在交流中将信息用更为直观的方式展现出来，根据应用场景的不同，交流思维可归纳为需求模式、演讲模式、发布模式三种。

3.1可视化图表的主要类型

（1）比较分析类可视化图表

比较分析法是一种统计方法，是根据一个或多个字段对专利数据进行分组，进而对比多个分组数据的一个或多个指标，以获得相应情报信息的方法。维度与度量是比较分析法的两个核心要素，基于这两个要素的基础增加“表达”要素，就构成了比较分析类图表的三要素。常用的比较分析的维度如下图4所示：

图4 比较分析维度

（2）关联分析类可视化图表

关联分析法的核心在于获得多个要素之间的相互关系。例如申请人、发明人、代理人等的共现分析。树状图、网络图、桑葚图等是常用的关联分析可视化方法。下图5为关系分析图。

图5关系分析图

（3）指标分析类可视化图表

指标与度量通常都表现为数字的形式。度量通常是一个绝对的数值，例如专利的数量、被引用的数量，其数值不会随分析目的的不同而随意变化。而指标通常是由多个度量之间运算获得的，例如申请增长率、区位熵等。

指标分析法的核心在于根据不同的分析目标构建不同的专利指标，从而在比较分析或关联分析中更好地体现情报。如测量产业集中度的区位熵、赫芬达尔-赫希曼指数。

可借助矩阵表格同时对比多个指标，从而降低图形的复杂度，如下表1所示：

表1 矩阵表格条件格式可视化

3.2制图规范

任何一个数据分析图表都有相应的制图规范，符合制图规范的图表能够以最清晰有效的方式传递给读者，下表2为几类常用图表的制图规范。

表2 常用图表制图规范

专利信息分析可视化不是简单的图表制作，而是展示整个分析的思维过程和分析结果的技巧的统称，旨在利用合理地设计方式分析并组织数据和信息，让数据、信息以合理的方式（有效、直观、快速）传播。总之，专利信息分析可视化是专利信息分析的重要环节，在提升分析效率、准确性、促进跨领域合作与沟通、支持战略决策与规划以及增强数据洞察与创新能力等方面都发挥着重要作用。因此，在进行专利信息分析时，应充分利用可视化技术的优势，以更好地挖掘和利用专利数据中的价值。