专利许可与专利引用的关联逻辑及其情报学应用

李 睿，向姝璇，黄靖芸

（1.四川大学灾后重建与管理学院，成都 610207；2.四川大学公共管理学院，成都 610065）

1 专利许可信息及其情报意义

专利权分为所有权和使用权。专利许可的全称为专利实施许可，也称专利许可证贸易，是指专利技术所有人或其授权人依专利权许可合同许可他人在一定期限、一定地区、以一定方式实施其所拥有的专利，并向他人收取使用费用。专利许可是在不转移财产所有权的条件下，让渡财产中的权利[1]。早在20年前，IBM公司81亿美元的利润总额中，就有21%（约17亿美元）来自专利权的许可和转让[2]。

“专利许可信息”可在国家知识产权局网站所提供的专利“法律事件”信息中查询。“专利许可”在经济学的视野下，是度量专利从技术知识转化为社会生产力的有效衡量指标[3]；“专利许可”在科技社会学视野下，是科技创新成果实现社会扩散的重要途径，多数“专利许可”引致的技术“溢出效应”[4]有益于技术进步和社会创新；在知识产权法规视野下，许可双方的技术信息不对称性和专利权的排他性，给予了许可方优势地位，被许可方要花费更多的成本以获取更多的技术信息筹码来改善劣势[5]。

学界对“专利许可信息”的情报意义有多种表述，可以归纳为以下几方面：专利许可信息能够体现许可方专利权人保持着当前产品市场中的领导者地位[6]；专利许可信息能够显示许可方专利权人实现专利产品外部开发的意图[7]；专利许可次数越多，说明专利权人的技术价值越高[8]；发生了许可的专利相对于没有发生许可的专利，通常能够赢得更高的经济利益[9]。有学者[10]指出，发达国家通过专利许可控制了全球产业技术链的高端。也有学者基于理性经济人假设认为，当被许可方为许可达成支付相当的交易成本时，出于期待收益最大化的考量，会慎重选择高质量且高回报的专利[11]，即许可方专利通常为高价值专利。

综上，本文认为，“专利许可”反映着专利权人（许可方与被许可方）在行业中的角色地位和功能，“专利许可信息”对于评估专利价值和分析行业竞争-合作态势均具有重要的情报意义。

2 专利许可与专利引用的相关研究基础

世界权威专利情报机构CHI（Computer Horizon Institution）公司在帮助用户（专利权人）达成专利许可时，常使用“专利引用信息”预判二者之间可进行许可谈判的技术主题[12]。有学者认为，专利许可关系体现着许可方和被许可方之间的经济利益制衡，而与此同时专利引用关系表达着许可方和被许可方之间的知识流动和衔接[13]。有学者构建模型描述专利被引用频次与专利许可之间的关联[14]。文献[15-16]发现，许可方的专利许可次数与其专利被引频次之间存在正相关关系。文献[17]发现，许多中国公司（专利权人）在获得专利许可之前先引用了许可方的专利。文献[18]以美国加州大学的专利许可为例，研究发现了被许可专利权人和非被许可专利权人对许可方专利的引用情况存在明显差异。文献[19]综合研究了专利许可案例和相关专利诉讼案例，认为专利引用关系释放的是混杂信号，不能仅凭专利间的直接引用关系预判专利许可的可能性。

前人的研究提供了“专利许可与专利引用之间存在相关性”的线索和素材，但由于研究视角和研究样本的多样化，致使研究结论各不相同。总体来看，目前学界还没有形成较为全面和统一的认知，虽然有少量国外学者研究了专利引用（包括前向和后向引用）与专利许可的相关性，但尚未见有将各种专利引用关系（直接引用、引用耦合、共被引）综合应用于专利许可预见的实证研究。

本文认为，专利许可是技术创新成果的直接扩散途径，而专利引用则是技术知识关联与传输的通道，由于专利许可和专利引用在知识关联层面的互通性，使得二者具备了天然的逻辑关联。另外，专利引用通常发生在专利许可之前，这就使得基于专利引用预见专利许可成为了可能。但在现实经济活动中，专利许可与专利引用之间究竟存在怎样的关联？相互关联的特征变量是哪些？关联的程度强弱如何？这些问题均需要开展进一步的研究和探索。

3 专利许可与专利引用的关联逻辑研究

3.1 专利许可的研究样本选择

中国专利中发生“专利许可”最多的行业是通信行业[20]，因此，本文选择通信行业作为实证研究对象，以发生了专利许可的通信行业专利作为研究样本，编程进行数据信息析取，获得发生了许可的4985项专利。发生了专利许可的专利权人共计540位（发生了专利许可10次以上的专利权人如附表所示）。其中，505位专利权人发生了后向引用，247位专利权人发生了前向引用，共采集到后向引用信息6876条和前向引用信息1332条。

许多学者开展过对专利许可关系网的研究，发现许可关系对应着专利权人之间实质性的技术知识关联[21-23]。本文构建了通信领域的专利权人许可关系网络，如图1所示。

3.2 专利引用计量指标选定

专利引用的计量指标在前期相关研究中通常被分为三类：直接引用、引用耦合以及共被引[24-25]。其中，直接引用（包括前向引用和后向引用）是基于专利申请人或审查员人为判断建立的“实在关系”，而引用耦合和共被引则是间接引用，是基于传递、对偶关系产生的“虚拟关系”[26]。引用耦合（1963年由Kessler首次提出）[27]是指所引用的参考文献相同的关系，共被引（1973年由Small首次提出）[28]是指同时被别的主体共同引用的关系。引用耦合是“主动型”引用关系，而共被引是“被动型”引用关系[29]。

关于专利之间的直接引用关系，前人的研究得出了不同的结论。以氮化镓半导体材料、碳纳米管等领域专利为样本的实证研究发现，直接引用关系相比于另两种引用关系能够最快地反映技术之间的知识关联和更替演进[30]；但在生物医学领域开展的实证研究显示，基于直接引用关系得出的结果很不准确[31]，专利直接引用关系无法避免人为或者随机产生的引用噪声和倾向问题，需要通过另外两种间接引用关系来补充和修正[32]。

关于专利之间的引用耦合关系，前人的认识较为一致：有些没有发生直接引用关系的专利之间存在较强的知识关联，而这种关联在引用耦合关系中能够被很好地体现[33-34]；来自DVD激光头领域、平板显示领域、电动汽车领域的实证研究显示，引用耦合关系能更为准确、实时地体现出企业（专利权人）之间的技术关联性[35-38]；也有实证研究显示，引用耦合关系能够较好地描述不同领域知识主体之间的演化共变关系（同步进化）[39]。

关于专利之间的共被引关系，前人的研究也体现出了不同的看法。有学者认为，专利被引的时间滞后性使得专利共被引分析结果在时效性上受到很大局限[40]；另有学者却认为，专利共被引关系虽然时效性不强，但很适合用于发现成熟技术体系中的“关联专利族”[41]；反之，也有学者认为，专利共被引通常多发于高被引专利之间，不足以均匀地反映全景技术动态中的“关联专利族”[42-43]，容易造成专利关联信息的遗漏[44]。

“共被引”与“引文耦合”既有联系又有区别[45]。有研究发现，引用耦合关系所体现的“关联专利族”有36%与共被引关系所体现的“关联专利族”重合，而共被引关系所体现的“关联专利族”有29%与引用耦合关系所体现的研究“关联专利族”重合[46]。因此，有学者提出了混合使用“耦合-共引”关系的思路[47-49]。

有些学者[50-52]指出，利用引用网络进行节点特征分析是改进引用分析的有效方法。专利权人（节点）在直接引用网络（前向引用网络和后向引用网络）中的“连接数”以及专利权人（节点）在间接引用网络（引用耦合网络和共被引网络）中的“中心度”都是表征节点特征的有效指标，专利权人（节点）的中心度体现着该专利权人（节点）在专利引用关系网络中的位势和辐射力[53-54]。

因此，本文兼收并蓄了前人的多元观点和经验，选定了6项专利引用指标来综合表征专利引用的各方面特征，具体计量指标包括：前向引用频次、后向引用频次、前向引用网络连接数、后向引用网络连接数、引用耦合网络中心度以及共被引网络中心度（图2）。

图2 研究流程图

3.3 专利许可与专利引用的相关性计量

3.3.1 计量过程

（1）引用数据的获取与计量。对540位样本专利权人的4985项许可方专利的法律事件信息逐一进行人工查询（无法批量检索下载），逐一拷贝获得许可方专利的施引（后向引用）信息6876条，被引（前向引用）信息1332条。

（2）引用网络构建与计量。构建直接引用关系矩阵（后向引用关系矩阵、前向引用关系矩阵），绘制直接引用网络（后向引用网络、前向引用网络），计量各节点（专利权人）网络连接数；构建间接引用关系矩阵（引用耦合矩阵、共被引矩阵），绘制间接引用网络（引用耦合网络、共被引网络），计量各节点（专利权人）中心度。中心度的计量主要有三种形式：度数中心度、接近中心度和中介中心度。本文选择以“中介中心度”的形式进行计量，这是由于中介中心度（由Freeman于1979年提出）侧重于节点对资源的控制程度测量[55]，即对整个网络的集中或集权程度和整个网络围绕一个节点或一组节点来组织运行的程度[56]；本文在专利间接引用网络中主要考查的是节点的“媒介”能力、“桥梁”作用，中介中心度这一指标更契合本文的计量需求和分析逻辑。中介中心度计算公式为

其中，σst表示节点s和t之间的最短路径的数量；σst(v)表示最短路径中经过节点v的数量。上述计量过程使用的软件工具为UCINET。

3.3.2 计量结果

本文计量了540位样本专利权人的以下专利引用指标：①前向引用频次；②后向引用频次；③前向引用网络连接数；④后向引用网络连接数；⑤引用耦合网络中心度；⑥共被引网络中心度。计量结果如表1所示。

表1 样本专利权人专利引用指标计量结果（由于篇幅所限仅列出部分示例）

本文使用可视化工具软件Gephi构建的直接引用网络（后向引用网络、前向引用网络）和间接引用网络（引用耦合网络、共被引网络）分别如图3~图6所示。

图3 许可方专利权人后向引用网络

图6 许可方专利权人共被引网络

3.4 专利许可与专利引用之间的关联

利用Kendall的tau_b和Spearman的rh，计算 专利权人的专利许可频次与一系列专利引用指标值之间的相关度系数，所使用软件为SPSS，计算结果如表2所示。

如表2所示，专利许可指标与一系列专利引用指标均存在正相关关系，这与本文第2节所述的前人研究的结论相符合。本文进一步研究发现，专利许可指标与一系列专利引用指标之间的相关度系数和显著度数值存在较大差异，具体描述如下。

表2 专利许可指标与专利引用指标之间的相关度系数

（1）从直接引用（前向引用与后向引用）网络来看，专利权人的前向引用网络连接数和后向引用网络连接数均与专利许可正相关；但在相关度系数的数值上，“前向引用”远低于“后向引用”，尤其是Kendall的tau_b的相关性计算结果，“前向引用”的相关性显著度比“后向引用”低了一个数量级。

（2）从间接引用（引用耦合与共被引）网络来看，专利权人在引用耦合网络中的中心度和其在共被引网络中的中心度均与专利许可频次正相关；但在相关度系数数值上，“共被引”远低于“引用耦合”。

（3）Kendall的tau_b和Spearman的rh对专利权人的专利“许可”频次与其各种“引用”指标值之间的相关性计算结果是一致的，各种“引用”指标按相关度系数数值从大到小排序，依次为：后向引用频次、引用耦合网络中心度、后向引用网络连接数、共被引网络中心度、前向引用网络连接数、前向引用频次。

3.5 专利许可与专利引用之间的关联逻辑阐释

专利不仅具有技术文献属性（是记录某项发明内容的文献），更具有经济契约属性（是指定垄断利益范围的法律规约）。专利引用关系不仅是技术之间知识关联的产物，更是专利权人追求垄断利益的产物。下文将在创新经济学视野下，对所发现的一系列“专利引用”特征与“专利许可”之间的相关性及其次序进行归因，从而实现对专利许可与专利引用之间的关联逻辑的阐释。

图4 许可方专利权人前向引用网络

3.5.1 专利权人的前向引用与专利许可正相关程度低的原因

专利权人被引（前向引用）并不像论文作者被引那样意味着学术地位和影响力，而是具有与垄断利益相关的经济学意义。创新经济学的鼻祖Schum‐peter提出的“创新性破坏”理论认为，技术创新的过程是后来的新技术不断“淘汰”先前的旧技术（即创新对原有技术的破坏）的替代式发展过程[57]。麻省理工学院的Caballero和哈佛大学的Jaffe用专利“被引”函数描述了“创新性破坏”[58]。其中，C(t,s)是第t年的专利被第s年的专利引用的频次（前向引用频次），S(t)和P(s)分别是第t年和第s年的专利总量，a(t,s)表示第s年的新技术对第t年的旧技术的“创新性破坏”。基于创新经济学的“创新性破坏”理论，专利权人的被引频次（前向引用）意味着被淘汰或替代，因此，专利的前向引用基本与专利许可无关。

然而，“创新性破坏”的情形并不是专利被引的全部情形，在专利审查的视野下，专利权人的被引与专利许可之间存在相关性。在审查创造性和判定可授权范围时，如果有上位类的母概念技术获得专利权在先，下位类的子概念技术（专利申请书）是对母概念技术在更细节层面的创造性发展，即新产生的子概念技术，则具有创造性，可授予专利权，但其权利范围将落在母概念技术的从属性子范围内，该子概念专利实施时，须向母概念专利交纳许可费。例如，“用氯化物制造制冷剂”这一新专利的审查员引用“用卤素化合物制造制冷剂”这一上位类的母概念在先专利权，是为了将其权利范围限定在母概念专利的下位概念范围内，并且子概念专利实施时，须向母概念专利（被引专利）交纳许可费。这种情形的“被引”（前向引用）与专利许可直接正相关。

图5 许可方专利权人引用耦合网络

综上，专利只有在作为上位概念的在先专利被引（前向引用）时才与专利许可正相关，而在“创新性破坏”的过程中，专利被引（前向引用）基本与专利许可无关，因此，从总体上讲，专利被引（前向引用）与专利许可之间表现出的正相关性则相对较低。

3.5.2 专利权人的后向引用与专利许可正相关程度高的原因

专利不一定会被引（前向引用），发生被引的（被其他专利前向引用）的专利在专利总量中只占少数，在本文的研究样本中仅占26.72%。然而，专利基本都会施引（后向引用），这是因为专利审查制度规定审查员须引用对比文件，专利申请人（专利权人）须引用相关技术背景信息，社会公众有权引用异议或宣告某专利无效的证据。专利施引（后向引用）信息远比专利被引（前向引用）信息更为丰富，在本文的研究样本中，施引（后向引用）率高达到137.93%，平均每项专利施引（后向引用）了1.38项现有技术信息。

如第3.4.1节所述，在审查员引用“对比文件”作为判定专利申请的新颖性、创造性以及可授权范围的依据的情形下，有部分引用关系在逻辑上预示着专利许可的可能性。在专利申请人（专利权人）施引（后向引用）相关技术背景信息的情形下，施引（后向引用）是自利性经济行为。例如，杜邦公司在收购上海特安纶公司芳砜纶面料业务未果后，在多国申请了一系列芳砜纶面料的用途专利，覆盖了该面料用于耐火纸材、阻燃纱线、防护器具等的用途；杜邦公司在申请这一系列用途专利时须施引（后向引用）上海特安纶公司的芳砜纶面料专利，这类引用行为即体现着施引者的“专利包围策略”——上海特安纶公司的芳砜纶面料专利要应用于上述用途时必须获取杜邦公司的专利许可。在专利权人策略性施引的情形下，后向引用（施引）与专利许可之间存在着直接的正相关性。

综上，专利权人的施引（后向引用）都与专利许可正相关，因此，后向引用与专利许可之间表现出颇高的正相关度。

3.5.3 专利权人引用耦合与专利许可正相关程度相对更高的原因

引用耦合关系，是后向引用（施引）关系在专利引用网络中进一步趋同和聚合的结果，体现了创新行为主体（专利权人）之间的目标共同性和技术协同性，这正是专利许可的逻辑基础和行为动力。

群体动力理论认为，在行为主体的心理场中，行为目标具有吸引行为个体的诱发力，对相同目标的趋就是导致群体行为的动力[59]。在创新行为主体的心理场中，共同的技术功能目标能够吸引互补共生的技术群体，并引导对应专利权人群体的行为（引用行为）趋就。社会协同学认为，通过合作，系统将按照一些普适规律产生空间、时间或功能结构，这是一种相变的统一性，是结构形成过程及其规律的统一性[60]。在社会协同学视野下，创新系统中的专利权人引用耦合，映射着创新价值链上不同技术环节间的知识关联与相变统一，也映射着创新生态链上不同创新主体间的协作共生与结构统一。例如，GSM（Global System for Mobile Communica‐tions，全球移动通信系统）通信技术专利池是摩托罗拉、诺基亚、爱立信等公司（专利权人）之间频繁交叉许可形成的专利共生联盟，联盟成员（专利权人）之间的专利引用耦合度较高[61]。

综上，专利权人引用耦合与专利许可之间存在着更深层次的关联，因此，两者会表现出更高程度的正相关性。

3.5.4 专利权人共被引与专利许可正相关程度相对更低的原因

被引频次是一种瞬时的数值，一项专利在下一时刻将会被什么新的专利引用，会与哪些专利出现新的共被引关系均是未知的。共被引关系是动态变化的，永远不确定、不完整。

事实上，只有高被引专利权人之间才具有发生“共被引”的较大可能性，大多数被引频次一般或较低的专利权人之间，均难以发生共被引关系。这就使得“共被引”不能完整地呈现创新系统的相变结构。有统计显示[62]，美国专利中有50%的被引发生在专利公布后的10年之后，有25%的被引发生在专利公布后的20年之后，使得越是早期的专利发生共被引的概率越高，这其实是一种系统性误差。

共被引关系和引用耦合关系分别是前向引用（被引）关系和后向引用（施引）关系在专利引用网络中进一步收敛和凝聚的结果。由于前向引用（被引）与专利许可的正相关度远低于后向引用（施引），因此，“共被引”与专利许可的正相关度也远低于“引用耦合”。

本文通过实证研究发现，专利许可与专利引用的多项计量指标之间存在着程度各异的相关性。这些相关性共同构成了专利许可与专利引用之间的关联关系，这种关联关系的底层逻辑实质上是专利引用的法律效果和市场效应。专利法赋予专利引用的法定功能是“技术对比”，基于创新经济学原理不难发现，专利引用在实现其“技术对比”功能的同时也进行了技术分析、鉴别与选择，使得专利引用与专利许可在技术市场情境中产生底层逻辑上的对接。

本文试图将所发现的这一关联应用于情报学实践，即以专利许可与专利引用之间的关联为桥梁，探索一种基于已经发生的“专利引用”能够预见未来可能发生的“专利许可”的方法。由于本文所发现的关联不是单项指标间的关联，而是专利许可与多项专利引用计量指标所构成的“指标组合”之间的关联，因此，本文从医学诊断学和生物信息学中获取了构建方法的思路。在医学诊断学视域下，某一疾病的诊断不是依据单一检验指标，而是依据多项检验指标所形成的“指标组合”，诊断时，不仅要依据组合中的指标种类和个数，更要依据指标间的相互关系。在生物信息学视域下，某一生命性状并不只与某一基因特征相关，而是与若干基因特征的组合相关，尤其是与组合的方式和结构相关。因此，本文聚焦“专利许可”与多项“专利引用”计量指标之间的相关性及其强弱次序，尝试将多项“专利引用”特征与“专利许可”之间的相关性有序集成起来，客观综合地反映“专利许可”与“专利引用”之间的实际关联，并在此基础上构建用于预见专利许可的“专利权人预估许可指数”。

4 “专利权人预估许可指数”构建与有效性检验

4.1 专利权人预估许可指数构建

4.1.1 算法结构

充分纳入与专利许可相关的各项专利引用特征变量，即将第3.3节中所得的6种专利引用特征变量纳入“指数”。尊重各项专利引用特征变量在相关度上的客观差异，基于6种专利引用特征变量的相关度次序设置权重，在所构建的“指数”中，有序融入各项专利引用特征与专利许可的协变规律。

依据常用的归一化方法Brovey变换法构建基本算法结构。设计算法结构为

其中，专利权人预估许可指数为P；Fi为第i个因素的指标值（共6种专利引用指标值）；Wi为第i个因素的权重。

4.1.2 集成路径

基于层次分析法的创始人Saaty[63]提出的“序关系-权重转换”方法，以赋权对象的相对秩序关系作为权重计算的依据，将已知的序关系转换为相应的权重值，实现对一系列“专利引用”特征的有序集成。

“序关系-权重转换”方法是在层次分析法的基础上改良而来，利用“不劣于”关系不需要进行一致性检验，克服原有主要缺点[64]。序关系-权重转换方法是以赋权对象的相对秩序关系作为权重计算的依据，对评价指标重要度之比进行赋值，最低权重为1与所有重要度之比和的倒数；然后，再根据对应比例关系倒推评价指标集各指标的权重[65]，即将已知的序关系转换为相应的权重值。原序关系分析法采用的是比例标度法，本质上是把指标之间重要程度的概念量化，要求指标间比例关系具有传递性，即强一致性（基本一致性）；然而，这样的指标体系往往会与人类思维脱节。随着相关研究的推进，有学者提出了改进的序关系分析法，提出注重弱一致性（次序一致性）的评价标准体系，在对原始数据进行归一化无量纲处理后，改进的序关系-权重转换算法[66]为

4.1.3 构建流程

专家对赋权对象建立序关系；确定指标的重要性标度，即理性判断相邻对象间贡献度Ci-1与Ci之比ri，计算公式为

将贡献度的比值ri代入公式(3)计算权重Wi。当赋权对象的数量为m时，则可依据上述序关系-权重转换模型计算出各个对象的权重Wm。

（1）设立虚拟专家。表2中描述了Kendall和Spearman两种算法所得的后向引用频次、引用耦合网络中心度、后向引用网络连接数、共被引网络中心度、前向引用网络连接数、前向引用频次等6项专利引用特征变量与专利许可之间的相关性，现将Kendall和Spearman两种算法视作两位虚拟的“专家”，将Kendall相关度系数值和Spearman相关度系数值虚拟为“两位专家的打分”。

（2）建立序关系。表2中Kendall和Spearman两种算法结果（两位专家打分）排序具备一致性，按照相关度系数值进行排序，得到“序关系”如表3所示。

表3 专利引用特征变量的序关系计算结果

（3）计算贡献度的比值ri。依据公式(4)对同一位专家的“打分”进行两两求比值，得到一种贡献度比值；对两位专家的“打分”都进行计算后，得到两种贡献程度比值；再对两者求平均值，作为最终的ri。实际计算过程是将Kendall相关度系数值与Spearman相关度系数值分别视作贡献度Ci1、Ci2，再采用公式(4)分别计算相邻对象贡献度之比ri1、ri2，对ri1和ri2求平均值，得到最终ri，计算过程结果如表4所示。

表4 专利引用特征变量的权重计算结果

（4）计算权重Wm。将r5代入据公式(3)，求得W6。类似地，再依次计算W5、W4、W3、W2、W1，计算过程结果如表4所示。

（5）形成“专利权人预估许可指数”。将表4计算所得的{W10.2394,W20.2195,W30.2088,W40.1272,W50.1164,W60.0887}，与专利引用特征变量｛F1后向引用频次,F2引用耦合网络中心度,F3后向引用网络连接数,F4共被引网络中心度,F5前向引用网络连接数,F6前向引用频次｝，对应代入公式(2)，即得到“专利权人预估许可指数”P。

4.2 “专利权人预估许可指数”有效性检验

利用第5.1节所得的“专利权人预估许可指数”P进行计算，将计算得到的P值（预测值）与实际值进行对比，对比方式如表5所示。

表5 专利权人预估许可指数计算结果及排序与实际值对比（篇幅所限只列出部分）

将预估专利许可情况（预测的专利权人许可频次行业内排序）与实际专利许可情况（实际的专利权人许可频次行业内排序）进行对比，计算样本专利权人的预估许可指数与实际许可次数的拟合度，即运用RSQ函数计算两个数据序列的拟合优度判定系数，求得拟合优度判定系数为0.70，拟合度较好。

经检验，预估的专利许可情况与实际的专利许可情况吻合较好，本文所构建的专利许可预估指数在样本范围内有效，并且基于专利“引用”预见专利“许可”的方法在通信行业内具有可行性。

5 结语

在创新经济学视野下，专利引用行为是技术知识的对比选择行为，专利许可行为是专利权人的竞争-合作选择行为。“专利引用”和“专利许可”既是由专利权人在知识生态系统中的共生关系所决定的，也是由专利权人在创新经济系统中的竞-合关系所塑造的。本文客观地认知了一系列“专利引用”特征与“专利许可”之间的协变事实，并依托成熟的应用数学方法构建了“专利许可预估指数”，以实现在“专利引用”分析基础上对“专利许可”的预见。

总之，本文突破了孤立研究“引用”的文献计量学范式，将一系列“专利引用”特征与“专利许可”的相关性有机集成，把其中蕴含的复杂利益博弈综合映射到“专利权人预估许可指数”中，为开展前瞻性的专利情报服务工作提供了新方法。

附表主要专利权人（许可10次以上）数据统计