以主路徑軌跡分群檢驗技術分類體系：歐洲、日本、美國三大專利局的實證比較

簡易檢索 / 詳目顯示

回結果列表

研究生：	林旻駿 Lin, Ming Jhun
論文名稱：	以主路徑軌跡分群檢驗技術分類體系：歐洲、日本、美國三大專利局的實證比較 Auditing Technology Classification Systems with Knowledge Flows: Comparative Evidence from the ЕРО, JPO, and USPTO
指導教授：	李浩仲李文傑
口試委員:	張景福陳為政
學位類別：	碩士 Master
系所名稱：	社會科學學院 - 經濟學系 Department of Economics
論文出版年：	2026
畢業學年度：	115
語文別：	中文
論文頁數：	117
中文關鍵詞：	知識流、專利引文網路、主路徑分析、技術分類、非監督分群、專利計量
外文關鍵詞：	knowledge flows, patent citation networks, main path analysis, technology classification, unsupervised clustering, patentometrics
相關次數：	點閱：50 下載：0
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

知識在技術之間流動的路徑，稱為知識流；知識流告訴我們一項技術的能力如何累積、該向誰學習，是促進技術進步的關鍵資訊。專家建構的技術分類，蘊含了專家對技術發展脈絡的看法，但這種理解是隱性的，建構與維護成本高；另一方面專利引用則是知識流的直接紀錄。本研究把 Nomaler 與 Verspagen (2021) 的主路徑軌跡共現分群，從綠色技術一般化到全部技術領域，以 PATSTAT 資料庫 2023 秋季版在歐洲、日本、美國三個專利局的引用資料上執行，讓技術分類直接從引用關係中浮現，再與專家建構的資通訊分類對照。研究有三項發現。第一，方法的可行性有其邊界，USPTO 的完整引文網路超出現有算力，兩局對照僅及於歐洲與日本。第二，兩局各自浮現的分群，界線大致落在同一個地方，多數的群能在另一局找到單一對應。第三，與專家分類對照，平均約八成的組成集中在單一專家領域，而一個專家領域底下往往是多個群，看得比專家的分類更細。這些發現顯示，至少在資通訊這樣範圍相對明確的領域，知識流分群可以不依靠專家，就做出有意義的分類；專家的分類劃出大的領域，知識流分群把領域分成一條條發展的脈絡，兩者互補，為取得知識流觀點提供一條低成本且不侷限於單一專利局的途徑。知識在技術之間流動的路徑，稱為知識流；知識流告訴我們一項技術的能力如何累積、該向誰學習，是促進技術進步的關鍵資訊。專家建構的技術分類，蘊含了專家對技術發展脈絡的看法，但這種理解是隱性的，建構與維護成本高；另一方面專利引用則是知識流的直接紀錄。本研究把 Nomaler 與 Verspagen (2021) 的主路徑軌跡共現分群，從綠色技術一般化到全部技術領域，以 PATSTAT 資料庫 2023 秋季版在歐洲、日本、美國三個專利局的引用資料上執行，讓技術分類直接從引用關係中浮現，再與專家建構的資通訊分類對照。研究有三項發現。第一，方法的可行性有其邊界，USPTO 的完整引文網路超出現有算力，兩局對照僅及於歐洲與日本。第二，兩局各自浮現的分群，界線大致落在同一個地方，多數的群能在另一局找到單一對應。第三，與專家分類對照，平均約八成的組成集中在單一專家領域，而一個專家領域底下往往是多個群，看得比專家的分類更細。這些發現顯示，至少在資通訊這樣範圍相對明確的領域，知識流分群可以不依靠專家，就做出有意義的分類；專家的分類劃出大的領域，知識流分群把領域分成一條條發展的脈絡，兩者互補，為取得知識流觀點提供一條低成本且不侷限於單一專利局的途徑。

Knowledge flows, the paths along which knowledge travels between technologies, tell us how a technology’s capabilities accumulate and whom to learn from; for anyone seeking to advance technology, this is essential information. Expert-built technology classifications embody experts’ views of how technologies develop, yet this understanding is tacit and such classifications are costly to build and maintain; patent citations, by contrast, are direct records of knowledge flows. This thesis therefore generalizes the main-path trajectory co-occurrence clustering of Nomaler and Verspagen (2021) from green technologies to all technology fields and runs it separately on the citation data of the European, Japanese, and American patent offices (PATSTAT, autumn 2023 edition), letting technology classifications emerge directly from citation relations and comparing them with the expert-built ICT taxonomy. The study yields three findings. First, the method’s feasibility has a boundary; the full citation network of the USPTO exceeds available computing capacity, so the cross-office comparison covers Europe and Japan. Second, the clusterings that emerge independently at the two offices draw their boundaries in largely the same places, and most clusters find a single counterpart at the other office. Third, compared with the expert classification, on average about eighty percent of a cluster’s composition concentrates in a single expert domain, while a single expert domain typically contains multiple clusters, so the clustering sees finer structure than the expert classification. These findings show that, at least in a broad but relatively well-delimited field such as ICT, knowledge-flow clustering can produce meaningful classifications without relying on experts; experts draw the large domains and knowledge-flow clustering divides each domain into its lines of development, the two complementing each other and offering a low-cost route to a knowledge-flow perspective that is not confined to a single patent office.

誌謝 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
摘要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Contents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
List of Figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x
List of Tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii
1 序論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 文獻探討 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1 知識流的價值與衡量 . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 建構知識流分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 主路徑分析的發展與技術軌跡分群 . . . . . . . . . . . . . . . . . . . 6
2.4 小結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 資料 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1 資料來源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 技術領域界定與樣本定義 . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2.1 國際專利分類（IPC） . . . . . . . . . . . . . . . . . . . . . . 10
3.2.2 OECD J tag ICT 分類 . . . . . . . . . . . . . . . . . . . . . . . 11
3.2.3 分析範圍與樣本定義 . . . . . . . . . . . . . . . . . . . . . . . 12
3.2.4 各專利局樣本與引文來源處理 . . . . . . . . . . . . . . . . . . 13
3.3 資料敘述統計 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3.1 兩組分析之概覽 . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3.2 全局分析之母體與引文可用性 . . . . . . . . . . . . . . . . . . 15
3.3.3 全局分析之引文網路層級組成 . . . . . . . . . . . . . . . . . . 15
3.3.4 ICT 分析之母體與引文可用性 . . . . . . . . . . . . . . . . . . 16
3.3.5 ICT 分析之引文網路層級組成 . . . . . . . . . . . . . . . . . . 16
4 研究方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1 方法總覽 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 對 Nomaler 與 Verspagen (2021) 方法的調整 . . . . . . . . . . 20
4.3 引文網路建構：三層引文有向無環圖 . . . . . . . . . . . . . . . . . . 21
4.4 主路徑軌跡與共現網路 . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.4.1 邊權重：SPNP 與對數變換 . . . . . . . . . . . . . . . . . . . . 22
4.4.2 逐節點最佳軌跡：雙向動態規劃 . . . . . . . . . . . . . . . . 23
4.4.3 軌跡群組之列舉 . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4.4 分數計數與群組向量 . . . . . . . . . . . . . . . . . . . . . . . 24
4.4.5 共現矩陣與關聯強度標準化 . . . . . . . . . . . . . . . . . . . 26
4.5 分群與解析度選定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.6 成份表與對照表的計算方式 . . . . . . . . . . . . . . . . . . . . . . . 28
5 研究結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.1 EPO 與 JPO 知識流分群的對照 . . . . . . . . . . . . . . . . . . . . . . 31
5.2 知識流分群與專家分類的對照 . . . . . . . . . . . . . . . . . . . . . . 33
5.3 小結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6 結論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
A 補充圖表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
A.1 分群解析度與節點門檻之穩健性 . . . . . . . . . . . . . . . . . . . . . 45
B 全局分析分群之逐群命名與成員 . . . . . . . . . . . . . . . . . . . . . . . . 47
B.1 各群命名與對齊總覽 . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
B.2 各群完整成員 IPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
B.2.1 EPO（γ = 3.0） . . . . . . . . . . . . . . . . . . . . . . . . . . 53
B.2.2 JPO（γ = 3.25） . . . . . . . . . . . . . . . . . . . . . . . . . 56
B.2.3 USPTO（γ = 3.0，審查端引用） . . . . . . . . . . . . . . . . 60
C ICT 分析分群之逐群總覽與成員 . . . . . . . . . . . . . . . . . . . . . . . . 63
C.1 各群總覽 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
C.2 各群完整成員 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
C.2.1 EPO（γ = 2.75） . . . . . . . . . . . . . . . . . . . . . . . . . 81
C.2.2 JPO（γ = 2.75） . . . . . . . . . . . . . . . . . . . . . . . . . 89
C.2.3 USPTO（γ = 2.75，審查端引用、≥2001） . . . . . . . . . . 101

Alcácer, J., Gittelman, M., & Sampat, B. (2009). Applicant and examiner citations in U.S. patents: An overview and analysis. Research Policy, 38(2), 415–427.

Ascione, G. S., & Tamagnone, N. (2025). From scratch to silver: Creating trustworthy training data for patent-SDG classification using large language models. arXiv:2509.09303.

Benson, C. L., & Magee, C. L. (2013). A hybrid keyword and patent class methodology for selecting relevant sets of patents for a technological field. Scientometrics, 96, 69–82.

Bergeaud, A., Potiron, Y., & Raimbault, J. (2017). Classifying patents based on their semantic content. PLOS ONE, 12(4), e0176310.

Criscuolo, P., & Verspagen, B. (2008). Does it matter where patent citations come from? Inventor vs. examiner citations in European patents. Research Policy, 37(10), 1892–1908.

Dosi, G. (1982). Technological paradigms and technological trajectories: A suggested interpretation of the determinants and directions of technical change. Research Policy,11(3), 147–162.

Érdi, P., Makovi, K., Somogyvári, Z., Strandburg, K., Tobochnik, J., Volf, P., & Zalányi, L. (2013). Prediction of emerging technologies based on analysis of the US patent citation network. Scientometrics, 95(1), 225–242.

European Patent Office. (2023). Data catalog — PATSTAT global, version 5.22 (2023 autumn edition) [Computer software manual].

Fontana, R., Nuvolari, A., & Verspagen, B. (2009). Mapping technological trajectories as patent citation networks: An application to data communication standards. Economics of Innovation and New Technology, 18(4), 311–336.

Fortunato, S., & Barthélemy, M. (2007). Resolution limit in community detection. Proceedings of the National Academy of Sciences, 104(1), 36–41.

Higham, K., Contisciani, M., & De Bacco, C. (2022). Multilayer patent citation networks: A comprehensive analytical framework for studying explicit technological relationships. Technological Forecasting and Social Change, 179, 121628. doi:10.1016/j.techfore.2022.121628

Huang, Y., Xu, S., Cai, S., & Lü, L. (2025). Uncovering multi-technology convergence patterns with hypergraphs: Evolution and prediction using patent data. Physica A: Statistical Mechanics and its Applications, 131162. doi: 10.1016/j.physa.2025.131162

Hubert, L., & Arabie, P. (1985). Comparing partitions. Journal of Classification, 2(1),193–218.

Hummon, N. P., & Doreian, P. (1989). Connectivity in a citation network: The development of DNA theory. Social Networks, 11(1), 39–63.

Inaba, T., & Squicciarini, M. (2017). ICT: A new taxonomy based on the international patent classification (OECD Science, Technology and Industry Working Papers No. 2017/01). Paris: OECD Publishing.

Jaffe, A. B., & Trajtenberg, M. (2002). Patents, citations, and innovations: A window on the knowledge economy. Cambridge, MA: MIT Press.

Jaffe, A. B., Trajtenberg, M., & Henderson, R. (1993). Geographic localization of knowledge spillovers as evidenced by patent citations. The Quarterly Journal of Economics, 108(3), 577–598. doi: 10.2307/2118401

Kang, B., & Tarasconi, G. (2016). PATSTAT revisited: Suggestions for better usage.World Patent Information, 46, 56–63.

Krugman, P. (1991). Geography and trade. Cambridge, MA: MIT Press.

Lafond, F., & Kim, D. (2019). Long-run dynamics of the U.S. patent classification system. Journal of Evolutionary Economics, 29(2), 631–664.

Lai, K.-K., & Wu, S.-J. (2005). Using the patent co-citation approach to establish a new patent classification system. Information Processing & Management, 41(2), 313–330.

Leydesdorff, L., Kushnir, D., & Rafols, I. (2014). Interactive overlay maps for US patent(USPTO) data based on International Patent Classification (IPC). Scientometrics,98(3), 1583–1599. doi: 10.1007/s11192-012-0923-2

Liu, J. S., & Lu, L. Y. Y. (2012). An integrated approach for main path analysis: Development of the Hirsch index as an example. Journal of the American Society for Information Science and Technology, 63(3), 528–542.

Nomaler, O., & Verspagen, B. (2019). Greentech homophily and path dependence in a large patent citation network (UNU-MERIT Working Papers No. 2019-051). UNUMERIT.

Nomaler, O., & Verspagen, B. (2021). Patent landscaping using ‘green’ technological trajectories (UNU-MERIT Working Papers No. 2021-005). Maastricht: UNUMERIT.

OECD. (2009). OECD patent statistics manual. Paris: OECD Publishing. doi: 10.1787/9789264056442-en

Pichler, A., Lafond, F., & Farmer, J. D. (2020). Technological interdependencies predict innovation dynamics. arXiv:2003.00580.

Romer, P. M. (1990). Endogenous technological change. Journal of Political Economy,98(5), S71–S102. doi: 10.1086/261725

Traag, V. A., Van Dooren, P., & Nesterov, Y. (2011). Narrow scope for resolution-limit-free community detection. Physical Review E, 84(1), 016114.

Traag, V. A., Waltman, L., & van Eck, N. J. (2019). From Louvain to Leiden: guaranteeing well-connected communities. Scientific Reports, 9, 5233.

Verspagen, B. (2007). Mapping technological trajectories as patent citation networks: A study on the history of fuel cell research. Advances in Complex Systems, 10(1), 93–115.

Waltman, L., van Eck, N. J., & Noyons, E. C. M. (2010). A unified approach to mapping and clustering of bibliometric networks. Journal of Informetrics, 4(4), 629–635.

Weitzman, M. L. (1998). Recombinant growth. The Quarterly Journal of Economics, 113(2), 331–360.

World Intellectual Property Organization. (2023). Guide to the international patent classification [Computer software manual]. Geneva. (https://www.wipo.int/en/web/classification-ipc)

全文公開日期 2030/07/28

簡易檢索 / 詳目顯示

相關論文