灵芝蘑菇的全球创新格局：整合专利图谱分析、技术生命周期建模以及大型语言模型（LLM）关键词提取技术

《World Patent Information》：Global innovation landscape of Ganoderma mushrooms: Integrating patent mapping, technological life cycle modeling, and an LLM keyword extraction

　　马龙·奥利维拉·阿尔维斯·福法诺 | 加布里埃尔·马查多·科斯塔 | 露伊扎·达席尔瓦·阿布雷乌 | 丹妮丝·玛丽亚·吉马良斯·弗雷雷 | 卡洛斯·亚当·康特-朱尼尔 | 埃莉莎·达维拉·科斯塔·卡瓦尔坎蒂
化学研究生项目（PGQu），里约热内卢联邦大学（UFRJ）化学研究所（IQ），里约热内卢大学城，RJ，21941-909，巴西

**摘要**
灵芝属（Ganoderma）的物种几个世纪以来一直被用于传统医学，并现在成为重要的生物技术资源。尽管其重要性不言而喻，但尚未有全面的专利分析来描绘其技术发展历程。本研究旨在阐明其全球现状、成熟度及创新前沿，为未来的进展提供依据。通过分析截至2025年的专利数据，共识别出17,920个专利家族，并运用生命周期建模、映射、特征分析和IPC领域分析方法进行研究。同时比较了不同的关键词提取方法（TF-IDF、KeyBERT）与大型语言模型（Meta-Llama 3.2-1B）的性能，结果发现后者在生成领域特定关键词方面优于传统方法。专利活动分为三个阶段：起步期（1979-2009年）、快速增长期（2000-2018年）和成熟期（2018-2026年），预计在2035年左右达到饱和。中国在这方面的专利申请数量最多，其次是韩国、日本和美国。大多数专利由私营企业持有，学术机构也参与了研发工作。IPC分析显示，技术发展趋势正从以制剂为主的方向（A61K、A61P、A23L）向生物技术和加工领域（C12N、C12R、B01D、C08B）转变。研究结果表明，灵芝技术正从一个成熟的生态系统演化，逐渐应用于生物过程和生物经济领域。

**1. 引言**
灵芝（Ganoderma lucidum），一种常见的担子菌，数千年来一直被用于制药目的，在传统中医（TCM）中占有重要地位[1,2]。大量研究探讨了其栽培方法、生化成分以及由其生物活性化合物和提取物制成的化妆品、食品和药品[3, [4], [5], [6]]。这些科学知识的积累促进了相关技术的研发，其中许多成果通过专利系统得到保护。因此，了解当前的技术格局对于识别创新热点、发现技术发展中的空白以及预测生物经济领域的未来趋势至关重要。虽然灵芝的治疗潜力早已得到认可，但直到近几十年才系统地对其生物活性代谢物（尤其是多糖和三萜类）进行深入研究，对其提取、表征和工业应用也日益关注[7, [8], [9], [10], [11]]。据我们所知，此前尚未有研究全面梳理与灵芝相关的专利技术。现有文献主要采用文献计量学方法，关注出版趋势和研究主题而非技术发展本身。例如，徐和余[12]分析了1936至2019年间发表的3286篇科学文献，指出了灵芝研究的热点和发展趋势，结果证实中国在该领域处于领先地位，这与灵芝在中医中的重要地位相符。更近期的研究（Xin, Sun, and Hoffman [13]）分析了1994至2024年间的3320篇文献，再次证实中国在出版量和机构产出方面的领先地位。他们的研究还揭示了人们对灵芝药理作用的兴趣日益增长，尤其是其在调节肠道微生物群方面的作用。这些研究为学术趋势提供了宝贵见解，但未能揭示专利数据所反映的技术创新维度。因此，专门的专利分析对于理解科学发现如何转化为应用技术、商业机会和创新路径至关重要。

**2. 方法论**
2.1 **研究设计及范围**
本研究通过专利数据分析了截至2025年灵芝菌的技术演变情况，旨在识别创新趋势、技术领域以及与专利活动相关的地理和机构特征。研究流程包括四个阶段：
(i) 从专利数据库收集数据；
(ii) 数据清洗和标准化；
(iii) 分析程序；
(iv) 关键词提取对比。
分析范围限于明确提及灵芝（Ganoderma lucidum）、灵芝灵芝（Ganoderma lingzhi）或其俗称“reishi”和“lingzhi”的专利文献。尽管有些学者认为这些名称代表不同的真菌物种，但文献中常将它们视为同义词[14]。

2.2 **数据来源与收集**
专利数据来自Lens数据库（https://www.lens.org）和Espacenet。Espacenet的数据通过欧洲专利局开放专利服务（OPS）API获取。这两个来源汇总了来自世界知识产权组织（WIPO）、欧洲专利局（EPO）、美国专利商标局（USPTO）、中国国家知识产权局（CNIPA）和日本专利局（JPO）等主要机构的全球专利记录。通过结合这两个来源的数据构建了统一的数据集。
专利记录采用布尔查询进行提取，以捕获灵芝及相关术语的各种拼写形式。在Lens数据库中，查询语句为：("ganoderm? lucid?"～2 OR "ganoderm? japonic?"～2 OR "ganoderm? sinens?"～2 OR "ganoderm? tsugae"～2 OR "lingzhi?" OR "reishi?" OR "red reishi?" OR "ganoderma mushroom?" OR "g. lucidum" OR "g lucidum")；在Espacenet（通过OPS API）中使用类似查询语句：txt=(("ganoderm?" prox/unit = word/distance = 2 ("lucid?" OR "japonic?" OR "sinens?" OR "tsugae")) OR "lingzhi?" OR "reishi?" OR "red reishi?" OR "ganoderma mushroom?" OR "g. lucidum")。为确保查询的准确性，虽然设计了高召回率策略，但还对结果进行了进一步过滤，仅保留标题或摘要中包含目标术语的记录。

2.3 **数据清洗与标准化**
进行数据清洗和标准化以确保所有记录的一致性和准确性。所有提取的数据使用Microsoft Excel和Python（pandas）统一到分析矩阵中。术语标准化包括分类学同义词、俗名和机构缩写。国家代码按照ISO Alpha-2标准进行统一，缺失数据标记为N/A。采用RapidFuzz（原名FuzzyWuzzy）以90%的相似度阈值对授权人名称进行标准化处理，形成约400个潜在的等同集群，逐个验证确认重复项，最终编制出标准化授权人名称字典，以便后续分析中准确识别申请人、机构类型和技术组合。

2.4 **分析程序**
- **定量分析**：描述专利发布的时间、地理和主题模式：
- **时间分析**：计算并按年度记录数标准化专利发布的趋势；
- **地理分析**：按来源国或申请人地址统计文档分布；
- **技术分析**：汇总IPC代码以确定主导技术领域；
- **技术生命周期建模**：使用逻辑增长模型（公式（1）评估灵芝相关技术的成熟度（2025年数据）。
(1) N(t)=K1+exp?[?r(t?tm)]，其中K表示饱和水平（技术增长的上限），r为内在增长率，tm表示从加速阶段到成熟阶段的转折点。模型参数通过SciPy v1.12进行非线性最小二乘回归估计，拟合优度通过决定系数（R2）评估。这种建模方法广泛应用于技术预测和基于专利的创新研究[15,16]。
2.5 **关键词提取与对比**
开发了Python 3.14的清洗流程，以评估不同关键词提取方法（大型语言模型、TF-IDF、KeyBERT）生成关键词的一致性和语义可靠性，包括关键词的重叠度、冗余度和通用性。

2.5.1 **关键词生成模型**
- **大型语言模型（LLM）**：使用Meta-Llama 3.2-1B模型（Meta Platforms Inc.）并通过OpenRouter平台进行调用。根据Google Prompt设计指南，指令包括四个关键部分：角色（Persona）、任务（Task）、上下文（Context）和格式（Format）。
- **角色**：指示模型作为专利分析和真菌生物技术的领域专家；
- **任务**：从每篇专利记录中提取5个特定技术关键词或关键短语；
- **上下文**：提供专利标题和摘要，要求模型排除通用术语（如“方法”、“系统”）并优先考虑领域特定术语（如“孢子粉收集”、“酶辅助提取”、“抗癌剂”）；
- **格式**：提取结果以JSON数组形式输出，便于后续计算分析。
- **TF-IDF**：使用scikit-learn v1.4实现，去除停用词后选择TF-IDF分数最高的1到3个词的关键词；
- **KeyBERT**：使用all-MiniLM-L6-v2嵌入模型和最大边际相关性（MMR）控制进行提取。

共处理了17,920条专利记录，其中关键词提取失败的记录（<0.5%）被排除在统计总结之外。

2.5.2 **关键词标准化**
使用Python的re和unicodedata库对所有关键词列表进行预处理：
1. 转换为小写；
2. 删除标点符号和冗余空格；
3. 保留原始顺序的同时去除重复项。这种标准化确保了不同提取方法间的可比性。

2.5.3 **评估指标**
为每份文档计算四个补充指标：
- **贾卡德相似度（语义重叠）**（2）J(A,B)=∣A∩B∣∣A∪B∣，用于衡量两种方法生成关键词集的重叠程度；
- **冗余比率（内部重复）**（3）R=1?nuniquentotal，表示关键词列表中重复项的比例；
- **通用词比率**：通用、无信息词的占比（如“方法”、“方法”、“组成”、“系统”等），比率越高表示领域特异性越低。所有指标均针对每份文档计算并存储在数据集中，便于直接比较不同提取方法的结果。

3. **结果与讨论**
**3.1 全球专利申请活动和技术生命周期**
截至2025年，共识别出17,920项专利（图1）。过去45年的技术演变可分为三个阶段：
- 前30年，专利申请数量稳步但缓慢增长，反映了探索性研究和早期商业化尝试；
- 2009年后，专利申请数量显著加速，2016年达到峰值（约1,600项）；
- 2020年后，年专利产出趋于稳定，符合逻辑模型的预测趋势。

**图1. 与灵芝相关技术的年度专利发布情况**。虚线红线表示长期技术变化趋势。

**图2. 灵芝相关专利的逻辑技术生命周期模型**
**表1. 描述灵芝相关专利技术生命周期的逻辑模型参数**。K表示饱和水平（专利总数上限），r表示内在增长率，tm表示从加速阶段到成熟阶段的转折点。决定系数（R2 = 0.998）的高值证实了逻辑回归模型的稳健性。参数拟合值K19,866项专利在2017年间的年增长率为0.266年?1，R2为0.998。前30年（1979-2010年）对应于技术出现的阶段，这一阶段以渐进式进展和探索性专利为主。增长阶段（2009-2018年）反映了技术应用的迅速扩散和多样化，最终在2017年达到一个转折点（tm = 2017年），标志着向技术成熟期的过渡。当前阶段（2018-2026年）表明专利活动有所放缓，这表明灵芝技术正接近成熟平台，预计饱和阶段将在2035年左右到来。在此背景下，生物经济可以被解读为后续技术重组的一个潜在场所。与现有体系内的渐进式改进不同，生物经济的新应用可以被视为一种架构上的转变，正如克里斯滕森[23]所提出的那样，灵芝可能会越来越融入到循环性和可持续性驱动的价值链中。这种转变与新的技术轨迹可能因新的价值维度而出现的观点相一致，从而可能启动一个新的S曲线[24]。黑色点代表实际专利发布的累计数量，而红线显示了拟合的逻辑曲线（R2 = 0.998）。垂直的灰色线条划分了估计的技术阶段：出现阶段（1979-2009年）、增长阶段（2009-2018年）、成熟阶段（2018-2026年）和饱和阶段（2026-2035年），这些阶段是根据模型的转折点得出的。2017年（tm = 2017年）标志着从增长阶段到成熟阶段的转变。

3.2. 地理分布和司法管辖权主导地位
图3和图4展示了与灵芝相关的专利在不同司法管辖区的地理分布情况。条形图（图3）突出了排名前15的专利办公室，显示专利活动高度集中在东亚地区。中国在全球专利总量中占据绝对优势，拥有16,306项专利家族，其次是韩国（620项）、日本（452项）和美国（159项）。全球热图（图4）通过可视化创新的空间分布进一步补充了这一分析，确认东亚为核心技术枢纽，并指出欧洲、北美和大洋洲（包括台湾、俄罗斯和澳大利亚）出现了新的创新中心。

下载：下载高分辨率图片（251KB）
下载：下载全尺寸图片
图3. 基于灵芝技术的前15大专利管辖区（对数刻度）。水平条形图显示了每个管辖区的专利发布数量，采用对数轴来强调主要和新兴专利办公室之间的差异。CN：中国；KR：韩国；JP：日本；WO：世界知识产权组织；TW：台湾；RU：俄罗斯联邦；UA：乌克兰；EP：欧洲专利局；CA：加拿大；AU：澳大利亚；ZA：南非；RO：罗马尼亚；MY：马来西亚；ES：西班牙。

下载：下载高分辨率图片（372KB）
下载：下载全尺寸图片
图4. 与灵芝技术相关的专利发布的全球分布。颜色对应于每种国家的专利数量的对数。对数色条突出显示了主要管辖区（中国、韩国、日本、美国和台湾）以及专利活动适中的新兴创新中心。（关于图中颜色参考的解释，请参阅本文的网页版本。）

这种主要以亚洲为中心的分布与灵芝使用的历史和文化背景相符。这种蘑菇几个世纪以来一直被用于中医的医疗目的，最早的文字记录可追溯到公元前206年，描述了其在长寿和活力配方中的治疗应用，因此得名“蘑菇”[1]。长期的药物传统在东亚发展成为一个复杂的创新生态系统，得到了政府激励、机构研究项目和商业生物技术倡议的支持，共同维持了该地区在灵芝产业中的技术领导地位[25]。虽然蘑菇在中医中已有数千年的应用历史，但在1949年中国革命后，随着专门医院的建立和政府主导的保存传统做法的倡议，中医制度化得到了显著扩展[26]。这一历史基础有助于解释中国在专利申请者方面的明显优势（16,306项对比韩国的620项），并且这种优势还因政府政策框架、专利制度改革、国家补贴以及持续的研发投资而得到进一步加强[27,28]。

3.3. 主要申请者和机构概况
对前25名专利申请者的分析显示，私营公司占据明显优势，尤其是那些位于中国的公司，反映了该国在该领域的领先地位（表2）。北京绿源秋正科技发展有限公司以508项专利的巨大优势排名第一，占前25名受让者总专利数的约34.6%。其次是上海农业科学院（SAAS），拥有84项专利，是该领域生产力最高的学术机构。其他主要贡献者包括金华长寿谷植物有限公司（72项）、浙江寿仙古药业有限公司（68项）和浙江寿仙古植物医药研究所（57项）。值得注意的是，日本Menard化妆品有限公司也有参与（50项），表明日本化妆品行业对此表现出兴趣。

表2. 主要的灵芝灵芝（Ganoderma lucidum）专利申请者及其各自的专利家族数量。机构类型栏根据组织性质对每位申请者进行分类，包括学术/研究机构、私营公司、政府实体、医疗机构或个人发明家，基于机构名称模式和关键词匹配。
排名 申请者 机构类型 专利数
1 北京绿源秋正科技发展有限公司 私营公司 508
2 上海农业科学院（SAAS）学术/研究机构 84
3 金华长寿谷植物有限公司 私营公司 72
4 浙江寿仙古药业有限公司 私营公司 68
5 浙江寿仙古植物医药研究所 学术/研究机构 57
6 日本Menard化妆品有限公司 私营公司 50
7 何松青 个人发明家 49
8 南京中科药业有限公司 私营公司 46
9 南通蛇咬疗法研究所 医疗机构 40
10 五指山源生泰生物科技有限公司 私营公司 40
11 四川中医科学院 学术/研究机构 39
12 福建农林大学 学术/研究机构 39
13 Kim（个人发明家/通用名称）个人发明家 37
14 Lee（个人发明家/通用名称）个人发明家 36
15 安徽智生堂药业有限公司 私营公司 33
16 黄秀英 个人发明家 31
17 安徽利民生物科技有限公司 私营公司 29
18 马鞍山安康真菌工业有限公司 私营公司 29
19 重仪康志农业发展有限公司 私营公司 29
20 中科健康产业集团有限公司 私营公司 28
21 五指山源生泰生物科技有限公司 私营公司 28
22 广西农业科学院 学术/研究机构 26
23 安徽金寨仙芝岭生物科技有限公司 私营公司 24
24 余泽勋 个人发明家 23
25 福建仙芝搂生物科技有限公司 私营公司 23

工业和制药企业（占前25位的68.6%）的主导地位证明了该领域技术开发的实用性和商业化特性。学术机构和政府组织的参与，如上海农业科学院、四川中医科学院和福建农林大学，表明了通过技术转移和合作研发推动产业进步的互补研究努力。尽管比例较小，但也有相当数量的专利分配给了个人发明家（12%），特别是何松青，他拥有49项专利。这表明基层或小规模的创新仍然对该领域的技术多样化有所贡献。当前的前25名申请者主要集中在中国的专业生物技术和制药公司，如南京中科药业和五指山源生泰生物科技有限公司。

这种由工业和制药企业主导的结构，加上学术研究应用的支撑，凸显了灵芝技术的成熟度。这一点在制药、营养品和化妆品配方中尤为明显，这与下一节讨论的A61K、A61P和A23L IPC子类中的专利集中度一致。

3.4. 技术领域和IPC景观
对与专利相关的IPC代码的分析显示，健康和营养技术领域占据了主导地位（表3）。A61K子类（用于医疗、牙科或卫生目的的制剂）在数据集中占主导地位，主要是由于A61K 36/00这一特定组别的存在，其中包含了来自藻类、地衣、真菌或植物的 medicinal 制剂。在这一分类中，灵芝在A61K 36/074下得到了明确认可，该类别对应于基于这种属的制剂。这解释了记录数量的众多（9031项；50.40%），其次是A61P（化学化合物或药用制剂的特定治疗作用，7774项；43.38%）和A23L（食品、食品或非酒精饮料，3880项；21.65%）。这三个子类共同定义了与灵芝创新相关的核心技术领域，涵盖了制药应用、治疗靶向和功能性食品或营养品开发。

表3. 与提及灵芝蘑菇的专利相关的 top 15 IPC 子类。描述根据WIPO IPC定义进行了调整，以突出技术领域。注意：单个专利文件可能被归类到多个IPC子类下；因此，子类计数不是累加的。
排名 IPC 子类 简要描述 计数 百分比 (%)
1 A61K 用于医疗、牙科或卫生目的的制剂 9031 50.40
2 A61P 化学化合物或药用制剂的特定治疗作用 7774 43.38
3 A23L 食品、食品或非酒精饮料；其制备或处理 3880 21.65
4 A01G 园艺；蔬菜、花卉、水稻、水果、藤本植物、啤酒花或海藻的栽培；林业 1757 9.80
5 A61Q 化妆品或类似卫生产品的特定用途 1294 7.22
6 A23F 咖啡；茶；其替代品；制造、制备或冲泡 1073 5.99
7 C12G 葡萄酒；其他酒精饮料；其制备 832 4.64
8 C12N 微生物或酶；及其组合物；繁殖、保存或维护 803 4.48
9 C12R 与微生物相关的索引方案 C12C-C12Q 679 3.79
10 A23K 专门适用于动物的饲料；专门用于生产的方法 538 3.00
11 C05G 肥料混合物；按物理形式特征的肥料 414 2.31
12 C12P 用于合成所需化学化合物的发酵或酶处理过程 378 2.11
13 B02C 研磨、粉碎或粉碎一般过程；碾磨谷物 374 2.09
14 C08B 多糖及其衍生物 313 1.75
15 B01D 物理或化学过程的分离或装置 279 1.56

次要但重要的技术领域包括A01G（园艺和蘑菇栽培，1757；9.80%）和A61Q（化妆品应用，1294；7.22%），这突显了灵芝在受控栽培系统和个人护理配方中的整合。此外，与食品相关的其他子类，如A23F（咖啡、茶及其替代品，1073；5.99%）和C12G（酒精饮料和发酵过程，832；4.64%），进一步强化了灵芝在功能性饮料和发酵产品中的多样化。与微生物和生物技术过程相关的类别，包括C12N（微生物或酶，803；4.48%）、C12P（发酵和酶介导的合成，378；2.11%）和C12R（微生物索引方案，679；3.79%），表明了对生物工艺工程、代谢优化和化合物生物合成的持续兴趣。同时，如A23K（动物饲料，538；3.00%）和C05G（肥料，414；2.31%）这样的子类表明了农业和循环经济的新兴应用。最后，以过程为导向的技术仍然相关，B02C（尺寸减小和研磨，374；2.09%）、C08B（多糖及其衍生物，313；1.75%）和B01D（分离和纯化过程，279；1.56%）反映了下游加工、提取效率和生物活性化合物的结构修饰对工业规模化和产品开发的重要性。

图5中的热图显示了主要司法管辖区（中国、韩国、台湾、日本和美国）内IPC子类的相对分布，颜色越暖表示在该国专利组合中的代表性越高。中国在A61K（33.64%）和A61P（22.86%）方面有很强的集中度，突显了对其制药配方及其治疗应用的重视。相比之下，韩国的分布更加多样化，A23L（36.05%）和A61K（25.78%）的贡献显著，表明其对功能性食品和制药或化妆品配方的双重关注。日本的分布更加平衡但仍然集中，A61K（42.62%）和A61P（22.67%）是主要子类，同时A23L（15.71%）也有显著的存在，表明治疗和营养应用之间的整合。台湾和美国的专业化更为明显，A61K的占比分别高达58.94%和55.63%。这种模式反映了制药和化妆品配方的明显优先考虑，其他子类的贡献相对较低。

下载：下载高分辨率图片（379KB）
下载：下载全尺寸图片
图5. 显示了主要司法管辖区中与灵芝灵芝相关的专利按IPC子类分布的热图。颜色越暖表示代表性越高。A61K在全球范围内占主导地位，反映了对其制药和化妆品配方的强烈关注，而A61P在中国和日本尤其突出治疗应用。A23L在韩国显示了功能性食品的区域专业化，而台湾和美国的A61K集中度更高。（关于图中颜色参考的解释，请参阅本文的网页版本。）

图6和图7展示了这些技术领域的时间演变，显示了截至2025年五个最常见IPC子类的累积增长情况。堆叠面积图清楚地显示了制药领域的核心技术集中，特别是A61K和A61P在专利快速扩张时期（2010-2019年）的显著优势。

下载：下载高分辨率图片（211KB）
下载：下载全尺寸图片
图6. 与灵芝技术相关的五个顶级IPC子类的累积演变。堆叠面积图显示了制药（A61K、A61P）、营养品（A23L）和园艺（A01G）领域的专利累积数量。A61K的主导地位表明制药配方中的技术集中，而A23V和A01G的逐渐增加则表明向食品技术和栽培系统的多样化发展。

下载：下载高分辨率图片（350KB）
下载：下载全尺寸图片
图7. 1979-2025年间十个最常见IPC子类的年度演变。该图表突出显示了A61K（制药制剂）在近年来的持续主导地位，以及与生物工艺相关的子类别（C12N、C1RN）的稳步增长。相比之下，A23L和A01G的逐渐上升表明了向食品技术、营养补充剂和蘑菇栽培系统的多样化趋势。这种时间模式表明，虽然灵芝创新仍然集中在制药应用上，但其技术基础正在扩展到整合生物技术和农业食品应用，反映了该领域从专业化向多领域技术融合的转变。如图8所示，对IPC类别的更详细检查揭示了技术活动的明确时间模式。A部分（人类需求）内的子类别，特别是A23L33/00（具有特定营养功能的食品或膳食产品）和A61P37/04（免疫刺激活性），在2010年左右表现出显著峰值，并延续到2015年。其他子类别如A61P35/00（抗癌活性）和A23L31/00（含有提取物或浓缩物的食品组合物）也遵循类似的轨迹，加强了一个以高价值应用为中心的创新阶段，尤其是灵芝衍生化合物的功能食品和治疗用途。这些趋势表明，以配方驱动的技术在早期已经得到了巩固，主要集中在营养保健品和制药领域。同时，具体涵盖从灵芝物种中提取的医药制剂的子类别A61K36/074自20世纪90年代以来一直呈持续上升趋势，加强了其作为基础技术领域的作用，并表明在传统医学和植物药物创新系统中的长期巩固。

后续技术活动的多样化进一步支持了这一转变。在A61K、A61P和A23L中以配方为导向的子类别达到峰值并逐渐下降之后，与生物技术和工艺工程相关的子类别出现了持续而稳定的增长。特别是C12R1/645（灵芝属微生物）和C12N1/14（真菌；微生物的培养或操作）从2014年开始呈现出持续上升的轨迹，并延续至今（2025年）。在下游加工和材料转化子类别中也观察到了类似的模式，包括C08B37/00（多糖）、B01D11/02（溶剂提取）、B07B1/46（粒子分离）和B02C21/00（研磨过程），这些都在近年来显示出持续的增长。这些趋势表明随着时间的推移，技术发生了明显转变：2010年代初期由制药和营养保健品配方的快速扩展所主导，而近年来则表现为生物工艺、提取技术和化合物级别精炼的兴起。这种转变反映了技术成熟度和专业化的增加，创新重点从产品配方转向了工艺优化、生物活性化合物分离和灵芝价值链中的工业规模化。

3.5. 使用LLM、TF-IDF和KeyBERT进行关键词提取的评估

由于简单性、可重复性和低计算成本，基于TF-IDF和KeyBERT的关键词提取方法在文献中被广泛采用，适用于大规模文本挖掘任务[16,19]。然而，这两种方法本质上是基于词汇的，往往无法捕捉术语之间的语义和上下文关系。随着大型语言模型（LLM）的最新进展，现在已经可以提取出反映更深入含义理解、上下文和相关领域特性的关键词，这对于映射技术景观和专利情报至关重要[29]。在这项研究中，我们使用了Meta Platforms, Inc.开发的Meta-Llama 3.2-1B Instruct开放模型。该模型专为遵循指令的任务进行了微调，因其可解释性、语义能力和低计算要求而被选中，能够在标准个人计算机上高效运行。通过OpenRouter平台（https://openrouter.ai）可以以每百万输入令牌0.005美元和每百万输出令牌0.01美元的费用访问该模型。根据估计的令牌使用量，分析18,000条专利记录的总成本大约为0.04美元，展示了大规模专利分析的可行性。整个研究通过使用OpenRouter API的并行实现，在40分钟内完成。

为了评估基于LLM的关键词提取的方法在语义精确性和区分度方面的表现，进行了与传统的TF-IDF和KeyBERT方法的定量基准测试。尽管这两种方法基于词汇，但它们与LLM生成的输出之间的重叠度很小，平均Jaccard相似值分别为0.043（TF-IDF）和0.019（KeyBERT），表明LLM生成了具有上下文意识且语义连贯的描述符，而不是基于频率或共现的术语（表4）。表4基于词汇重叠、内部冗余和术语特异性对关键词提取方法进行了定量比较。Jaccard相似度衡量了LLM生成的关键词与基线方法（TF-IDF和KeyBERT）生成的关键词之间的词汇重叠。词冗余比率量化了每个关键词集中的重复词汇 stem 的数量，而通用关键词比率表示非领域特定术语（例如，方法、系统、组成）的比例。较低的冗余和通用比率反映了更高的词汇多样性和领域相关性。

词冗余比率
LLM
TF-IDF
KeyBERT
Jaccard相似度（与LLM相比）——0.043
0.019
冗余比率（%）
12.93
37.85
1.00
通用关键词比率（占总数的百分比）
0.06
0.27
0.16

词冗余分析揭示了提取术语内部组成的显著差异。TF-IDF显示出最高的词汇冗余（37.85%），反映了它依赖于基于频率的形态学或语义相关变体的排名。LLM显示出中等程度的冗余（12.93%），经常产生围绕“灵芝”、“灵芝 lucidum”、“提取物”和“孢子”等反复出现的领域特定术语的复合表达，如表5所示。相比之下，KeyBERT几乎没有任何冗余（1.00%），表明其内部多样性和有效的上下文嵌入。

表5. 使用LLM、TF-IDF和KeyBERT方法从灵芝专利中提取的前10个关键词的比较分析。

LLM生成的关键词中，通用关键词（例如“方法”、“系统”、“组成”）的比例几乎可以忽略不计（LLM为0.06%），而TF-IDF为0.27%，KeyBERT为0.16%），这表明LLM在选择领域特定术语方面更具选择性。定性检查证实，LLM生成的术语在语义上更丰富、更连贯、在上下文上更相关，经常结合了发明的生物和技术维度，如图9和表5所示，其中“提取物”、“孢子”和“粉末”等术语在KeyBERT和LLM的输出中出现得更频繁。总体而言，LLM的关键词提取在语义连贯性、较低冗余和更强领域特异性方面表现更好，为后续的专利映射分析提供了更具代表性和可解释性的特征空间。

一个有趣的观察是，在使用基于LLM的提取方法时，与灵芝相关的专利中意外出现了“embryonic egg extract”这一关键词。对标记有该复合术语的专利子集进行更仔细的检查后发现，模型系统地错误地对其进行了分类。在LLM分配了这一关键词的1270项专利中，只有两项在标题或摘要中实际包含了“embryonic egg extract”这一完整的表达（表6）。当分别分析组成术语时，“embryonic”出现在9项记录中（0.050%），“egg”出现在351项记录中（1.96%），“extract”出现在5092项记录中（25.0%）。

表6. 含有“embryonic egg extract”、“embryonic”、“egg”和“extract”术语的专利的频率和比例。结果显示，只有一项专利明确包含了这种组合表达，这表明大多数LLM生成的术语是基于语义推理而非文本依据的。

这种不匹配显然是一个自动关键词生成中的语义漂移案例，模型基于上下文接近性而不是明确的词汇证据进行推理。如前所述，“extract”一词在灵芝相关专利中常用于描述生物活性或多糖化合物的提取，这可能导致了这种错误的聚类。此外，提示本身包含一个包含“embryonic egg extract”表达式的例子结构，这可能引入了一个强烈的上下文先验，使模型倾向于在超出其适当范围的情境中复制或泛化这一模式。这种嵌入的例子可能起到了一个无意的锚点作用，即使在数据中没有语义依据的情况下也促进了“extract”一词的传播。此外，使用相对较小规模的模型（1B参数）可能会加剧这种效应，因为这样的模型通常具有有限的语义区分能力。这些因素共同强调了提示设计和模型规模在关键词生成任务中的系统影响。

这些发现强调了在应用大型语言模型进行领域特定关键词提取时提示工程的重要性[29,30]。复合术语“embryonic egg extract”的错误归因说明了通用或描述不明确的提示如何导致模型推断出没有词汇支持的关联。在这种情况下，引入人为参与（HITL）的方法对于确保提取术语的可靠性和语义有效性至关重要[31,32]。专家验证有助于识别和纠正模型生成的虚假关联，特别是在需要上下文细微差别和领域知识的专门领域中。因此，将提示工程策略与迭代的人类监督相结合可以提高关键词生成输出的整体质量。

3.5.1. 提示评估和模型行为分析

为了研究这种行为，测试了四种不同的提示格式。原始提示强调了领域相关性和简洁性，但没有明确限制生成仅限于词汇上存在的术语。这导致模型基于潜在的语义关联推断出看似合理但未经证实的术语。一个修订后的版本引入了表7中详细说明的提示构建变化。通过逐步限制生成自由度，从描述性（A）到严格的提取模式（E），研究了提示具体性对术语有效性、可重复性和与源文本一致性的影响。

表7. 用于基于LLM的关键词提取的五种测试提示格式（A–E）的特征。该表总结了每个提示的设计意图、指令风格和符合良好提示工程实践的程度。

| 名称/类型 | 主要目标 | 指令风格 | 包含的例子 | 语义焦点 | 词汇限制 | 偏见潜力 | 提取层次 |
| --- | --- | --- | --- | --- | --- | --- |
| 基线（原始） | 提取五个技术术语 | 具有固定示例的描述性指令 | 是 | 高（通用） | 弱 | 高 - 示例可能导致不存在的术语 |
| 半提取性（推断术语） | 优先考虑生物技术和药用术语 | 上下文指令 | 否 | 高（领域导向） | 中等 | 中等（可能推断出不存在的概念） |
| C | 从技术上表示核心发明 | 上下文验证 | 否 | 中等 | 中等 |
| D | 仅检索文本中明确存在的技术术语 | 简单、客观的指令 | 否 | 中等 | 低 |
| E | 严格提取 | 确保所有术语在文本中逐字出现 | 规范性指令 | 否 | 非常高（仅逐字） | 非常低 |

图10a–e中的比较分析总结了之前描述的五种提示格式之间的权衡。如图10（a）所示，上下文验证提示C的词汇多样性最高，表明了更广泛的语义探索，而提示D和E保持了更受控制的词汇。图10（b）证实，从基线A到干净基线D，重复性逐渐减少，表明指令的简化有效地减少了重复。图10（c）显示，A的通用关键词比率最高，再次反映了模型过度生成不特定术语的倾向。同时，领域聚焦和受限的提示B到E更倾向于使用更专业的术语。图10（d）显示，受限配置D和E的词汇保真度明显提高，表明文本基础更牢固，幻觉现象更少。最后，图10（e）展示了从A到E的语义相似性有所下降，这与在更严格的词汇规则下语义空间的收缩一致。这些结果共同表明，提示限制提高了文本准确性并减少了冗余，但限制了语义泛化。从A到E的进展 thus 显示了上下文创造力和词汇严谨性之间的连续性，证实了提示格式直接决定了基于LLM的关键词生成中的提取精度和概念广度之间的平衡。LLM提示公式（a-e）的比较分析，基于词汇和语义性能指标。(a) 词汇多样性：独特术语比例与总关键词的比例，代表每个提示生成的词汇的多样性和丰富性。(b) 冗余度：等效或重叠关键词的平均重复率，表明模型输出的内部一致性。(c) 通用关键词比例：不具体或过于宽泛的术语（例如“提取”“组合”）的比例，衡量提示的特异性。(d) 词汇保真度：来源文本中逐字出现的关键词比例，量化提取性和文本关联性。(e) 语义相似度：每个专利中关键词之间的平均余弦相似度，反映概念凝聚力和上下文一致性。这些指标共同揭示了不同提示公式在语义泛化与词汇精确性之间的权衡，表明更受限制的提示往往能提高文本保真度并减少冗余。相比之下，限制较少的提示则具有更广泛的语义覆盖范围。基于定量证据，提示D被选为后续所有分析的参考配置。这种公式在词汇和语义维度上取得了最平衡的表现，保持了适度的词汇多样性，同时表现出最低的冗余度、极少使用通用术语，并且词汇保真度始终很高。尽管提示的细化显著提高了词汇保真度并减少了冗余，但结果也表明，仅靠提示工程不足以完全防止语义偏离，如第3.4节所示。在这种情况下，HITL策略仍然至关重要，它允许领域专家验证词汇的有效性，移除不受支持的术语，并确保生成的关键词准确反映数据集的技术内容。

3.6 关键词分析
在专利语料库中识别出的最频繁关键词主要与栽培的灵芝（Ganoderma lucidum, Ganoderma lingzhi）相关。然而，“粉末”、“孢子”、“多糖”和“提取物”等术语也是十大高频关键词之一（图11a）。这些出现频率较高的关键词共同表明了对灵芝栽培技术和应用的研究和开发重点，特别是面向制药和营养保健领域的应用，这一点通过IPC分析进一步得到证实。

下载：下载高分辨率图片（627KB）
下载：下载全尺寸图片
图11. 灵芝专利语料库中的关键词频率模式。(a) 所有专利中识别出的前20个最频繁关键词，突出显示了与孢子相关的术语以及诸如“提取”、“孢子”和“栽培”等工艺相关术语的主导地位。(b) 以Ganoderma lucidum开头的复合关键词相关的15个主要技术扩展项，显示了“孢子”、“孢子粉”和“孢子油”等术语的突出地位，进一步强化了对基于孢子技术的关注。

基于LLM的关键词生成产生了许多以灵芝为主要成分的复合表达式。因此，对这些复合关键词相关后缀的层次分析显示，与灵芝孢子相关的术语占主导地位（图11b）。在分析的十五个最频繁的扩展项中，有四个直接与孢子相关。同时，其他术语也零星出现，包括多糖（生物活性化合物）和与工艺相关的描述词，如栽培、加工、菌丝体和提取物。

4. 结论
本研究首次对截至2025年的灵芝技术进行了全面的专利计量评估，提供了其全球发展和技术成熟度的清晰概览。通过统计分析跨越多个司法管辖区的17,920个专利家族，本研究加深了对创新如何从民族药学起源转变为多样化、产业化的生物经济领域的理解。研究结果表明，中国是灵芝相关技术的全球主要中心，其次是韩国、日本和美国。这种地理集中反映了灵芝在中国传统医学中的历史根基，以及东亚地区强大的制度投资和国家支持的生物技术举措。

从机构角度来看，专利领域主要由私营制药和生物技术企业主导。同时，学术机构和政府研究机构在提供支持工业创新的科学知识方面发挥着互补作用。这种多元化的参与者构型代表了技术组织的高级阶段，其中商业化和应用研究紧密交织在一起。

从技术角度来看，研究将健康与营养（A61K, A61P, A23L）确定为创新的核心领域，并揭示了向生物工艺子领域（C12N, C12R, B01D, C08B, B07B, B02C）的多样化趋势。这些新领域强调微生物培养、酶辅助提取、生物活性化合物的纯化与分离，预示着从产品配方向工艺优化的转变。拟合的逻辑模型表明，灵芝技术领域目前处于生命周期的成熟阶段，预计饱和点将在2030年左右。

总体而言，这项研究揭示了一个以成熟度、专业化和多领域融合为特征的技术生态系统。全球灵芝创新轨迹展示了传统医药资源如何演变为现代生物经济的重要组成部分。除了对灵芝的具体发现外，本研究还通过验证使用LLM进行专利计量分析的方法论贡献具有重要意义。第3.4节进行的基准测试表明，LLM（Meta-Llama 3.2-1B）不仅在成本效益上具有高度优势，而且在语义上也优于TF-IDF和KeyBERT。LLM生成的关键词具有更高的上下文相关性和领域特异性，从而避免了传统方法中常见的泛泛而空、信息不足的术语问题。这一发现为未来的技术映射研究提供了一种稳健、可扩展且更准确的方法。

CRediT作者贡献声明
Marlon Oliveira Alves Foffano：概念化、数据整理、形式分析、研究、方法论、资源、可视化、初稿撰写、审稿与编辑。
Gabriel Machado Costa：数据整理、形式分析、研究。
Luiza da Silva Abreu：数据整理、形式分析、研究。
Denise Maria Guimar?es Freire：概念化、资源管理、监督、审稿与编辑。
Carlos Adam Conte-Junior：概念化、资源管理、监督、审稿与编辑。
Elisa d'Avila Costa Cavalcanti：概念化、资源管理、验证、可视化、审稿与编辑。