《International Journal of Hydrogen Energy》：Technology life cycle analysis based on patent co-classification. A dynamic network analysis of hydrogen-related technologies
编辑推荐：
研究人员提出一种基于专利子类共分类（co-classification）的网络视角方法，用于分析技术生命周期。通过将动态网络分析（dynamic network analysis）与网络稳定性度量（network stability measures）和社区检
研究人员提出一种基于专利子类共分类（co-classification）的网络视角方法，用于分析技术生命周期。通过将动态网络分析（dynamic network analysis）与网络稳定性度量（network stability measures）和社区检测算法（community detection algorithms）相结合，该方法使研究人员能够分析技术轨迹（technological trajectories）、识别技术不连续性（technological discontinuities），并评估知识重组（knowledge recombination）和知识专业化（knowledge specialization）的模式。研究人员以氢相关技术为例说明该方法。数据集包含668,109件专利，分布在475个子类中，出版于1980年至2021年间。分析揭示，前二十年以高水平的网络不稳定性和知识重组为特征，而后二十年则转向知识专业化。研究人员从技术生命周期理论（technology life cycle theory）的角度讨论了这些发现。
技术演化分析对国家和企业的竞争优势至关重要，有助于引导研发投资和产品商业化策略。现有技术生命周期模型（如S曲线）虽广泛应用，但依赖单一指标，过于简化，无法全面反映技术演化的复杂动态。专利网络分析，如专利共分类（co-classification）网络，可揭示技术领域间的关联与重组，但现有研究多局限于静态时间点，或以专利文档、发明人、区域为节点，难以捕捉技术本身作为分析单元的动态演化。为克服这些局限，研究人员提出一种基于专利共分类的动态网络分析方法，以合作专利分类（Cooperative Patent Classification, CPC）子类为节点，构建逐年共现网络，分析技术生命周期各阶段的特征。该研究以氢相关技术为案例，论文发表在《International Journal of Hydrogen Energy》。
研究人员利用欧洲专利局PATSTAT数据库（Spring 2020版），采用OECD ENV-TECH分类中氢相关CPC代码（Y02E60/30、Y02E60/32、Y02E60/36、Y02T90/40）筛选专利，保留所有CPC子类并降至4位子类水平。每年构建累积共现矩阵，以CPC子类为节点、共现频次为边权重，过滤低权重边和孤立节点后，使用Louvain和Leiden算法进行社区检测，并通过归一化互信息（Normalized Mutual Information, NMI）和Jaccard指数度量网络结构稳定性，识别不连续性时段。此外，对专利标题进行词云分析（word cloud analysis）以验证语义变化。
研究结果分为两部分。
**4.1 网络趋势分析**：通过分析每年节点数和社区数，发现1980–1998年新节点逐年减少，1998–2003年新节点激增（从4个增至26个），此后又下降，至2021年网络共包含475个节点。社区数从早期最高9个降至2003年的最低点，之后稳定在4–5个。通过计算Jaccard和NMI指数，发现前二十年网络稳定性低（Jaccard指数常低于0.5），表明高度不稳定和知识重组；2000年后稳定性显著上升，尽管新节点继续进入，但网络结构稳定，表明转向知识专业化。
**4.2 网络内社区的演化**：以2021年为基准，社区检测识别出五个技术社区：社区0（化学过程，如催化、分离）、社区1（移动性，如电池、电动汽车）、社区2（冶金，如合金）、社区3（氢生产，如电解）、社区4（存储与运输，如储罐、管道）。通过分析每年每社区专利数量，发现1980年代专利主要集中于存储与运输和化学过程；1990年代移动性社区专利起飞并呈指数增长；2000年代氢生产社区专利激增；2010年代冶金社区开始出现。网络结构图显示，1989年网络稀疏，部分子类孤立；1999年密度增加，化学过程与氢生产、存储与运输与移动性之间出现高重组；2009年新节点大量进入但未改变网络结构；2021年社区更紧密互连。词云分析显示，1980–1999年专利标题以“apparatus”、“material”、“storage”等基础术语为主，2010–2021年转向“fuel cell”、“vehicle”、“integration”等应用特定术语，验证了从探索到专业化的转变。
讨论部分总结道，研究结果与技术生命周期理论高度一致：早期发酵期（era of ferment）表现为网络不稳定、社区频繁重组和知识重组；2000年后主导设计（dominant design）出现，网络趋于稳定，知识专业化成为主流。Jaccard指数的突变（如2003年）可作为技术不连续性（technological discontinuity）的可靠指标。研究还映射了氢技术政策支持的历史：2000年全球汽车制造商对燃料电池车的大规模投资导致社区快速收敛；2005年后可再生电力成本下降推动电解制氢专利激增；2016年巴黎协定后冶金社区（如氢直接还原炼钢）的兴起反映了氢技术向难以脱碳工业领域的扩展。研究的结论部分指出，所提出的方法能够有效捕捉技术生命周期中从探索阶段到专业化阶段的转变，为动态网络分析提供了稳健框架，可应用于其他技术领域。未来研究可结合多层网络、政策影响分析和人工智能方法进一步提升分析精度。
