技术网络：创新的自动催化起源

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Technology networks: the autocatalytic origins of innovation》
---
作者：
Lorenzo Napolitano, Evangelos Evangelou, Emanuele Pugliese, Paolo
  Zeppini, Graham Room
---
最新提交年份：
2018
---
英文摘要：
  We analyse the autocatalytic structure of technological networks and evaluate its significance for the dynamics of innovation patenting. To this aim, we define a directed network of technological fields based on the International Patents Classification, in which a source node is connected to a receiver node via a link if patenting activity in the source field anticipates patents in the receiver field in the same region more frequently than we would expect at random. We show that the evolution of the technology network is compatible with the presence of a growing autocatalytic structure, i.e. a portion of the network in which technological fields mutually benefit from being connected to one another. We further show that technological fields in the core of the autocatalytic set display greater fitness, i.e. they tend to appear in a greater number of patents, thus suggesting the presence of positive spillovers as well as positive reinforcement. Finally, we observe that core shifts take place whereby different groups of technology fields alternate within the autocatalytic structure; this points to the importance of recombinant innovation taking place between close as well as distant fields of the hierarchical classification of technological fields.
---
中文摘要：
我们分析了技术网络的自催化结构，并评估其对创新专利动态的意义。为此，我们根据国际专利分类定义了一个技术领域的定向网络，其中，如果源领域的专利活动比我们随机预期的更频繁地预测同一地区的接收领域的专利，则源节点通过链接连接到接收节点。我们表明，技术网络的演变与不断增长的自催化结构的存在是相容的，即网络的一部分，其中技术领域通过相互连接而相互受益。我们进一步表明，自催化集核心的技术领域显示出更大的适用性，即它们往往出现在更多的专利中，从而表明存在正溢出和正强化。最后，我们观察到，在自催化结构中，不同的技术领域组交替发生核心转移；这表明了在技术领域等级分类的近领域和远领域之间进行重组创新的重要性。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Technology_networks:_the_autocatalytic_origins_of_innovation.pdf (1.4 MB)

2022-6-1 05:51:22 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Applications Architecture Contribution Hierarchical Quantitative

技术网络：创新的自催化起源Lorenzo Napolitano1,3、Evangelos Evangelou、Emanuele Pugliese1,2,3、Paolo Z eppini1,4和Graham Room。2019年9月11日巴斯大学，BA2 7AY Bath，英国国际金融公司，世界银行集团，20433华盛顿，美国系统综合研究所（ISC）-CNR，00185罗马，ItalyUniversit\'e C^ote d\'Azur，CNRS，GREDEG，06560 Valbonne，Franciabstractwe分析技术网络的自动催化结构并评估其对创新专利动态的重要性。为此，我们根据国际专利分类定义了一个技术领域的定向网络，其中，如果源领域的专利活动预测同一地区的接收领域专利的频率高于我们随机预期的频率，则源节点通过链接连接到接收节点。我们表明，技术网络的演变与不断增长的自动催化结构的存在是一致的，即网络的一部分，其中技术领域通过相互连接而相互受益。我们进一步表明，自动催化装置核心的技术领域显示出更大的能力，即它们往往出现在更多的专利中，从而表明存在正溢出和正强化。

最后，我们观察到，在自催化结构中，不同技术领域的集团交替发生核心转移；这表明了在技术领域等级划分的近领域和远领域之间进行重组创新的重要性。1引言关于复杂系统的大量研究——包括物理、生物和社会经济系统——侧重于异构主体群体内的相互作用结构与其所填充的聚合系统的动态特性之间的关系。这意味着从线性叙事的视角发生了变化，在线性叙事中，因果关系相关现象的方向是明确的，朝着累积因果关系的过程转变[1，2]。这种关系在生物系统的研究中尤其明显，因为纯资源竞争模型无法解释生态系统的持续多样性。为此，本文所表达的发现、解释和结论是作者的，并不一定反映世界银行集团、其董事会或其所在政府的观点。介绍异源种群中的某些物种可以作为其他物种生存的催化剂（或抑制剂）的观点。猎物和掠食者之间的相互作用是这种关系最著名的例子之一，但在植物与传粉者的相互作用、机会主义行为和共生关系等环境中也观察到了类似的机制。这些生态系统的一个特别相关的特征是存在自催化集【4】——自我维持的子系统，其中每个物种直接或间接地从与其他物种的共存中受益。

上述框架中交互的相关性有助于复杂系统的解释，网络是分析的自然工具。催化相互作用的概念可以有效地扩展到人类系统，尤其是技术创新领域。在这种情况下，当现有想法被应用于新问题或用于连接以前不相关的领域时，技术领域之间就会发生相互作用，从而扩大技术能力集并产生进一步的创新【5、6、7、8、9、10】。例如，考虑激光的发展，这为从电信到数据存储和医疗保健等不同行业的多项创新开辟了道路。多个技术领域的结合也可能导致根本性的（可能是破坏性的）变革或技术“融合”[11、12、13]。前者的一个例子是光电子，因为光电设备是现代电信系统技术框架的基础；智能手机和电子平板电脑提供了一个显著的融合示例，它们结合了以前只能在计算机、电话和电视机中单独找到的功能。一般来说，将先前孤立领域h中的kn owledge与几个创新导向领域中极为相关的领域相结合，例如，学术研究项目——通常涉及背景不同的群体之间的科学合作【14】——和工业合作——其中研发合作已成为普遍做法【15、16、17】，尤其是在技术进步速度较快的行业（如生物技术【18】和IT【19】）。

因此，过去对科学合作[20、21、22]和工业合作[23]的网络结构进行了深入研究。本研究调查了从专利数据中提取的技术领域之间相互作用网络的自催化结构，并展示了复杂系统分析工具如何能够根据相互作用网络中的错误预测各个领域的演变和未来相关性。在【24】之后，我们说，如果一个区域的创新发展涉及到前者，并且与后者在同一区域的创新专业知识的未来出现有积极的关联，那么一个技术领域对另一个技术领域是有催化作用的。我们利用专利作为发明的代理，这与关于技术变革模式的既定研究相一致，这是由学术界和机构界率先提出的，旨在挖掘其潜力，揭示有关技术进步驱动因素、技术领域相对重要性、技术创新和创新的相关开放性问题，技术接近度与技术多样性对出现渐进式创新的重要性【27】。使用专利作为数据源的一个决定性优势在于，如果申请人公布了专利发明的完整描述，允许他人在专有权到期后复制，则授予其发明的专有商业权。为了评估创新性，专利局通过标准分类系统将每项发明所要求的新颖特征映射到其影响的技术领域，并将上述信息收集到专用数据库中。

这导致了创新谱的广泛覆盖和允许大规模分析的高度标准化。论文的其余部分组织如下。第2节根据专利分类代码定义了技术网络；第3节总结了自催化网络的特点；第4节报告了我们对技术网络自催化结构的研究结果；第5节结束。2专利网络2.1连接地区和技术领域的分析依赖于PAT STAT【28】中包含的专利数据，PAT STAT是一个全面的数据库，收集世界各地国家和地区专利办公室的申请信息。PATSTAT包含多个表格，将超过五千万份专利申请与信息联系起来，如申请的截止日期、所属的专利家族以及专利审查员提交给专利权利要求的国际专利分类（IPC）代码编码的技术内容。IPC代码定义了由五个级别（节、类、子类、组、子组）组成的层次分类，其中包括最粗级别（节）的8个代码，以及分类树底部的7万多个代码。我们通过Orbis将专利与其受让人的位置联系起来，Orbis是由van Dijk局维护的企业级数据商业数据库，它收集了在某个时间点活跃于专利申请的公司所领导的申请的专利申请人名单。我们将与专利族相关的技术代码与企业级数据进行匹配，以明确地通过企业所在国和企业代码对企业进行地理定位。

这使我们能够通过专利组合和公司的地理位置构建一个地理矩阵，将IPC代码归属于地区。我们观察了世界各地不同的地区，以揭示同一地区内创新领域对其他领域产生的影响。为了在不同国家建立可比较的区域，我们需要一个空间识别系统。对于欧洲国家，我们将专利公司的邮政编码连接到标准欧洲分类的相关地区（例如意大利的省份和英国的地区）。由于坚果分类中不包括欧洲以外的国家，我们在必要时采用国家分类，并使其与所采用的欧洲分类保持一致，从而确保地理树的一致性。我们的数据确定了一个由39个国家的3000多个地区组成的空间层次结构，并汇总了约50万家专利企业的位置信息。如上所述，构建数据矩阵（W（t））的基本观察单位是个体企业及其拥有的专利。特别是，我们将专利分为系列，并将后者视为单独的发明，因为它们组合在一起的文档之间具有很强的连续性。在构建矩阵时，我们假设t年包含专利的每个家庭都算作一个单位，并相应地在W（t）内加权。此外，我们假设，通过考虑专利族中包含的一组独特的IPC代码，可以合理地解释专利族中所表达的技术，从而避免重复计算同一年专利申请中出现的属于s AME族的代码。

我们将某一年内活跃的每个家族的非it权重平均划分为其所映射的所有独特技术代码组合和区域，因此，定义一个专利家族是针对同一发明的专利申请集合，通常是不同的专利。顺便注意，总部位于多个地点的公司（或公司集团）不一定将其所拥有的财产归属于其公司总部的地址，但有时将投资归属于其所在地区或附属机构。第三级地区统计单位等级命名法，欧洲统计局制定的欧洲次国家地区标准分类。首字母缩略词通常也与分类的英文名称相关，即用于统计的属地单位命名法。元素Wr，i（t）为所有在第t年拥有专利的家族中，归属于第i领域和区域r的每个家族的份额之和。为了进行分析，我们需要将每个W（t）转换为存在-缺失矩阵。根据文献，如果相应单元内的值与显示优势的度量兼容，则我们将位置技术对的值指定为1。这使我们能够减少噪音，避免夸大技术领域在这些领域中的相关性，因为它们在这些领域中所起的作用微乎其微。特别是，我们使用显示的比较优势[29]生成矩阵M（t），其中Mr，i（t）记录为存在（Mr，i（t）=1），如果在相应的W（t）中，我们有thatWr，iPiWr，i>PrWr，iPr，iWr，i，（1）和缺失（Mr，i（t）=0）。由于专利申请和专利局发布数据之间的时间间隔，我们采用的PATS TAT版本（2014a）包含截至2011年的可靠数据，此前ich覆盖率急剧下降。

因此，2011年是我们纳入分析的最近一年。至于时间间隔的左端，覆盖率并不是一个问题，特别是在20世纪后半叶，尽管专利数量迅速下降。我们停在1980年，因为它在分析时间间隔较长和处理不太稀疏的年度M（t）矩阵之间找到了平衡。2.2技术领域之间的定向网络这项工作的目的是衡量在时间t涉及技术领域i的地理区域（r）内发生的专利活动与在时间t+δ涉及可能不同领域（j）的r中形成的专利活动之间的关系。为此，我们统计了在时间t时，在时间t+δ时产生j领域专利的地区，i领域专利出现的频率。我们对区域多样性dr（t）进行贴现，即区域R在时间t时活跃的领域数量，以及不同领域ui（t）的普遍性，即每个领域在时间t时代表的区域数量，以确定一个技术领域的创新在同一地方的另一个领域后退的超额概率。将[24]提出的程序应用于[30，31，32]提出的概念框架，我们得到：Bi，j（t，δ）=ui（t）XrMr，i（t）Mr，j（t+δ）dr（t+δ），（2）其中dr（t）=PjMr，j（t）和ui（t）=PrMr，i（t）。Bi，j（t，δ）可以解释为一个地区在时间t在领域i显示出竞争优势的可能性，该地区在时间t+δ在领域jBi显示出竞争优势，j（t，δ）=P概率（j，t+δi，t）=XrP概率（j，t+δr）P概率（r | i，t），（3）假设技术领域的能力关联信息完全由其在每个地区的共现信息捕获，即。

P概率（j，t+δ| r，i，t）=P概率（j，t+δ| r）。图1给出了解释方程3的等效方法，图1描述了三分定向网络，该网络在时间t将（1）技术领域i连接到（2）区域，并在时间t+δ将区域连接到（3）技术领域j。在这个框架中，Bi，j（t，δ）等价于在时间t从技术i开始的网络上的随机游动在时间t+δ到达技术j的可能性。值得注意的是，分析规模的选择并不是新的，本文给出的结果参考δ=1图1：三层技术国家技术的模型表示。因为，与任何社会经济过程一样，创新也具有不同的特征，这取决于观察到创新的分辨率。然而，方程式3可以自然地应用于观察不同技术粒度下的系统。在下面的内容中，我们使用IPC类进行正文中所述的分析，然后检查结果对更分类的IPC子类的稳健性（见补充信息）。类和子类是IPC层次结构的两个嵌套级别，分别将与专利相关的技术领域划分为121个和640个领域。2.3评估等式2的链接重要性矩阵B（t，δ）表示连接所有技术的有向加权网络。然而，为了确定两种技术之间的联系是否具有统计意义，需要一个nullmodel来解释以下事实，即由于图表的性质，某些联系可能看起来相关，而不是任何实际催化作用的产物。