摘要：高校是专利工作的重要主体，高校的专利质量影响专利在不同地区的转化情况。文章以智慧芽全球专利检索分析数据库作为数据来源，构建专利质量评价指标体系，使用基于组合赋权法的TOPSIS-ODM模型量化评估江苏省16所“双一流”建设高校的专利质量并分析影响各高校专利质量的障碍因子，最终借助Gephi软件绘制高校“专利质量-转化网络”关联图谱，揭示江苏省“双一流”建设高校专利工作的特征规律。
关键词：指标计算，质量评价，“双一流”建设高校，专利转化
[基金项目：中国科协科学家精神教育基地史料收集和口述访谈项目“‘气象大家’科学家精神教育基地史料收集和口述访谈项目”（CG20240722009）]
在知识经济时代，知识产权的重要性日益凸显并日渐成为国家竞争力的核心要素之一。目前我国在知识产权相关工作方面已经取得显著成效，但是距离《知识产权强国建设纲要（2021—2035年）》中全面提升知识产权的创造质量、运用效益、保护效果、管理能力和服务水平，到2035年基本建成有“中国特色、世界水平的知识产权强国”的发展目标仍然任重道远。此外，国家知识产权局在
2022年
3月
16日
发布了《推动知识产权高质量发展年度工作指引（2022）》，进一步明确了知识产权工作的方向和重点。其中，专利指标已被中央政府纳入相关政策文件，成为具有纲领性、指导性规划的重要发展目标和考察内容。当前，我国正处于供给侧结构性改革的持续推进与高质量发展阶段，各科创主体能否顺应这一趋势，产出更多高质量的专利，做好专利转化工作，对于我国经济的高质量发展将会产生深远的影响。
一、研究综述
目前学界对专利质量内涵的界定涵盖技术、法律、经济三个维度[1]，专利质量评价的研究也大多围绕这三个维度来建立指标体系，运用综合评价、机器学习等方法进行相关实证分析。其中，宋凯等采用熵权-TOPSIS混合方法，对人工智能领域的失效专利开展实证分析，为中小企业从高质量失效专利中挖掘创新因子、弥补自身技术短板提供了创新方案[2]。李欣等构建了一种基于机器学习的专利质量评价方法，为实现大规模专利质量分类评价智能化提供可能[3]。李娟等基于AHP-熵权法构建指标体系，评估了丰田公司的开放发明专利[4]。而在专利转化研究领域，学者多采用比较研究的方法分析专利转化现状[5-7]，部分研究则结合社会网络分析法，如王珊珊等借助此方法揭示了专利转化的时空网络属性[8]。
综上所述，学术界在专利质量评价与专利转化领域的研究中已经取得了一定成果，但仍有一些不足：其一，在指标体系的构建上，不同维度对应的指标数量没有实现差异化，忽视了维度间的系统性和客观现实需求，部分指标难以收集，量化操作困难；其二，在模型的构建上，绝大多数研究对影响专利质量的障碍因素没有具体分析，对专利工作的现实指导意义受限；其三，在专利质量与专利转化的结合分析领域研究较少，且已有研究多局限于个别指标对专利转化的影响这一层面，尚未将全面的评价指标体系与专利转化研究相结合。
基于此，本文结合前人研究，构建了“全过程-三维度”专利质量评价指标体系，并使用基于组合赋权法的TOPSIS-ODM模型，计算并分析了江苏省16所“双一流”建设高校的专利质量，进一步借助Gephi软件绘制“专利质量-转化网络”关联图谱，以期揭示江苏省“双一流”建设高校专利工作的特征规律，对高校专利工作提出建议。
二、研究设计
（一）指标体系的构建
基于已有研究[9-19]，本文引入了一些有重要现实意义的新指标，着力构建符合高校专利特征的质量评价体系。在“数量是基础、质量是关键”的普遍研究共识上，一定程度上弱化专利数量指标，强化专利质量指标的占比，最终本文从专利创造、专利申请、专利审查、专利授权后四个阶段，共选取15个涵盖技术、法律、经济三大维度的指标，构建专利质量评价指标体系（见表1）。
（二）研究方法
1.TOPSIS-ODM模型
（1）TOPSIS法
逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS）是一种多属性决策分析方法，核心思想是通过计算各方案与最佳方案（正理想解）和最差方案（负理想解）的接近程度进行排序，最终选出最优方案。为避免单一赋权方法导致评价结果缺乏科学性和可行度，在此使用AHP-熵权法组合赋权[20]的权重值构造加权规范矩阵。参照相关文献[21]，使用和积法计算AHP判断矩阵的最大特征根及其对应特征向量。
建立组合赋权模型，计算公式[22]如下：
wjCombined=αwjAHP+（1-α）wjEWM （1）
其中，参照专家意见，考虑不同情况下的主客观数据差异，组合权重系数0.3≤α≤0.7。
（2）障碍度模型
障碍度模型（Obstacle Degree Model，ODM）[23]，可对影响专利质量的主要障碍因素进行分析诊断，从而有针对性地开展未来专利工作。具体方法如下：引入单因素对总目标的贡献度F（单一指标对总目标的权重）、指标偏离度I（单因素指标与总目标最优水平之间的差距），以及障碍度O（用于量化单因素对总目标实现的阻碍程度），公式如下：
本文的模型应用流程如下：依据“全过程-三维度”专利质量评价指标体系，在专利检索平台获取专利权人/公司的专利数据；采用基于AHP-熵权法组合赋权的TOPSIS法，计算得到专利质量评价结果；同时，运用障碍度模型识别影响专利质量的关键障碍因子。具体计算流程如图1所示。
2.专利区域转化网络可视化
结合专利质量评价的TOPSIS得分、障碍因子及专利转让[24]的空间流动数据[25]，在Gephi软件中绘制“专利质量-转化网络”关联网络图。采用“有向图”模式构建节点与边的关联关系，以直观反映专利转让流向，图中节点分别代表原始专利权人和当前专利权人，节点属性映射TOPSIS得分、专利受让数量和障碍因子所属维度；考虑是否标记自环（同一省份内转让）并选择性过滤，边的宽度映射专利转让次数[26]。此外，运用Force Atlas 2引力算法构建“核心-边缘”网络结构，以此反映专利转化的空间网络关联情况。
三、实证研究分析
（一）数据来源
本研究原始数据来源于智慧芽（PatSnap）全球专利检索分析数据库。设定专利类型为“发明申请”和“授权发明”，通过高级搜索功能设定字段，筛选时间范围为
2014年
1月
1日
到
2023年
12月
31日
、原始申请（专利权）人为江苏省16所“双一流”建设高校的所有数据。以南京大学为例，检索式为APD：[20140101 TO 20231231]AND ANS：（南京大学）。其他15所高校以此类推，将检索得到的专利数据去重（每组申请显示一组公开文本）、清洗、整理后，利用Excel工具对数据进行规范化处理。
（二）讨论与分析
1.结果与稳定性检验
计算结果显示，指标对应AHP法主观权重的最大特征根为15.865，对应的RI值为1.584，因此CR=CI/RI-0.039＜0.1，通过一致性检验。本文视主客观评价同等重要，即组合权重系数α取值为0.5。各指标权重计算结果如表2所示。
为检验不同系数（0.3≤α≤0.7）下模型的稳定性，在此引入Kendall协调系数。代入系数极值，计算后得协调系数W为0.99085，卡方值为44.58824，对应P值小于0.0001，在统计检验水平上呈现显著性；数据呈现良好的一致性，且系数在合理范围内波动，表明所构建的模型具有较好的稳定性。
从技术、法律、经济三个维度的指标权重变化来看，主观AHP法与客观EWM法的权重分配存在显著差异，组合权重则实现了二者的平衡。在技术维度中，AHP法更重视专家经验，如“平均发明人数”（AHP权重0.06414，排名中等）被赋予较高权重，因其反映技术复杂性；而EWM法更依赖数据特征，如“进行国际申请率”因数据离散度高，EWM权重（0.10282）显著高于AHP权重（0.03585），组合权重（0.06934）调和了这一矛盾。法律维度中，“平均权利要求项数”的AHP权重（0.08187）高于EWM权重（0.05978），专家更强调专利文本的严谨性和其法律保护范围的广度，而数据对其区分度有限。“有效专利数量”的AHP权重（0.08438）与EWM权重（0.07910）接近，组合权重（0.08174）进一步强化其核心地位，反映法律质量评价中主客观共识较强，数据与理论支撑并重。经济维度中，“专利转让数”的EWM权重（0.08621）高于AHP权重（0.08057），表明其实际经济价值的数据表现更突出。除“5年以上维持年限专利数量”和“专利转让数”两项指标外，专利授权后阶段的各引证指标对应AHP权重均高于EWM权重，显示专家对专利在授权后阶段表现的重视。值得注意的是，“服务战略新兴产业的专利数量”在AHP中权重最高（0.10539），反映专家对战略创新的重视，但EWM权重（0.07051）较低，组合后仍保持高位（0.08795），凸显其综合重要性。总体而言，AHP法侧重理论价值，EWM法强调数据驱动的客观差异，组合权重通过平衡主客观视角偏好，更全面地反映专利质量的多维特征。
基于组合权重计算的江苏省16所“双一流”建设高校专利质量最终结果如表3所示。
2.转化网络分析
绘制“专利质量-转化网络”关联图谱（见图2），数字节点中颜色代表障碍因子所属维度，数字标签映射高校TOPSIS得分排名。由图2可知，江苏省是江苏省“双一流”建设高校专利转化的核心枢纽[27]，江苏省对本地区高校的专利依赖度极高，省域内的高校与地方经济的联系密切；之后是地缘关系较为亲密或经济突出的浙江、广东、上海、北京、山东、安徽等省市[28]，这些地域基于其相对于江苏省的地理条件、基础设施、工业发展水平[29]，成为江苏省“双一流”建设高校专利的重要受让地。
同时，高校专利转让行为受专利质量、障碍因子属性与目标省份经济地域特征三重影响，呈现显著的层级化关联（图2）。从高校层面看，专利质量（TOPSIS得分）决定其技术输出的基础能力，而障碍因子维度则直接影响专利的转化方向。例如，东南大学（TOPSIS得分为0.67488）虽综合专利质量领先，但法律维度的“平均权利要求项数”（红色障碍因子）暴露专利申请文本的严谨性缺陷，导致其专利在跨省转让中因法律风险被经济大省（如北京）谨慎接纳；而南京邮电大学（TOPSIS得分为0.40599）虽综合专利质量较低，经济维度的“专利转让数”（蓝色障碍因子）直接指向商业化短板，通过与江苏省内产业链协同（如物联网企业集群），仍能实现本地定向转化。这表明，高专利质量未必直接转化为高度的跨区域流动性，障碍因子的维度属性通过“技术—法律—经济”传导链条，塑造专利的适用场景与地域偏好。
从省份层面看，专利接收能力呈现“核心-边缘”分化，经济水平与产业结构是主导因素。地理区位上有着超群优势的江苏省集聚了TOPSIS得分排名前5高校中的4所，其电子信息、新材料产业的密集需求与高校技术供给形成闭环，推动高质量专利的省内高效转化；而边缘省份（如新疆、海南）即便接收专利，因缺乏配套产业与二次开发能力，难以实现技术落地。进一步分析发现，经济发达地区对专利维度的选择具有偏好性：上海市偏向技术维度突出的国际型专利，故其与东南大学之间存在较为活跃的专利转化活动。
研究揭示，专利转化本质是“质量-障碍-地域”的协同博弈。突破转化瓶颈需高校针对障碍因子优化专利属性结构，同时地方政府需通过产业政策引导技术供需匹配，构建跨区域专利流通生态。
四、结语
本研究基于组合赋权的TOPSIS-ODM模型与“核心-边缘”引力网络分析，揭示了江苏省“双一流”建设高校专利质量、障碍因子与地域经济特征对专利转化的协同作用机制。实证分析表明，专利转出并非单纯依赖技术优势，而是质量基础、障碍属性与区域适配性的动态平衡结果：高TOPSIS得分高校在法律或经济维度的隐性短板，可能限制其专利的跨区域流动性；低TOPSIS得分高校则可通过精准对接本地产业需求，实现“低质量—高转化”的错位突破。地域层面，经济发达省份依托更完整发达的产业链优势成为引力核心，而边缘地区由于创新创业生态薄弱，难以突破“接收—闲置”的转化僵局。对于高校而言，需从“重数量”转向“精准化”管理，修复障碍因子，推动专利成果转化。对于政府，则应强化核心省份的辐射效应，通过税收优惠、专利转化运用专项行动等机制，引导高校高新技术专利向经济大省战略新兴产业空白区域定向流动，打造创新高地；引导基础技术专利的跨区域流动，带动欠发达地区医疗卫生、农业生产力的提高，最终实现创新资源的多维协同增值。
参考文献：
[1]谷丽，郝涛，任立强，等.专利质量评价指标相关研究综述[J].科研管理，2017，38（S1）：27-33.
[2]宋凯，冉从敬.基于混合方法的失效专利质量评价方法[J].图书馆论坛，2024，44（9）：60-68.
[3]李欣，范明姐，黄鲁成.基于机器学习的专利质量评价研究[J].科技进步与对策，2020，37（24）：116-124.
[4]李娟，李保安，方晗，等.基于AHP-熵权法的发明专利价值评估——以丰田开放专利为例[J].情报杂志，2020，39（5）：59-63.
[5]罗贵斌，黄应军.高校专利成果转化路径的比较研究[J].中国高校科技，2020（1/2）：125-128.
[6]刘期家，冯晓青，胡梦云.我国专利成果转化现状、成因与对策研究[J].广西社会科学，2014（1）：101-105.
[7]黄应军，宋浩.军民融合背景下国防专利转化的思考[J].中国高校科技，2019（3）：88-90.
[8]王珊珊，邓守萍，COOPER S Y，等.华为公司专利产学研合作：特征、网络演化及其启示[J].科学学研究，2018，36（4）：701-713，768.
[9]闫哲.国家和区域视角下新兴产业专利质量测度及影响因素研究[D].北京：北京理工大学，2018.
[10]唐恒，李绍飞，赫英淇.专利资助政策下专利质量评价研究[J].情报杂志，2015，34（5）：23-28.
[11]陈海秋，韩立岩.专利质量表征及其有效性：中国机械工具类专利案例研究[J].科研管理，2013，34（5）：93-101.
[12]孙玉涛，栾倩.专利质量测度“三阶段—两维度”模型及实证研究——以C9联盟高校为例[J].科学学与科学技术管理，2016，37（6）：23-32.
[13]生韻琪，孙晓雅.东北三省“双一流”高校专利质量评价研究[J].中国军转民，2023（24）：81-82.
[14]宋河发，穆荣平，陈芳.专利质量及其测度方法与测度指标体系研究[J].科学学与科学技术管理，2010，31（4）：21-27.
[15]乔永忠，谭婉琳.专利权利要求数与维持时间关系实证研究——以中日授权专利数据为例[J].科学学与科学技术管理，2017，38（2）：77-86.
[16]崔光彩.“双一流”视域下林业类高校专利质量分析与策略研究——以南京林业大学为例[J].中国高校科技，2020（8）：82-85.
[17]李春燕，石荣.专利质量指标评价探索[J].现代情报，2008（2）：146-149.
[18]万小丽.专利质量指标研究[D].武汉：华中科技大学，2009.
[19]郭晶.专利质量指标评价探析[J].新西部，2017（31）：60，57.
[20]刘勤，杨玉明，刘友华.高价值专利评估建模与实证[J].情报理论与实践，2021，44（2）：122-127.
[21]朱茵，孟志勇，阚叔愚.用层次分析法计算权重[J].北方交通大学学报，1999（5）：119-122.
[22]赵惠芳，朱诚，徐晟.基于TOPSIS法的安徽省专利创新绩效评价研究[J].合肥工业大学学报（社会科学版），2010，24（6）：43-48.
[23]鲁春阳，文枫，杨庆媛，等.基于改进TOPSIS法的城市土地利用绩效评价及障碍因子诊断——以重庆市为例[J].资源科学，2011，33（3）：535-541.
[24]朱庆华，李亮.社会网络分析法及其在情报学中的应用[J].情报理论与实践，2008（2）：179-183，174.
[25]范晓波，钟灿涛.高等学校专利技术转化模式与机制研究[J].知识产权，2014（11）：38-43.
[26]张丽娟，王文龙.我国高校专利技术转化机制研究——基于协同创新视角[J].江苏科技信息，2018，35（27）：13-17.
[27]李志鹏，谢祥，肖尤丹.基于专利转让的“双一流”大学知识转化能力研究[J].数字图书馆论坛，2018（8）：53-59.
[28]邓洁，张彩铃，李源信.高校专利质量对专利转化的影响效应研究——基于“双一流”高校的实证研究[J].情报杂志，2021，40（10）：200-207.
[29]杨柳，杨曦.校企专利技术转移网络的结构特征及演化研究——以“双一流建设”高校为例[J].科学学研究，2022，40（1）：123-138.
作者简介：曹玲，南京信息工程大学管理工程学院副院长，教授，研究方向为图书情报与数字图书馆、文化数字化、宏观经济管理与可持续发展；夏红瑞，南京信息工程大学管理工程学院，本科生，研究方向为图书馆情报与数字图书馆。
