通过专利引用系统的动力学描述对创新进行建模

本文报告了运用网络理论方法研究美国专利系统的结果。我们将专利引用网络建模为一个离散时间、离散空间的随机动态系统。根据超过200万项专利及其引用的数据，我们提取了一个吸引力函数$A(k,l)$，该函数决定了专利被引用的可能性。$A(k,l)$近似可分解为函数$A_k(k)$和函数$A_l(l)$的乘积，其中$k$是已获得的引用次数（入度），$l$是以专利号单位衡量的年龄。$A_l(l)$在低$l$处显示出一个峰值，并具有长幂律尾部，这表明一些专利技术具有非常长期的影响。$A_k(k)$表现出超线性的优先依附性。自1991年以来，优先依附指数一直在增加，这表明专利引用越来越集中于相对较少的专利上。在同一时期，一项新专利被特定专利引用的总体平均概率略有增加。我们讨论了我们的结果对专利政策可能产生的一些影响。