刘奕涵 石安杰 李振威 何喜军

[摘 要]为研究粤港澳大湾区在芯片技术领域的协同创新状况，以地区为研究对象建立专利合作网络，分阶段分析网络整体结构和节点特征。基于节点相似性用链路预测方法预测湾区未来有可能进行合作的地区。得出结论：城市间合作将以深圳、广州、佛山为核心开展;深圳、广州有望带动科技水平较弱地区进行技术交流;鼓励跨地区间技术合作将成为推动湾区科技均衡发展的重要手段。

[关键词]粤港澳大湾区;复杂网络;链路预测;芯片技术

[DOI]10.13939/j.cnki.zgsc.2020.35.032

1 引言

粤港澳大湾区产业集群优势明显，整体创新合作程度不高，创新资源未能完全实现共享[1]。各城市间的技术创新合作不协同，整体网络较为疏松，区域间发展差距大，在此背景下，采用社会网络分析法研究大湾区专利技术合作能够体现出网络特征，促进创新资源的优化整合，加强区域间的科技创新合作，缩小区域间的发展差距。对粤港澳地区繁荣稳定、建立有效创新合作机制都具有重大意义。

2 文献综述

2.1 区域技术创新合作网络研究

区域合作网络特征：苏屹（2018）等学者发现区域创新关联关系网络中各子群密度有较大差异，内部各省市创新关联关系分布不均，子群间的融合度较差[2]。弓志刚（2012）通过研究共同申请专利数据，发现我国跨区域技术创新合作网络的规模、密度、强度、空间范围等都表现出良好的发展态势[3]。温芳芳（2013）发现我国跨区域技术合作关系的分布具有显著的不均衡性和地域倾向，东西部差距较大[4]。吕荣杰（2019）等学者发现中国区域科技创新空间关联特征明显且空间关联网络具有较好的稳健性[5]。

区域合作网络影响因素：刘芳芳和冯锋（2015）研究发现我国跨区域产学研合作日益频繁，很大程度上仍受到区域经济发达程度和地理位置的影响[6]。何喜军（2016）等学者发现区域间协同对要素与制造业协同发展水平的提升作用较显著，各区域要素禀赋差异性导致制造业发展的要素驱动模式呈现多元化[7]。刘凤朝（2015）等学者发现区域间知识溢出模式具有明显技术领域特征，不同技术领域知识吸收能力对区域间技术交易网络与区域创新产出关系的调节作用存在差异[8]。夏丽娟（2017）等学者发现区域之间的地理邻近及技术邻近对跨区域产学协同创新绩效的影响正向且显著[9]。

2.2 区域技术创新合作网络链接预测研究

网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性[10]。

区域间合作网络应用：刘俊婉（2019）等学者通过链路预测对新兴主题关联机会进行预测，发现深度学习研究领域主题共现网络的最优指标为AA指标[11]。何喜军（2019）等学者构建京津冀产业间隐含资源网络，发现粗糙相似度指标预测精度最高，三地未来产业发展对高端要素资源的依赖呈现同质性[12]。武玉英（2018）等学者以新能源领域为例，发现将RA与内容相似性指标融合后，预测精度略有上升，能更全面的挖掘出可能发生交易的供需主体对[13]。

大湾区合作网络应用：王方方与杨焕焕对大湾区城市群空间经济网络结构进行分析，发現广州、中国香港、深圳、佛山处于网络中心位置[14]。曾志敏与杨泽森（2018）对粤港澳大湾区地区知识、技术创新网络研究发现内地高校论文数量多于湾区，但创新网络搭建和引领的能力不足[15]。许培源与吴贵华研究大湾区知识创新网络结构空间演化及其形成机制，发现广州、香港处于中心位置，深圳已经成长为知识创新网络的新中心[16]。

3 数据采集处理及统计

数据采集与处理：当前，芯片产业作为信息产业的核心，发展迅速，在此背景下，选择Incopat数据库，在专利摘要或说明书中以“芯片”为检索词进行检索，采集粤港澳大湾区中11个地区2003—2018年的有效专利数据共108500条。将单次合作中涉及多地区的记录进行拆分，规则为：将ABC结构拆分为A+B、A+C、B+C。筛选后得到专利合作数据共5560条。

专利申请及阶段划分：依据专利年度申请数，将2003—2007年定为芯片技术的起步期（阶段I），2008—2012年为发展期（阶段Ⅱ），2013—2018年为高速发展期（阶段Ⅲ）。三个阶段的专利申请数分别为96、1264、4200条。粤港澳大湾区协同技术创新发展阶段，与我国推进科技工作发展实施科教兴国战略（1985—2006年） 、建设创新型国家（2007—2012年） 、实施创新驱动发展战略和建设世界科技强国（2013年开始）三个阶段基本吻合[17]。

4 专利合作网络构建及结构分析

粤港澳大湾区内地区间专利合作是相互合作，不存在方向性，因此可将关系描述为一个完整无向加权网络。选择“地区”作为节点，按照上述时间阶段对于整体网特征、节点特征进行分析。

4.1 整体网特征

将“地区”作为网络中节点，以粤港澳大湾区城市之间芯片技术领域合作关系作为网络中的边;节点大小反映出该地区拥有的合作专利数量，连线粗细代表城市间合作专利强度（数量）[18]，形成2003—2018年大湾区城市间技术合作网络，如图1所示。

由图1可知：广州、深圳以及佛山具有较高度数中心度，是网络中的核心节点;连接“深圳与东莞”“深圳与广州”以及“广州与佛山”边的权重较高，表明城市间合作次数较多。分不同阶段进行网络整体特征分析，得到结果如表1所示。

由表1可知：网络凝聚力及整体网密度逐渐增大，表明城市间合作关系更为紧密，三个阶段的平均路径长度较小，且聚类系数较大，城市间专利合作网络具有小世界效应[19]。在2016年3月国务院印发的《关于深化泛珠三角区域合作的指导意见》中，明确要求广州、深圳携手港澳，共同打造粤港澳大湾区，建设世界级城市群。各城市积极响应，专利合作从少数城市固定合作向多个城市开放合作趋势发展[20]，且网络局部结构上具有较明显的集团化特征。

4.2 节点特征

将“地区”作为节点进行特征分析，“外部强度”表示该地区与其他地区合作频次;“度数中心度”衡量节点在网络图中的重要性;“接近中心度”衡量不受他人控制的测度;“中间中心度”衡量资源控制程度，结果如表2所示。

由表2可知：①各地区合作率都达到了0.5以上，各城市间专利合作关系较紧密，随着时间推移，广州等七个地区出现“趋于自给自足”特征，深圳等四个地区出现“趋向合作”特征;②根据城市的中心性特征发现，在阶段Ⅲ广州在整个网络中处于核心地位，并且接近中心度较低，表明广州独立性较强，具有较高效率[21]。从阶段Ⅱ到阶段Ⅲ，网络中介城市由深圳转为广州，广州对网络中资源的控制程度较高;分析其原因主要为广州地区的高等院校数量占大湾区高等院校总数的50.6%，并且截至2019年广州市R&D人员达到20.36万人，各类科学研究与开发机构数达166个，城市科技整体水平较高。

5 地区间合作预测

链路预测是指利用网络的結构或者节点的属性信息预测未产生连接的两个节点间产生连接的可能性。本文运用基于网络局部信息相似性的方法，选取CN、Jaccard等十个指标，结合AUC精确度评估的方法，计算得到粤港澳大湾区11个地区间未来合作预测结果。

5.1 链路预测指标选取

选取复杂度较低的基于局部信息相似性的指标对地区间进行合作预测。CN指共同邻居指标，考虑两个节点的共同邻居节点数目。采用的十种指标皆以CN为基础，采用不同处理方式计算得到。对网络节点x，定义它的邻居为Γ（x），k（x）=Γ（x）为节点x的度，下表总结定义公式。针对无向网络G（V，E），对每对没有连边的节点对（x，y）赋予一个分数值Sxy。

5.2 粤港澳大湾区地区间合作预测

以粤港澳大湾区11个地区合作数据为基础生成邻接矩阵，并运用MATLAB软件计算十种基于节点局部信息相似性的指标。运用AUC算法进行十种指标精度评估，得到结果如表3所示。

由表3结果可知，AA和RA指标的精度仅为0.02左右，不适用于对网络进行节点间链路预测，因此在后续研究中采用测评精度较高的CN、Salton等8个指标，利用熵权法对其进行权重分配，计算出每对节点的融合值。将标准化后融合值从大到小进行排序，表4展示最有可能在未来产生合作关系的6对省市。

由链路预测结果可知，最有可能在未来发生专利技术合作的地区为深圳和广州，且两地区在前十名中分别出现5次，说明深圳和广州在未来芯片领域专利技术合作中起到领军作用。另外，融合值排名倒数前十名是大湾区其他10个地区分别与澳门合作的节点对。其中排在最后一名的是香港和澳门之间的合作。由此可以看出，芯片技术领域甚至科技领域发展都较为不均衡。

在全部55对节点对当中，中国香港与深圳合作可能性排名第21，处于中等偏上，同时深圳也是最有可能和澳门地区产生合作关系的地区。因此，若希望促进粤港澳大湾区科技均衡发展，除了在中国香港、中国澳门引入科技人才及技术主体之外，深圳地区应在未来合作中积极与中国香港和中国澳门地区科技主体进行专利技术合作。所以促进粤港澳大湾区在未来进行跨地区的合作是实现大湾区科技协同发展的重要方法之一。

6 结论与启示

本文以粤港澳大湾区在芯片技术领域11个地区为对象，建立专利合作网络，并进行网络整体及节点特征、社团结构特征分析。选取基于节点局部相似性的指标对现有网络进行链路预测，探究大湾区未来有可能进行合作的地区。研究得到如下结论：一是大湾区城市多核心：深圳、广州以及佛山为核心城市，可更好促进技术传播共享，从而带动整个大湾区共同发展;二是最有可能在未来发生专利技术合作的地区为深圳和广州，具有领军作用。中国澳门和中国香港在芯片领域科技发展尚处于较低水平。

针对以上结论，可得出促进粤港澳大湾区发展的如下启示：在芯片研究领域，大湾区城市存在核心城市与边缘城市差距过大的特征，为了加强大湾区城市群之间的合作协同创新，需要加强城市间科技资源以及人才的流通，构建健全的协同创新机制，促进大湾区城市的共同发展。

本研究存在一定局限性。研究中仅考虑粤港澳大湾区11个地区彼此间专利合作情况，未考虑湾区内地区与其他城市存在的专利合作关系。之后的研究可将重点放在湾区内地区与全国各地区的专利合作情况，构建全国范围内知识创新网络并进一步分析。

参考文献：

[1] 郭文伟，王文启.粤港澳大湾区金融集聚对科技创新的空间溢出效应及行业异质性[J].广东财经大学学报，2018，33（2）：12-21.

[2] 苏屹，韩敏睿，雷家骕.基于社会网络分析的区域创新关联网络研究[J].科研管理，2018，39（12）：78-85.

[3] 弓志刚.基于社会网络分析的中国跨区域技术创新合作研究[J].科技管理研究，2012，32（10）：10-14.

[4] 温芳芳.基于专利计量的区域间技术合作网络研究[J].情报杂志，2013，32（11）：32-36.

[5] 吕荣杰，贾芸菲，张义明.中国区域科技创新的空间关联及其解释[J].经济与管理评论，2019，35（4）：106-115.

[6] 刘芳芳，冯锋.产学研跨区域合作现状及特征研究——基于社会网络视角[J].科学学与科学技术管理，2015，36（8）：83-92.

[7] 何喜军，魏国丹，张婷婷.区域要素禀赋与制造业协同发展度评价与实证研究[J].中国软科学，2016（12）：163-171.

[8] 刘凤朝，刘靓，马荣康.区域间技术交易网络、吸收能力与区域创新产出——基于电子信息和生物医药领域的实证分析[J].科学学研究，2015，33（5）：774-781.

[9] 夏丽娟，谢富纪，付丙海.邻近性视角下的跨区域产学协同创新网络及影响因素分析[J].管理学报，2017，14（12）：1795-1803.

[10] LYU L，ZHOU T. Link prediction in complex networks： a survey[J]. Physical A： Statistical Mechanics and Its Applications，2011，390（6） ： 1150 - 1170.

[11] 劉俊婉，龙志昕，王菲菲.基于LDA主题模型与链路预测的新兴主题关联机会发现研究[J]. 数据分析与知识发现，2019（25）：104-117.

[12] 何喜军，魏国丹，武玉英，等.京津冀产业间隐含资源网络构建及资源流动关系预测[J].统计与决策，2019，35（22）：78-81.

[13] 武玉英，张博闻，何喜军，等.新能源领域专利转让网络中技术供需主体间交易机会预测[J].情报杂志，2018，37（5）：79-84，96.

[14] 王方方，杨焕焕.粤港澳大湾区城市群空间经济网络结构及其影响因素研究——基于网络分析法[J].华南师范大学学报（社会科学版），2018（4）：110-120.

[15] 曾志敏，杨泽森.粤港澳大湾区的创新网络与大学角色：网络视角的分析[J].智库理论与实践，2018，3（3）：78-88.

[16] 许培源，吴贵华.粤港澳大湾区知识创新网络的空间演化——兼论深圳科技创新中心地位[J].中国软科学，2019（5）：68-79.

[17] 侯波.改革开放以来我国科技工作的历史演进及启示[J].毛泽东邓小平理论研究，2018（10）：28-33，107.

[18] 陆亦恺，石亮，张善杰.基于社会网络分析的高校专利合作特征与案例研究[J].现代情报，2015，35（8）：69-74.

[19] 李红，陈少龙.基于社会网络分析的智能手机专利发明人合作网络演化研究[J].科技管理研究，2013，33（20）：157-160，165.

[20] 李文辉，李青霞，丘芷君.基于专利计量的粤港澳大湾区协同技术创新演化研究[J].统计研究，2019，36（8）：74-86.

[21] 胡成，李明星，张梦娟，等.基于社会网络分析的上海市高校专利合作研究[J].科技管理研究，2017，37（14）：119-127.