论文部分内容阅读
[目的/意义]探究技术的知识网络层次结构以及不同层次技术知识的复杂度,对于揭示知识网络的微观形态和分析拥有不同知识结构创新主体的技术竞争优势具有重要研究意义.[方法/过程]以美国USPTO专利数据库中Energy Conservation领域的专利数据为例,构建技术的知识—知识网络(Knowledge-Knowledge Network,KKN)和知识—地理二模网络(Knowledge-Geography Network,KGN),基于K-core分解方法对KKN进行层次解析,获得知识网络的基础层、中间层、细节层三层微观知识结构,利用基于反射机制的知识复杂度测度模型(Knowledge Complexity Model,KCM)探究KKN中各层技术知识的复杂度,并分析不同城市在该领域所表现出的技术竞争优势.[结果/结论]知识复杂度能够反映知识空间分布集聚特征和被复制、模仿的难易程度,且随着该领域技术创新发展而逐渐提高.知识网络基础层代表着一个领域核心知识结构,具有较高空间覆盖率和较低知识复杂度;中间层和细节层代表一个领域微观知识结构,具有相对较低的空间覆盖率和较高的知识复杂度,是挖掘一个领域新兴技术的关键层次.城市拥有更多中间层和细节层知识往往更具有较明显的技术竞争优势.