企业颠覆性创新(BERT离群专利法)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司证券简称
• Year [年份] — 专利申请年度
• Province [省份] — 公司注册地所在省份
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• City [城市] — 公司注册地所在城市
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• County [区县] — 公司注册地所在区县
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
• IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
• NetworkPatentCount [相似度网络内专利数] — 参考余泳泽等 (2025, 中国工业经济) 的方法，计算公式为：企业当年申请、摘要非空且国际专利分类号的部属于A至H的专利件数（含发明专利与实用新型）。该数量是识别离群专利的基数，用作研究变量，越大代表企业当年可供技术比对的创新产出规模越大
• OutlierPatentCount [离群专利数] — 参考余泳泽等 (2025, 中国工业经济) 的方法，计算公式为：企业当年专利中，与同一申请年度、同一国际专利分类部内其他专利的平均技术距离大于该比较域网络平均距离的专利件数；技术距离定义为1减去两件专利摘要经BERT语言模型编码所得语义向量的余弦相似度。用作研究变量，越大代表企业当年产出的、偏离主流技术轨道的专利越多
• GrantedInventionCount [已授权发明专利数] — 参考余泳泽等 (2025, 中国工业经济) 的方法，计算公式为：企业当年申请且已获授权的发明专利件数。该数量是颠覆性创新第二阶段筛选的候选池规模，因发明专利自申请至授权存在审查周期，可用于判断各年度前向引用窗口的完整性
• DisruptivePatentCount [颠覆性专利数] — 参考余泳泽等 (2025, 中国工业经济) 的方法的两阶段识别，计算公式为：企业当年的离群专利中，同时满足为已授权发明专利、且自授权公告年起未来三年（含授权公告当年）的被引用总次数高于同一申请年度、同一国际专利分类部内全部非离群发明专利被引次数均值的专利件数。用作研究变量，越大代表企业颠覆性创新产出越多
• DisruptiveInnovation [企业颠覆性创新水平] — 参考余泳泽等 (2025, 中国工业经济) 的方法，计算公式为：ln(1+颠覆性专利数)。颠覆性专利经两阶段识别：第一阶段由BERT语言模型对专利摘要编码，按申请年度与国际专利分类部构建技术相似度网络，提取与主流技术离群的专利；第二阶段在离群专利中保留授权后三年被引次数高于同组非离群发明专利均值的部分。用作研究变量，越大代表企业颠覆性创新水平越高
• DisruptivePatentCount25 [颠覆性专利数(四分位阈值)] — 参考余泳泽等 (2025, 中国工业经济) 的方法更换被解释变量的稳健性检验，计算公式为：将第一阶段的离群判定阈值由比较域网络平均技术距离改为节点平均技术距离的四分之三分位数（即取技术距离最高的四分之一专利为离群专利）后，按同样的第二阶段筛选重新识别所得的颠覆性专利件数。用作稳健性检验变量
• DisruptiveInnovation25 [企业颠覆性创新水平(四分位阈值)] — 参考余泳泽等 (2025, 中国工业经济) 的方法更换被解释变量的稳健性检验，计算公式为：ln(1+颠覆性专利数(四分位阈值))。含义与企业颠覆性创新水平相同，但第一阶段的离群筛选标准更为严格。用作稳健性检验变量，越大代表企业颠覆性创新水平越高

常见问题

「企业颠覆性创新(BERT离群专利法)」是什么数据集？

企业颠覆性创新(BERT离群专利法)，隶属创新与知识产权。参考余泳泽等(2025,中国工业经济)的两阶段识别框架测度企业颠覆性创新水平。

该数据集的时间范围是？

覆盖 1998-2025 年。

包含哪些变量/指标？

共 18 个变量。核心指标包括：相似度网络内专利数、离群专利数、已授权发明专利数、颠覆性专利数、企业颠覆性创新水平、颠覆性专利数(四分位阈值)、企业颠覆性创新水平(四分位阈值)。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，上市公司层级。

样本量有多大？

约 75,842 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业颠覆性创新衡量企业在多大程度上开展了跳出既有技术轨道、并最终产生显著技术影响力的创新活动。颠覆性创新的概念源自 Christensen 和 Rosenbloom（1995）提出的"颠覆性技术"，其区别于常规创新之处在于独特的演化路径：它起始于低端、冷门或新兴的技术领域，技术特征与主流技术存在明显差异，对产品性能的改进幅度较小，短期内难以获得价值认可；但经由持续改进，其中一部分最终会超越既有的高端、热门领域，形成比主流技术更大的技术影响力。据此，本指标遵循余泳泽等（2025）提出的两阶段识别框架：先从专利文本中提取"离群专利"，再从离群专利中筛选出真正实现了技术影响力跃迁的部分。 第一阶段识别离群专利。离群专利指与既有专利具有不同特征、与主流技术相似性及关联性较低的专利。前瞻性与探索性是技术"颠覆"的重要特征，这也意味着颠覆性技术在文本表征上与已有技术存在"离群"。具体分四步：其一，将专利按申请年份与国际专利分类号中的"部"归类汇总，同一申请年份、同一部类的专利构成一个比较域；其二，运用 BERT 语言模型将专利摘要文字转化为可计算的语义向量 $vp$，取各词位隐层表示的均值池化结果并作 $L2$ 归一化；其三，以余弦相似度度量同一比较域内两两专利摘要向量之间的技术距离 $$d{pq} = 1 - \frac{vp \cdot vq}{\|vp\|\,\|vq\|}$$ 由此构建专利相似度网络；其四，计算每件专利与域内其他专利的平均技术距离 $dp$ 以及整个网络的平均距离 $\bar{D}$，凡满足 $dp \bar{D}$ 者判定为离群专利。 由于向量已作 $L2$ 归一化，余弦相似度退化为向量点积，故节点的平均相似度可借助域内向量和 $S=\sumq vq$ 一次性得到 $$\overline{\mathrm{sim}}p = \frac{vp \cdot S - 1}{N - 1}$$ 其中 $N$ 为域内专利数，分子中减去的一项扣除专利与自身的相似度。该变换与逐对计算完全等价，但把计算复杂度从与专利数平方成正比降为线性，使得在全部年份与部类上完成两两比较成为可能。此外，节点平均距离的均值恒等于网络全部边距离的均值，故"整个网络平均距离"这一阈值在两种读法下同解。 第二阶段筛选具备技术影响力的专利。仅在形式上表现出"离群"特征，并不意味着必然实现价值跃迁：探索性创新虽可能带来突破性成果，但成功率相对较低且需经历长期验证，许多离群专利最终被证明是"技术死胡同"（Fleming，2001）。一项专利能否在发明后创造价值，一个重要标志是其被引用情况，发明而不具备配套使用场景或未被其他技术征引的专利可视作"沉睡"的。据此，在同一部级维度对比离群专利与非离群专利的被引用次数：以发明专利的授权公告年份为起始，测算该专利未来三年（含授权公告当年）的被引用总次数 $Cp$，引用发生时点以引用方提出申请的年份为准；在每个"申请年份—部类"比较域内，计算全部非离群发明专利被引次数的均值 $\bar{C}$；离群专利中满足 $Cp \bar{C}$ 者，即技术影响力高于普通专利的部分，判定为颠覆性专利。 企业层面的颠覆性创新水平按专利申请年份归集。对多个申请人共同持有的专利，每一家参与企业各计一次，最终取自然对数 $$\mathit{disrupt}{it} = \ln\left(1 + \text{颠覆性专利数}{it}\right)$$ 稳健性度量替换第一阶段的离群判定阈值：以网络技术距离的四分位数取代均值作为阈值，即取技术距离最高的四分之一专利作为离群专利，藉此进一步提升离群筛选的精细度，其余步骤保持不变，据以得到相应的颠覆性专利数及其对数值。 除上述核心与稳健性度量外，本数据集还报告三个构成计算链条的中间量：进入相似度网络的专利数、第一阶段识别出的离群专利数，以及进入第二阶段筛选的已授权发明专利数。 补充说明 - 相似度网络的比较域：技术"离群"是相对判断，其参照系为上市公司体系内同一年度、同一部类的专利总体，涵盖上市公司本身及其子公司、联营与合营企业的专利。上市公司专利在整体技术版图中相对集中于成熟领域，故本口径下的离群判定较之以更广泛专利总体为参照时更为宽松；由于判定在比较域内部完成、同域同口径，企业之间的横向可比性不受影响。 - 语言模型的选择：原文未指定具体的 BERT 预训练检查点，本指标采用面向中文全词掩码的 RoBERTa 变体并取均值池化。句向量余弦的绝对水平会随模型实例的各向异性而变化，但本指标为域内相对比较（节点距离与网络平均距离之差），对具体模型实例并不敏感。 - 专利类型的分工：第一阶段的相似度网络纳入发明专利与实用新型两类，以完整刻画技术空间；第二阶段依原文限定为已获授权的发明专利。摘要过短或分类号缺失的专利无法进入网络，比较域内仅有单件专利时平均距离无定义，均不参与判定。 - 引用窗口与时效：第二阶段依赖授权公告与三年前向引用窗口。发明专利自申请至授权存在审查周期，被引用的积累亦需时间，因此申请年份越接近样本末端，能够完成两阶段识别的专利越少，颠覆性专利数相应偏低。数据保留至可得的最新申请年份，并同时提供已授权发明专利数，使用者可据此判断各年度的可用性并自行设定截断窗口；跨年度比较建议纳入年份固定效应。 - 归属主体口径：专利归属方限定为 A 股上市公司代码，涵盖沪深主板、创业板、科创板与北交所。B 股代码下的专利不单独计入，其同一发行主体已由对应的 A 股代码覆盖；新三板挂牌代码不属于本口径范围。 - 其他局限：当年未产生可进入网络之专利的企业年不出现在本数据集中，使用者需按研究设计自行补零；比较域内若不存在非离群的已授权发明专利，则该域缺少对照基准，不产生颠覆性专利，此种情形集中于早年的冷门部类；两种阈值口径下的颠覆性专利数不构成嵌套关系，因为收紧离群阈值会同时扩大第二阶段的对照集合、拉低被引门槛，故极少数企业年的稳健性度量会略高于基准度量。 参考文献 - 余泳泽,胡鹏,朱子政.耐心资本与企业颠覆性创新——基于企业机构投资者视角[J].中国工业经济,2025,(10):59-77. - Christensen C M, Rosenbloom R S. Explaining the Attacker's Advantage: Technological Paradigms, Organizational Dynamics, and the Value Network[J]. Research Policy, 1995, 24(2): 233-257. - Fleming L. Recombinant Uncertainty in Technological Search[J]. Management Science, 2001, 47(1): 117-132.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。