1985～2024 年全部专利互引网络的中心度和 pagerank 指标计算结果

今天给大家分享一份「1985～2024年全部专利互引网络的中心度和 pagerank 指标计算结果」。该数据是使用前不久给大家分享的「1985~2024 年全部专利引用与被引用详细信息」使用 R 语言 tidygraph 包计算得到：

1985~2024 年全部专利引用与被引用详细信息：https://rstata.duanshu.com/#/brief/course/225ad0b59a9945e1831d2e8b96ca1001

tidygraph 包 提供了多种计算中心性的函数，不过根据全部专利引用与被引用数据计算是个运算量非常大的工作，所以这次我仅仅计算了 centrality_degree() 和 centrality_pagerank()。

# 获取 tidygraph 包中 centrality 开头的函数
ls("package:tidygraph") %>%
  as_tibble() %>%
  filter(str_detect(value, "^centrality")) %>%
  pull(value) %>%
  list() -> functionlist

centrality_degree()

centrality_degree() 用于计算度中心性，即一个节点直接连接的邻居数量（无向网络）或边的方向性数量（有向网络）。

注意专利引用网络是有向网络。对于有向网络，有三个可选参数：

• mode = “out”：出度（out-degree，节点指向外部的边数）。
• mode = “in”：入度（in-degree，外部指向节点的边数）。
• mode = “all”：总度数（默认，出度 + 入度）。

这里我计算的是总度数。

中心度指标可以用于识别网络中的“枢纽”节点，也就是连接最多的节点。

centrality_pagerank()

centrality_pagerank() 用于计算 PageRank 中心性。这是 Google 创始人提出的算法，用于衡量节点在网络中的“重要性”。该算法不仅考虑邻居数量，还考虑邻居的质量（即高 PageRank 的邻居贡献更大）。

该算法的核心思想是：

1. 一个节点的 PageRank 值由指向它的其他节点的 PageRank 值加权求和得到。
2. 通过随机游走（Random Walk）模拟用户在网络中的浏览行为，修正了简单度量的局限性（如仅计算入度时，所有入边权重相同的问题）。

由于专利数据非常巨大，所以这里并没有提供专利的其他变量，仅仅包含 newipzlid 和计算的两个指标：

下图展示了历年的平均值：

如果需要其他变量，需要结合之前分享的专利基本信息数据使用：

1985～2024 年专利申请与授权数据（版本 3，含申请人所处的省市区县）：https://rstata.duanshu.com/#/brief/course/2397451274c546d3a36e156ffc865988

数据引用格式

在论文中使用该数据请声明数据来源于RStata 数据中心，或者 RStata Data Center，并使用下述的格式引用：

RStata 数据中心: 1985～2024年全部专利互引网络的中心度和 pagerank 指标计算结果. 2025. https://tidyfriday.cn/rsdb2/

RStata Data Center: Calculation results of centrality degree and PageRank metrics for the mutual citation network of all patents (1985–2024). 2025. https://tidyfriday.cn/rsdb2/

另外也建议在说明数据来源的同时，根据本文的介绍在论文中描述数据的详细处理方法。

点击这里跳转到 RStata 短书平台获取附件：1985～2024 年全部专利互引网络的中心度和 pagerank 指标计算结果