利用R进行专利分析——专利权人合作网络图

#直接对SQL加工过的DERWENT数据进行统计 

#在SQL上选择虚拟现实数据库，数据是存在SQL上的大致就是包括了[ID],[GA],[AE],[SN],[Code],[Type]几种类型，其中，[ID]是标识符，[GA]是DERWENT的标识符，[AE]是专利权人名称，[SN]是专利权人在专利中的排序，[Code]是DERWENT的专利权人简写代码，[Type]是专利权人类型。

Assignee<-sqlQuery(pat,"SELECT [ID],[GA],[AE],[SN],[Code],[Type] FROM[virtual_reality_DII].[dbo].[Assignee_Info]") 

#取一个子集来做研究 

#主要以Code为standard的数据来做为研究基础，这些为DERWENT标注过的公司 

assignee_sample<-sqlQuery(pat,"SELECT* FROM [virtual_reality_DII].[dbo].[Assignee_Info] WHERE Type='standard'") 

#data.frame进行精简，有些列表不起作用了，去掉[Type],[UnifyName],[Lable]三列 

assignee_sample<-assignee_sample[,c("ID","GA","AE","SN","Code")] 

#统计Code的频次，为排序做准备 

assignee_freq<-with(assignee_sample,table(Code))

 #强行改变数据格式为data.frame形式  

assignee_freq<-as.data.frame(assignee_freq) 

#按照频数进行排序 

assignee_freq<- assignee_freq[order(as.numeric(assignee_freq$Freq),decreasing = TRUE), ]

#专利权人合作网络图 #构建矩阵 

a<-table(assignee_sample$GA,assignee_sample$Code) 

#查看是否是矩阵 is.matrix(a) #t()是矩阵的转置

#可以用crossprod实现效率更高 

#a是一个左边为GA，右边为Code的方阵 #因此矩阵A的转置矩阵（A'）%*%(A)就等于Code的邻接矩阵 

#b是Code为边的临接矩阵

library(igraph)

#调用igraph包 

g=graph.adjacency(b>2,mode="undirected",diag=F) 

#去掉对角线，将模式改为无向网络，画出合作图。

plot(g,layout=layout.graphopt,edge.color=grey(0.5),vertex.size=3,edge.arrow.size=.2,vertex.label=NA,) 

#layout有若干参数可以选择，不同算法呈现图的效果不同：graphopt、kamada.kawai、spring、circle、sphere