技术创新系统是一个典型的复杂系统,它包含专利、产品、企业、城市等数量庞大的组成元素及它们之间的复杂相互作用。随着人类创新活动所带来的信息和知识的爆炸式增长,技术创新系统的规模和复杂性也在不断提升。深入理解技术创新系统中的组织特征和动态模式,并据此预测未来发展水平具有重要的理论价值和现实意义。然而,针对复杂多源创新数据,如何对技术创新系统进行建模刻画和量化预测是一个极具挑战性的问题。在这一背景下,本文利用全球大规模专利数据,从微观、中观、宏观三个层面开展对数据中反映出来的专利以及不同层级的技术创新主体（包括企业、城市、国家等）的研究,提出新的模型方法实现对技术创新系统的量化建模、模式挖掘和创新预测,揭示出数据背后的系统结构特征及演变规律。主要研究内容和创新点如下:（1）微观层面以专利为研究对象,主要研究专利技术影响力的量化排序问题。本文构建专利引用网络并系统对比了九种网络节点排序算法识别重要专利的能力,研究发现大多算法的排序受专利年龄的影响,存在年龄偏差,而算法与数据集中重要节点的年龄偏差重叠使得算法性能随数据集变化而异,难以实现统一评估,这是过去研究一直忽视的问题。为解决该问题,本文提出一种时间无偏的算法评估框架,以消除年龄偏差对评估结果的影响。在三个大型专利及论文数据集上的实验表明,该评估框架可以揭示算法的一致表现,其中重标度的Page Rank和Leader Rank算法效果最优。研究结果不仅为专利技术影响力的量化提供了有效方法,也为算法偏差与无偏评估问题提供了解决思路。（2）中观层面以企业为研究对象,主要研究企业创新的动态演化模式挖掘。本文提出利用企业的专利时序数据刻画企业的创新生涯,并构建方法从技术和经济两个维度量化企业的创新价值。在美国专利及商标局公开的专利数据上实验发现,企业前期的创新价值对后期创新表现具有较强的预测能力,且经济价值的预测能力最强,并借助因果推断方法揭示了前期经济价值对企业创新成功的重要作用。针对企业创新的成功机制和演变动态,研究发现企业突破性创新出现的时间规律与个人创新者的随机分布显著不同,并基于此提出新的模型刻画了企业生涯中的价值演变动态,在美国、欧洲企业专利数据集上证明了所提出模型的效果显著优于现有模型。本文的研究向定量理解企业的技术创新机制迈出了关键一步,也为数据驱动的模式挖掘问题提供了新的方法。（3）宏观层面以城市和国家为研究对象,主要研究区域创新结构建模、技术竞争力量化及演化预测方法。利用中国发明专利数据集,本文构建了城市-技术二部分网络,基于该网络提出了一个非线性迭代方法量化城市的技术竞争力与技术的复杂度,揭示出我国的技术竞争力分布及其与地区生产总值的正相关关系。针对不同地区的技术差异,本文进一步构建技术空间网络,分析了各省技术空间结构的异质性,发现了技术发展的路径依赖模式。在国家层面,利用欧洲专利局公开的全球专利数据,本文构建了国家之间的专利引用网络,提出基于全球引用网络衡量国家技术影响力的方法,并通过构建“技术-经济”二维动态系统,提出新的方法预测国家未来的人均GDP发展。在欧洲专利数据集上的实验表明,新方法的预测误差比国际货币基金组织发布的预测误差低约35%,并优于目前国际上先进的基于国际贸易数据的Fitness算法及两种经典的机器学习方法。研究结果不仅为数据驱动的系统量化建模与演化预测问题提供了有效方法,也为区域创新发展策略提供了指导借鉴。