CN108460698A - 构建专利价值度评价模型的方法和计算机可读存储介质 - Google Patents
构建专利价值度评价模型的方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN108460698A CN108460698A CN201810277160.9A CN201810277160A CN108460698A CN 108460698 A CN108460698 A CN 108460698A CN 201810277160 A CN201810277160 A CN 201810277160A CN 108460698 A CN108460698 A CN 108460698A
- Authority
- CN
- China
- Prior art keywords
- value
- parameter
- value degree
- data sample
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013210 evaluation model Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 110
- 230000009471 action Effects 0.000 claims description 63
- 238000009826 distribution Methods 0.000 claims description 34
- 230000000694 effects Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 241000208340 Araliaceae Species 0.000 claims description 7
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 7
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 7
- 235000008434 ginseng Nutrition 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 54
- 238000005516 engineering process Methods 0.000 description 38
- 230000000875 corresponding effect Effects 0.000 description 23
- 238000013461 design Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000012546 transfer Methods 0.000 description 12
- 238000012795 verification Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 238000012216 screening Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 235000010469 Glycine max Nutrition 0.000 description 3
- 244000068988 Glycine max Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 235000013336 milk Nutrition 0.000 description 3
- 239000008267 milk Substances 0.000 description 3
- 210000004080 milk Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012093 association test Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical group CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 235000013322 soy milk Nutrition 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种构建专利价值度评价模型的方法和计算机可读存储介质,所述方法包括:选取影响专利价值度的参数;根据预设的专利价值度评价标准选取专利数据样本;基于所选取的专利数据样本建立体现所选取的参数与专利价值度之间关系的评价公式。能够有针对性地生成客观、准确的专利价值度评价模型,提高专利价值度评价的准确性。
Description
技术领域
本公开涉及专利分析技术领域,具体涉及一种构建专利价值度评价 模型的方法和计算机可读存储介质。
背景技术
中国研究者对中国高价值专利的评价指标及模型进行了大量的研 究,其基本思路是从影响专利价值的三大要素:技术、市场和法律出发, 构建专利价值评价的指标体系。评价模型计算方法主要采用专家打分法、 层次法、决策树法以及模糊综合评价法等。万小丽和朱雪忠从技术、市 场和权利角度构建专利评价指标体系,共包含17个评价指标,利用层次 法和模糊综合理论建立评价模型。2012年,由国家知识产权局和中国技 术交易所联合出版的《专利价值分析指标体系操作手册》,从专利法律价 值、技术价值和经济价值角度建立专利价值分析指标,共包含18个评价 指标。然而,上述专利价值评价体系中的影响价值的指标及其重要性的 确定主要来自于专家对指标重要程度的逻辑推测但未经检验的假设,其 主观因素影响较大。因此有必要建立更有针对性的高价值专利评价体系。
发明内容
有鉴于此,本公开提供了一种构建专利价值度评价模型的方法和计 算机可读存储介质,能够有针对性地生成客观、准确的评价模型,提高 专利价值度评价的准确性。
根据本公开的第一方面,提供了一种构建专利价值度评价模型的方 法,包括:选取影响专利价值度的参数;根据预设的专利价值度评价标 准选取专利数据样本;基于所选取的专利数据样本建立体现所选取的参 数与专利价值度之间关系的评价公式。
优选地,所述参数包括以下中的至少一种:与专利的类型、状态、 内容、审查过程有关的参数;与专利的引证和被引证情况有关的参数; 与专利的布局有关的参数;与专利的维持有关的参数;与专利的发明人 和申请人有关的参数;与专利的运营有关的参数;以及与专利的争议和 纠纷有关的参数。
优选地,所选取的参数包括专利中权利要求的数量。
优选地,所述方法还包括:在选取专利样本之后,基于所选取的专 利数据样本建立所选取的参数与专利价值度之间的关系图谱;并且所述 评价公式是基于所述关系图谱来建立的。
优选地,所述根据预设的专利价值度评价标准选取专利数据样本包 括:选取符合预设的第一条件的专利作为第一组专利数据样本;选取符 合预设的第二预设条件的专利作为第二组专利数据样本。
优选地,所述第二组专利数据样本是从第一组专利数据样本中选取 的,所述第一条件包括记载于国专利数据库中的全部发明和实用新型, 所述第二条件包括以下中的至少一个:发生过专利侵权诉讼并获得胜诉 的专利;维持缴费至专利期届满的专利;投入运营并获取回报的专利; 被请求无效并且被判维持有效的中国专利;形成行业规范的专利;被用 超过预设次数的专利;多国申请的专利。
优选地,所述基于所选取的专利数据样本建立体现所选取的参数与 专利价值度之间关系的评价公式包括:计算所选取的参数在第一组专利 数据样本中的分布;计算所选取的参数在第二组专利数据样本中的分布; 计算所选取的参数在第一组专利数据样本中的分布与所选取的参数在第 二组专利数据样本中的分布之间的比较结果;以及基于所述比较结果拟 合所选取的参数与所述比较结果之间的关系式,作为体现所选取的参数 与专利价值度之间的关系的评价公式。
优选地,所述基于所选取的专利数据样本建立体现所选取的参数与 专利价值度之间关系的评价公式包括:提取参数的每个值所对应的专利; 对每个值所对应的专利进行专利价值度评价,并基于评价结果来设定参 数的该值对专利价值度的影响力;基于参数的各个值对专利价值度的影 响力来获得体现参数与专利价值度之间关系的评价公式。
优选地,所述专利数据样本包括单件专利的专利数据样本或者由多 件专利转换成的复合专利的专利数据样本。
优选地,所选取的参数有多个,所述基于所选取的专利数据样本建 立体现所选取的参数与专利价值度之间关系的评价公式包括:
针对每个所选取的参数,分别基于所选取的专利数据样本建立体现 该参数与专利价值度之间关系的子评价公式;
将子评价公式的加权和,作为针对所选取的全体参数的评价公式。
优选地,所选取的参数分为多组,所述基于所选取的专利数据样本 建立体现所选取的参数与专利价值度之间关系的评价公式包括:针对每 个所选取的每一组参数,分别基于所选取的专利数据样本建立体现该组 参数与专利价值度之间关系的子评价公式;将子评价公式的加权和,作 为针对所选取的全体参数的评价公式。
优选地,所述方法还包括:接收其他参数;基于所述其他参数建立 用于从评价专利价值度的至少一个其他模型,将所述其他模型与所建立 的评价公式组合以得到最终构建的专利价值度评价模型。
根据本公开的另一方面,提供了一种计算机可读存储介质,用于存 储指令,所述指令在被处理器执行时使处理器执行上述构建专利价值度 评价模型的方法。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例的附 图作简单介绍,显而易见地,下面的描述中的附图仅涉及本公开的一些 实施例,而非对本公开的限制。
图1示出了根据本公开实施例的构建专利价值度评价模型的方法的 示意流程图。
图2A示出了根据本公开实施例的中国专利中不同权利要求数量的 专利在第一专利数据样本中出现的概率的示意图。
图2B示出了根据本公开实施例的中国专利中不同权利要求数量的 专利在第二专利数据样本中出现的概率的示意图。
图2C示出了根据本公开实施例的中国专利中不同权利要求数量的 专利在第一和第二专利数据样本中出现的概率的比较。
图3A示出了根据本公开实施例的美国专利中不同权利要求数量的 专利在第一专利数据样本中出现的概率。
图3B示出了根据本公开实施例的美国专利中不同权利要求数量的 专利在第二专利数据样本中出现的概率。
图3C示出了根据本公开实施例的美国专利中不同权利要求数量的 专利在第一和第二专利数据样本中出现的概率的比较。
图4示出了中国高价值专利与普通专利权利要求数量分布情况关系 拟合曲线。
图5示出了根据本公开实施例的专利价值度评价方法的示意流程 图。
图6示出了根据本公开实施例的专利价值度的综合评价结果的示意 图。
图7A示出了利用本公开实施例的专利价值度评价方法对第一届至 第十八届中国专利奖获奖专利的价值度分析图表。
图7B示出了用本公开实施例的专利价值度评价方法对ETSI中国标 准必要专利的价值度分析图表。
图7C示出了用根据本公开实施例的专利价值度评价方法对单件专 利的综合价值度评价及各维度专利价度评价的展示。
图8A示出了利用根据本公开的实施例的专利价值度评价方法进行 专利价值度评价的用户界面的示意图。
图8B示出了利用根据本公开的实施例的专利价值度评价方法筛选 出的高价值专利的申请人的专利布局的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合 本公开实施例的附图,对本公开实施例的技术方案进行清楚、完整的描 述。显然所描述的实施例是本公开的一部分实施例,而不是全部的实施 例。基于所描述的本公开的实施例,本领域普通技术人员在无需创造性 劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
本公开提供了一种构建专利价值度评价模型的方法、专利价值度评 价方法和计算机可读存储介质,没有采用专家打分的方法,而是利用大 数据分析的方法分别获取各参数对专利价值的影响,从而建立专利价值 度的评价公式,得到专利价值度模型。一方面能够有针对性地生成客观、 准确的评价模型,另一方面能提高专利价值度评价的准确性。
图1示出了根据本公开实施例的构建专利价值度评价模型的方法的 示意流程图。
在步骤S101,选取影响专利价值度的参数。
以下表1给出了影响专利价值度的参数的示例。可以根据需要从表 1中选取期望的参数。为确保模型建立的全面性,在建立专利价值度评 价模型之初,应尽量将可能影响专利价值度的各类因素都找出来,其中 既包括国际普遍采用的评价指标,也包括根据中国专利保护状况特点总 结出来的指标,既包括与专利本身直接相关的直接参数,也包括与申请 人、代理机构和专利所属技术领域相关的间接参数。
表1
在步骤S102,根据预设的专利价值度评价标准选取专利数据样本。
在本步骤中,可以选取符合预设的第一条件的专利作为第一组专利 数据样本,选取符合预设的第二预设条件的专利作为第二组专利数据样 本。例如可以根据人们对专利价值评价的一般标准选取已知高价值专利 的样本和普通专利的样本。
例如可以选取符合以下至少一个标准的专利作为已知高价值的专利 样本:1.参与过侵权诉讼并获得实质性胜诉的专利;2.维持缴费至专利期 届满的长寿专利;3.专利权人通过实施、许可或转让等方式将专利投入 运营并获取高额价值的专利;4.被提出无效请求且被判维持有效的专利; 5.被纳入标准或通过实际应用形成事实标准而成为行业规范的基础专 利;6.被用超过预设次数的专利;7.多国申请的专利,例如通过国际合 作条约PCT、巴黎公约或其他方式向多个国家申请的专利;8.其他对行 业的技术或市场产生重大影响的专利。
一方面由于中国专利诉讼发展水平与美国相比相差甚远,无论从可 选取的数据样本数量还是质量上都不能满足分析需求。以专利的维护期 限为例,维持缴费至专利期届满的中国发明专利截至2017年12月共有 2156件,其中20%都属于中国石化集团,可见中国当前的专利期届满的 专利主要来自于国企,与具体价值关系较小。另一方面,相关数据的缺 失也会造成高价值专利数据样本提取的障碍。例如,专利权人能够明确 专利应用情况及运营价值的专利在中国并不多,缺乏足够的有效数据支 撑。因此,我们在选择中国高价值专利数据样本时,应当从实际出发, 不能照搬理论。
作为示意,本实施例以中国专利数据库中选取的发生无效且被维持 有效的2305个发明专利作为简化的高价值专利分析样本。相对而言,中 国专利被提出无效请求且被判维持有效的专利数量样本充足,花费人力 财力对专利提起无效说明该专利在产业中已经应用或对产业产生了一定 影响,可以从侧面印证专利的价值。
而作为对比用的普通专利样本,可以直接选取中国专利数据库的全 部发明及实用新型专利,其统计数据全面反映了全库专利中权利要求数 量的分布情况。
当然,本公开的实施例不限于此,专利数据样本的选择标准可以根 据需要来调整,例如可以选取某个申请人的全部专利作为普通价值专利 数据样本,而从该申请人的全部专利中选取符合预设条件的专利作为高 或低价值专利数据样本。在一些实施例中,高或低价值专利数据样本的 选择也可以不限于普通价值专利数据样本的范围,也可以从其他范围内 进行选取。
另外,上述专利数据样本可以是关于普通单件专利的数据样本,也 可以由多件专利处理成单件专利形式的复合专利的数据样本。例如,同 族专利通常包括多件彼此关联的专利,例如基于相同的优先权分别向多 个国家申请的专利。在一些情况下,可以在数据库中将同族专利中各个 专利的特征参数进行整合,从而转化成单件专利的形式,以便于检索和 分析。举例来说,由同族专利转化成的单件专利的申请人可以是同族专 利的各个申请人的合集,权利要求个数可以是各个同族专利的权利要求 数目之和或者平均值等等。本实施例的专利数据样本涵盖了这种情况, 例如可以针对这种转换成单件专利形式的同族专利提取专利数据样本, 以便建立专利价值度评价模型来评价同族专利的价值度。在这种情况下, 由于单一专利与专利族在参数、权重以及各个参数之间的关系等方面存 在差异,本实施例可以针对同族专利的价值度评价模型可以在对全球的 专利家族数据进行统计、分析的基础上来构建,而不是对家族中单个专 利价值评分的简单累加或者将专利家族中所有专利的相应参数进行简单 地累计后按照单个专利的价值度评价模型进行评价。
在步骤S103,建立所选参数与专利价值度的关系图谱。
高价值专利的分析样本确定后,就可根据前面预先选定的评价参数 列表逐一计算其与专利价值度的关联关系了。本实施例中,选取权利要 求数量作为影响专利价值度的参数,以此为例来进行说明。
根据专利法的规定,发明或者实用新型专利权的保护范围以其权利 要求的内容为准。实际上,每个权利要求的范围都是通过文字描述的, 很难具体量化。虽然权利要求的数量不能直接反映专利要求保护的范围, 但权利要求的数量可以从一定程度上反映专利要求的保护范围和权利的 稳定性。一方面,权利要求数量多,可能说明专利的技术方案更加复杂, 或发明内容更加丰富。其中独立权利要求数量越多,说明对同一发明构 思进行保护的视角越大,或者根据这一发明构思衍生出来的技术方案越 多,相对来说专利的保护范围也就越大;从属权利要求数量越多,也说 明相应独立权利要求衍生出来的技术方案越多,或者对技术方案的改进 更加细致,在独立权利要求不能维持的情况下,可尽可能保留更大的保 护范围,尽可能维持权利的稳定性。另一方面,如前所述,根据中国专 利法的规定,权利要求数量超过10个时,在申请时需要缴纳附加费,同 时,代理人在撰写过程中付出的劳动更多,支付的专利代理费用也可能 会随之升高,导致申请人在申请专利时付出的代价也相对提高。因此, 从理论上分析,权利要求数量多的专利,其形成高价值专利的概率也会 更大。
为了验证上述理论,下面以中国专利和美国专利为例进行说明。
在本步骤中,可以针对权利要求的数量分布情况建立高价值专利与 普通专利的对比关系表。分别计算高价值专利样本和全库专利(注:本 实施例中采用的全库专利包括截至2017年10月25日前中国的全部发明 申请和全部实用新型专利)中权利要求数等于n(n是大于等于1的自然 数)的专利数量,以及该专利数量分别在高价值专利和普通专利中所占 的比例。
图2A示出了根据本公开实施例的中国专利中不同权利要求数量的 专利在第一专利数据样本(普通专利)中出现的概率的示意图。图2B 示出了根据本公开实施例的中国专利中不同权利要求数量的专利在第二 专利数据样本(高价值专利样)中出现的概率的示意图。图2C示出了 根据本公开实施例的中国专利中不同权利要求数量的专利在第一和第二专利数据样本中出现的概率的比较。
从图2A和2B可以看出,无论对于普通专利,还是对于高价值专利, 当权利要求数量从1开始递增时,图标均呈现先上升再下降的趋势。只 是普通专利在权利要求数量大于3时就开始下降了,而高价值专利,在 权利要求数量大于10以后才开始下降。
接下来分别计算专利权利要求数量为n的高价值专利在高价值专利 中出现的概率与专利权利要求数量为n的普通专利在全库中出现的概率 倍数,得出二者之间的关系,如图2C所示。从图2C可以看出,当权利 要求数量小于等于6时,高价值专利的权利要求数量占比小于普通专利 的数量,当权利要求数量大于6时,高价值专利的数量占比总体高于普通价值,且高出的倍数基本呈线性增长的趋势。说明相对于普通专利而 言,高价值专利的权利要求数量相对较多,且权利要求数量越大,高价 值专利发生的概率也越大,这与我们当初的预期趋势是相符的。
为更清楚地表示专利价值与权利要求数量的关系,我们可以将以上 散点图简单拟合成一维的线性曲线:y=0.085x+1.0695,其斜率0.085 则代表了权利要求数量这一参数对专利价值度的关联度。
事实上,专利的价值与权利要求数量的关系并非一直呈现线性增长 的趋势。从上图可以看出,当权利要求数量较少时(如权利要求数量小 于10时),专利价值随权利要求数量增长的变化趋势比较陡峭,而随着 权利要求数量的继续增大,数量对专利价值的影响会逐步降低并趋于平 缓。因此,在构建专利参数与专利价值的关系时,我们会给出一个更加复杂准确的拟合策略。
通过图2A至2C可以看出,当权利要求数量上升到一定数量时(本 例中,当n大于23时),数据的分布呈现离散的趋势。这是由于上述高 价值专利样本仅仅是作为案例演示用的,因此样本数量较少,当权利要 求数量较大时,存在样本数量缺失的情况。如果高价值专利的数据样本 足够大,上述的离散现象就会逐渐弱化,但不会消失,因为实际上高价 值专利也有权利要求较少的情形,低价值专利也有权利要求数量较多的 情况,权利要求的数量只能反映高价值专利发生的概率,不能绝对代表 专利价值的高低。
此外,从图2A至2C可以看出,当权利要求数为10时,高价值专 利分布占比与普通专利相比出现“跳水”的现象,按照前后数据的趋势, 当权利要求数为10时,高价值专利的占比应当是普通专利的2倍左右, 而统计图中则仅为0.75,比权利要求数量是6、7、8、9的权利要求数值 均小,更小于权利要求数量大于10的高价值专利占比。并非是权利要求 数量为10的专利的价值从概率上讲一定会小,问题仍然出自于专利样 本。根据上面所述的高价值专利的筛选条件,得到的样本中绝大多数都 是授权的发明专利。发明专利在授权之前需要经过实质审查,在实质审 查中,多数专利的权利要求都会遭遇审查员的质疑而进行局部修改,导 致最终授权的专利的权利要求数与最初申请时的数量有差异(通常是减 少)。而代表普通专利样本的“全库”的专利则包括了中国全部的发明申请 和实用新型专利,这些专利是没有经过实质审查的。而鉴于中国专利收 费标准中对权利要求附加费的规定,很多申请人或代理人习惯于将权利 要求的数量限于10项或10项以内,因此导致了未经实审的专利中,权 利要求数量为10的专利分布概率较高,而使统计数据看起来异常。类似 地,在上述散点图中,权利要求数量分别为20、30、40等个位为0的统 计数值也都或多或少呈现异常现象,也均与此或多有一些关系(有些人 在撰写权利要求时喜欢“凑整数”)。我们在实际构建专利价值度评价公式 时,可以通过忽略这些异常的数据点,从而更加真实地还原专利参数与 专利价值的关系。
当然,仅靠一个简单的高价值专利样本模型反映出来的函数不一定 十分精确,解决的办法有以下几种:一是提高高价值专利样本的数量和 其中包含的高价值专利的纯度;二是构建不同的高价值专利样本模型, 分别进行背对背的计算,之后分别进行对比,找出原因并进行相应调整; 三是利用初步构建的高价值专利模型对多组随机抽样的专利样本进行分 组,通过对分组结果的准确性进行分析,对相关参数的权重进行人工调 整。总之,高价值专利的样本模型的构建是一个非常复杂的过程,需要 反复计算、对比、调整、验证。
此外,考虑到专利数据库整体上是一个动态变化、不断增长的数据 集合,随着时间的推移,大数据统计的结果和反映的规律也会不断发生 变化,因此,在建立专利价值度评价模型时,还需定期对模型进行校验 和调整。
在上述专利数量和评价参数的关系图谱的建立过程中,我们并没有 根据中国专利的参数特点通过专家打分的方法进行特别设置,但这个关 系图谱却真实反映了中国专利的真实特点,其原因在于图谱建立的基础 是中国的专利数据及从中国专利数据中抽取出来的高价值专利,因此, 不会受到其他国家和地区专利特点的影响。
我们可以以同样的方法,创建美国专利数量和评价参数的关系图谱, 并通过比较,发现这两个不同国家在专利数量和专利价值度关系上的差 异。下面参考图3A至图3C来说明这一点。作为示例,我们选取美国 2000年以后至今申请并公开的全部专利作为基础样本,并选取其中与 ETSI(European Telecommunications Standards Institute,欧洲电信标准化 协会)标准相关的标准必要专利(共计18393件)作为高价值专利样本, 利用上述方法进行分析后,得到以下关系图谱:
图3A示出了根据本公开实施例的美国专利中不同权利要求数量的 专利在第一专利数据样本中出现的概率。图3B示出了根据本公开实施 例的美国专利中不同权利要求数量的专利在第二专利数据样本中出现的 概率。图3C示出了根据本公开实施例的美国专利中不同权利要求数量 的专利在第一和第二专利数据样本中出现的概率的比较。
从图3C可以看出,高价值专利与普通专利权利要求数量分布的概 率关系为:
y=0.0297x+0.5452 (1)
从等式(1)可以得出权利要求数量这一参数对专利价值度的关联度 为0.0297。
对比图2和图3可以看出:
(1)对比中美两国权利要求为n的专利在全部样本中出现的概率可 以看出,中国专利多数分布在权利要求数小于等于10的区间内,且权利 要求数量分别为1和2的专利数量占比分别达到了9.6%和9.8%。除了 权利要求等于10之外,出现概率最多的是权利要求数等于3的专利,专 利数量在权利要求数量等于3至9的区间内呈逐渐下降趋势,但当权利要求数量大于10时,专利数量出现断崖式突降,当权利要求数大于12 时占比基本保持在1%以下。而美国专利,当权利要求数量小于10时, 专利数量呈较缓慢的上升趋势,在权利要求等于10至20的区间内基本 呈平缓的直线,当权利要求数量大于20时,呈现缓慢的下降趋势,权利 要求在20至30的区间内的专利占比基本均大于1%。说明美国普通专 利的权利要求数量多数保持在一个较大的数值范围,总体的专利撰写水 平要高于中国专利。此外,在权利要求数量等于20时,美国高价值专利 及普通专利的分布都呈现明显的突然上升情况,这显然与美国专利权利 要求附加费的收取规则有直接关系。
(2)对比中美两国权利要求为n的高价值专利的分布概率,可以看 到中国高价值专利权利要求的数量在10个以内基本呈上升趋势,当权利 要求数量大于10时,虽然在数量分布上有较明显的突降,但后面会从 3%左右缓慢下降,当权利要求数量等于21时,依然保持在1%以上。美 国的高价值专利随着权利要求数量的增加,依然基本保持先上升后下降的趋势,但总体上,权利要求数量多的专利占比要高于中国的高价值专 利。说明中国的高价值专利虽然在平均权利要求数量上比中国的普通专 利有了较大提供,但与美国高价值专利相比,仍有一定差距。
(3)从总体上看,随着权利要求数量的增加,美国高价值专利的平 均占比也在提高,但增长速度(斜率)明显低于中国专利,特别是当权 利要求数量小于20时,高价值专利与普通专利的数量在概率分布上并无 明显优势,说明对于中国专利,权利要求的数量在专利价值方面的表现 更为明显,或者说,相对于普通专利,中国高价值专利在权利要求数量上的差别更为显著。
在步骤S104,构建专利参数与专利价值关系的评价公式
虽然从理论上讲,模型中包含的相关参数越多,对专利价值的概括 和描述就会越细致,评价结果应该越准确。但应当考虑到,评价指标的 增多也会增大模型的复杂度和运算量,并且有些指标(如专利审查时长) 与专利价值的关联关系十分复杂,需要针对具体的情况具体分析,仅仅 机械地套用系统数据统计的结果有时反而会对专利价值的判断产生背道 而驰的效果;而一些对研究问题有影响但暂时难以全面获得的指标(如 部分无效审查决定中被无效权利要求的重要性)也会降低这一研究方法 的可行性。对这些专利需要在对实验结果进行认真分析的基础上进行有 选择地舍弃。因此,我们需要综合考虑以上因素及实际的图谱测试结果 对模型采用的评价参数进行选择。
确定选用的评价参数后,接下来是分析各参数的实际特点,构建该 参数与专利价值关系的评价公式。下面仍以权利要求数量参数为例,说 明权利要求数量与专利价值评价公式的构建过程。
(1)满足曲线关系的直接参数的专利价值评价公式的构建
图4示出了中国高价值专利与普通专利权利要求数量分布情况关系 拟合曲线。通过对图4的散点图进行深度分析,可以拟合出以下非线性 的数学模型:
其中,Vi即指第i个专利参数对专利价值的贡献。M为Vi能取到 的最大值,p为参数值,K为Vi趋于平缓时p的取值。
图4所示的中国高价值专利与普通专利权利要求数量分布情况关系 拟合曲线而言,p可以表示当前专利权利要求的数量,M表示权利要求 参数对专利价值度影响的最大值,即当权利要求数量p大于阈值K时, 权利要求数量的增加对专利价值度影响不再体现。本实施例中K的取值 为50。
相比于上述等式(1)这种线性拟合结果,等式(2)能够更准确地 反映中国专利的权利要求数量参数对专利价值的影响情况。
当然上述拟合方式还可用于专利引证数量、同族专利数量等其他参 数,需要说明的是,不同的参数呈现出的对专利价值的影响曲线的形状 及造成这种影响的原因不同,需要分别进行有针对性的分析和设计,在 一些情况下甚至需要分段给出相应的函数关系。
(2)不满足曲线关系的直接参数的专利价值评价公式的构建
并非所有可能影响专利价值度的参数都能通过上述曲线的拟合构 建。例如,申请人类型(企业、大专院校、其他机构、个人)、专利的类 型(发明、实用新型)、有效性(有效、审中、失效)或法律状态(诉讼、 许可、转让、无效等)都会对专利的价值度产生影响,但这些参数很难 通过对变量的统计进行分析。对于此种类型的参数,同样可以通过大数 据分析的方式,对参数在高价值专利及一般专利中的分布概率进行统计, 并估算每种情况对价值度的影响并给出相应的影响权重。例如,以申请 人类型为例,可以提取参数的每个值所对应的专利,对每个值所对应的 专利进行专利价值度评价(这里可以使用已建立的模型来评价,例如根 据上述满足曲线关系的其他参数构建的初步模型来评价,或者以其他方 式来评价),并基于评价结果来设定参数的该值对专利价值度的影响的权 重,基于参数的各个值对专利价值度的影响的权重来获得体现参数与专 利价值度之间关系的评价公式。
以申请人类型参数为例,可以按照申请人是企业、大专院校、其他 机构、个人将专利分成组,利用以诸如权利要求个数、专利引证数量、 同族专利数量等参数构建的初步模型来获取每组中各个专利的价值度, 进而得到该组专利的综合价值度,具体获得综合价值度的方式可以参考 以下在步骤S105中描述的内容。可以根据每组的综合价值度设计相应参数值的影响权重,并将该参数的影响因素纳入专利价值度评价模型。
仍以申请人类型参数为例,假设通过上述方式设定了企业、大专院 校、其他机构、个人这四种申请人类型对专利价值的影响力分别为a、b、 c、d四个值,则可以在专利价值度评价时按照以下规则来进行评价:
If申请人类型=企业:V1=a
If申请人类型=大专院校:V2=b
If申请人类型=其他机构:V3=c
If申请人类型=个人:V4=d
其中V1、V2、V3和V4分别表示企业、大专院校、其他机构、个人这 四种申请人类型对专利价值的贡献。
(3)间接参数的专利价值评价公式的构建
上述表1中除直接参数外,还列出了“专利代理机构综合专利申请 质量指数”等14个间接参数。每个间接参数都是通过对影响其数值的若 干个子参数进行综合计算获得,在一些实施例中,每个间接参数也是由 不同的价值评价模型获得。例如,“专利代理机构综合专利申请质量指 数”这一间接参数,是通过对代理机构代理的专利综合价值度评分、代 理机构代理的发明专利数量及其占比、发明专利授权率、专利的平均权 利要求数量等多个参数进行综合评价得到。在针对间接参数构建评价公 式时,可以选取影响专利价值度的因素,同时还可以选取用于评价该因 素的子参数,根据子参数来评价该因素,将评价结果作为所选取的间接 参数。具体地,可以通过以下等式获得间接参数:
其中,pi表示第i个间接参数,s表示影响该间接参数数的子参数的 数量,rt指其中第t个子参数对该间接参数数值产生的贡献,wt表示第t 个子参数的权重。
间接参数与专利价值度之间之间的关系可以表示成:
Vi=f(pi) (4)
其中Vi表示第i个间接参数对专利价值度的贡献,f()表示函数关系。
需要指出的是,在本章附表中列出的间接参数中还包括“单个专利 的初步价值评价指标”,该参数的获得方法如下:1、利用除本指标外的 其他指标构建专利价值的初步评价模型,获得专利的初步价值评价指标; 2、针对该初步价值评价指标对部分直接参数或间接参数进行迭代、优化, 获得专利价值度评价的优化模型;3、利用该优化模型获取专利最终的专 利价值度。
在步骤S105,建立专利价值度的综合评价公式。
上述直接参数和间接参数的评价公式均确立之后,便可着手构建专 利价值度的综合评价公式。
现行用于评价专利价值度的参数体系,大致分为一元结构、线性结 构和塔式结构等几种结构类型。其中一元结构采用单一参数进行评价, 显然不适合对专利的价值度进行评价。线性结构采用多个参数,但这些 参数相互之间为并列关系。由于影响专利价值度判断的因素较多,采用 线性结构会使得体系变得过于复杂,难以把握各参数之间的关系,并且 可能会造成以偏概全的情况,使分析结果的可靠性降低。根据用于评价 专利价值度的参数的特点,可以选用塔式的评价结构,即将所有的评价 参数根据体现专利价值的角度不同,将参数分成多个层次。例如,可以 将参数分成多个组,每组对应一个评价维度。在本实施例中可以按照技 术(技术先进性)、法律(技术稳定性)、市场(保护范围)等三个维度 将参数分成组三组,其中技术稳定性主要考虑专利是否经过实质性审查 并获得授权或维持有效,是否经过专利侵权诉讼、质押等市场运营活动 的检验,以及是否有海外授权的同族专利等;技术先进性主要考虑到专 利及其同族专利在全球的被引证情况、专利投入的研发人员数量、专利 技术涉及的技术领域(IPC分类数量)、专利的转让或许可情况等;保护 范围主要参考专利的权利要求数、剩余保护期限、专利布局的国家或地 区数量等。由于选取的参数具有层次性,每个层次中各项的权重可控, 并可以随着参数的增多而进行相应的扩充,因而更加灵活,局限性也比 较小。
专利的综合价值度即由上述三个维度的综合价值之和获得:
其中,当i取值范围分别在[1,n1]、[n1+1,n2],[n2+1,n]时,Vi分别 表示技术(技术先进性)、法律(技术稳定性)、市场(保护范围)三个 维度下的专利参数对专利价值度的影响力贡献。可通过极值限定的方法 把每个维度的数值控制在希望的范围内。
此外,也可在上述中国专利价值度评价模型的基础上,建立针对一 个专利集合(如某一申请人申请的所有中国专利)的价值度评价模型, 藉此来对多个不同集合中的综合专利价值进行评价、比较。
另外,除了表1所列参数之外,还可以设置用户自定义参数,这种 情况下,用户可以根据需要选择期望的其他参数类型,在必要时还可以 提供相应的数据列表作为专利数据样本的一部分。在构建专利价值度评 价模型时,可以默认从表1中选取部分或全部参数来构建初步专利价值 度模型,而基于用户自定义的参数来构建另外的专利价值度评价模型, 将其与初步专利价值度模型组合,从而得到最终构建的专利价值度评价 模型。
另外,专利的价值度体现为专利的战略价值、技术价值、法律价值、 市场价值和经济价值等多个层面,上述实施例的专利价值度评价模型能 够在至少部分层面给出价值度评价结果,对于上述实施例不能覆盖的层 面,可以通过其他方式给出专利价值度评价模型或者甚至直接获得评价 结果,与上述实施例的专利价值度评价模型相结合获得最终的专利价值 度评价。例如,可以在上述专利价值的评价模型对技术价值、法律价值 和市场价值的评价结果的基础上,增加战略价值或经济价值的相关评价 维度的评价,从而将应用范围从宏观分析拓展到针对个案的价值分析上。 专利的战略价值和经济价值很大程度上依赖于专利本身的一些特殊属 性,例如专利相关技术或产品的实施应用情况、专利的技术的可规避性、 可保密性或可替代性、专利侵权证据获取的难易程度,以及对申请人的 以及专利的资产重置成本、市场上同样的或者类似资产的近期交易价格、 专利资产带来的超额收益等,而这些属性很多是个性化的,往往难以通 过传统的专利信息或法律信息中获取,需要针对具体情况单独赋值。
需要注意的是,以上实施例仅仅是为了说明专利价值度评价模型构 建的原理,实际构建过程中应当考虑的更多复杂的影响因素。例如,部 分参数之间可能存在较强的相关性(例如专利的授权情况和同族专利的 授权情况等),可能造成重复加权的情况。另外,本实施例中的模型是针 对发明和实用新型专利的综合评价模型,其中,未经实审的发明申请和 实用新型以及经过实审后的发明专利所涉及的参数有所不同,同一参数 反映的专利价值情况也不尽相同,针对这些错综复杂的情况,可以在逻 辑关系上进行多角度判断,并根据不同的情况进行选择性合并或对所占 权重进行适当调整。因此,在实际的操作中,可以结合关联度测试的结 果,对相关指标进行取舍、整合。
图5示出了根据本公开实施例的专利价值度评价方法的示意流程 图。
在步骤S201,构建专利价值度评价模型。在本步骤中,可以通过以 上参考图1至图3描述的方法来构建专利价值度评价模型。所构建的模 型的数量可以是一个或多个。例如,可以基于一组专利数据样本来构建 第一模型,而基于另一组专利数据样本来构建第二模型,以供后续步骤 使用。
在步骤S202,对专利价值度评价模型进行优化。优化的方式包括但 不限于迭代和比较。
例如,假设在步骤S201构建了一个模型,即第一模型,则可以将 被第一模型评价为价值度在期望范围的目标专利作为参考专利,利用所 述参考专利来更新用于构建第一模型的专利数据样本。这里所谓期望范 围可以根据需要来选择,例如高于预设值、低于预设值和/或在一个预设 的范围内。对于用来筛选高价值专利的模型,可以将高于预设值的专利 作为参考专利来更新专利数据样本;对于用来筛选低价值专利的模型, 可以将低于预设值的专利作为参考专利来更新专利数据样本。在一些实 施例中,同样在构建了一个模型的情况下,还可以通过以下方式来优化 该模型:使用该模型对预先选定的验证数据进行评价以获得第一评价结 果,评价构建该模型所使用的专利数据样本以获得第二评价结果,将第 一评价结果与第二评价结果相比较,并基于比较结果来调整该模型。这 里,评价专利数据样本以获得第二评价结果的操作可以根据经验或者预 设的标准来执行,或者通过其他方式或者利用其他工具来执行。比较之 后根据两个评价结果之间的偏差,来优化调整该模型,从而提高其准确 度。
类似地,假设在步骤S201构建了两个模型,即第一模型和第二模 型,则可以将被第一模型和/或第二模型评价为价值度在期望范围的目标 专利作为参考专利,利用所述参考专利来更新用于构建第一模型和/或第 二模型的专利数据样本。类似地,所谓期望范围同样可以根据需要来选 择,在此不再赘述。作为另一示例,还可以准备一组用于验证模型的专 利数据,分别使用第一模型和第二模型来评价该专利数据并获得评价结 果,将第一模型的评价结果和第二模型的评价结果相比较,找出差异的 原因,据此来调整第一模型和/或第二模型。
在一些实施例中,还可以在利用模型来评价目标专利时,如果所述 目标专利符合预设的条件,则评价该目标专利所使用的模型中相应的子 评价公式的权重增大或减小。例如对于高价值专利而言,显然剩余有效 期越长,专利价值越高。但是对于低价值专利而言,其专利的价值与剩 余有效期的长短并无明显的关联关系,如果按照与高价值专利同样的方 法进行加权,则势必会影响评价结果的客观性。因此,可通过上述迭代 的方法,在目标专利被评价为高价值专利后,认为有必要加强剩余寿命 这一参数对专利价值度的贡献,将其对应的子公式的权重增大,反之减 小,然后再使用优化后的模型来重新评价目标专利,从而得到更准确的 价值度评价结果。
在步骤S203,利用所构建的专利价值度评价模型来评价目标专利的 价值度。例如,如果在步骤S201获得的专利价值度评价模型是基于三 组参数构建的,这三组参数分别对应于技术稳定性、技术先进性、保护 范围这三个层面的评价标准。那么在本步骤中可以利用该模型获得目标 专利分别在这三个层面的评价结果,将这些评价结果加权求和,即可获 得综合评价结果,据此可以对检索结果按照专利价值度排序。
本步骤中,可以根据需要利用合适的模型来评价目标专利的价值度。 这里目标专利包括但不限于单件专利或者专利组。
例如,如果目标专利是普通的单件专利,可以利用以单件专利的数 据样本来构件的专利价值度评价模型来评价其价值度。如果目标专利是 以同族专利处理成的单件形式的复合专利,则可以利用以相应的复合专 利数据样本构建的专利价值度评价模型来评价其价值度。如果目标专利 是专利组(如以申请人、IPC分类号、申请人地域、同族专利等作为条 件分成的专利组),则可以对组中每件专利单独评价,并将评价结果进行 数学运算以得到针对专利组的评价结果,这里所述数学运算包括但不限 于求平均、几何平均,平方平均(均方根平均值,rms)、调和平均、加 权平均等等。也可以利用诸如箱型图统计工具等统计工具来处理组中各 个专利的评价结果,以便得到针对专利组的更为准确合理的评价结果。
可以在该数学运算之前或之后进行专利分级(即,如上所述将计算 结果归一化处理成预设范围内的分值),如果是前者,则首先将每件专利 的价值度分级,然后对各个专利的价值度分值进行数学运算以得到针对 专利组的评价结果,然后将针对专利组的评价结果取整;如果是后者, 则首先对每件专利的评价结果进行数学运算得到针对专利组的评价结 果,然后将专利组的评价结果归一化处理成预设范围内的分值,即,将 专利组的价值度分级。
图6示出了根据本公开实施例的专利价值度的综合评价结果的示意 图。如图6所示,为了使用户更加直观、快捷地获取价值度的评价结果, 并实现对专利价值的筛选和统计,对上述综合评价分值进行了归一化处 理。例如,可以根据专利在全库中的综合评价分值的分布情况,对专利 的综合评价分值按照10分制的打分机制进行分段处理,保证每个分值的 专利数据在全库中所占的比例按照一定的规则分布,专利价值的概率分 布从10分至1分递减。同样,对于每个类别的评价分值也可按照同样的 方法进行10分制处理。
此外,本实施例中的模型是针对中国发明和实用新型专利的综合价 值设计的评价模型,获得的专利价值度虽然从整体上反映专利价值的概 率分布,如果要快速判断专利价值的核心影响因素,可以采用类似上述 的方式对专利价值的三个评价维度的综合评价分值也进行10分制的分 级设计。用户在获取专利综合价值度的基础上,结合相关评价依据的列 表展示的和各维度价值的综合分值,即可全面了解专利的价值具体情况。
中国外观设计专利与发明和实用新型相比,保护的客体不同,在参 数的选取和价值的判断方面存在区别,在模型构建和评价中可以考虑这 些区别,但其基本的设计思路和方法是相同的,在此不再赘述。
以上虽然给出了一些对专利价值度评价模型进行优化的示例实现方 式,然而本公开的实施例不限于此,下面将对模型的优化进一步详细说 明。以上实施例针对中国高价值专利的综合价值评价的实际模型为例介 绍了专利价值度评价模型的建立过程。在上述实施例中,针对用户在检 索过程中快速识别高专利价值的需求,充分利用中国自1985年实施专利 制度以来公开的专利文献信息以及相关的专利法律和运营信息,在大量 实验和分析的基础上,以中国授权的发明专利为基础,建立了中国授权 发明专利的基础模型,并在此基础上,针对中国专利申请和中国实用新 型、中国外观设计专利分别进行了设计调整,实现了对中国专利的综合 价值的客观评价和分级。从该模型的实际验证效果来看,这个模型对中 国高价值专利能够达到期望的识别和分辨效果。
此外,用户在检索过程中,除希望能够快速识别中国的高价值专利, 往往也希望能同时对其他国家和地区的专利的价值进行分级,并在检索 结果中同时展示。为此,还可以针对不同国家和地区的专利特点,对模 型中的参数及其权重的设置进行调整,使其与中国专利价值度评价模型 融为一体,形成专利综合价值评估的一个完整体系。
在此基础上,还可进行更加精细的个性化模型设计设计,例如针对 中国化工材料领域的专题数据库,在基础数据库建成之后,可选取其中 的高价值专利样本,通过分析,形成专业领域的专利价值度评估模型。
具体地,专利信息可应用于技术情报分析、技术或专利的新颖性分 析、自由实施(FTO)分析、竞争情报分析、专利运营分析、防侵权分 析、技术合作、人才引进等多种场景。不同的应用场景检索的目的不同, 对“高价值专利”的理解或需求也是不同的。因此,我们还需要在上述综 合评价模型的基础上,可以针对不同的应用场景对模型中的相应参数及权重进行相应的调整,形成精细化的价值度评价模型。
当侧重某个参数对专利价值度的贡献时,可以在评价公式中将该参 数的权重增大,反之减小。以下针对不同的应用场景及其专利价值度评 价模型的侧重点进行简要说明。
(1)专利技术
专利技术价值分析多用于以获取技术解决方案及其技术演化过程、 发展趋势为目的的研究活动,例如专项技术的基础研究和分析、项目立 项之前的技术调研、项目立项过程中的技术方案选取及项目研发中的相 关技术解决方案查询等场景。在此类应用场景中,用户关注的重点是技 术方案本身的创新性及其起源、演化、应用情况,特别是那些技术起源 时间不长、新颖度较高且发展较迅速、影响力较大的专利。为此,在设 计技术情报利用为目的的专利价值度评价模型时,直接参数应当重点关 注专利的申请日期(专利年龄)、新颖度、专利的类型及授权情况、引证 文献平均年龄、IPC分类数量、专利或专利家族被引证数量(特别是被 他引专利数量)及其涉及的IPC分类数量、引证专利涉及的IPC分类数量、独立权利要求对应的从属权利要求数量、说明书数量及发明人数量 等;间接参数应当重点关注申请人的综合技术先进性指数、所属行业的 技术关联度、技术新兴度、技术热度和技术生命周期等。
(2)侵权风险分析
侵权风险分析包括针对具体技术方案的专利侵权检索分析及针对特 定技术领域的专利侵权风险预警分析。
专利侵权检索也称专利侵权排查,即指针对特定的技术方案,通过 检索找出可能有侵权风险的专利,并分析判断现有的技术方案是否落入 其保护范围的过程。专利侵权检索也属于针对具体的技术内容的微观检 索,其所关注的主要内容是是否存在与被分析的技术方案技术内容相近 的专利,该专利当前的法律状态是否有效,如果有效,相关的技术方案 是否落入其保护范围。
侵权检索虽然也是针对特定技术方案进行的不定向微观检索,但侵 权分析的内容涉及到专利权利的保护,专利的撰写质量、权利的保护范 围、权利主体的性质及其对专利的保护、维权策略等,均会影响到专利 侵权风险可能发生的概率,因此,在进行侵权检索时,有必要对可能发 生专利侵权风险的风险概率进行区分,也就是说,有必要针对侵权检索 的目的设计一套专利风险价值评估模型。该模型在直接参数的设计上更 注重于与法律因素相关的当前专利的有效性、专利类型、独立权要求数 量、从属权利要求数量、独立权利要求字数或技术特征数、说明书页数、 专利诉讼及同族专利诉讼情况、专利的许可和转让情况、专利及同族专 利被无效情况、同族专利的授权情况等,间接参数应更关注申请人的技 术关联性、综合专利申请质量指数、申请人综合攻击性指数等。
专利风险预警是指用户为了提前发现或规避可能发生的侵权风险, 针对关注的技术领域进行专利检索分析,找出可能发生风险的专利并进 行分类、监视并采取应对措施的过程。与专利侵权检索不同的是,专利 风险预警针对的不是特定的技术方案,而是与关注的技术、产品或业务 相关的所有技术。但其与侵权检索一样,关注的重点都是相关专利的权 利保护情况以及风险发生的概率,专利风险预警的专利价值度分析模型 可参照专利侵权检索的模型。
(3)专利运营分析
专利运营分析的目的是快速找到有运营价值的高价值专利,因此, 我们首先应当关注的专利的运营情况,即许可、转让、质押等活动,其 中,专利许可和转让又分为组织内部的转让和许可以及组织外部的许可 和转让,前者更加侧重于组织内部的策略管理,后者则更能客观体现专 利的市场运营价值。由于专利的诉讼、无效等活动也能从另一侧面反映专利对市场的影响,进而反映其运营价值,也应当作为我们关注的重点。 另外,专利的被引证情况反映了专利的技术影响力,而在技术上有重大 影响的专利往往也是运营价值比较大的专利;此外专利的有效性、保护 范围、同族专利的运营和诉讼无效情况,以及申请人的综合运营能力指 数等,也对专利的运营价值有重要的参考作用,可以作为专利运营价值分析模型的重要指数。
(4)专利申请质量控制
专利价值是技术价值、法律价值和市场价值的综合体现。其中技术 价值是高价值专利形成的基础,而专利申请则是将技术价值转化为法律 价值的关键,技术价值和法律价值的结合,成为市场价值的支撑。因此, 对专利申请质量的管理和监控,也是公众关注的重点之一。专利申请质 量评价模型,可以用来检视申请人自身或者竞争对手、合作伙伴专利申 请的质量,特别可以用以考察专利代理机构的服务质量。
在构建专利申请质量价值度评价模型时,可重点考虑独立权利要求 数量、独立权利要求对应的从属权利要求数量、独立权利要求字数(或 技术特征数)、说明书页数、说明书附图数量等与专利撰写相关的直接参 数,如有可能,也可参考相应技术领域中以上各指标的的平均指标。申 请人综合专利申请质量指数、专利代理机构综合专利申请质量指数、间 接参数虽然都与专利的申请质量相关,但属于专利申请质量的综合评价 指标,这些指标在进行专利综合价值分析或竞争对手分析、运营分析时, 可作为相关方专利质量能力的参考依据,但在对具体专利的申请质量评 价时,不建议赋予过高的权重。
(5)失效专利
专利是法律赋予专利权人的合法的专有权利,但这种权利是有条件 限制的。首先,专利保护是有地域性的,一个专利在国外提出申请后, 如果未在法律规定的时间内在中国提出申请保护,将在中国失去优先权, 如该申请此前已被公开,则该专利对应的技术方案将失去在中国授权的 机会;其次,专利申请后,需要经过审查才能授权,如果专利在公开后 被驳回或撤回,则申请人也会失去垄断的权利;再次,专利授权后,申 请人必须要按期缴纳年费才能维持正常的权利,并且专利的保护期限是 有限的,一旦保护期限届满,申请人将失去相应权利;另外,授权的专 利可能会受到他人的无效挑战,如果被全部或部分无效,专利权人也会 失掉全部或部分权利。这些失去权利的专利则会在本国进入公有技术领 域,供公众自由使用。我们将上述几种情形统称为失效专利(注:需要 注意的是,某一申请人或权利人权利的丧失并不意味着该专利一定成为 公有技术,公众在使用前还应注意排查是否存在被申请人或他人合法有 效拥有的相应权利;鉴于专利保护是有地域性的,一个专利在一个国家 或地区的失效,并不等同于其在其他国家或地区的保护也失去效力)。
在某些应用场景下(例如专利侵权风险分析和专利运营分析),失效 专利几乎没有利用价值。另一方面,专利制度设立的目的是让公众获得 技术创新的成果,并通过应用和改进推动社会进步。大量的失效专利, 正是公众可以便捷获得的免费的知识宝库。失效专利在确定没有其他合 法权利的情况下,可毫无风险地直接利用,大大节省研发时间和研发投 入,其价值体现也是无可厚非的。因此,专门对失效专利的利用价值进 行分级、评价也是极有意义的。
失效专利的价值评价与专利运营分析在应用目的和场景方面有较大 区别,但除了对专利当前有是否在目标国家失效的判断条件恰好相反外, 针对高价值专利判断的其他原则基本是一致的,其价值度评价模型可在 专利运营价值度评价模型的基础上稍加修改后得到。
需要特别强调的是,上述价值度评价模型的优化仅仅是针对用户的 实际应用场景来增加某个或某些参数在专利价值度贡献中的权重,对专 利的优先级别进行了分别设置,以方便快速检索浏览,不应将其理解为 一种专利筛选或排除的模式。鉴于专利文献信息以及专利价值本身的复 杂性和不确定性,任何利用专利自身参数建立的数学模型形成的专利价 值评价体系都是对相关事件发生概率的评测,而非对专利本身价值的绝 对判定结论。此外,上述模型可以单独使用,也可以互相结合起来综合 使用。例如,可以先对检索结果进行专利技术价值分析,再对其进行运 营价值分析,综合二者的结果,可以快速找出运营价值和专利技术价值 都比较高的专利。
另外,上述专利价值度评价模型的适应性合计和精细化设计分别针 对不同客体的专利类型、申请地域、应用场景等进行了相应设计,使得 评价结果更有针对性,因而也更加科学、合理。
在以上提到的专利价值度评价模型中,各参数的选择及其权重的设 置均是在对样本数据进行分析的基础上,采用相应的分析赋值方法得出 的。从整体上而言,评价和分级的结果符合高价值专利的概率分布的规 律,因而能够满足多数常用的检索、分析场景。通常情况下,一个价值 度评价模型一旦确定,除偶尔会进行一些局部的优化调整之外,这些参 数及其权重一般是固定的,用户仅有使用的权利,而没有自由选择调整 的权利。这样的价值度评价模型虽然能够满足通用的检索分析需求,但 对于更高端的用户而言,还需要针对不用的应用场景和不同的需求对模 型进行个性化调整,实现模型的柔性化设计。
(1)针对不同特点的专利类别的柔性设计
技术的发展是不平衡的,例如,同一技术领域的不同时期,技术热 度、技术生命周期、市场竞争情况等可能会有很大的差别,如果用同样 一个模型来分析专利的价值,未免会出现偏颇。此时,可以允许用户自 行输入检索条件,指定基础数据及其中的高价值专利样本,分别统计相 应的专利参数,将这些参数与原有的模型进行对比之后,重新赋予新的权重,从而形成针对所述技术领域而言更加科学、准确的价值度评价模 型。
同样,也可对不同的申请人类型(如企业、大专院校、个人等)、不 同时期申请的专利甚至不同申请人申请的专利的特点进行分析,从而形 成相应的个性化的价值度评价模型。
(2)针对不同用户的个性化需求的柔性设计
用户的需求是多种多样的,无论怎样完美的固化模型都无法适应用 户不同的个性化需求。例如,用户在进行专利技术价值的分析时,如果 更关心新出现的专利技术,则可能希望将专利的申请日期和新颖度所占 的权重上调;如果更关心技术的影响力,则希望加大专利或专利家族的 被引证情况的权重。因此,在已有的价值度评价模型的基础上,允许用 户对相应指标进行调整,实现专利价值度评价模型的柔性化设计,将会 使模型更加富有人性化,从而灵活地适应各种不同的应用场景。
专利价值度评价模型的特点、局限性及适用的应用场景
(1)客观性
评价模型中采用的指标全部为从专利信息中提取出来的客观参数, 各参数对价值度的影响权重依据当前中国专利数据库的大数据分析的结 果运算得出,专利价值度反映的专利价值是专利各客观参数的真实体现, 除在后期迭代阶段根据实际情况进行细微调整外,基本不受人为因素影 响。
(2)全面性
在评价模型的构建过程中,针对可能影响专利价值度的各个参数进 行了全面的测试和验证,针对专利价值的各个维度进行了全面分析,模 型的构建过程中充分考虑到专利参数的各种影响因素,最终得出的评价 结果为多个参数的综合应用,效果明显优于单一参数的评价。
(3)实时性
评价模型中的评价指标为数据库中实时采集的动态指标,随专利的 公告、法律状态变化、新的引证信息出现等事件实时更新,专利价值模 型本身也会定期根据数据库的变化情况进行适应性调整,保证真实地反 映专利当前的价值情况。
(4)准确性
评价模型在世界先进的信用卡价值度评价模型的基础上,根据中国 专利信息的特点和规律精心设计,能够真实反映中国专利的价值分布情 况,其准确性已在长期的实践应用中得到验证。
(5)方便性
评价模型中各个参数的权重通过计算机自动计算得出,在高价值专 利样本选取适当的情况下,基本不需要专家的参与(特别是不需要专家 针对每个参数的指标进行分别评价)即可完成模型的构建,方便快捷。
(6)灵活性
评价模型是依据选取的高价值专利样本参数和数据库专利的平均参 数进行对比得出的,因此,用户可根据实际需要,选取不同的分析目标 及高价值专利样本,迅速构建出相应的模型。例如,用户可将2000年以 后、申请人类型为高校的中国发明和实用新型专利申请作为基础数据, 并从中选出部分高价值专利样本,从而构建出中国高校专利2000年以后 专利的价值度评价模型,并对这些专利的价值进行客观的比较、分析。
模型中各参数对价值度的影响权重取决于高价值专利样本的相关参 数的分布情况,选取的高价值专利样本不同,该参数在模型中的权重也 会随之不同,从而会导致专利价值度的评价结果产生差异。因此,高价 值度专利样本选取的策略是价值度模型构建过程中的关键因素。以上实 施例中提到的权重调整,可以根据需要选择合适的实现方式,例如可以 手动执行,也可以自动执行。
本公开实施例的专利价值度评价模型是根据业界对专利价值度评价 的公认标准,利用中国专利数据库的大数据统计分析结果,针对中国专 利信息的特点量身设计的价值度评价模型。可以真实地按照高价值专利 的分布概率对专利价值度进行筛选和排序,可以使用户在海量的专利中 快速聚焦高价值专利,显著地提升专利信息利用的效率和效果。
本公开的实施例以通过解析专利检索结果中高价值专利的数量和分 布规律,快速了解隐含在其中的一些重要信息,从而更加准确、全面地 把握分析对象的整体情况,为进一步制定相关决策或应对措施提供战略 参考。例如,可以对一个公司高价值专利进行筛选、分析,获取其申请 数量和趋势、技术领域分布情况、技术影响情况、申请国别、发明人投入、诉讼、无效、许可及转让特点,通过分析了解其在技术和市场等方 面的竞争实力、发展战略、核心人才及攻防特点等方面的情报信息,进 而客观评估其对自身市场的竞争威胁,或及时发现彼此之间的合作机会, 并制定相应的应对措施或采取相应的行动。
本公开的实施例在针对具体专利的价值分析方面,使用户可以在大 体了解其综合价值度的基础上,通过查看专利价值度的详情信息,快速 了解该专利的各相关维度的专利价值级别分值,以及对其产生影响的各 个重要参数的详细情况,从而迅速对该专利的实际价值体现进行初步判 断。
下面参考图7A至7C来介绍本公开实施例的验证结果。
在构建专利价值度评价模型,可以通过实际应用场景对其评价效果 进行验证。本实施例中选择高价值专利来验证专利价值度评价模型。为 了保证验证结果的客观性,在选择效果验证的数据样本时,避免与模型 的建立规则相耦合,即不以建立模型时选取的高价值专利样本作为验证 样本,亦不以模型中的相关参数进行检索获得验证样本。另外,确保选 取的高专利价值应具有一定的公信度,例如专利价值已经得到市场验证 或被业界广泛认可。在本实施例中,考虑从不同于模型建立时的样本选 取标准来选取验证样本。
图7A示出了利用本公开实施例的专利价值度评价方法对第一届至 第十八届中国专利奖获奖专利的价值度分析图表。中国专利奖是中国国 家知识产权局(SIPO)与联合国世界知识产权组织(WIPO)共同开展的评 选活动,也是我国唯一的专门对授予专利权的发明创造给予奖励的政府 部门奖,至今已成功举办了十八届。评奖标准不仅强调项目的专利技术 水平和创新高度,也注重其在市场转化过程中的运用情况,同时还对其 保护状况和管理情况提出要求。奖励由各地知识产权局、国务院单位、 国家级行业协会或者中国科学院院士/中国工程学院院士推荐,分别经由 知识产权局和各行业的资深专家进行多级评审后选出,具有较高的公信 力,可以作为价值度模型的验证样本。
获得第一届至第十八届中国专利奖(包括中国专利奖和中国专利金 奖)的发明和实用新型专利共计3175件。对其进行专利价值度分级后, 导出分析图表如图7A所示。从图7A可以看出,其中价值度为满分的专 利为871件,占到样本总数的27.4%(普通专利中分值为10的专利仅占 4.5%),价值度大于等于8的专利共计2664件,占到样本总数的83.9%,而专利价值度小于等于5的合计仅127件,仅占样本总数的4%(普通 专利中专利价值度分值为1~5的专利占比为55.5%),而通过查看专利 当前的法律状态可知,这127件专利当前已经全部失效(根据中国专利 奖的评选条件,这些专利在入选时应当全部是授权有效的)。以上案例充 分说明,我们当前构建的专利价值度模型与中国专利奖的评选结果有非 常好的匹配度,可以用来筛选高价值专利。
当然,其中也有一些专利价值度为6、7、8的所谓中价值专利,这 其中的原因一部分是由于其中部分专利失效导致专利价值度降低,同时, 也应当考虑到中国专利奖的评选条件中包括了经济效益、市场转化等仅 仅依靠专利价值度模型无法预测的因素。另一方面,专利价值度评价模 型并不是一个鉴别具体专利是否绝对为高价值专利的“神器”,它虽然不 能保证百发百中,但其对高价值专利判断的概率还是相当靠谱的,完全 可以作为我们在工作中识别高价值专利的得力助手。
图7B示出了用本公开实施例的专利价值度评价方法对ETSI中国标 准必要专利的价值度分析图表。
关于标准必要专利(Standards-Essential Patents,SEP),国际电信联盟 (ITU)将其定义为“任何可能完全或部分覆盖标准草案的专利或专利申 请”。标准必要专利由于可能全部或部分覆盖标准草案,因而其应用价值 十分显著。我们在中国授权发明及实用新型的专利中选取与ETSI (European Telecommunications Standards Institute,欧洲电信标准化协会) 标准相关的标准必要专利(共计6851件),对其当前的价值度分布情况 分析如图7B所示。从图7B可以看出,专利价值度大于等于9的专利共 6129件,占样本总数的89.5%,专利价值度小于等于7的仅有151件, 占样本总数的2.2%,且这些专利中有64.9%是当前已失效的专利。
图7C示出了用根据本公开实施例的专利价值度评价方法对单件专 利的综合价值度评价及各维度专利价度评价的展示。在图7的示例中, 从专利价值度等于10的专利中抽取专利公开号为CN102868498B,专利 名称为“码本生成方法、数据传输方法及装置“的授权发明专利,其技 术稳定性、技术先进性、保护范围的相关关键参数及评分情况如图7C 所示。从图7C可以看出,列表中显示的指标仅仅是专利价值度评价模 型中采用的部分常见的参数指标,但“标准必要专利”因素没有被考虑 到专利价值度评价模型影响参数的前提下,能够被自动识别为高价值专 利,说明本模型在构建过程中,能够合理地运用各个专利参数的大数据 统计信息,并将其进行科学合理的组配,从而形成可信的专利价值度评 价体系。
从前面的高价值专利的分级效果验证实验中,可以看出本公开实施 例的专利价值度模型在客观上对于快速识别高价值专利具有非常显著的 效果。下面我们再利用这个模型对中国专利的运营、诉讼等数据进行统 计,从中了解其中的一些分布规律。
对中国专利数据库中的专利申请文献(包括发明申请、实用新型和 外观设计,不包括授权发明文本)数量进行统计,获取每个法律事件发 生的数量占比,如以下表2所示。
表2
从表2可以看出,专利价值度为9或10的高价值专利在所有专利中 的总数占比不足10%,但却包含了半数以上的发生过诉讼、许可或质押 的专利,以及40%以上的发生过复审或海关备案的专利、30%以上的发 生过转让或无效的专利。进一步对专利价值度较低(专利价值度小于等 于4)的上述专利进行分析,发现其中多数有被驳回或全部无效、专利稳定性差、保护范围窄等问题。因此,利用专利价值度模型可以帮助用 户有效筛选高价值专利。
下面参考表3进一步分析各价值度的专利发生各种法律事件的概 率:
表3
由表3可以清楚地看出,专利价值度高的专利发生诉讼、质押、转 让、许可、海关备案、复审、无效等法律事件的概率远远大于价值度比 较低的专利。
以下参考图8A和8B结合具体的示例简要地对专利价值度在专利检 索和分析实务中的应用进行示意性的说明。
图8A示出了利用根据本公开的实施例的专利价值度评价方法进行 专利价值度评价的用户界面的示意图。假设生产豆浆机的企业打算了解 本行业中豆浆机方面的重要专利,可以在标题或摘要中搜索包含关键词 “豆浆机”的专利,并在检索结果中选择按照专利价值度排序,如图8A 所示。图8A中排在首位的是一件实用新型专利“一种双层下盖豆浆机”(申请号:CN201414387Y)。在专利旁边的标签中可以看到,这个专利 曾经经历过诉讼、转让、许可、海关备案和无效审查等多种法律事件。 就此专利进行进一步调查发现,该专利是九阳股份有限公司购买的步步 高的专利,在此后的专利侵权诉讼中,九阳公司获得胜诉并或赔偿540 万元。小小实用新型不让发明,在专利维权中发挥了大作用。
接下来我们对申请人专利的价值度分布情况进行分析。
图8B示出了利用根据本公开的实施例的专利价值度评价方法筛选 出的高价值专利的申请人的专利布局的示意图。从图8B可以看出,九 阳股份有限公司申请的中国专利当中,发生过诉讼、转让、许可、海关 备案、复审、无效的案件分别有4、19、21、6、6及8件;筛选九阳公 司申请的中国专利中专利价值度等于9或10的专利,发现其发生过上述 法律事件的案件分别有4、8、20、3、4及8件,包括了上述大部分发生 过法律事件的重要案件。可见该申请人拥有较多的高价值专利。
以上仅是专利价值度模型应用的一个简单示意,实践中,应根据需 要对专利进行细致检索之后,利用专利价值度模型对检索结果进行筛选, 并结合专利的实际内容和技术、市场的应用情况进行深入、具体的分析。
本公开的实施例还提供了一种计算机可读存储介质,用于存储指 令,所述指令在被处理器执行时使处理器执行上述方法。
作为示例,本公开的实施例也可以在机器可执行指令的上下文中被描 述,机器可执行指令诸如包括在目标的真实或者虚拟处理器上的器件中 执行的程序模块中。一般而言,程序模块包括例程、程序、库、对象、 类、组件、数据结构等,其执行特定的任务或者实现特定的抽象数据结 构。在各实施例中,程序模块的功能可以在所描述的程序模块之间合并或者分割。用于程序模块的机器可执行指令可以在本地或者分布式设备 内执行。在分布式设备中,程序模块可以位于本地和远程存储介质二者 中。
用于实现本公开的方法的计算机程序代码可以用一种或多种编程语 言编写。这些计算机程序代码可以提供给通用计算机、专用计算机或其 他可编程的数据处理装置的处理器,使得程序代码在被计算机或其他可 编程的数据处理装置执行的时候,引起在流程图和/或框图中规定的功能 /操作被实施。程序代码可以完全在计算机上、部分在计算机上、作为独 立的软件包、部分在计算机上且部分在远程计算机上或完全在远程计算 机或服务器上执行。
在本公开的上下文中,机器可读介质可以是包含或存储用于或有关于 指令执行系统、装置或设备的程序的任何有形介质。机器可读介质可以 是机器可读信号介质或机器可读存储介质。机器可读介质可以包括但不 限于电子的、磁的、光学的、电磁的、红外的或半导体系统、装置或设 备,或其任意合适的组合。机器可读存储介质的更详细示例包括带有一 根或多根导线的电气连接、便携式计算机磁盘、硬盘、随机存储存取器 (RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或 闪存)、光存储设备、磁存储设备,或其任意合适的组合。
以上所述仅为本公开的优选实施例,并不用于限制本公开,对于本 领域技术人员而言,本公开可以有各种改动和变化。凡在本公开的精神 和原理之内所作的任何修改、等同替换、改进等,均应包含在本公开的 保护范围之内。
Claims (13)
1.一种构建专利价值度评价模型的方法,其特征在于,包括:
选取影响专利价值度的参数;
根据预设的专利价值度评价标准选取专利数据样本;
基于所选取的专利数据样本建立体现所选取的参数与专利价值度之间关系的评价公式。
2.根据权利要求1所述的构建专利价值度评价模型的方法,其特征在于,所述参数包括以下中的至少一种:
与专利的类型、状态、内容、审查过程有关的参数;
与专利的引证和被引证情况有关的参数;
与专利的布局有关的参数;
与专利的维持有关的参数;
与专利的发明人和申请人有关的参数;
与专利的运营有关的参数;以及
与专利的争议和纠纷有关的参数。
3.根据权利要求2所述的构建专利价值度评价模型的方法,其特征在于,所选取的参数包括专利中权利要求的数量。
4.根据权利要求1所述的构建专利价值度评价模型的方法,其特征在于,所述方法还包括:在选取专利样本之后,基于所选取的专利数据样本建立所选取的参数与专利价值度之间的关系图谱;并且
所述评价公式是基于所述关系图谱来建立的。
5.根据权利要求1所述的构建专利价值度评价模型的方法,其特征在于,所述根据预设的专利价值度评价标准选取专利数据样本包括:
选取符合预设的第一条件的专利作为第一组专利数据样本;
选取符合预设的第二预设条件的专利作为第二组专利数据样本。
6.根据权利要求5所述的构建专利价值度评价模型的方法,其特征在于,所述第二组专利数据样本是从第一组专利数据样本中选取的,所述第一条件包括记载于国专利数据库中的全部发明和实用新型,所述第二条件包括以下中的至少一个:
发生过专利侵权诉讼并获得胜诉的专利;
维持缴费至专利期届满的专利;
投入运营并获取回报的专利;
被请求无效并且被判维持有效的中国专利;
形成行业规范的专利;
被用超过预设次数的专利;
多国申请的专利。
7.根据权利要求5所述的构建专利价值度评价模型的方法,其特征在于,所述基于所选取的专利数据样本建立体现所选取的参数与专利价值度之间关系的评价公式包括:
计算所选取的参数在第一组专利数据样本中的分布;
计算所选取的参数在第二组专利数据样本中的分布;
计算所选取的参数在第一组专利数据样本中的分布与所选取的参数在第二组专利数据样本中的分布之间的比较结果;以及
基于所述比较结果拟合所选取的参数与所述比较结果之间的关系式,作为体现所选取的参数与专利价值度之间的关系的评价公式。
8.根据权利要求1所述的构建专利价值度评价模型的方法,其特征在于,所述基于所选取的专利数据样本建立体现所选取的参数与专利价值度之间关系的评价公式包括:
提取参数的每个值所对应的专利;
对每个值所对应的专利进行专利价值度评价,并基于评价结果来设定参数的该值对专利价值度的影响力;
基于参数的各个值对专利价值度的影响力来获得体现参数与专利价值度之间关系的评价公式。
9.根据权利要求8所述的构建专利价值度评价模型的方法,其特征在于,所述专利数据样本包括单件专利的专利数据样本或者由多件专利转换成的复合专利的专利数据样本。
10.根据权利要求1所述的构建专利价值度评价模型的方法,其特征在于,所选取的参数有多个,所述基于所选取的专利数据样本建立体现所选取的参数与专利价值度之间关系的评价公式包括:
针对每个所选取的参数,分别基于所选取的专利数据样本建立体现该参数与专利价值度之间关系的子评价公式;
将子评价公式的加权和,作为针对所选取的全体参数的评价公式。
11.根据权利要求1所述的构建专利价值度评价模型的方法,其特征在于,所选取的参数分为多组,所述基于所选取的专利数据样本建立体现所选取的参数与专利价值度之间关系的评价公式包括:
针对每个所选取的每一组参数,分别基于所选取的专利数据样本建立体现该组参数与专利价值度之间关系的子评价公式;
将子评价公式的加权和,作为针对所选取的全体参数的评价公式。
12.根据权利要求1所述的构建专利价值度评价模型的方法,其特征在于,还包括:
接收其他参数;
基于所述其他参数建立用于从评价专利价值度的至少一个其他模型,将所述其他模型与所建立的评价公式组合以得到最终构建的专利价值度评价模型。
13.一种计算机可读存储介质,用于存储指令,所述指令在被处理器执行时使处理器执行根据权利要求1至12中任一项所述的构建专利价值度评价模型的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810277160.9A CN108460698A (zh) | 2018-03-30 | 2018-03-30 | 构建专利价值度评价模型的方法和计算机可读存储介质 |
PCT/CN2018/098245 WO2019184176A1 (zh) | 2018-03-30 | 2018-08-02 | 专利价值度评价方法及其模型构建方法和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810277160.9A CN108460698A (zh) | 2018-03-30 | 2018-03-30 | 构建专利价值度评价模型的方法和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108460698A true CN108460698A (zh) | 2018-08-28 |
Family
ID=63238303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810277160.9A Pending CN108460698A (zh) | 2018-03-30 | 2018-03-30 | 构建专利价值度评价模型的方法和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460698A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447699A (zh) * | 2018-10-23 | 2019-03-08 | 国网江苏省电力有限公司 | 一种专利价值评估系统 |
CN110046243A (zh) * | 2019-04-23 | 2019-07-23 | 北京恒冠网络数据处理有限公司 | 一种基于大数据的专利个性化检索分析系统 |
CN110990453A (zh) * | 2019-11-26 | 2020-04-10 | 北京理工大学 | 数据集中强相关变量提取及专利数量影响因素提取方法 |
CN112766298A (zh) * | 2020-08-20 | 2021-05-07 | 同济大学 | 基于XGBoost回归的技术成果定价评估方法 |
CN113227922A (zh) * | 2018-12-28 | 2021-08-06 | Abb瑞士股份有限公司 | 用于控制过程工厂中的过程的方法和系统 |
CN117235279A (zh) * | 2023-09-04 | 2023-12-15 | 上海歆广数据科技有限公司 | 一种融合大语音模型和知识图谱的关键任务开发框架 |
CN117853280A (zh) * | 2024-01-10 | 2024-04-09 | 深圳谱盈科技有限公司 | 基于数字化管理和可视化分析的数据处理信息常态化运维方法 |
-
2018
- 2018-03-30 CN CN201810277160.9A patent/CN108460698A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447699A (zh) * | 2018-10-23 | 2019-03-08 | 国网江苏省电力有限公司 | 一种专利价值评估系统 |
CN113227922A (zh) * | 2018-12-28 | 2021-08-06 | Abb瑞士股份有限公司 | 用于控制过程工厂中的过程的方法和系统 |
CN113227922B (zh) * | 2018-12-28 | 2023-01-13 | Abb瑞士股份有限公司 | 用于控制过程工厂中的过程的方法和系统 |
CN110046243A (zh) * | 2019-04-23 | 2019-07-23 | 北京恒冠网络数据处理有限公司 | 一种基于大数据的专利个性化检索分析系统 |
CN110990453A (zh) * | 2019-11-26 | 2020-04-10 | 北京理工大学 | 数据集中强相关变量提取及专利数量影响因素提取方法 |
CN110990453B (zh) * | 2019-11-26 | 2021-07-16 | 北京理工大学 | 数据集中强相关变量提取及专利数量影响因素提取方法 |
CN112766298A (zh) * | 2020-08-20 | 2021-05-07 | 同济大学 | 基于XGBoost回归的技术成果定价评估方法 |
CN117235279A (zh) * | 2023-09-04 | 2023-12-15 | 上海歆广数据科技有限公司 | 一种融合大语音模型和知识图谱的关键任务开发框架 |
CN117235279B (zh) * | 2023-09-04 | 2024-03-19 | 上海峻思寰宇数据科技有限公司 | 一种融合大语言模型和知识图谱的关键任务开发系统 |
CN117853280A (zh) * | 2024-01-10 | 2024-04-09 | 深圳谱盈科技有限公司 | 基于数字化管理和可视化分析的数据处理信息常态化运维方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460698A (zh) | 构建专利价值度评价模型的方法和计算机可读存储介质 | |
CN108694462A (zh) | 专利价值度评价方法和计算机可读存储介质 | |
Magri | Debt maturity choice of nonpublic Italian firms | |
CN103679373B (zh) | 生产基建标准成本体系的全链条预算数据处理系统及方法 | |
CN108629708A (zh) | 构建专利价值度评价模型的方法和计算机可读存储介质 | |
Deng et al. | Fiscal transparency at the Chinese provincial level | |
Yiu et al. | Alternative financing and private firm performance | |
CN108681961A (zh) | 信贷产品推介方法、装置、设备及计算机可读存储介质 | |
Gorgan et al. | The evolution of the accounting practices during the recent economic crisis: Empirical survey regarding the earnings management | |
CN109102396A (zh) | 一种用户信用评级方法、计算机设备及可读介质 | |
Shi et al. | A Grey Model for Evaluation of Information Systems Security. | |
CN109727116A (zh) | 信贷分析方法、装置、设备及计算机可读存储介质 | |
Bahaji | Are employee stock option exercise decisions better explained through the prospect theory? | |
CN112037013A (zh) | 人行征信变量衍生方法及装置 | |
Al-Halabi et al. | The impact of designing accounting information systems on the level of accounting conservatism-a field study | |
CN109102182A (zh) | 一种页岩气开发方案的筛选方法及装置 | |
Mao et al. | Input trade liberalisation, institution and markup: Evidence from China's accession to the WTO | |
Goel et al. | The Role of Technology and Regulations in Capital Flow to India | |
Hoberg et al. | Internet Access and US-China Innovation Competition | |
WO2019184176A1 (zh) | 专利价值度评价方法及其模型构建方法和可读存储介质 | |
Ali et al. | Financial Performance Analysis using Economic Value Added (EVA) Method at PT. Darma Henwa Tbk. Period 2017-2019 | |
Li et al. | Big-Data Measurement-Model Research about Judges’ Actual Workload in China | |
Lawal et al. | Board Diversity and Intellectual Capital Performance of Listed Non-Financial Service Firms in Nigeria | |
CHEN | THE PROGRESS ON THE THEORY AND PRACTICE OF PUBLIC SERVICE QUALITY IMPROVEMENT IN CHINA: A BRIEF REVIEW ZHENMING CHEN AND XU GENG | |
Muchori | Assessing the validity of the Altman’s Z-Score models as predictors of financial distress in companies listed on the nairobi securities exchange, Kenya (A Case Study) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180828 |
|
RJ01 | Rejection of invention patent application after publication |