CN109102197A - 专利价值评估体系 - Google Patents
专利价值评估体系 Download PDFInfo
- Publication number
- CN109102197A CN109102197A CN201810968417.5A CN201810968417A CN109102197A CN 109102197 A CN109102197 A CN 109102197A CN 201810968417 A CN201810968417 A CN 201810968417A CN 109102197 A CN109102197 A CN 109102197A
- Authority
- CN
- China
- Prior art keywords
- score
- value
- index
- estimating system
- valve estimating
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 8
- 238000012827 research and development Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 claims 1
- 238000012360 testing method Methods 0.000 claims 1
- 238000013139 quantization Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010835 comparative analysis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000012552 review Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 3
- 210000004209 hair Anatomy 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000034303 cell budding Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003455 independent Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000005303 weighing Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种专利价值评估体系,包括如下步骤:a)建立动态数据库;b)读取和识别专利的文本信息;c)根据已识别的文本信息,调用动态数据库中的目标信息形成目标数据池;d)设立全维度指标,根据全维度指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化,求出各项指标得分;e)统计各项指标得分,评出专利价值度。本专利价值评估体系具有客观公允、分析全面、可实施性强、评估效率高的特点。
Description
技术领域
本发明涉及专利评估领域,具体地说是一种专利价值评估体系。
背景技术
无形资产评估如专利评估是根据特定目的,遵循公允、法定标准和规程,运用适当方法,对专利进行确认、计价和报告,为资产业务提供价值尺度的行为。现有的评估方式主要有专家人工评估、软件系统自动化评估和专家与软件混合评估。
专家人工评估:一个专利不管是由单个专家还是多位专家评估,每位专家信息不对称以致其评估指标和价值尺度不同,掺杂主观意识强。近年来,每年的专利申请达数百万件,授权专利达百万件,各种与专利评估相关的商业活动越来越多,人工评估效率低下无法满足市场需求。将待评专利与专家获悉的现有技术对比时,评估专家根据个人思维和互联网信息进行评估,需要比较长的时间,况且,每一天现有技术的更新成千上万,而专家所掌握的信息并不能与互联网互通,所知悉的信息量也无法匹及实时更新的数据库,评估结果会有很大出入,具有很大的局限性。
软件系统自动化评估:目前市场上存在的评估体系将待评专利与系统采集的现有技术进行对比分析,其分析指标主要集中在技术、法律、市场三个维度,将三个维度内的某些不可量化指标剔除掉,尤其是具有较大影响专利价值却不可量化的指标,导致减少了评估指标,评估出的价值波动较大,评估结果的参考价值不高。有些评估体系虽然将不可量化指标列入评估,却没有给出该指标判断价值的具体方案,可实施性不强。在建立评估指标体系的过程中没有考虑到各指标之间的相关度,使相关联的指标进行了重复评估,导致加大了相关指标的价值比重,其评估结果同样具有很大的局限性。
专家与软件混合评估:可量化指标通过软件系统自动化评估,不可量化指标通过专家人工评估,专家对可量化指标和不可量化指标的判断标准不一致,所以不同专家的评估结果也会不一致。另一方面,由于采用人工评估,其评估效率仍然受限。
现有的专利价值评估方法不管是行业专家评估、软件系统评估,还是行业专家与软件系统混合评估,均因涉及的评估指标各不相同,总会趋向于专家思想或软件设计者的思想,以致确定各指标的分值带有很强的主观性;没有将难以量化的指标列入评估,即使列入了却没有对应的评估方法和可实施方案;各评估指标之间存在一定的相关度,没有将相关联的指标独立归属于某一指标来进行专利价值分析,可能造成各指标之间的重复评估。此外,划分现有技术的范围是根据专家或软件设计者的思路去找出对比分析数据,没有采用大数据去检索和划分,导致所划出的现有技术范围可能不够完善;另一方面,对比分析数据并不仅仅局限于现有技术,还应该包括一些与专利相关的信息,对比分析数据不够完善。因此,专利价值评估的客观性、全面性、可实施性有待进一步提高。
发明内容
为了克服背景技术的不足,本发明提供一种专利价值评估体系。
为实现上述目的,本发明采用的技术方案是:一种专利价值评估体系,包括如下步骤:
a)建立动态数据库;
b)读取和识别专利的文本信息;
c)根据已识别的文本信息,调用动态数据库中的目标信息形成目标数据池;
d)设立全维度指标,根据全维度指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化,求出各项指标得分;
e)统计各项指标得分,评出专利价值度。
进一步的,所述步骤b具体是读取文本信息的著录项目、权利要求书,识别著录项目的分类号,提取权利要求书的关键词。
进一步的,在步骤c中,所述目标数据池包括根据分类号和/或关键词建立的专利历史库、根据关键词建立的技术知识库。
进一步的,在步骤c中,所述调用至少包括检索、统计、查询动作指令,根据动作指令从动态数据库获取各种目标信息以形成目标数据池。
进一步的,所述步骤d具体为设立可分为可量化指标和不可量化指标的全维度指标化,根据可量化指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化;不可量化指标先转化为具有相关性的可量化指标,再根据具有相关性的可量化指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化。
进一步的,在步骤d中,将全维度指标至少分为法律价值、技术价值、市场价值三大维度。
进一步的,所述法律价值至少包括剩余保护年限、权利归属单一性、撰写质量、通过率、法律历史或/和新颖性;
所述市场价值至少包括申请人情况、申请人行业相关度、有效市场范围、市场情况、市场布局、专利许可、专利转让、维持年限;
所述技术价值至少包括申请人在该领域的研发经验和经历、发明人在该领域的研发经验和经历、专利被引、专利申请耗时、技术实用性、技术先进性、技术通用性、专利获奖情况。
进一步的,指标的维度归属选择多元回归模型,指标寻优方式选择最小二乘法,Y=βX+ε,Y为因变量矩阵,X为自变量矩阵,β为系数矩阵,ε为残差矩阵,参数计算,β=(X′X)-1(X′Y),X′为X矩阵的转置。
进一步的,分析指标之间的独立性,引入似然函数:
其中LR1为无约束方程的似然函数,n为点的个数,为无约束方程的方差估计;LR2为约束方程的似然函数,为有约束方程的方差估计,LR1、LR2服从卡方(χ2)分布,n、i为大于零的整数。
进一步的,在步骤a中,所述动态数据库为至少一个区块链的其中一个节点。
本发明的有益效果是:本专利价值评估体系具有客观公允、分析全面、可实施性强、评估效率高的特点。
附图说明
图1为专利价值评估流程图。
图2为市场情况趋势图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,一种专利价值评估体系,包括如下步骤:
a)建立动态数据库;
所述动态数据库为至少一个区块链的其中一个节点。动态数据库由若干个的区块链中的多个节点共同参与数据的维护,例如本单位与其他企事业单位、政府机构等具有相关数据的部门组成联盟链,使动态数据库与技术期刊、专利文献等各方资源保持定期和/或实时更新,不仅保证了数据稳定可靠,而且大大降低了动态数据库中数据“动态化”的难度和成本,可轻松实现数据“动态化”的效果。动态数据库随着不同时间进程而发生变化,通过多方对数据的验证和更新,从而保证数据的准确性和进一步完善。
b)读取和识别专利的文本信息;
所述步骤b具体是读取文本信息的著录项目、权利要求书,进一步包括说明书、说明书附图,识别著录项目的IPC分类号,进一步包括专利编号及日期、申请号、申请日、优先权信息、国际申请情况、申请人、发明人、代理人及代理机构、审查员、对比文件等,提取权利要求书的关键词,进一步的,读懂关键词组成的技术特征。文本语言可以是任何一种语言,譬如,中文、英文、法语、德语、俄语等,如有需要可通过翻译成某种语言才进行读取和识别文本信息。分类号仅以国际专利分类(IPC)为例,还包括欧洲专利分类号(ECLA)、美国专利分类号(CCL)、日本的分类法(FI/F-term)、联合专利分类(CPC)等。
c)根据已识别的文本信息,调用动态数据库中的目标信息形成目标数据池;
在步骤c中,所述目标数据池包括根据IPC分类号和/或关键词建立的专利历史库、根据关键词建立的技术知识库。IPC分类号与关键词是确立现有技术、查找对比分析数据的关键所在,所以采用多种组合检索,弥补了现有技术除了专利文献以外的空白。专利文献包含了90%以上的世界科学技术信息,其余记载在技术刊物和商业秘密中,已公开的专利文献组成专利历史库,技术期刊代表技术知识库,所以,专利历史库和技术知识库共同组成了现有技术,有别于只采用专利文献作为现有技术的其他评估体系,进一步完善了待评专利现有技术范围的划分,尤其是在判断未授权的专利申请其新颖性时更为精确。对动态数据库和目标数据池的完善与补充使两者相得益彰,保证了原始数据的完整性和对比分析数据的精确性,为后面引用该处数据进行评估提高了精度,自然评估结果也更为客观公允。
在步骤c中,所述调用至少包括检索、统计、查询动作指令,根据动作指令从动态数据库获取各种目标信息以形成目标数据池。进一步的,目标数据池除了现有技术,还包括统计各项权利要求和说明书的字数、说明书附图的图数,进一步包括根据申请号、申请人、发明人分别查询专利登记簿、企业信息、专家库,根据申请人及发明人、代理人及代理机构分别统计专利申请通过率、专利代理通过率,以及查询和统计与待评专利相关的信息,将上述获取的索引信息导入目标数据池。形成目标数据池相当于通过大数据分析在动态数据库中预先找出与待评专利相关的索引信息(即对比分析数据),以便缩短查找数据时间,提高工作效率。
d)设立全维度指标,根据全维度指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化,求出各项指标得分;
所述步骤d具体为设立可分为可量化指标和不可量化指标的全维度指标,根据可量化指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化;不可量化指标先转化为具有相关性的可量化指标,再根据具有相关性的可量化指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化。为不可量化指标提供了量化标准及量化方法,弥补以往缺乏不可量化指标的分值,使评估分析更为全面;除去了评估者衡量不可量化指标的主观性,使评估分析更为客观公允;不可量化指标得以客观量化,提供了量化方法,适合用于评估体系,增强了评估不可量化指标的可实施性。
在步骤d中,将全维度指标至少分为法律价值、技术价值、市场价值三大维度,或把三大维度细分为影响专利价值的可量化指标和不可量化指标,通过数学模型在数值上量化。
所述法律价值的可量化指标和不可量化指标至少包括专利剩余保护年限、权利归属单一性、撰写质量、通过率、法律历史或/和新颖性。所述市场价值的可量化指标和不可量化指标至少包括申请人情况、申请人行业相关度、有效市场范围、市场情况、市场布局、专利许可、专利转让、维持年限。所述技术价值的可量化指标和不可量化指标至少包括申请人在该领域的研发经验和经历、发明人在该领域的研发经验和经历、专利被引、专利申请耗时、技术实用性、技术先进性、技术通用性、专利获奖情况。权衡了各种维度对专利价值的利害关系,将各种直接或间接影响专利价值因素的指标列入评估体系,并将其独立到某一维度进行量化,提高了指标的全面性、独立性,因为考虑周全,分析全面,从而使评估更具客观性。
进一步的,全维度指标还包括风险模块。风险模块的可量化指标和不可量化指标至少包括专利规避风险、侵权取证风险、技术替代风险和法律斗争风险。
针对上述指标进行评估,指标的估值就会在其实际价值的左右波动,且误差若属于正态分布,基于数据的精准度,指标的维度归属可选择多元回归模型,指标寻优方式可选择最小二乘法,Y=βX+ε,Y为因变量矩阵,X为自变量矩阵,β为系数矩阵,ε为残差矩阵,参数计算,β=(X′X)-1(X′Y),X′为X矩阵的转置。
由于法律价值、技术价值、市场价值不同维度下、同维度下的各指标之间可能具有相关性,为确立指标的维度归属,分析指标之间的独立性,可引入最大似然函数:
其中LR1为无约束方程的似然函数,n为点的个数,为无约束方程的方差估计;LR2为约束方程的似然函数,为有约束方程的方差估计,LR1、LR2服从卡方(χ2)分布,n、i为大于零的整数。每次尝试剔除一个自变量对原方程的影响,如果影响超过卡方(χ2)临界值,证明剔除此自变量对方程影响过大,如果在方程中有相关性很强的两个自变量,当一个被剔除时,由于另一个的存在,不会对方程产生重大影响,从而判断指标的维度归属。在一实施例中,多元回归模型和最大似然函数的运算由计算机实施。
e)统计各项指标得分,评出专利价值度。
分别计算法律价值、技术价值、市场价值下的各指标分值,综合各指标分值计算出法律价值得分、技术价值得分、市场价值得分,统计法律价值得分、技术价值得分、市场价值得分三者之和则为专利价值度,最后生成评估报告输出。
所述专利价值评估体系的步骤还包括:根据评出的专利价值度形成专利价值度数据库;开放应用程序编程接口(API)提供给用户或内部使用。
在一实施例中,在完成专利价值评估后,评估报告的评估信息形成专利价值度数据库,专利价值度数据库引入区块链技术,评估数据保存在多个数据节点,各数据节点通过区块链同步数据,保证数据安全可信,降低数据丢失和被篡改的风险。专利价值评估体系还可应用于基于区块链及其智能合约的技术交易平台,提供专利的价值参考。
在一实施例中,各维度的基本量化过程可如下:
一、法律价值(L分)
1.剩余保护年限(分数占比l1)
发明20年,实用新型10年,剩余保护年限越长,其专利价值越高。
a)发明:剩余年限Y1,得分
b)实用新型:剩余年限Y1,得分
2.权利归属单一性(分数占比l2)
是否有多个申请人,申请人越多,专利权归属越复杂,行使权利的自主程度越低,得分会越低。申请人数P1,每人扣分值q1,得分
L2=100-q1·(P1-1)(L2≥0)。
3.新颖性(分数占比l3)
新颖性在新型初审、发明实审前是不可量化的,新型初审、发明实审后是可量化的。
a)审前:通过IPC和/或关键词检索申请日前的专利文献和通过关键词检索申请日前的技术期刊等公开文献,除去待评专利所引用的优先申请外,待评专利所有的技术特征落入现有技术的范围之内则无新颖性,得分L3=1;否则有新颖性,得分L3=99。
b)审后:授权和非因新颖性被驳回,有新颖性,得分L3=100;因新颖性被驳回,无新颖性,得分L3=0。
4.通过率(分数占比l4)
审前为新型初审、发明实审之前;审后为新型初审、发明实审之后。
a)审前:
i.申请人申请过该IPC的专利总量y1,授权专利数量x1,申请人通过率得分
ii.发明人申请过该IPC的专利总量y2,授权专利数量x2,发明人通过率得分
iii.代理机构代理过该IPC的专利总量y3,授权专利量x3,代理机构通过率得分
iv.代理人代理过该IPC的专利总量y4,授权专利量x4,代理人通过率得分
v.审查员操作过该IPC的专利总量y5,授权专利量x5,审查员通过率得分
申请人通过率得分占比N1,发明人通过率得分占比N2,代理机构通过率得分占比N3,代理人通过率得分占比N4,审查员通过率得分占比N5,且(N1+N2+N3+N4+N5=100%),则通过率得分
L4=N1·L41+N2·L42+N3·L43+N4·L44+N5·L45
b)审后:授权得分L4=100分,不授权得分L4=0分。
5.撰写质量(分数占比l5)
a)附图:与待评专利同IPC下专利平均附图页数为K1,得分为Q1,待评专利附图页数K2,待评专利得分
b)权利要求:
i.权利要求项数是否需要申请附加费,是则得分L511=20,否则得分L521=0。
ii.权利要求项数Z1越多,技术保护越全面,权利越稳定,得分越高。L522=Z1(1≤L522≤80)。
综上,该项得分L52=L521+L522。
c)保护全面性:分析每条独立权利要求,识别保护主题是“产品”还是“方法”。
i.有关于产品的描述,得分L531=50,否则得分L531=0;
ii.有关于方法的描述,得分L532=50,否则得分L532=0。
综上,该项得分L53=L531+L532。
d)保护范围:权利要求保护范围越大,则得分越高。
i.独立权利要求字数越少,权利要求保护范围越大;
ii.独立权利要求技术特征越少,权利要求保护范围越大。技术特征由关键词和描述性词组成,即独立权利要求关键词或/和描述性词越少,权利要求的保护范围越大。
在目标数据池中,独立权利要求关键词的出现频率得分J1,针对权利要求关键词的描述性词数得分J2,独立权利要求字数得分J3。J1得分占比Z2,J2得分占比Z3,J3得分占比Z4且(Z2+Z3+Z4=100%)。该项得分
L54=Z2·J1+Z3·J2+Z4·J3(0≤J1,J2,J3≤100,0≤L54≤100)
e)撰写完整性:权利要求中的技术特征需在说明书中的发明内容中全部提及,发明内容中提及的技术特征x6,总技术特征数x,该项得分
f)说明书:技术领域字数X1,背景技术字数X2,发明内容字数X3,附图说明字数X4,具体实施方式字数X5,总字数X;目标数据池的相应平均值:技术领域得分占比n1,背景技术得分占比n2,发明内容得分占比n3,附图说明得分占比n4,具体实施方式得分占比n5且(n1+n2+n3+n4+n5=100%)。该项得分
附图得分占比S1,权利要求得分占比S2,保护全面性得分占比S3,保护范围得分占比S4,撰写完整性得分占比S5,说明书得分占比S6且(S1+S2+S3+S4+S5+S6=100%)。撰写质量得分
L5=L51·S1+L52·S2+L53·S3+L54·S4+L55·S5+L56·S6。
6.法律历史(分数占比l6)
诉讼与复审:是否曾遭遇驳回复审、无效宣告等。在一实施例中,专利经初步审查后且申请人陈述意见或者修改后驳回,复审顺利通过;专利经实质审查后且申请人陈述意见或者修改后驳回,复审顺利通过;专利被请求无效宣告,申请人陈述意见或者修改后,专利复审委员会宣告专利权部分无效和维持专利权有效。发生以上情况的次数x7,每次加分Q2,影响权利要求项数Z5,总权利数Z(Z5≤Z),基础分B1。法律历史得分
a)许可转让:发生过许可或转让说明专利稳定性强,发生过许可次数x8,发生过转让次数x9,每次许可得分Q3,许可得分占比N。
得分L62=N·x8Q3+(100%-N)·x9Q3(0≤L62≤100且0≤N≤100%)
综上,许可转让得分占比Ns,法律历史得分L6=Ns·L61+(100%-Ns)·L62(0≤Ns≤100%)。
综合所述,已知l1+l2+l3+l4+l5+l6=100%,法律价值的总得分
L=L1·l1+L2·l2+L3·l3+L4·l4+L5·l5+L6·l6
二、市场价值(M分)
1.申请人情况(分数占比m1)
基础分B2,注册资金H1万,公司规模I1人。与待评专利同IPC下最大注册资金的公司,注册资金为G1万;最大规模的公司,员工有F1人,注册资金得分上限D1,个人得分M1=B2(0≤B2≤100),公司得分
2.申请人行业相关度(分数占比m2)
a)个人:得分M2=B3。
b)公司:查询企业信息,对比其经营范围是否与该专利相关,是得分M2=B4,否得分M2=B5,且B4>B5>B3。
多个申请人组合取其中最高分。
3.有效市场范围(分数占比m3)
a)是否进行PCT国际申请:进行PCT国际申请说明有扩展其他国家市场的想法,是得分M3=100,否得分M31=0,该项得分占比E1。
b)同族专利:同族布局国家数y6,每个国家得分Q4,得分
M32=Q4y6(0≤M32≤100)。
有效市场范围得分M3=E1·M31+(100%-E1)·M32(0≤E1≤100)。
4.市场情况(分数占比m4)
由于市场情况不能从指标本身着手分析,属于不可量化指标,无法给出定量值,引入可量化指标和引用大数据分析作参考,先将不可量化指标转化为具有相关性的可量化指标,再对该相关性的可量化指标进行分析衡量,进而给出不可量化指标的定量值。
如图2所示,将市场情况转化为现有技术专利储量和专利申请量进行大数据分析,对与待评专利同IPC下的专利申请量、现有技术专利储量进行统计,处于萌芽期的技术,其现有技术专利储量和专利申请量呈平滑上升趋势;处于发展期的技术,其现有技术专利储量和专利申请量呈急速上升趋势;处于成熟期的技术,其现有技术专利储量呈上升趋势,专利申请量趋于平稳;处于衰退期的技术,其现有技术存量呈平滑上升趋势,但申请量呈急速下降趋势。得出该行业处于“萌芽期”得分M4=a1,“发展期”得分M4=b1,“成熟期”得分M4=c1,“衰退期”得分M4=d1。本例给出了市场情况的详细量化过程用于解析说明,但并不仅仅局限于不可量化指标只有市场情况这一指标,还有其他省略了详细量化过程的指标。
.市场布局(分数占比m5)
申请人在目标数据池的授权发明数量H2,实用新型数量I2,各专利的保护范围得分A,与待评专利同IPC的所有发明专利数量F2、实用新型数量G2,保护范围C,发明得分上限E2(0≤E2≤100)。
得分
.专利许可(分数占比m6)
如果专利有进行过许可,说明专利具备市场价值,被许可公司的注册资金和公司规模越大,说明该专利的含金量越高。
被许可公司的注册资金H3万,公司规模I3人,许可次数y7,注册资金得分上限D2,与待评专利同IPC下最大注册资金的公司,注册资金为G3万;最大规模的公司,员工有F3人;每次许可得分占比E3,
a)无专利许可得分M6=0
b)有专利许可得分且0≤E3≤100%)
7.专利转让(分数占比m7)
转让次数y8,每次转让得分占比E4,
专利储量:被转让公司本身具有相关领域的发明或实用新型数量得分Q5。
被转让公司状况:被转让公司的注册资金H4万,公司规模I4人,注册资金得分上限E5;与待评专利同IPC下最大注册资金的公司,注册资金为G4万;最大规模的公司,员工有F4人。
相关性:被转让公司与待评专利是否具有相关性(涉及经营范围及产品),得分B6,是则B6=100,否则B6=0。
相关性得分占比U1,被转让公司状况得分占比U2,专利储量得分占比U3,且(U1+U2+U3=100%)。
有专利转让得分U3Q5i]}(0≤M7≤100且0≤U1≤100%)
无专利转让得分M7=0。
8.维持年限(分数占比m8)
从市场的角度衡量,专利维持年限越长,说明专利的经济寿命越长。维持年限Y2(专利授权后从申请日起计算),每年得分得分M8=Y2·K2。
综上所述,已知m1+m2+m3+m4+m5+m6+m7+m8=100%,市场价值的总得分:
M=M1·m1+M2·m2+M3·m3+M4·m4+M5·m5+M6·m6+M7·m7+M8·m8
三、技术价值(T分)
1.申请人在该领域的研发经验和经历(分数占比t1)
申请人在待评专利同IPC下的所有发明或实用新型的专利数量得分A1,如多个申请人取平均值,专利数量得分占比C1;申请人申请第一个专利的申请日至该专利申请日的时间跨度得分Y3。得分
T1=C1·A1+(100%-C1)·Y3(0≤C1≤100%)
2.发明人在该领域的研发经验和经历(分数占比t2)
发明人在待评专利同IPC下的所有发明或实用新型的专利数量得分A2,如多个发明人取平均值,专利数量得分占比C2,发明人申请第一个专利的申请日至该专利申请日的时间跨度得分Y4。得分T2=C2·A2+(100%-C2)·Y4(0≤C2≤100%)
3.专利被引(分数占比t3)
待评专利被引次数越多,则该专利技术贡献度越高,得分占比C3。引用该待评专利的相关专利,相关专利的IPC分类号种类越多,则该专利技术适用范围越大。专利被引次数得分A3,IPC分类号种类得分K3。得分T3=C3·A3+(100%-C3)·K3(0≤C3≤100%)
4.专利申请耗时(分数占比t4)
专利从申请日至授权日的时间跨度越短,说明该专利技术越重要,关注度越高,
专利申请时间跨度(年)Y5,
得分T4=Y5K4(0≤T4≤100)
5.技术实用性(分数占比t5)
从技术的角度衡量,专利维持年限越长,说明该专利技术越成熟,可替代技术越少,即使有新技术出现,但由于某些技术方面的局限,新技术无法动摇待评专利技术的地位,待评专利在技术上还是很实用的。
维持年限Y6,每年得分得分T5=Y6K5
6.技术先进性(分数占比t6)
在该待评专利申请日后申请相似的已授权专利的数量Y7,每个得分K6,
得分T6=100-Y7K6(0≤T6≤100)
7.技术通用性(分数占比t7)
即IPC的分布广度,一个完整的IPC分类号由代表部、大类、小类、大组或小组的符号组合构成,其技术领域范围依次减小。专利IPC分类号的第一类别“部”得分a2,其分值占比V1;第二类别“大类”得分b2,其分值占比V2;第三类别“小类”得分c2,其分值占比V3;第四类别“大组或小组”得分d2,其分值占比V4。该项得分:
T7=V1·a2+V2·b2+V3·c2+V4·d2(V1+V2+V3+V4=100%且V1>V2>V3>V4)
8.专利获奖情况(分数占比t8)
专利奖等级:中国专利金奖,得分A4(60≤A4≤100);中国专利优秀奖,得分C4(30≤C4≤60)。得分
综上所述,已知t1+t2+t3+t4+t5+t6+t7+t8=100%,市场价值的总得分:
T=T1·t1+T2·t2+T3·t3+T4·t4+T5·t5+T6·t6+T7·t7+T8·t8
四、风险模块(R分)
1.专利规避风险(分数占比r1)
保护范围越大,越不容易被规避,得分越高。目标数据池有权专利的最大保护范围D3,待评专利保护范围D4,专利规避风险得分
2.侵权取证风险(分数占比r2)
分析每项独立权利要求的技术特征,结构类型的特征取证难度较易,方法或用途类型的特征取证难度较难,取证难度越低,得分越高。结构类特征得分W1,方法或用途类特征得分W2,结构类特征的独立权利要求项数J4,方法或用途类特征的独立权利要求项数Z6,总独立权利要求项数S。侵权取证风险得分
3.技术替代风险(分数占比r3)
相似专利数量越少,被替代的可能性越低,得分越高。待评专利申请日之前的相似专利数量a3,每个专利得分b3,待评专利申请日之后的相似专利数量c3,每个专利得分d3。所谓相似是指跟待评专利的技术特征至少达到75%的重合度的专利。技术替代风险得分R3=100-(a3·b3+c3·d3) (0≤R3≤100)
4.法律斗争风险(分数占比r4)
行业内的法律斗争情况越少,进行法律斗争的可能越低,得分越高。相似专利的平均法律斗争次数a4,每次法律斗争得分b4。法律斗争风险得分R4=100-(a4·b4)(0≤a4·b4≤100)
综上所述,已知r1+r2+r3+r4=100%,风险模块的总得分:
R=R1·r1+R2·r2+R3·r3+R4·r4
结合各维度的可量化指标和不可量化指标的量化思路及其基本量化过程,专利价值度为P,则P=(L+M+T)·R%。
以上所述是一种基于计算机技术、互联网技术、大数据分析的专利价值评估体系,该专利价值评估体系与现有技术的区别:优化动态数据库和目标数据池;采用多级指标评估,一级指标包括法律价值、技术价值、市场价值和风险模块,一级指标下有若干个二级指标,二级指标下又可能包含若干个三级评估指标,多层级权衡比较,提高分析的深度,不可量化指标转为可量化指标进行评估,引用大数据分析,提高分析的广度;提供分析思路及其具体的量化过程,科学的统计方式,使指标进行数值量化的可实施性强。综上所述,本专利价值评估体系具有客观公允、评估效率高、分析全面、可实施性强的特点。
以上所述仅为本发明的较佳实例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种专利价值评估体系,其特征在于,包括如下步骤:
a)建立动态数据库;
b)读取和识别专利的文本信息;
c)根据已识别的文本信息,调用动态数据库中的目标信息形成目标数据池;
d)设立全维度指标,根据全维度指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化,求出各项指标得分;
e)统计各项指标得分,评出专利价值度。
2.根据权利要求1所述的专利价值评估体系,其特征在于:所述步骤b具体是读取文本信息的著录项目、权利要求书,识别著录项目的分类号,提取权利要求书的关键词。
3.根据权利要求2所述的专利价值评估体系,其特征在于:在步骤c中,所述目标数据池包括根据分类号和/或关键词建立的专利历史库、根据关键词建立的技术知识库。
4.根据权利要求1所述的专利价值评估体系,其特征在于:在步骤c中,所述调用至少包括检索、统计、查询动作指令,根据动作指令从动态数据库获取各种目标信息以形成目标数据池。
5.根据权利要求1所述的专利价值评估体系,其特征在于:所述步骤d具体为设立可分为可量化指标和不可量化指标的全维度指标化,根据可量化指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化;不可量化指标先转化为具有相关性的可量化指标,再根据具有相关性的可量化指标将已识别的文本信息与目标数据池作对比分析,通过数学模型进行量化。
6.根据权利要求1所述的专利价值评估体系,其特征在于:在步骤d中,将全维度指标至少分为法律价值、技术价值、市场价值三大维度。
7.根据权利要求6所述的专利价值评估体系,其特征在于:所述法律价值至少包括剩余保护年限、权利归属单一性、撰写质量、通过率、法律历史或/和新颖性;
所述市场价值至少包括申请人情况、申请人行业相关度、有效市场范围、市场情况、市场布局、专利许可、专利转让、维持年限;
所述技术价值至少包括申请人在该领域的研发经验和经历、发明人在该领域的研发经验和经历、专利被引、专利申请耗时、技术实用性、技术先进性、技术通用性、专利获奖情况。
8.根据权利要求1,5,6,7其中一项所述的专利价值评估体系,其特征在于:指标的维度归属选择多元回归模型,指标寻优方式选择最小二乘法,Y=βX+ε,Y为因变量矩阵,X为自变量矩阵,β为系数矩阵,ε为残差矩阵,参数计算,β=(X′X)-1(X′Y),X′为X矩阵的转置。
9.根据权利要求8所述的专利价值评估体系,其特征在于:分析指标之间的独立性,引入似然函数:
其中LR1为无约束方程的似然函数,n为点的个数,为无约束方程的方差估计;LR2为约束方程的似然函数,为有约束方程的方差估计,LR1、LR2服从卡方(χ2)分布,n、i为大于零的整数。
10.根据权利要求1所述的专利价值评估体系,其特征在于:在步骤a中,所述动态数据库为至少一个区块链的其中一个节点。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810968417.5A CN109102197A (zh) | 2018-08-23 | 2018-08-23 | 专利价值评估体系 |
US16/549,953 US20200065867A1 (en) | 2018-08-23 | 2019-08-23 | Patent valuation system |
US17/349,717 US20210312577A1 (en) | 2018-08-23 | 2021-06-16 | User-centric patent valuation-transaction system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810968417.5A CN109102197A (zh) | 2018-08-23 | 2018-08-23 | 专利价值评估体系 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109102197A true CN109102197A (zh) | 2018-12-28 |
Family
ID=64851104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810968417.5A Pending CN109102197A (zh) | 2018-08-23 | 2018-08-23 | 专利价值评估体系 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102197A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740947A (zh) * | 2019-01-08 | 2019-05-10 | 上海市研发公共服务平台管理中心 | 基于专利数据的专家挖掘方法、系统、存储介质及电子终端 |
CN110888841A (zh) * | 2019-11-29 | 2020-03-17 | 重庆摩托车(汽车)知识产权信息中心 | 基于区块链的专利检索方法、系统 |
CN111190907A (zh) * | 2019-12-30 | 2020-05-22 | 广州数字地球科技有限公司 | 专利网格方法及地球区块链和介质调度节点及网格系统 |
CN111598528A (zh) * | 2020-04-21 | 2020-08-28 | 奇计(江苏)科技服务有限公司 | 一种企业项目对比评审方法 |
CN111966749A (zh) * | 2020-08-04 | 2020-11-20 | 中国科学院上海微系统与信息技术研究所 | 一种数据处理方法、装置、电子设备及存储介质 |
CN112734603A (zh) * | 2020-12-08 | 2021-04-30 | 中国科学院科技战略咨询研究院 | 一种专利技术价值度评估方法与系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324075A (zh) * | 2011-10-29 | 2012-01-18 | 大连理工大学 | 一种基于WebGIS的绿色建筑智能化节能评估管理系统 |
CN105809269A (zh) * | 2016-01-04 | 2016-07-27 | 冠研(上海)专利技术有限公司 | 专利价值的评估方法 |
CN106372225A (zh) * | 2016-09-07 | 2017-02-01 | 知识产权出版社有限责任公司 | 一种基于高价值对比库的信息处理装置及方法 |
CN106446071A (zh) * | 2016-09-07 | 2017-02-22 | 知识产权出版社有限责任公司 | 信息处理装置及方法 |
CN106485612A (zh) * | 2016-10-12 | 2017-03-08 | 南方电网科学研究院有限责任公司 | 一种专利价值评估系统及价值评估方法 |
CN108257048A (zh) * | 2015-12-25 | 2018-07-06 | 深圳联合产权交易所股份有限公司 | 一种客观量化的中国发明专利评估系统及方法 |
-
2018
- 2018-08-23 CN CN201810968417.5A patent/CN109102197A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324075A (zh) * | 2011-10-29 | 2012-01-18 | 大连理工大学 | 一种基于WebGIS的绿色建筑智能化节能评估管理系统 |
CN108257048A (zh) * | 2015-12-25 | 2018-07-06 | 深圳联合产权交易所股份有限公司 | 一种客观量化的中国发明专利评估系统及方法 |
CN105809269A (zh) * | 2016-01-04 | 2016-07-27 | 冠研(上海)专利技术有限公司 | 专利价值的评估方法 |
CN106372225A (zh) * | 2016-09-07 | 2017-02-01 | 知识产权出版社有限责任公司 | 一种基于高价值对比库的信息处理装置及方法 |
CN106446071A (zh) * | 2016-09-07 | 2017-02-22 | 知识产权出版社有限责任公司 | 信息处理装置及方法 |
CN106485612A (zh) * | 2016-10-12 | 2017-03-08 | 南方电网科学研究院有限责任公司 | 一种专利价值评估系统及价值评估方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740947A (zh) * | 2019-01-08 | 2019-05-10 | 上海市研发公共服务平台管理中心 | 基于专利数据的专家挖掘方法、系统、存储介质及电子终端 |
CN110888841A (zh) * | 2019-11-29 | 2020-03-17 | 重庆摩托车(汽车)知识产权信息中心 | 基于区块链的专利检索方法、系统 |
CN111190907A (zh) * | 2019-12-30 | 2020-05-22 | 广州数字地球科技有限公司 | 专利网格方法及地球区块链和介质调度节点及网格系统 |
CN111598528A (zh) * | 2020-04-21 | 2020-08-28 | 奇计(江苏)科技服务有限公司 | 一种企业项目对比评审方法 |
CN111598528B (zh) * | 2020-04-21 | 2023-04-07 | 奇计(江苏)科技服务有限公司 | 一种企业项目对比评审方法 |
CN111966749A (zh) * | 2020-08-04 | 2020-11-20 | 中国科学院上海微系统与信息技术研究所 | 一种数据处理方法、装置、电子设备及存储介质 |
CN112734603A (zh) * | 2020-12-08 | 2021-04-30 | 中国科学院科技战略咨询研究院 | 一种专利技术价值度评估方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102197A (zh) | 专利价值评估体系 | |
Chan et al. | Data analysis using R programming | |
Burdick et al. | Extracting, linking and integrating data from public sources: A financial case study | |
CA2519238A1 (en) | Technique evaluating device, technique evaluating program, and technique evaluating method | |
AU2019204988B2 (en) | Determination of a response to a query | |
Dawson et al. | On the existence of visual technical patterns in the UK stock market | |
CN109492097B (zh) | 一种企业新闻数据风险分类方法 | |
Li et al. | Fast AI classification for analyzing construction accidents claims | |
CN110222180A (zh) | 一种文本数据分类与信息挖掘方法 | |
CN110310012A (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
CN105427171A (zh) | 一种互联网借贷平台评级的数据处理方法 | |
Bradbury et al. | The FASB's dissenting opinions | |
Zeng et al. | Semantic multi-grain mixture topic model for text analysis | |
Zhou et al. | Are Large Language Models Rational Investors? | |
US7676427B1 (en) | System and method of continuous assurance | |
Srivastava | Textual analysis and business intelligence in Big Data environment: Search engine versus XBRL | |
Strąk et al. | Quantitative analysis of a private tax rulings corpus | |
Deng et al. | Critical risk factors for construction supply chain in China: a fuzzy synthetic evaluation analysis | |
Chen et al. | Construction of Bank Credit White List Access System Based on Grey Clustering Algorithm | |
Yingying et al. | Intelligent model of bidding audit based on text mining | |
Nguyen et al. | Applying appropriate models to predict bankruptcy for Vietnamese listed construction companies | |
Jiang et al. | Research on Early Warning System of Real Estate Financial Risk Based on Convolutional Neural Network | |
Shen et al. | Wordle the Puzzle: A Prediction and Classification Model based on Com-prehensive RNN | |
Yang et al. | Risk evaluation of highway engineering project based on the fuzzy-AHP | |
HUANG | Stock Market Analysis |
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: 20181228 |
|
RJ01 | Rejection of invention patent application after publication |