CN114612166A - 一种产业链的必要专利的分析系统及方法 - Google Patents
一种产业链的必要专利的分析系统及方法 Download PDFInfo
- Publication number
- CN114612166A CN114612166A CN202210503193.7A CN202210503193A CN114612166A CN 114612166 A CN114612166 A CN 114612166A CN 202210503193 A CN202210503193 A CN 202210503193A CN 114612166 A CN114612166 A CN 114612166A
- Authority
- CN
- China
- Prior art keywords
- analysis
- semantic
- contribution
- preset
- acquiring
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 139
- 238000004458 analytical method Methods 0.000 claims abstract description 236
- 238000012549 training Methods 0.000 claims abstract description 49
- 238000005516 engineering process Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000012795 verification Methods 0.000 claims description 46
- 230000014509 gene expression Effects 0.000 claims description 20
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000004438 eyesight Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/11—Patent retrieval
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种产业链的必要专利的分析系统及方法,其中,系统包括:获取模块,用于获取对应于产业链的各个产业链节点的企业用户输入的技术方案;检索模块,用于基于检索技术,根据技术方案,进行技术检索,获得检索结果;分析模块,用于训练专利申请必要性分析模型,基于训练专利申请必要性分析模型,根据检索结果,进行专利申请必要性分析,获得分析结果;推送模块,用于将分析结果推送给对应企业用户。本发明的产业链的必要专利的分析系统及方法,无需人工确定企业自身研发的技术进行专利申请的必要性,降低了人力成本,同时,提升了必要性确定的确定效率,避免影响存在专利申请的必要性的技术方案的专利申请进度。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种产业链的必要专利的分析系统及方法。
背景技术
目前,与产业相关的企业,特别是与一些新兴产业相关的企业,希望通过专利申请使得自身研发的技术得到知识产权保护。企业为了提升专利申请效率,在专利申请前,需要确定自身研发的技术进行专利申请的必要性,基于必要性,确定是否进行相应专利申请。但是,确定必要性的工作一般由专业人士(例如:企业IPR等)或专业机构(例如:专利服务机构等)完成,成本较大,另外,确定必要性的工作周期一般较长,若技术存在专利申请的必要性,会影响对应专利申请的进度。
因此,亟需一种解决办法。
发明内容
本发明提供一种产业链的必要专利的分析系统及方法,无需人工确定企业自身研发的技术进行专利申请的必要性,降低了人力成本,同时,提升了必要性确定的确定效率,避免影响存在专利申请的必要性的技术方案的专利申请进度。
本发明提供一种产业链的必要专利的分析系统,包括:
获取模块,用于获取对应于产业链的各个产业链节点的企业用户输入的技术方案;
检索模块,用于基于检索技术,根据技术方案,进行技术检索,获得检索结果;
分析模块,用于训练专利申请必要性分析模型,基于训练专利申请必要性分析模型,根据检索结果,进行专利申请必要性分析,获得分析结果;
推送模块,用于将分析结果推送给对应企业用户。
优选的,分析模块训练专利申请必要性分析模型,执行如下操作:
获取人工进行专利申请必要性分析的多个第一分析记录,第一分析记录包括:分析人、分析过程和分析结果;
获取分析人的专业权重;
获取分析过程的价值指数;
获取分析结果的贡献指数;
若是专业权重小于等于预设的专业权重阈值和/或价值指数小于等于预设的价值指数阈值和/或贡献指数小于等于预设的贡献指数阈值,剔除对应第一分析记录;
当需要剔除的第一分析记录均剔除后,将剩余第一分析记录作为第二分析记录;
整合第二分析记录,获得训练样本;
基于训练样本,对预设的神经网络模型进行模型训练;
当模型训练完成后,将神经网络模型作为专利申请必要性分析模型。
优选的,获取分析人的专业权重,包括:
获取分析人的人员信息;
对人员信息进行人员信息特征提取,获得多个第一特征;
基于预设的人员信息特征-得分库,确定第一特征对应的第一得分;
将累加计算第一得分的第一得分和作为分析人的专业权重,完成获取。
优选的,获取分析过程的价值指数,包括:
对分析过程进行过程拆分,并按过程先后顺序进行排序,获得分析过程序列;
基于语义分析技术,对分析过程序列中的第一分过程进行语义分析,获得多个第一语义;
依次遍历分析过程序列中的第一分过程;
每次遍历时,将遍历到的第一分过程作为第二分过程;
获取预设的触发语义库,将第二分过程对应的第一语义与触发语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的第二语义对应的预设的至少一个辅助信息,辅助信息包括:语义筛选规则、校验方向、校验范围和语义关联校验规则;
基于语义筛选规则,尝试从第一语义中除匹配符合的第一语义之外的第一语义中筛选出第三语义;
若尝试成功,确定分析过程序列中第二分过程的校验方向上校验范围内的第一分过程对应的第四语义;
基于语义关联校验规则,对第三语义和第四语义进行语义关联校验;
若存在与第三语义符合语义关联的第四语义,以预设的第二得分进行一次计数;
当遍历第一分过程结束后,将累加计算每次计数的第二得分的第二得分和作为分析过程的价值指数,完成获取。
优选的,获取分析结果的贡献指数,包括:
基于预设的贡献事件库,确定分析结果对应的至少一个贡献事件;
获取贡献事件的贡献类型,贡献类型包括:主动贡献和被动贡献;
当贡献事件的贡献类型为主动贡献时,对贡献事件进行贡献程度分析,获得第三得分;
当贡献事件的贡献类型为被动贡献时,对贡献事件的事件来源的可靠度进行验证;
当验证通过时,对贡献事件进行贡献程度分析,获得第四得分;
将累加计算第三得分和第四得分的第三得分和作为分析结果的贡献指数,完成获取;
其中,对贡献事件的事件来源的可靠度进行验证,包括:
获取贡献事件的事件来源的来源类型,来源类型包括:单一来源和组合来源;
当贡献事件的事件来源的来源类型为单一来源时,获取事件来源的第一可信度;
将第一可信度作为事件来源的可靠度;
若可靠度大于等于预设的第一可靠度阈值,事件来源的可靠度通过验证;
否则,不通过;
当贡献事件的事件来源的来源类型为组合来源时,获取事件来源对应的多个子来源的第二可信度的第一平均值以及子来源两两之间的关联度的第二平均值;
将累加计算第一平均值和第二平均值的平均值和作为事件来源的可靠度;
若可靠度大于等于预设的第二可靠度阈值,事件来源的可靠度通过验证;
否则,不通过。
优选的,产业链的必要专利的分析系统,其特征在于,还包括:
解释模块,用于当企业用户查看分析结果时,获取企业用户对应于分析结果的疑问项,基于疑问项,向企业用户进行相应解释;
解释模块执行如下操作:
当企业用户查看分析结果时,动态获取企业用户的眼部的视线和脸部的查看表情;
获取显示分析结果的显示界面内的多个内容项的显示区域;
若显示界面内对应于视线的目标点位在预设的时间内均落在内容项的显示区域内且在时间内累加计算预设的疑问表情库中与查看表情匹配符合的疑问表情对应的预设的触发值的触发值和大于等于预设的触发值和阈值时,将对应内容项作为疑问项;
将疑问项投递至对应于疑问项的内容类型的预设的专家节点,获取专家节点回复的解释内容;
获取显示界面中疑问项周边预设的范围内的多个空闲的显示块;
获取当企业用户的眼部注视显示块内靠近疑问项的显示区域的一侧边上的每个点位的模拟视线;
基于企业用户的眼部当前的视线,构建第一向量;
基于模拟视线,构建第二向量;
计算第一向量和第二向量的向量夹角,并与对应显示块进行关联;
将解释内容映射于显示块关联的向量夹角的向量夹角平均值中最小向量夹角平均值对应的显示块。
本发明提供一种产业链的必要专利的分析方法,包括:
步骤1:获取对应于产业链的各个产业链节点的企业用户输入的技术方案;
步骤2:基于检索技术,根据技术方案,进行技术检索,获得检索结果;
步骤3:训练专利申请必要性分析模型,基于训练专利申请必要性分析模型,根据检索结果,进行专利申请必要性分析,获得分析结果;
步骤4:将分析结果推送给对应企业用户。
优选的,步骤3中,训练专利申请必要性分析模型,包括:
获取人工进行专利申请必要性分析的多个第一分析记录,第一分析记录包括:分析人、分析过程和分析结果;
获取分析人的专业权重;
获取分析过程的价值指数;
获取分析结果的贡献指数;
若是专业权重小于等于预设的专业权重阈值和/或价值指数小于等于预设的价值指数阈值和/或贡献指数小于等于预设的贡献指数阈值,剔除对应第一分析记录;
当需要剔除的第一分析记录均剔除后,将剩余第一分析记录作为第二分析记录;
整合第二分析记录,获得训练样本;
基于训练样本,对预设的神经网络模型进行模型训练;
当模型训练完成后,将神经网络模型作为专利申请必要性分析模型。
优选的,获取分析人的专业权重,包括:
获取分析人的人员信息;
对人员信息进行人员信息特征提取,获得多个第一特征;
基于预设的人员信息特征-得分库,确定第一特征对应的第一得分;
将累加计算第一得分的第一得分和作为分析人的专业权重,完成获取。
优选的,获取分析过程的价值指数,包括:
对分析过程进行过程拆分,并按过程先后顺序进行排序,获得分析过程序列;
基于语义分析技术,对分析过程序列中的第一分过程进行语义分析,获得多个第一语义;
依次遍历分析过程序列中的第一分过程;
每次遍历时,将遍历到的第一分过程作为第二分过程;
获取预设的触发语义库,将第二分过程对应的第一语义与触发语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的第二语义对应的预设的至少一个辅助信息,辅助信息包括:语义筛选规则、校验方向、校验范围和语义关联校验规则;
基于语义筛选规则,尝试从第一语义中除匹配符合的第一语义之外的第一语义中筛选出第三语义;
若尝试成功,确定分析过程序列中第二分过程的校验方向上校验范围内的第一分过程对应的第四语义;
基于语义关联校验规则,对第三语义和第四语义进行语义关联校验;
若存在与第三语义符合语义关联的第四语义,以预设的第二得分进行一次计数;
当遍历第一分过程结束后,将累加计算每次计数的第二得分的第二得分和作为分析过程的价值指数,完成获取。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种产业链的必要专利的分析系统的示意图;
图2为本发明实施例中一种产业链的必要专利的分析方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种产业链的必要专利的分析系统,如图1所示,包括:
获取模块1,用于获取对应于产业链的各个产业链节点的企业用户输入的技术方案;
检索模块2,用于基于检索技术,根据技术方案,进行技术检索,获得检索结果;
分析模块3,用于训练专利申请必要性分析模型,基于训练专利申请必要性分析模型,根据检索结果,进行专利申请必要性分析,获得分析结果;
推送模块4,用于将分析结果推送给对应企业用户。
上述技术方案的工作原理及有益效果为:
本申请可基于云平台实现,企业用户通过操作智能终端登入云平台,绑定自身企业所属的产业链的产业链节点;智能终端可以为,例如:智能手机和平板等,产业链可以为,例如:乳制品产业链等,产业链节点可以为,例如:上游奶源中的奶牛养殖等。企业用户通过操作智能终端输入自身研发的技术方案。基于检索技术,对技术方案进行技术检索,获得检索结果;检索技术属于现有技术范畴,不作赘述。引入专利申请必要性分析模型,基于专利申请必要性分析模型,根据检索结果,进行专利申请必要性分析;例如:由检索报告可知,技术方案存在很多相同或相近的现有技术,则专利申请必要性较低。无需人工确定企业自身研发的技术进行专利申请的必要性,降低了人力成本,同时,提升了必要性确定的确定效率,避免影响存在专利申请的必要性的技术方案的专利申请进度。
本发明提供一种产业链的必要专利的分析系统,分析模块3训练专利申请必要性分析模型,执行如下操作:
获取人工进行专利申请必要性分析的多个第一分析记录,第一分析记录包括:分析人、分析过程和分析结果;
获取分析人的专业权重;
获取分析过程的价值指数;
获取分析结果的贡献指数;
若是专业权重小于等于预设的专业权重阈值和/或价值指数小于等于预设的价值指数阈值和/或贡献指数小于等于预设的贡献指数阈值,剔除对应第一分析记录;
当需要剔除的第一分析记录均剔除后,将剩余第一分析记录作为第二分析记录;
整合第二分析记录,获得训练样本;
基于训练样本,对预设的神经网络模型进行模型训练;
当模型训练完成后,将神经网络模型作为专利申请必要性分析模型。
上述技术方案的工作原理及有益效果为:
训练专利申请必要性分析模型,可以基于人工智能技术,学习人工如何根据检索结果进行专利申请必要性分析;因此,获取人工进行专利申请必要性分析的多个第一分析记录,待用于进行模型训练。但是,为了充分保证模型训练的训练质量,提升其用于专利申请必要性分析的精准性,需要对第一分析记录进行质量把关。第一分析记录的质量因素分为三类:第一种,分析人的专业程度即专业权重,例如:分析人进行专利申请必要性分析的经验程度较低,则进行专利申请必要性分析的精准性和全面性等会不足;第二种,分析过程的可学性即价值指数,一般的,基于人工智能技术对人工如何分析进行学习时,学习的是人工的分析逻辑,分析过程一般由人工记录,若没有标记过程逻辑,仅时简单的流程记录,可学习性越低;第三种,分析结果的贡献程度即贡献指数,一般的,当历史上给出分析结果时,若分析结果准确,企业会进行参考,对企业会产生帮助,例如:分析结果表明,某技术方案有专利申请必要性,企业参考后进行对应专利申请,得到专利授权和并利用专利进行有效竞争等。因此,当专业权重小于等于预设的专业权重阈值和/或价值指数小于等于预设的价值指数阈值和/或贡献指数小于等于预设的贡献指数阈值,剔除对应第一分析记录;预设的专业权重阈值可以为,例如:90,预设的价值指数阈值可以为,例如:85,预设的贡献指数阈值可以为,例如:20。将剩余的第二分析记录作为训练样本对预设的神经网络模型进行模型训练;模型训练以及神经网络模型属于现有技术范畴,不作赘述。
本发明提供一种产业链的必要专利的分析系统,获取分析人的专业权重,包括:
获取分析人的人员信息;
对人员信息进行人员信息特征提取,获得多个第一特征;
基于预设的人员信息特征-得分库,确定第一特征对应的第一得分;
将累加计算第一得分的第一得分和作为分析人的专业权重,完成获取。
上述技术方案的工作原理及有益效果为:
人员信息可以为,例如:分析人的工作经验信息等。第一特征可以为,例如:工作经
验5年。预设的人员信息特征-得分库中存储有不同人员信息特征对应的得分,例如:人员信
息特征为工作经验5年,得分为15。累加计算第一得分,获得得分和,并作为专业权重。其中,
累加计算第一得分的公式为:,为得分和,为第个第一得分,为第一
得分的总数目。
本发明提供一种产业链的必要专利的分析系统,获取分析过程的价值指数,包括:
对分析过程进行过程拆分,并按过程先后顺序进行排序,获得分析过程序列;
基于语义分析技术,对分析过程序列中的第一分过程进行语义分析,获得多个第一语义;
依次遍历分析过程序列中的第一分过程;
每次遍历时,将遍历到的第一分过程作为第二分过程;
获取预设的触发语义库,将第二分过程对应的第一语义与触发语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的第二语义对应的预设的至少一个辅助信息,辅助信息包括:语义筛选规则、校验方向、校验范围和语义关联校验规则;
基于语义筛选规则,尝试从第一语义中除匹配符合的第一语义之外的第一语义中筛选出第三语义;
若尝试成功,确定分析过程序列中第二分过程的校验方向上校验范围内的第一分过程对应的第四语义;
基于语义关联校验规则,对第三语义和第四语义进行语义关联校验;
若存在与第三语义符合语义关联的第四语义,以预设的第二得分进行一次计数;
当遍历第一分过程结束后,将累加计算每次计数的第二得分的第二得分和作为分析过程的价值指数,完成获取。
上述技术方案的工作原理及有益效果为:
获取分析过程的价值指数,需要对分析过程的可学习性进行校验判定。引入预设
的触发语义库,其中存储有需要进行分过程校验时分过程的语义特征,例如:结论性语义,
需要验证如何得出结论。若第一语义与触发语义库中的第二语义进行匹配,若匹配符合,再
进行对应分过程校验,无需对每一分过程进行校验,减少过程校验资源;进行对应分过程校
验时,获取匹配符合的第二特征对应的辅助信息,辅助信息包含语义筛选规则、校验方向、
校验范围和语义关联校验规则;例如:当匹配符合的第一语义为“该技术方案没有专利申请
必要性”,属于结论性语义,需要验证如何得出结论,一般的,结论性语义的前至少一句话的
语义即为原因,因此,语义筛选规则为从第一语义中除匹配符合的第一语义之外的第一语
义中包含关键词“因为”的第三语义,若尝试获取成功,说明第二分过程的第一语义中存在
对应于结论性语义的理由性语义,但是,需要对理由性语义的理由是否正确进行校验,一般
的,理由性语义之前会存在得出理由的推导过程,因此,校验方向为前,校验范围为3个分过
程内,基于校验方向和校验范围确定第四语义,现在,需要验证第四语义是否对应于理由的
推导过程,因此,语义关联校验规则为校验第四语义是否与第三语义存在因果关系。引入辅
助信息,快速进行分过程校验,提升了对分析过程的可学习性进行校验判定的效率和精准
性。若存在与第三语义符合语义关联的第四语义,说明遍历到的需要进行校验的第二分过
程通过校验,以预设的第二得分进行一次计数;预设的第二得分可以为,例如:5。将累加计
算每次计数的第二得分的第二得分和作为价值指数。累加计算每次计数的第二得分的计算
公式为:,为第二得分和,为第次进行计数的第二得分,为进行计数
的总数目。
本发明提供一种产业链的必要专利的分析系统,获取分析结果的贡献指数,包括:
基于预设的贡献事件库,确定分析结果对应的至少一个贡献事件;
获取贡献事件的贡献类型,贡献类型包括:主动贡献和被动贡献;
当贡献事件的贡献类型为主动贡献时,对贡献事件进行贡献程度分析,获得第三得分;
当贡献事件的贡献类型为被动贡献时,对贡献事件的事件来源的可靠度进行验证;
当验证通过时,对贡献事件进行贡献程度分析,获得第四得分;
将累加计算第三得分和第四得分的第三得分和作为分析结果的贡献指数,完成获取;
其中,对贡献事件的事件来源的可靠度进行验证,包括:
获取贡献事件的事件来源的来源类型,来源类型包括:单一来源和组合来源;
当贡献事件的事件来源的来源类型为单一来源时,获取事件来源的第一可信度;
将第一可信度作为事件来源的可靠度;
若可靠度大于等于预设的第一可靠度阈值,事件来源的可靠度通过验证;
否则,不通过;
当贡献事件的事件来源的来源类型为组合来源时,获取事件来源对应的多个子来源的第二可信度的第一平均值以及子来源两两之间的关联度的第二平均值;
将累加计算第一平均值和第二平均值的平均值和作为事件来源的可靠度;
若可靠度大于等于预设的第二可靠度阈值,事件来源的可靠度通过验证;
否则,不通过。
上述技术方案的工作原理及有益效果为:
获取分析结果的贡献指数时,引入预设的贡献事件库,其中存储有不同分析结果
对应的贡献事件。贡献事件的贡献类型分为两类:第一种,主动产生的主动贡献,例如:分析
结果为技术方案有专利申请必要性,企业申请后,专利获得授权,企业能够使用专利进行有
效竞争等;第二种,被动产生的被动贡献,例如:分析结果为技术方案有专利申请必要性,企
业申请后,专利获得授权后,他方企业请求购买该专利或请求得到对应使用权等。当贡献类
型为主动贡献时,贡献事件的来源可靠,直接进行贡献程度分析,获得第三得分。当贡献类
型为被动贡献时,由于贡献事件属于被动产生,需要对贡献事件的事件来源的可靠度进行
验证,例如:验证他方企业请求购买该专利情况的事件是否属实,当验证通过时,再进行贡
献程度分析,获得第四得分。根据贡献类型的实际需要进行可靠度验证,保证了贡献指数获
取的精准性。将累加计算第三得分和第四得分的第三得分和作为分析结果的贡献指数;累
加计算第三得分和第四得分的公式为:,为第三得分和,为
第个第三得分,为第个第四得分,为第三得分的总数目,为第四得分的总数目。
贡献事件的事件来源的来源类型分为两类:第一种,单一来源,例如:他方企业请
求购买该专利情况的事件来自于某专利交易平台;第二种,组合来源,例如:他方企业请求
得到对应使用权的情况的事件来自于双方不同进行交涉协商的人员。当来源类型为单一来
源时,直接获取事件来源的第一可信度,例如:某专利交易平台的可信度,并作为可靠度。当
来源类型为组合来源时,获取事件来源对应的多个子来源的第二可信度,例如:双方不同人
员交涉协商的多个记录的可信度,结合子来源两两之间的关联度,关联度越大,说明子来源
之间确实存在关联关系,例如:同一企业参与交涉协商的人员存在同事关联关系,不同企业
参与交涉协商的人员之间存在交流记录,也存在关联关系。分别求出第一平均值和第二平
均值,累加计算获得平均值和,并作为可靠度;累加计算公式为:,为平均值
和,为第一平均值,为第二平均值。基于来源类型的不同,分别进行可靠度判定,提升
了对事件来源的可靠度进行验证的全面性和精准性。
本发明提供一种产业链的必要专利的分析系统,还包括:
解释模块,用于当企业用户查看分析结果时,获取企业用户对应于分析结果的疑问项,基于疑问项,向企业用户进行相应解释;
解释模块执行如下操作:
当企业用户查看分析结果时,动态获取企业用户的眼部的视线和脸部的查看表情;
获取显示分析结果的显示界面内的多个内容项的显示区域;
若显示界面内对应于视线的目标点位在预设的时间内均落在内容项的显示区域内且在时间内累加计算预设的疑问表情库中与查看表情匹配符合的疑问表情对应的预设的触发值的触发值和大于等于预设的触发值和阈值时,将对应内容项作为疑问项;
将疑问项投递至对应于疑问项的内容类型的预设的专家节点,获取专家节点回复的解释内容;
获取显示界面中疑问项周边预设的范围内的多个空闲的显示块;
获取当企业用户的眼部注视显示块内靠近疑问项的显示区域的一侧边上的每个点位的模拟视线;
基于企业用户的眼部当前的视线,构建第一向量;
基于模拟视线,构建第二向量;
计算第一向量和第二向量的向量夹角,并与对应显示块进行关联;
将解释内容映射于显示块关联的向量夹角的向量夹角平均值中最小向量夹角平均值对应的显示块。
上述技术方案的工作原理及有益效果为:
一般的,当企业用户查看分析结果时,由于对专利申请的一些专业知识的不熟悉,可能会对分析结果产生疑问;例如:分析结果指出,企业客户的技术方案的创造性不足。
因此,为了进一步提升服务的人性化,当企业用户查看分析结果时,获取企业用户对应于分析结果的疑问项,进行对应解释。
在获取疑问项时,若在预设的时间(例如:5秒内)内企业用户的视线落点在一内容项的显示区域内且预设的疑问表情库中与企业用户的查看表情匹配的疑问表情对应的触发值的触发值和大于等于预设的触发值和阈值时,说明企业用户正在注视该内容项,并产生充分的疑问表情;预设的疑问表情库中存储有大量疑问表情,例如:皱眉等,疑问表情的触发值越大,说明疑问表情表征的疑问程度越大,预设的触发值和阈值可以为,例如:100。
对疑问项进行解释时,将疑问项投递至对应于疑问项的内容类型的预设的专家节点,由专家节点给予解释;内容类型可以为,例如:创造性问题,预设的专家节点对应于一个熟悉专利申请相关专业知识的人员。
最后,需要在显示界面确定适宜企业用户查看解释内容的位置。确定疑问项周边预设的范围内的空闲的显示块;预设的范围为,例如:10cm内。获取当企业用户的眼部注视显示块内靠近疑问项的显示区域的一侧边上的每个点位的模拟视线,基于企业用户的眼部当前的视线,构建第一向量,基于模拟视线,构建第二向量,计算两者的向量夹角,若显示块关联的向量夹角的向量夹角平均值最小,说明企业用户的视线移动至对应显示块的变化角度最小,使得企业用户能够最轻松的看到解释内容,也保证了解释内容与疑问项之间距离较近,使得企业用户知晓该为自己疑问项的解释内容,提示了用户体验;计算向量夹角属于现有技术范畴,不作赘述。
本发明提供一种产业链的必要专利的分析方法,如图2所示,包括:
步骤1:获取对应于产业链的各个产业链节点的企业用户输入的技术方案;
步骤2:基于检索技术,根据技术方案,进行技术检索,获得检索结果;
步骤3:训练专利申请必要性分析模型,基于训练专利申请必要性分析模型,根据检索结果,进行专利申请必要性分析,获得分析结果;
步骤4:将分析结果推送给对应企业用户。
本发明提供一种产业链的必要专利的分析方法,步骤3中,训练专利申请必要性分析模型,包括:
获取人工进行专利申请必要性分析的多个第一分析记录,第一分析记录包括:分析人、分析过程和分析结果;
获取分析人的专业权重;
获取分析过程的价值指数;
获取分析结果的贡献指数;
若是专业权重小于等于预设的专业权重阈值和/或价值指数小于等于预设的价值指数阈值和/或贡献指数小于等于预设的贡献指数阈值,剔除对应第一分析记录;
当需要剔除的第一分析记录均剔除后,将剩余第一分析记录作为第二分析记录;
整合第二分析记录,获得训练样本;
基于训练样本,对预设的神经网络模型进行模型训练;
当模型训练完成后,将神经网络模型作为专利申请必要性分析模型。
本发明提供一种产业链的必要专利的分析方法,获取分析人的专业权重,包括:
获取分析人的人员信息;
对人员信息进行人员信息特征提取,获得多个第一特征;
基于预设的人员信息特征-得分库,确定第一特征对应的第一得分;
将累加计算第一得分的第一得分和作为分析人的专业权重,完成获取。
本发明提供一种产业链的必要专利的分析方法,获取分析过程的价值指数,包括:
对分析过程进行过程拆分,并按过程先后顺序进行排序,获得分析过程序列;
基于语义分析技术,对分析过程序列中的第一分过程进行语义分析,获得多个第一语义;
依次遍历分析过程序列中的第一分过程;
每次遍历时,将遍历到的第一分过程作为第二分过程;
获取预设的触发语义库,将第二分过程对应的第一语义与触发语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的第二语义对应的预设的至少一个辅助信息,辅助信息包括:语义筛选规则、校验方向、校验范围和语义关联校验规则;
基于语义筛选规则,尝试从第一语义中除匹配符合的第一语义之外的第一语义中筛选出第三语义;
若尝试成功,确定分析过程序列中第二分过程的校验方向上校验范围内的第一分过程对应的第四语义;
基于语义关联校验规则,对第三语义和第四语义进行语义关联校验;
若存在与第三语义符合语义关联的第四语义,以预设的第二得分进行一次计数;
当遍历第一分过程结束后,将累加计算每次计数的第二得分的第二得分和作为分析过程的价值指数,完成获取。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种产业链的必要专利的分析系统,其特征在于,包括:
获取模块,用于获取对应于产业链的各个产业链节点的企业用户输入的技术方案;
检索模块,用于基于检索技术,根据所述技术方案,进行技术检索,获得检索结果;
分析模块,用于训练专利申请必要性分析模型,基于训练专利申请必要性分析模型,根据所述检索结果,进行专利申请必要性分析,获得分析结果;
推送模块,用于将所述分析结果推送给对应所述企业用户。
2.如权利要求1所述的一种产业链的必要专利的分析系统,其特征在于,所述分析模块训练专利申请必要性分析模型,执行如下操作:
获取人工进行专利申请必要性分析的多个第一分析记录,所述第一分析记录包括:分析人、分析过程和分析结果;
获取所述分析人的专业权重;
获取所述分析过程的价值指数;
获取所述分析结果的贡献指数;
若是专业权重小于等于预设的专业权重阈值和/或所述价值指数小于等于预设的价值指数阈值和/或所述贡献指数小于等于预设的贡献指数阈值,剔除对应所述第一分析记录;
当需要剔除的所述第一分析记录均剔除后,将剩余所述第一分析记录作为第二分析记录;
整合所述第二分析记录,获得训练样本;
基于所述训练样本,对预设的神经网络模型进行模型训练;
当模型训练完成后,将所述神经网络模型作为专利申请必要性分析模型。
3.如权利要求2所述的一种产业链的必要专利的分析系统,其特征在于,所述获取所述分析人的专业权重,包括:
获取所述分析人的人员信息;
对所述人员信息进行人员信息特征提取,获得多个第一特征;
基于预设的人员信息特征-得分库,确定所述第一特征对应的第一得分;
将累加计算所述第一得分的第一得分和作为所述分析人的专业权重,完成获取。
4.如权利要求2所述的一种产业链的必要专利的分析系统,其特征在于,所述获取所述分析过程的价值指数,包括:
对所述分析过程进行过程拆分,并按过程先后顺序进行排序,获得分析过程序列;
基于语义分析技术,对所述分析过程序列中的第一分过程进行语义分析,获得多个第一语义;
依次遍历所述分析过程序列中的第一分过程;
每次遍历时,将遍历到的所述第一分过程作为第二分过程;
获取预设的触发语义库,将所述第二分过程对应的所述第一语义与所述触发语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的所述第二语义对应的预设的至少一个辅助信息,所述辅助信息包括:语义筛选规则、校验方向、校验范围和语义关联校验规则;
基于所述语义筛选规则,尝试从所述第一语义中除匹配符合的所述第一语义之外的所述第一语义中筛选出第三语义;
若尝试成功,确定所述分析过程序列中所述第二分过程的所述校验方向上所述校验范围内的所述第一分过程对应的第四语义;
基于所述语义关联校验规则,对所述第三语义和所述第四语义进行语义关联校验;
若存在与所述第三语义符合语义关联的所述第四语义,以预设的第二得分进行一次计数;
当遍历所述第一分过程结束后,将累加计算每次计数的所述第二得分的第二得分和作为所述分析过程的价值指数,完成获取。
5.如权利要求2所述的一种产业链的必要专利的分析系统,其特征在于,所述获取所述分析结果的贡献指数,包括:
基于预设的贡献事件库,确定所述分析结果对应的至少一个贡献事件;
获取所述贡献事件的贡献类型,所述贡献类型包括:主动贡献和被动贡献;
当所述贡献事件的贡献类型为主动贡献时,对所述贡献事件进行贡献程度分析,获得第三得分;
当所述贡献事件的贡献类型为被动贡献时,对所述贡献事件的事件来源的可靠度进行验证;
当验证通过时,对所述贡献事件进行贡献程度分析,获得第四得分;
将累加计算所述第三得分和所述第四得分的第三得分和作为所述分析结果的贡献指数,完成获取;
其中,所述对所述贡献事件的事件来源的可靠度进行验证,包括:
获取所述贡献事件的事件来源的来源类型,所述来源类型包括:单一来源和组合来源;
当所述贡献事件的事件来源的来源类型为单一来源时,获取所述事件来源的第一可信度;
将所述第一可信度作为所述事件来源的可靠度;
若所述可靠度大于等于预设的第一可靠度阈值,所述事件来源的可靠度通过验证;
否则,不通过;
当所述贡献事件的事件来源的来源类型为组合来源时,获取所述事件来源对应的多个子来源的第二可信度的第一平均值以及所述子来源两两之间的关联度的第二平均值;
将累加计算所述第一平均值和所述第二平均值的平均值和作为所述事件来源的可靠度;
若所述可靠度大于等于预设的第二可靠度阈值,所述事件来源的可靠度通过验证;
否则,不通过。
6.如权利要求1所述的一种产业链的必要专利的分析系统,其特征在于,还包括:
解释模块,用于当所述企业用户查看所述分析结果时,获取所述企业用户对应于所述分析结果的疑问项,基于所述疑问项,向所述企业用户进行相应解释;
所述解释模块执行如下操作:
当所述企业用户查看所述分析结果时,动态获取所述企业用户的眼部的视线和脸部的查看表情;
获取显示所述分析结果的显示界面内的多个内容项的显示区域;
若所述显示界面内对应于所述视线的目标点位在预设的时间内均落在所述内容项的显示区域内且在所述时间内累加计算预设的疑问表情库中与所述查看表情匹配符合的疑问表情对应的预设的触发值的触发值和大于等于预设的触发值和阈值时,将对应所述内容项作为疑问项;
将所述疑问项投递至对应于所述疑问项的内容类型的预设的专家节点,获取所述专家节点回复的解释内容;
获取所述显示界面中所述疑问项周边预设的范围内的多个空闲的显示块;
获取当所述企业用户的眼部注视所述显示块内靠近所述疑问项的所述显示区域的一侧边上的每个点位的模拟视线;
基于所述企业用户的眼部当前的所述视线,构建第一向量;
基于所述模拟视线,构建第二向量;
计算所述第一向量和所述第二向量的向量夹角,并与对应所述显示块进行关联;
将所述解释内容映射于所述显示块关联的所述向量夹角的向量夹角平均值中最小所述向量夹角平均值对应的所述显示块。
7.一种产业链的必要专利的分析方法,其特征在于,包括:
步骤1:获取对应于产业链的各个产业链节点的企业用户输入的技术方案;
步骤2:基于检索技术,根据所述技术方案,进行技术检索,获得检索结果;
步骤3:训练专利申请必要性分析模型,基于训练专利申请必要性分析模型,根据所述检索结果,进行专利申请必要性分析,获得分析结果;
步骤4:将所述分析结果推送给对应所述企业用户。
8.如权利要求7所述的一种产业链的必要专利的分析方法,其特征在于,所述步骤3中,训练专利申请必要性分析模型,包括:
获取人工进行专利申请必要性分析的多个第一分析记录,所述第一分析记录包括:分析人、分析过程和分析结果;
获取所述分析人的专业权重;
获取所述分析过程的价值指数;
获取所述分析结果的贡献指数;
若是专业权重小于等于预设的专业权重阈值和/或所述价值指数小于等于预设的价值指数阈值和/或所述贡献指数小于等于预设的贡献指数阈值,剔除对应所述第一分析记录;
当需要剔除的所述第一分析记录均剔除后,将剩余所述第一分析记录作为第二分析记录;
整合所述第二分析记录,获得训练样本;
基于所述训练样本,对预设的神经网络模型进行模型训练;
当模型训练完成后,将所述神经网络模型作为专利申请必要性分析模型。
9.如权利要求8所述的一种产业链的必要专利的分析方法,其特征在于,所述获取所述分析人的专业权重,包括:
获取所述分析人的人员信息;
对所述人员信息进行人员信息特征提取,获得多个第一特征;
基于预设的人员信息特征-得分库,确定所述第一特征对应的第一得分;
将累加计算所述第一得分的第一得分和作为所述分析人的专业权重,完成获取。
10.如权利要求8所述的一种产业链的必要专利的分析方法,其特征在于,所述获取所述分析过程的价值指数,包括:
对所述分析过程进行过程拆分,并按过程先后顺序进行排序,获得分析过程序列;
基于语义分析技术,对所述分析过程序列中的第一分过程进行语义分析,获得多个第一语义;
依次遍历所述分析过程序列中的第一分过程;
每次遍历时,将遍历到的所述第一分过程作为第二分过程;
获取预设的触发语义库,将所述第二分过程对应的所述第一语义与所述触发语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的所述第二语义对应的预设的至少一个辅助信息,所述辅助信息包括:语义筛选规则、校验方向、校验范围和语义关联校验规则;
基于所述语义筛选规则,尝试从所述第一语义中除匹配符合的所述第一语义之外的所述第一语义中筛选出第三语义;
若尝试成功,确定所述分析过程序列中所述第二分过程的所述校验方向上所述校验范围内的所述第一分过程对应的第四语义;
基于所述语义关联校验规则,对所述第三语义和所述第四语义进行语义关联校验;
若存在与所述第三语义符合语义关联的所述第四语义,以预设的第二得分进行一次计数;
当遍历所述第一分过程结束后,将累加计算每次计数的所述第二得分的第二得分和作为所述分析过程的价值指数,完成获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210503193.7A CN114612166B (zh) | 2022-05-10 | 2022-05-10 | 一种产业链的必要专利的分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210503193.7A CN114612166B (zh) | 2022-05-10 | 2022-05-10 | 一种产业链的必要专利的分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114612166A true CN114612166A (zh) | 2022-06-10 |
CN114612166B CN114612166B (zh) | 2022-09-09 |
Family
ID=81869026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210503193.7A Active CN114612166B (zh) | 2022-05-10 | 2022-05-10 | 一种产业链的必要专利的分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612166B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060036452A1 (en) * | 2004-08-11 | 2006-02-16 | Allan Williams | System and method for patent portfolio evaluation |
US20090019355A1 (en) * | 2007-07-11 | 2009-01-15 | Herb Jiang | Method and System for Analyzing Patent Family Information |
CN105354325A (zh) * | 2015-11-20 | 2016-02-24 | 上海熠派信息科技有限公司 | 一种文献检索及分析系统 |
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 |
CN109063148A (zh) * | 2018-08-07 | 2018-12-21 | 黑龙江阳光惠远信息技术有限公司 | 一种基于第三方平台的相关专利推荐系统及推荐方法 |
CN109492117A (zh) * | 2018-10-31 | 2019-03-19 | 大连今晨科技有限公司 | 专利数据分析系统 |
KR20190047746A (ko) * | 2017-10-16 | 2019-05-09 | 한국기업데이터 주식회사 | 기업의 기술 네트워크 분석 방법 및 그 장치 |
CN111080132A (zh) * | 2019-12-18 | 2020-04-28 | 北京智识企业管理咨询有限公司 | 一种基于大数据的产业链分析系统及方法 |
CN111684443A (zh) * | 2017-12-20 | 2020-09-18 | 维恩知识产权有限公司 | 去中心化的自主知识产权资产评估引擎 |
CN112231549A (zh) * | 2020-08-12 | 2021-01-15 | 江苏省专利信息服务中心(江苏省知识产权维权援助中心) | 一种专利价值评估方法,系统、设备和存储介质 |
CN113129179A (zh) * | 2021-05-13 | 2021-07-16 | 贵阳业勤中小企业促进中心有限公司 | 一种基于区块链的知识产权数据分析管理系统 |
CN113837903A (zh) * | 2021-09-28 | 2021-12-24 | 浪潮卓数大数据产业发展有限公司 | 一种专利申请流程的管理方法、设备、存储介质 |
CN113888005A (zh) * | 2021-10-20 | 2022-01-04 | 深圳市深筑国际建筑设计有限公司 | 一种建筑设计动态流程管理系统及方法 |
CN114091794A (zh) * | 2020-07-30 | 2022-02-25 | 北京信聚知识产权有限公司 | 专利价值评估模型训练方法、评估方法、装置及其设备 |
-
2022
- 2022-05-10 CN CN202210503193.7A patent/CN114612166B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060036452A1 (en) * | 2004-08-11 | 2006-02-16 | Allan Williams | System and method for patent portfolio evaluation |
US20090019355A1 (en) * | 2007-07-11 | 2009-01-15 | Herb Jiang | Method and System for Analyzing Patent Family Information |
CN105354325A (zh) * | 2015-11-20 | 2016-02-24 | 上海熠派信息科技有限公司 | 一种文献检索及分析系统 |
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 |
KR20190047746A (ko) * | 2017-10-16 | 2019-05-09 | 한국기업데이터 주식회사 | 기업의 기술 네트워크 분석 방법 및 그 장치 |
CN111684443A (zh) * | 2017-12-20 | 2020-09-18 | 维恩知识产权有限公司 | 去中心化的自主知识产权资产评估引擎 |
CN109063148A (zh) * | 2018-08-07 | 2018-12-21 | 黑龙江阳光惠远信息技术有限公司 | 一种基于第三方平台的相关专利推荐系统及推荐方法 |
CN109492117A (zh) * | 2018-10-31 | 2019-03-19 | 大连今晨科技有限公司 | 专利数据分析系统 |
CN111080132A (zh) * | 2019-12-18 | 2020-04-28 | 北京智识企业管理咨询有限公司 | 一种基于大数据的产业链分析系统及方法 |
CN114091794A (zh) * | 2020-07-30 | 2022-02-25 | 北京信聚知识产权有限公司 | 专利价值评估模型训练方法、评估方法、装置及其设备 |
CN112231549A (zh) * | 2020-08-12 | 2021-01-15 | 江苏省专利信息服务中心(江苏省知识产权维权援助中心) | 一种专利价值评估方法,系统、设备和存储介质 |
CN113129179A (zh) * | 2021-05-13 | 2021-07-16 | 贵阳业勤中小企业促进中心有限公司 | 一种基于区块链的知识产权数据分析管理系统 |
CN113837903A (zh) * | 2021-09-28 | 2021-12-24 | 浪潮卓数大数据产业发展有限公司 | 一种专利申请流程的管理方法、设备、存储介质 |
CN113888005A (zh) * | 2021-10-20 | 2022-01-04 | 深圳市深筑国际建筑设计有限公司 | 一种建筑设计动态流程管理系统及方法 |
Non-Patent Citations (1)
Title |
---|
刘云等: "专利质量测度及区域比较研究――以我国石墨烯产业为例", 《科学学与科学技术管理》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114612166B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ferrer et al. | Bias and discrimination in AI: a cross-disciplinary perspective | |
US8832124B2 (en) | Biometric matching engine | |
US20180308107A1 (en) | Living-body detection based anti-cheating online research method, device and system | |
US20160180480A1 (en) | System & Method For Assessing & Responding to Intellectual Property Rights Proceedings/Challenges | |
CN107633380A (zh) | 一种数据防泄漏系统的任务审批方法和系统 | |
CN113011973B (zh) | 基于智能合约数据湖的金融交易监管模型的方法及设备 | |
CN113704702B (zh) | Nft鉴权方法 | |
KR20210092979A (ko) | 가짜 뉴스 인공지능 판별 시스템 및 그 방법 | |
CN115640074A (zh) | 业务数据处理方法、装置和智能柜台终端 | |
CN115034886A (zh) | 一种违约风险预测方法及装置 | |
CN114612166B (zh) | 一种产业链的必要专利的分析系统及方法 | |
Habibi et al. | Using crowdsourcing to compare document recommendation strategies for conversations | |
CN116452212A (zh) | 一种智能客服商品知识库信息管理方法及系统 | |
Thierry et al. | Modeling uncertainty and inaccuracy on data from crowdsourcing platforms: MONITOR | |
Hayek et al. | Machine learning and external auditor perception: An analysis for UAE external auditors using technology acceptance model | |
CN113902302A (zh) | 基于人工智能的数据分析方法、装置、设备及存储介质 | |
CN115438882A (zh) | 基于全流量监测技术的业务动态感知系统 | |
CN117668372B (zh) | 一种数字化智慧展览线上虚拟参展系统 | |
Barocas et al. | Excerpt from Big Data's Disparate Impact | |
Liu | Reflection on Big Data Technology: Problems and Countermeasures in" Big Data Credit Reporting" of Internet Finance in China | |
Liao et al. | Design of a computer-aided system for risk assessment on information systems | |
CN115187359A (zh) | 贷款担保的保前准入审核方法和装置 | |
Yang et al. | Design of a novel online arbitration service micro-platform | |
Nguyen | Probabilistic modeling with human factors in machine learning | |
CN113485900A (zh) | 一种用户行为分析方法、系统、设备及计算机介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |