CN117473173B - 一种基于大数据的专利成果转化管理系统及方法 - Google Patents

一种基于大数据的专利成果转化管理系统及方法 Download PDF

Info

Publication number
CN117473173B
CN117473173B CN202311834635.7A CN202311834635A CN117473173B CN 117473173 B CN117473173 B CN 117473173B CN 202311834635 A CN202311834635 A CN 202311834635A CN 117473173 B CN117473173 B CN 117473173B
Authority
CN
China
Prior art keywords
information
conversion rate
model
similarity
platform
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.)
Active
Application number
CN202311834635.7A
Other languages
English (en)
Other versions
CN117473173A (zh
Inventor
赵学铭
王刚
何俗非
孙萌
刘佩佩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Medical University
Original Assignee
Tianjin Medical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Medical University filed Critical Tianjin Medical University
Priority to CN202311834635.7A priority Critical patent/CN117473173B/zh
Publication of CN117473173A publication Critical patent/CN117473173A/zh
Application granted granted Critical
Publication of CN117473173B publication Critical patent/CN117473173B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/35—Clustering; Classification
    • 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
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Technology Law (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出了一种基于大数据的专利成果转化管理系统及方法，将平台的委托专利输入专利信息分析模型中，得到第一专利信息，将所述第一专利信息输入转化率评估模型中，得到第一转化率，将第一转化率大于第一预设值的专利确定为待推荐专利，将所述待推荐专利的第一专利信息与平台合作主体的信息进行多维相似度比较，将所述平台合作主体按相似度进行降序排列，将相似度大于阈值的平台合作主体确定为目标合作主体，生成专利转化推荐信息，发送至所述目标合作主体的账号。通过本发明的技术方案，可对专利的专利信息进行精确提取，并对其产业转化率进行精确评估，从而有针对性的将匹配度符合要求的专利推送给目标合作主体，从而推动目标合作主体对推送的专利进行转化运用。

Description

一种基于大数据的专利成果转化管理系统及方法
技术领域
本发明属于大数据领域，尤其涉及一种基于大数据的专利成果转化管理系统及方法。
背景技术
随着知识产权意识的提高，专利申请量和拥有量逐年提升，但专利转化率依然不高。导致上述问题的主要原因在于专利权人与专利实施主体之间没有通畅的沟通渠道。
现有技术通常仅能在互联网中对专利信息进行记载，由专利实施主体去查阅专利信息，从而决定是否要实施专利转化行为，这会给专利实施主体造成很大的精力消耗，从而导致专利成果转化率低。
发明内容
为了解决现有技术中的上述问题，本发明提出了一种基于大数据的专利成果转化管理系统及方法。
一种基于大数据的专利成果转化管理方法，其特征在于，该方法包括如下步骤：
S1：将平台的委托专利输入专利信息分析模型中，得到第一专利信息；所述委托专利是指有意愿进行专利成果转化运用，从而委托给平台进行合作主体匹配的专利；所述第一专利信息从所述委托专利中提取获得；
S2：将所述第一专利信息输入转化率评估模型中，得到第一转化率；所述第一转化率是指专利会被所述合作主体应用于生产中，以求获得经济效益的概率；
S3：根据所述第一转化率与预设值之间的关系，确定所述委托专利是否为待推荐专利，若所述委托专利为待推荐专利，则进入S4；
S4：将所述待推荐专利的第一专利信息与平台合作主体的信息进行多维相似度比较，将所述多维相似度大于阈值的平台合作主体确定为所述待推荐专利的目标合作主体；
S5：根据所述待推荐专利生成专利转化推荐信息，将所述专利转化推荐信息发送至所述目标合作主体的账号。
优选的，所述步骤S1中的所述专利信息分析模型包括摘要提取模型和专利信息分类模型；
所述摘要提取模型基于专利信息进行摘要提取，以得到摘要信息；
所述专利信息分类模型用于对专利相关信息进行分档，以得到分档信息。
优选的，所述摘要提取模型具体通过以下方式建立：
获取历史专利集合，所述历史专利集合中的每一项专利均包含经过人工改写后的摘要信息；
将所述历史专利集合中的原始摘要信息作为输入，以与所述原始摘要信息相对应的人工改写后的摘要信息作为输出，以形成样本集合，训练卷积神经网络得到摘要提取模型。
优选的，所述专利信息分类模型具体通过以下方式建立：
针对所述历史专利集合中的每一项专利，获取其专利相关信息，所述专利相关信息具体包括转让次数、转让费用和许可使用费用；
按照分档标准对上述专利相关信息进行人工标注，以形成训练样本；
利用上述训练样本训练SVM模型，以得到所述专利信息分类模型。
优选的，所述转化率评估模型具体通过以下方式建立：
获取所述原始摘要信息中包含的三类信息，所述三类信息具体包括技术领域、解决的技术问题、主要技术贡献点信息；
获取所述分档信息；
根据所述三类信息和所述分档信息，构成六维向量，所述历史专利集合中的每一项专利与一个六维向量形成对应关系；
对所述历史专利集合中的每一项专利的对应转化率进行专家评估，从而得出以六维向量和所述对应转化率构成的一条训练样本，进而得到训练样本集合；
以所述六维向量作为输入，以所述对应转化率作为输出， 对卷积神经网络模型进行训练，以得到所述转化率评估模型。
优选的，所述转化率评估模型具体分为机械、电学和化学三种模型。
优选的，所述步骤S3具体包括：
S31，将第一转化率大于第一预设值的专利确定备选专利；
S32，将所述备选专利与热门产业化信息进行相似度比较，得出热门相似度评分；
S33，将所述备选专利的所述第一转化率和所述热门相似度评分进行加权求和，从而得到第二转化率；
S34，将第二转化率大于第二预设值的备选专利确定为待推荐专利。
优选的，所述步骤S4体包括：
S41：获取每一所述平台合作主体的生产信息；
S42：将每一所述待推荐专利的专利信息与所述每一所述平台合作主体的生产信息进行相似度比较，确定相似度评分；
S43：针对每一所述待推荐专利，将所述相似度评分排在前5位的平台合作主体确定为目标合作主体。
本申请还提出了一种基于大数据的专利成果转化管理系统，用于实现上述基于大数据的专利成果转化管理方法。
本发明提出了一种基于大数据的专利成果转化管理系统及方法，将平台的委托专利输入专利信息分析模型中，得到第一专利信息，将所述第一专利信息输入转化率评估模型中，得到第一转化率，将第一转化率大于第一预设值的专利确定为待推荐专利，将所述待推荐专利的第一专利信息与平台合作主体的信息进行多维相似度比较，将所述平台合作主体按相似度进行降序排列，将相似度大于阈值的平台合作主体确定为目标合作主体，生成专利转化推荐信息，发送至所述目标合作主体的账号。通过本发明的技术方案，可对专利的专利信息进行精确提取，并对其产业转化率进行精确评估，从而有针对性的将匹配度符合要求的专利推送给目标合作主体，从而推动目标合作主体对推送的专利进行转化运用。
附图说明
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1是本发明一种基于大数据的专利成果转化管理方法的执行流程图。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
下面对本发明的一种基于大数据的专利成果转化管理方法进行详细说明。
一种基于大数据的专利成果转化管理方法，如图1所示，包括如下步骤：
S1：将平台的委托专利输入专利信息分析模型中，得到第一专利信息。
所述平台用于撮合专利权人与对专利有需求的生产方，所述委托专利是指与平台合作，有意愿进行专利成果转化的相关专利。
所述专利信息分析模型，用于将专利中的重要信息进行提取，并进行分类，从而得到所述第一专利信息。
其中，所述第一专利信息为四维向量，包括专利信息、转让次数、转让费用和许可使用费。
所述专利信息分析模型主要用于提取专利中的有用信息，以及对专利成果转化率影响较大的信息，通过如下方式获得：
首先，获取历史专利集合。
所述历史专利集合中包含已经过人工处理后的专利，所述人工处理后的专利是指经过人工摘要改写后的专利。改写后的专利摘要可比较准确的反映出专利的应用领域、解决的技术问题、关键技术点以及产业应用价值等信息。
其次，将所述历史专利集合作为训练样本，训练摘要提取模型。
通常在专利中，“现有技术/相关技术”、“存在……问题/不足”、“本发明解决……”等分词附近会出现比较关键的专利信息。因此，可通过训练摘要提取模型来进行摘要提取工作，所述摘要提取模型采用表达分词模板，采用卷积神经网络结构。输入为所述专利集合中的专利信息，输出为经过摘要提取模型提取后的摘要信息。采用人工处理后的摘要信息对所述摘要提取模型提取后的摘要信息进行调整，并对所述摘要提取模型进行迭代训练。当所述摘要提取模型输出的摘要信息与所述人工处理后的摘要信息之间的相似度大于相似度阈值的情况下，确认所述摘要提取模型训练完成。其中，所述摘要信息至少包括技术领域、解决的技术问题、主要技术贡献点等部分。
此外，专利的转让次数、转让费用和许可使用费等信息，通常也可用于体现专利的市场价值。按照专家评估意见，对上述信息进行档次划分。对于转让次数，大于3次为高，小于2次为低。对于转让费用和许可费用，大于500万为高，100-500万为中，小于100万为低。上述档次划分标准也可按照实际情况进行调整。上述信息的档次划分可通过SVM模型实现。
所述专利信息分析模型用于对上述摘要信息、转让次数、转让费用和许可使用费信息进行提取，形成四维向量作为所述专利信息分析模型的输出。所述专利信息分析模型的输入包括专利信息、转让次数、转让费用和许可使用费，其中后面三种信息通过互联网爬取获得。所述专利信息分析模型包括用于提取摘要信息的卷积神经网络模型，以及用于进行转让次数、转让费用和许可使用费分档的SVM模型。
S2：将所述第一专利信息输入转化率评估模型中，得到第一转化率。
所述转化率是指专利会被相关生产方应用于生产中，以求获得经济效益的概率。
所述转化率评估模型用于利用所述第一专利信息作为输入，从而对专利的转化率进行预测，具体通过如下方式建立：
首先，将所述历史专利集合的专利摘要中包含的所述技术领域、解决的技术问题、主要技术贡献点信息分别进行提取，形成三类信息，以作为训练样本的组成部分。具体为通过搜索函数对指定分词信息进行搜索操作，定位出所述摘要信息中包含指定分词的位置，以所述位置为起点，最近邻的句号为结束点，从而获得所需信息。
其次，针对所述历史专利集合中的每一项专利，分别获取其转让次数、转让费用和许可使用费分档信息，并与上一步骤确定的所述技术领域、解决的技术问题、主要技术贡献点信息一起，构成六维向量，所述历史专利集合中的每一项专利与一个六维向量形成对应关系。
然后，对所述历史专利集合中的每一项专利的转化率进行专家评估，从而得出以六维向量和转化率构成的一条训练样本，进而针对所述历史专利集合构成训练样本集合。
然后，以所述六维向量作为输入，以所述转化率作为输出， 对卷积神经网络模型进行训练。由于对于不同类型的专利，与其对应的所述六维向量中的6个元素，对于转化率的影响率有所不同，比如电学领域的专利，有可能关键技术点信息比较重要，而化学领域的专利，解决的技术问题信息比较重要。因此，分为机械、电学和化学三大领域分别进行模型训练。其中，专利类型以专利IPC分类表的划分为准。比如，对于所述历史专利集合中分类号属于IPC分类表F、G和H部的专利，提取其每一条专利的六维向量和专家评估得出的转化率，对卷积神经网络进行训练，对六维向量中每个元素对应的权重信息进行训练和调整，从而得到与电学大领域相对应的转化率评估模型。
最后，通过上述方式，即可训练得到与机械、电学和化学三大领域相对应的三个转化率评估模型。
S3：将第一转化率大于第一预设值的专利确定为待推荐专利。
转化率大于第一预设值的专利市场应用价值较高，可用于推荐给相关生产者，也即平台合作主体。
所述待推荐专利还可通过如下方式确定：
将第一转化率大于第二预设值的专利确定备选专利，所述第二预设值低于所述第一预设值。
将所述备选专利与热门产业化信息进行相似度比较，得出热门相似度评分。
所述热门产业化信息是从互联网上爬取的热门产业化新闻信息，所述新闻信息中记录有时下比较热门的产业类型，以及技术研发方向等信息。
将所述备选专利的所述第一转化率和所述热门相似度评分进行加权求和，从而得到第二转化率，将第二转化率大于第三预设值的备选专利确定为待推荐专利。
S4：将所述待推荐专利的第一专利信息与平台合作主体的信息进行多维相似度比较，将所述平台合作主体按相似度进行降序排列，将相似度大于阈值的平台合作主体确定为目标合作主体。
具体包括如下步骤：
S41：获取每一所述平台合作主体的生产信息。
所述生产信息包括平台合作主体的年报信息、主营业务信息和新闻信息等。
可通过网络爬虫的方式获取上述信息，或通过所述平台合作主体上传的形式获取上述信息。
S42：将每一所述待推荐专利的专利信息与所述每一所述平台合作主体的生产信息进行相似度比较，确定相似度评分。
所述相似度比较采用余弦相似度比较方法，具体为计算所述专利信息与所述生产信息的余弦相似度，从而确定每一所述待推荐专利与每一所述平台合作主体的所述相似度评分。
S43：针对每一所述待推荐专利，将所述相似度评分排在前5位的平台合作主体确定为目标合作主体。
S5：生成专利转化推荐信息，发送至所述目标合作主体的账号。
根据每一所述待推荐专利的所述第一专利信息、专利的转让次数、转让费用和许可使用费信息，以及所述每一所述待推荐专利与所述目标合作主体的相似度评分，生成所述专利转化推荐信息，发送至所述目标合作主体的账号中。以供所述目标合作主体参考是否要对所述待推荐专利进行转化利用。
在另一实施例中，还提供了一种基于大数据的专利成果转化管理系统，用于实施所述实施例中一种的所述一种基于大数据的专利成果转化管理方法。
本发明提出了一种基于大数据的专利成果转化管理系统及方法，将平台的委托专利输入专利信息分析模型中，得到第一专利信息，将所述第一专利信息输入转化率评估模型中，得到第一转化率，将第一转化率大于第一预设值的专利确定为待推荐专利，将所述待推荐专利的第一专利信息与平台合作主体的信息进行多维相似度比较，将所述平台合作主体按相似度进行降序排列，将相似度大于阈值的平台合作主体确定为目标合作主体，生成专利转化推荐信息，发送至所述目标合作主体的账号。通过本发明的技术方案，可对专利的专利信息进行精确提取，并对其产业转化率进行精确评估，从而有针对性的将匹配度符合要求的专利推送给目标合作主体，从而推动目标合作主体对推送的专利进行转化运用。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims (2)

1.一种基于大数据的专利成果转化管理方法，其特征在于，该方法包括如下步骤：
S1：将平台的委托专利输入专利信息分析模型中，得到第一专利信息；所述委托专利是指有意愿进行专利成果转化运用，从而委托给平台进行合作主体匹配的专利；所述第一专利信息为从专利中提取获得；
S2：将所述第一专利信息输入转化率评估模型中，得到第一转化率；所述第一转化率是指专利会被所述合作主体应用于生产中，从而以求获得经济效益的概率；
S3：将第一转化率大于第一预设值的专利确定为待推荐专利；
S4：将每一所述待推荐专利的第一专利信息与平台合作主体的信息进行多维相似度比较，将相似度大于阈值的平台合作主体确定为目标合作主体；
S5：生成专利转化推荐信息，发送至所述目标合作主体的账号；
所述步骤S1中的所述专利信息分析模型包括摘要提取模型和专利信息分类模型；
所述摘要提取模型用于基于专利信息进行摘要提取，以得到摘要信息；
所述专利信息分类模型用于对专利相关信息进行分档，以得到分档信息；所述摘要提取模型具体通过以下方式建立：
获取历史专利集合，所述历史专利集合中的每一项专利均包含经过人工改写后的摘要信息；
将所述历史专利集合中的专利信息作为输入，以与所述专利信息相对应的人工处理后的摘要信息作为输出，以形成样本集合，训练卷积神经网络来得到摘要提取模型；
所述专利信息分类模型具体通过以下方式建立：
针对所述历史专利集合中的每一项专利，获取其专利相关信息，具体包括转让次数、转让费用和许可使用费用；
按照分档标准对上述专利相关信息进行人工标注，以形成训练样本；
利用上述训练样本训练SVM模型，以得到所述专利信息分类模型；
所述转化率评估模型具体通过以下方式建立：
获取所述摘要信息中包含的三类信息，具体包括技术领域、解决的技术问题、主要技术贡献点信息；
获取所述分档信息；
根据所述三类信息和所述分档信息，构成六维向量，所述历史专利集合中的每一项专利与一个六维向量形成对应关系；
对所述历史专利集合中的每一项专利的对应转化率进行专家评估，从而得出以六维向量和所述对应转化率构成的一条训练样本，进而得到训练样本集合；
以所述六维向量作为输入，以所述对应转化率作为输出，对卷积神经网络模型进行训练，以得到所述转化率评估模型；
所述转化率评估模型具体分为机械、电学和化学三种模型；
所述步骤S3具体包括：
将第一转化率大于第二预设值的专利确定备选专利，所述第二预设值低于所述第一预设值；
将所述备选专利与热门产业化信息进行相似度比较，得出热门相似度评分；
将所述备选专利的所述第一转化率和所述热门相似度评分进行加权求和，从而得到第二转化率，将第二转化率大于第三预设值的备选专利确定为待推荐专利；
所述第二预设值低于所述第一预设值；
所述步骤S4体包括：
S41：获取每一所述平台合作主体的生产信息；
所述生产信息包括平台合作主体的年报信息、主营业务信息和新闻信息；
通过网络爬虫的方式获取上述信息，或通过所述平台合作主体上传的形式获取上述信息；
S42：将每一所述待推荐专利的专利信息与所述每一所述平台合作主体的生产信息进行相似度比较，确定相似度评分；
所述相似度比较采用余弦相似度比较方法，具体为计算所述专利信息与所述生产信息的余弦相似度，从而确定每一所述待推荐专利与每一所述平台合作主体的所述相似度评分；
S43：针对每一所述待推荐专利，将所述相似度评分排在前5位的平台合作主体确定为目标合作主体。
2.一种基于大数据的专利成果转化管理系统，其特征在于，用于实现权利要求1中的所述一种基于大数据的专利成果转化管理方法。
CN202311834635.7A 2023-12-28 2023-12-28 一种基于大数据的专利成果转化管理系统及方法 Active CN117473173B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311834635.7A CN117473173B (zh) 2023-12-28 2023-12-28 一种基于大数据的专利成果转化管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311834635.7A CN117473173B (zh) 2023-12-28 2023-12-28 一种基于大数据的专利成果转化管理系统及方法

Publications (2)

Publication Number Publication Date
CN117473173A CN117473173A (zh) 2024-01-30
CN117473173B true CN117473173B (zh) 2024-03-22

Family

ID=89624246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311834635.7A Active CN117473173B (zh) 2023-12-28 2023-12-28 一种基于大数据的专利成果转化管理系统及方法

Country Status (1)

Country Link
CN (1) CN117473173B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109191335A (zh) * 2018-08-24 2019-01-11 浙江知识产权交易中心有限公司 一种专利交易中潜在买方的自动匹配方法
CN115375370A (zh) * 2022-08-29 2022-11-22 维正知识产权科技有限公司 专利定价评估方法、装置、计算机设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102502271B1 (ko) * 2021-01-18 2023-02-21 (주) 애니파이브 인공지능을 기반으로 한 특허 평가 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109191335A (zh) * 2018-08-24 2019-01-11 浙江知识产权交易中心有限公司 一种专利交易中潜在买方的自动匹配方法
CN115375370A (zh) * 2022-08-29 2022-11-22 维正知识产权科技有限公司 专利定价评估方法、装置、计算机设备及介质

Also Published As

Publication number Publication date
CN117473173A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN107122375B (zh) 基于图像特征的图像主体的识别方法
Sanders et al. Training deep networks to construct a psychological feature space for a natural-object category domain
CN107563444A (zh) 一种零样本图像分类方法及系统
CN110674970A (zh) 企业法务风险预警方法、装置、设备及可读存储介质
CN115238197B (zh) 一种基于专家思维模型的领域业务辅助分析方法
CN113688635B (zh) 一种基于语义相似度的类案推荐方法
Li et al. The method of reagent control based on time series distribution of bubble size in a gold‐antimony flotation process
CN113836896A (zh) 一种基于深度学习的专利文本摘要生成方法和装置
CN112529638A (zh) 基于用户分类和深度学习的服务需求动态预测方法及系统
CN114662652A (zh) 一种基于多模态信息学习的专家推荐方法
CN117473173B (zh) 一种基于大数据的专利成果转化管理系统及方法
CN117407571A (zh) 一种基于相关性分析的信息技术咨询服务方法及系统
CN116629716A (zh) 一种智能交互系统工效分析方法
CN113835964B (zh) 基于小样本学习的云数据中心服务器能耗预测方法
CN113158878B (zh) 一种基于子空间的异构迁移故障诊断方法、系统和模型
CN116089708A (zh) 农业知识推荐方法及装置
Chen et al. Quality assessment on remote sensing image based on neural networks
CN112804650A (zh) 一种信道状态信息数据降维方法及智能室内定位方法
Arosha Senanayake et al. A road accident pattern miner (RAP miner)
Alnwairan et al. Measuring the academic students’ performance at the university of jordan using netnography methodology
Man et al. Fuzzy sets for data mining and recommendation algorithms
CN116108158B (zh) 在线互动问答文本特征构造方法和系统
Khan et al. The Art of Seeing: A Computer Vision Journey into Object Detection
Jeyaraman et al. Data Engineering Evolution: Embracing Cloud Computing, Machine Learning, and AI Technologies
CN118012921A (zh) 一种用于知识产权虚拟实验的人机交互数据处理系统

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