一種客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及知識(shí)產(chǎn)權(quán)評(píng)估技術(shù)，是一種基于統(tǒng)計(jì)學(xué)及數(shù)據(jù)挖掘模型評(píng)估知識(shí)產(chǎn)權(quán) 的客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)及方法。
【背景技術(shù)】
[0002] 目前專利權(quán)在當(dāng)今商業(yè)活動(dòng)中起著至關(guān)重要的作用。在投資領(lǐng)域，它鼓勵(lì)投資者 進(jìn)入新興產(chǎn)業(yè)，并在競(jìng)爭(zhēng)者行動(dòng)前率先搶占市場(chǎng)。在市場(chǎng)競(jìng)爭(zhēng)中，它能夠有效保護(hù)自身的創(chuàng) 新技術(shù)，避免不必要的糾紛，并提升在業(yè)內(nèi)的競(jìng)爭(zhēng)優(yōu)勢(shì);在戰(zhàn)略布局方面，專利權(quán)對(duì)認(rèn)清行 業(yè)發(fā)展方向和經(jīng)濟(jì)走向，制定合適的專利戰(zhàn)略布局也起著重要作用。
[0003] 無(wú)論是專利權(quán)的自身價(jià)值和專利權(quán)在公司的經(jīng)驗(yàn)和發(fā)展中的衍生價(jià)值都非常重 要。但是，專利的評(píng)估卻比較復(fù)雜和困難，當(dāng)前國(guó)內(nèi)普遍的專利評(píng)估方法(無(wú)論是檢索評(píng)估， 還是專利定價(jià))均不同程度存在人為的干預(yù)，由于主觀因素過(guò)多、評(píng)估者的經(jīng)驗(yàn)和直覺(jué)作用 明顯，其科學(xué)合理性較難得到驗(yàn)證。如表1所示，檢索評(píng)估，即通過(guò)專利檢索方法，對(duì)比分析 相關(guān)專利并判斷專利的含金量、新穎性和創(chuàng)造性，W判定研發(fā)的意義或?qū)＠謾?quán)的可能性， 常用于專利研發(fā)布局及律師的專利訴訟分析等。專利價(jià)值評(píng)估是專利評(píng)估中最直觀的價(jià)格 體現(xiàn)，即W會(huì)計(jì)學(xué)中對(duì)無(wú)形資產(chǎn)評(píng)估的方法為基礎(chǔ)(如收益法、成本法、市場(chǎng)法)實(shí)現(xiàn)估價(jià)， W解決專利交易中專利值多少錢的問(wèn)題，常見于會(huì)計(jì)師和資產(chǎn)評(píng)估師的專利(無(wú)形資產(chǎn))評(píng) 估報(bào)告，然而運(yùn)用Ξ種基礎(chǔ)估價(jià)方法都無(wú)法精確為專利定價(jià)。本專利專注于客觀量化的專 利評(píng)估方法的研究，其人為干擾因素較少、說(shuō)服力更強(qiáng)。它是對(duì)專利優(yōu)劣的判斷，通過(guò)模型 構(gòu)建，找出目標(biāo)專利優(yōu)劣與其可W量化的專利的內(nèi)部特征和外部特征指標(biāo)之間的關(guān)系。
[0004]
[0005] 表 1
[0006] 上圖的表1為專利評(píng)估方法分類表。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)之缺陷，提供了一種客觀量化的中國(guó)發(fā)明專利評(píng) 估系統(tǒng)及方法，其具有客觀量化、自動(dòng)化評(píng)估專利優(yōu)劣的特性。
[0008] 本發(fā)明是運(yùn)樣實(shí)現(xiàn)的：一種客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)及方法，其包括：
[0009] -專利信息數(shù)據(jù)庫(kù)
[0010] -專利算法程序
[0011] -功能模塊(包括專利檢索、專利信息展示、專利分析、評(píng)估報(bào)告展示及導(dǎo)出等）
[0012] 其中專利評(píng)估方法集中體現(xiàn)于算法程序中，其包括：
[0013] -數(shù)據(jù)預(yù)處理模塊，其包括數(shù)據(jù)清洗、數(shù)據(jù)信息提取、數(shù)據(jù)重新規(guī)劃，數(shù)據(jù)清洗用 W把存在缺失的數(shù)據(jù)補(bǔ)全或移出、把重復(fù)數(shù)據(jù)統(tǒng)一、把格式錯(cuò)誤的字段轉(zhuǎn)換;數(shù)據(jù)信息提取 用W提取關(guān)鍵時(shí)間信息并計(jì)算時(shí)間間隔，對(duì)摘要、說(shuō)明書等文本的數(shù)量化處理、提取離散有 序字段和無(wú)序分類型字段信息;數(shù)據(jù)重新規(guī)劃用W對(duì)提取出的信息重新賦予新的值，W達(dá) 到每一個(gè)值所對(duì)應(yīng)的樣本數(shù)量充足且整體呈現(xiàn)一定的分布結(jié)構(gòu)；
[0014] -模型建立模塊，其包括變量選擇、模型尋優(yōu)；
[0015] -專利評(píng)估模塊，其包括IPV分?jǐn)?shù)、百分比等級(jí)、專利評(píng)級(jí)、生存年限估計(jì)、對(duì)專利 主體的評(píng)級(jí)
[0016] -種利用客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)進(jìn)行評(píng)估的方法，其包括W下步驟：
[0017] a、數(shù)據(jù)預(yù)處理；
[001引 b、模型建立；
[0019] C、專利評(píng)估。
[0020] 進(jìn)一步地，在步驟(a)中，所述數(shù)據(jù)預(yù)處理進(jìn)一步包括：
[0021] (1)數(shù)據(jù)清洗，把存在缺失的數(shù)據(jù)補(bǔ)全或移出、把重復(fù)數(shù)據(jù)統(tǒng)一、把格式錯(cuò)誤的字 段轉(zhuǎn)換；
[0022] (2)數(shù)據(jù)信息提取，提取關(guān)鍵時(shí)間信息并計(jì)算時(shí)間間隔，對(duì)摘要、說(shuō)明書文本信息 的數(shù)量化處理、提取離散有序字段和無(wú)序分類型字段信息；
[0023] (3)數(shù)據(jù)重新規(guī)劃，對(duì)提取出的信息重新賦予新的值，W達(dá)到每一個(gè)值所對(duì)應(yīng)的樣 本數(shù)量充足且整體呈現(xiàn)一定的分布結(jié)構(gòu)。
[0024] 進(jìn)一步地，在步驟(b)中，所述模型建立進(jìn)一步包括：
[0025] (1)通過(guò)專利法規(guī)，剔除與評(píng)估專利好壞無(wú)關(guān)的字段；
[0026] (2)選擇衡量專利優(yōu)劣的字段作為建模目標(biāo)字段，進(jìn)一步規(guī)劃目標(biāo)字段，W達(dá)到分 布結(jié)構(gòu)更適合建模要求；
[0027] (3)通過(guò)統(tǒng)計(jì)學(xué)意義選擇與目標(biāo)字段有顯著相關(guān)性的字段并檢查其意義；
[0028] (4)根據(jù)對(duì)統(tǒng)計(jì)圖形分布有分類特征的關(guān)鍵字段對(duì)建模數(shù)據(jù)分類；
[0029] (5)通過(guò)似然比指標(biāo)，計(jì)算機(jī)自動(dòng)進(jìn)行建模前地降維處理；
[0030] (6)模型參數(shù)尋優(yōu)，建模完成；
[0031] (7)模型部署上線。
[0032] 進(jìn)一步地，在步驟(C)中，
[0033] (1)使用所獲得的模型對(duì)專利評(píng)出粗糖分?jǐn)?shù)；
[0034] (2)把粗糖分?jǐn)?shù)映射到0到200之間，給出IPV分?jǐn)?shù)；
[0035] (3)基于IPV分?jǐn)?shù)計(jì)算出百分比等級(jí)，并給出專利評(píng)級(jí)；
[0036] (4)基于IPV分?jǐn)?shù)對(duì)專利生存年限進(jìn)行預(yù)測(cè)，把IPV分?jǐn)?shù)重新規(guī)劃成幾個(gè)等級(jí)，分別 統(tǒng)計(jì)每個(gè)等級(jí)的專利在進(jìn)入下一續(xù)費(fèi)周期時(shí)的生存率和平均生存年限，進(jìn)一步計(jì)算整個(gè)專 利生存年限預(yù)測(cè)表；
[0037] (5)系統(tǒng)自動(dòng)生成專利在線評(píng)估報(bào)告，其中包括專利的基本屬性、評(píng)估得分、星級(jí) 排名及專利生存年限預(yù)測(cè)。
[0038] 進(jìn)一步地，在步驟(C)中，專利評(píng)估選擇多元回歸模型作為評(píng)估模型，參數(shù)尋優(yōu)方 式選擇通常的最小二乘法，Υ =防+ε，Υ為因變量矩陣，X為自變量矩陣，β為系數(shù)矩陣，ε為殘 差矩陣。參數(shù)計(jì)算，β=(χ/χΓ?(χ/γ)，χ'為X矩陣的轉(zhuǎn)置。
[0039] 進(jìn)一步地，在步驟（C )中，引入似然比值進(jìn)行事后維度選擇，定義：
其中LR1為無(wú)約束方程的似然函數(shù)，Τ為點(diǎn)的個(gè)數(shù)，3為無(wú)約 束方程的方差估計(jì);LR2為約束方程的似然函數(shù)，S;為有約束方程的方差估計(jì)，LRULR2服從 X2分布，每次嘗試剔除一個(gè)自變量對(duì)原方程的影響，如果影響超過(guò)X2臨界值，證明剔除此自 變量對(duì)方程影響過(guò)大，如果在方程中有相關(guān)性很強(qiáng)的兩個(gè)自變量，當(dāng)一個(gè)被剔除時(shí)，由于另 一個(gè)的存在，不會(huì)對(duì)方程產(chǎn)生重大影響，達(dá)到了對(duì)原多元回歸模型進(jìn)行了維度選擇的效果。
[0040] 本發(fā)明公開的評(píng)估系統(tǒng)將無(wú)形的知識(shí)產(chǎn)權(quán)量化，客觀化，排除了人為因素的干擾， 針對(duì)每一部分給出相應(yīng)的評(píng)估結(jié)果，操作簡(jiǎn)單，容易為市場(chǎng)所接受，且理論扎實(shí)，精湛，統(tǒng)計(jì) 范圍廣，差異小。
[0041] 另本發(fā)明公開的評(píng)估方法完全基于對(duì)專利固有屬性的客觀量化，評(píng)估過(guò)程由計(jì)算 機(jī)獨(dú)立完成無(wú)需人工，能夠高效地對(duì)每一個(gè)專利給出有參考意義的評(píng)估分?jǐn)?shù)，進(jìn)一步基于 此評(píng)估分?jǐn)?shù)估計(jì)專利的生存年限、專利等級(jí)，填補(bǔ)了程序化評(píng)估專利的空白，真實(shí)，可靠，符 合目前的發(fā)展潮流。
【附圖說(shuō)明】
[0042] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可 W根據(jù)運(yùn)些附圖獲得其他的附圖。
[0043] 圖1為本發(fā)明實(shí)施例提供的評(píng)估系統(tǒng)結(jié)構(gòu)圖；
[0044] 圖2為本發(fā)明實(shí)施例提供的流程圖。
【具體實(shí)施方式】
[0045] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0046] 如圖1-2,本發(fā)明實(shí)施例提供一種客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)及方法，詳見 W下說(shuō)明。
[0047] -種客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)，其包括:一數(shù)據(jù)預(yù)處理模塊，其包括數(shù)據(jù) 清洗、數(shù)據(jù)信息提取、數(shù)據(jù)重新規(guī)劃，數(shù)據(jù)清洗用W把存在缺失的數(shù)據(jù)補(bǔ)全或移出、把重復(fù) 數(shù)據(jù)統(tǒng)一、把格式錯(cuò)誤的字段轉(zhuǎn)換;數(shù)據(jù)信息提取用w提取關(guān)鍵時(shí)間信息并計(jì)算時(shí)間間隔， 對(duì)摘要、說(shuō)明書等文本信息的數(shù)量化處理、提取離散有序字段和無(wú)序分類型字段信息，當(dāng) 然，不能局限于W上列舉的摘要、說(shuō)明書信息，甚至也可W考慮從專利附圖中提取信息;數(shù) 據(jù)重新規(guī)劃用W對(duì)提取出的信息重新賦予新的值，W達(dá)到每一個(gè)值所對(duì)應(yīng)的樣本數(shù)量充足 且整體呈現(xiàn)一定的分布結(jié)構(gòu);一模型建立模塊，其包括變量選擇、模型尋優(yōu);一專利評(píng)估模 塊，其包括IPV分?jǐn)?shù)、百分比等級(jí)、專利評(píng)級(jí)、生存年限估計(jì)、對(duì)專利主體的評(píng)級(jí)。
[0048] -種客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)進(jìn)行評(píng)估的方法，其包括W下步驟：
[0049] a、數(shù)據(jù)預(yù)處理;在步驟(a)中，所述數(shù)據(jù)預(yù)處理進(jìn)一步包括：
[0050] (1)數(shù)據(jù)清洗，把存在缺失的數(shù)據(jù)補(bǔ)全或移出、把重復(fù)數(shù)據(jù)統(tǒng)一、把格式錯(cuò)誤的字 段轉(zhuǎn)換；
[0051] (2)數(shù)據(jù)信息提取，提取關(guān)鍵時(shí)間信息并計(jì)算時(shí)間間隔，對(duì)摘要、說(shuō)明書等文本的 數(shù)量化處理、提取離散有序字段和無(wú)序分類型字段信息；
[0052] (3)數(shù)據(jù)重新規(guī)劃，對(duì)提取出的信息重新賦予新的值，W達(dá)到每一個(gè)值所對(duì)