专利寿命视角下潜在高价值专利识别方法研究

[研究目的]基于专利寿命视角,探究潜在高价值专利识别方法,快速精准识别早期高价值专利。[研究方法]结合已有专利价值评估的相关研究,构建潜在高价值专利评估指标体系;以无线网络通信技术领域为例,构建潜在高价值专利识别指标数据集;采用Lasso回归对指标进行约简,构建潜在高价值专利识别特征集;采用机器学习生存预测算法构建专利生存风险预测模型,根据设置的生存风险评分阈值,实现潜在高价值专利识别。[研究结论]构建了基于专利寿命视角的潜在高价值专利识别模型,并且以无线网络通信技术领域专利数据验证了模型的有效性和可靠性,证明该模型可以较好地识别早期高价值专利,有利于企业和决策部门较早进行高价值专利的定向培育。     

基于机器学习的成本法在专利价值评估中的应用研究——以“新能源汽车”为例

[目的/意义]构建基于机器学习的成本法专利价值评估方法,快速识别海量专利的实际成本,并预测其价值区间,在为专利价值评估提供新研究思路的同时,也为专利转移转化定价提供了参考借鉴。[方法/过程]通过Innography数据库与Incopat数据库下载“新能源汽车”领域多指标专利数据,提取专利成本影响因素与专利价值影响因素,并形成专利数据训练集与专利数据预测集;构建AutoGluon机器学习分类算法,将包含成本数据的Innography专利数据训练集导入模型进行训练,并将训练好的模型对Incopat专利数据预测集进行成本预测;最后使用成本法并结合本研究提出的专利价值指数对预测结果进行计算,估算其价格区间。[结果/结论]通过实证分析与结果验证可知,本研究构建的基于机器学习的成本法专利价值评估方法在预测专利价值区间中具备一定有效性,为促进专利价值评估研究深化及专利转移转化定价实践发展提供了参考。     

深度注意力机制下的高校专利价值评估方法——基于历史转化特征锚定效应视角

[研究目的]缺乏成熟的专利价值评估系统作为参考,是当前高校专利高产出却低转化的重要原因之一。对于非市场基准的专利价值评估方法而言,各项指标对评估模型的影响度不一且没有统一标准。使用深度学习的方法构建专利价值评估体系可以有效降低人为筛选的主观倾向性,从而提升专利价值评估效率。[研究方法]基于锚定效应理论,重点选取专利发明人的历史专利转化特征作为锚定指标,构建了基于注意力机制的深度学习模型,对高校专利价值进行评估和预测。引入的注意力机制可自适应地强调关键指标,一定程度上避免了先前研究中人为筛选的主观因素影响。[研究结论]通过采集1540条电子信息相关方向的高校专利价值数据进行深度学习实验,构建的基于深度注意力机制的模型在测试集上平均预测准确率达96.88%,证实该评估方法具有高准确性和强实用性,且研究发现发明人的历史专利转化价值对于专利价值评估具有显著的信息锚特征。     

技术锁定视角下的专利价值影响因素分析

[目的/意义]燃料电池作为新能源产业的核心部件，培育并评价其高价值专利对于我国突破国外“技术锁定”，对实现技术创新驱动新能源产业发展具有重大意义。[方法/过程]基于INNOJOY专利数据库，选取了燃料电池作为研究对象，采用主客观赋权方法与Cox比例风险回归模型等探究了技术锁定视角下的专利价值的影响因素。[结果/结论]结果表明：（1）技术锁定对专利价值的抑制作用显著；（2）引证数、被引证数与同族数均对专利价值的促进作用显著，权利要求数对专利价值的抑制作用显著，而IPC分类数对专利价值不具有显著效应。在丰富了专利价值研究的同时，为我国突破“技术锁定”，进而实现专利强国的目标提供相应建议。     

基于指标计算与内容分析的高校专利价值评估方法研究

[目的/意义]高校是推进国家、区域科技创新的重要力量,对高校高价值专利进行探测和识别,对提升高校专利运营效率,加快高校科技成果向产业界转移,实现校企联动发展具有重要意义。[方法/过程]首先,从保护范围、研发水平、市场前景、主体特征4个维度出发,选取11个专利指标;然后,结合熵权法与突变级数法,从指标计算角度进行高校专利价值评估;最后,运用Doc2vec模型对专利摘要进行向量化表示,并结合局部离群因子算法(LOF算法)识别离群专利作为高价值专利,从内容分析角度评估高校专利价值。[结果/结论]以“云计算”领域的高校专利为例对所提方法进行实证,通过对基于指标计算和内容分析的评估结果进行融合获得了高价值专利,验证了方法的有效性和科学性,为高校专利运营和企业探寻高校高价值专利提供了方案参考。     

基于特征知识元的专利语义引用识别方法研究——以量子计算领域为例

[目的/意义]专利引文分析是专利分析研究的重要内容。传统专利引文分析仅分析专利文献中明确标示的物理引用专利数据,不能够准确真实反映专利之间的引用关系,难以准确揭示专利之间的技术相似度。专利语义引用识别有利于准确真实揭示专利间的潜在语义联系,为专利的继承与创新评价提供参考,有助于专利授权前的专利审核和专利授权后的专利评价。[方法/过程]首先,基于规则和句法分析抽取了专利的特征知识元;其次,利用Sentence-BERT和Word2Vec对专利特征知识元及专利标题摘要文本进行向量化表示;再次,根据余弦相似度计算专利的特征相似度和整体相似度,结合专利申请日期的先后顺序得到专利的语义引用专利集;最后,采用量子计算领域专利数据进行了实验研究。[结果/结论]该专利语义引用识别方法能够实现语义引用专利的有效识别,有利于评价专利的技术新颖性、创造性和实用性,为专利审核和专利价值评估工作提供支持。     

潜在标准必要专利特征研究

[目的/意义]标准必要专利特征研究对于识别、培育高质量专利和提升专利保护质量具有重要价值,本文在梳理标准必要专利特征相关研究进展的基础上,基于客观数据,对潜在标准必要专利和非潜在标准必要专利的特征进行对比和识别,并构建潜在标准必要专利的识别模型,为潜在标准必要专利识别提供有益参考.[方法/过程]基于已有研究基础,提出基...     

基于集成学习的专利质量分析与分类预测研究

[研究目的]文章以专利文献数据为基础,构建一套科学的专利质量评价指标体系,为专利质量评价提供新的评价模型,解决专利质量分类预测问题,为我国创新主体提升专利质量提供决策参考。[研究方法]首先构建专利质量评价指标体系,然后建立基于Stacking思想的集成学习专利质量分类预测模型,该模型包含基分类器以及元分类器两层结构,最后对人脸识别产业的专利进行质量分类并与其他专利质量分类模型进行对比。[研究结论]本文构建的最优集成学习分类模型在测试集上的宏平均F1值达到了0.9942,整体上优于传统的机器学习模型。此外,研究结果表明,技术先进性、技术稳定性以及保护范围对专利质量影响较大,在高质量专利筛选过程中应加大对这3个指标的评价权重。     

一种基于机器学习的专利可转让性评估方法研究

[研究目的]面对海量的专利数据,如何构建有效的专利可转让性评估方法,筛选出具有转让可能性的专利,对于发现潜在高价值专利、提升我国专利成果转移转化效率具有重要意义。为此,提出一种基于机器学习的专利可转让性评估方法。[研究方法]首先利用基于机器学习的指标约减算法对从技术维度、法律维度、经济维度和主体维度构建的专利可转让性评估指标进行约减,以去除掉冗余指标;然后根据约减后得到的评价指标构建机器学习模型,并对专利可转让性进行评估。[研究结论]人工智能领域专利可转让性评估案例结果表明,当剔除掉冗余指标后机器学习模型的预测准确率均值提升了0.56%;基于机器学习的专利可转让性评估模型的分类准确率达到72.36%,可以较好地对专利的可转让性进行评估。案例结果验证了所提出方法的可行性和有效性,该方法为专利可转让性评估提供了新的研究方法。     

基于语义特征的潜在标准必要专利识别研究

   潜在标准必要专利在未来市场中具有极高的战略价值和经济价值,企业如何抢先识别这些专利对建设创新型国家、优化企业专利布局、加快技术创新、提升行业地位、规避专利挟持具有重要意义。但目前关于自动化识别潜在标准必要专利的研究尚少。本文从提取标准必要专利语义特征的视角下,提出利用Bert-CNN网络模型结合上下文对已知标准必要专利的隐性全局语义特征和高维层次语义特征双重提取,依据特征提取结果识别潜在标准必要专利,并通过计算Bert向量相似度预测潜在标准必要专利可能对应的标准。实证部分以ETSI欧洲标准化协会发布的标准必要专利构建数据验证集对模型的性能进行验证,结果显示本模型在大规模专利数据实验中的精准率、召回率、F1值优于已有研究。     

用户需求导向下基于三级技术功效矩阵的产品创新机会识别

[目的/意义]精准把握用户需求以引导企业高效开展产品创新,对企业实现可持续发展至关重要。对此,开展了用户需求导向下基于三级技术功效矩阵的产品创新机会识别路径研究。[方法/过程]首先,针对目标产品领域进行用户评论数据与专利数据的收集及预处理;其次,利用LDA主题模型对评论数据进行主题聚类以挖掘重点用户需求;再次,运用Stanford Parser自然语言处理技术从专利数据中提取SAO结构,从中识别技术词与功效词并分别进行主题聚类,以构建技术功效视角下的三级语义知识库;最后,以重点用户需求导航,并以三级语义知识库为数据源,构建三级技术功效矩阵,识别具有较高创新价值的产品创新机会。[结果/结论]结果表明,构建的产品创新机会识别路径能够为企业精准高效开展产品创新提供科学的决策参考依据。     

基于随机森林算法的潜在高价值专利预测方法研究

【目的/意义】为了支持高价值专利培育工作开展,面向潜在高价值专利预测的需求,提出基于随机森林算法的潜在高价值专利预测方法。【方法/过程】梳理现有研究,选择用于潜在高价值专利预测的指标,构建基于随机森林算法的潜在高价值专利预测模型。使用“语音信号识别”领域的19647条专利进行实证分析,模型预测准确率达96.01%。【结果/结论】目前适于从海量早期申请中发掘潜在高价值专利的方法研究较少,本方法能够在专利申请早期发挥作用,同时具有预测准确率高、处理数据量大、模型可解释性好的优点。     

双层嵌套聚类下的专利群落确定及技术布局策略研究

[研究目的]专利群落符合数字化下超级专利网络复杂创新要求,专利群落的科学划分及基于网络特征的技术布局策略研究,可为行业技术发展提供更具针对性、客观性与系统性的决策支持。[研究方法]该文提出双层嵌套聚类确定专利群落的方法。首先,基于IRM并行模型,构建专利种群网络;其次,立足于网络结构、关系以及表型三维度,设计专利种群网络特征测度指标体系,并利用DSM实现网络特征指标聚类,确定专利群落特征集及具体构成;最后,以碳纤维领域为实证对象,识别专利群落,并综合TF-IDF与LDA模型确定各群落技术领域主题,提出技术布局策略。[研究结论]双层嵌套聚类方法能够科学划分专利群落,融合突破、迭代成长与边缘搜索三大群落应分别通过纵横整合、代际储备、利基挖掘等方式实现有效技术布局。     

一种专利共类与深度学习模型结合的技术融合预测方法研究

[目的/意义]作为科技创新的重要手段,技术融合预测对于改进技术研发的策略选择具有重要参考和借鉴意义,文章提出一种专利共类与深度学习模型结合的技术融合预测方法,以提高预测结果的准确性和可靠性。[方法/过程]以燃料电池技术为例,首先采用关联规则挖掘算法识别专利数据中具有强关联的IPC频繁项集,计算技术相对相似度,基于AP聚类算法进行技术聚类;然后运用生成式拓扑映射算法识别其中技术融合点,构建训练数据集和测试数据集。最后基于深度学习模型进行学习训练,预测燃料电池技术未来可能出现的技术融合。[结果/结论]这种方法在准确率和召回率上表现优异,可以快速、客观地识别技术融合,为技术创新的智能决策和预测提供支持和帮助。     

基于高阶网络的三元技术融合过程和预测研究

[目的/意义]多技术融合已成为当前科技创新的重要特征,开展多元技术融合过程和预测研究,识别技术融合的趋势和规律,有助于支撑国家战略决策、企业研发策略制定。[方法/过程]提出一种基于高阶网络的技术融合预测方法,通过三元技术融合过程分析和高阶链路预测,预测特定领域的多元技术融合。首先,以专利分类号为节点,采用单纯复形方法构建专利技术高阶网络;其次,结合边的形成和加强,分析三节点组的形态和三角形闭包事件的过程;最后,构建训练集和测试集,从12个模型中获得效果最佳的相似性指标,开展三元技术融合预测。[结果/结论]以人工智能领域进行实证研究,发现边的加强对于三角形闭包事件具有重要意义,成功预测了F16M、G06F、G06N等三节点组发生三元技术融合,验证了方法的有效性。     

基于图注意力网络的社交媒体异常用户预测研究

[目的/意义]当前社交媒体中的虚假、劣质信息层出不穷,极大地干扰了正常的网络公共秩序。对发布异常信息、呈现异常行为的异常用户进行预测治理,能够有效实现网络公共空间的正本清源。[方法/过程]在既有研究的基础上,文章融合用户个体特征、行为、关系、文本主题和情感特征,构建社交媒体异常用户特征体系,并利用图注意力网络构建异常用户分类预测模型。[结果/结论]文章所构建的社交媒体异常用户特征体系具备完整性和普适性,且异常用户预测模型的分类准确率达到92.8%。相比其他分类模型,所构建的图注意力预测模型能够有效识别社交媒体中的异常用户。此外,关系特征、主题特征以及用户注册时间对预测异常用户的贡献度较高,在体征体系中具有较高的重要性。     

地方高校专利可转化性评估研究——基于文献计量与BPNN模型对11所高校的分析

[研究目的]在国家政策和项目课题的驱动下,高校中专利的申请和授权数量都急剧增长。因此,对高校所拥有的授权发明专利的可转化性进行评估,获取具有转化价值的专利,可以盘活高校中的专利资产,促进专利在市场上的流通。[研究方法]首先,通过文献梳理和咨询专家意见,初步构建适用于高校专利可转化性评估的指标体系;其次,通过对广西11所地方高校已成功转化的专利和未转化专利进行文献计量,得到具有差异的特征指标,并使用BPNN模型对未转化的专利进行可转化性评估;最后对各所高校专利的平均转化价值进行排序。[研究结论]与其他地区的高校相比,广西11所高校的发明专利整体转化价值并不高,且不同类型院校之间的专利平均转化价值也存在着一定差距。通过结合评估结果提出了相关建议,旨在为提高高校专利质量和促进专利转化提供参考。     

基于双粒度语义特征与异质性网络的知识共创价值识别

[研究目的]旨在优化虚拟社区中知识共创价值的识别方法,缓解因信息过载和关联复杂性等导致的高价值性知识资源识别效果不佳的问题。[研究方法]从知识共创的动态协同过程入手,构建集成双粒度语义与异质性网络的知识共创价值识别模型(DGSHAN)。首先利用BERT、Sentence-BERT并行获取词、句双粒度知识单元的语义信息,继而引入CNN、BiLSTM差异化提炼协同知识的局部内核特征与动态时序特征;同时采用HAN处理异质性关联网络,挖掘用户交互下多类型实体与拓扑结构中的关联规律,最后融合知识资源组合和用户行为互动双链路特征,实现知识共创价值的有效识别。[研究结论]经魅族社区Flyme数据验证,该模型的识别准确度、宏F1、加权F1分别为82.16%、73.56%、81.39%,相较于其他基线模型,各评估指标都有显著提高,可以有效提升知识共创价值的识别效果。     

专利供需知识图谱半自动化构建及应用

[研究目的]为提高专利知识图谱构建的自动化水平,并实现知识服务与交易服务的融合,提出了面向供需信息挖掘的供需知识图谱(PSD-KG)的构建思路。[研究方法]知识图谱规划方面,对专利交易涉及实体及关系进行了拓展,规划了共由12类实体和14类关系组成的PSD-KG。知识图谱构建方法上,建立专利领域词典以实现语料自动化标注,并提出了基于BERT-BiLSTM-CRF模型的语义实体识别方法。[研究结论]与传统的CRF、BiLSTM-CRF模型对比发现,该文模型的准确率、召回率和F1指数均高于85%,验证了方法的有效性;以燃料电池领域为例构建PSD-KG,通过技术供需热点识别及演化研究,识别出三类技术热点,包括：持续热门技术点、新兴热门技术点和潜在热点技术;并在交易网络分析、供需信息检索等方面挖掘新应用场景。研究成果也为专利交易推荐提供了知识库。     

基于简单专利族和Bcp指数方法探讨专利“睡美人”的识别与分析

[目的/意义]针对专利文献的特殊性,选择合适的引文分析方法和研究单元,对专利“睡美人”进行识别和分析。[方法/过程]通过总结分析现有“睡美人”识别方法,选择对总被引次数依赖性小、可规避不同学科引文差异影响的Bcp指数方法识别筛选专利“睡美人”。利用Incopat专利信息平台,检索清华大学的所有专利文献,统计分析引文分布,筛选Bcp指数Top50的简单专利族,并以一个典型专利家族为例分析专利“睡美人”的价值。[结果/结论]Bcp指数方法可行和有效。本文修正了Bcp指数方法相关指标,并明确其计算方法。筛选出的简单专利族绝大多数有很高的合享价值度,属于高价值专利,但专利“睡美人”处于有效状态的比例低。如果能尽早识别筛选出关注度不太高但具有高价值的专利“睡美人”,对促进技术持续研发和迭代、加强专利布局、提高专利成果转移转化,实现专利的经济价值有非常重要的现实意义。