识别核心专利的粗糙集理论模型

[目的/意义]研究应用粗糙集理论分析专利信息的可行性及其方法,建立识别核心专利的粗糙集理论模型。[方法/过程]综述国内外研究核心专利识别的相关文献,确定包含8个指标的核心专利识别指标体系,再用粗糙集理论分析专利信息数据,确定各指标的权重系数,按照计算的核心专利综合指数(CICP)大小将某特定技术领域的专利信息序列分为核心专利、关键专利、重要专利和一般专利。[结果/结论]以通信领域的976件专利数据为分析样本,运用本文核心专利识别模型识别出11件核心专利,其中包含获得中国专利奖的专利,核心专利识别结果在一定程度上表明核心专利识别模型的可行性和科学性;本文核心专利识别模型具有一般性,可应用于分析研究专利价值及其重要性。     

融入术语知识的专利主题发现方法

[目的/意义]针对专利主题分析中以词为基本单位会造成专利中的多词术语难以被识别、主题模型结果不佳的问题,提出融入术语的专利主题发现模型,以解决该问题。[方法/过程]模型首先引入类别熵,有效地识别出专利文献中的术语;然后利用泛化波利亚瓮模型增加语义相似术语分配到同一主题的概率,以缓解术语作为基本主题模型分析单位所带来的数据稀疏性问题。[结果/结论]实验结果表明本文提出的模型包含的术语信息提高了主题生成的质量,使主题表示具有更强的可读性和主题判别性。     

基于改进PageRank算法的核心专利发现研究

[目的/意义]核心专利的发现是技术创新的重要环节,对于技术改进和专利战略布局意义重大。[方法/过程]首先界定核心专利的概念,然后在对原始PageRank算法模型介绍的基础上,结合专利的被引次数和专利的年龄对原始的PageRank算法进行改进,提出PatentRank算法（简称PTR）,并将其应用到OLED领域中来识别核心专利。[结果/结论]研究发现,相比被引次数,PTR不仅能将该领域的核心专利识别出来,而且还可以识别出一些重要性的基础性专利,为研究OLED相关技术提供追本溯源的研究思路;相比原始PageRank算法,PTR具有更高的值区分度,在局部改善了PR的排名。     

基于离群点视角的颠覆性专利预测研究

[目的/意义]在日趋激烈的国际竞争背景下,颠覆性技术被认为是引领技术和产业发展方向、助推企业和产业实现“弯道超车”的绝佳机会窗口。为此,预测和部署颠覆性技术对于国家抢占科技制高点、重塑价值链均具有重大战略意义。[方法/过程]结合深度学习和离群点检测算法,构建基于离群点视角的颠覆性专利预测框架。该研究框架包括五个关键步骤：首先,利用BERT模型和TF-IDF算法将专利文本和专利分类号转化为可计算的高维向量表示,并结合PCA算法进行降维和特征融合;其次,采用三种离群点检测算法,以增量迭代的方式识别离群专利;再者,通过数据集修正,从离群专利中保留新技术专利;在此基础上,通过深度剖析新技术形式颠覆性专利的核心特征,构建有效的测度指标体系;最后,利用深度学习DNN模型拟合专利指标和颠覆性专利标签之间的关联关系,从而实现从大量的新技术专利中对潜在颠覆性专利的有效预测。[结果/结论 ]以人工智能为例,验证了该方法的有效性。结果共预测出411条颠覆性专利,这些专利主要涉及六大颠覆性方向：多模态预训练大模型、增强现实、生成式AI、自动驾驶、图像识别与处理和智能通信。这些技术的推广和应用,将对未来的科技和...     

中文专利信息资源深加工方案设计与实证研究

基于专利分析的视角,调研了国内外专利信息资源的现状和特点,明确了用于专利分析的资源及其加工深度的不足,设计了预处理和深加工的方案,重点为专利清洗和专利中四类信息的内容标引：发明类型、技术主题、发明改进和应用领域。并以新能源汽车领域为例,对中文专利进行了深加工实证研究。结果显示,利用清洗和深度标引后的专利资源能有效提高分析的准确度和专利资源揭示深度。     

核心专利的识别方法及其实证研究

指出快速寻找核心专利对于企业开展技术竞争情报工作至关重要;针对三种核心专利识别方法的原理、方法进行探讨,以乙肝防治技术为例,分别采用引证专利法和同族专利法进行实证研究,识别该技术领域的核心专利,提供相应的企业技术竞争情报支持。     

专利分类序列和文本语义表示视角下的技术融合预测研究

为了丰富专利分类的网络和文本语义表示,实现两者更有效的语义融合,提高技术融合预测效果,提出基于专利分类序列和文本语义表示的技术融合预测方法。首先,综合考虑专利分类位置及其上下文语境,直接对专利分类序列进行语义表示,提出基于专利分类序列语义表示的技术融合预测方法;其次,根据专利分类在序列中的重要性排序研究专利分类文本分配方法,形成基于专利分类文本语义表示的技术融合预测方法;在此基础上,设计多种特征融合方法,提出融合专利分类序列结构和文本内容语义表示的技术融合预测方法;最后,基于链路预测的理论和方法对提出的多种技术融合预测方法进行定量评价。在无人机领域的实验证实,专利分类序列语义表示模型的效果明显优于其他网络表示学习方法;依据重要性排序的专利分类文本赋予方式优于文本平均分配方式,基于此的专利分类文本语义表示能更好地进行技术融合预测;“SVM (support vector machine)+哈达玛积”的特征融合方法在所有方法中表现最优,较单一方法均有提高。本文提出的方法能够提高技术融合预测的效果,更好地为技术布局、技术研发提供借鉴和参考。     

基于专利挖掘的数字文旅关键技术识别和趋势分析北大核心

为揭示数字文旅领域关键技术,促进文旅融合及产业高质量发展,文章通过系统挖掘数字文旅技术专利,运用TF-IDF、LDA主题模型、ROST等方法和工具,从专利计量、技术热点、技术主题、技术关联4个方面展开研究并预测其趋势。研究发现:数字文旅技术现处于成熟初期;专利主题可分为交互式人工智能技术、电子导航技术、智能传感技术、3D建模技术、虚拟现实技术5类;发展方向以挖掘5G信息技术潜力、注重以人为本提升游客体验、突破信息壁垒为主。     

融合多维特征的高校专利价值分级方法及其实证研究

客观评估高校专利价值,准确预测高校专利的技术转移潜力,有助于推动高校技术成果与市场对接,促进科研成果转化成生产力,对企业精准引进高价值专利、促进技术升级具有意义。文章从高校专利价值的3个重要来源出发,融合专利文本语义特征、专利自身属性特征、发明人特征,采用机器学习算法构建高校专利价值评估模型,预测专利发生技术转移的概率,并划定阈值将专利价值的粒度细化为10个等级,以云计算领域为例展开实证。结果表明：文章构建的模型与现有研究相比,AUC值提升22个百分点,显著提升高校专利价值评估结果的准确性和科学性。对专利价值的分级结果表明,A级别专利仅占3.24%,大多数高校专利的技术转移概率处于0.3-0.5,整体呈现明显的右偏态分布。高校专利价值分级方法能够有效预测技术转移潜力,可为高校合理进行专利运营、企业精准定位高价值专利提供决策参考,也为高校专利价值评估提供了新思路。     

核心专利指标效力研究评述

专利指标分析是核心专利识别与评价过程中使用最广、研究最深入的方法之一,然而目前在使用指标时缺乏对指标效力的考量.通过对国内核心专利指标的使用现状进行总结,指出存在的问题与不足,综合评述国内外有关专利指标效力的研究结果并客观分析现有指标的意义,为核心专利的挖掘、专利评价与资源的有效利用提供参考.     

基于主题发现的专利发明人推荐方法

LDA 主题模型可用于识别大规模文档集中潜藏的主题信息,本文提出了一种基于LDA 建立发明人兴趣主题模型的方法,合并每位发明人的专利数据,专利信息基于发明人进行划分,将标准的文档- 主题-词的三层LDA 模型变为专利数据中的发明人- 主题- 词的发明人兴趣模型,实现发明人的主题发现,并利用该模型中主题分布之间的相似性进行发明人的个性化推荐。在采集真实专利数据集上的实验结果表明该方法相比传统的向量空间模型方法和隐马尔科夫模型方法具有更高的准确率,推荐效果更优。     

基于专利技术功效主题词与专利引文共现的核心专利挖掘

认为利用专利技术功效主题词与专利引文进行共现分析可直观识别核心专利簇的技术功效特征。与专利引文共现分析相比,专利技术功效主题词与专利引文的交叉共现增加了主题标识,使得基于相同标引主题词的被引专利有相似的技术主题和功效特征。同时,不同的技术功效主题词通过专利引文交叉共现,可以识别不同技术主题的关联度以及技术主题对应的功效特征。最后,选择医用显微内窥镜领域相关专利做实证分析,通过技术功效主题词-专利引文、技术主题词-专利引文以及专利引文共现分析,论证专利技术功效主题词与专利引文共现方法在核心专利挖掘方面的特征、优越性及不足。     

基于主题挖掘与专利评估的技术机会识别研究——以智慧农业为例

[目的 /意义]技术机会识别是企业技术创新活动得以顺利开展的重要前提,及时发现和把握有价值的技术机会对技术创新突破意义重大。[方法 /过程]从主题挖掘与专利评估的视角提出一种技术机会识别方法,首先应用主题模型识别技术领域涵盖的技术主题并进行专利聚类;其次在技术主题层面展开细粒度分析,综合考虑技术机会应具备前沿性、价值性和时效性的重要特性,采用突变级数法和离群因子算法评估技术主题中的高价值专利和离群专利形成核心专利集,并计算每个技术主题的专利平均年龄;最后,将技术主题中的核心专利占比和专利平均年龄作为核心指标绘制技术机会识别地图,用于识别技术机会。[结果 /结论 ]以智慧农业领域为例,对所提方法进行实证,识别智慧农业领域的5个技术机会,为创新主体的技术研发提供决策支持。但识别结果的定量验证以及融合多源数据进行技术机会识别有待进一步探索。     

基于深度学习与语义挖掘的技术创新组合识别与追踪

[目的/意义]随着战略型新兴技术产业的迅猛发展,如何识别具有潜在协同效应的技术创新组合、厘清组合中核心的创新关系,是有效规划产业发展路线、提升产业竞争优势的重要前提。[方法/过程]在技术组合进化理论的指导下,结合深度学习、SAO语义挖掘和CFDP算法,提出一种基于专利数据的技术创新组合与演化关系的识别方案。该研究方案共分为3个步骤：首先基于关键词与专利分类号构建领域检索策略,并实现对获取数据的清洗和分词。随后,通过Word2Vec构建领域技术主题的词向量语义网络,并利用CFDP算法识别出潜在创新要素及组合方式。最后,深入挖掘各组合中核心的SAO结构,通过LSTM深度学习算法对其演化关系进行分类,挖掘技术的核心创新方式,进而有效甄别领域潜在的技术机会。[结果/结论]以语音识别领域为例,通过对该领域DII专利文本数据的深入挖掘,识别并追踪5个潜在的技术创新组合及核心创新方式。研究发现,当前我国语音识别领域在智能芯片设计、语音识别算法、新场景和应用等方面有较大的创新潜力。     

基于Doc2Vec的专利文件相似度检测方法的对比研究

[目的/意义]专利相似度检测（Similarity Measurement）可从宏观上辅助制定国家创新战略规划,发现国内外的热点及应对其他国家的专利流氓,从微观上为专利发明人、专利审查员、专利权人提供辅助支撑。[方法/过程]提出基于深度学习的Doc2Vec专利相似度分析方法,基于未进行清洗的专利语料库,采用深度学习的Doc2Vec模型,随机挑选了专利,研究了专利相似度检测问题,并和传统的相似度检测模型进行对比研究。[结果/结论]实验结果表明,基于深度学习的Doc2Vec模型和TF-IDF模型对于处理不做数据清洗的专利语料的结果有相近性,该方法对分析人员的专利领域知识要求较低,不需要对专利数据进行基于专利领域知识的数据清洗,同时可为专利侵权、专利查新提供新的智能工具支撑,降低研究门槛和工作量,提升研究效率。     

基于深度学习的中文专利自动分类方法研究

[目的/意义]面向当前国内专利审查和专利情报分析工作中对于海量专利分类的客观需求,设计了7种基于深度学习的专利自动分类方法,对比各种方法的分类效果,从而助力专利分类效率和效果的提升。[方法/过程]针对传统机器学习方法存在的缺陷,基于Word2Vec、CNN、RNN、Attention机制等深度学习技术,考虑专利文本语序特征、上下文特征以及分类关键特征,设计Word2Vec+TextCNN、Word2Vec+GRU、Word2Vec+BiGRU、Word2Vec+BiGRU+TextCNN等7种深度学习模型,以中国专利为例,选取IPC主分类号的"部"作为分类依据,对比这7种模型与3种传统分类模型在中文专利分类任务中的效果。[结果/结论]实证研究效果显示,采用考虑语序特征、上下文特征及强化关键特征的深度学习方法进行中文专利分类具有更优的分类效果。     

高校可转移专利识别研究--基于贝叶斯理论和组合赋权法

[目的/意义]研究高校可转移专利的识别,对于提高专利推送质量,促进高校科研与社会经济的对接具有积极意义。[方法/过程]首先在文献调研的基础上检验并确定可量化专利识别指标,并结合贝叶斯理论对高校可转移专利进行初步筛选;然后使用复相关系数-变异系数组合赋权法计算各识别指标权重,并计算剩余专利的加权综合转移概率;最后依照综合概率值大小识别可转移专利,并用转移数量较高的医用配置品领域高校专利对本方法进行实证。[结果/结论]该方法利用贝叶斯理论和组合赋权方法,通过初步筛选和二次识别,实现了对高校可转移专利综合概率的有效计算,即保证了结果的准确性,又兼顾到高校专利管理资源的有限性,为提高专利推送质量奠定了良好的基础。     

专利视角下融合多属性的技术创新主题挖掘方法——以芯片领域专利为例

[目的/意义]使用融合多属性的量化方法,快速且有效地挖掘出领域内多个技术创新主题,为技术创新方向的确定提供借鉴。[方法/过程]将LDA(Latent Dirichlet Allocation)主题模型与专利价值评价指标相结合,提出一种挖掘技术创新主题的量化方法。首先,综合运用TF-IDF、困惑度和四分位数法构建领域专利的LDA主题模型。然后,利用LDA输出的概率分布矩阵,结合专利价值评价指标(权利要求和IPC),构建量化指标体系。接着,选取芯片专利进行验证实验,计算量化指标并运用热力图对其可视化,识别出技术创新主题。最后,基于专利、LDA的输出矩阵、创新主题和量化指标之间的映射关系,进行专利筛选和技术创新主题的合理标记。[结果/结论]通过邀请微电子领域专家和参考最新国内外芯片技术两种方式对实验结果进行评估,结果表明:融合多属性的领域技术创新主题挖掘方法能够快速且有效地挖掘出多个技术创新主题,在实践层面可以更好地为相关领域企业和科技工作者发现技术创新主题提供思路。     

从布拉德福定律识别数控机床加工过程自适应控制技术的核心专利

以Thomson Scientific公司Thomson Innovation数据库收录的2005—2015 年全球数控机床加工过程自适应控制 技术相关专利为研究对象,利用布拉德福分散定律验证领域核心专利,并对识别出的100件核心专利从专利权主体等角 度进行分析。分析结果显示,我国核心专利数量排名世界第一位,但企业作为优先权主体所申请的核心专利数量占总 专利数量的36.4%,与美国企业相比,我国企业创新能力建设相对不足,缺乏以核心关键技术为支撑的核心竞争力,同 时表明我国大学已经成为我国核心专利申请的重要主体。     

图书馆服务如何促进科研创新团队的高价值专利产出?北大核心

科研创新团队是高校科技创新的重要生力军,而高价值专利产出则是科研创新团队服务经济社会的关键。文章基于图书馆专利服务视角,通过追踪识别科研创新团队重要研究成果,明晰技术专利化过程呈现的主要特征,尝试图书馆在技术研发、技术专利化、技术商业化3个阶段开展的相应工作,旨在探究科研创新团队高价值专利产出的关键因素,为创新高校专利信息服务提供借鉴。