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)。
[0053] 此過(guò)程為標(biāo)準(zhǔn)化知識(shí)產(chǎn)權(quán)數(shù)據(jù)入庫(kù)。首先，對(duì)每一篇專利文檔進(jìn)行標(biāo)準(zhǔn)化，把一篇 專利的有用信息提取并規(guī)劃成多個(gè)字段，存入數(shù)據(jù)庫(kù)，其中每一篇專利都是由W上規(guī)劃的 字段所描述的一個(gè)點(diǎn)。數(shù)據(jù)入庫(kù)后對(duì)數(shù)據(jù)進(jìn)行第一次清洗，對(duì)缺失數(shù)據(jù)采用補(bǔ)充或剔除。
[0054] 然后，把知識(shí)產(chǎn)權(quán)數(shù)據(jù)庫(kù)里每一個(gè)專利字段的文本和符號(hào)信息映射成數(shù)值信息。 如統(tǒng)計(jì)摘要字?jǐn)?shù)、權(quán)利要求個(gè)數(shù)等。再次進(jìn)行數(shù)據(jù)清洗，對(duì)缺失數(shù)據(jù)和錯(cuò)誤數(shù)據(jù)采用補(bǔ)充和 修正。
[0055] 再者，找出與專利的優(yōu)劣相關(guān)的量化指標(biāo)，如在續(xù)費(fèi)周期是否生存、是否授權(quán)、法 律訴訟是否勝訴等指標(biāo)。并篩選出足夠大樣本的專利數(shù)據(jù)。
[0056] b、模型建立;在步驟(b)中，所述模型建立進(jìn)一步包括：
[0057] (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；
[0058] (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；
[0059] (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；
[0060] (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；
[0061] (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；
[0062] (6)模型參數(shù)尋優(yōu)，建模完成；
[0063] (7)模型部署上線。
[0064] C、專利評(píng)估，在步驟(C)中，進(jìn)一步包括：
[0065] (1)使用獲得的模型對(duì)專利評(píng)出粗糖分?jǐn)?shù)，即在步驟(b)中，所述模型建立后獲得 的模型；
[0066] (2)把粗糖分?jǐn)?shù)映射到0到200之間，給出IPV分?jǐn)?shù)；
[0067] (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)；
[0068] (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 對(duì)每個(gè)等級(jí)的專利的生存率進(jìn)行統(tǒng)計(jì)，進(jìn)而計(jì)算出整個(gè)專利生存年限預(yù)測(cè)表；
[0069] (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)。
[0070] 學(xué)習(xí)模型，首先使用專利業(yè)務(wù)知識(shí)和描述性統(tǒng)計(jì)確定與專利生存能力顯著相關(guān)， 且互相之間不具有明顯相關(guān)性的字段，對(duì)運(yùn)些字段重新做數(shù)據(jù)分箱處理，W保證每一個(gè)等 級(jí)的數(shù)據(jù)量足夠多，且每一個(gè)等級(jí)的專利平均生存年限有顯著的相關(guān)性。假設(shè)專利評(píng)估人 都是理性的且只關(guān)注專利的優(yōu)劣，那大量預(yù)估的專利生存年限只會(huì)在真實(shí)生存年限的左右 波動(dòng)，且誤差屬于正態(tài)分布，在步驟(C)中，基于數(shù)據(jù)的精準(zhǔn)度，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，γ為因變量矩陣，X為自變量 矩陣，β為系數(shù)矩陣，吻殘差矩陣。參數(shù)計(jì)算，β=(公ΧΓ?(χ/Υ)，χ'為X矩陣的轉(zhuǎn)置。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)，貧為無(wú)約束方程的方差估計(jì);LR2為約束方程的似然函數(shù)，8為有約束方 程的方差估計(jì)，LR1、LR2服從^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)^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。
[0071] 通過(guò)上述步驟，獲得模型。把評(píng)估規(guī)則部署到評(píng)估系統(tǒng)中，對(duì)所有專利進(jìn)行評(píng)估打 分。此模型能夠得出中國(guó)專利對(duì)應(yīng)生存年限的粗糖分?jǐn)?shù)。為了更顯著地反映分?jǐn)?shù)的細(xì)節(jié)，把 粗糖結(jié)果映射到更大的區(qū)間上。W分?jǐn)?shù)大小排序，計(jì)算各專利在整個(gè)專利數(shù)據(jù)集中的位置， 并把整個(gè)專利集分成五個(gè)等級(jí)，給每個(gè)專利進(jìn)行評(píng)級(jí)。
[0072] 預(yù)測(cè)專利生存年限。中國(guó)專利大概每Ξ年一次費(fèi)用調(diào)整，因此專利生存年限預(yù)測(cè) ΚΞ年一個(gè)周期。首先把專利分成更細(xì)的等級(jí)，W每一個(gè)等級(jí)中所有到期或無(wú)效專利在當(dāng) 前周期的生存能力作為估計(jì)當(dāng)前生存周期專利存活能力的考察樣本。進(jìn)入下一個(gè)續(xù)費(fèi)周期 時(shí)，重新使用W上方法估計(jì)專利的生存能力，依次類推，直到中國(guó)專利的最長(zhǎng)生存年限限 審IJ。通過(guò)對(duì)打分后的專利進(jìn)行考察:從申請(qǐng)的公司人在相關(guān)技術(shù)領(lǐng)域的地位、申請(qǐng)內(nèi)容的先 進(jìn)性等方面，佐證了運(yùn)種評(píng)估方法能夠大概率的給優(yōu)秀專利打出較高分?jǐn)?shù)。
[0073] W上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用W限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種客觀量化的中國(guó)發(fā)明專利評(píng)估系統(tǒng)，其特征在于，包括： 專利信息數(shù)據(jù)庫(kù)、算法程序、功能模塊-其中評(píng)估算法體現(xiàn)在算法程序中，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)清洗用以把 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)信息提取用以 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(shū)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)劃用以對(duì)提取出的信息重新賦予新的值，以達(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)。2. -種利用權(quán)利要求1所述的評(píng)估系統(tǒng)進(jìn)行評(píng)估的方法，其特征在于，包括以下步驟： a、 數(shù)據(jù)預(yù)處理； b、 模型建立； c、 專利評(píng)估。3. 如權(quán)利要求2所述的評(píng)估的方法，其特征在于:在步驟(a)中，所述數(shù)據(jù)預(yù)處理進(jìn)一步 包括： (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； (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(shū)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； (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，以達(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)。4. 如權(quán)利要求2所述的評(píng)估的方法，其特征在于:在步驟(b)中，所述模型建立進(jìn)一步包 括： (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； (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，以達(dá)到分布結(jié) 構(gòu)更適合建模要求； (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； (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； (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； (6) 模型參數(shù)尋優(yōu)，建模完成； (7) 模型部署上線。5. 如權(quán)利要求2所述的評(píng)估的方法，其特征在于:在步驟(c)中， (1) 使用所獲得的模型對(duì)專利評(píng)出粗糙分?jǐn)?shù)； (2) 把粗糙分?jǐn)?shù)映射到0到200之間，給出IPV分?jǐn)?shù)； (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)； (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)，分別對(duì)每 個(gè)等級(jí)的專利的生存率進(jìn)行統(tǒng)計(jì)，進(jìn)而計(jì)算出整個(gè)專利生存年限預(yù)測(cè)表； (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)估得分及專利生存 年限預(yù)測(cè)。6. 如權(quán)利要求2所述的評(píng)估的方法，其特征在于: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，γ = βχ+ε，γ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 = (X7 ΧΓΗΧ' Υ)，Χ'為X矩陣的轉(zhuǎn)置。7. 如權(quán)利要求5所述的評(píng)估的方法，其特征在于: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)，θ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)，0為有約束方程的方差估 計(jì)，LR1、LR2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。
【專利摘要】本發(fā)明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，其包括：專利信息數(shù)據(jù)庫(kù)、算法程序、功能模塊等，其中評(píng)估方法體現(xiàn)在算法程序中，具體為數(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；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(shū)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；數(shù)據(jù)重新規(guī)劃對(duì)提取出的信息重新賦予新的值。模型建立模塊包括變量選擇、模型尋優(yōu)。專利評(píng)估模塊包括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)等。通過(guò)模型運(yùn)算將無(wú)形的知識(shí)產(chǎn)權(quán)評(píng)估量化，客觀化，排除了人為因素的干擾，填補(bǔ)了程序化評(píng)估專利的空白，真實(shí)，可靠。
【IPC分類】G06Q50/18
【公開(kāi)號(hào)】CN105631783
【申請(qǐng)?zhí)枴緾N201510990711
【發(fā)明人】苑文佳, 何博
【申請(qǐng)人】深圳聯(lián)合產(chǎn)權(quán)交易所股份有限公司
【公開(kāi)日】2016年6月1日
【申請(qǐng)日】2015年12月25日