基于反饋關(guān)聯(lián)圖的專利價值評價研究

【摘要】分析專利價值評價研究現(xiàn)狀、分類及主流研究方法。提出了一種基于反饋關(guān)聯(lián)圖的專利價值評價模型，在技術(shù)熱度、新穎度、引證數(shù)量和反饋熱度等多種機制的作用下，實現(xiàn)了較為客觀的專利價值評價機制。

【關(guān)鍵詞】專利價值 關(guān)聯(lián)圖 熱度反饋

1 引言

專利價值評估從專利的法律狀態(tài)、技術(shù)狀態(tài)、市場狀態(tài)等方面出發(fā)，對專利交易、專利融資、知識產(chǎn)權(quán)投資等活動進行科學(xué)量化的過程，是實現(xiàn)知識產(chǎn)權(quán)產(chǎn)業(yè)化發(fā)展最重要的環(huán)節(jié)。在經(jīng)濟全球化發(fā)展的時代背景下，為增強企業(yè)的市場競爭力和提升國家的核心競爭力，我國實施知識產(chǎn)權(quán)發(fā)展戰(zhàn)略，以企業(yè)作為知識產(chǎn)權(quán)運用的主體，促進自主創(chuàng)新成果的的知識產(chǎn)權(quán)化、商品化、產(chǎn)業(yè)化，引導(dǎo)企業(yè)采取知識產(chǎn)權(quán)轉(zhuǎn)讓、許可、質(zhì)押等方式實現(xiàn)知識產(chǎn)權(quán)的市場價值。在推動企業(yè)創(chuàng)造、運用知識產(chǎn)權(quán)的過程中，需要對知識產(chǎn)權(quán)特別是核心專利進行客觀、快捷的價值評估，科學(xué)地量化專利技術(shù)的費用和效益，專利價值評估應(yīng)用而生。

專利文獻是指專利說明書、專利公報、專利摘要等與專利相關(guān)的法律文件、技術(shù)資料，憑借其巨大的技術(shù)、經(jīng)濟價值被情報界稱為“科技金礦”。據(jù)世界知識權(quán)組織WIPO報道，專利文獻中包含全世界每年90%-95%的最新科研成果，比其它科技文獻有更高的科技含量，其中有70%-90%的信息在專利文獻中發(fā)表過。如果企業(yè)能夠充分利用專利文獻指導(dǎo)技術(shù)創(chuàng)新，將可以有效節(jié)約40%的研究經(jīng)費和60%的研究時間。然而，如此巨大的信息資源卻未被有效開發(fā)和利用，因此，對專利文獻進行價值評估對企業(yè)的創(chuàng)新研究具有重要的意義。

2 相關(guān)研究

專利涉及到的是企業(yè)的利益和權(quán)力。在當(dāng)今信息化程度如此高的情況下，專利數(shù)據(jù)的價值遠遠未被利用起來。通過從大量的專利文獻中可以抽取企業(yè)競爭的情報信息，使公眾的專利資料為本企業(yè)所用，實現(xiàn)專利經(jīng)濟價值的放大作用。專利價值評價通常包括經(jīng)濟價值和技術(shù)價值兩個方面的評價。專利的經(jīng)濟價值評價是以專利的市場流通信息作為評價依據(jù)。當(dāng)前專利價值的市場信息不完善，交易信息收集困難。因此，本文主要針對專利在技術(shù)價值方面評價模型進行深入研究。

專利的技術(shù)價值評價方法有基于訓(xùn)練的方法和基于引用的方法。Jin等人基于專利元數(shù)據(jù)、 新穎度、技術(shù)趨勢以及發(fā)明人等信息，構(gòu)建了一種用于專利付費決策的模型。Baron等人采用因子分析法，通過輸入專利聲明數(shù)量、同族專利數(shù)量、授權(quán)時間、專利申請人的權(quán)威度等信息，構(gòu)建專利價值評價模型，實現(xiàn)對單個專利樣本范圍內(nèi)的價值評估。Nicolas研究的方法相對特別，其評價專利價值的因素包括專利續(xù)費時間、是否被反駁、專利授權(quán)速度、同族專利數(shù)量等輸入組合來構(gòu)建不同的專利分類，通過分類機制對專利價值進行評估。基于多種專利因素輸入的價值評價方法，多由主觀經(jīng)驗判斷因素的重要性，容易忽視客觀存在的引用價值。汪雪鋒等人采用引證指數(shù)作為專利價值評估的核心指標(biāo)。其模型中專利被引用的次數(shù)越多，專利的潛在基礎(chǔ)價值越高，專利領(lǐng)先性越高。顯然基于單一引證的價值評估方法，忽視了潛在的引用關(guān)聯(lián)，并且忽視了多種專利價值影響因素，容易導(dǎo)致片面評價。

針對上述對專利價值評價研究存在的缺陷，本文提出一種基于反饋關(guān)聯(lián)圖的專利價值評價模型，主要因素有專利關(guān)聯(lián)度、技術(shù)熱度、技術(shù)新穎度，并且融合專利的引證關(guān)系，加入熱度反饋機制，從主觀和客觀多方面進行價值評價。

3 專利關(guān)聯(lián)圖價值模型

定義1 專利文檔相似度。專利文檔P的主要內(nèi)容包括摘要、權(quán)利要求和說明書。令向量A=（WA1，WA2，...，WAn），R=（WR1，WR2，…，WRm），M=（WM1，WM2，…，WMk），其中WAi表示摘要A中的關(guān)鍵詞語的權(quán)重系數(shù)，WRi表示權(quán)利要求R中關(guān)鍵詞語的權(quán)重系數(shù)，WMi表示說明書M中的關(guān)鍵詞權(quán)重系數(shù)，n， m， k分別為A， R， M的關(guān)鍵詞數(shù)量。對于專利文檔P1和P2，其專利文檔相似度表示為Sim（P1，P2），則Sim（P1，P2）定義如式（四）：

其中，ωa， ωr， ωm分別是摘要、權(quán)利要求和說明書對專利文檔相似度比重系數(shù)。顯然，摘要、權(quán)利要求和說明書對專利文檔相似度的重要性是不相等的。對于P1， P2，Sim（P1，P2）值越大其相似度越高。專利文檔相似度從文本處理角度將不同專利文本內(nèi)容的相關(guān)程度標(biāo)注出來。

定義2 專利技術(shù)熱度。令專利P的發(fā)表時間為T，其關(guān)鍵詞集合為K={k1，k2，...，kn}， n>0。取專利樣本集合S={P1，P2，...，Pm}， m>1， P∈S，且對于Pi的發(fā)表時間Ti有，Ti∈[t0，t0+τ]，其中t0是當(dāng)前時間，τ是熱度評價限制時間。t0至t0+τ期間，關(guān)鍵詞ki在S中出現(xiàn)的頻率為Fi。則定義P相對于S的技術(shù)熱度如下：

其中Fit表示時間（年份）t下關(guān)鍵詞ki在S中出現(xiàn)的頻率。顯然，專利P中的關(guān)鍵詞在S中出現(xiàn)的越頻繁，其技術(shù)熱度越高；距離當(dāng)前時間越遠的年份的數(shù)據(jù)，對熱度的貢獻越小。因此τ值的選擇對評價技術(shù)熱度至關(guān)重要，應(yīng)當(dāng)根據(jù)技術(shù)領(lǐng)域適當(dāng)調(diào)整。專利技術(shù)的熱度反應(yīng)的是該專利所包含技術(shù)，在最近τ年內(nèi)相關(guān)技術(shù)領(lǐng)域?qū)υ擁椉夹g(shù)研究投入的綜合反映。專利技術(shù)熱度越高，專利技術(shù)的價值相對越高。

定義3 專利新穎度。對于專利P，發(fā)表時間為T，則P的專利新穎度NOV（P）定義如下：。衰減，歷史出現(xiàn)關(guān)鍵詞少。

其中，T0是當(dāng)前時間（年份），Ts是專利P關(guān)鍵詞首次出現(xiàn)的時間，F(xiàn)t是專利P在時間t的所有關(guān)鍵詞頻率，α是專利價值衰減系數(shù)。顯然，專利的發(fā)表時間對專利的新穎度有決定作用，專利新穎度會隨著時間的久遠逐步衰減。另一個影響專利新穎度的因素是專利關(guān)鍵詞首次出現(xiàn)時間和歷史出現(xiàn)頻率。關(guān)鍵詞出現(xiàn)的越早，表明該專利技術(shù)越成熟，其新穎度降低。

定義4 專利關(guān)聯(lián)圖。對于專利集合S={P1，P2，...，Pm}，令有向圖G=（V，E）G=（V，E）是S構(gòu)建的專利關(guān)聯(lián)圖，vi與Pi對應(yīng)。若Pi直接引用Pj，則構(gòu)建vi到vj的路徑，最終得出專利關(guān)聯(lián)圖G。如下圖所示。

圖1

定義5 專利獨立價值?？紤]專利P僅在專利熱度和新穎度因素影響下，其價值定義為專利獨立價值，記為RV（P）：

RV（P）=γh H（P，S）+γn NOV（P）

其中，γh 和γn分別是熱度、新穎度的權(quán)重系數(shù)。

定義6 關(guān)聯(lián)專利支持度。在圖G中，若Pi到Pj存在路徑Lm，則Pi的引用對Pj的價值產(chǎn)生了影響，稱為路徑關(guān)聯(lián)專利支持度，記為）SVP（Pi ，Pj |Lm ），定義如下：

在G中，Pi可能有引用了多個專利。顯然引用的專利越多，對所有引用的單個專利影響力越小。Pi到Pj直接可能存在多條路徑，每條路徑產(chǎn)生的支持度總和，稱為關(guān)聯(lián)專利支持度，記為SV（Pi，Pj ），定義如下：

對于Pj，可能存在多個引用它的專利，所有引用關(guān)系的總和組成了在S中，Pj的價值，記為V（Pi），定義如下：

4 反饋機制

一般情況下，專利P的專利技術(shù)熱度H（P，S）H（P，S）由時間窗口τ限制在了一定的時間范圍內(nèi)，因為技術(shù)的近期的活躍程度在當(dāng)前時間才有意義。而久遠的活躍度可能一直處于非常低甚至活躍度為零的情況。在樣本S足夠大的情況下，所含專利的發(fā)表時間跨度可能非常之巨大，近期的專利文檔Pi可以引用了非常久遠的專利文檔Pj，這樣就會對Pj在關(guān)聯(lián)圖G 中提供了價值支持。顯然這種價值支持也隱藏著對技術(shù)熱度的影響。于是，定義以下反饋函數(shù)：

通過反饋函數(shù)在G中不斷迭代，各個超出t的結(jié)點會重新調(diào)整參數(shù)，進而反饋到t內(nèi)的結(jié)點，形成穩(wěn)定狀態(tài)。這樣的反饋機制很好的解決被多次引證但專利歷史久遠導(dǎo)致價值計算產(chǎn)生較大偏差的問題。通過反饋機制，使得專利價值關(guān)聯(lián)圖形成較為客觀的狀態(tài)。

5 結(jié)論

多種因素輸入的專利價值評價模型，融合專利引證模型可以較客觀的反應(yīng)專利的技術(shù)價值。但仍然可能存在較多的時間久遠專利的評價偏差。本文提出的價值反饋機制，很好的解決了該問題。通過構(gòu)建專利價值關(guān)聯(lián)圖模型，加入價值反饋機制，可以有效的對大規(guī)模、跨度大的專利文本進行技術(shù)價值分析，并且效果良好。

參考文獻：

[1]韋嶸暉，顏德昊，陳忠.論專利價值評估對企業(yè)科技創(chuàng)新的影響[J].中國發(fā)明與專利，2015（10）：6-11.

[2]王晉.基于領(lǐng)域本體的專利地圖研究[D].蘇州大學(xué)， 2011.

[3]Jin X， Spangler S， Chen Y， et al. Patent Mainte- nance Recommendation with Patent Information Net- work Model[C]//IEEE， International Conference on Data Mining. IEEE Computer Society， 2011：280-289.

[4]Baron J，Delcamp H.Patent Quality and Value in Dis- crete and Cumulative Innovation[J].Ssrn Electronic Journal， 2012.

[5]Nicolas van Zeebroeck. The puzzle of patent value indicators[J].Working Papers Ceb， 2007， 20（1）： 33-62.

[6]汪雪鋒，劉曉軒， 朱東華.專利價值評價指標(biāo)研究[J].科學(xué)管理研究，2008，26（6）：115-117.

基金項目：校級課題《基于數(shù)據(jù)挖掘的專利分析策略研究》（2016C047）

作者簡介：張建華，女（漢族），（1986-），河南新鄉(xiāng)人，碩士，主要從事數(shù)據(jù)挖掘和分析、教學(xué)軟件開發(fā)、教學(xué)管理等方面的研究。