汽車企業(yè)專利申請(qǐng)前評(píng)估模型研究

張昭昭 王軍雷 王亮亮 孫禹 王靜 冀然 袁丁毅

（1.中國(guó)汽車技術(shù)研究中心有限公司，天津 300300；2.中汽信息科技（天津）有限公司，天津 300300）

主題詞：優(yōu)序圖法 汽車專利 申請(qǐng)前 評(píng)估模型

IPR Intellectual Property Rights

PCU Powertrain Control Unit

MSE Mean Square Error

RMSE Root Mean Square Error

1 引言

專利數(shù)據(jù)是衡量國(guó)家創(chuàng)新能力的重要指標(biāo)，也是企業(yè)增強(qiáng)自身核心競(jìng)爭(zhēng)力的重要資產(chǎn)。2008 年，《國(guó)家知識(shí)產(chǎn)權(quán)戰(zhàn)略綱要》實(shí)施以來(lái)，中國(guó)已經(jīng)初步形成了良好的創(chuàng)新環(huán)境。2020 年，中國(guó)專利申請(qǐng)量達(dá)到519.4 萬(wàn)件，連續(xù)9 年居世界首位，已成為專利大國(guó)。但是，從專利質(zhì)量來(lái)看，還存在著“授權(quán)率低、轉(zhuǎn)化實(shí)施率低”的問(wèn)題，2020 年，我國(guó)發(fā)明專利授權(quán)率僅為47.3%；我國(guó)國(guó)內(nèi)有效專利的許可率僅為6.3%，轉(zhuǎn)讓率僅為4.4%。田海燕指出，國(guó)內(nèi)專利面臨高價(jià)值專利缺乏、授權(quán)專利轉(zhuǎn)化運(yùn)用不足的困境，其最核心的原因就在于沒有開展專利申請(qǐng)前評(píng)估。

2020年，教育部、國(guó)家知識(shí)產(chǎn)權(quán)局、科技部聯(lián)合印發(fā)了《關(guān)于提升高等學(xué)校專利質(zhì)量促進(jìn)轉(zhuǎn)化運(yùn)用的若干意見》，意見指出，要開展專利申請(qǐng)前評(píng)估工作，以提高專利申請(qǐng)質(zhì)量，促進(jìn)轉(zhuǎn)化運(yùn)用。王子焉等研究表明，國(guó)內(nèi)已經(jīng)開展了大量專利價(jià)值評(píng)估研究，主要針對(duì)授權(quán)后的專利，評(píng)價(jià)維度包含專利的技術(shù)價(jià)值、法律價(jià)值和經(jīng)濟(jì)價(jià)值，研究熱點(diǎn)集中在評(píng)估指標(biāo)體系、評(píng)估方法。與授權(quán)專利的評(píng)估不同，專利申請(qǐng)前評(píng)估的對(duì)象是技術(shù)交底書，其難點(diǎn)在于可量化指標(biāo)的選取較難，如針對(duì)授權(quán)專利，王亮亮等以及鄭思遠(yuǎn)等選擇引用專利數(shù)量和被引專利數(shù)量作為技術(shù)指標(biāo)，權(quán)利要求書數(shù)量、說(shuō)明書頁(yè)數(shù)和是否發(fā)生訴訟作為法律指標(biāo)以及同族專利數(shù)量、是否申請(qǐng)國(guó)際專利作為市場(chǎng)指標(biāo)，通過(guò)商業(yè)數(shù)據(jù)庫(kù)標(biāo)引和字段讀取智能化手段進(jìn)行評(píng)價(jià)，大大節(jié)省評(píng)估成本，提升評(píng)估效率；但技術(shù)交底書沒有固定的標(biāo)準(zhǔn)和統(tǒng)一的模板，撰寫人員能力高低不一，提交的文本質(zhì)量參差不齊，對(duì)于通用、客觀指標(biāo)的選取造成了非常大的困難，難以實(shí)現(xiàn)智能化評(píng)估。

基于上述背景，本文將利用全球汽車專利大數(shù)據(jù)平臺(tái)獨(dú)有的技術(shù)領(lǐng)域三維標(biāo)引體系，基于Patentics、Himmpat、Incopat和Patsnap數(shù)據(jù)庫(kù)的人工智能語(yǔ)義檢索，構(gòu)建半自動(dòng)化的汽車領(lǐng)域三維專利申請(qǐng)前價(jià)值評(píng)估模型。汽車企業(yè)可以根據(jù)自身發(fā)展階段和管理階段，搭建信息化評(píng)估系統(tǒng)，針對(duì)每份技術(shù)交底書，由企業(yè)發(fā)明人、知識(shí)產(chǎn)權(quán)管理人員（IPR）和評(píng)審專家輸入相應(yīng)的信息，通過(guò)嵌入本文研究的模型，輸出交底書得分，實(shí)現(xiàn)對(duì)交底書的智能評(píng)分，幫助企業(yè)在專利申請(qǐng)階段過(guò)濾掉大量低質(zhì)量、低實(shí)用性的技術(shù)方案，有效節(jié)省專利申請(qǐng)和維持成本與人力，提升汽車企業(yè)專利授權(quán)率與轉(zhuǎn)化實(shí)施率。

2 國(guó)內(nèi)外研究現(xiàn)狀

對(duì)于專利價(jià)值評(píng)估方面，圍繞專利價(jià)值的內(nèi)涵、評(píng)價(jià)指標(biāo)的選取和專利價(jià)值評(píng)估方法的研究較多。Lee 等認(rèn)為專利價(jià)值包括技術(shù)價(jià)值、直接經(jīng)濟(jì)價(jià)值和間接經(jīng)濟(jì)價(jià)值3 個(gè)方面；王旭認(rèn)為專利是包括信息、技術(shù)和法律三位一體的概念；許華斌等認(rèn)為專利價(jià)值涵蓋技術(shù)價(jià)值、法律價(jià)值和經(jīng)濟(jì)價(jià)值。全球首個(gè)專利評(píng)價(jià)指標(biāo)體系為CHI Research 公司創(chuàng)建的CHI 專利評(píng)價(jià)體系，包括專利數(shù)量、專利平均被引用數(shù)等7 項(xiàng)指標(biāo)，用來(lái)評(píng)估企業(yè)整體和單個(gè)專利價(jià)值。隨后，國(guó)內(nèi)外學(xué)者們?cè)谠搶＠u(píng)價(jià)指標(biāo)的基礎(chǔ)上，進(jìn)一步展開研究，一般都以技術(shù)維度、法律維度和市場(chǎng)維度構(gòu)建三維一級(jí)指標(biāo)，選取專利數(shù)據(jù)的可量化指標(biāo)為二級(jí)指標(biāo)，也有將某一維度進(jìn)行細(xì)分，或結(jié)合企業(yè)、經(jīng)營(yíng)和競(jìng)爭(zhēng)對(duì)手進(jìn)行維度擴(kuò)展的指標(biāo)體系。

專利申請(qǐng)前評(píng)估方面，國(guó)內(nèi)外研究都集中在高校的專利申請(qǐng)前評(píng)估，包括技術(shù)專利辦公室發(fā)明披露評(píng)估流程、評(píng)估指標(biāo)體系的分析和構(gòu)建。從國(guó)外來(lái)看，Rahal等從制度、發(fā)明人、技術(shù)、市場(chǎng)及商業(yè)化、知識(shí)產(chǎn)權(quán)5大維度提出43個(gè)影響專利許可的核心問(wèn)題，并選取其中12 個(gè)最重要的指標(biāo)，構(gòu)建專利許可評(píng)價(jià)模型；Brand提出了要在公司建立發(fā)明披露體系，并指出申請(qǐng)前的評(píng)估對(duì)于技術(shù)的商業(yè)化至關(guān)重要；劉勤和趙乃瑄則分別研究了美國(guó)加州大學(xué)戴維斯分校技術(shù)轉(zhuǎn)移策略和日本高校知識(shí)產(chǎn)權(quán)信息服務(wù)特點(diǎn)，結(jié)果表明申請(qǐng)前對(duì)發(fā)明進(jìn)行技術(shù)、市場(chǎng)以及法律價(jià)值的評(píng)估均為技術(shù)轉(zhuǎn)移路徑中的關(guān)鍵環(huán)節(jié)；陳強(qiáng)等通過(guò)構(gòu)建博弈模型探討了專利審查對(duì)教職工發(fā)明披露和高校專利許可策略的影響，結(jié)果表明高校專利質(zhì)量較差時(shí)須進(jìn)行申請(qǐng)前評(píng)估；李亮對(duì)高校技術(shù)交底書進(jìn)行分類，并對(duì)不同類別的交底書分別建立了申請(qǐng)前評(píng)估模型。

綜上，國(guó)內(nèi)外學(xué)者對(duì)于高校專利申請(qǐng)前評(píng)估研究較多，對(duì)于企業(yè)，尤其是聚焦于某一產(chǎn)業(yè)的企業(yè)專利申請(qǐng)前評(píng)估鮮有研究，對(duì)于評(píng)估模型的可量化和可操作性也關(guān)注較少。李小麗認(rèn)為，高?？蒲心芰?qiáng)，而產(chǎn)業(yè)化能力弱，因此申請(qǐng)前評(píng)估更注重市場(chǎng)價(jià)值，相比而言，企業(yè)本身具備較強(qiáng)的產(chǎn)業(yè)化能力，而科研能力不足，本文認(rèn)為在評(píng)估時(shí)應(yīng)側(cè)重技術(shù)價(jià)值?；诖?，本文聚焦汽車產(chǎn)業(yè)，構(gòu)建一套專家評(píng)審與智能評(píng)審相結(jié)合的專利申請(qǐng)前評(píng)估模型，有效節(jié)省汽車企業(yè)專利管理人力和成本，提高專利授權(quán)率和轉(zhuǎn)化率，實(shí)現(xiàn)專利價(jià)值的最大化。

3 研究?jī)?nèi)容與方法

本部分通過(guò)指標(biāo)選取、指標(biāo)賦值、指標(biāo)權(quán)重確定，建立汽車企業(yè)專利申請(qǐng)前評(píng)估模型，并進(jìn)行模型驗(yàn)證，結(jié)果表明，模型可靠性較強(qiáng)；同時(shí)明確了專利申請(qǐng)前評(píng)估流程，經(jīng)過(guò)發(fā)明人、企業(yè)IPR 和/或評(píng)審專家的協(xié)同辦公，實(shí)現(xiàn)針對(duì)每份技術(shù)交底書的智能評(píng)分。

3.1 指標(biāo)選取

為最大化節(jié)省評(píng)估成本，提升評(píng)估效率，本模型擬通過(guò)盡量少的指標(biāo)獲得盡量可靠的評(píng)估結(jié)果，結(jié)合上述文獻(xiàn)調(diào)研結(jié)果，本文從技術(shù)價(jià)值、法律價(jià)值和市場(chǎng)價(jià)值3 個(gè)維度當(dāng)選取6 個(gè)二級(jí)指標(biāo)，如表1 所示。

表1 專利申請(qǐng)前評(píng)估指標(biāo)

3.2 指標(biāo)賦值

本文對(duì)二級(jí)指標(biāo)的賦值采取定性和定量相結(jié)合的原則，其中和為定量指標(biāo)，由專家提前賦值，由專家或企業(yè)IPR 基于檢索得出；指標(biāo)、、、為定性指標(biāo)，首先對(duì)技術(shù)交底書進(jìn)行規(guī)范化處理，即規(guī)定統(tǒng)一的模板，將上述指標(biāo)涉及的選項(xiàng)以勾選的方式設(shè)置于技術(shù)交底書模板中，并上傳至申請(qǐng)前評(píng)估系統(tǒng)，企業(yè)IPR、發(fā)明人和評(píng)審專家均為該系統(tǒng)的使用者，對(duì)指標(biāo)選項(xiàng)進(jìn)行勾選，指標(biāo)賦值方法及標(biāo)準(zhǔn)詳見表2。

表2 指標(biāo)評(píng)分采集方法及標(biāo)準(zhǔn)

3.2.1-技術(shù)先進(jìn)性指標(biāo)評(píng)分采集

全球汽車專利大數(shù)據(jù)平臺(tái)搭建了汽車領(lǐng)域三維技術(shù)導(dǎo)航體系，包括1 200 多個(gè)節(jié)點(diǎn)，由來(lái)自專利局、行業(yè)機(jī)構(gòu)、企業(yè)、高校各領(lǐng)域的專家學(xué)者共同建立。本文X技術(shù)先進(jìn)性的評(píng)分采集借助該導(dǎo)航體系，采取德爾菲法（Delphi），通過(guò)對(duì)專家進(jìn)行匿名調(diào)查問(wèn)卷，最終得到不同二級(jí)技術(shù)領(lǐng)域的技術(shù)先進(jìn)性得分，以新能源汽車和智能網(wǎng)聯(lián)汽車為例，評(píng)分如表3所示。

表3 新能源汽車和智能網(wǎng)聯(lián)汽車二級(jí)領(lǐng)域技術(shù)先進(jìn)性指標(biāo)評(píng)分

3.2.2-專利授權(quán)前景指標(biāo)評(píng)分采集

馬鑫指出，以專利“新穎性、創(chuàng)造性、實(shí)用性”三性為主線的專利評(píng)判一直是確保提高專利質(zhì)量的重要環(huán)節(jié)，專利新穎性的評(píng)價(jià)有相對(duì)客觀的標(biāo)準(zhǔn)，但主觀性是創(chuàng)造性評(píng)判中所固有的，因?yàn)椴煌脑u(píng)判主體其能力和視角的范圍和邊界均具有主觀性，因此創(chuàng)造性的判斷也成為專利申請(qǐng)前評(píng)估過(guò)程中最難的一環(huán)，現(xiàn)有評(píng)估均采用專家評(píng)審的方式，人工成本較高。

曹倩指出，語(yǔ)義檢索基于輸入的數(shù)據(jù)開展機(jī)器學(xué)習(xí)，自動(dòng)運(yùn)算文檔之間和詞語(yǔ)之間的關(guān)聯(lián)性，基于相似度對(duì)文獻(xiàn)進(jìn)行排序，并以此來(lái)進(jìn)行檢索，有效提升檢索效率。國(guó)內(nèi)外已有學(xué)者研究過(guò)語(yǔ)義檢索對(duì)于專利申請(qǐng)文件的查新檢索方式，但是還沒有針對(duì)技術(shù)交底書進(jìn)行過(guò)研究。本論文通過(guò)對(duì)比分析國(guó)內(nèi)4大語(yǔ)義檢索數(shù)據(jù)庫(kù)（Patentics、Himmpat、Incopat 和Patsnap）對(duì)技術(shù)交底書的查新能力，探索利用語(yǔ)義檢索輔助專家評(píng)審評(píng)價(jià)技術(shù)交底書授權(quán)前景，提升申請(qǐng)前評(píng)估效率。

選擇3件授權(quán)專利和3件被駁回專利的技術(shù)交底書作為研究對(duì)象，將交底書中的技術(shù)方案作為檢索輸入，結(jié)果如表4所示。

表4 語(yǔ)義檢索技術(shù)交底查新能力結(jié)果統(tǒng)計(jì)表

整體來(lái)看，被駁回的專利申請(qǐng)，審查員在第一次審查意見通知書中引用的對(duì)比文件1，能夠更多地通過(guò)語(yǔ)義檢索命中；而最終被授權(quán)的專利申請(qǐng)，對(duì)比文件1命中率較低，僅專利CN113370992B的對(duì)比文件1 CN113119967A被Patsnap數(shù)據(jù)庫(kù)命中；專利CN113012465A的對(duì)比文件1 CN107331200A被Himmpat數(shù)據(jù)庫(kù)命中。

從數(shù)據(jù)庫(kù)橫向?qū)Ρ葋?lái)看，Patentics 表現(xiàn)出較大的優(yōu)越性，本文隨機(jī)選擇的3件交底書中，3件申請(qǐng)被審查員引用的對(duì)比文件1 均出現(xiàn)在Patentics 給出的400條結(jié)果中的前100條，其次是Patsnap數(shù)據(jù)庫(kù)。

綜上，在評(píng)估技術(shù)交底書的授權(quán)文件時(shí)，可以用技術(shù)交底書中的技術(shù)方案作為語(yǔ)義檢索的技術(shù)信息，使用Patentics 和Patsnap 下載5～10 項(xiàng)現(xiàn)有技術(shù)文件，提交給使用者，節(jié)省檢索時(shí)間。

需要指出的是，本文僅隨機(jī)選擇了3 件已授權(quán)和3 件已駁回專利的交底書作為樣本進(jìn)行研究，研究結(jié)論尚不具備代表性和對(duì)全行業(yè)的指導(dǎo)性，后續(xù)將通過(guò)區(qū)分不同的技術(shù)領(lǐng)域、專利類型進(jìn)行進(jìn)一步研究和訓(xùn)練，得出語(yǔ)義檢索輔助創(chuàng)造性判斷的模型。

3.3 指標(biāo)權(quán)重確定

采用專家調(diào)研的方法確定上述6 項(xiàng)指標(biāo)的權(quán)重，邀請(qǐng)汽車行業(yè)專家、企業(yè)IPR、知識(shí)產(chǎn)權(quán)資深專家對(duì)指標(biāo)進(jìn)行重要度打分（1～10分），共收回39份評(píng)分結(jié)果，本文采用優(yōu)序圖法每個(gè)指標(biāo)進(jìn)行權(quán)重賦值。

3.3.1 判斷矩陣

將39份專家調(diào)研評(píng)分結(jié)果輸入SPASSAU在線數(shù)據(jù)分析軟件中，根據(jù)39個(gè)專家對(duì)各項(xiàng)指標(biāo)打分的平均值，利用平均值大小進(jìn)行兩兩對(duì)比；平均值相對(duì)更大時(shí)計(jì)為1分，相對(duì)更小時(shí)計(jì)為0分，平均值完全相等時(shí)計(jì)為0.5分，得到優(yōu)序圖權(quán)重計(jì)算表，如表5所示。

表5 優(yōu)序圖權(quán)重計(jì)算表 分

3.3.2 權(quán)重計(jì)算

SPASSAU在線數(shù)據(jù)分析軟件中，結(jié)合優(yōu)序圖權(quán)重計(jì)算表，針對(duì)每行數(shù)據(jù)求和，得到指標(biāo)得分；針對(duì)指標(biāo)得分進(jìn)行歸一化處理，最終得到權(quán)重值，如表6所示。

表6 優(yōu)序圖權(quán)重計(jì)算結(jié)果

3.4 評(píng)估模型構(gòu)建

專利申請(qǐng)前評(píng)估是一項(xiàng)綜合評(píng)價(jià)，每項(xiàng)指標(biāo)從不同角度反映出技術(shù)方案的價(jià)值，為提高評(píng)估的可操作性，使用加權(quán)函數(shù)法構(gòu)建專利申請(qǐng)前評(píng)估模型，并將專利類型和專利組合兩項(xiàng)關(guān)鍵因素作為調(diào)節(jié)因子，構(gòu)建模型公式如下：

式中，表示技術(shù)交底書得分；X表示各指標(biāo)評(píng)分；W表示各指標(biāo)權(quán)重，和賦值如下：

3.5 評(píng)估模型驗(yàn)證

為驗(yàn)證模型的可靠性，面向中國(guó)汽車技術(shù)研究中心有限公司有效專利的發(fā)明人開展問(wèn)卷調(diào)研，最終收回有效交底書和檢索報(bào)告共24份，采用汽車行業(yè)已經(jīng)成熟并廣泛應(yīng)用的汽車專利創(chuàng)新評(píng)價(jià)模型，計(jì)算得出授權(quán)專利價(jià)值作為實(shí)際值，通過(guò)本模型計(jì)算得出預(yù)測(cè)值，將實(shí)際值作為軸，預(yù)測(cè)值作為軸，繪制散點(diǎn)圖，如圖1所示。

圖1 實(shí)際值和預(yù)測(cè)值對(duì)比

計(jì)算預(yù)測(cè)值和實(shí)際值的均方誤差（Mean Square Error，MSE）、均方根誤差（Root Mean Square Error，RMSE）：

表7 模型評(píng)估結(jié)果表

從圖1 和表7 中可以看出，預(yù)測(cè)值和實(shí)際值基本均勻分布在函數(shù)=的兩側(cè)，且和值較小，說(shuō)明該模型預(yù)測(cè)得出的交底書價(jià)值有可靠性較強(qiáng)。

從模型指標(biāo)權(quán)重來(lái)看，技術(shù)先進(jìn)性指標(biāo)權(quán)重最高，隨后是專利授權(quán)前景和產(chǎn)品與技術(shù)的相關(guān)度。從一級(jí)指標(biāo)來(lái)看，技術(shù)價(jià)值總權(quán)重＞法律價(jià)值總權(quán)重＞市場(chǎng)價(jià)值總權(quán)重。

本文第二部分指出，與高校相比，企業(yè)產(chǎn)業(yè)化能力強(qiáng)，研發(fā)能力弱，因此在專利申請(qǐng)前評(píng)估時(shí)更應(yīng)該注重對(duì)技術(shù)價(jià)值的評(píng)估，目前得出的權(quán)重結(jié)果與該原則呈現(xiàn)出一致性。

3.6 專利申請(qǐng)前評(píng)估流程

為有效提升汽車企業(yè)專利管理水平，將申請(qǐng)前流程規(guī)范化，以期最大程度節(jié)省時(shí)間和人力，系統(tǒng)工作流程和使用者使用流程分別如圖2、3所示。

圖2 中涉及指標(biāo)列，下劃線表示該項(xiàng)指標(biāo)評(píng)分在相應(yīng)步驟得出。

圖2 汽車企業(yè)專利申請(qǐng)前評(píng)估系統(tǒng)工作流程

圖3 汽車企業(yè)專利申請(qǐng)前評(píng)估系統(tǒng)使用流程

（1）技術(shù)交底書的規(guī)范化。呂申等指出，技術(shù)交底書是是發(fā)明人和專利代理人之間用于技術(shù)交流的文件，其好壞關(guān)乎發(fā)明創(chuàng)造是否能夠被充分保護(hù)。為提高專利申請(qǐng)前評(píng)估的質(zhì)量和效率，首先對(duì)技術(shù)交底書做規(guī)范化處理，除了發(fā)明名稱、技術(shù)領(lǐng)域、背景技術(shù)、發(fā)明內(nèi)容、附圖說(shuō)明、具體實(shí)施方式基本內(nèi)容之外，還需將本模型需要用到的二級(jí)指標(biāo)、、、中需要發(fā)明人勾選的問(wèn)題列明。

（2）對(duì)技術(shù)方案進(jìn)行語(yǔ)義檢索。系統(tǒng)讀取發(fā)明人提交的技術(shù)交底書，在Patentics及Patsnap數(shù)據(jù)庫(kù)中進(jìn)行語(yǔ)義檢索，并下載5～10項(xiàng)現(xiàn)有技術(shù)列表，供使用者進(jìn)行預(yù)審參考。

（3）使用者對(duì)技術(shù)交底書進(jìn)行預(yù)審。使用者基于語(yǔ)義檢索的結(jié)果，結(jié)合如布爾檢索等檢索方式，對(duì)技術(shù)交底書的新穎性、創(chuàng)造性和實(shí)用性進(jìn)行評(píng)價(jià)，給出的評(píng)分；同時(shí)參考發(fā)明人的勾選，給出和的評(píng)分，形成專家預(yù)審報(bào)告。

（4）通過(guò)工具對(duì)技術(shù)交底書進(jìn)行智能評(píng)分。提前將發(fā)明人勾選的選項(xiàng)對(duì)應(yīng)的分值和專利申請(qǐng)前評(píng)估模型公式，輸入數(shù)據(jù)處理軟件或者信息化系統(tǒng)中，通過(guò)讀取交底書中發(fā)明人勾選的信息和專家預(yù)審報(bào)告中的相關(guān)信息，得出交底書的最終評(píng)分，給出申請(qǐng)建議，不同的企業(yè)可以根據(jù)知識(shí)產(chǎn)權(quán)發(fā)展?fàn)顩r給出不同的建議，如1～3 分，不建議申請(qǐng)；3.1～6 分，建議修改后做二次評(píng)估；6分以上，建議申請(qǐng)。

4 結(jié)論與分析

本文充分利用全球汽車專利大數(shù)據(jù)平臺(tái)的三維標(biāo)引體系，結(jié)合專家調(diào)研結(jié)果，選擇6項(xiàng)二級(jí)指標(biāo)，構(gòu)建一套專家評(píng)審和智能評(píng)分相結(jié)合的汽車專利申請(qǐng)前評(píng)估模型；有效利用語(yǔ)義檢索輔助專家開展專利授權(quán)前景評(píng)價(jià)，解決申請(qǐng)前評(píng)估時(shí)間和成本高，無(wú)法實(shí)現(xiàn)批量評(píng)估的問(wèn)題。同時(shí)，利用汽車專利創(chuàng)新評(píng)價(jià)模型計(jì)算得出的授權(quán)專利價(jià)值作為實(shí)際值對(duì)模型進(jìn)行驗(yàn)證，結(jié)果表明模型可靠性較強(qiáng)，能夠?yàn)槠髽I(yè)專利申請(qǐng)前預(yù)審工作給予科學(xué)的指導(dǎo)。

需要指出的是，本文在語(yǔ)義檢索和模型驗(yàn)證階段，選擇的樣本量較少，結(jié)果的普適性還有待驗(yàn)證，本文更重要的意義在于提供一種研究方法，后續(xù)將對(duì)大量技術(shù)交底書樣本進(jìn)行研究，最終得出一套更加具有實(shí)踐指導(dǎo)作用的專利申請(qǐng)前價(jià)值評(píng)估模型。