基于AI的专利价值评估方法及系统技术方案

本发明专利技术提供了基于AI的专利价值评估方法及系统，涉及数据信息处理技术领域。一种基于人工智能的专利价值评估方法，包括如下步骤：设置具有学习功能的专利价值评估模型；采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。本发明专利技术不仅避免了人工方式可能带来的评估偏差，还节省了专利价值评估的人力成本，兼顾了数据处理的灵活性和准确性。

Patent Value Assessment Method and System Based on AI

The invention provides a patent value evaluation method and system based on AI, which relates to the technical field of data information processing. A patent value evaluation method based on artificial intelligence includes the following steps: setting up a patent value evaluation model with learning function; collecting the data information of the patent to be evaluated, evaluating the patent based on the aforementioned patent value evaluation model, obtaining the initial evaluation value of the patent; collecting the transaction data information of the patent after listing, and feeding back the transaction data information. Up to the aforementioned patent value evaluation model, the patent value evaluation model adjusts the aforementioned initial evaluation value based on transaction data information to obtain the ideal value of the patent. The invention not only avoids the evaluation deviation that may be caused by manual method, but also saves the human cost of patent value evaluation, taking into account the flexibility and accuracy of data processing.

【技术实现步骤摘要】
基于AI的专利价值评估方法及系统
本专利技术涉及数据信息处理

技术介绍
申请专利并获得专利权后，既可以保护自己的专利技术成果，防止科研成果流失，获取垄断利润来弥补研发投入，同时也有利于科技进步和经济发展。随着世界各国经济的迅速发展，各式产业领域对于专利技术的需求亦大量增加，但在实际的运作上，产业界仍难以获得其所确切需要的专利技术。比如对于需要引进新式专利技术的厂商而言，找寻新式的专利技术无疑是难以克服的经营成本；又比如对于一般所谓的技术输入国而言，常无法迅速有效取得所需的专利技术，对于总体国力发展亦是一种严重损害。在专利交易中，评估专利的价值的重要性不言而喻。目前，专利的价值评估仍主要使用传统的人工方式进行，常用的评估方法比如成本法、市场价值法、收益现值法等。其中涉及往往涉及到多个评价指标，运算工作量大，会消耗较大的人力资源；同时，由于依赖于人工操作，在评估过程中可能出现主观偏向，影响真实的评估价值。
技术实现思路
本专利技术的目的在于：克服现有技术的不足，提供一种基于AI的专利价值评估方法及系统。本专利技术借助人工智能(AI)对专利进行价值评估，专利价值评估模型能够基于交易数据信息对专利的初始评估价值进行调整，从而获取该专利的理想价值。本专利技术不仅避免了人工方式可能带来的评估偏差，还节省了专利价值评估的人力成本，兼顾了数据处理的灵活性和准确性。为实现上述目标，本专利技术提供了如下技术方案。一种基于人工智能的专利价值评估方法，包括如下步骤：设置具有学习功能的专利价值评估模型；采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。进一步，专利价值评估模型根据交易数据信息调整初始评估价值的学习策略包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。进一步，所述交易数据信息包括专利拍卖过程中的用户驻留时间和专利的关注度等级；根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。进一步，所述交易数据信息包括该专利在拍卖过程中的历史倒手次数，根据倒手次数设置加权值，以调整初始评估价值。进一步，在所述价值评估模型中，从技术维度和法律维度两个方面对专利的价值进行评估；所述技术维度的指标包括先进性、可替代性、所属领域发展趋势和/或实施难度等级；所述法律维度的指标包括专利权利要求项数、专利独立权利要求范围、专利稳定性、可规避性、保护力度、侵权可判性和/或专利布局。进一步，采集与该专利具有对标特性的其它专利的数据信息，获取所述其它专利的评估价值信息后对该专利的初始评估价值进行调整。本专利技术还公开了一种基于人工智能的专利价值评估系统，包括如下结构：初始化模块，用以设置具有学习功能的专利价值评估模型，并测试专利价值评估模型的准确度，所述准确度满足准确度阈值要求后，启动该专利价值评估模型；初始评估模块，连接初始化模块，用以采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；交易信息采集模块，用以采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；调整模块，连接初始评估模块和交易信息采集模块，用以根据交易数据信息，通过专利价值评估模型对前述初始评估价值进行调整，获取该专利的理想价值。进一步，所述专利价值评估模型根据交易数据信息调整初始评估价值的学习策略包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。进一步，所述交易数据信息包括专利拍卖过程中的用户驻留时间和专利的关注度等级；专利价值评估模型根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。进一步，所述交易数据信息包括该专利在拍卖过程中的历史倒手次数；专利价值评估模型根据倒手次数设置加权值以调整初始评估价值。本专利技术由于采用以上技术方案，与现有技术相比，作为举例而非限定，具有以下的优点和积极效果：借助人工智能(AI)对专利进行价值评估，设置了具有学习功能的专利价值评估模型，能够基于交易数据信息对专利的初始评估价值进行调整，从而获取该专利的理想价值。本专利技术不仅避免了人工方式可能带来的评估偏差，还节省了专利价值评估的人力成本，兼顾了数据处理的灵活性和准确性。附图说明图1为本专利技术实施例提供的基于AI的专利价值评估方法的流程图。图2为本专利技术实施例提供的专利价值评估模型的学习策略图。图3为本专利技术实施例提供的专利价值评估模型的指标信息图。图4为本专利技术实施例提供的专利拍卖系统的界面示例图。图5为本专利技术实施例提供的基于AI的专利价值评估系统的模块结构图。图中标号如下：交易界面100，标题栏110，工具栏120，信息显示区域130，滚动栏140；专利价值评估系统200，初始化模块210，初始评估模块220，交易信息采集模块230，调整模块240。具体实施方式以下结合附图和具体实施例对本专利技术提供的基于AI的专利价值评估方法及系统作进一步详细说明。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。需说明的是，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定专利技术可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响专利技术所能产生的功效及所能达成的目的下，均应落在专利技术所揭示的
技术实现思路
所能涵盖的范围内。本专利技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本专利技术的实施例所属
的技术人员所理解。实施例参见图1所示，一种基于人工智能的专利价值评估方法，包括如下步骤：S100，设置具有学习功能的专利价值评估模型。本实施例中，所述专利价值评估模型根据交易数据信息调整初始评估价值的学习策略可以包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式，参见图2所示。所述机械学习，是指学习者无需任何推理或其它的知识转换，直接吸取环境所提供的信息。这类学习系统主要考虑的是如何索引存贮的知识并加以利用，是直接通过事先编好、构造好的程序来学习，学习者不作任何工作，或者是通过直接接收既定的事实和数据进行学习，对输入信息不作任何的推理。所述演绎学习，是指依靠推理，从公理出发，经过逻辑变换推导出结论。这种学习方法可以包含宏操作学习、知识编辑和组块技术。所述类比学习，是指利用二个不同领域(源域、目标域)中的知识相似性，可以通过类比，从源域的知识(包括相似的特征和其它性质)推导出目标域的相应知识，从而实现学习。类比学习系统可以使一个已有的计算机应用系统转变为适应于新的领域，来完成原先没有设计的相类似的功能。所述归纳学习，是提供某概念的一些实例或反例后，通过归纳推理得出该概念的一般描述。这种学习需要深度推理，因为环境并不提供一般性概念描述(如公理)。归本文档来自技高网...

【技术保护点】
1.一种基于人工智能的专利价值评估方法，其特征在于包括如下步骤：设置具有学习功能的专利价值评估模型；采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。

【技术特征摘要】
1.一种基于人工智能的专利价值评估方法，其特征在于包括如下步骤：设置具有学习功能的专利价值评估模型；采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。2.根据权利要求1所述的方法，其特征在于：专利价值评估模型根据交易数据信息调整初始评估价值的学习策略包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。3.根据权利要求1所述的方法，其特征在于：所述交易数据信息包括专利拍卖过程中的用户驻留时间和专利的关注度等级；根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。4.根据权利要求1所述的方法，其特征在于：所述交易数据信息包括该专利在拍卖过程中的历史倒手次数，根据倒手次数设置加权值，以调整初始评估价值。5.根据权利要求1所述的方法，其特征在于：在所述价值评估模型中，从技术维度和法律维度两个方面对专利的价值进行评估；所述技术维度的指标包括先进性、可替代性、所属领域发展趋势和/或实施难度等级；所述法律维度的指标包括专利权利要求项数、专利独立权利要求范围、专利稳定性、可规避性、保护力度、侵权可判性和/或专利布局。6.根据权利要求1所述的方法，其特征在...

【专利技术属性】
技术研发人员：严圣，章起豪，黎铁，王亚丁，
申请(专利权)人：深圳派富知识产权投资咨询有限公司，
类型：发明
国别省市：广东,44