专利资助方法、装置、存储介质及处理器制造方法及图纸

技术编号:22330973 阅读:40 留言:0更新日期:2019-10-19 12:26
本发明专利技术公开了一种专利资助方法、装置、存储介质及处理器。其中,该方法包括:获取专利资助申报对象的授权专利数据;根据至少两个评估模型,预测授权专利数据的多个评估分值;依据多个评估分值的均值结果,确定授权专利数据对应的资助级别;基于资助级别,生成授权专利数据的资助金。本发明专利技术解决了相关技术中采用单一的定额标准进行专利资助,造成的无法体现对高价值专利的重视和引导的技术问题。

【技术实现步骤摘要】
专利资助方法、装置、存储介质及处理器
本专利技术涉及专利资助管理领域,具体而言,涉及一种专利资助方法、装置、存储介质及处理器。
技术介绍
随着社会各界创新意识的不断提高,知识产权越来越受到重视,各地区、各个相关部门也相继提出一系列专利资助政策。在相关技术中,专利的授权资助是各级资助中都包含的项目,各地各级的资助额度也不尽相同,但均采用等额的方式进行资助,如每件5000元,无论专利价值度如何,一律按统一的定额标准进行资助,这种方法不能实现差别化资助,无法体现对高价值专利的重视和引导。针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种专利资助方法、装置、存储介质及处理器,以至少解决相关技术中采用单一的定额标准进行专利资助,造成的无法体现对高价值专利的重视和引导的技术问题。根据本专利技术实施例的一个方面,提供了一种专利资助方法,包括:获取专利资助申报对象的授权专利数据;根据至少两个评估模型,预测所述授权专利数据的多个评估分值;依据所述多个评估分值的均值结果,确定所述授权专利数据对应的资助级别;基于所述资助级别,生成所述授权专利数据的资助金。可选地,获取专利资助申报对象的授权专利数据包括:确定专利资助申报对象的申请类型,其中,所述申请类型至少包括以下之一:企业、事业单位、个人;根据专利资助申报对象的申请类型,匹配与所述申请类型对应的授权专利数据。可选地,根据至少两个评估模型,预测所述专利数据的多个评估分值包括:将所述授权专利数据分别输入至少两个评估模型,由至少两个所述评估模型输出评估分值,其中,每一个所述评估模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:授权专利数据和所述授权专利数据对应的评估分值。可选地,授权专利数据包括专利内容数据,其中,所述专利内容数据包括以下至少之一:权利要求,说明书,外观专利图像。可选地,依据所述多个评估分值的均值结果,确定所述授权专利数据对应的资助级别包括:获取预设资助级别与分值区间之间的对应关系;确定所述多个评估分值的均值结果所属的分值区间;根据所述对应关系,确定所述均值结果所属的分值区间对应的预设资助级别为所述授权专利数据对应的资助级别。根据本专利技术实施例的另一方面,还提供了一种专利资助装置,包括:获取模块,用于获取专利资助申报对象的授权专利数据;预测模块,用于根据至少两个评估模型,预测所述授权专利数据的多个评估分值;确定模块,用于依据所述多个评估分值的均值结果,确定所述授权专利数据对应的资助级别;生成模块,用于基于所述资助级别,生成所述授权专利数据的资助金。可选地,所述预测模块包括:将所述专利数据分别输入至少两个评估模型,由至少两个所述评估模型输出评估分值,其中,每一个所述评估模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:授权专利数据和所述授权专利数据对应的评估分值。可选地,所述确定模块包括:获取单元,用于获取预设资助级别与分值区间之间的对应关系;第一确定单元,用于确定所述多个评估分值的均值结果所属的分值区间;第二确定单元,用于根据所述对应关系,确定所述均值结果所属的分值区间对应的预设资助级别为所述授权专利数据对应的资助级别。根据本专利技术实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述中任意一项所述的专利资助方法。根据本专利技术实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的专利资助方法。在本专利技术实施例中,采用获取专利资助申报对象的授权专利数据;根据至少两个评估模型,预测所述授权专利数据的多个评估分值;依据所述多个评估分值的均值结果,确定所述授权专利数据对应的资助级别;基于所述资助级别,生成所述授权专利数据的资助金的方式,通过多个评估模型对专利资助申报对象的授权专利数据预测评估分值,从而确定资助级别,达到了依据不同的资助级别采用不同的资助金进行资助的目的,从而实现了对授权专利的差别化资助的技术效果,进而解决了相关技术中采用单一的定额标准进行专利资助,造成的无法体现对高价值专利的重视和引导的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解,构成本申请的一部分,本专利技术的示意性实施例及其说明用于解释本专利技术,并不构成对本专利技术的不当限定。在附图中:图1是根据本专利技术实施例的专利资助方法的流程图;图2是根据本专利技术优选实施例的专利资助方法的流程图;图3是根据本专利技术实施例的专利资助装置的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分的实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本专利技术保护的范围。需要说明的是,本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本专利技术实施例,提供了一种专利资助方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的专利资助方法的流程图,如图1所示,该方法包括如下步骤:步骤S102,获取专利资助申报对象的授权专利数据;步骤S104,根据至少两个评估模型,预测授权专利数据的多个评估分值;步骤S106,依据多个评估分值的均值结果,确定授权专利数据对应的资助级别;步骤S108,基于资助级别,生成授权专利数据的资助金。通过上述步骤,可以实现通过多个评估模型对专利资助申报对象的授权专利数据预测评估分值,从而确定资助级别,达到了依据不同的资助级别采用不同的资助金进行资助的目的,从而实现了对授权专利的差别化资助的技术效果,进而解决了相关技术中采用单一的定额标准进行专利资助,造成的无法体现对高价值专利的重视和引导的技术问题。作为一种可选的实施例,在获取专利资助申报对象的授权专利数据时,可以根据专利资助申报对象得到与该申报对象相关的授权专利数据,其中,上述授权专利数据可以从专利公开文本库中获取的。需要说明的是,专利资助申报对象可以是企业、事业单位、个人等等。而且获取专利资助申报对象的授权专利数据的途径并不是唯一的,例如,既可以从其内部专门的专利管理系统中获取,还可以从专门的专利搜索网站获取,例如,中国知识产权网CNIPR(ChinaIntellctualPropertyRight,简称为CNIPR)等等。在具体实施过程本文档来自技高网
...

【技术保护点】
1.一种专利资助方法,其特征在于,包括:获取专利资助申报对象的授权专利数据;根据至少两个评估模型,预测所述授权专利数据的多个评估分值;依据所述多个评估分值的均值结果,确定所述授权专利数据对应的资助级别;基于所述资助级别,生成所述授权专利数据的资助金。

【技术特征摘要】
1.一种专利资助方法,其特征在于,包括:获取专利资助申报对象的授权专利数据;根据至少两个评估模型,预测所述授权专利数据的多个评估分值;依据所述多个评估分值的均值结果,确定所述授权专利数据对应的资助级别;基于所述资助级别,生成所述授权专利数据的资助金。2.根据权利要求1所述的方法,其特征在于,获取专利资助申报对象的授权专利数据包括:确定专利资助申报对象的申请类型,其中,所述申请类型至少包括以下之一:企业、事业单位、个人;根据专利资助申报对象的申请类型,匹配与所述申请类型对应的授权专利数据。3.根据权利要求1所述的方法,其特征在于,根据至少两个评估模型,预测所述专利数据的多个评估分值包括:将所述授权专利数据分别输入至少两个评估模型,由至少两个所述评估模型输出评估分值,其中,每一个所述评估模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:授权专利数据和所述授权专利数据对应的评估分值。4.根据权利要求3所述的方法,其特征在于,授权专利数据包括专利内容数据,其中,所述专利内容数据包括以下至少之一:权利要求,说明书,外观专利图像。5.根据权利要求1所述的方法,其特征在于,依据所述多个评估分值的均值结果,确定所述授权专利数据对应的资助级别包括:获取预设资助级别与分值区间之间的对应关系;确定所述多个评估分值的均值结果所属的分值区间;根据所述对应关系,确定所述均值结果所属的分值区间...

【专利技术属性】
技术研发人员:杨长青李峰
申请(专利权)人:北京中知智慧科技有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1