一种点拍网的基于图神经网络GAT的专利估值方法及系统技术方案

本发明专利技术提供一种点拍网的基于图神经网络GAT的专利估值方法及系统，涉及评估方法领域，使用注意力图神经网络GAT对训练数据集中的专利属性参数的权值进行训练，将专利估值模型抽象为知识图谱Graph，将专利价值的评估值作为图的顶点Root，将与专利估值相关的属性参数作为Root的邻居节点Node，Root与Node之间的边代表参数与评估值之间的权重系数W；使用GAT训练权重系数W，训练好W后，输入测试数据集，使用测试数据集中各属性参数节点的值乘以对应的权重即可得到测试数据集中每个专利数据的评估值，利用大数据获得权重值，整体评估并确认专利的价值，使得专利评估的价值更加准确。

【技术实现步骤摘要】
一种点拍网的基于图神经网络GAT的专利估值方法及系统
本专利技术涉及一种点拍网的基于图神经网络GAT的专利估值方法及系统，属于评估方法

技术介绍
专利价值分析指标体系是一套能够反映所评价专利价值的总体特征，并且具有内在联系、起互补作用的指标群体，它是专利在交易中的内在价值的客观反映。一个合理、完善的指标体系，是对专利价值进行评估与分析的先决条件。点拍网目前现有的专利价值评估体系中，专利估值模型各参数的权重比值是靠人的经验分析得到的，针对某个特定领域比较准确但是不适用于其他领域，导致专利的真实价值和评估价值差别过大。另外模型参数比值无法随数据积累、政策环境影响等自动调整，只能靠人工进行调整，效率比较低。
技术实现思路
针对现有技术的不足，本专利技术提供一种点拍网的基于图神经网络GAT的专利估值方法和系统，使用GAT进行估值模型各参数权重的训练，解决了解决现有专利评估不全面的问题。本专利技术的技术方案如下：一种点拍网的基于图神经网络GAT的专利估值方法，包括步骤如下；获取专利训练数据集，本文档来自技高网...

【技术保护点】
1.一种点拍网的基于图神经网络GAT的专利估值方法，其特征在于，包括步骤如下；/n获取专利训练数据集，待评估专利的基本信息参数包括专利申请号、标题、行业分类、第一专利技术人、被引用专利数量、引用专利数量、预估到期日、当前申请/专利权人、原始申请/专利权人、3年内被引用次数、5年内被引用次数、法律状态、简单法律状态；/n每个专利数据的属性参数包括：专利稳定性-新颖性，专利稳定性-创造性，专利稳定性-撰写质量，专利稳定性-保护范围，同族专利，依赖性，技术-技术原创性，技术-技术生命周期，技术-不可替代性，经济-市场占有率，经济-政策导向，经济-市场需求；/n使用注意力图神经网络GAT对专利属性参数...

【技术特征摘要】
20200120 CN 20201006576781.一种点拍网的基于图神经网络GAT的专利估值方法，其特征在于，包括步骤如下；
获取专利训练数据集，待评估专利的基本信息参数包括专利申请号、标题、行业分类、第一发明人、被引用专利数量、引用专利数量、预估到期日、当前申请/专利权人、原始申请/专利权人、3年内被引用次数、5年内被引用次数、法律状态、简单法律状态；
每个专利数据的属性参数包括：专利稳定性-新颖性，专利稳定性-创造性，专利稳定性-撰写质量，专利稳定性-保护范围，同族专利，依赖性，技术-技术原创性，技术-技术生命周期，技术-不可替代性，经济-市场占有率，经济-政策导向，经济-市场需求；
使用注意力图神经网络GAT对专利属性参数的权值进行训练，将专利估值模型抽象为知识图谱Graph，将专利价值的评估值作为图的顶点Root，将与专利估值相关的属性参数作为Root的邻居节点Node，Root与Node之间的边代表参数与评估值之间的权重系数W；使用GAT训练权重系数W，训练好W后，输入测试数据集，使用测试数据集中各属性参数节点的值乘以对应的权重即可得到测试数据集中每个专利数据的评估值，评估值V＝H[H1,H2,H3…Hn]*W[W1,W2,W3…Wn]，n为属性参数的个数。


2.根据权利要求1所述的点拍网的基于图神经网络GAT的专利估值方法，其特征在于，使用GAT训练权重系数W的训练方法包括：
GAT的计算分为两步走：
第一步：对于顶点Root，...

【专利技术属性】
技术研发人员：陈伟，李维新，李丽华，
申请(专利权)人：山东佳联电子商务有限公司，点拍科技有限公司，
类型：发明
国别省市：山东;37