一种识别核心专利的评价方法技术

本发明专利技术是一种识别核心专利的评价方法。本发明专利技术涉及专利评价技术领域，本发明专利技术构建PageRank模型，根据PageRank模型进行幂迭代；基于构建的PageRank模型，引入跳转概率对转移矩阵进行改进；基于PageRank模型，根据自身属性和链接属性，将链接属性作为转移矩阵的引入，建立PPR模型，根据PPR模型对专利进行评价。本发明专利技术从专利自身属性和专利引文特点对原始的PageRank算法进行改进，继而将其应用到航空航天器设备制造业领域中来识别核心技术，验证PPR算法的科学性。

【技术实现步骤摘要】
一种识别核心专利的评价方法
本专利技术涉及专利评价
，是一种识别核心专利的评价方法。
技术介绍
专利是知识产权重要组成部分之一，体现国家自主创新能力，据世界知识产权组织统计，世界上新技术中有90％～95％的专利技术都能在专利中找到且许多专利技术只能在专利文献中找到，对专利文献信息资源的充分利用可以节省60％的研发经费和40％的开发时间。由此可以看出，专利尤其是核心专利可以体现某领域的技术效应和市场经济效应，对于国家来说，核心专利的识别有利于加强国家的“软”实力，加快构建创新性国家，对于企业来说，有利于企业进行专利布局，寻找紧密合作单位，提升自身市场地位。因此，如何快速准确地识别核心专利是一个亟待解决的问题。关于核心专利的定义没有统一的描述。2010年，韩志华曾经定义核心专利即为在某一
中处于关键地位、对技术创新具有突出贡献、对其他专利或者技术具有重大影响且具有重要经济价值的专利。2011年，肖沪卫、顾震宇将某一领域具有首创性的并且是后续科技及产业化集聚必不可少的专利。美国司法部反垄断司从技术和商业两个角度衡量核心专利，要求该核心专利务必与该产品生产规格或核心技术直接相关，且需要投入极大研发成本或付出很大代价才能避开的专利。综合来说，核心专利需要具有较高的技术价值和经济价值，且在某一领域的发展上具有不可避免的地位。本专利技术定义核心专利是具有高影响力、成本高、家族范围广的专利，高影响力体现专利在技术上的影响价值，成本高和家族范围广体现专利授权人的重视程度，侧面体现专利在市场上的经济价值。关于如何识别核心专利，国内外都有大量学者进行研究。F.Berger等运用权利要求数量识别核心专利，发现核心专利的权利要求数多于普通专利的权利要求数。Gou和JS运用innography进行核心专利分析，识别磁悬浮运输
的核心技术。Jeon,J和Suh.Y构建专利引文网络结合关联规则和经济业务分析获得核心专利，确定核心安全技术融合领域。HongyingWan和BingSun采用依据专利引用关系构建的可视化模型、PageRank算法以及5种指标构建的综合指标模型进行核心专利识别，结果表明，视觉模型在识别中具有显著作用同时解释了PageRank算法的适用性，以及综合指标选取的引用专利数量、同族专利数量、专利覆盖范围、权利要求数量和专利诉讼数量对于主导技术的识别是最科学，最合理的。田瑞强和刘洢颖等依次运用布拉福德定律、被引次数、同族专利数据、权利要求数量以及参考文献数量进行核心专利的识别，最后取交集确定最终核心专利。亢川博和王伟等将指标体系和社会网络图结构相结合，确定核心专利价值，其中指标体系的计算中采取的是层次分析法或粗糙集理论确定的指标权重，另外被引频次和权利要求数量应用的都是相对的值。张欣和马瑞敏PageRank算法基础上引入了专利的“权威性”和“时间性”因子，获得核心专利和基础性专利。杨武和杨大飞选取被引用次数、年平均被引用次数、权利要求数量以及同族专利数量等7个指标构建核心专利评价体系，并采用最优组合赋权法确定不同指标的权重，获得5G通信产业的核心专利。综上所述，目前针对核心专利识别方法主要可以归为以下：一是基于外部特征进行核心专利识别，但存在主观性较强的缺点；二是基于引文网络分析识别核心专利，虽然已有大部分学者在改进PageRank算法上做了很多研究，但考虑专利属性的研究较少；三是采用布拉福德定律进行核心专利识别，但该方法多用于识别核心领域方面的研究；四是基于专利软件进行核心专利识别。
技术实现思路
本专利技术为评价一个专利是否是核心专利，本专利技术提供了一种识别核心专利的评价方法，本专利技术提供了以下技术方案：一种识别核心专利的评价方法，包括以下步骤：步骤1：构建PageRank模型，根据PageRank模型进行幂迭代；步骤2：基于构建的PageRank模型，引入跳转概率对转移矩阵进行改进；步骤3：基于PageRank模型，根据自身属性和链接属性，将链接属性作为转移矩阵的引入，建立PPR模型，根据PPR模型对专利进行评价；所述自身属性包括同族专利因子和权利因子；确定自身属性中的同族专利因子，通过下式表示所述同族专利因子：其中，Pz(u)为被引专利u的同族专利数量，v为施引专利,为专利u归一化后的同族专利因子；确定自身属性中的权利因子，通过下式表示所述权利因子：其中，Pq(u)为被引专利u的同族权利因子数量，为专利u归一化后的同族权利因子；将链接属性因子作为转移矩阵引入，建立PPR模型，通过下式表示PPR模型：其中，Wd为入度占比因子矩阵，Wt为时间因子矩阵，wz为同族因子向量，wq为权利因子向量，e为全为1的列向量，a为0和1组成的列向量，λ为跳转概率，α1，α2，β1和β2分别为对应因子的权重；经计算得到得到时间因子权重α1、入度占比因子权重α2，同族数量因子权重β1、权利数量因子权重β2。优选地，所述步骤1中构建PageRank模型具体为：将互联网转换为一个有向图，网页为图中顶点，链接关系为边，当存在n个网页，通过图的链接关系，获得邻接矩阵W，通过下式表示邻接矩阵：wij∈W确定网页顶点的出度数为Oi，通过下式确定出度数：根据出度数Oi确定节点j的PR值，通过下式表示节点j的PR值：根据条件转移概率矩阵，邻接矩阵W行和归一化后的转置矩阵，确定节点j的PR值以矩阵形式，通过下式表示确定节点j的PR值以矩阵形式：PRt＝HPRt-1其中，H为条件转移概率矩阵。优选地，所述步骤1中幂迭代过程具体为使得条件概率转移矩阵H需要为不可约非周期的随机矩阵，已知网页是具有随机性的，当网页链接图中存在悬挂节点时，则转移矩阵的某一列就会全为0，将导致PageRank算法不收敛，使所有网页顶点的PR值最后全为0，根据PageRank模型进行幂迭代，对转移矩阵进行变化采用用1/n代替0，通过下式表示转移矩阵H变换：其中，S为变换后的转移矩阵，e为全为1的列向量，a为由0和1组成的列向量，当顶点为悬挂节点时，a对应元素即为1，则有PR计算公式如下：PRt＝SPRt-1。优选地，所述步骤2具体为：引入跳转概率λ对变换后的转移矩阵S进行改进，以小于1的λ概率按照网页链接关系访问浏览，但仍保留以1-λ概率随机访问网页链接图中任意顶点，通过下式表示改进后的转移矩阵：其中，G为改进后的转移矩阵，转移矩阵G的所有元素均大于零，确保转移矩阵满足不可约和非周期条件，通过下式表示引入G的改进后的的PageRank模型：PRt＝GPRt-1随着迭代次数的增加，每个网页顶点的PR值会收敛到一个稳定值，即平稳分布列向量。优选地，所述链接属性为和入度占比因子和时间因子；确定入度占比矩阵，通过下式表示入度占比矩阵Wd：其中，u为被引专利，v为施引专利，O(本文档来自技高网...

【技术保护点】
1.一种识别核心专利的评价方法，其特征是：包括以下步骤：/n步骤1：构建PageRank模型，根据PageRank模型进行幂迭代；/n步骤2：基于构建的PageRank模型，引入跳转概率对转移矩阵进行改进；/n步骤3：基于PageRank模型，根据自身属性和链接属性，将链接属性作为转移矩阵的引入，建立PPR模型，根据PPR模型对专利进行评价；/n所述自身属性包括同族专利因子和权利因子；/n确定自身属性中的同族专利因子，通过下式表示所述同族专利因子：/n

【技术特征摘要】
1.一种识别核心专利的评价方法，其特征是：包括以下步骤：
步骤1：构建PageRank模型，根据PageRank模型进行幂迭代；
步骤2：基于构建的PageRank模型，引入跳转概率对转移矩阵进行改进；
步骤3：基于PageRank模型，根据自身属性和链接属性，将链接属性作为转移矩阵的引入，建立PPR模型，根据PPR模型对专利进行评价；
所述自身属性包括同族专利因子和权利因子；
确定自身属性中的同族专利因子，通过下式表示所述同族专利因子：



其中，Pz(u)为被引专利u的同族专利数量，v为施引专利,为专利u归一化后的同族专利因子；
确定自身属性中的权利因子，通过下式表示所述权利因子：



其中，Pq(u)为被引专利u的同族权利因子数量，为专利u归一化后的同族权利因子；
将链接属性因子作为转移矩阵引入，建立PPR模型，通过下式表示PPR模型：



其中，Wd为入度占比因子矩阵，Wt为时间因子矩阵，wz为同族因子向量，wq为权利因子向量，e为全为1的列向量，a为0和1组成的列向量，λ为跳转概率，α1，α2，β1和β2分别为对应因子的权重；
经计算得到得到时间因子权重α1、入度占比因子权重α2，同族数量因子权重β1和权利数量因子权重β2。


2.根据权利要求1所述的一种识别核心专利的评价方法，其特征是：所述步骤1中构建PageRank模型具体为：
将互联网转换为一个有向图，网页为图中顶点，链接关系为边，当存在n个网页，通过图的链接关系，获得邻接矩阵W，通过下式表示邻接矩阵：
wij∈W



确定网页顶点的出度数为Oi，通过下式确定出度数：



根据出度数Oi确定节点j的PR值，通过下式表示节点j的PR值：



根据条件转移概率矩阵，邻接矩阵W行和归一化后的转置矩阵，确定节点j的PR值以矩阵形式，通过下式表示确定节点j的PR值以矩阵形式：
PRt＝HPRt-1
其中，H为条件转移概率矩阵。


3.根据权利要求2所述的一种识别核心专利的评...

【专利技术属性】
技术研发人员：石振锋，包恒玥，刘琬一，黄恺，
申请(专利权)人：黑龙江阳光惠远知识产权运营有限公司，
类型：发明
国别省市：黑龙江;23