一种专利价值转换的分析方法及系统技术方案

本发明专利技术公开了一种专利价值转换的分析方法及系统。先获取专利转让记录数据，再根据专利转让记录数据构建专利异构网络，接着对专利异构网络中的各网络节点进行向量化，最后将向量化后的各网络节点输入到卷积神经网络分类模型中，进行训练分类，得到专利价值转换的分析结果，从而解决了现有技术中不能对专利的价值转换进行评估的技术问题，实现了能够对专利的价值转换进行评估的技术效果。的价值转换进行评估的技术效果。的价值转换进行评估的技术效果。

【技术实现步骤摘要】
一种专利价值转换的分析方法及系统


[0001]本专利技术涉及数据分析
，尤其涉及一种专利价值转换的分析方法及系统。

技术介绍

[0002]随着世界范围内创新驱动的发展，科技创新也在不断发展。专利是科学技术成果的重要形式，它为科学技术创新提供了有效的保护和转化机会，包括使用和交换以实现其专利价值。
[0003]在现有技术中，还没有专门针对专利的价值转换进行评估的方法。

技术实现思路

[0004]本专利技术通过提供一种专利价值转换的分析方法及系统，解决了现有技术中不能对专利的价值转换进行评估的技术问题，实现了能够对专利的价值转换进行评估的技术效果。
[0005]本专利技术提供了一种专利价值转换的分析方法，包括：
[0006]获取专利转让记录数据；
[0007]根据所述专利转让记录数据构建专利异构网络；
[0008]对所述专利异构网络中的各网络节点进行向量化；
[0009]将向量化后的各网络节点输入到卷积神经网络分类模型中，进行训练分类，得到专利价值转换的分析结果。
[0010]进一步地，所述获取专利转让记录数据，包括：
[0011]通过网络爬虫的方法，从专利数据库中获取所述专利转让记录数据；其中，所述专利转让记录数据至少包括：专利号和专利权人。
[0012]进一步地，所述对所述专利异构网络中的各网络节点进行向量化，包括：
[0013]获取所述专利异构网络中的各网络节点之间的一阶结点相似向量和二阶结点相似向量；
[0014]将所述一阶结点相似向量和所述二阶结点相似向量进行拼接得到最终向量化的各网络节点。
[0015]进一步地，在所述得到专利价值转换的分析结果之后，还包括：
[0016]获得所述专利异构网络中所有专利号节点和专利权人节点之间的连接路径；
[0017]将所述各连接路径输入到提取特征的重要程度的算法中，得到所述各连接路径的权重；
[0018]结合所述专利价值转换的分析结果和所述各连接路径的权重，得出专利价值转换的实现方式。
[0019]进一步地，所述提取特征的重要程度的算法至少为以下任意一种：
[0020]线性回归算法和决策树算法。
[0021]本专利技术还提供了一种专利价值转换的分析系统，包括：
[0022]数据获取模块，用于获取专利转让记录数据；
[0023]网络构建模块，用于根据所述专利转让记录数据构建专利异构网络；
[0024]向量化模块，用于对所述专利异构网络中的各网络节点进行向量化；
[0025]数据分析模块，用于将向量化后的各网络节点输入到卷积神经网络分类模型中，进行训练分类，得到专利价值转换的分析结果。
[0026]进一步地，所述数据获取模块，具体用于通过网络爬虫的方法，从专利数据库中获取所述专利转让记录数据；其中，所述专利转让记录数据至少包括：专利号和专利权人。
[0027]进一步地，所述向量化模块，包括：
[0028]相似向量获取单元，用于获取所述专利异构网络中的各网络节点之间的一阶结点相似向量和二阶结点相似向量；
[0029]相似向量拼接单元，用于将所述一阶结点相似向量和所述二阶结点相似向量进行拼接得到最终向量化的各网络节点。
[0030]进一步地，还包括：
[0031]连接路径获取模块，用于获得所述专利异构网络中所有专利号节点和专利权人节点之间的连接路径；
[0032]运算模块，用于将所述各连接路径输入到提取特征的重要程度的算法中，得到所述各连接路径的权重；
[0033]分析模块，用于结合所述专利价值转换的分析结果和所述各连接路径的权重，得出专利价值转换的实现方式。
[0034]进一步地，所述提取特征的重要程度的算法至少为以下任意一种：
[0035]线性回归算法和决策树算法。
[0036]本专利技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0037]先获取专利转让记录数据，再根据专利转让记录数据构建专利异构网络，接着对专利异构网络中的各网络节点进行向量化，最后将向量化后的各网络节点输入到卷积神经网络分类模型中，进行训练分类，得到专利价值转换的分析结果，从而解决了现有技术中不能对专利的价值转换进行评估的技术问题，实现了能够对专利的价值转换进行评估的技术效果。
附图说明
[0038]图1为本专利技术实施例提供的专利价值转换的分析方法的流程图；
[0039]图2为本专利技术实施例提供的专利价值转换的分析系统的模块图；
[0040]图3为通过本专利技术实施例对专利价值转换进行分析具体实施例的逻辑原理图；
[0041]图4为通过本专利技术实施例构建出的专利转换异构网络图；
[0042]图5为通过本专利技术实施例得出的专利价值实现模式及其相应的影响因子对应关系图。
具体实施方式
[0043]本专利技术实施例通过提供一种专利价值转换的分析方法及系统，解决了现有技术中不能对专利的价值转换进行评估的技术问题，实现了能够对专利的价值转换进行评估的技
术效果。
[0044]本专利技术实施例中的技术方案为解决上述问题，总体思路如下：
[0045]先获取专利转让记录数据，再根据专利转让记录数据构建专利异构网络，接着对专利异构网络中的各网络节点进行向量化，最后将向量化后的各网络节点输入到卷积神经网络分类模型中，进行训练分类，得到专利价值转换的分析结果，从而解决了现有技术中不能对专利的价值转换进行评估的技术问题，实现了能够对专利的价值转换进行评估的技术效果。
[0046]为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0047]参见图1，本专利技术实施例提供的专利价值转换的分析方法，包括：
[0048]步骤S110：获取专利转让记录数据；
[0049]对本步骤进行具体说明，获取专利转让记录数据，包括：
[0050]通过网络爬虫的方法，从专利数据库中获取专利转让记录数据；其中，专利数据库包括各国专利局网站、各专业专利网站等。专利转让记录数据至少包括：专利号和专利权人。当然，专利转让记录数据还可以包括：专利分类号、专利权人的地理位置等。
[0051]步骤S120：根据专利转让记录数据构建专利异构网络；
[0052]步骤S130：对专利异构网络中的各网络节点进行向量化；
[0053]对本步骤进行具体说明，对专利异构网络中的各网络节点进行向量化，包括：
[0054]获取专利异构网络中的各网络节点之间的一阶结点相似向量和二阶结点相似向量；
[0055]将一阶结点相似向量和二阶结点相似向量进行拼接得到最终向量化的各网络节点。
[0056]在本实施例中，可以通过公式余弦相似度公式计算出一个专利号节点到另一个专利号节点、一个专利号节点到一个专利权人节点、一个专利权人节点到另一个专利权人节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种专利价值转换的分析方法，其特征在于，包括：获取专利转让记录数据；根据所述专利转让记录数据构建专利异构网络；对所述专利异构网络中的各网络节点进行向量化；将向量化后的各网络节点输入到卷积神经网络分类模型中，进行训练分类，得到专利价值转换的分析结果。2.如权利要求1所述的分析方法，其特征在于，所述获取专利转让记录数据，包括：通过网络爬虫的方法，从专利数据库中获取所述专利转让记录数据；其中，所述专利转让记录数据至少包括：专利号和专利权人。3.如权利要求1所述的分析方法，其特征在于，所述对所述专利异构网络中的各网络节点进行向量化，包括：获取所述专利异构网络中的各网络节点之间的一阶结点相似向量和二阶结点相似向量；将所述一阶结点相似向量和所述二阶结点相似向量进行拼接得到最终向量化的各网络节点。4.如权利要求2所述的分析方法，其特征在于，在所述得到专利价值转换的分析结果之后，还包括：获得所述专利异构网络中所有专利号节点和专利权人节点之间的连接路径；将所述各连接路径输入到提取特征的重要程度的算法中，得到所述各连接路径的权重；结合所述专利价值转换的分析结果和所述各连接路径的权重，得出专利价值转换的实现方式。5.如权利要求4所述的分析方法，其特征在于，所述提取特征的重要程度的算法至少为以下任意一种：线性回归算法和决策树算法。6.一种专利价值转换的分析系统，其特征在于，包括：数据获取...

【专利技术属性】
技术研发人员：刘维东，张全平，郭旭，乔文博，
申请(专利权)人：内蒙古大学，
类型：发明
国别省市：