一种专利交易预测方法及系统、专利交易平台技术方案

本发明专利技术公开了一种专利交易预测方法，包括以下步骤：获取待预测专利数据；构建预测模型，预测模型由计算机执行，以预测待预测专利数据的交易概率；将交易概率显示在待预测专利数据的数据属性中。本发明专利技术的专利预测方法将专利交易概率显示在专利数据属性中，提高专利交易概率。本发明专利技术还提供一种专利交易预测系统、专利交易平台，同样具有上述优点。同样具有上述优点。同样具有上述优点。

【技术实现步骤摘要】
一种专利交易预测方法及系统、专利交易平台


[0001]本专利技术涉及通讯
，具体涉及一种专利交易预测方法及系统、专利交易平台。

技术介绍

[0002]目前我国技术市场成交量增长迅速，利用互联网开展技术交易等科技服务具有巨大潜力。发展在线化交易服务技术的目的在于降低交易成本、缓解交易过程的信息不对称、提高服务协同共享能力。
[0003]在专利交易过程中，平台管理者缺少对专利技术交易趋势、识别技术交易的潜力的预测，导致网上专利技术运作效率低。

技术实现思路

[0004]本专利技术的目的在于提供一种专利交易预测方法及系统、专利交易平台，以解决专利交易平台上缺乏对专利交易趋势预测这一技术问题。
[0005]为达到上述目的，本专利技术提供一种专利交易预测方法，包括以下步骤：获取待预测专利数据；构建预测模型，预测模型由计算机执行，以预测待预测专利数据的交易概率；将交易概率显示在待预测专利数据的数据属性中。
[0006]优选地，构建预测模型包括：获取数据样本，数据样本为已发生交易的专利数据组合；获取专利数据组合的初始预测指标；构建初始预测指标和交易概率的初始预测模型；根据初始预测指标与初始预测模型的相关度，从初始预测指标中选取预测指标，以及权重；基于预测指标和权重构建预测模型。
[0007]优选地，构建初始预测指标和交易概率的初始预测模型，包括：至少从同族专利数、前向引用数、权利要求数、IPC数、专利技术人数、后向引用数、维持时间、权利人类型、权利人与交易平台的直线距离和专利交易价格选取若干个初始预测指标，构建初始预测模型。
[0008]优选地，根据初始预测指标与初始预测模型的相关度，从初始预测指标中选取预测指标，以及权重，包括：根据初始预测指标与交易概率发生的拒绝原假设的值确定预测指标。
[0009]优选地，初始预测模型为logistic回归模型。
[0010]优选地，logistic回归模型中专利数据发生交易的概率为P(y
i
＝1
│
x1,x2,
…
,x
i
)，其中P满足以下公式：
[0011][0012][0013]其中，上式中β0为常数项，β1～β
i
分别为自变量x1～x
i
的系数。
[0014]与现有技术相比，本专利技术的专利交易预测方法，通过从初始预测指标中构建初始
预测模型，并根据初始预测指标与初始预测模型之间的相关度，选取预测指标，并最终构建预测模型，获得待预测专利数据的交易概率，实现对专利数据被交易的概率的预测，推动了专利交易平台专利交易的运作效率。
[0015]本专利技术还提供一种专利交易预测系统，包括：
[0016]接收单元，用于获取待预测专利数据；处理单元，用于构建预测模型，预测模型由计算机执行，以预测待预测专利数据的交易概率；并将交易概率显示在待预测专利数据的数据属性中。
[0017]优选地，处理单元用于：获取数据样本，数据样本为已发生交易的专利数据组合；获取专利数据组合的初始预测指标；构建初始预测指标和交易概率的初始预测模型；根据初始预测指标与初始预测模型的相关度，从初始预测指标中选取预测指标，以及权重；基于预测指标和权重构建预测模型。
[0018]优选地，处理单元用于：至少从同族专利数、前向引用数、权利要求数、IPC数、专利技术人数、后向引用数、维持时间、权利人类型、权利人与交易平台的直线距离和专利交易价格选取若干个初始预测指标，构建初始预测模型；根据初始预测指标与交易概率发生的拒绝原假设的值确定预测指标。
[0019]与现有技术相比，本专利技术提供的专利交易预测系统的有益效果与上述专利交易预测方法的有益效果相同，在此不做赘述。
[0020]本专利技术还提供一种专利交易平台，包括上述专利交易预测系统。
[0021]与现有技术相比，本专利技术提供的专利交易平台的有益效果与上述专利交易预测方法的有益效果相同，在此不做赘述。
附图说明
[0022]图1为本专利技术的专利预测方法的流程图；
[0023]图2为本专利技术的构建预测模型的流程图；
[0024]图3为本专利技术的专利预测系统的框图；
[0025]附图标记：
[0026]11.接收单元、12.处理单元。
具体实施方式
[0027]下面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作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]本实施例中提到的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况。“示例性的”或者“例如”等词用于表示作例子、例证或说明，旨在以具体方式呈现相关概念，不应被解释为比其他实施例或设计方案更优选或更具优势。
[0029]在介绍本申请实施例之前首先对本申请实施例中涉及到的相关名词作如下释义：
[0030]国际专利分类法(international patent classification，缩写为IPC)。
[0031]随着社会的发展，越来越多的专利交易平台或管理系统涌现，专利被当做商品被交易，当也应当注意到，由于专利交易平台上缺少对专利交易预测，致使专利管理平台上大量专利被闲置。
[0032]为解决上述技术问题，本专利技术提供一种专利交易预测方法及系统、专利交易平台。
[0033]如图1所述，本专利技术提供的一种专利交易预测方法，包括以下步骤：
[0034]S1.获取待预测专利数据；
[0035]需要说明的是，本专利技术的专利交易预测方法应用在专利交易平台上。专利交易平台上有若干专利数据，获取待预测专利数据。此时专利数据信息中包含有专利的初始预测指标。包括：交易价格、权利人与交易平台的距离、权利维持时间、权利人类型、权利要求数量、专利技术人数、前向引用数、IPC数、专利技术人数、后向引用数以及同族专利数。应理解，当构建不同的专利预测模型，可不限于上述预测预测指标。
[0036]S2.构建预测模型，预测模型由计算机执行，以预测待预测专利数据的交易概率。
[0037]在本实施例中，利用初始初测指标构建初始预测模型，并通过对初始预测指标的分析选取预测指标构建预测模型，选取待预测专利数据后实现对待预测专利数据的交易概率的预测。
[0038]专利交易包括专利法律状态发生变化，包括：专利授权、专利许可、专利转让、专利质押、专利失效。应理解，专利交易不限于上述专利法律状态发生变化。
[0039]S3.将交易概率显示在待预测专利数据的数据属性中。
[0040]将交易概率的数值显示在待预测专利数据的属性中，待用户在专利交易平台浏览时，显示的专利交易本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种专利交易预测方法，应用于专利交易平台，其特征在于，包括以下步骤：获取待预测专利数据；构建预测模型，所述预测模型由计算机执行，以预测所述待预测专利数据的交易概率；将所述交易概率显示在所述待预测专利数据的数据属性中。2.根据权利要求1所述的专利交易预测方法，其特征在于，所述构建预测模型包括：获取数据样本，所述数据样本为已发生交易的专利数据组合；获取所述专利数据组合的初始预测指标；构建所述初始预测指标和所述交易概率的初始预测模型；根据所述初始预测指标与所述初始预测模型的相关度，从所述初始预测指标中选取预测指标，以及权重；基于所述预测指标和权重构建所述预测模型。3.根据权利要求1或2所述的专利交易预测方法，其特征在于，所述构建所述初始预测指标和所述交易概率的初始预测模型，包括：至少从同族专利数、前向引用数、权利要求数、IPC数、发明人数、后向引用数、维持时间、权利人类型、权利人与所述交易平台的直线距离和专利交易价格选取若干个所述初始预测指标，构建所述初始预测模型。4.根据权利要求1所述的专利交易预测方法，其特征在于，所述根据所述初始预测指标与所述初始预测模型的相关度，从所述初始预测指标中选取预测指标，以及权重，包括：根据所述初始预测指标与所述交易概率发生的拒绝原假设的值确定所述预测指标。5.根据权利要求4所述的专利交易预测方法，其特征在于，所述初始预测模型为logistic回归模型。6.根据权利要求5所述的专利交易预测方法，其特征在于，所述logistic回归模型中专利数据发生交易概率为P(y

【专利技术属性】
技术研发人员：李广凯，郑金，曾森，段力勇，柳勇军，龚余婧，甄春杰，
申请(专利权)人：保定市大为计算机软件开发有限公司，
类型：发明
国别省市：