本发明专利技术属于专利评估技术领域，提供了一种基于深度图和语义学习的专利价值评估方法。在指标筛选过程中，将专利转让与专利价值评估指标体系的构建结合起来，为特征选择提供了一个客观公允、操作性强的评估方法。其次，通过文本语义学习计算专利的新颖性，从语义角度衡量专利价值。进一步利用深度图学习，最大化局部表示和全局表示之间的信息集成节点特征表示，并结合XGBoost算法对专利价值进行评估。本方法突破了传统方法在专利价值评估问题中的不足，同时引入专利文本新颖性衡量专利的价值。实验结果表明提出的方法具有较高的准确性和可靠性。本发明专利技术提供一种专利价值评估新方法，同时为专利价值的研究提供了一种新的解决方案。为专利价值的研究提供了一种新的解决方案。为专利价值的研究提供了一种新的解决方案。
【技术实现步骤摘要】
一种基于深度图和语义学习的专利价值评估方法
[0001]本专利技术属于专利评估
，特别涉及一种基于深度图和语义学习的专利价值评估方法。
技术介绍
[0002]“高价值专利”是业界高度关注热词，培育高价值专利已经成为创新驱动高质量发展的时代共识，国家知识产权主管部门更是将培育高价值专利、提升专利质量作为重点工作之一。为此，如何评估专利价值、识别高价值专利就成为当前迫切需要解决的关键问题。然而，随着知识产权战略的深入推进和实施，我国专利数量实现了大幅增长，传统的专利价值评估方法逐渐无法满足对大量待评估专利进行价值评估的需求。因此，构建适用于大数据背景的专利价值评估模型，从数量众多的专利中快速有效识地别出高价值专利已经成为提升创新发展质量的关键问题。
[0003]目前的有关于专利价值的研究主要从单指标探究专利价值影响因素，比如“Hall B,Trajtenberg M.Market value and patent citations[J].The Rand Journal of Economics,2005,36(1):16
–
38”、“Lerner J,The importance of patent scope:an empirical analysis[J].The Rand Journal ofEconomics,1994,25,319
‑
333.”、“HarhoffD,Scherer F M,Vopel K.Citations,family size,opposition and the value of patentrights[J].Research Policy,2003,32(8).”和“LanjouwJ O,Schankerman M.Patent quality and research productivity:measuringinnovationwith multiple indicators[J].Economic Journal,2004,114(495):441
–
465.”，又或者是从多指标评估专利价值展开，比如“万小丽,朱雪忠.专利价值的评估指标体系及模糊综合评价[J].科研管理,2008(02):185
‑
191.”、“宋河发,穆荣平,陈芳.专利质量及其测度方法与测度指标体系研究[J].科学学与科学技术管理,2010,31(04):21
‑
27.”和“郭磊,蔡虹,张越.专利战略化情境下的产业核心专利态势分析[J].科学学研究,2016,34(11):1663
‑
1671+1757.”)。如Hall等最早提出利用专利被引频次反应专利的价值，Lerner研究发现专利涉及的技术范围对专利价值有显著影响，但这些方法都难以客观反映专利的经济价值；其次，现存的许多研究都集中在依靠专利指标来评估专利的价值，例如专利被引证数、专利诉讼等，万小丽等通过层次分析和模糊综合评价的方法建立了包含创新度、技术含量等17个指标在内的指标体系，通过定性与定量相结合方式为专利价值的评估提出一种新思路；郭磊等研究发现权利宽度、技术范围及自引行为与专利价值间有显著的正向关系，但是可以发现，研究中的各项指标都是专利的特征信息，模型中涉及的指标及指标权重各不相同，学术界对于指标的选取未达成共识。同时，专利的文本信息是反映专利新颖性的重要因素，而这种语义新颖性是现有研究中尚未考虑的。因此需要研究人员提出一种能够有效融合多指标，同时能够从语义角度衡量专利价值的专利价值评估方法。
技术实现思路
[0004]本专利技术的针对现有研究的不足，结合专利的特点提出专利价值评估方法。首先对专利特征进行筛选，然后结合深度语义学习提出衡量专利的语义新颖性。同时，为了有效融合外部指标和语义信息，基于互信息最大化学习节点的表示，保留节点的局部信息和网络的全局信息，最后结合XGBoost算法估算出专利的价值。本专利技术首次使用语义学习和深度图学习提供了一种面向大数据的专利经济价值评估的方法。
[0005]本专利技术的技术方案：一种基于深度图和语义学习的专利价值评估方法，通过已有的专利数据集建立有效融合多指标和语义新颖性的综合评估值综合评估模型，将综合评估模型运用于待评估专利数据集预测专利的价值。包括以下步骤：
[0006]步骤1.获取专利的属性特征与专利之间的引用关系，构建专利引用网络；
[0007]步骤2.以转让专利作为高经济价值专利的标准，确定专利价值评估的海选指标及指标所属准则层；
[0008]构建专利价值评估的海选指标专利价值评估的海选指标所属的准则层包括：技术类指标、被引证类指标、IPC类指标、国际化类指标、时间类指标、权利类指标和专利权人指标；海选指标的构建见表1；
[0009]表1准则层与海选指标体系表
[0010][0011]步骤3.基于K
‑
S方法对专利价值评估的海选指标进行筛选并构建用于专利价值评估的指标体系；
[0012]步骤3.1、专利价值评估的海选指标数据标准化处理；
[0013]数据标准化处理为采用最大值
‑
最小值标准化方法，对专利价值评估的海选指标的样本数据进行处理，消除量纲的影响；
[0014]步骤3.2、计算单个指标D值；
[0015]通过计算已有的专利数据集中，各专利价值评估的海选指标对应的转让专利与未转让专利累计频率差值的最大值，得出专利价值评估的海选指标的K
‑
S检验统计量D值；
[0016]步骤3.3、计算同一准则层中指标相关系数；
[0017]计算同一准则层内任意两个指标间的相关系数，确定专利价值评估的海选指标中反映信息重复的指标对，在相关系数大于0.7的指标对中删除D值小的指标，完成专利价值评估的海选指标的第一次筛选；剩余的K个专利价值评估的海选指标组成指标体系；
[0018]步骤3.4、计算专利经济价值得分；
[0019]根据K
‑
S检验统计量D值对剩余专利价值评估的海选指标进行赋权，确保D值越大的指标，权重越大；通过线性加权的方式计算专利的经济价值得分；利用公式(1)计算专利价值评估的海选指标权重：
[0020][0021]利用公式(2)计算专利经济价值得分：
[0022][0023]其中，w
j
为第j个专利价值评估的海选指标权重；D
j
为第j个指标的K
‑
S检验统计量D值；k是需要赋予权重的专利价值评估的海选指标数：k＝1,2,
…
K；K为第一次筛选后剩余专利价值评估的海选指标数；Z为专利经济价值得分；x
j
为待评估专利第j个专利价值评估的海选指标的标准化值；
[0024]步骤3.5、计算指标体系的K
‑
S检验统计量D值；
[0025]类比单个价值评估的海选指标D值的计算，计算出由指标体系本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度图和语义学习的专利价值评估方法，其特征在于，包括以下步骤：步骤1.获取专利的属性特征与专利之间的引用关系，构建专利引用网络；步骤2.以转让专利作为高经济价值专利的标准，确定专利价值评估的海选指标及指标所属准则层；构建专利价值评估的海选指标专利价值评估的海选指标所属的准则层包括：技术类指标、被引证类指标、IPC类指标、国际化类指标、时间类指标、权利类指标和专利权人指标；海选指标的构建见表1；表1准则层与海选指标体系表步骤3.基于K
‑
S方法对专利价值评估的海选指标进行筛选并构建用于专利价值评估的指标体系；步骤3.1、专利价值评估的海选指标数据标准化处理；数据标准化处理为采用最大值
‑
最小值标准化方法，对专利价值评估的海选指标的样本数据进行处理，消除量纲的影响；步骤3.2、计算单个指标D值；通过计算已有的专利数据集中，各专利价值评估的海选指标对应的转让专利与未转让专利累计频率差值的最大值，得出专利价值评估的海选指标的K
‑
S检验统计量D值；步骤3.3、计算同一准则层中指标相关系数；计算同一准则层内任意两个指标间的相关系数，确定专利价值评估的海选指标中反映信息重复的指标对，在相关系数大于0.7的指标对中删除D值小的指标，完成专利价值评估的海选指标的第一次筛选；剩余的K个专利价值评估的海选指标组成指标体系；步骤3.4、计算专利经济价值得分；根据K
‑
S检验统计量D值对剩余专利价值评估的海选指标进行赋权，确保D值越大的指
标，权重越大；通过线性加权的方式计算专利的经济价值得分；利用公式(1)计算专利价值评估的海选指标权重：利用公式(2)计算专利经济价值得分：其中，w
j
为第j个专利价值评估的海选指标权重；D
j
为第j个指标的K
‑
S检验统计量D值；k是需要赋予权重的专利价值评估的海选指标数：k＝1,2,
…
K；K为第一次筛选后剩余专利价值评估的海选指标数；Z为专利经济价值得分；x
j
为待评估专利第j个专利价值评估的海选指标的标准化值；步骤3.5、计算指标体系的K
‑
S检验统计量D值；类比单个价值评估的海选指标D值的计算，计算出由指标体系得出的专利经济价值得分的K
‑
S检验统计量D值；步骤3.6、在计算出第一次筛选后剩余K个专利价值评估的海选指标组成的指标体系D值后，依次删除一个专利价值评估的海选指标，计算剩余K
‑
1个专利价值评估的海选指标组合中D值的最大值，对比删除该专利价值评估的海选指标前后D值的变化，当删除该专利价值评估的海选指标后，剩余指标组合D值比删除前变大，则删除该专利价值评估的海选指标；步骤3.7、循环步骤3.6直至删除任意一个专利价值评估的海选指标后，剩余指标组合D值均小于删除该专利价值评估的海选指标前的D值，此时停止删除专利价值评估的海选指标，完成专利价值评估的海选指标的第二次筛选；剩下的专利价值评估的海选指标为最优专利价值评估的海选指标组合；步骤4.计算专利的语义新颖性，包括以下步骤；步骤4.1、根据专利的发明名称与摘要建立语料库集合T＝{t1,t2,
…
,t
i
}，其中，t
i
是专利i的文本信息集合，即发明名称与专利说明书摘要组成的文本；段落向量矩阵V的唯一列向量表示每个专利的文本段落，单词...
【专利技术属性】
技术研发人员：孙玉涛，刘嘉莹，杨祥君，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：
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。