一种企业专利数据的处理方法、装置、终端设备及介质制造方法及图纸

本发明专利技术公开了一种企业专利数据的处理方法、装置、终端设备及介质，通过获取待测企业的专利数据，并根据专利信息种类和数据量对专利数据进行标准化处理，从而能够获得无量纲数据，将无量纲数据代入提前训练好的权重模型中，权重模型能够基于待测企业对应专利数据的特点进行相似权重的分配，基于无量纲数据的专利信息种类和权重值，能够为待测企业进行创新得分的计算奠定基础，且通过将无量纲数据按照专利信息种类进行指标划分，并结合权重值进行量化，从而通过企业专利数据计算创新得分，能够用于评价待测企业的创新能力，实现了企业知识产权实力的评估。识产权实力的评估。识产权实力的评估。

【技术实现步骤摘要】
一种企业专利数据的处理方法、装置、终端设备及介质


[0001]本专利技术涉及电数字数据处理领域，尤其涉及一种企业专利数据的处理方法、装置、终端设备及介质。

技术介绍

[0002]知识产权指的是公民、法人或者其他组织对其基于脑力劳动创造完成的智力成果所依法享有的专有权利，包括著作权、商标权、专利权、商业秘密、植物新品种等知识产权。
[0003]随着企业间竞争日趋激烈，提高拥有自己核心知识产权在竞争中就会处于主动地位，核心知识产权来源主要有：一是企业在发展过程中会通过自身生产实践过程中的不断经验总结形成自己独有的、提高自己工作效率和工作质量的方法或工具，并得到法律认可和保护；二是通过技术交易的方式获得知识产权。
[0004]随着经济的全球化发展，知识产权逐渐成为企业在行业竞争中的重要战略资源。国际化商业竞争压力不断加剧，知识产权作为发达经济体维护其自身利益的手段，正逐渐受到各国企业的重视。当前国内缺乏对企业知识产权实力状况进行智能化评估及创新能力预测的工具。
[0005]因此，亟需一种企业专利数据的处理策略，从而解决无法评估企业知识产权实力的问题。

技术实现思路

[0006]本专利技术实施例提供一种企业专利数据的处理方法、装置、终端设备及介质，以解决当前无法评估企业知识产权实力的问题。
[0007]为了解决上述问题，本专利技术一实施例提供一种企业专利数据的处理方法，包括：
[0008]获取待测企业的若干专利数据；其中，所述专利数据包括：专利信息种类和数据量；
>[0009]根据每一所述专利数据的专利信息种类和数据量，对每一所述专利数据进行标准化处理，获得每一所述专利数据对应的无量纲数据；
[0010]将每一所述无量纲数据代入预设的权重模型中，获得每一所述无量纲数据对应的权重值；其中，所述权重模型通过将若干组已标注权重值的专利训练数据输入到深度神经网络中训练获得；
[0011]根据每一所述无量纲数据对应的所属类型和权重值，计算获得待测企业的若干创新得分，并根据若干创新得分获得所述待测企业的创新能力评价结果。
[0012]作为上述方案的改进，所述获取待测企业的若干专利数据，包括：
[0013]在预设的数据库中提取所述待测企业的基础数据；
[0014]对所述基础数据进行数据筛查，获得所述待测企业的若干专利数据。
[0015]作为上述方案的改进，所述对所述基础数据进行数据筛查，包括：将所述基础数据中的大于第一阈值的数据和小于第二阈值的数据进行删除；其中，所述第一阈值大于第二
阈值。
[0016]作为上述方案的改进，所述根据每一所述专利数据的专利信息种类和数据量，对每一所述专利数据进行标准化处理，获得每一所述专利数据对应的无量纲数据，包括：
[0017]根据每一专利数据的专利信息种类和专利信息种类对应的数据量，重复执行标准化处理，直到所有专利数据被处理后停止，并获得每一所述专利数据对应的无量纲数据；
[0018]其中，所述标准化处理，包括：在未执行标准化处理的若干专利数据中选取一专利数据作为目标专利数据，根据目标专利数据对应的目标专利信息种类和目标数据量，在目标专利信息种类对应的专利数据中，确定最大数据量和最小数据量，将所述目标数据量、所述最大数据量和所述最小数据量代入标准化公式中，获得无量纲数据量；根据所述无量纲数据量和所述目标专利信息种类，获得目标专利数据对应的无量纲数据；所述标准化公式，具体为：
[0019][0020]式中，X"为无量纲数据量，X为目标数据量，A
max
最大数据量，A
min
为最小数据量。
[0021]作为上述方案的改进，所述权重模型的训练方法，包括：
[0022]获取若干组已标注权重值的专利训练数据，将所述专利训练数据分为训练集和测试集；其中，所述专利训练数据包括：训练无量纲数据量和训练专利信息种类，每一训练专利信息种类对应一权重值；
[0023]根据所述专利训练数据，重复执行模型训练操作，直到测试结果和目标预设参数保持一致后停止，并获得权重模型；
[0024]其中，所述模型训练操作，包括：
[0025]在未执行模型训练操作的训练集中选取一目标训练集，将所述目标训练集输入到已设置预设参数的深度神经网络中进行训练，获得初始模型；
[0026]在未执行模型训练操作的测试集中选取一目标测试集，将所述目标测试集输入到初始模型中进行测试，获得测试结果；
[0027]对测试结果和预设参数进行判断：若不一致，则根据测试结果生成一新的预设参数，并将下一模型训练操作对应的深度神经网络设置为新的预设参数；若一致，则输出权重模型。
[0028]相应的，本专利技术一实施例还提供了一种企业专利数据的处理装置，包括：数据获取模块、标准化处理模块、模型运行模块和结果生成模块；
[0029]所述数据获取模块，用于获取待测企业的若干专利数据；其中，所述专利数据包括：专利信息种类和数据量；
[0030]所述标准化处理模块，用于根据每一所述专利数据的专利信息种类和数据量，对每一所述专利数据进行标准化处理，获得每一所述专利数据对应的无量纲数据；
[0031]所述模型运行模块，用于将每一所述无量纲数据代入预设的权重模型中，获得每一所述无量纲数据对应的权重值；其中，所述权重模型通过将若干组已标注权重值的专利训练数据输入到深度神经网络中训练获得；
[0032]所述结果生成模块，用于根据每一所述无量纲数据对应的所属类型和权重值，计算获得待测企业的若干创新得分，并根据若干创新得分获得所述待测企业的创新能力评价
结果。
[0033]作为上述方案的改进，所述标准化处理模块，包括：
[0034]根据每一专利数据的专利信息种类和专利信息种类对应的数据量，重复执行标准化处理，直到所有专利数据被处理后停止，并获得每一所述专利数据对应的无量纲数据；
[0035]其中，所述标准化处理，包括：在未执行标准化处理的若干专利数据中选取一专利数据作为目标专利数据，根据目标专利数据对应的目标专利信息种类和目标数据量，在目标专利信息种类对应的专利数据中，确定最大数据量和最小数据量，将所述目标数据量、所述最大数据量和所述最小数据量代入标准化公式中，获得无量纲数据量；根据所述无量纲数据量和所述目标专利信息种类，获得目标专利数据对应的无量纲数据；所述标准化公式，具体为：
[0036][0037]式中，X"为无量纲数据量，X为目标数据量，A
max
最大数据量，A
min
为最小数据量。
[0038]作为上述方案的改进，所述权重模型的训练方法，包括：
[0039]获取若干组已标注权重值的专利训练数据，将所述专利训练数据分为训练集和测试集；其中，所述专利训练数据包括：训练无量纲数据量和训练专利信息种类；
[0040]根据所述专利训练数据，重复执行模型训练操作，直到测试本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业专利数据的处理方法，其特征在于，包括：获取待测企业的若干专利数据；其中，所述专利数据包括：专利信息种类和数据量；根据每一所述专利数据的专利信息种类和数据量，对每一所述专利数据进行标准化处理，获得每一所述专利数据对应的无量纲数据；将每一所述无量纲数据代入预设的权重模型中，获得每一所述无量纲数据对应的权重值；其中，所述权重模型通过将若干组已标注权重值的专利训练数据输入到深度神经网络中训练获得；根据每一所述无量纲数据对应的专利信息种类和权重值，计算获得待测企业的若干创新得分，并根据若干创新得分获得所述待测企业的创新能力评价结果。2.根据权利要求1所述的企业专利数据的处理方法，其特征在于，所述获取待测企业的若干专利数据，包括：在预设的数据库中提取所述待测企业的基础数据；对所述基础数据进行数据筛查，获得所述待测企业的若干专利数据。3.根据权利要求2所述的企业专利数据的处理方法，其特征在于，所述对所述基础数据进行数据筛查，包括：将所述基础数据中的大于第一阈值的数据和小于第二阈值的数据进行删除；其中，所述第一阈值大于第二阈值。4.根据权利要求1所述的企业专利数据的处理方法，其特征在于，所述根据每一所述专利数据的专利信息种类和数据量，对每一所述专利数据进行标准化处理，获得每一所述专利数据对应的无量纲数据，包括：根据每一专利数据的专利信息种类和专利信息种类对应的数据量，重复执行标准化处理，直到所有专利数据被处理后停止，并获得每一所述专利数据对应的无量纲数据；其中，所述标准化处理，包括：在未执行标准化处理的若干专利数据中选取一专利数据作为目标专利数据，根据目标专利数据对应的目标专利信息种类和目标数据量，在目标专利信息种类对应的专利数据中，确定最大数据量和最小数据量，将所述目标数据量、所述最大数据量和所述最小数据量代入标准化公式中，获得无量纲数据量；根据所述无量纲数据量和所述目标专利信息种类，获得目标专利数据对应的无量纲数据；所述标准化公式，具体为：式中，X"为无量纲数据量，X为目标数据量，A
max
最大数据量，A
min
为最小数据量。5.根据权利要求1所述的企业专利数据的处理方法，其特征在于，所述权重模型的训练方法，包括：获取若干组已标注权重值的专利训练数据，将所述专利训练数据分为训练集和测试集；其中，所述专利训练数据包括：训练无量纲数据量和训练专利信息种类，每一训练专利信息种类对应一权重值；根据所述专利训练数据，重复执行模型训练操作，直到测试结果和目标预设参数保持一致后停止，并获得权重模型；其中，所述模型训练操作，包括：
在未执行模型训练操作的训练集中选取一目标训练集，将所述目标训练集输入到已设置预设参数的深度神经网络中进行训练，获得初始模型；在未执行模型训练操作的测试集中选取一目标测试集，将所述目标测试集输入到初始模型中进行测试，获得测试结果；对测试结果和预设参数进行判断：若不一致，则根据测试结果生成一新的预设参数，并将下一模型训练操作对应的深度神经网络设置为新的预设参数；若一致，则输出权重模型。6.一种企业专利数据的处理装置，其特征在于，包括：数据获取模块、标准化处理...

【专利技术属性】
技术研发人员：李梓健，肖运龙，陈远，范文杰，
申请(专利权)人：中知数通北京信息技术有限公司，
类型：发明
国别省市：