【技术实现步骤摘要】
本专利技术涉及专利价值评估，具体涉及一种基于机器学习模型的专利价值预测方法、系统、电子设备及存储介质。
技术介绍
1、伴随着经济全球化进程不断加快，保护创新以求在科学技术竞争中保持优势已经成为各个国家的共识。在知识经济时代，作为科技创新的竞争基础，知识产权已然成为最具价值的财产形式。而专利作为知识产权的重要载体，是国家科技实力的表现，是企业抢占市场的利器，是个人智慧成果的结晶。专利质押融资作为专利价值化的渠道之一，其增长的数据充分说明了专利在我国保护创新，刺激经济和技术转化方面起到的重要推动作用。
2、相较于有形资产在市场上具有明确的市场价格，专利由于其唯一性特征，并且缺少可供参考的公开交易数据，其评估难度明显更大。实践中专利价值的评估还面临着技术因素、市场因素和法律因素等不确定性影响，这使专利价值评估更具复杂性。目前专利价值评估正向着多元维度不断发展，国内外对专利价值指标已经进行了很多的研究，但是目前学者们还没有达成一致共识，即没有公认的专利价值特征指标体系。
3、传统的专利价值分析方法大多采用人工评分法，此方...
【技术保护点】
1.一种基于机器学习模型的专利价值预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习模型的专利价值预测方法，其特征在于：在搜集专利数据制作数据集后，先将所制作的数据集基于粗糙集理论进行数据离散化及属性约简。
3.根据权利要求1所述的基于机器学习模型的专利价值预测方法，其特征在于：所述的专利价值特征指标集包括一级指标和二级指标；所述的一级指标包括技术维度、法律维度和市场维度；所述的技术维度包括的二级指标有：权利要求数量、技术宽度、说明书页数、专利引证次数、被印证次数、专利技术人数量、当前法律状态和申请人类型；所述的法律维度...
【技术特征摘要】
1.一种基于机器学习模型的专利价值预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习模型的专利价值预测方法，其特征在于：在搜集专利数据制作数据集后，先将所制作的数据集基于粗糙集理论进行数据离散化及属性约简。
3.根据权利要求1所述的基于机器学习模型的专利价值预测方法，其特征在于：所述的专利价值特征指标集包括一级指标和二级指标；所述的一级指标包括技术维度、法律维度和市场维度；所述的技术维度包括的二级指标有：权利要求数量、技术宽度、说明书页数、专利引证次数、被印证次数、发明人数量、当前法律状态和申请人类型；所述的法律维度包括的二级指标有：专利寿命、审查时长、诉讼次数、简单同族个数和拓展同族个数；所述的市场维度包括的二级指标有：转让次数、许可次数和专利类型。
4.根据权利要求3所述的基于机器学习模型的专利价值预测方法，其特征在于：其中属于数字特征的指标为：权利要求数量、ipc分类数、专利印证次数、专利被印证次数、发明人数量、专利寿命、审查时长、拓展同族个数、简单同族个数、诉讼次数、转让次数、许可次数和说明书页数；其中属于类别特征的指标为：当前法律...
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。