一种专利引进预测值的计算方法技术

本发明专利技术公开了一种专利引进预测值的计算方法，首先抽取影响专利引进的主要特征，包括撰写质量、新颖性、技术趋势、发明专利技术人及代理人特征，然后根据历史数据及专利特征值构建分类器，并计算出专利的初始引进预测值，再根据专利之间的相似度构建专利引用网络，并初始化每一个节点的专利引进预测值，根据引用该专利的节点及该节点引用的专利的引进预测值、出度、入度，通过类似Hits算法的思想，迭代计算得到目标专利的引进预测值。接着基于关键词检索，再结合专利特征，获取用户感兴趣的专利集合，最后根据专利集合中各专利的引进预测值，将检索结果按引进预测值降序显示，向用户推荐引进可能性较高的专利；本发明专利技术具有很好的有效性和良好的时效性。

【技术实现步骤摘要】

本专利技术涉及，主要涉及专利特征提取、引进性评估等方面。
技术介绍
在以经济全球化为特点的知识经济时代，企业之间的竞争已经由原来的资本竞争转向了技术竞争，更加广阔和开放的金融环境使得拥有核心科技显得更加重要，而核心科技依赖着持续的科技创新。专利文献作为一种公开的受法律保护的科技文献，可以体现企业创新能力，巩固领域内技术地位，保护科研成果不受侵犯，促进先进科技的不断出现，其重要性越来越受到重视。根据世界知识产权组织报道，专利文献包含全世界每年90%-95%的最新科研成果，其中有70%左右的专利技术技术从未在其它非专利文献上发表，如果企业能够充分利用专利文献指导技术创新，将可以有效节约40%的研究经费和60%的研究时间。但是在市场经济高速发展的今天，由于产品更新换代快，寿命周期短，时效性强，某些企业在缺乏技术专家、缺少实验设备、或在对某一产品改进所产生的利润不足以抵补研究开发费用时，多数采用引进专利技术的策略，以图在较短的时间内、用较少的投入获得较强竞争优势。全世界的专利数据总数在千万级别，而中国的专利数据截止到2013年底也达到了 800万条，数据已经逐渐呈现海量的特征。在海量信息中，企业获取有价值专利的代价也相应提高。目前专利引进主要基于人工判断，工作繁杂，而且要考虑的因素众多。一般企业会从以下几个方面来综合考虑专利的引进:1.检索专利文献，从中找出众多同类技术，择优筛选；2.了解该专利的法律状态，查明要引进的专利技术是否有效，或是否申请了中国专利或取得了中国专利权；3.了解该专利的技术成熟程度，是仅限于设计阶段，是处于实验阶段，还是已进入生产阶段。专利技术成熟度是企业制定战略、进行技术贸易的重要参考指标，也是企业确定局部创新和系统创新的投入比例、把握创新时机的重要依据；4.对该专利进行经济分析。专利权与经济效益是分不开的，要对专利项目的技术先进性、经济可行性及市场前景等进行具体、深入、科学的可行性论证。
技术实现思路
本专利技术主要是提出了一种专利价值的评估方法，本专利技术主要是解决现有方法所存在的技术问题；提供了多种专利特征的抽取方法；通过训练集及专利特征，构建分类器；通过计算专利之间的相似度，结合其它因素构建一个覆盖某一类别或全库的专利网络图；通过相似度网络图，结合权重计算方法，从而得到专利的引进预测值。本专利技术所采用的技术方案是:，其特征在于，包括以下步骤: 步骤1:构建专利文档集合D= ((I1, d2,…，dj ,其中，(Ii表示第i个专利文档，I^ i ^ η ；步骤2:确定所述的专利文档集合D中每一个专利文档的专利特征值，所述的专利特征为影响专利引进的主要专利特征，包括撰写质量、新颖性、技术趋势、专利技术人及代理人特征；步骤3:根据相关历史数据构建的训练集及所述的专利文档集合D中各专利特征值构建分类器，并计算出所述的每一个专利的初始引进预测值；步骤4:计算所述的专利文档集合D中的各专利文档之间的相似度；步骤5:根据所述的专利文档之间的相似度，构建所述的专利文档Cli的相似度网络G，并初始化所述的每一个专利的引进预测值；步骤6:根据引用所述的专利文档Cli的节点及该节点引用的专利的引进预测值、 出度、入度，迭代计算得到所述的专利文档Cli的引进预测值；步骤7:基于关键词检索，再结合所述的专利特征，获取用户感兴趣的专利集合F ; 所述的关键词包括=IPC分类、与文摘、申请日与公开日、专利权人与专利技术人；步骤8:根据所述的专利集合F中各专利的引进预测值，将所述的检索结果按所述的引进预测值降序显示，向用户推荐引进可能性较高的专利；作为优选，所述的步骤2中确定所述的专利文档集合D中每一个专利的专利特征值，其具体方法为:所述的确定撰写质量特征值，其具体方法为:对所述的专利文档Cli中文分词， 统计其标题中关键词的数量Twordi和文摘中关键词的数量Awordi,则撰写质量特征值 Wi=Tword^Awordi ；所述的确定新颖性特征值，其具体方法为:统计所述的专利文档Cli中每个关键词 keywordij首次出现的时间Year Qieywordij),专利的新颖性特征值为专利文档中所有关键词出现年份之和，即M = Zf=Xyear(Zceywordy):其中，K为所述的专利文档(Ii中关键词的数目；所述的确定技术趋势特征值Ti,其具体方法为:统计所述的专利文档Cli所在IPC 分类下每年公开专利的数目，并构建技术趋势序列曲线图，通过所述的技术趋势序列曲线的斜率则可得到该专利是处在技术的上升期、稳定期或下降期的信息；其中所述的技术趋势序列Ci如下:Ci=<n1, n2,..., rij)这里的nj表示在该技术类别下年份j里发表的专利数目，Ci为按时间排序的正整数序列；根据所述的技术趋势序列Ci,得到趋势特征:max (Ci) =max (η」)max(Ci)即为该技术类别下申请专利数目最多的年份中的专利申请数目；权利要求1.，其特征在于，包括以下步骤: 步骤1:构建专利文档集合D= W1, d2,…，dn},其中，(Ii表示第i个专利文档，I彡i彡η ;步骤2:确定所述的专利文档集合D中每一个专利文档的专利特征值，所述的专利特征为影响专利引进的主要专利特征，包括撰写质量、新颖性、技术趋势、专利技术人及代理人特征； 步骤3:根据相关历史数据构建的训练集及所述的专利文档集合D中各专利特征值构建分类器，并计算出所述的每一个专利的初始引进预测值； 步骤4:计算所述的专利文档集合D中的各专利文档之间的相似度； 步骤5:根据所述的专利文档之间的相似度，构建所述的专利文档Cli的相似度网络G，并初始化所述的每一个专利的引进预测值； 步骤6:根据引用所述的专利文档Cli的节点及该节点引用的专利的引进预测值、出度、入度，迭代计算得到所述的专利文档Cli的引进预测值； 步骤7:基于关键词检索，再结合所述的专利特征，获取用户感兴趣的专利集合F ;所述的关键词包括=IPC分类、与文摘、申请日与公开日、专利权人与专利技术人； 步骤8:根据所述的专利集合F中各专利的引进预测值，将所述的检索结果按所述的引进预测值降序显示，向用户推荐引进可能性较高的专利。2.根据权利要求1所述的专利引进预测值的计算方法，其特征在于:所述的步骤2中确定所述的专利文档集合D中每一个专利的专利特征值，其具体方法为: 所述的确定撰写质量特征值，其具体方法为:对所述的专利文档Cli中文分词，统计其标题中关键词的数 量Twordi和文摘中关键词的数量Awordi,则撰写质量特征值Wi=Twprd^Aword1.所述的确定新颖性特征值，其具体方法为:统计所述的专利文档Cii中每个关键词keywordij首次出现的时间Year Qieywordij),专利的新颖性特征值为专利文档中所有关键词出现年份之和，即埤=Efz1Fear(Icejwordij);其中，K为所述的专利文档(Ii中关键词的数目； 所述的确定技术趋势特征值Ti,其具体方法为:统计所述的专利文档Cli所在IPC分类下每年公开专利的数目，并构建技术趋势序列曲线图，通过所述的技术趋势序列曲线的斜率则可得到该专利是处在技术的上升期、稳定期或下降期的信息；其中所述的技术趋势序列Ci如下:Ci= <本文档来自技高网...

【技术保护点】
一种专利引进预测值的计算方法，其特征在于，包括以下步骤：?步骤1：构建专利文档集合D={d1,d2,…,dn}，其中，di表示第i个专利文档，1≤i≤n；?步骤2：确定所述的专利文档集合D中每一个专利文档的专利特征值，所述的专利特征为影响专利引进的主要专利特征，包括撰写质量、新颖性、技术趋势、专利技术人及代理人特征；?步骤3：根据相关历史数据构建的训练集及所述的专利文档集合D中各专利特征值构建分类器，并计算出所述的每一个专利的初始引进预测值；?步骤4：计算所述的专利文档集合D中的各专利文档之间的相似度；?步骤5：根据所述的专利文档之间的相似度，构建所述的专利文档di的相似度网络G，并初始化所述的每一个专利的引进预测值；?步骤6：根据引用所述的专利文档di的节点及该节点引用的专利的引进预测值、出度、入度，迭代计算得到所述的专利文档di的引进预测值；?步骤7：基于关键词检索，再结合所述的专利特征，获取用户感兴趣的专利集合F；所述的关键词包括：IPC分类、专利名称与文摘、申请日与公开日、专利权人与专利技术人；?步骤8：根据所述的专利集合F中各专利的引进预测值，将所述的检索结果按所述的引进预测值降序显示，向用户推荐引进可能性较高的专利。...

【技术特征摘要】

【专利技术属性】
技术研发人员：彭智勇，冯岭，李展，
申请(专利权)人：武汉大学，
类型：发明
国别省市：