共查询到20条相似文献，搜索用时 31 毫秒
1.
[研究目的]面对海量的专利数据,如何构建有效的专利可转让性评估方法,筛选出具有转让可能性的专利,对于发现潜在高价值专利、提升我国专利成果转移转化效率具有重要意义。为此,提出一种基于机器学习的专利可转让性评估方法。[研究方法]首先利用基于机器学习的指标约减算法对从技术维度、法律维度、经济维度和主体维度构建的专利可转让性评估指标进行约减,以去除掉冗余指标;然后根据约减后得到的评价指标构建机器学习模型,并对专利可转让性进行评估。[研究结论]人工智能领域专利可转让性评估案例结果表明,当剔除掉冗余指标后机器学习模型的预测准确率均值提升了0.56%;基于机器学习的专利可转让性评估模型的分类准确率达到72.36%,可以较好地对专利的可转让性进行评估。案例结果验证了所提出方法的可行性和有效性,该方法为专利可转让性评估提供了新的研究方法。 相似文献
2.
[研究目的]基于专利寿命视角,探究潜在高价值专利识别方法,快速精准识别早期高价值专利。[研究方法]结合已有专利价值评估的相关研究,构建潜在高价值专利评估指标体系;以无线网络通信技术领域为例,构建潜在高价值专利识别指标数据集;采用Lasso回归对指标进行约简,构建潜在高价值专利识别特征集;采用机器学习生存预测算法构建专利生存风险预测模型,根据设置的生存风险评分阈值,实现潜在高价值专利识别。[研究结论]构建了基于专利寿命视角的潜在高价值专利识别模型,并且以无线网络通信技术领域专利数据验证了模型的有效性和可靠性,证明该模型可以较好地识别早期高价值专利,有利于企业和决策部门较早进行高价值专利的定向培育。 相似文献
3.
[目的/意义]专利价值评估工具已经应用非常广泛,但其评估结论是否有效尚有争议。[方法/过程]本文以某高校最近三年已实际发生专利权转移交易的专利为研究样本,以实际交易价格与现已公开应用的3个专利价值评估模型的评估值进行比较,利用相关分析和回归分析等数理统计方法验证Innography、IncoPat和PatSnap作为专利价值评估工具的有效性。[结果/结论]本研究涉及的交易样本数据表明：PatSnap在评估专利价值上具有较高的可靠性,评估结果可作为交易的参考价格供买卖双方参考;IncoPat评估的专利价值度与真实交易价格的自然对数值有较高的相关性,而Innography评估的专利强度与真实价格的相关性一般。PatSnap的价值评估结果可作为交易的参考价格供买卖双方参考,也可用来评估专利作为高校无形资产的价值。 相似文献
4.
[研究目的]缺乏成熟的专利价值评估系统作为参考,是当前高校专利高产出却低转化的重要原因之一。对于非市场基准的专利价值评估方法而言,各项指标对评估模型的影响度不一且没有统一标准。使用深度学习的方法构建专利价值评估体系可以有效降低人为筛选的主观倾向性,从而提升专利价值评估效率。[研究方法]基于锚定效应理论,重点选取专利发明人的历史专利转化特征作为锚定指标,构建了基于注意力机制的深度学习模型,对高校专利价值进行评估和预测。引入的注意力机制可自适应地强调关键指标,一定程度上避免了先前研究中人为筛选的主观因素影响。[研究结论]通过采集1540条电子信息相关方向的高校专利价值数据进行深度学习实验,构建的基于深度注意力机制的模型在测试集上平均预测准确率达96.88%,证实该评估方法具有高准确性和强实用性,且研究发现发明人的历史专利转化价值对于专利价值评估具有显著的信息锚特征。 相似文献
5.
[目的/意义]旨在探索一种既能评价专利自身技术价值同时又能对其市场价格给出预判的评价方法。[方法/过程]针对科研周期中不同阶段的特点设立指标体系,并引入市场询价机制综合考虑,构建专利价值评估体系,将专利价值评价融入到科研全流程常态化管理过程中。通过将专利的技术价值和市场价值有机结合起来,构建了一种市场价值为导向、直观可操作的高校专利评价模式,并通过实际案例进行了实证分析。[结果/结论]构建的评价模式能较好地评价高校专利价值,预测专利交易价格,能够为高校专利运营工作中的指导定价机制提供新的思路,为高校专利分级统筹管理提供价值度方面的数据支持。 相似文献
6.
[研究目的]探索有效的方法实现对专利价值的早期预测既可为后续高价值专利培育提供更多机会,也可对问题专利等低价值专利进行早期识别,减少公共资源虚耗,对推动知识产权高质量发展至关重要。[研究方法]聚焦现有研究鲜少关注的专利权力要求书,提出一种融合权利要求语义特征的专利价值早期预测方法。首先,对权利要求文本进行解析并提取语义特征;然后融合权利要求语义特征构建专利价值评估指标体系并运用皮尔逊相关性分析方法进行指标优化;最后,结合CatBoost分类模型和SHAP方法实现高价值专利的早期挖掘和低价值专利的早期识别。[研究结论]结果表明,构建的专利价值早期预测模型分类准确率达到90.79%,相较于传统机器学习方法具有准确性更高、解释性更好、适用性更广的优势;首次引入的权利要求语义特征对于预测专利价值贡献显著,融合该特征的指标体系具有一定的优越性。 相似文献
7.
陈文驰 《内蒙古科技与经济》2020,(12)
对影响专利价值的相关因素进行深入讨论,研究比较国内外各种专利价值度评价的方法,基于合享Incopat专利数据库寻找适合高校进行高价值专利评估的实用指标体系,为高校建立适合自身特点的专利价值评估、专利资产管理和运用提供了有意义的参考。 相似文献
8.
9.
[研究目的]在国家政策和项目课题的驱动下,高校中专利的申请和授权数量都急剧增长。因此,对高校所拥有的授权发明专利的可转化性进行评估,获取具有转化价值的专利,可以盘活高校中的专利资产,促进专利在市场上的流通。[研究方法]首先,通过文献梳理和咨询专家意见,初步构建适用于高校专利可转化性评估的指标体系;其次,通过对广西11所地方高校已成功转化的专利和未转化专利进行文献计量,得到具有差异的特征指标,并使用BPNN模型对未转化的专利进行可转化性评估;最后对各所高校专利的平均转化价值进行排序。[研究结论]与其他地区的高校相比,广西11所高校的发明专利整体转化价值并不高,且不同类型院校之间的专利平均转化价值也存在着一定差距。通过结合评估结果提出了相关建议,旨在为提高高校专利质量和促进专利转化提供参考。 相似文献
10.
[目的/意义]针对专利文献的特殊性,选择合适的引文分析方法和研究单元,对专利“睡美人”进行识别和分析。[方法/过程]通过总结分析现有“睡美人”识别方法,选择对总被引次数依赖性小、可规避不同学科引文差异影响的Bcp指数方法识别筛选专利“睡美人”。利用Incopat专利信息平台,检索清华大学的所有专利文献,统计分析引文分布,筛选Bcp指数Top50的简单专利族,并以一个典型专利家族为例分析专利“睡美人”的价值。[结果/结论]Bcp指数方法可行和有效。本文修正了Bcp指数方法相关指标,并明确其计算方法。筛选出的简单专利族绝大多数有很高的合享价值度,属于高价值专利,但专利“睡美人”处于有效状态的比例低。如果能尽早识别筛选出关注度不太高但具有高价值的专利“睡美人”,对促进技术持续研发和迭代、加强专利布局、提高专利成果转移转化,实现专利的经济价值有非常重要的现实意义。 相似文献
11.
[目的/意义]作为科技创新的重要手段,技术融合预测对于改进技术研发的策略选择具有重要参考和借鉴意义,文章提出一种专利共类与深度学习模型结合的技术融合预测方法,以提高预测结果的准确性和可靠性。[方法/过程]以燃料电池技术为例,首先采用关联规则挖掘算法识别专利数据中具有强关联的IPC频繁项集,计算技术相对相似度,基于AP聚类算法进行技术聚类;然后运用生成式拓扑映射算法识别其中技术融合点,构建训练数据集和测试数据集。最后基于深度学习模型进行学习训练,预测燃料电池技术未来可能出现的技术融合。[结果/结论]这种方法在准确率和召回率上表现优异,可以快速、客观地识别技术融合,为技术创新的智能决策和预测提供支持和帮助。 相似文献
12.
《内蒙古科技与经济》2021,(16)
如何从繁杂的专利中筛选出具有一定价值的专利,是专利的管理、保护和运营的重要内容。文章利用智慧芽数据和Innography数据库这两大数据库,从分析工具中已有的"专利价值"和"专利强度"等指标入手,直观筛选中南大学的高价值专利和重要发明人,并对筛选结果进行了可行性验证和评估分析。 相似文献
13.
针对现有的数据资源价值评估与定价方法主观性强、定量标准缺乏的问题，提出基于模型堆叠集成GBDT(Stacked-GBDT)算法的数据资源价值评估方法。首先，基于敏感性分析，从数据自身和市场两个维度归纳并建立了数据资源价值评估指标体系；然后，基于GBDT机器学习算法与Stacking集成学习算法，提出了基于StackedGBDT的数据资源价值评估算法，并与Random Forest和XGBoost算法进行对比以验证所提方法的正确性及有效性；最后，应用Stacked-GBDT模型对数据集进行动态定价。结果表明，Stacked-GBDT算法构建的数据资源价值评估模型可为数据价值测算及动态定价提供精确可靠的依据与支撑。 相似文献
14.
15.
16.
[目的 /意义]专利文献是一种集技术、经济、法律三种情报为一体的文件资料,蕴含着丰富的具有价值的信息,挖掘高价值专利信息为评估该领域专利的维持与放弃、专利成果转化、专利管理,以及帮助企业掌握行业内专利发展状况、考察潜在市场,为制定企业专利战略和发展战略提供支持。[方法 /过程]本文以自动驾驶技术领域为例,利用专利挖掘工具,以可视化的方式展示,挖掘其技术、经济、法律高价值专利信息进行实证分析。[结果/结论 ]自动驾驶是近几年新兴发展起来的技术,在技术领域上有较多的突破和应用,但由于其中大量专利申请时间不长,进入市场的时间较短,成果转化还有待进一步发展,另外在专利布局和保护上同样需要进一步加强。 相似文献
17.
[目的/意义]针对现有数据资源定价标准模糊、交易规则缺失、买卖双方信息不对称的问题,提出基于Stacking多算法融合模型的数据资源定价方法。[方法/过程]首先,基于四分位法及Box-Cox方法对样本数据进行预处理,剔除异常数据的同时调整数据分布,并基于Lasso算法以均方根误差最小为目标完成特征筛选;其次,基于Pearson系数选取最优算法组合,构建基于Stacking集成学习融合多种机器学习算法的数据资源价格预测模型;最后,以国信优易数据平台交易数据为样本进行算例分析。[结果/结论]相较于单算法模型及其他集成算法模型,XGBoost、SVR、KNN、MLP融合模型的预测精度及性能均明显提升;实现了数据资源自身和市场的双向反馈平衡,形成闭环的价值链,为数据资源定价提供参考。 相似文献
18.
[目的/意义]综合考虑专利转化过程的影响要素、依据多源异构的相关资源进行专利推荐,能帮助高校和企业快速找到供需双方,促进高校专利转化。[方法/过程]基于四螺旋理论,设计综合考虑“高校-政府-企业-科技中介”影响作用的高校专利转化本体模型,从而构建高校专利推荐知识图谱。以新能源汽车电池领域为例,通过展示和查询知识图谱,得到推荐结果。[结果/结论]构建的知识图谱较好地实现了专利相关多源数据的融合,通过节点关联能对高校或企业提供团队和需求发现、政策感知和机构匹配等提供参考,并为后续相关研究提供了借鉴思路。 相似文献
19.
基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型 总被引：2，自引：0，他引：2
[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考。 相似文献
20.
[研究目的]科学数据已经成为科研产出的重要成果类型之一,通过研究和观察科学数据的使用情况可以发现科学数据的管理需求,提高科研人员共享和重用科学数据的积极性。[研究方法]以生物信息学领域学术论文全文信息作为研究对象,利用规则抽取和人工标注形成了生物信息学引文分类数据集,并对比评估了8种机器学习方法在数据集上的分类和识别效果。[研究结论]实证研究效果显示,机器学习分类方法可以用于科学数据正式引用识别,全文信息和样本集大小对分类效果起到关键性作用。 相似文献