专利价值评估与分类研究_基于自组织映射支持向量机_周成1
需积分: 0 175 浏览量
2022-08-03
12:13:24
上传
评论
收藏 1.13MB PDF 举报
总第 29 期 2019 年 第 5 期
通讯作者: 周成, ORCID: 0000-0002-6965-5908, E-mail: zhoucheng1017@163.com。
*本文系东华大学人文社会科学繁荣基金项目“互联网个性化定制用户需求多粒度模型研究”(项目编号: 108-10-0108076)的研究成
果之一。
Data Analysis and Knowledge Discovery 117
专利价值评估与分类研究
*
——基于自组织映射支持向量机
周 成 魏红芹
(东华大学旭日工商管理学院 上海 200051)
摘要: 【目的】充分利用专利数据, 研究专利价值评估和分类问题。【方法】根据专利的价值指标, 设计基于自
组织映射(SOM)–支持向量机(SVM)的专利价值评估及分类模型, 使用自组织映射方法确定专利的价值类别, 采
用随机森林(RF)对价值指标进行重要性排序, 并结合包裹式特征选择方法对价值指标进行约简, 以提高 SVM 的
分类性能。【结果】通过 SOM 确定的价值标签能有效反映专利价值的高低; 同时, 约简后的指标由初始的 14 个
减少到 10 个, 分类准确率由 76.28%提高到 86.89%。【局限】对每个类别中的专利价值没有细化, 专利价值指标
存在进一步约减的可能。【结论】本文方法能够为专利研发活动提供支持, 避免过度依赖专家判断。
关键词: 专利价值评估 数据聚类 专利价值分类 特征选择 自组织映射 支持向量机
分类号: TP181 G306
DOI: 10.11925/infotech.2096-3467.2018.0674
1 引 言
拥有较多知识产权的企业或个人, 希望知道哪些
专利值得投资, 并在后续过程中获得收益。目前专利
的申请和授权数量每年都在增长, 专利体系中的审查
与批准对不同行业, 特别是高新技术产业都有着重要
作用。专利价值的研究也受到学术界和工业界越来越
多的关注, 专利价值分析为企业决定是否进行新产品
生产提供了一种便捷方法, 但是如何评估和预测新专
利的价值给研究人员和企业人员带来新的挑战。现有
的专利价值评估技术仍处于比较初级的阶段, 很多评
估工作仍然由行业专家手工完成, 评估的准确性和效
率不能保证。
目前, 学界及业界对专利的分析主要集中于专利
价值的分析, 高价值的专利可以提高新产品研发的成
功率
[1]
。专利价值评估包括对新颖性、诉讼、技术趋
势等方面的分析
[2]
。然而, 传统的专利分析需要花费大
量时间与人力, 分析成本也趋于高位, 市场对于缩短
潜在高价值专利分析时间的需求愈发强烈。经验的专
利分析方法一般是统计分析或指标计算。近期, 基于专
利特征的聚类方法被广泛应用到专利集群分析中
[3]
。统
计分析的方法虽然能帮助分析者了解专利的当下技术
环境, 但不能为决策提供有效帮助。未来的专利评估
主要是对初期专利(获得授权一年到两年的专利)的评
估, 因为专利会对行业的发展产生影响。
知识产权局每年都会授权大量专利, 现有专利系
统在评估这些专利价值时存在明显不足。传统的学者
或分析人员更多地关注于各种专利价值指标, 这些指
标大都来自专利数据库, 比如专利引用数量、IPC 分类
数量。很多专利价值指标与专利投资、专利维持和专
利诉讼有关
[4-5]
, 这些是价值评估的基础。但是, 这些
指标对新授权专利的价值没有更进一步的预测能力。
因此, 数据挖掘逐渐被用来进行专利价值评估
[6]
, 通
过构建一个自动分类系统来快速响应专利价值评估的
评论0