基于分类回归树算法的专利价值评估指标体系研究

我国专利数据来源众多、指标关系复杂,针对现有专利价值评估过程依赖人为主观判断,缺乏客观、合理评估方法等问题,提出了一种基于分类回归树(classification and regression tree,CART)模型的属性选择方法,用于构建专利价值评估的指标体系.实验结果表明相较于基于随机森林的属性选择方法,该方法不仅能有效地降低指标体系的规模,并且能提高评估建模的效率,在兼顾评估模型可解释性的基础上更好地提高专利价值评估的准确性.进一步通过枚举遍历的方法,约减指标集大小,构建出规模更小的指标体系,结合专家知识和实证研究,有效地验证了该指标体系的可解释性和现实意义.

基于大数据技术的专利价值评估与筛选系统

随着我国有效发明专利拥有量的增加,专利价值评估和筛选工作是专利运用和管理的重要内容,如何从浩如烟海的专利数据中筛选出高价值专利是摆在我们面前的重要课题。本文在前人研究的基础上,梳理并提炼出适合计算机辅助筛选的专利价值评估指标体系,并提出专利价值属性判断规则。在此基础上,将大数据技术应用到专利价值评估和筛选中,从数值计算和统计学角度出发,设计出基于PowerPivot内核的专利价值筛选系统,从而实现海量专利数据快速化、可定制化的专利价值筛选,对专利工作者进行高价值专利识别和市场主体进行专利价值评估具有一定的借鉴意义。

研发类企业专利价值评估和分级体系构建方法

本文研究了研发类企业的专利价值评估指标和分级体系构建方法。结合技术、法律和市场相关方,提出了适于企业内部评估管理、主客观相结合的专利价值评估指标。采用层次分析法确定各专利价值评估指标权重,利用各指标打分和权重,计算专利价值综合得分。最后,结合企业实例提出了从项目应用、产品与系统、商务谈判和专利布局四个不同视角对专利进行分级管理的方法。该方法在作者单位实践中进行了探索使用,获得良好效果。

专利价值评估软件化的理论基础与实践

随着专利权在经济发展中的作用增强,专利价值评估的研究和实践日渐深入。本文从需求定位、评估方法以及实践角度论述了专利价值评估软件化的理论基础、可行性以及发展方向。