登录后才能把心仪的商品加入购物车哦登录
购物车空空的,去看看心仪的商品吧~
去首页看看>>如2011年中国技术交易所进行了研究提出的专利价值度(Patent Value Degree,简称PVD)的概念,其设计的PVD指标体系包括3个维度,即法律价值度、技术价值度和经济价值度。在3个维度下,划分了18项指标;IEEE专利实力记分卡根据专利实力指数排名综合考虑了专利组合的数量和质量,包括5个指标,专利数量及其增长情况、技术影响力、技术原创性和技术扩散性;欧洲专利局IPscore软件利用等级评测对某项专利或技术的不同方面进行评估,包括市场条件、财务和技术因素、法律状态及战略目标,它利用40个评估因子对用户提供的专利信息进行分析,得出价值评估结论;智慧芽公司的价值评估体系从5个维度整合了25个指标(包括:引用、被引用、专利家族规模、家族覆盖区域、专利年龄、法律状态等);合享价值度选择26个对专利价值影响较大的参数,以及每个参数对专利价值度影响的函数关系,通过综合均衡、迭代和优化,最终获得专利价值度的综合评价分值。
可以看出,现有的专利价值评价体系多采用指标体系方式,通过设置不同层级、不同数量的评价指标,通过打分计算的方式得出评价值。在评价指标的设定方面,选择的指标通常涵盖法律、技术、经济。不难看出这些指标本身具有一定的缺陷:专利字段本身不为评价而设计,具有天生的缺陷;对于数据体现信息存在不同的观点;有的指标无法从数据中得出或者挖据出,而是靠人为打分或评价,而打分者的经验、专业知识、理解或者判断不同,造成了评价结果的巨大差异,使评分结果的科学性和准确性受到质疑。
随着大数据时代的来临,海量信息的存储、获取、挖掘、分析、运用正潜移默化地影响和改变着社会模式和人类生活。大数据的核心价值在于分析,对于专利评估而言,目前的专利大数据已经具有相当的条件来支撑,因此近年来研究者开始将语义分析技术使用在专利价值分析中,并通过验证取得了一些成果。
2018年11月,耶鲁大学管理学院教授Bryan Kelly、西北大学凯洛格商学院教授Dimitris Papanikolaou、斯坦福大学商学院教授Amit Seru和亚马逊(Amazon)高级研究员Matt Taddy联合发表题为“Measuring Technological Innovation over the Long Run”的论文,介绍了如何从历史和发展的视角来高质量地量化科技创新,围绕专利文本的相似性与专利重要程度的关系展开研究并展示了其研究的成果。
在论文中,四位学者提出基于专利文本的相似性的专利质量度量,认为重大专利应具备的两个特征,即:与其申请日之前的专利有显著不同;与其申请日之后的持续创新具有相关性。通过采集整理大量专利数据并分析目标专利文献与其申请日之前和之后的专利文献的文本相似度,来发现重大专利,也就是通过创新性和影响力来判断专利是否为重大专利:首先,一项具有创新性的专利应与在先技术明显不同,一件专利的创新性与其申请前的现有专利的相似度成反比,称之为“过去的相关度”(backward similarity);其次,通过“未来相关度”(forward similarity)衡量一件专利的影响力,“未来相关度”用来评估一件专利与未来几年科技创新的关联强度。
国内索意互动(北京)信息技术有限公司也采用全文语义向量技术对海量的专利文献文本进行相关度排序,基于此研制出了Patentics专利价值谱系统,该价值谱是从专利的两个本质:技术贡献和市场价值来衡量专利价值的大小。通过绘制价值谱图,展示目标专利的技术跟随度,申请前相关专利越少表示本专利原创性越高,申请后专利越多表示本专利的技术跟随度越高;除了相关专利申请趋势以外,还计算目标专利申请前相关专利申请与目标专利的平均相关度,目标专利申请后相关专利申请与目标专利的平均相关度,两者高差称为创造势能。高差越大,说明目标专利之后申请的相关专利借鉴目标专利技术越多,目标专利的技术贡献越大。
目前基于语义算法挖掘专利文献文本相似度进而评判专利价值的研究虽有一定成果,但还需要得到更多行业实践应用的检验。随着大数据分析技术和专利价值评估理论的发展,专利价值评估一定能越来越准确地反映技术的价值,为创新创业和经济发展提供有益的帮助。
关注微信公众号
获取知产新资讯
扫描下方二维码,随时掌握行业动态。