[發明專利]基于數據挖掘和異構知識關聯的專利估值方法、估值系統

有效

• 申請號: 201910758922.1
• 申請日: 2019-08-16
• 公開（公告）號: CN110458466B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 劉維東;劉鑫;張程;郭旭
• 申請（專利權）人: 內蒙古大學
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q30/0201;G06Q40/06;G06Q50/18;G06F16/33;G06F40/284
• 代理公司: 濰坊德旭知識產權代理事務所(普通合伙) 37366
• 代理人: 田穎

本發明屬于專利價值評測技術領域，公開了一種基于數據挖掘和異構知識關聯的專利估值方法和專利估值系統，根據專利文本與市場信息文本復雜的關聯關系，構建異構知識關聯網絡作為專利估值的網絡環境；在所述網絡環境中通過訓練機器學習，數據挖掘的模型對專利價值進行精準度量；在所述網絡環境中通過機器學習，數據挖掘的方法對專利價值進行精準度量。本發明不僅從專利自身提取相關價值特征，又從關聯關系上分析引入了復雜的外部實體特征。通過大量的專利文本與復雜的外部市場相關的文本建立關聯，形成一個龐大的異構知識關聯網絡，通過提取的專利自身及外部的價值特征，訓練機器學習，數據挖掘的模型對專利價值來做精準度量。

技術領域

本發明屬于專利價值評測技術領域，尤其涉及一種基于數據挖掘和異構知識關聯的專利估值方法和專利估值系統。

背景技術

目前，最接近的現有技術：

目前常見的價值度量模型主要有統計引文數量的方法，潛在圖模型的方法，深度學習的方法等，這些方法是以專利自身的價值特征作為出發點或引入了簡單的外部特征對專利價值進行研究。

(1)從專利自身來看，目前方法認為專利價值是單一的，確定的。

對專利這類無形資產來說，其價值本身就隨外界相關因素的變化而變化，不可能永遠是一個穩定的價值。甚至在不同環境中，可以體現出不同的價值。而現有的方法以單一，確定的角度來看待專利的價值，這樣便會埋沒了專利在其他視角下的價值，從而不能對專利做精準估值。

(2)從相關關系來看，目前方法認為專利價值是非關聯，非市場的。

事實上，專利價值往往體現在與外部實體特征復雜的異構關系中。專利這類無形資產的價值與市場走向密不可分。比如某個專利所提出的技術與當前市場的潮流息息相關，則該專利與當前市場的關聯程度就越大，所體現的價值也更大。通過這些異構關系，專利價值與這些外部實體之間發生聯動。如果不清楚的表示和利用這些復雜的異構關系，專利的真實價值就難以被挖掘出來，不能對專利價值進行精準度量。

綜上所述，現有技術存在的問題是：

目前的方法不能清楚的表示和利用這些復雜的異構關系，專利的真實價值就難以被挖掘出來，不能對專利價值進行精準度量。

解決上述技術問題的難度：

難度一：異構知識關聯網絡的建立。異構知識關聯網絡是由不同類型的異構節點和節點之間的相互關聯所組成的，如何讓不同類型的節點互相關聯是難點之一。

難度二：外部實體特征的提取。專利的價值與市場的情況具有非常緊密的關聯，但如何將專利與市場情況巧妙地關聯在一起以及如何轉化為計算機可識別的特征是一個技術難點。

解決上述技術問題的意義：

當今世界各國之間的抗衡已經轉化成知識科技的比拼，知識經濟愈發重要。專利作為其中具有代表性的知識產出，在各國之間都深受重視。而要正確無誤地將專利進行交易轉化，對其自身價值的準確度量必不可少。因為對專利做了不同市場下的價值評估，便使得專利用戶更加地了解專利，這樣才更加有利于交易轉化地實施。

發明內容

針對現有技術存在的問題，本發明提供了一種基于數據挖掘和異構知識關聯的專利估值方法及系統。

本發明是這樣實現的，一種基于數據挖掘和異構知識關聯的專利估值方法，所述基于數據挖掘和異構知識關聯的專利估值方法包括：

根據專利文本與市場信息文本復雜的關聯關系，構建異構知識關聯網絡作為專利估值的網絡環境。

在所述網絡環境中通過訓練機器學習，數據挖掘的模型對專利價值進行精準度量。

在所述網絡環境中通過機器學習，數據挖掘的方法對專利價值進行精準度量。