[發(fā)明專利]知識產(chǎn)權(quán)價值評價方法、裝置、電子設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110649122.3
• 申請日: 2021-06-10
• 公開（公告）號: CN113538178A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計）人: 劉中欣;糜帥
• 申請（專利權(quán)）人: 北京易創(chuàng)新科信息技術(shù)有限公司
• 主分類號: G06Q50/18
• 分類號: G06Q50/18;G06Q10/06;G06F16/36;G06K9/62
• 代理公司: 北京庚致知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11807
• 代理人: 李偉波;李曉輝

本公開提供一種知識產(chǎn)權(quán)價值評價方法，包括：建立知識產(chǎn)權(quán)圖結(jié)構(gòu)，知識產(chǎn)權(quán)圖結(jié)構(gòu)包括多個節(jié)點，節(jié)點表示知識產(chǎn)權(quán)或與知識產(chǎn)權(quán)相關(guān)的實體，節(jié)點之間通過邊連接，邊表示知識產(chǎn)權(quán)與實體之間的關(guān)聯(lián)關(guān)系；獲取節(jié)點的局部表征，包括：獲取各個節(jié)點的特征向量，基于特征向量，獲取各個節(jié)點的局部表征；獲取節(jié)點的全局表征，包括：基于各個節(jié)點的局部表征以及各個節(jié)點相鄰節(jié)點的局部表征，獲取各個節(jié)點的全局表征；通過迭代訓(xùn)練更新節(jié)點的全局表征，獲取各個節(jié)點的最終全局表征；以及基于節(jié)點的最終全局表征，獲取知識產(chǎn)權(quán)評分。本公開還提供一種知識產(chǎn)權(quán)價值評價裝置、電子設(shè)備以及可讀存儲介質(zhì)。

技術(shù)領(lǐng)域

本公開涉及一種知識產(chǎn)權(quán)價值評價方法、裝置、電子設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

現(xiàn)有的知識產(chǎn)權(quán)價值評估方法主要分為四種：基于統(tǒng)計特征、人工與數(shù)據(jù)分析結(jié)合、基于傳統(tǒng)機器學(xué)習(xí)、基于圖神經(jīng)網(wǎng)絡(luò)。

基于統(tǒng)計特征的方法，主要是根據(jù)常見的分析維度進行統(tǒng)計，包括技術(shù)維度、經(jīng)濟維度、法律維度等。其中，技術(shù)維度的指標(biāo)包括創(chuàng)新性、成熟度等，經(jīng)濟維度包括市場競爭力、壟斷程度、專利權(quán)屬情況、投入費用、收入等，法律維度包括是否發(fā)生過訴訟等。

人工與數(shù)據(jù)分析結(jié)合的方法，在數(shù)據(jù)統(tǒng)計分析的基礎(chǔ)上，引入一次或多次的人工評估。通過召集一批領(lǐng)域?qū)＜遥瑢τ诿恳黄獙＠啥鄠€專家組分別進行評估，綜合給出評估結(jié)果。

基于傳統(tǒng)機器學(xué)習(xí)的方法，主要是使用了專利中的圖片和文本，通過圖片的特征提取和文本的語義分析算法，根據(jù)專利之間的圖片和文本之間的語義相關(guān)性，給出專利價值評估結(jié)果。

基于圖神經(jīng)網(wǎng)絡(luò)的方法，主要是將專利及其統(tǒng)計特征，構(gòu)造為圖結(jié)構(gòu)，其中的節(jié)點表示專利和特征種類，邊表示專利與特征之間的從屬關(guān)系，在這個網(wǎng)絡(luò)上訓(xùn)練GAT模型。

現(xiàn)有的專利評價方法對專利價值評價維度相對單一，不能全面反映專利特性，人工評價也有一定的主觀性，且效率不高。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題中的至少一個，本公開提供一種知識產(chǎn)權(quán)價值評價方法、裝置、電子設(shè)備及可讀存儲介質(zhì)。

根據(jù)本公開的一個方面，提供一種知識產(chǎn)權(quán)價值評價方法，包括：

建立知識產(chǎn)權(quán)圖結(jié)構(gòu)，所述知識產(chǎn)權(quán)圖結(jié)構(gòu)包括多個節(jié)點，所述節(jié)點表示知識產(chǎn)權(quán)或與知識產(chǎn)權(quán)相關(guān)的實體，所述節(jié)點之間通過邊連接，所述邊表示知識產(chǎn)權(quán)與實體之間的關(guān)聯(lián)關(guān)系；

獲取所述節(jié)點的局部表征，包括：獲取各個所述節(jié)點的特征向量，基于所述特征向量，獲取各個所述節(jié)點的局部表征；

獲取所述節(jié)點的全局表征，包括：基于各個所述節(jié)點的局部表征以及各個所述節(jié)點相鄰節(jié)點的局部表征，獲取各個所述節(jié)點的全局表征；

通過迭代訓(xùn)練更新所述節(jié)點的全局表征，獲取各個所述節(jié)點的最終全局表征；以及，

基于所述節(jié)點的最終全局表征，獲取所述知識產(chǎn)權(quán)評分。

根據(jù)本公開至少一個實施方式的知識產(chǎn)權(quán)價值評價方法，所述知識產(chǎn)權(quán)包括知識產(chǎn)權(quán)族。

根據(jù)本公開至少一個實施方式的知識產(chǎn)權(quán)價值評價方法，所述獲取所述節(jié)點的局部表征，包括：獲取各個所述節(jié)點的特征向量，基于所述特征向量，獲取各個所述節(jié)點的局部表征，包括：

獲取表示各個知識產(chǎn)權(quán)的節(jié)點的文本特征向量和/或圖像特征向量，包括：獲取表示各個知識產(chǎn)權(quán)的節(jié)點的對應(yīng)的知識產(chǎn)權(quán)的文本關(guān)鍵詞，基于文本關(guān)鍵詞獲取文本特征向量，和/或獲取表示各個知識產(chǎn)權(quán)的節(jié)點的對應(yīng)的知識產(chǎn)權(quán)的圖像，基于所述圖像獲取圖像特征向量；

獲取表示各個知識產(chǎn)權(quán)實體的節(jié)點的實體特征向量，包括：獲取表示各個知識產(chǎn)權(quán)實體的節(jié)點的知識產(chǎn)權(quán)實體關(guān)鍵詞，以及基于知識產(chǎn)權(quán)實體關(guān)鍵詞獲取實體特征向量；以及，