[发明专利]结合网络特征和标准分数的专利质量评估方法及系统

说明书

结合网络特征和标准分数的专利质量评估方法，包括以下步骤：S1：获取专利信息；S2：构建加权网络；S3：用网络特征指标计算标准分数；S4：计算新颖性和典型性，并并对典型性和新颖性进行排名；S5：以专利的各项指标为自变量，被引数为因变量进行回归分析，确定专利的各项指标与被引数之间的关系；S6：用户输入专利各项信息，得到专利质量评估。本发明还包括结合网络特征和标准分数的专利质量评估系统，由数据获取与存储模块、网络构建模块、专利分级模块、被引数预测模块、用户输入模块组成。本发明不仅可以对专利质量进行评估，还能预测新申请专利的未来被引数，可以为申请人有针对性地处理专利未来事项提供参考。

技术领域

本发明涉及网络科学领域以及统计学领域，尤其涉及一种专利质量评估方法及系统。

背景技术

随着科学技术的发展，上至国家，下至企业，都越来越注重对自己的高新技术的保护，其中保护技术的最重要的途径之一就是为技术申请专利。技术是个体发明者单独努力或者集体合作的结果，在专利制度出现之前，技术大多数都是以实物为载体向人们展示特点，专利制度出现后，技术又多了一种向人们展示其特点的载体——专利。专利是发明的文字载体，记录了一项发明各方面的信息。这使得我们可以通过专利数据去了解发明者是如何进行发明活动的。一般认为，发明活动是一个对现有技术进行改进或者重新组合的过程，这个过程可以通过专利的IPC分类号的组合来表示。研究者在研究发明技术时，一般着重于发明技术价值的研究，而发明技术价值又与技术的典型性与新颖性紧密相连，两者共同决定了发明技术的最终价值，因此研究者在研究发明技术价值时更倾向于使用专利文件中的各个指标来衡量发明技术价值。

公开号为CN110298545A的专利公开了一种基于神经网络的专利评价方法、系统和介质。该方法首先以论文与专利之间的相似性为基础，同时将该相似性计算结果与论文的引用情况、论文发表时间、论文发表期刊、论文作者等多个因素输入神经网络进行训练，形成论文与评价专利之间的技术质量评价模型。这种方法需要的数据量非常大，同时计算过程十分复杂，计算用到的参数非常多，评估效率十分低下。

公开号为CN109902168A的专利公开了一种专利评价方法和系统，通过自然语言处理和复杂网络算法将专利以技术集群方式聚合，赋予专利科学技术属性，并置于全球同行业技术中进行评价。自然语言处理和复杂网络算法需要大量的数据进行训练，为了同全球同行业技术的专利进行比对，更是需要大量的时间来进行，算法效率依然十分低下。

公开号为CN112734603A的专利公开了一种专利技术价值度评估方法与系统，从专利技术、专利质量、专利风险、专利实施价值度和专利控制力等方面综合对专利进行综合价值度评估。这种方法虽然降低了评估的主观性，但是评估过程复杂繁琐，需要用户提供的数据很多，十分不便。

发明内容

本发明要克服现有技术的上述缺点，提供一种结合网络特征和标准分数的专利技术质量分级方法及系统，能更快地对专利进行分级，并对专利的被引数进行预测。

为实现上述目的，本发明提供了如下方案：

结合网络特征和标准分数的专利质量评估方法，其特征在于：包括以下步骤：

S1：从互联网获取专利的各项信息，包括但不限于专利的IPC分类号、被引数等信息，储存在数据库中，从中筛选具有两个及以上IPC分类号的专利，形成数据集；

S2：用数据库中的专利信息构建IPC分类号的加权网络；

S3：计算步骤S2中构建的加权网络的网络特征指标，用网络特征指标来计算IPC分类号配对的标准分数；

S4：通过IPC分类号配对的新颖性和典型性来计算专利的新颖性和典型性，并对新颖性和典型性进行排名；

S5：以专利的各项指标作为为自变量，被引数为因变量进行多重线性回归分析，确定各个指标与被引数之间的关系；