摘要：篩選重點(diǎn)專(zhuān)利是專(zhuān)利分析的重要工作內(nèi)容，需要采用既準(zhǔn)確又便捷的重點(diǎn)專(zhuān)利篩選模型。文章從選擇構(gòu)建模型所采用的指標(biāo)出發(fā)，對(duì)指標(biāo)進(jìn)行修正以提高其可獲得性和代表性;隨后提出以單個(gè)指標(biāo)數(shù)值與指標(biāo)中位數(shù)相減的指標(biāo)處理方法，提升不同專(zhuān)利之間的差異性;最后提出構(gòu)建標(biāo)準(zhǔn)尺度的指標(biāo)整合方法，從而統(tǒng)一指標(biāo)量綱和數(shù)量級(jí)，提升了計(jì)算專(zhuān)利價(jià)值常用的權(quán)重系數(shù)線(xiàn)性加和法的可操作性，并為指標(biāo)擴(kuò)展預(yù)留空間。根據(jù)實(shí)踐驗(yàn)證結(jié)果，該重點(diǎn)專(zhuān)利篩選模型能夠從高噪音專(zhuān)利樣本中快速、客觀地篩選出重點(diǎn)專(zhuān)利，具有良好的通用性和靈活性。
關(guān)鍵詞：專(zhuān)利分析;重點(diǎn)專(zhuān)利;專(zhuān)利篩選模型
作者簡(jiǎn)介：王錚(1985—)，男，河北保定人，碩士，高級(jí)知識(shí)產(chǎn)權(quán)師，研究方向：知識(shí)產(chǎn)權(quán)分析運(yùn)用。
基于專(zhuān)利評(píng)價(jià)指標(biāo)的分析方法是傳統(tǒng)專(zhuān)利分析方法的延伸，能夠從多維度探究專(zhuān)利數(shù)據(jù)背后所蘊(yùn)含的豐富信息[1]。該方法的實(shí)施依賴(lài)于對(duì)重點(diǎn)專(zhuān)利的有效篩選。此處所稱(chēng)重點(diǎn)專(zhuān)利，指的是綜合考慮專(zhuān)利的技術(shù)、經(jīng)濟(jì)和法律屬性，能夠體現(xiàn)專(zhuān)利對(duì)于其所屬技術(shù)領(lǐng)域的引領(lǐng)性、能夠反映其申請(qǐng)人的專(zhuān)利布局意圖、在業(yè)界獲得廣泛關(guān)注的專(zhuān)利。
專(zhuān)利分析師希望既準(zhǔn)確又便捷地篩選重點(diǎn)專(zhuān)利，但是在實(shí)踐操作中，增加指標(biāo)種類(lèi)以提高模型精度往往伴隨著工作量的巨大增加，并且受限于專(zhuān)利數(shù)據(jù)庫(kù)收錄不全面，或者指標(biāo)需要經(jīng)過(guò)計(jì)算方可用于上述模型中，造成個(gè)別指標(biāo)難以方便獲取。另一方面，專(zhuān)利分析師需要快速地從海量數(shù)據(jù)中篩選出重點(diǎn)專(zhuān)利，以期盡快為后續(xù)工作指明重點(diǎn)研究方向并縮短工期。因此，希望重點(diǎn)專(zhuān)利篩選模型在保證可靠性的基礎(chǔ)上能夠進(jìn)一步實(shí)現(xiàn)較高的自動(dòng)化程度。
本文對(duì)重點(diǎn)專(zhuān)利模型展開(kāi)研究，通過(guò)同時(shí)對(duì)專(zhuān)利價(jià)值的指標(biāo)選取和計(jì)算方法進(jìn)行優(yōu)化，從而提供一種兼顧精度與速度的改進(jìn)的模型體系。
一、指標(biāo)的選擇
現(xiàn)有技術(shù)中篩選重點(diǎn)專(zhuān)利多采用指標(biāo)權(quán)重線(xiàn)性加和法，計(jì)算公式如式(1)所示[2]：
此方法的基本原理是，將各指標(biāo)的值(Ci)與其權(quán)重(Ai)相乘，各乘積加和以算出分值P作為專(zhuān)利價(jià)值評(píng)分，P值越大則專(zhuān)利越重要。
由此可見(jiàn)，建立重點(diǎn)專(zhuān)利篩選模型的第一步是選擇適宜的體現(xiàn)專(zhuān)利價(jià)值的指標(biāo)。業(yè)界對(duì)此已有研究[3-5] ，但這些指標(biāo)的獲取和應(yīng)用往往有著嚴(yán)苛的適用條件，難以直接應(yīng)用于模型計(jì)算之中。本文旨在提供一種兼顧精度與速度的改進(jìn)的模型體系，對(duì)于指標(biāo)的選擇和計(jì)算處理應(yīng)滿(mǎn)足以下三個(gè)條件：
(1)單個(gè)指標(biāo)定量可算：指標(biāo)數(shù)據(jù)可從專(zhuān)利數(shù)據(jù)庫(kù)導(dǎo)出數(shù)據(jù)中直接獲取或僅需簡(jiǎn)單計(jì)算，避免過(guò)多人工參與以提高效率。
(2)指標(biāo)取值差異 明顯：對(duì)指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，以使重點(diǎn)專(zhuān)利與非重點(diǎn)專(zhuān)利的差異更加明顯。
(3)不同指標(biāo)量級(jí)一致：對(duì)多個(gè)指標(biāo)的量綱和數(shù)量級(jí)進(jìn)行歸一化處理，使之可以直接線(xiàn)性加和，確保模型的可操作性，保持引入更多指標(biāo)的靈活性。
以之為前提，進(jìn)一步考慮專(zhuān)利的本質(zhì)屬性，則指標(biāo)優(yōu)選覆蓋技術(shù)、法律和商業(yè)這三個(gè)維度。進(jìn)一步地，與針對(duì)特定技術(shù)點(diǎn)的學(xué)術(shù)研究不同，對(duì)于常規(guī)的基于大數(shù)據(jù)的專(zhuān)利分析，排斥需要通過(guò)復(fù)雜計(jì)算方可獲得數(shù)據(jù)的指標(biāo);另外，專(zhuān)利在統(tǒng)計(jì)方面的另一個(gè)特點(diǎn)是存在“專(zhuān)利家族”①的概念，對(duì)于特定的指標(biāo)而言，以“專(zhuān)利家族”為對(duì)象還是以“單件專(zhuān)利”為對(duì)象，會(huì)對(duì)該指標(biāo)的取值造成影響，進(jìn)而引入了額外的計(jì)算量乃至造成客觀上無(wú)法計(jì)算的局面，故盡量降低額外的計(jì)算量也是篩選指標(biāo)時(shí)的考慮因素。
基于上述考慮，從指標(biāo)對(duì)于專(zhuān)利的代表性、指標(biāo)數(shù)據(jù)獲取難易等角度出發(fā)，本文選取被引用次數(shù)、引用次數(shù)、權(quán)利要求項(xiàng)數(shù)和家族成員數(shù)四個(gè)指標(biāo)作為基本指標(biāo)，并對(duì)其進(jìn)行修正，參見(jiàn)表 1.
被引用次數(shù)是可以從數(shù)據(jù)庫(kù)中直接導(dǎo)出的指標(biāo)②，是反映專(zhuān)利技術(shù)價(jià)值的重要指標(biāo)。需要修正的是，第三人引用 ③受到語(yǔ)言限制、數(shù)據(jù)庫(kù)信息來(lái)源等的影響，導(dǎo)致同一專(zhuān)利家族的不同成員單獨(dú)的被引用次數(shù)可能不同，因此應(yīng)當(dāng)采用專(zhuān)利家族總的被引用次數(shù)來(lái)統(tǒng)計(jì)。被申請(qǐng)人④主動(dòng)引用的文獻(xiàn)顯然與其發(fā)明的技術(shù)具有密切關(guān)聯(lián)，故引用次數(shù)的技術(shù)代表性較強(qiáng)，該指標(biāo)同樣可從數(shù)據(jù)庫(kù)中直接導(dǎo)出，其同樣采用專(zhuān)利家族總的引用次數(shù)來(lái)統(tǒng)計(jì)。
權(quán)利要求項(xiàng)數(shù)一般可從市面上主流數(shù)據(jù)庫(kù)直接導(dǎo)出⑤，代表著申請(qǐng)人所請(qǐng)求保護(hù)和被批準(zhǔn)予以保護(hù)的技術(shù)方案數(shù)量，是申請(qǐng)人和專(zhuān)利行政機(jī)關(guān)對(duì)該專(zhuān)利態(tài)度的直接體現(xiàn)，代表了專(zhuān)利的法律屬性。對(duì)于不同家族成員的權(quán)利要求項(xiàng)數(shù)分歧，可以以家族最早授權(quán)成員為準(zhǔn);家族無(wú)授權(quán)則以最早公開(kāi)成員為準(zhǔn)，或以分析目標(biāo)地域的家族成員為準(zhǔn)。
專(zhuān)利家族成員數(shù)反映了申請(qǐng)人的專(zhuān)利布局地域態(tài)勢(shì)，是專(zhuān)利經(jīng)濟(jì)屬性的代表。該指標(biāo)一般可從市面上主流數(shù)據(jù)庫(kù)直接導(dǎo)出，只是對(duì)于同一申請(qǐng)?zhí)栂赂鞴_(kāi)版本不重復(fù)計(jì)數(shù)。
除了上述四個(gè)指標(biāo)外，還可以考慮諸如申請(qǐng)人/發(fā)明人數(shù)(技術(shù)屬性)、專(zhuān)利權(quán)維持時(shí)間與專(zhuān)利授權(quán)周期(法律屬性)、質(zhì)押許可訴訟次數(shù)(市場(chǎng)屬性)等，但其難點(diǎn)在于數(shù)據(jù)庫(kù)是否準(zhǔn)確完整地收錄了相關(guān)信息，包括申請(qǐng)人變更情況、各成員授權(quán)情況、質(zhì)押許可訴訟情況等，并且這些數(shù)據(jù)需要經(jīng)過(guò)一定的計(jì)算方可轉(zhuǎn)化為模型中所用的指標(biāo)數(shù)據(jù)， 與本文“避免過(guò)多人工參與以提高效率”的宗旨相偏離。這些指標(biāo)以及其他任何類(lèi)似指標(biāo)，盡管并非優(yōu)選，但在條件允許的情況下同樣可以納入本文的模型之中，并且具有實(shí)際的可操作性，這是本文模型的優(yōu)點(diǎn)所在，不同指標(biāo)的整合與統(tǒng)一方法是后文研究的內(nèi)容。
二、指標(biāo)的處理
對(duì)于一個(gè)專(zhuān)利樣本集合，每個(gè)專(zhuān)利均以若干指標(biāo)為標(biāo)準(zhǔn)進(jìn)行量化取值，即專(zhuān)利價(jià)值;對(duì)于每一個(gè)指標(biāo)，希望通過(guò)一定的數(shù)學(xué)處理來(lái)凸顯其與整體趨勢(shì)的差異性，從而進(jìn)一步提高模型的精度。
一種操作思路是，將一個(gè)指標(biāo)在特定專(zhuān)利上的取值(下稱(chēng)特定值)與該指標(biāo)在全部專(zhuān)利樣本上的“趨勢(shì)值”相減，如式(2)所示：
指標(biāo)計(jì)算值 =指標(biāo)特定值 - 樣本中該指標(biāo)的“趨勢(shì)值”(2)
特定值與趨勢(shì)值接近，則結(jié)果接近0.減弱乃至消除該指標(biāo)對(duì)于該專(zhuān)利價(jià)值的影響;特定值大于趨勢(shì)值，則結(jié)果為正，差異越大則正值越大;特定值小于趨勢(shì)值則結(jié)果為負(fù)，與正值的情況產(chǎn)生顯著區(qū)分，進(jìn)一步拉低“低下”專(zhuān)利指標(biāo)對(duì)于專(zhuān)利價(jià)值的影響。另外，從量綱上講，減法不改變量綱(不存在除法處理后量綱為“1”的情況)，以便在后續(xù)處理中實(shí)現(xiàn)不同類(lèi)型和不同數(shù)量級(jí)的專(zhuān)利指標(biāo)的整合。
那么問(wèn)題聚焦于對(duì)于“趨勢(shì)值”的選擇。平均值是常見(jiàn)的反映樣本整體情況的指標(biāo)，但是對(duì)于重點(diǎn)專(zhuān)利篩選模型而言可能并不適宜。圖1展示了專(zhuān)利樣本 ⑥中各專(zhuān)利對(duì)應(yīng)表1各指標(biāo)的分布情況：
圖1 專(zhuān)利數(shù)量(縱軸)相對(duì)于專(zhuān)利指標(biāo)值(橫軸)的分布
(注：菱形◇表示中位數(shù)，叉號(hào)× 表示平均數(shù);右上角餅圖中百分比表示指標(biāo)值在平均數(shù)以下專(zhuān)利占比)
由圖可見(jiàn)，表1所示指標(biāo)的專(zhuān)利數(shù)量分布存在明顯的特征：專(zhuān)利數(shù)量并非隨指標(biāo)值呈現(xiàn)正態(tài)分布，而是存在明顯的聚集性，并且這種聚集性在指標(biāo)數(shù)值的低位更加明顯。聚集性是基于專(zhuān)利數(shù)量的累積而展現(xiàn)的，適宜的“趨勢(shì)值”也應(yīng)當(dāng)反映出這種數(shù)量的集中。
采用平均值作為“趨勢(shì)值”是不適宜的。圖1中各指標(biāo)特定值在平均值以下的專(zhuān)利占比均超過(guò)2/3.以“被引用次數(shù)”為例，被引用次數(shù)在平均值22次以下的專(zhuān)利高達(dá)81%，因此高被引專(zhuān)利屬于稀有的“黑天鵝”，以平均值作為“趨勢(shì)值”并不一定影響這些“黑天鵝”對(duì)于專(zhuān)利價(jià)值得分的貢獻(xiàn)趨勢(shì)，但是對(duì)于特定值位于平均數(shù)與中位數(shù)之間的、具有一定潛力的專(zhuān)利而言，依照式(2)，則其對(duì)于專(zhuān)利價(jià)值得分的貢獻(xiàn)為負(fù)值，即完全否定了這些專(zhuān)利的貢獻(xiàn)，而其中不乏具有重要價(jià)值的周邊專(zhuān)利。特別是對(duì)于聚集性較為分散的特征如“權(quán)利要求項(xiàng)數(shù)”而言，以一篇18項(xiàng)權(quán)利要求的專(zhuān)利為例，其與中位數(shù)15項(xiàng)的差距為3.該專(zhuān)利的權(quán)利要求項(xiàng)數(shù)已經(jīng)超過(guò)了過(guò)半數(shù)的樣本，則“3”這個(gè)正值反映出該專(zhuān)利相對(duì)于“普羅大眾”而言存在一定優(yōu)勢(shì);如果以平均數(shù)20為準(zhǔn)，則“-2”的結(jié)果是將該專(zhuān)利完全歸入“普羅大眾”之中。單個(gè)指標(biāo)無(wú)法對(duì)處于臨界值的專(zhuān)利進(jìn)行有效篩選，則多個(gè)專(zhuān)利指標(biāo)組合起來(lái)會(huì)進(jìn)一步放大這種偏差，最終導(dǎo)致以平均數(shù)為“趨勢(shì)值”的專(zhuān)利價(jià)值得分只能區(qū)分最佳者與最差者，顆粒度過(guò)于粗糙，無(wú)法用于建立高精度模型。
相對(duì)于平均數(shù)而言，中位數(shù)將是一個(gè)更適宜的“趨勢(shì)值”，它可以彌補(bǔ)平均數(shù)在偏態(tài)分布中的不足之處[6]。圖1中示出各指標(biāo)的中位數(shù)(菱形◇) 與平均數(shù)(叉號(hào)×)在專(zhuān)利數(shù)量分布中的位置，可見(jiàn)中位數(shù)與專(zhuān)利密集聚集的分布數(shù)量更加接近，以之為“趨勢(shì)值”可以將絕大部分專(zhuān)利與特征值較為突出的專(zhuān)利區(qū)分開(kāi)來(lái)，并將這種差異放大?；诖丝蓪⑹?2)進(jìn)一步修正為式(3)：
指標(biāo)計(jì)算值=指標(biāo)特定值 - 樣本中該指標(biāo)的中位數(shù)(3)
以“被引用次數(shù)”為例，樣本中絕大多數(shù)專(zhuān)利家族被引次數(shù)在中位數(shù)3次以下，則對(duì)于僅被引用一兩次的低被引專(zhuān)利而言，其指標(biāo)計(jì)算值為負(fù)數(shù)，從而拉低專(zhuān)利價(jià)值得分;被引用次數(shù)達(dá)到700余次的高被引專(zhuān)利，其指標(biāo)計(jì)算值為正，并且其對(duì)專(zhuān)利價(jià)值得分的貢獻(xiàn)可視為“增加”了相對(duì)于低被引專(zhuān)利的“負(fù)數(shù)”的絕對(duì)值，即起到放大效果。
值得一提的是，中位數(shù)在Excel、PowerBI中均有對(duì)應(yīng)函數(shù)可以直接計(jì)算得出，方便分析人員進(jìn)行數(shù)據(jù)處理。
三、指標(biāo)的整合
通過(guò)前文的分析，確定了可以作為重點(diǎn)專(zhuān)利篩選模型所用的指標(biāo)及單個(gè)指標(biāo)的處理方法，接下來(lái)的問(wèn)題是如何將多個(gè)指標(biāo)組合起來(lái)以獲得重點(diǎn)專(zhuān)利的分值。
式(3)在實(shí)際操作 中存在兩個(gè)問(wèn)題。一是不同的指標(biāo)其量綱往往不同，例如權(quán)利要求數(shù)為“項(xiàng)”，而被引用次數(shù)為“次”，不同量綱的值直接加和是不合理的，并且這種不合理也無(wú)法通過(guò)無(wú)量綱的系數(shù)來(lái)修正。二是不同指標(biāo)的數(shù)值的數(shù)量級(jí)可能存在極大差異，例如被引用次數(shù)可能高達(dá)幾百次，而家族成員數(shù)則不超過(guò)50.指標(biāo)值直接加和顯然會(huì)導(dǎo)致“多指標(biāo)體系”明顯偏向于絕對(duì)值最高的指標(biāo)，從而淪為“單指標(biāo)體系”。理論上確實(shí)可以通過(guò)對(duì)不同的指標(biāo)提供不同的權(quán)重系數(shù)來(lái)平衡各指標(biāo)絕對(duì)值數(shù)量級(jí)的差異，但這違背了權(quán)重系數(shù)“用來(lái)平衡不同指標(biāo)對(duì)總分值貢獻(xiàn)程度”的基本用途，變成了對(duì)于單個(gè)指標(biāo)自身取值的調(diào)整，并且不同的專(zhuān)利樣本其絕對(duì)值最大的指標(biāo)并不固定(盡管多為被引用次數(shù))、最大者的數(shù)值亦不固定，實(shí)際上也不可能提供具有普適性的權(quán)重系數(shù)。
為了解決上述問(wèn)題，以使模型具有良好的可操作性(特別是提高其自動(dòng)化程度)，需要構(gòu)建一個(gè)“尺度”，其在邏輯上能夠衡量在特定指標(biāo)上單篇專(zhuān)利取值相對(duì)于樣本整體所處的位置，即以“相對(duì)值”替代“絕對(duì)值”，來(lái)消除量綱和數(shù)量級(jí)(量級(jí))的差異，同時(shí)其應(yīng)當(dāng)可以通過(guò)相對(duì)簡(jiǎn)單的計(jì)算實(shí)現(xiàn)、確?？刹僮餍?。
對(duì)于特定指標(biāo)分析其數(shù)據(jù)構(gòu)成，可以繪制出圖 2：
圖2 特定指標(biāo)的數(shù)據(jù)構(gòu)成
基于某專(zhuān)利(倒三角▽)被引用次數(shù)的絕對(duì)值，以及樣本的中位數(shù)，根據(jù)式(3)可以得出其計(jì)算值。同理，樣本中被引用次數(shù)最大的專(zhuān)利亦可得出其“最大值”。該“最大值”顯然是圖中從中位數(shù)到最大值之間的一段“距離”，將其視作100%，那么某專(zhuān)利的計(jì)算值相當(dāng)于“占據(jù)”了該“100%”中的一定比例(例如30%)。推而廣之，對(duì)于樣本中絕對(duì)值超過(guò)中位數(shù)的專(zhuān)利而言，其計(jì)算值都可以折算為以最大計(jì)算值為100%的相對(duì)份額，顯然該份額的最小值是0%、最大值是100%⑦，其公式可以寫(xiě)作式(4)：
指標(biāo)相對(duì)值=(特定值 - 中位數(shù))÷(最大特定值 - 中位數(shù))×100% (4)
式(4)中，首先是通過(guò)將相同指標(biāo)的計(jì)算值與最大計(jì)算值相除而將結(jié)果量綱歸一，其次是將離散的計(jì)算值按照統(tǒng)一尺度折算為百分比，從而消除了不同指標(biāo)的數(shù)量級(jí)的差異?；诖?，可以對(duì)式(4)進(jìn)行修改而得到式(5)：
式(5)中，Ci是某專(zhuān)利的第i個(gè)指標(biāo)的絕對(duì)值，Cmid、Cmax、Ai分別代表樣本中第i個(gè)指標(biāo)的中位數(shù)和最大值及其權(quán)重，對(duì)于N個(gè)指標(biāo)線(xiàn)性加和算得分值P即專(zhuān)利價(jià)值。
對(duì)于權(quán)重系數(shù)Ai，其總和為1.意味著將全部用于計(jì)算的指標(biāo)視為一個(gè)整體，利用取值范圍為(0.1 )的權(quán)重系數(shù)調(diào)整各指標(biāo)對(duì)于P值的貢獻(xiàn)度，使得權(quán)重系數(shù)不再受到指標(biāo)在專(zhuān)利樣本中實(shí)際數(shù)值范圍等變化因素的影響。
結(jié)合前文確定的四個(gè)指標(biāo)：被引用次數(shù)、引用次數(shù)、權(quán)利要求項(xiàng)數(shù)和專(zhuān)利家族成員數(shù)，可以計(jì)算每一篇專(zhuān)利的分值，分值高者認(rèn)為更加重要。基于式(5)的一個(gè)顯著優(yōu)點(diǎn)在于，可以根據(jù)實(shí)際情況靈活地增刪指標(biāo)，例如本文基于獲得難度而忽略了專(zhuān)利權(quán)維持時(shí)間、專(zhuān)利授權(quán)周期等指標(biāo)，如果這些指標(biāo)的數(shù)據(jù)可以獲得，則依然可以將其納入式(5)中，進(jìn)一步提高P值的客觀性。
四、驗(yàn)證與討論
作為驗(yàn)證，根據(jù)式(5)計(jì)算專(zhuān)利樣本中各專(zhuān)利的專(zhuān)利價(jià)值，取其前十名列于表2中 ⑧。需要說(shuō)明的是，本文未對(duì)專(zhuān)利樣本進(jìn)行人工閱讀去噪，目的在于檢驗(yàn)模型是否可以適用于對(duì)高噪音樣本中重點(diǎn)專(zhuān)利的快速篩選。
排名第一的US20020193685A1和第二的US2 0020013596A1均是美國(guó)瓦里安(VARIAN)的專(zhuān)利，其對(duì)應(yīng)家族分別被引用700余次和500余次，并在美國(guó)、加拿大、澳大利亞、歐洲、日本等進(jìn)行布局，兩者屬于同一技術(shù)路徑，代表了該申請(qǐng)人在放療圖像引導(dǎo)方向的技術(shù)方向。
排名第五的US10188356B2同樣是美國(guó)瓦里安的專(zhuān)利，其涉及同軸共面型圖像引導(dǎo)放療設(shè)備。該專(zhuān)利屬于“集大成者”，是該申請(qǐng)人在技術(shù)發(fā)展早期為了搶占市場(chǎng)而布局的關(guān)鍵專(zhuān)利，盡管該專(zhuān)利被引用次數(shù)較低，但是其基于美國(guó)信息披露聲明(Information Disclosure Statement，IDS)制度而披露了大量相關(guān)專(zhuān)利，專(zhuān)利引用次數(shù)高，進(jìn)而推高了專(zhuān)利價(jià)值評(píng)分。
排 名 第 六 的EP0814869B1是 英 國(guó) 醫(yī) 科 達(dá)(ELEKTA)的專(zhuān)利，其提供一種同軸共面型CT引導(dǎo)直線(xiàn)加速器，采用“寬射束”的射線(xiàn)束使患者支架至少部分地容納在治療裝置，從而縮小設(shè)備體積并提高治療精度。該專(zhuān)利在美、日、歐(英、德)進(jìn)行布局，代表了該類(lèi)型設(shè)備的發(fā)展趨勢(shì)和該申請(qǐng)人的技術(shù)路線(xiàn)。
其他專(zhuān)利不再逐一分析。總結(jié)可見(jiàn)，利用式(5)確實(shí)可以篩選出專(zhuān)利樣本技術(shù)領(lǐng)域中重要申請(qǐng)人的重要專(zhuān)利，盡管這些專(zhuān)利在各個(gè)指標(biāo)上的特點(diǎn)各異，但式(5)能夠?qū)?zhuān)利的價(jià)值進(jìn)行綜合性的評(píng)價(jià)，使結(jié)果更加客觀，避免了單一指標(biāo)絕對(duì)值過(guò)高而“掩蓋”其他重點(diǎn)專(zhuān)利的情況;相關(guān)數(shù)據(jù)獲得容易、計(jì)算處理簡(jiǎn)單，具有良好的操作性。
五、結(jié)語(yǔ)
利用本文的重點(diǎn)專(zhuān)利篩選模型，能夠快速、客觀地篩選出專(zhuān)利樣本中的重點(diǎn)專(zhuān)利。該模型具有良好的通用性和靈活性，不受專(zhuān)利樣本技術(shù)領(lǐng)域或其他因素的限制，在任何場(chǎng)景下均可適用，根據(jù)數(shù)據(jù)源情況還可以自由地增加專(zhuān)利指標(biāo)，同時(shí)提供可以人工調(diào)整的權(quán)重系數(shù)以實(shí)現(xiàn)對(duì)于模型的微調(diào)，從而進(jìn)一步提高模型精度。
特別值得一提的是，隨著Microsoft PowerBI等基于大數(shù)據(jù)的商業(yè)情報(bào)分析軟件(BI軟件)在專(zhuān)利分析中的應(yīng)用，通過(guò)將本文的模型嵌入到BI軟件的數(shù)據(jù)模型之中，可實(shí)現(xiàn)重點(diǎn)專(zhuān)利篩選結(jié)果與專(zhuān)利數(shù)據(jù)庫(kù)導(dǎo)出數(shù)據(jù)(即原始數(shù)據(jù))的耦合，方便指標(biāo)數(shù)據(jù)的獲取，以及實(shí)現(xiàn)重點(diǎn)專(zhuān)利與其他專(zhuān)利因素(例如地域、時(shí)間等)的耦合，提升分析數(shù)據(jù)的深度和廣度，有助于提升專(zhuān)利分析效率和提高專(zhuān)利分析質(zhì)量。
(致 謝： 衷 心 感 謝 唐 躍 強(qiáng) 老 師 對(duì) 本 文 的指導(dǎo)。)
注釋?zhuān)?/p>
① 為了方便理解，本文采用德溫特定義的簡(jiǎn)單專(zhuān)利家族，即優(yōu)先權(quán)完全一致的各成員構(gòu)成的專(zhuān)利家族。
② 筆者以智慧芽 Ⅲ專(zhuān)利數(shù)據(jù)庫(kù)為例，其導(dǎo)出項(xiàng)包括“簡(jiǎn)單同族被引用專(zhuān)利總數(shù)”。
③ 第三人的引用泛指在后專(zhuān)利申請(qǐng)人以外的組織機(jī)構(gòu)對(duì)于在前專(zhuān)利的引用，例如在專(zhuān)利實(shí)審、無(wú)效、訴訟階段被審查員(合議組)、法庭、相關(guān)當(dāng)事人引用。顯然這些引用的目的與證明技術(shù)事實(shí)密切相關(guān)。
④ 專(zhuān)利授權(quán)后，申請(qǐng)人被稱(chēng)為專(zhuān)利權(quán)人。本文統(tǒng)一采用申請(qǐng)人這一稱(chēng)謂。
⑤ 智慧芽 Ⅲ僅對(duì)高級(jí)用戶(hù)開(kāi)放導(dǎo)出權(quán)利要求項(xiàng)數(shù)的功能，但是可以通過(guò)導(dǎo)出的權(quán)利要求文本簡(jiǎn)單地計(jì)算出該指標(biāo)。
⑥ 此處筆者采用大型醫(yī)療設(shè)備領(lǐng)域的相關(guān)數(shù)據(jù)，檢索數(shù)據(jù)庫(kù)為智慧芽™，檢索時(shí)間為2023年 4月。
⑦ 如前分析，對(duì)于專(zhuān)利的特定指標(biāo)絕對(duì)值小于中位數(shù)的情況，該指標(biāo)絕對(duì)值為負(fù)，亦可折算為相對(duì)100%的“負(fù)數(shù)份額”，視為該指標(biāo)對(duì)該專(zhuān)利價(jià)值的貢獻(xiàn)為負(fù)。
⑧ 各指標(biāo)權(quán)重系數(shù)為：被引用次數(shù)0.6、引用次數(shù)0.2、權(quán)利要求項(xiàng)數(shù)0.1、專(zhuān)利家族成員數(shù)0.1.
參考文獻(xiàn)：
[1] 國(guó)家知識(shí)產(chǎn)權(quán)局學(xué)術(shù)委員會(huì). 專(zhuān)利分析實(shí)務(wù)手冊(cè)[M]. 第 2版. 北京: 知識(shí)產(chǎn)權(quán)出版社, 2021:234.
[2] 馬天旗. 專(zhuān)利分析：方法、圖表解讀與情報(bào)挖掘[M]. 第 1版. 北京: 知識(shí)產(chǎn)權(quán)出版社, 2015:164.
[3] Lanjouw J O, Schankerman M. The quality of ideas: measuring innovation with multiple indicators[J]. NBER Working Papers, 1999:1-35.
[4] Lanjouw J O, Schankerman M . Patent Quality and Research Productivity: Measuring Innovation with Multiple Indicators[J]. Economic Journal, 2004(114):441-465.
[5] Mariagrazia S, Dernis H, Criscuolo C. Measuring patent quality: Indicators of technological and economic value[J]. OECD Science, Technology and Industry Working Papers, No.2013/03. 2013: 1-69.
[6]張吉吉. 平均數(shù)、中位數(shù)和眾數(shù)的意義分別是什么? [EB/OL]. (2018-07-25) [2023-08-17]. https://www.zhihu.com/question/286260644.
中企檢測(cè)認(rèn)證網(wǎng)提供iso體系認(rèn)證機(jī)構(gòu)查詢(xún)，檢驗(yàn)檢測(cè)、認(rèn)證認(rèn)可、資質(zhì)資格、計(jì)量校準(zhǔn)、知識(shí)產(chǎn)權(quán)貫標(biāo)一站式行業(yè)企業(yè)服務(wù)平臺(tái)。中企檢測(cè)認(rèn)證網(wǎng)為檢測(cè)行業(yè)相關(guān)檢驗(yàn)、檢測(cè)、認(rèn)證、計(jì)量、校準(zhǔn)機(jī)構(gòu)，儀器設(shè)備、耗材、配件、試劑、標(biāo)準(zhǔn)品供應(yīng)商，法規(guī)咨詢(xún)、標(biāo)準(zhǔn)服務(wù)、實(shí)驗(yàn)室軟件提供商提供包括品牌宣傳、產(chǎn)品展示、技術(shù)交流、新品推薦等全方位推廣服務(wù)。這個(gè)問(wèn)題就給大家解答到這里了，如還需要了解更多專(zhuān)業(yè)性問(wèn)題可以撥打中企檢測(cè)認(rèn)證網(wǎng)在線(xiàn)客服13550333441。為您提供全面檢測(cè)、認(rèn)證、商標(biāo)、專(zhuān)利、知識(shí)產(chǎn)權(quán)、版權(quán)法律法規(guī)知識(shí)資訊，包括商標(biāo)注冊(cè)、食品檢測(cè)、第三方檢測(cè)機(jī)構(gòu)、網(wǎng)絡(luò)信息技術(shù)檢測(cè)、環(huán)境檢測(cè)、管理體系認(rèn)證、服務(wù)體系認(rèn)證、產(chǎn)品認(rèn)證、版權(quán)登記、專(zhuān)利申請(qǐng)、知識(shí)產(chǎn)權(quán)、檢測(cè)法、認(rèn)證標(biāo)準(zhǔn)等信息，中企檢測(cè)認(rèn)證網(wǎng)為檢測(cè)認(rèn)證商標(biāo)專(zhuān)利從業(yè)者提供多種檢測(cè)、認(rèn)證、知識(shí)產(chǎn)權(quán)、版權(quán)、商標(biāo)、專(zhuān)利的轉(zhuǎn)讓代理查詢(xún)法律法規(guī)，咨詢(xún)輔導(dǎo)等知識(shí)。
本文內(nèi)容整合網(wǎng)站：中國(guó)政府網(wǎng)、百度百科、搜狗百科、360百科、最高人民法院、知乎、市場(chǎng)監(jiān)督總局 、國(guó)家知識(shí)產(chǎn)權(quán)局、國(guó)家商標(biāo)局
免責(zé)聲明：本文部分內(nèi)容根據(jù)網(wǎng)絡(luò)信息整理，文章版權(quán)歸原作者所有。向原作者致敬！發(fā)布旨在積善利他，如涉及作品內(nèi)容、版權(quán)和其它問(wèn)題，請(qǐng)跟我們聯(lián)系刪除并致歉！
本文來(lái)源： http://m.rumin8raps.com/news/202501/xwif_54558.html
