基于AI的专利价值评估方法及系统专利检索-专利保护类型请求书国际申请申请专利权专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

基于AI的专利价值评估方法及系统

阅读：1022发布：2020-10-17

IPRDB可以提供基于AI的专利价值评估方法及系统专利检索，专利查询，专利分析的服务。并且本发明提供了基于AI的专利价值评估方法及系统，涉及数据信息处理技术领域。一种基于人工智能的专利价值评估方法，包括如下步骤：设置具有学习功能的专利价值评估模型；采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。本发明不仅避免了人工方式可能带来的评估偏差，还节省了专利价值评估的人力成本，兼顾了数据处理的灵活性和准确性。，下面是基于AI的专利价值评估方法及系统专利的具体信息内容。

权利要求

1.一种基于人工智能的专利价值评估方法，其特征在于包括如下步骤：

设置具有学习功能的专利价值评估模型；

采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；

采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；

所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。

2.根据权利要求1所述的方法，其特征在于：专利价值评估模型根据交易数据信息调整初始评估价值的学习策略包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。

3.根据权利要求1所述的方法，其特征在于：所述交易数据信息包括专利拍卖过程中的用户驻留时间和专利的关注度等级；根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。

4.根据权利要求1所述的方法，其特征在于：所述交易数据信息包括该专利在拍卖过程中的历史倒手次数，根据倒手次数设置加权值，以调整初始评估价值。

5.根据权利要求1所述的方法，其特征在于：在所述价值评估模型中，从技术维度和法律维度两个方面对专利的价值进行评估；所述技术维度的指标包括先进性、可替代性、所属领域发展趋势和/或实施难度等级；所述法律维度的指标包括专利权利要求项数、专利独立权利要求范围、专利稳定性、可规避性、保护力度、侵权可判性和/或专利布局。

6.根据权利要求1所述的方法，其特征在于：采集与该专利具有对标特性的其它专利的数据信息，获取所述其它专利的评估价值信息后对该专利的初始评估价值进行调整。

7.一种基于人工智能的专利价值评估系统，其特征在于包括：

初始化模块，用以设置具有学习功能的专利价值评估模型，并测试专利价值评估模型的准确度，所述准确度满足准确度阈值要求后，启动该专利价值评估模型；

初始评估模块，连接初始化模块，用以采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；

交易信息采集模块，用以采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；

调整模块，连接初始评估模块和交易信息采集模块，用以根据交易数据信息，通过专利价值评估模型对前述初始评估价值进行调整，获取该专利的理想价值。

8.根据权利要求1所述的系统，其特征在于：专利价值评估模型根据交易数据信息调整初始评估价值的学习策略包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。

9.根据权利要求1所述的系统，其特征在于：所述交易数据信息包括专利拍卖过程中的用户驻留时间和专利的关注度等级；专利价值评估模型根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。

10.根据权利要求1所述的系统，其特征在于：所述交易数据信息包括该专利在拍卖过程中的历史倒手次数；专利价值评估模型根据倒手次数设置加权值以调整初始评估价值。

说明书全文

基于AI的专利价值评估方法及系统

技术领域

[0001] 本发明涉及数据信息处理技术领域。

背景技术

[0002] 申请专利并获得专利权后，既可以保护自己的发明成果，防止科研成果流失，获取垄断利润来弥补研发投入，同时也有利于科技进步和经济发展。随着世界各国经济的迅速发展，各式产业领域对于专利技术的需求亦大量增加，但在实际的运作上，产业界仍难以获得其所确切需要的专利技术。比如对于需要引进新式专利技术的厂商而言，找寻新式的专利技术无疑是难以克服的经营成本；又比如对于一般所谓的技术输入国而言，常无法迅速有效取得所需的专利技术，对于总体国力发展亦是一种严重损害。

[0003] 在专利交易中，评估专利的价值的重要性不言而喻。目前，专利的价值评估仍主要使用传统的人工方式进行，常用的评估方法比如成本法、市场价值法、收益现值法等。其中涉及往往涉及到多个评价指标，运算工作量大，会消耗较大的人力资源；同时，由于依赖于人工操作，在评估过程中可能出现主观偏向，影响真实的评估价值。

发明内容

[0004] 本发明的目的在于：克服现有技术的不足，提供一种基于AI的专利价值评估方法及系统。本发明借助人工智能(AI)对专利进行价值评估，专利价值评估模型能够基于交易数据信息对专利的初始评估价值进行调整，从而获取该专利的理想价值。本发明不仅避免了人工方式可能带来的评估偏差，还节省了专利价值评估的人力成本，兼顾了数据处理的灵活性和准确性。

[0005] 为实现上述目标，本发明提供了如下技术方案。

[0006] 一种基于人工智能的专利价值评估方法，包括如下步骤：设置具有学习功能的专利价值评估模型；采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。

[0007] 进一步，专利价值评估模型根据交易数据信息调整初始评估价值的学习策略包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。

[0008] 进一步，所述交易数据信息包括专利拍卖过程中的用户驻留时间和专利的关注度等级；根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。

[0009] 进一步，所述交易数据信息包括该专利在拍卖过程中的历史倒手次数，根据倒手次数设置加权值，以调整初始评估价值。

[0010] 进一步，在所述价值评估模型中，从技术维度和法律维度两个方面对专利的价值进行评估；所述技术维度的指标包括先进性、可替代性、所属领域发展趋势和/或实施难度等级；所述法律维度的指标包括专利权利要求项数、专利独立权利要求范围、专利稳定性、可规避性、保护力度、侵权可判性和/或专利布局。

[0011] 进一步，采集与该专利具有对标特性的其它专利的数据信息，获取所述其它专利的评估价值信息后对该专利的初始评估价值进行调整。

[0012] 本发明还公开了一种基于人工智能的专利价值评估系统，包括如下结构：

[0013] 初始化模块，用以设置具有学习功能的专利价值评估模型，并测试专利价值评估模型的准确度，所述准确度满足准确度阈值要求后，启动该专利价值评估模型；

[0014] 初始评估模块，连接初始化模块，用以采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值；

[0015] 交易信息采集模块，用以采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型；

[0016] 调整模块，连接初始评估模块和交易信息采集模块，用以根据交易数据信息，通过专利价值评估模型对前述初始评估价值进行调整，获取该专利的理想价值。

[0017] 进一步，所述专利价值评估模型根据交易数据信息调整初始评估价值的学习策略包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。

[0018] 进一步，所述交易数据信息包括专利拍卖过程中的用户驻留时间和专利的关注度等级；专利价值评估模型根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。

[0019] 进一步，所述交易数据信息包括该专利在拍卖过程中的历史倒手次数；专利价值评估模型根据倒手次数设置加权值以调整初始评估价值。

[0020] 本发明由于采用以上技术方案，与现有技术相比，作为举例而非限定，具有以下的优点和积极效果：借助人工智能(AI)对专利进行价值评估，设置了具有学习功能的专利价值评估模型，能够基于交易数据信息对专利的初始评估价值进行调整，从而获取该专利的理想价值。本发明不仅避免了人工方式可能带来的评估偏差，还节省了专利价值评估的人力成本，兼顾了数据处理的灵活性和准确性。

附图说明

[0021] 图1为本发明实施例提供的基于AI的专利价值评估方法的流程图。

[0022] 图2为本发明实施例提供的专利价值评估模型的学习策略图。

[0023] 图3为本发明实施例提供的专利价值评估模型的指标信息图。

[0024] 图4为本发明实施例提供的专利拍卖系统的界面示例图。

[0025] 图5为本发明实施例提供的基于AI的专利价值评估系统的模块结构图。

[0026] 图中标号如下：

[0027] 交易界面100，标题栏110，工具栏120，信息显示区域130，滚动栏140；

[0028] 专利价值评估系统200，初始化模块210，初始评估模块220，交易信息采集模块230，调整模块240。

具体实施方式

[0029] 以下结合附图和具体实施例对本发明提供的基于AI的专利价值评估方法及系统作进一步详细说明。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。

[0030] 需说明的是，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响发明所能产生的功效及所能达成的目的下，均应落在发明所揭示的技术内容所能涵盖的范围内。本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

[0031] 实施例

[0032] 参见图1所示，一种基于人工智能的专利价值评估方法，包括如下步骤：

[0033] S100，设置具有学习功能的专利价值评估模型。

[0034] 本实施例中，所述专利价值评估模型根据交易数据信息调整初始评估价值的学习策略可以包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式，参见图2所示。

[0035] 所述机械学习，是指学习者无需任何推理或其它的知识转换，直接吸取环境所提供的信息。这类学习系统主要考虑的是如何索引存贮的知识并加以利用，是直接通过事先编好、构造好的程序来学习，学习者不作任何工作，或者是通过直接接收既定的事实和数据进行学习，对输入信息不作任何的推理。

[0036] 所述演绎学习，是指依靠推理，从公理出发，经过逻辑变换推导出结论。这种学习方法可以包含宏操作学习、知识编辑和组块技术。

[0037] 所述类比学习，是指利用二个不同领域(源域、目标域)中的知识相似性，可以通过类比，从源域的知识(包括相似的特征和其它性质)推导出目标域的相应知识，从而实现学习。类比学习系统可以使一个已有的计算机应用系统转变为适应于新的领域，来完成原先没有设计的相类似的功能。

[0038] 所述归纳学习，是提供某概念的一些实例或反例后，通过归纳推理得出该概念的一般描述。这种学习需要深度推理，因为环境并不提供一般性概念描述(如公理)。归纳学习是最基本的，发展也较为成熟的学习方法，在人工智能领域中已经得到广泛的研究和应用。

[0039] 所述深度学习，是基于数据进行表征学习的方法。其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。主要技术比如有自适应学习算法、卷积神经网络、循环神经网络、递归神经网络、深度神经网络和深度堆叠网络等。其应用包括现有技术中的计算机视觉技术、语音识别技术、自然语言处理技术、机器翻译等方面。

[0040] S200，采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值。

[0041] 获取待评估专利的数据信息的方式，可以来自于用户主动上传的专利数据文件，也可以是用户检索关联的专利数据库，从该专利数据库中存储的专利数据文件中获取待评估专利的数据信息。

[0042] 所述专利数据库为预先建立的储存有专利数据、专利数据状态属性的数据库。所述专利数据状态属性，在本实施例中，可以包括专利名称、专利类型、法律信息、申请人、主分类号、转让信息、引用次数信息和摘要等信息。优选的，所述专利类型可以包括发明申请、发明授权、实用新型、外观设计；所述法律信息可以包括审中、有效、失效、转让、复审、无效宣告。

[0043] 用户的检索可以通过检索模块来实现。通常来说，所述检索模块可以包括关键字检索模块、IPC分类号检索模块和申请人检索模块。优选的，所述关键字检索模块包括标题摘要检索、标题检索、摘要检索、权利要求检索、标题摘要权利要求检索以及全文检索。

[0044] 获取待评估专利的数据信息后，基于前述专利价值评估模型进行评估，获取该专利的初始评估价值。

[0045] 参见图3所示，在所述价值评估模型中，可以从技术维度和法律维度两个方面对专利或专利包的价值进行评估。

[0046] 所述技术维度的指标包括先进性、可替代性、所属领域发展趋势和/或实施难度等级。

[0047] 所述法律维度的指标包括专利权利要求项数、专利独立权利要求范围、专利稳定性、可规避性、保护力度、侵权可判性和/或专利布局。

[0048] 需要说明的是，在所述价值评估模型中，还可以从市场维度对专利或专利包的价值进行评估。所述市场维度指标包括专利所对应的产品在专利权国家的经济规模和国家对专利所属领域的扶持力度。

[0049] 利用所述价值评估模型的各个指标，评估该专利或专利包的价值。作为举例而非限制，以指标“专利权利要求项数”为例来评估该专利的价值的方法可以如下：

[0050] 预设专利权利要求项数与专利价值等级、专利价值等级与价值量之间的映射关系。作为举例而非限制，比如权利要求项数2项以下(包括2项)的价值等级为5等，权利要求项数介于3至6项之间的价值等级为4等，权利要求项数介于7至10项之间的价值等级为3等，权利要求项数介于11至15项之间的价值等级为2等，权利要求项数16项以上(包括16项)的价值等级为1等。而对于前述专利价值等级5等、4等、3等、2等、1等，其对应价值量分别为1万、5万、10万、15万、20万。

[0051] 获取待评估专利的权利要求项数，根据该权利要求项数获取其对应的价值量，比如一项专利的权利要求项数为8项，则其价值量为10万。若价值评估模型中仅采用了“专利权利要求项数”一个评价指标，则前述10万的价值量即为该专利的初始评估价值。

[0052] 对于包括多项专利的专利包，作为举例而非限制，可以先对专利包中的每件专利单独进行评价，获取各件专利的评估价值后再进行累加求和，获取的价值量总和作为该专利包的评估价值。

[0053] 对于包括多个评价指标的价值评估模型，可以针对多个评价指标设置权重，将各项指标对应的价值量乘以对应的权重后，再进行累加求和，作为该专利的评估价值。当然，上述数据处理方法作为举例而非限制，用户在设置价值评估模型时，可以根据需求选择适合自己需要的数据处理方法，各种数据处理方法比如加权求和、加权平均、平方后求和等均可参考现有技术，在此不再赘述。

[0054] S300，采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型。

[0055] 所述交易数据信息，是指专利挂牌后采集的与该挂牌专利相关的信息。作为举例而非限制，比如可以包括用户访问次数、专利拍卖过程中的用户驻留时间、专利的关注度等级、专利倒手次数、专利历史交易价格等信息。

[0056] S400，所述专利价值评估模型基于交易数据信息对前述初始评估价值进行调整，获取该专利的理想价值。

[0057] 本实施例中，所述交易数据信息可以包括专利拍卖过程中的用户驻留时间和专利的关注度等级；根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。

[0058] 在设置加权值时，所述驻留时间越长，所述加权值越大；和/或，所述关注度等级越高，所述加权值越大。

[0059] 所述关注度等级，可以通过如下方法来获得：通过摄像结构采集用户的视线信息，获取视线所关注的目标专利；统计前述目标专利所获得的关注次数；基于预设的关注次数与关注度等级之间的映射关系，获取该专利的关注度等级并输出。

[0060] 作为举例而非限制，以关注度等级为例，比如基于某目标专利采集到的关注次数为63次，其对应的关注度等级为3星级(五星等级制)。而根据关注度等级，1星级、2星级、3星级、4星级和5星级对应的加权值依次为1.03、1.06、1.10、1.15和1.20，则前述目标专利对应的加权值为1.1。若专利价值评估模型生成的初始评估价值为10万，则根据交易数据信息调整后的理想价值为11万。

[0061] 本实施例的另一实施方法中，所述交易数据信息还可以包括该专利在拍卖过程中的历史倒手次数，根据倒手次数设置加权值，以调整初始评估价值。

[0062] 作为举例而非限制，比如基于某目标专利采集到的历史倒手次数(交易次数)为8次，针对于不同的倒手次数，0次、1-3次、4-6次、8-10次、10次以上所对应的加权值依次为1、1.05、1.10、1.15和1.20，则前述目标专利对应的加权值为1.15。若专利价值评估模型生成的初始评估价值为10万，则根据交易数据信息调整后的理想价值为11.5万。

[0063] 本实施例的另一实施方法中，还可以采集与该专利具有对标特性的其它专利的数据信息，获取所述其它专利的评估价值信息后对该专利的初始评估价值进行调整。

[0064] 所述具有对标特性的其它专利，是指在专利价值评估时，能够作为该待评估专利参照对象的标杆专利。优选的，具有对标特性的专利为与待评估专利所属技术领域、所述行业以及所要求保护的主题名称相同或相似的专利。

[0065] 作为举例而非限制，比如待评估专利涉及一种对流媒体文件进行处理的技术，其保护的主题名称是流媒体文件压缩技术，基于具有学习功能的专利价值评估模型生成的初始评估价值为10万。通过搜索与该专利相关的其它专利，发现专利“一种流媒体文件压缩传输方法”为与其具有对标特性的目标专利，由于该目标专利具有很高的专利关注度且倒手次数较多，该目标专利当前的理想价值(调整后的评估价值)为20万。则前述具有学习功能的专利价值评估模型，根据前述对标专利的理想价值，经过类比学习策略后，对该专利的初始评估价值进行调整，获得该专利的理想价值为16万。

[0066] 在获取了专利的理想价值之后，可以将理想价值载入至专利拍卖窗口的相应栏中输出。获取专利的理想价值—一比如前述16万—一作为该专利的理想价值载入至专利拍卖窗口的相应栏中输出。

[0067] 所述专利拍卖窗口为面向用户设置的信息输出窗口，同时也是用户的交易界面，其能够基于预设的输出项指标输出相关信息，参见图4所示。

[0068] 作为举例而非限制，所述专利拍卖窗口可以采用图4中的交易界面。所述交易界面100包括标题栏110，工具栏120，信息显示区域130和滚动栏140。交易界面输出的信息可以包括专利的挂牌代码、主题名称、技术领域、专利数、理想价值、专利的当前出价、当前出价与理想价值的价比、拍卖剩余天数(挂牌剩余天数)信息等。

[0069] 参见图5所示，为本发明的另一实施例，公开了一种基于人工智能的专利价值评估系统。

[0070] 所述专利价值评估系统200包括通信连接的初始化模块210，初始评估模块220，交易信息采集模块230和调整模块240。

[0071] 所述初始化模块210，用以设置具有学习功能的专利价值评估模型，并测试专利价值评估模型的准确度。所述准确度满足准确度阈值要求后，启动该专利价值评估模型。所述准确度阈值，作为举例而非限制，比如80％。具体实施时，可以基于专利价值评估模型对已经交易过的专利进行价值评估，采集评估价值与该专利的实际交易价值进行比对，若二者的差异在20％以下，即评估的准确度不小于80％，则推定该专利价值评估模型为有效模型，可用启动该专利价值评估模型。

[0072] 本实施例中，所述专利价值评估模型根据交易数据信息调整初始评估价值的学习策略可以包括机械学习、演绎法学习、类比学习、归纳学习和深度学习中的一种或多种方式。

[0073] 所述初始评估模块220，连接初始化模块210，用以采集待评估专利的数据信息，基于前述的专利价值评估模型进行评估，获取该专利的初始评估价值。

[0074] 获取待评估专利的数据信息的方式，可以来自于用户主动上传的专利数据文件，也可以是用户检索关联的专利数据库，从该专利数据库中存储的专利数据文件中获取待评估专利的数据信息。所述专利数据库为预先建立的储存有专利数据、专利数据状态属性的数据库。所述专利数据状态属性，在本实施例中，可以包括专利名称、专利类型、法律信息、申请人、主分类号、转让信息、引用次数信息和摘要等信息。优选的，所述专利类型可以包括发明申请、发明授权、实用新型、外观设计；所述法律信息可以包括审中、有效、失效、转让、复审、无效宣告。

[0075] 在所述价值评估模型中，可以从技术维度和法律维度两个方面对专利或专利包的价值进行评估。所述技术维度的指标包括先进性、可替代性、所属领域发展趋势和/或实施难度等级。所述法律维度的指标包括专利权利要求项数、专利独立权利要求范围、专利稳定性、可规避性、保护力度、侵权可判性和/或专利布局。

[0076] 利用所述价值评估模型的各个指标，评估该专利或专利包的价值。作为举例而非限制，以指标“专利权利要求项数”为例来评估该专利的价值的方法可以如下：

[0077] 预设专利权利要求项数与专利价值等级、专利价值等级与价值量之间的映射关系。作为举例而非限制，比如权利要求项数2项以下(包括2项)的价值等级为5等，权利要求项数介于3至6项之间的价值等级为4等，权利要求项数介于7至10项之间的价值等级为3等，权利要求项数介于11至15项之间的价值等级为2等，权利要求项数16项以上(包括16项)的价值等级为1等。而对于前述专利价值等级5等、4等、3等、2等、1等，其对应价值量分别为1万、5万、10万、15万、20万。

[0078] 获取待评估专利的权利要求项数，根据该权利要求项数获取其对应的价值量，比如一项专利的权利要求项数为8项，则其价值量为10万。若价值评估模型中仅采用了“专利权利要求项数”一个评价指标，则前述10万的价值量即为该专利的初始评估价值。

[0079] 对于包括多项专利的专利包，作为举例而非限制，可以先对专利包中的每件专利单独进行评价，获取各件专利的评估价值后再进行累加求和，获取的价值量总和作为该专利包的评估价值。

[0080] 对于包括多个评价指标的价值评估模型，可以针对多个评价指标设置权重，将各项指标对应的价值量乘以对应的权重后，再进行累加求和，作为该专利的评估价值。

[0081] 所述交易信息采集模块230，用以采集该专利在挂牌后中的交易数据信息，将所述交易数据信息反馈至前述专利价值评估模型。所述交易数据信息，是指专利挂牌后采集的与该挂牌专利相关的信息。作为举例而非限制，比如可以包括用户访问次数、专利拍卖过程中的用户驻留时间、专利的关注度等级、专利倒手次数、专利历史交易价格等信息。

[0082] 所述调整模块240，连接初始评估模块220和交易信息采集模块230，用以根据交易数据信息，通过专利价值评估模型对前述初始评估价值进行调整，获取该专利的理想价值。

[0083] 本实施例中，所述交易数据信息可以包括专利拍卖过程中的用户驻留时间和专利的关注度等级；根据驻留时间长度和/或关注度等级，设置加权值对初始评估价值进行调整。在设置加权值时，所述驻留时间越长，所述加权值越大；和/或，所述关注度等级越高，所述加权值越大。

[0084] 所述关注度等级，可以通过如下方法来获得：通过摄像结构采集用户的视线信息，获取视线所关注的目标专利；统计前述目标专利所获得的关注次数；基于预设的关注次数与关注度等级之间的映射关系，获取该专利的关注度等级并输出。

[0085] 作为举例而非限制，以关注度等级为例，比如基于某目标专利采集到的关注次数为63次，其对应的关注度等级为3星级(五星等级制)。而根据关注度等级，1星级、2星级、3星级、4星级和5星级对应的加权值依次为1.03、1.06、1.10、1.15和1.20，则前述目标专利对应的加权值为1.1。若专利价值评估模型生成的初始评估价值为10万，则根据交易数据信息调整后的理想价值为11万。

[0086] 本实施例的另一实施方法中，所述交易数据信息还可以包括该专利在拍卖过程中的历史倒手次数，根据倒手次数设置加权值，以调整初始评估价值。

[0087] 作为举例而非限制，比如基于某目标专利采集到的历史倒手次数(交易次数)为8次，针对于不同的倒手次数，0次、1-3次、4-6次、8-10次、10次以上所对应的加权值依次为1、1.05、1.10、1.15和1.20，则前述目标专利对应的加权值为1.15。若专利价值评估模型生成的初始评估价值为10万，则根据交易数据信息调整后的理想价值为11.5万。

[0088] 本实施例的另一实施方法中，还可以采集与该专利具有对标特性的其它专利的数据信息，获取所述其它专利的评估价值信息后对该专利的初始评估价值进行调整。

[0089] 所述具有对标特性的其它专利，是指在专利价值评估时，能够作为该待评估专利参照对象的标杆专利。优选的，具有对标特性的专利为与待评估专利所属技术领域、所述行业以及所要求保护的主题名称相同或相似的专利。

[0090] 在上面的描述中，虽然本公开内容的各方面的所有组件可以被解释为被装配或被操作地连接为一个单元或模块，但是本公开内容并不旨在将其自身限于这些方面。而是，在本公开内容的目标保护范围内，各组件可以以任意数目选择性地且操作性地进行合并。这些组件中的每个组件自身还可以实现成硬件，同时各个组件可以部分地合并或选择性地总体合并且实现成具有用于执行硬件等同体的功能的程序模块的计算机程序。用以构建这种程序的代码或代码段可以由本领域技术人员容易地导出。这种计算机程序可以储存在计算机可读介质中，其可以被运行以实现本公开内容的各方面。计算机可读介质可以包括磁记录介质、光学记录介质以及载波介质。

[0091] 另外，像“包括”、“囊括”以及“具有”的术语应当默认被解释为包括性的或开放性的，而不是排他性的或封闭性，除非其被明确限定为相反的含义。所有技术、科技或其他方面的术语都符合本领域技术人员所理解的含义，除非其被限定为相反的含义。在词典里找到的公共术语应当在相关技术文档的背景下不被太理想化或太不实际地解释，除非本公开内容明确将其限定成那样。

[0092] 虽然已出于说明的目的描述了本公开内容的示例方面，但是本领域技术人员应当意识到，上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明的优选实施方式的范围包括另外的实现，其中可以不按所述出或讨论的顺序来执行功能。本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

标题	发布/更新时间	阅读量
专利检索系统-专利编号CN107748789A	2020-05-11	567
专利检索系统-专利编号CN101025757A	2020-05-13	638
专利检索系统-专利编号CN101025759A	2020-05-11	240
专利检索方法-专利编号CN101025758A	2020-05-13	219
专利检索系统-专利编号CN101025754A	2020-05-12	179
专利交易系统-专利编号CN103177386A	2020-05-12	487
专利检索方法-专利编号CN101025755A	2020-05-13	660
专利申请平台-专利编号CN106097177A	2020-05-11	618
专利检索方法-专利编号CN101025756A	2020-05-11	549
专利检索方法-专利编号CN101025753A	2020-05-12	517

基于AI的专利价值评估方法及系统

基于AI的专利价值评估方法及系统

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式