[发明专利]基于数据挖掘和异构知识关联的专利估值方法、估值系统

说明书

本发明属于专利价值评测技术领域，公开了一种基于数据挖掘和异构知识关联的专利估值方法和专利估值系统，根据专利文本与市场信息文本复杂的关联关系，构建异构知识关联网络作为专利估值的网络环境；在所述网络环境中通过训练机器学习，数据挖掘的模型对专利价值进行精准度量；在所述网络环境中通过机器学习，数据挖掘的方法对专利价值进行精准度量。本发明不仅从专利自身提取相关价值特征，又从关联关系上分析引入了复杂的外部实体特征。通过大量的专利文本与复杂的外部市场相关的文本建立关联，形成一个庞大的异构知识关联网络，通过提取的专利自身及外部的价值特征，训练机器学习，数据挖掘的模型对专利价值来做精准度量。

技术领域

本发明属于专利价值评测技术领域，尤其涉及一种基于数据挖掘和异构知识关联的专利估值方法和专利估值系统。

背景技术

目前，最接近的现有技术：

目前常见的价值度量模型主要有统计引文数量的方法，潜在图模型的方法，深度学习的方法等，这些方法是以专利自身的价值特征作为出发点或引入了简单的外部特征对专利价值进行研究。

(1)从专利自身来看，目前方法认为专利价值是单一的，确定的。

对专利这类无形资产来说，其价值本身就随外界相关因素的变化而变化，不可能永远是一个稳定的价值。甚至在不同环境中，可以体现出不同的价值。而现有的方法以单一，确定的角度来看待专利的价值，这样便会埋没了专利在其他视角下的价值，从而不能对专利做精准估值。

(2)从相关关系来看，目前方法认为专利价值是非关联，非市场的。

事实上，专利价值往往体现在与外部实体特征复杂的异构关系中。专利这类无形资产的价值与市场走向密不可分。比如某个专利所提出的技术与当前市场的潮流息息相关，则该专利与当前市场的关联程度就越大，所体现的价值也更大。通过这些异构关系，专利价值与这些外部实体之间发生联动。如果不清楚的表示和利用这些复杂的异构关系，专利的真实价值就难以被挖掘出来，不能对专利价值进行精准度量。

综上所述，现有技术存在的问题是：

目前的方法不能清楚的表示和利用这些复杂的异构关系，专利的真实价值就难以被挖掘出来，不能对专利价值进行精准度量。

解决上述技术问题的难度：

难度一：异构知识关联网络的建立。异构知识关联网络是由不同类型的异构节点和节点之间的相互关联所组成的，如何让不同类型的节点互相关联是难点之一。

难度二：外部实体特征的提取。专利的价值与市场的情况具有非常紧密的关联，但如何将专利与市场情况巧妙地关联在一起以及如何转化为计算机可识别的特征是一个技术难点。

解决上述技术问题的意义：

当今世界各国之间的抗衡已经转化成知识科技的比拼，知识经济愈发重要。专利作为其中具有代表性的知识产出，在各国之间都深受重视。而要正确无误地将专利进行交易转化，对其自身价值的准确度量必不可少。因为对专利做了不同市场下的价值评估，便使得专利用户更加地了解专利，这样才更加有利于交易转化地实施。

发明内容

针对现有技术存在的问题，本发明提供了一种基于数据挖掘和异构知识关联的专利估值方法及系统。

本发明是这样实现的，一种基于数据挖掘和异构知识关联的专利估值方法，所述基于数据挖掘和异构知识关联的专利估值方法包括：

根据专利文本与市场信息文本复杂的关联关系，构建异构知识关联网络作为专利估值的网络环境。

在所述网络环境中通过训练机器学习，数据挖掘的模型对专利价值进行精准度量。

在所述网络环境中通过机器学习，数据挖掘的方法对专利价值进行精准度量。